Diffusion Tensor Magnetic Resonance Imaging i Analyse af neurodegenerative sygdomme

Summary

Diffusion tensor imaging (DTI) dybest set fungerer som en MRI-baseret værktøj til at identificere

Abstract

Diffusion tensor imaging (DTI) teknikker giver oplysninger om de mikrostrukturelle processer i cerebral hvide substans (WM) in vivo. De nuværende programmer er designet til at undersøge forskelle i WM involvering mønstre i forskellige hjernesygdomme, især neurodegenerative lidelser, ved brug af forskellige DTI analyserne i sammenligning med matchede kontroller.

DTI dataanalyse er udført i et variate mode, dvs voxelwise sammenligning af regionale diffusion retning-baserede parametre såsom fraktioneret anisotropi (FA) sammen med fiber sporing (FT) ledsaget af tractwise brøkdele anisotropi statistik (TFAS) på koncernniveau i orden at identificere forskelle i FA langs WM strukturer, der sigter på definitionen af ​​regionale mønstre WM ændringer på koncernniveau. Forvandling til en stereotaktisk standard rum er en forudsætning for gruppens undersøgelser og kræver grundige databehandling for at bevare directional indbyrdes afhængigheder. De nuværende programmer viser optimerede tekniske tilgange til dette bevarelsen af ​​kvantitative og retningsbestemt oplysninger under rumlig normalisering dataanalyser på gruppe niveau. På dette grundlag kan FT teknikker anvendes til at gruppere gennemsnit data med henblik på at kvantificere målinger oplysninger som defineret af FT. Derudover anvendelse af DTI metoder, dvs forskelle i FA-maps efter stereotaktisk tilpasningen, en langsgående analyse på et individuelt emne basis afsløre oplysninger om progression af neurologiske lidelser. Yderligere kvalitetsforbedring af DTI-baserede resultater kan opnås i forbehandlingsfasen ved anvendelse af en kontrolleret fjernelse af gradient retninger med høje støjniveauer.

Sammenfattende er DTI anvendes til at definere en særskilt WM pathoanatomy forskellige hjernesygdomme ved kombinationen af ​​hele hjerne-baserede og tarmkanalen-baserede DTI analyse.

Introduction

Diffusion tensor imaging i den menneskelige hjerne

Den hvide substans (WM) skrifter i centralnervesystemet består af tætpakkede axoner i tillæg til forskellige typer af neuroglia og andre små populationer af celler. Den aksonal membran samt godt afstemt proteinfibre inden en Axon begrænser diffusionen vinkelret på fiberen orientering, hvilket fører til anisotrope vanddiffusion i hjernen WM ^1. Myelinskeder omkring axoner kan også bidrage til anisotropi både intra-og ekstracellulære vand ^2.

Den kvantitative beskrivelse af denne anisotropi kunne påvises ved diffusion tensor imaging (DTI). DTI producerer billeder af væv vægtet med de lokale mikrostruktur karakteristika vand diffusion. De image-intensiteter ved hver position er svækket, afhængigt af styrken og retningen af ​​den såkaldte magnetiske diffusion gradient (repræsenteret ib-værdi), samt på den lokale mikrostruktur, hvor vandmolekylerne diffundere ^3, diffusionskoefficient D, en skalar værdi:

Men i nærværelse af anisotropi i WM, kan diffusion ikke længere være kendetegnet ved en enkelt skalar koefficient, men kræver en tensor hvilket i første tilnærmelse beskriver molekylær mobilitet langs hver retning og sammenhæng mellem disse retninger ^4.. Diffusion anisotropi er primært forårsaget af orienteringen af ​​fiber skrifter i WM og er påvirket af sine mikro-og makrostrukturelle funktioner. Af de mikrostrukturelle træk, synes intraaxonal organisation at være af størst indflydelse på diffusion anisotropi, foruden densiteten af ​​fiberen ennd celle pakning, graden af ​​myelination, og individuel fiber diameter. På en makroskopisk skala, påvirker variation i orienteringen af alle WM skrifter i en billeddannelse voxel dens grad af anisotropi ^5..

I typiske DTI målinger, er de voxel dimensioner i størrelsesordenen millimeter. Således en voxel indeholder altid midlede oplysninger af vandmolekyler inde i detekteret volumen, der normalt omfatter flere axoner samt de omgivende vandmolekyler. Trods denne multiorienteret miljø, er DTI følsom til orienteringen af den største hovedakse som bringer den fremherskende aksonal retning, dvs axonal bidrag dominerer det målte signal ^2.

DTI giver to typer oplysninger om ejendommen vand diffusion: først orienteringen-uafhængig omfang diffusion anisotropi ⁵ og det andet den fremherskende retning vand diffusion i image voxels, dvs diffusion orientering ^6..

De nuværende protokoller er meningen at skabe en ramme for DTI analyseteknikker til kvantitativ sammenligning af emnegrupper på koncernniveau, som skitseret i det følgende.

Kvantificering af diffusionsegenskaber - analyseparametre

Elementerne i den symmetriske tensor kan måles ved diffusion gradienter langs mindst seks ikke-kolineære og ikke-koplanare retninger, således at b (ligning 1) er blevet en tensor, hvilket resulterer i signaldæmpning

Denne ligning kræver tegner sig for mulige interaktioner mellem billedbehandling og diffusion gradienter, der anvendes i retvinklede retninger (cross vilkår), og selv mellem billeddiagnostiske gradienter, som anvendesi vinkelrette retninger ^4.

Den underordnede diffusion tensor kan altid diagonalized efterlader kun tre ikke-nul elementer langs hoveddiagonalen af tensor, dvs egenværdierne ( ). Egenværdierne afspejler form eller konfiguration af ellipsoiden. Det matematiske forhold mellem den primære koordinater ellipsoiden og laboratoriet rammen er beskrevet af egenvektorerne

Da der er flere udfordringer i at vise tensor data, er begrebet diffusion ellipsoider blevet foreslået ^3.. De Eigendiffusivities af disse ellipsoids repræsenterer endimensional diffusionskoefficienter i hovedretning diffusivities af mediet, dvs hovedakse ellipsoiden repræsenterer den vigtigste diffusion retning i voxel som falder sammen med retningen af fibrene, mens excentricitet ellipsoiden giver oplysninger om grad af anisotropi og dens symmetri. Derfor kunne diffusion anisotropi parametre såsom fraktioneret anisotropi (FA) defineres ^7..

er det aritmetiske gennemsnit af alle Egenværdier.

