Summary
Tensore di diffusione (DTI) serve essenzialmente come strumento di risonanza magnetica-based per identificare
Abstract
Tensore della diffusione tecniche (DTI) forniscono informazioni sui processi microstrutturali della sostanza bianca cerebrale (WM) in vivo. Le attuali applicazioni sono progettate per indagare le differenze di modelli WM coinvolgimento in diverse malattie cerebrali, disturbi neurodegenerativi, in particolare mediante l'uso di differenti analisi DTI a confronto con controlli appaiati.
L'analisi dei dati DTI viene eseguita in maniera variata, ossia il confronto voxelwise di metriche regionali di diffusione direzione-based come anisotropia frazionaria (FA), insieme con il monitoraggio in fibra (FT) accompagnato da statistiche anisotropia frazionaria tractwise (TFAS) a livello di gruppo al fine per individuare differenze nelle FA lungo strutture WM, finalizzate alla definizione di modelli regionali di WM alterazioni a livello di gruppo. Trasformazione in uno spazio standard di stereotassico è un prerequisito per gli studi di gruppo e richiede dati accurati elaborazione di preservare directional interdipendenze. Le attuali applicazioni mostrano approcci tecnici ottimizzati per questa conservazione delle informazioni quantitative e direzionali durante la normalizzazione spaziale in analisi dei dati a livello di gruppo. Su questa base, FT tecniche possono essere applicate al gruppo dati mediati per quantificare informazioni metriche come definito da FT. Inoltre, l'applicazione di metodi di DTI, cioè differenze nelle mappe FA-dopo allineamento stereotassico, in un'analisi longitudinali a base individuale soggette rivelare informazioni sulla progressione dei disturbi neurologici. Ulteriore miglioramento della qualità dei risultati basati DTI può essere ottenuto durante il pre-elaborazione per l'applicazione di una eliminazione controllata delle direzioni gradiente con alti livelli di rumore.
In sintesi, DTI viene utilizzato per definire una distinta WM pathoanatomy di malattie cerebrali diverse dalla combinazione di DTI intera analisi basata sul cervello e del tratto-based.
Introduction
Tensore della diffusione nel cervello umano
Materia (WM) tratti bianchi nel sistema nervoso centrale consistono di assoni densamente oltre a vari tipi di neuroglia e altre piccole popolazioni di cellule. La membrana assonale nonché le fibre proteiche ben allineati entro un assone limita acqua diffusione perpendicolare all'orientamento fibra, portando a diffusione dell'acqua anisotropo cervello WM 1. Guaine di mielina intorno agli assoni possono anche contribuire alla anisotropia sia per l'acqua intra ed extracellulare 2.
La descrizione quantitativa di questa anisotropia potrebbe essere rilevato dal tensore di diffusione (DTI). DTI produce immagini dei tessuti ponderata con le caratteristiche microstrutturali locali di diffusione dell'acqua. Le immagini-intensità in ogni posizione sono attenuate, a seconda della forza e la direzione del cosiddetto gradiente di diffusione magnetico (rappresentato inil valore-b), nonché dalla microstruttura locale nel quale le molecole di acqua diffondono 3, il coefficiente di diffusione D, un valore scalare:
Tuttavia, in presenza di anisotropia in WM, diffusione può più essere caratterizzato da un unico coefficiente scalare, ma richiede un tensore 
che in prima approssimazione descrive la mobilità molecolare lungo ogni direzione e la correlazione tra queste direzioni 4. Diffusione anisotropia è causata principalmente da l'orientamento dei tratti di fibre in WM ed è influenzato dalle sue caratteristiche micro e macrostrutturale. Delle caratteristiche microstrutturali, organizzazione intraaxonal appare di massima influenza sulla diffusione anisotropia, oltre alla densità delle fibre alimballaggio cella nd, grado di mielinizzazione, e diametro delle fibre individuale. Su scala macroscopica, la variabilità nella orientamento di tutte le vie WM in un voxel di imaging influenza il grado di anisotropia 5.
In tipiche misure DTI, le dimensioni voxel sono dell'ordine dei millimetri. Così, un voxel contiene sempre le informazioni mediata delle molecole d'acqua all'interno del volume rilevato che copre solitamente parecchi assoni e le molecole d'acqua circostanti. Nonostante questo ambiente multidirezionale, DTI è sensibile all'orientamento del più grande asse principale che allinea alla direzione assonale predominante, cioè il contributo assonale domina il segnale misurato 2.
DTI fornisce due tipi di informazioni sulla proprietà di diffusione dell'acqua: la prima, nella misura orientamento indipendente di diffusione anisotropia 5 e la seconda, la direzione predominante di diffusione dell'acqua in imagelettroniche voxel, cioè l'orientamento diffusione 6.
Gli attuali protocolli sono tenuti a fornire un quadro di tecniche di analisi DTI per la comparazione quantitativa dei gruppi di soggetti a livello di gruppo, come indicato di seguito.
Quantificazione di proprietà di diffusione - parametri di analisi
Gli elementi del tensore simmetrico possono essere misurati con gradienti di diffusione lungo almeno sei non collineari e non coplanari direzioni modo che b (Equazione 1) è diventato un tensore, con conseguente attenuazione del segnale
Questa equazione richiede la contabilità per le possibili interazioni tra imaging e gradienti di diffusione che vengono applicate in direzioni ortogonali (termini trasversali) e anche tra i gradienti di imaging che vengono applicatein quattro direzioni ortogonali.
Il tensore di diffusione di secondo rango può sempre essere diagonalizzata lasciando solo tre elementi diversi da zero lungo la diagonale principale del tensore, cioè gli autovalori ( 
). Gli autovalori riflettono la forma o configurazione dell'ellissoide. La relazione matematica fra le coordinate principale dell'ellissoide e il telaio laboratorio è descritto da autovettori 
Poiché ci sono diverse sfide nella visualizzazione dati tensoriali, il concetto di ellissoidi di diffusione è stato proposto 3. Le Eigendiffusivities di queste ellipsoids rappresentano i coefficienti di diffusione unidimensionali nella direzione principale della diffusività del mezzo, cioè l'asse principale dell'ellissoide rappresenta la direzione principale di diffusione nel voxel che coincide con la direzione delle fibre, mentre l'eccentricità dell'ellissoide fornisce informazioni sul grado di anisotropia e la sua simmetria. Pertanto, diffusione metriche anisotropia come l'anisotropia frazionaria (FA) potrebbero essere definiti 7.
è la media aritmetica di tutti gli autovalori.
Un ulteriore approccio è quello di utilizzare la direzione principale del tensore di diffusione per affrontare la connettività WM del cervello, corrispondenti ai trattografia avvicinamench che ha l'intenzione di indagare quali parti del cervello sono collegati tra loro. Supponendo che l'orientamento del componente principale del tensore di diffusione rappresenta l'orientamento dei tratti assonali dominanti, un campo vettoriale 3-D viene fornito in cui ogni vettore rappresenta l'orientamento delle fibre. Attualmente, ci sono diversi approcci per ricostruire WM tratti che possono essere suddivisi in due tipi: la prima categoria si basa sulla linea di algoritmi di propagazione utilizzando le informazioni tensore locale per ogni fase del tratto di propagazione in fibra di 2,8,9. La seconda categoria si basa sulla minimizzazione globale di energia per trovare il percorso energeticamente più favorevole tra le due regioni WM, con conseguente approccio di statistica spaziale tratto basati (TBSS) 10, che è stato utilizzato in altri algoritmi, come le statistiche di anisotropia frazionaria tractwise (TFAS - vedi testo del protocollo, sezione 2.4)..
Trasformazione in supporto stereotassicaard spazio
Come in altri metodi MRI avanzati, e DTI-FT studi basati in un contesto clinico perseguono l'obiettivo finale di categorizzare morfologia cerebrale del singolo paziente, al fine di facilitare il processo diagnostico basato su qualche discriminazione metrica 11. Studi a livello di gruppo sono più pertinenti se il fenotipo clinico comune dovrebbe essere causa di danni a una o più aree specifiche del cervello o una specifica rete neuroanatomici. Qui, con una media dei risultati per diversi soggetti è utile per valutare i modelli comuni di alterazioni microstrutturali. Ogni cervello individuale deve essere trasferito nello spazio stereotassico modo che, in una seconda fase, la media aritmetica dei risultati a un livello voxel per voxel è possibile. Normalizzazione spaziale consentito per media aritmetica dei risultati ottenuti da soggetti diversi al fine di migliorare il rapporto segnale-rumore (SNR) e per eseguire un confronto di campioni di pazienti e controls per analizzare la pathoanatomy computazionale di un disturbo specifico, ad esempio una malattia neurodegenerativa che è associato con l'affettazione di un sistema cerebrale specifico.