En yderligere metode er at bruge den primære retning af diffusion tensor at behandle WM konnektivitet af hjernen, svarende til traktografi Approalm som har til hensigt at undersøge hvilke dele af hjernen er forbundet med hinanden. Antages det, at orienteringen af ​​den vigtigste del af diffusion tensor repræsenterer orienteringen af ​​de dominerende axonal skrifter, er en 3-D vektor felt billede, hvor hver vektor repræsenterer fiberens orientering. I øjeblikket er der flere forskellige tilgange til at rekonstruere WM skrifter, som kan opdeles i to typer: den første kategori er baseret på line formering algoritmer ved hjælp af lokale tensor information for hvert trin i fiber-tarmkanalen formering ^2,8,9. Den anden kategori er baseret på global energi minimering at finde den energisk gunstigste sti mellem to WM regioner, hvilket resulterer i tilgangen i tarmkanalen-baserede rumlige statistik (TBSS) ^10, som har været anvendt i andre algoritmer, som tractwise brøkdele anisotropi statistik (TFAS - se protokol tekst, afsnit 2.4)..

Omdannelse til stereotaktisk stativard plads

Ligesom i andre avancerede MRI metoder, DTI-og FT-baserede undersøgelser i et klinisk sammenhæng forfølge det ultimative mål at kategorisere enkelte patients hjerne morfologi for at lette den diagnostiske proces baseret på nogle diskrimination metrisk ^11. Studier på koncernniveau er mest relevant, hvis det fælles kliniske fænotype formodes at være på grund af skader til et eller flere specifikke områder i hjernen eller et særligt neuroanatomiske netværk. Her gennemsnit af resultaterne for forskellige fag er nyttig for at vurdere fælles mønstre af mikrostrukturelle ændringer. Hver enkelt hjerne har til at blive overført til stereotaktisk plads, så, i et andet trin, det aritmetiske gennemsnit af resultaterne på et voxel-by-voxel niveau er mulig. Rumlig normalisering tilladt for aritmetiske gennemsnit af de opnåede resultater fra forskellige emner for at forbedre signal-til-støj-forhold (SNR), og at udføre en sammenligning af prøver fra patienter og controls for at analysere den beregningsmæssige pathoanatomy af en specifik lidelse, fx en neurodegenerativ sygdom, der er forbundet med påvirkning af en specifik hjerne-system.

Den tidlige tilgang normalisering til en standardiseret stereotaxic plads med ¹² foreslog en transformation algoritme til en standard atlas omfatter identificering af forskellige hjerne vartegn og stykkevis skalering af hjernens kvadranter. I dag er de fleste af de avancerede MRI dataanalyse pakker bruger normalisering til Montreal Neurological Institute (MNI) stereotaktisk plads ^13.. Til denne transformation blev halvautomatiske og automatiseret hjerne registrering algoritmer ved hjælp af studie specifikke skabeloner udviklet ^14,15. I DTI har særlig opmærksomhed henledes på at bevare den retningsbestemte oplysninger under normaliseringsproces ^16,17. Anvendelsen af ​​rumlige transformationer til DT-MR-billeder, der er nødvendige for fysisk normaliseringaf samlinger af datasæt er, i modsætning til vridning skalar billeder, kompliceres af, at DTS indeholder orienteringsmæssige oplysninger, som igen er påvirket af transformation. Denne effekt skal der redegøres for, for at sikre den anatomiske korrekthed ændrede billede. Her er teknikker til at anvende affine transformationer til DTI datasæt præsenteres.

Anvendelse af DTI til hjernesygdomme

Sammenligningen af ​​den langsgående DTI oplysninger kræves en tilpasning / registrering af en fagets data mellem hinanden. I denne sammenhæng er bevarelse af den retningsbestemte nødvendige oplysninger (dvs. rotation af diffusion tensor under affine transformationer). Mulige ansøgninger til neurodegenerative sygdomme er blevet rapporteret tidligere (fx ^18,19).

DTI er blevet etableret som en robust non-invasiv teknisk redskab til at undersøge in vivo Neuropatholnologi for WM neuronale skrifter (f.eks ^{11,20,21,22).} DTI-baserede kvantitative målinger af diffusionsprocessen, f.eks FA, har allerede vist sig at være følsomme markører for at studere en bred vifte af WM patologier, såsom slagtilfælde ^20, multipel sclerose ^23, amyotrofisk lateral sklerose ^{24, 25,} Alzheimers sygdom ²⁶ , og flere andre WM lidelser ^27,28.

Derudover kan DTI med FT anvendes til at identificere WM skrifter ^23.. Denne teknik, mens der stadig ikke er i rutinemæssig klinisk brug, nye er som et kraftfuldt instrument til vurdering af sti-specifikke abnormiteter i neurologisk sygdom. Inden for de identificerede skrifter, afledt forskellige kvantitative MRI indeks fra DTI og yderligere opkøb (f.eks T2-vægtede billeder og / eller magnetisering overførsel (MT) billeddannelse), som er anatomisk coregistered til DTI data kan måles. Herved kan hvert indeks være calculated som en funktion af stilling i tarmkanalen, med henvisning til plots skildrer deres rumlige variation tarmkanalen profiler.

I det følgende, menneskelige DTI scanninger, der blev udført på 1,5 Tesla MR-scannere (Siemens Medical, Erlangen, Tyskland) blev anvendt til at undersøge potentialet af forskellige analyseteknikker til påvisning af hvide substans abnormiteter i patientgrupper samt i individer. Efter en automatiseret kvalitetskontrol for afskaffelse af motion-korrupte mængder og volumener med andre former for artefakter, forberede standardiserede efterbehandling procedurer DTI data for fortløbende analyse. Forskellige analyser tilgange vil blive illustreret i det følgende, dvs først, hele hjernen baseret rumlig statistik (WBSS), andet, FT, og tredje, Tractwise fraktioneret anisotropi statistik (TFAS). WBSS er en metode, der kører i analogi med voxel-baseret morfometri (VBM), som er normalt kendt som voxel-baserede morfometri / statistikker om DTI data (VBM / DTI)

Protocol

Analyse Metoder: Pre-og efterbehandling

Opgaven for følgende protokol er at analysere diffusionsegenskaber voxelwise inden hvide substans skrifter, som kunne være - på grund af voxelwise afsløring - enten isotrope eller anisotropisk, hvilket resulterer i prolate eller fladtrykt diffusion tensor for de respektive voxels. Den parametrering af voxel tensorer kan bruges enten til beregning af FA-kort eller identifikation af fibertracts (figur 1).

For at få analyseresultaterne, som vist i det følgende, skal du bruge software-pakke Tensor Imaging and Fiber Tracking (TIFT) ^17. TIFT giver analyseværktøjer til følgende krav:

• analyse i form af DTI metrikker, f.eks FA-kort,
• stereotaktisk normalisering
• gruppe sammenligning i form af FA eller andre DTI målinger
• forskellige analyser tilgange FT
• FT på gruppen gennemsnit DTI data og den tilhørende statistiske analyser.

Disse funktioner giver en bred vifte af analyser i én software miljø ^17,29,30,31. Den TIFT software er under konstant udvikling af nye muligheder i DTI dataanalyse.

Figur 2 giver en skematisk oversigt, hvordan man analyserer DTI data på gruppe niveau efter rumlig normalisering af to komplementære fremgangsmåder, både ved WBSS og TFAS dvs endelig få forskelle mellem underlagt prøver på gruppeniveau, fx syge hjerner versus raske kontrolpersoner. Her WBSS sigter mod en voxelwise fordomsfri påvisning af områder med forskelle på koncernniveau, mens TFAS er baseret på foruddefinerede fibertracts, de TFAS startende områder kan enten frit valgt eller kan udledes af de WBSS resultater (`hotspots` af væsentligt ændret FA).

Individuel langsgående sammenligning af FA-maps er udført af detektionteret forskelle i FA-maps af målinger på forskellige tidspunkter efter affine stereotaxic justering (figur 2).

1. Kvalitetskontrol (QC), herunder korrektion for beskadigede gradient retninger
   I tilfælde af bevægelse forstyrrelser under erhvervelse, dvs i tilfælde af ødelagte mængder er en SNR stigning opnået ved at udelade en enkelt gradient retninger (GD) for tensor beregning. Til dette formål blev et kvalitetstjek (QC) algoritme ³² udvikles. Kort fortalt, til de scanninger, indeholdt beskadigede volumener en SNR stigning opnås ved at udelade enkelte gradient instruktioner én ad gangen før tensor skøn: for hver GD, er den vægtede varians beregnes fra alle resterende retninger i sekvensen ved vægtning med vinklen som de afveg fra indekset GD.
   1. Udfør en artefakt korrektion ved at afsløre GD med mindst én skive viser nedsat intensitet, dvs bevægelsesartefakter forårsaget af spontan su bject bevægelse (figur 3, øverste panel). For enhver diffusion vægtet volumen, beregne den gennemsnitlige intensitet for hver skive og sammenligne dens intensitet med samme skive i alle andre volumener ved hjælp af et vægtet gennemsnit tilgang - vægtningsfaktoren er dot produkt af vektorer på to GD :
      
      
      betegner det aritmetiske gennemsnit intensiteten af ​​skive under observation og427eq12.jpg "/> et udsnit til sammenligning. Den relative gennemsnitlige intensitet afvigelse vægtes efter dot produkt af GD. Således, for at definere en global parameter:
      
      afspejler minimum af slicewise sammenligninger af alle skiver.
   2. Hvis Q er under en vis grænse (i eksemplet er en tærskel på 0,8 anvendes til dette formål), fjerne hele denne lydstyrken eller GD. En tærskel på 0,8 betragtes som en stabil opløsning ^32.. Figur 3 illustrerer bevægelsesfejl synlige i sagittale rekonstruktioner og detekteres af QC algoritmen. I dette eksempel, ud af det samlede antal GD (blå prikker i figur 3c) 17 var under den røde linie, der svarer til Q = 0,8 og Should blive elimineret. Et eksempel på et volumen fjernelse statistik for en hel undersøgelse er vist i figur 3d. I denne eksemplariske undersøgelse blev DTI data 29 præsymptomatiske HD patienter sammenlignet med DTI data 30 kontroller. Yderligere detaljer ved denne algoritme er præsenteret i ^{32, 33.}
2. Programmeringssproget og rumlig normalisering
   1. Udfør korrektion af hvirvelstrøm-inducerede geometriske forvridninger af de ekko-plane billeddiagnostiske datasæt ved foreslåede metode med ^34.
   2. For stereotaktisk normalisering, oprette en undersøgelse-specifik (b = 0) - skabelon og en FA-skabelon som tidligere beskrevet ^17,28,31. Dybest set, en komplet non-lineær stereotaktisk normalisering består af tre deformation komponenter. Følgelig den resulterende diffusion tensor af hver voxel i skal være roterendeed ifølge alle rotationer anført ovenfor (figur 4):
      1. 4a viser en stiv hjerne transformation til at tilpasse de basale koordinatsystemer. Rotationen som følge af tilpasning til den grundlæggende koordinatsystem skal anvendes
         
      2. 4b viser en lineær deformation ifølge landmærker. Komponenterne i egenvektorerne skal tilpasses efter de seks normaliserings parametre S (afhængig af område af hjernen er _et, a = 1 ... 6) af den lineære deformation.
         v _{w, j} a v _{w, j'''}
         w = 1,2,3 og j = x, y, z.
      3. 4c viser en ikke-lineær normalisering udligning ikke-lineære hjernen form forskelle. 3-D vektor skift er forskellige for hver voxel fører til en separat transformation for hver voxel af 3-D voxel matrix ). Standard trigonometri giver en rotation matrix uafhængigt for hver voxel, som stammer fra 3-D vektor skifter efter begreberne ¹⁶ for at bevare de retningsbestemte relationer mellem egenvektorer for neighbored voxels. Således forskellige skift af to neighbored voxels resultere i rotationer af de tilsvarende egenvektorer. Brug dilatation matricer for tilpasningen af ​​tensor af hver voxel tilde omkringliggende voxel.
         