L'approccio iniziale di normalizzazione di uno spazio stereotassico standard da 12 ha suggerito un algoritmo di trasformazione di un atlante di serie che coinvolge l'identificazione dei vari punti di riferimento del cervello e frammentario di scala di quadranti del cervello. Al giorno d'oggi, la maggior parte dei pacchetti di analisi dei dati di risonanza magnetica avanzate usano la normalizzazione del Montreal Neurological Institute (MNI) spazio stereotassico 13. Per questa trasformazione, algoritmi registrazione del cervello semiautomatici e automatici utilizzando i modelli specifici di studio sono stati sviluppati 14,15. In DTI, particolare attenzione deve essere redatto per preservare le informazioni direzionali durante il processo di normalizzazione 16,17. L'applicazione di trasformazioni spaziali per immagini DT-MR che sono richiesti per normalizzazione spazialedi collezioni di insiemi di dati sono, rispetto alle immagini scalari orditura, complicata dal fatto che DTs contengono informazioni orientazionale che è di nuovo influenzato dalla trasformazione. Questo effetto deve essere contabilizzato per garantire la correttezza anatomica dell'immagine trasformata. Qui, le tecniche per l'applicazione di trasformazioni affini ai set di dati DTI sono presentati.
Applicazione del DTI a malattie del cervello
Il confronto dei dati DTI longitudinale richiede un allineamento / registrazione di dati di un oggetto tra l'altro. In tale contesto, la conservazione delle informazioni direzionale è necessario (cioè rotazione del tensore di diffusione durante trasformazioni affini). Possibili applicazioni a patologie neurodegenerative sono stati riportati in precedenza (ad esempio 18,19).
DTI è stato stabilito come uno strumento tecnico non invasivo robusto per studiare in vivo neuropathollogia di WM tratti neuronali (es. 11,20,21,22). Metrica quantitativa del processo di diffusione DTI basati, ad esempio il FA, hanno già dimostrato di essere indicatori sensibili per studiare una vasta gamma di WM patologie, come ad esempio corsa 20, sclerosi multipla 23, sclerosi laterale amiotrofica 24, 25, morbo di Alzheimer 26 , e molti altri disturbi WM 27,28.
Ulteriormente, DTI con FT può essere utilizzato per identificare WM tratti 23. Questa tecnica, mentre ancora non è in uso clinico di routine, sta emergendo come un potente strumento per la valutazione delle anomalie pathway-specifici nella malattia neurologica. All'interno dei tratti individuati, vari indici MRI quantitativi derivati dalla DTI e acquisizioni aggiuntive (ad esempio immagini T2 e / o trasferimento di magnetizzazione (MT) per immagini) che sono anatomicamente coregistrate ai dati DTI potrebbe essere misurata. Con il presente documento, ogni indice può essere calculgestiti come una funzione della posizione all'interno del tratto, riferendosi a trame raffiguranti loro variazione spaziale come profili tratto.