         er de komponenter i
      Hele normalisering processen er iterativ, dvs skabe en scanner-og rækkefølge-specifik (b = 0) - skabelon for denne undersøgelse i det første skridt ved matematisk gennemsnittet af (b = 0) - mængder af alle fag efter lineær transformation ifølge manuelt sætte vartegn. Efter denne første normalisering, skabe forbedrede skabeloner for at optimere normaliserings matricer. De følgende trin 1.2.3 op til 1.2.5 er skematisk skitseret i figur 5a.
   3. Efter denne person normalisering procedure (step (i) - DTI-data I _0), bruge alle individuelle DTI datasæt for at skabe et studie-specifik (b = 0) - skabelon og en FA-skabelon (trin (ii) - skabeloner T _1). Den ikke-affine registrering til en FA-skabelon har den fordel, at det giver mere kontrast i forhold til (b = 0) billeder ^10, definerer en FA-skabelon ved at midle alle individuelt afledt FA-maps af patienterne og kontrollerne.
   4. I et andet trin, som følge af de grundlæggende ideer Ashburner og Friston ³⁵ udføre en ikke-lineær MNI normalisering (trin (iii)) i DTI datasæt ved at minimere misforholdet mellem de regionale intensiteter af FA-map til montering og FA-skabelonen i henhold til de kvadrerede forskelle (x ²⁾ - på den måde, du får DTI data I _1.
   5. Baseret på disse data, er nye skabeloner T ₂ afledt (trin (iv)). Gentag denne iterative proces, indtil sammenhængen mellem individuelle FA-maps og tHan FA-skabelon er> 0.7. Normalt er nået efter to iterationer.
3. Hele hjerne-baserede rumlige statistik
   De følgende trin 1.3.1 op til 1.3.5 visualiseres skematisk i figur 5b.
   1. Beregn FA-kort fra normaliserede DTI data med hensyn til normalisering procedure 1.2. for at bevare retningsbestemt oplysninger (trin (i)).
   2. Som et forbehandlingsfasen trin før voxelwise statistisk sammenligning, anvende et udglatningsfilter (trin (ii)) til den enkelte normaliserede FA-kort. Til udjævning kræver, at filteret størrelse påvirker resultaterne af DTI dataanalyse ³⁶ anvendelsen af den matchede filter sætning, som hedder, at bredden af det filter, der bruges til at behandle de data, bør være skræddersyet til størrelsen af den forventede forskel, da detaljerede i tidligere ansøgninger til DTI data fra patienter med neurodegenerative sygdomme (fx ^28).
   3. Statistisk compArison mellem patientgrupper og den tilsvarende kontrolgruppe voxelwise af Students t-test, dvs sammenligne FA værdier af patienternes FA-kort med FA værdier kontrollerne 'FA-kort, for hver voxel separat (trin (iii )). FA-værdier under 0,2 anses ikke for beregning eftersom kortikal grå substans viser FA værdier op til 0,2 ^37.
   4. Statistiske resultater skal korrigeres for multiple sammenligninger ved hjælp af falsk-discovery-rate (FDR) algoritme ved p <0,05 ³⁸ (trin (iv)). Yderligere reduktion af alfa fejl skal udføres af en rumlig korrelation algoritme (clustering - trin (v)), der elimineres isolerede voxels eller små isolerede grupper af voxels i størrelsesområdet på udjævning kerne, hvilket fører til en tærskel klynge størrelse på 512 voxels.
   5. For at vise resultater på en morfologisk baggrund (trin (v)), normalisere de 3-D T1 vægtede datasæt til MNI plads og gennemsnitlig matematisk. Udfør denne normalisering pROCEDURE ved brug af et studie-bestemt skabelon i analogi til en normalisering anvendes på DTI datasæt ^17..

Figur 6 viser resultaterne af hele hjernen-baserede rumlige statistik (WBSS) af ALS patienter vs kontroller. Figur 6a viser den lokale maksimum faldt FA værdier i en sagittal, coronar og aksial visning (tærskelværdisammenlignet ved p <0,01, korrigeret for multiple sammenligninger). Figur 6b viser projectional FT med udgangspunkter i corticospinal tarmkanalen bruges som basis for TFAS. Figur 6c viser gruppe forskelle i FA-maps opdaget af hele hjernen baseret rumlig statistik (WBSS) mellem en prøve af ALS-patienter og matchede kontroller i en slicewise visualisering.

4. Traktografi og tractwise fraktioneret anisotropi statistik (TFAS)
   Figur 7 illustrerer processen med gruppebaseret FT herunder TFAS som beskrevet i 1..4,1 op til 1.4.4.
   1. For at kunne anvende gruppe-baserede FT algoritmer, genererer gennemsnit DTI datasæt fra patienternes data og fra den kontrol "data sammen efter de metoder, der tidligere er beskrevet ^17. Denne gennemsnitsberegning kræver omhyggelig behandling af det orienteringsmæssige oplysninger, som er bevaret under normaliseringsproces ifølge teknikker beskrevet af ¹⁶ - for detaljer se ^30.
   2. Udfør traktografi i gennemsnitsdata DTI datasæt af emnegrupper ved anvendelse af en strømline sporing teknik ^31.. Identificer manuelt definerede kimpunkter støder op til den lokale maksima af hele hjerne-baserede FA analyser, der ligger til grund for de efterfølgende FT analyse. Efter identificering af frøene, udføre traktografi og definere de voxler de afgrænsede fibre som en gruppe-specifik maske for følgende TFAS ^30..
   3. For at kvantificere traktografi resultater anvende teknikken TFAS ved hjælp the fiber skrifter, der blev oprettet på gennemsnitlige DTI datasæt for alle fag i hver gruppe (patientdata og styredata sammen) for udvælgelse af de voxels, der bidrager til en sammenligning mellem patienternes og kontrollerne 'FA-kort.
   4. Overveje alle deraf voxels med en FA værdi over 0,2 for statistisk analyse af Students t-test.
   5. Hvis det ønskes, kan TFAS teknik anvendes på alle afledte DTI målinger, såsom gennemsnitlig diffusivity (MD), radial anisotropi, aksial anisotropi mv (for eksempel ²⁸ se).
   6. Resultaterne vises på en morfologisk baggrund bestående af MNI-normaliserede 3-D T1-vægtede datasæt

Representative Results

1.. QC og korrektion for beskadigede gradient retninger i ansøgning til data fra patienter med hyperkinetisk lidelser

Som et eksempel på effekten af anvendelsen af QC og efterfølgende volumen udstødelse (som en konsekvens af den korrektion for beskadigede GD), viser figur 8 forskelle i hele hjernen baserede rumlig statistik med og uden volumen udelukkelse for gruppe sammenligning af 29 premanifest Huntingtons sygdom fag vs 30 alder og køn matchede kontroller. Den scanning Protokollen blev udført på en 1,5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Tyskland). DTI undersøgelsen protokol var ens for patienter og kontroller og bestod af 72 bind (40 skiver, 96 x 96 pixels, skivetykkelse 2.3 mm, pixel størrelse 2,3 x 2,3 mm), der repræsenterer 64 gradient retninger (b = 1,000 sec / mm ²⁾ og 8 scanninger med minimal diffusion vægtning (b = 100 sec / mm ^2). Ekkoet tid (TE) og gentagelse tid (TR) were 90 msek og 8.000 msek.

2.. DTI i Xeroderma pigmentosum

Xeroderma pigmentosum (XP) er en sjælden autosomal recessiv progeroid syndrom, hvor den underliggende DNA-reparation defekt spiller en central rolle i modningen ^39,40. En multiparametric MRI fremgangsmåde til at karakterisere cerebromorphological fænotype blev anvendt i syv XP patienter af forskellige undertyper for at vurdere den makrostrukturelle og mikrostrukturelle cerebral morfologi sammenlignet med kontroller ^41, herunder DTI, volumetriske målinger, og MR-spektroskopi ^(1H MRS).

MR-protokollen blev erhvervet på et 1,5 Tesla MR-systemet (Magnetom Symphony, Siemens, Erlangen, Tyskland), der er udstyret med en standard headcoil. T1 vægtet (T1W) scanninger bestod af 196 skiver med en skive tykkelse på 1,0 mm (256 x 256 pixels, pixelstørrelse 1,0 x 1,0 mm). TE og TR var 12 msek og 456 msek. DTI undersøgelsen protocol bestod af 13 bind (45 skiver, 128 x 128 pixels, skive tykkelse 2,2 mm, pixel størrelse 1,5 x 1,5 mm), der repræsenterer 12 gradient retninger og et scan med gradient 0 (b = 0). TE og TR var 93 msek og 8.000 msek, henholdsvis b var 800 sec / mm ² og fem scanninger blev gennemsnit online af scanneren software i billedrummet.

På grund af den kliniske og demografiske heterogenitet XP-fag, blev sammenligningen ikke udføres på koncernniveau, men snarere i en parvis måde hver XP-emne blev analyseret i forhold til en alder-og køn, matchede kontrol dvs. FA-map sammenligning blev udført for ROI'er placeret i thalamus, i den øvre corticospinal tarmkanalen, i det indre kapsel, og i corpus callosum. Desuden blev direktionalitetskriterierne ændringer i forhold parvis for FT og fortløbende TFAS med udgangspunkter i thalamus. DTI viste signifikant reduceret WM retningsbestemmelse i alle de undersøgte områder, dvs the thalamus, de corticospinal skrifter og den dorsale hjernebjælken, med volumen og retningsbestemmelse nedsættelser af fiber fremskrivninger involverer både de craniocaudal fibrene og interhemispheric forbindelser (figur 9). Disse resultater, selvom heterogene blandt undersøgelsen prøven, kunne korreleres med klinisk-neurologiske symptomer. De billeddannende resultater støtter den position, myelin strukturer nedbrydes for tidligt i hjernen af XP patienter, som diskuteret i ^41..

DTI i neurodegeneration (motoriske neuron sygdomme)

Morfologiske ændringer i Amyotrofisk Lateral Sclerose (ALS) patienter ved strukturel MRI analyser ^42,43 samt sensomotoriske funktionelle tilslutningsmuligheder ændringer i ALS patienter ²¹ er blevet rapporteret for nylig. I dette arbejde, som et eksempel på anvendelse af analysemetoder WBSS og TFAS blev tyve ALS-patienter undersøgt af multiparametric MRI. Severity af fysiske symptomer som målt med de reviderede ALS funktionelle skala (ALS-FRS-R) var i området af mild til moderat (35,9 ± 8,0), og ingen af ​​de patienter viste neuropsykologiske tegn på frontotemporal demens. Som kontrolgruppe tyve alder og køn matchede raske kontrolpersoner blev scannet.

Den scanning Protokollen blev udført på en 1,5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Tyskland). DTI undersøgelsen protokol var ens for patienter og kontroller og bestod af 13 bind (45 skiver, 128 x 128 pixels, skive tykkelse 2,2 mm, pixel størrelse 1,5 x 1,5 mm), der repræsenterer 12 gradient retninger og et scan med gradient 0 (b = 0). TE og TR var 93 msek og 8.000 msek, henholdsvis b var 800 sec / mm ² og fem scanninger blev gennemsnit online af scanneren software i billedrummet.

Resultaterne for ALS gruppen viste omfattende FA reduktioner langs store dele af CST og CC i sidstnævnte including segmentet III efter Hofer og Frahm-ordningen ^44, men rækker ud til ventrale og dorsale CC områder (figur 6). Resultaterne for ALS gruppen viste omfattende FA reduktioner langs store dele af CST og CC i sidstnævnte, herunder segmentet III efter Hofer og Frahm-ordningen ^44, men rækker ud til ventrale og dorsale CC områder (figur 6).

Et andet eksempel var undersøgelse af WM involvering mønstre i andre motoriske neuron sygdomme (MND), dvs ALS, primær lateral sklerose (PLS) og arvelig spastisk paraparese (HSP) opdelt i rent (pHSP) og kompliceret (cHSP) ved brug af en to-fold tilgang DTI analyse: WBSS på FA-maps blev suppleret med FT resultater og efterfølgende TFAS. DTI-baserede sammenligninger af ALS og PLS prøver er blevet beskrevet af andre forfattere samt ^45. PLS-gruppen viste et lignende mønster for nedsat FA Along den CST anatomi, mens CC engagement blev markeret, men mindre omfattende end i ALS og mere begrænset til segment III. Analysen i pHSP stikprøve viste FA reduktioner i CST, der omfattede mere afgrænsede områder inden for denne struktur mens CC ændringer var, i lighed med det mønster, observeret i ALS-gruppen, strakte sig over store dele af den dorsale CC, herunder motor segment. Endelig cHSP gruppen viste de største områder af nedsat FA som akkumuleret til et stort tilsluttet klynge herunder en fuldstændig CST struktur og store ryggen og også ventrale dele af CC. Sammenfattende viste kontrollerede DTI analyse i et i alt 72 patienter med forskellige MND karakteristiske læsion mønstre korreleret med inddragelse af forskellige områder i hjernen inden for de patologiske processer i de forskellige sygdoms enheder. For en detaljeret beskrivelse og diskussion henvises til ^22,28,46

3.. DTI for langsgående sammenligninger >

Som et eksempel anvendelse af DTI i langsgående sammenligning en 46-årig patient med biopsi-verificeret anaplastiske oligoastrocytoma WHO III ° blev scannet. Efter fuldstændig kirurgi modtog patienten kombineret radio-/chemotherapy og 6 serier af adjuverende kemoterapi.

DTI blev erhvervet ved 4 tidspunkter, altså før kombineret radio-/chemotherapy og 2, 5 og 9 måneder efter radio-/chemotherapy for at skildre status for den regionale og globale WM integritet i en langsgående design.

Den scanning Protokollen blev udført på en 1,5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Tyskland). DTI Undersøgelsesprotokollen bestod af 52 bind (64 skiver, 128 x 128 pixels, skivetykkelse 2,8 mm, pixelstørrelse 2,0 x 2,0 mm), der repræsenterer 48 gradient retninger og fire scanninger med gradient 0 (b = 0). TE og TR var 95 msek og 8.000 millisekunder b var 1.000 sec / mm ^2.

ntent "> Figur 10 eksemplarisk viser forskelle i FA-kortene mellem DTI scanningen efter radio-/chemotherapy og DTI scan syv måneder senere, dvs scanninger af tidspunkter. 2 og 4. WBSS udføres i henhold til punkt 1.3. med et FA tærskel 0,15, FDR rettet.

Fig. 1. I DTI repræsenterer en voxel diffusions egenskaber af adskillige bundter af axoner til at beregne en diffusion tensor, illustreret som ellipsoide. For hver voxel kunne tensor oplysninger parameteriseres i fraktioneret anisotropi (FA) kort eller bruges til fiber sporing (FT).

27fig2.jpg "/>
Figur 2 Overpanel:. Efter en kvalitetskontrol (QC) og den tilsvarende mængde elimination (VE), DTI målinger, fx FA-maps kunne beregnes. I det næste trin, muliggør enten stereotaktisk normalisering (venstre) til sammenligning på gruppe niveau (hele hjernen baseret rumlige statistik - WBSS og / eller tractwise brøkdele anisotropi statistik - TFAS) eller stereotaktisk justering (til højre) giver mulighed for sammenligning af langsgående FA-maps . Disse analyser enten føre til forskelle på gruppeniveau (venstre) eller opdage langsgående forskelle inden enkeltfag DTI data (højre). Klik her for at se større figur .

les/ftp_upload/50427/50427fig3.jpg "/>
Figur 3. (A) repræsentant bevægelse ødelagt aksial skive med reduceret intensitet, som blev registreret af QC algoritmen. (B) De respektive lokalisering i den rekonstruerede sagittale volumen angives med en hvid pil. Forslaget korruption også visuelt indikeret ved en relativ intensitet tab i forhold til tilstødende aksiale skiver. (C) Ved anvendelse af en tærskel på 0,8 (rød linje) i alt 17 gradient retninger blev konstateret for volumen elimination. Den sorte pil angiver mængden af (a) og (b), (d) Volume eliminering statistik (antal elimineret gradient retninger - GD). Til 29 præsymptomatiske Huntingtons sygdom forsøgspersoner (PS) og 30 kontroller.

(a) stiv hjerne transformation ved translation og rotation til at tilpasse de basale koordinatsystemer. (b) lineær deformation ifølge vartegn. Komponenterne i egenvektorerne måtte tilpasses efter den lineære deformation. (C) ikke-lineære normalisering udligning ikke-lineære hjernen form forskelle. 3-D vektor skift var forskellige for hver voxel fører til en separat transformation for hver voxel af 3-D voxel matrix for at bevare retningsbestemte forbindelser mellem egenvektorer af neighbored voxels.

Figur 5.. (A) Skematisk eksempel for en iterativ skabelon-specifik MNI-normalization: Efter en ^1. normalisering skridt baseret på vartegn, ved aritmetiske gennemsnit af DTI-data I _0, blev de første skabeloner T ₁ ((b = 0) skabelon og FA-template) opnået. Efterfølgende i en iterativ fremgangsmåde, blev normaliseret DTI-data I ₁ opnået ved ikke-lineær normalisering til de tidligere definerede skabeloner (T _1). Fra disse nyligt normaliseret DTI-data I _1, blev nye skabeloner (T ₂₎ afledt som igen kan anvendes til normalisering. Denne iterative proces stoppes, når en foruddefineret tilfældighed (foranstaltning ved korrelation) mellem DTI-data og skabeloner blev nået (b) Ordning for data forbehandling forud for hele hjernen-baserede rumlige statistik (WBSS):. FA-kortene er beregnet ud fra normaliserede DTI data og en udjævning filter til den enkelte normaliserede FA-maps anvendes. I et efterfølgende skridt, er voxelwise statistisk sammenligning mellem de patientgrupper og den tilsvarende kontrolgruppe performed. Efter korrektion for multiple sammenligninger ved hjælp af falsk-discovery-rate (FDR) algoritme og en clustering procedure for yderligere reduktion af alfa fejl, vises resultaterne på en morfologisk baggrund. Klik her for at se større figur .

Figur 6.. Resultaterne af hele hjernen-baserede rumlige statistik (WBSS) af ALS patienter vs kontroller. (A) lokalt maksimum for nedsat FA værdier i et sagittal, coronar og aksial visning (tærskelværdisammenlignet ved p <0,01, korrigeret for multiple sammenligninger ) (b) FT med udgangspunkter i corticospinal tarmkanalen anvendes som grundlag for TFAS (c) (animation 1):.. Gruppe forskelle i FA-ma ps opdaget af hele hjernen baseret rumlig statistik (WBSS) mellem en prøve af ALS-patienter og matchede kontroller på slicewise visualisering. Klik her for at se større figur .

Figur 7 (animation 2):. Fiber sporing (FT) på gruppearbejde gennemsnit data (kontrol) med udgangspunkter i corpus callosum (venstre) og i corticospinal tarmkanalen (til højre). Klik her for at se større figur .

fig8highres.jpg "src =" / files/ftp_upload/50427/50427fig8.jpg "/>
Figur 8 hele hjernen baserede rumlige statistik før artefakt korrektion. (Volumen elimination - VE) (venstre) og efter artefakt korrektion (til højre), hver korrigeres på p <0,05, falske opdagelse sats (FDR).) FA stigning i kolde farver, FA fald i varme farver.

Figur 9 multiparametric MRI for et motiv med Xeroderma pigmentosum (XP) Øverste række:.. T1-vægtet konventionelle MRI indlæg kontrast i coronar, sagittal, og aksial visning. Fokus på en venstre-Hemi kontrast-forstærkede læsion med perifocal ødem i frontoparietal hvide substans Midterste række:. FA maps (display tærskel 0,2) med identiskefokus Nederste række: FT resultater med frø punkter i thalamus - venstre:. XP underlagt, højre: gennemsnitlig FT fra 7 kontroller.

Figur 10.. Patient med biopsi-verificeret anaplastiske oligoastrocytoma WHO III ° og komplet kirurgi og kombineret radio-/chemotherapy og adjuverende kemoterapi. Langsgående forskelle i FA-maps mellem to efterfølgende scanninger med et tidsinterval på 7 måneder (FA forskel 0,15, FDR korrigeret).

Discussion

Interpersonelle gennemsnit af DTI data kan opnås med hensyn til diffusion amplitude (ved anvendelse af FA information) og diffusion retning (baseret på FT), hhv. Midling af FA maps giver mulighed for statistisk sammenligning af emnegrupper ved WBSS og TFAS. Denne metodologiske ramme giver en introduktion til DTI teknikker med inter-emne midling og gruppearbejde sammenligning. Stereotaktisk normalisering og sammenligning af FA maps på koncernniveau giver mulighed for flere muligheder for at kvantificere forskelle mellem faggrupper. WBSS og TFAS synes at være en skifteretten måde at måle forskelle på koncernniveau i grupper af forsøgspersoner med en GroupWise-lignende mønster af hjernens ændringer, f.eks neurodegenerative sygdomme. For sygdomme med heterogene kliniske fænotyper kan en analyse tilgang på koncernniveau ikke kan bruges, men snarere en analyse i et parvise måde kunne være relevant, som påvist, f.eks i studiet i XP-patienter.Denne DTI-baserede hjerne mapping på en enkelt sag-niveau er også vigtigt i en anden klinisk sammenhæng, kombinationen af forskellige non-invasive neuroimaging værktøjer og deres co-integration i rammeløse stereotaxy / neuronavigational systemer efter registrering dvs som et vigtigt og værdifuldt element i preneurosurgical diagnostik . Forskellige tekniske metoder såsom fMRI teknikker DTI, MRS, positronemissionstomografi (PET), enkelt foton emissions computeriseret tomografi (SPECT) og magnetoencephalography (MEG) med muligheder for brugbare kombinationer er i klinisk brug (f.eks ^47,48,49) .

Generelt er DTI-baserede teknikker begrænset, at de kun er i stand til at analysere retningen i hvide substans med en MRI-specifik resolution i størrelsesordenen millimeter. FT rekonstruktioner muligt at visualisere den mest sandsynlige axonale fiber retningsbestemmelse, ej axonale strukturer selv. Således vil det ikke være muligt ved DTI til billede axoner directly. Særlige begrænsninger for DTI dataopsamling og fortløbende analyse som beskrevet her, er først den rumlige opløsning, der kan opnås inden for en bestemt foruddefineret scanning tid. Men dette opkøb begrænset af, hvad de forsøgspersoner med nedsat fysisk kapacitet på grund af alder og syge tilstande kunne stå. Begrænset voxelstørrelse fører til vanskeligheder med at løse regioner med passage fibre. For det andet blev de fleste undersøgelser præsenteres her udført med 12 diffusion vægtede gradient retninger - sådan en DTI scanning protokol giver mulighed for FA-mapping med tilstrækkelig kvalitet. FT med 12 gradient retninger afslører korrekte resultater i store Axon fiberstrukturer, men som en tredje begrænsning, kan der opstå problemer i områder med krydsende fibre og i regioner, hvor der ikke særskilte fiber strukturer kan adskilles i den givne rumlige opløsning. Forslag til at løse krydsende fibre blev først de "hurtige marcherende" algoritme ^50, som i princippet husker history af tarmkanalen og marcher med store skridt gennem passage fiber regionen, og det andet det såkaldte "Q-kugle" imaging ^51, som ved erhvervelse af et stort antal gradient retninger (> 100) gør det muligt at detektere mere end én retning i en enkelt voxel. En anderledes tilgang til at opnå detaljerede oplysninger om multidirectional fiber arkitektur er den høje kantede opløsning diffusion-vægtet imaging (HARDI), hvor yderligere retningsbestemte erhvervelse ordninger (f.eks 129 diffusion kodning gradient retninger) levere mere information om områder med fiber overfarter end standard DTI ^52.. Flere muligheder for FT blev gennemført i TIFT: Streamline sporing ^2,3, Tensor Deflection ^53, Fast Marching-algoritme ⁵⁰ og modifikationer af de teknikker ^31. Valget af FT-algoritmen ikke påvirker analysen strategi, dvs hver af de gennemførte FT algoritmer kunne bruges under analysen processen ved tHan gruppeniveau. Da der ikke findes nogen generel optimeret FT teknik valget af FT teknik er afhængig af det specifikke spørgsmål behandlet af undersøgelsen. Nye udviklinger af FT algoritmer (f.eks ⁵⁴⁾ kunne bidrage til yderligere at forbedre resultaterne, især i løsningen krydsende fiber strukturer. En helt anden fremgangsmåde ville være at anvende TBSS ¹⁰ (se Indledning).

Behandlingen pipeline rapporteret i denne undersøgelse var primært udviklet til kliniske studier, når den kliniske rutine MRI-protokollen er forpligtet til at være temmelig korte, dvs voxel resolutioner i størrelsesordenen 2 mm og et begrænset antal signal ophobninger (SA) og gradient retninger (GD ), er nemlig SA x GD i størrelsesordenen 50 og 80 anvendes. For undersøgelser med fokus på høj opløsning DTI scanninger (voxel resolutioner, herunder skivetykkelse <1,5 mm og høj opløsning tensor scanning, herunder GD> 50 med et vist antal signal accumulations (SA> 2), dvs SA x GD> 100, et alternativ til præcis rumlig normalisering er brugen af høje dimensionelle vridning algoritmer på separate anatomiske datasæt ^55. Endvidere er efterbehandlingen rapporteret i denne undersøgelse baseret på anvendelsen af ​​en undersøgelse specifik skabelon, som er uløseligt kræver behovet for en iterativ normalisering proces. Et alternativ kunne være den ikke-iterative normalisering til en stereotaksisk standardiseret DTI skabelon med den ulempe, at den forbedrede nøjagtighed stereotaxic normalisering en undersøgelse bestemt skabelon ikke ville blive udnyttet. En begrænsning af rindende FT på rumligt normaliseret datasæt er, at sporing kunne begrænses ved en normalisering proces, kan sige lineære og ikke-lineære normalisering trin fører til mindre unøjagtigheder i tensor retningsbestemmelse. På den anden side, algoritmer som global sporing ^54, at arbejdet med fx høje, kantede opløsning diffusion imaging data

Derudover mest kritiske trin i analysen procedure er en nøjagtig co-registrering af DTI data til hinanden. Dårlig co-registrering kunne føre til falsk positive eller falsk negative resultater. For at forbedre co-registrering kvalitet, den iterative karakter af normalisering proces ved brug af studie-specifikke skabeloner er et vigtigt skridt i databehandlingen. Derudover udglatning af de resulterende datasæt bidrager tilforbedre datakvaliteten ved reduktion af tilbageværende rumlige unøjagtigheder. En anden iterativ tilgang til at opnå parametre for fysisk normalisering er for nylig blevet offentliggjort Mohammadi og medarbejdere ⁵⁷ og stilles til rådighed som en værktøjskasse for SPM. Deres algoritme er primært udviklet til at beregne normaliserings parametre for en symmetrisk skabelon.

I betydningen en fejlfinding proces, giver begrebet TIFT software til styring resultater efter hver præ-og efterbehandle skridt. På den måde er de enkelte data / resultater screening (også af enkelte datasæt) om konsekvens og plausibilitet bliver muligt for til sidst mulighed for interaktion på ethvert trin i analysen kaskade.

Tilsammen disse undersøgelser støtter den tanke, at FA er en følsom markør for cerebral WM patologi (se også ^58). Da biomarkør-fokuseret tilgang er nu en prioritet i mange neurologiske og især neurodegenerative sygdomme, de igangværende undersøgelser styrke den rolle, DTI som et supplerende redskab til at definere hjernen pathoanatomy ved mikrostrukturel in vivo fingeraftryk egenskaber. DTI analyser på koncernniveau synes at være nyttige til identifikation og kvantificering af patoanatomisk funktioner i form af invasive markører. Yderligere resultater kan tilvejebringes ved kombineret analyse af avancerede MRI-baserede teknikker for beregningsmæssige neuroanatomi, dvs kombinationen af DTI med f.eks intensitet-baseret analyse af 3-D T1-vægtet MR (fx ^59), eller hviletilstand funktionel magnetisk resonans (fx ⁶⁰⁾ samt med korrelationen af andre klinisk afledte kvantitative parametre.

I supplerende eller multiparametric tilgang er DTI kombineres med andre MRI modaliteter, såsom T2-eller T1-vægtet imaging, MT eller Magnetic Resonance Spectroscopy (MRS) for at opnå omfattende og complerende oplysninger ^29.. Som eksempler, ⁶¹ og ²³ korrelerede DTI-FA resultater med T2 afslapning tid i dissemineret sklerose, og ^62, udføres væv karakterisering ved kombinationen af DTI og T1-vægtet imaging. Den multiparametric tilgang, som det fremgår i undersøgelsen i XP patienter på single-emne niveau, giver mulighed for supplerende og omfattende analyse af påvirkning af hjernens strukturer ved hjernesygdomme. Mulighederne for DTI til overvågning sygdomsprogression på individuelt plan i længderetningen observationer har vist, men mere langsgående undersøgelser er nødvendige i fremtiden for at gøre brug af dette potentiale.

Materials

Name	Company	Catalog Number	Comments
MR scanner			Siemens 1.5 T Magnetom Symphony
analysis software			TIFT - Tensor Imaging and Fiber Tracking