Nei seguenti, scansioni DTI umani che sono stati eseguiti su 1,5 Tesla MRI scanner (Siemens Medical, Erlangen, Germania) sono stati utilizzati per studiare il potenziale delle varie tecniche di analisi per la rilevazione di anomalie della sostanza bianca in gruppi di pazienti, così come negli individui. Dopo un controllo qualità automatizzato per l'eliminazione di volumi moto-corrotti e volumi con altri tipi di manufatti, procedure standardizzate postprocessing preparano i dati DTI per l'analisi consecutiva. I diversi approcci di analisi saranno illustrati nel seguito, vale a dire in primo luogo, tutto il cervello in base statistica spaziale (WBSS), in secondo luogo, FT, e la terza, statistiche anisotropia frazionale Tractwise (TFAS). WBSS è un metodo che viene eseguito in analogia con morfometria voxel-based (VBM), che di solito è conosciuto come morfometria voxel-based / statistiche sui dati DTI (VBM / DTI)
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Analisi Metodi: Pre-e post-elaborazione
Il compito del seguente protocollo è quello di analizzare le proprietà di diffusione voxelwise entro tratti di materia bianca che potrebbe essere - a causa del rilevamento voxelwise - sia isotropo o anisotropo, con conseguente tensori di diffusione prolate o oblato per i rispettivi voxel. La parametrizzazione dei tensori voxel viene usato sia per il calcolo di FA-mappe o l'identificazione di fibertracts (Figura 1).
Al fine di ottenere i risultati delle analisi, come indicato nel seguito, utilizzare il pacchetto software Tensor Imaging and Fiber tracking (TIFT) 17. TIFT fornisce strumenti di analisi per i seguenti requisiti:
- analisi in termini di DTI metriche, ad esempio FA-mappe,
- normalizzazione stereotassica
- confronto di gruppo in termini di FA o altre metriche DTI
- diversi approcci di analisi del FT
- FT sul gruppo media DTI dati e l'analisi statistica corrispondente.
Queste caratteristiche consentono una serie di analisi in un unico ambiente software 17,29,30,31. Il software TIFT è costantemente in fase di sviluppo di nuove opzioni di analisi di dati DTI.
La figura 2 fornisce una panoramica schematica come analizzare i dati DTI a livello di gruppo dopo la normalizzazione spaziale da due approcci complementari, vale a dire sia per WBSS e da TFAS per ottenere finalmente le differenze tra i campioni sottoposti a livello di gruppo, ad esempio cervelli malati rispetto a controlli sani. Qui, WBSS mira a una rilevazione imparziale voxelwise di aree con differenze a livello di gruppo, mentre TFAS si basa su fibertracts predefiniti; le TFAS partire aree può sia essere scelto liberamente o può essere derivata dai risultati WBSS (`hotspot` di alterato significativamente FA).
Individuale confronto longitudinale del FA-mappe è eseguita da DATECdifferenze ting in FA-mappe di misurazioni a diversi intervalli di tempo dopo affine allineamento stereotassico (Figura 2).
- Controllo di qualità (QC), compresa la correzione per le direzioni di gradiente corrotti
In caso di disturbi del movimento durante l'acquisizione, vale a dire in caso di volumi danneggiati, con un incremento SNR si ottiene omettendo singole direzioni gradiente (GD) per il calcolo tensoriale. A tal fine, un controllo di qualità (QC) algoritmo 32 è stato sviluppato. In breve, per le scansioni che conteneva danneggiati volumi, con un aumento SNR è ottenuto omettendo singole direzioni gradiente uno alla volta prima stima tensore: per ogni GD, la varianza ponderata è calcolata da tutte le direzioni rimanenti nella sequenza per ponderazione l'angolo in che differivano dal indice GD.- Eseguire una correzione artefatto rilevando GD con almeno una fetta mostrando ridotta intensità, cioè artefatti di movimento causate da Su spontaneo movimento bject (figura 3, pannello superiore). Per qualsiasi volume ponderato diffusione, calcolare l'intensità media per ogni fetta e confrontare l'intensità con la stessa fetta in tutti gli altri volumi utilizzando un approccio di media ponderata - il fattore di ponderazione è il prodotto scalare di due vettori di GD
: 
denota l'intensità media aritmetica della fetta sotto osservazione e427eq12.jpg "/> una fetta di confronto. La deviazione intensità relativa media 
è ponderato per il prodotto scalare della GD. Pertanto, al fine di definire un parametro globale: 
riflette il minimo di confronti slicewise di tutte le sezioni. - Se Q è sotto una certa soglia (nell'esempio, una soglia di 0,8 viene utilizzato per questo scopo), eliminare tale intero volume, o GD. Una soglia di 0,8 è considerata una soluzione stabile 32. Figura 3 illustra artefatti movimento visibile in ricostruzioni sagittali e rilevato dall'algoritmo QC. In questo esempio, rispetto al numero totale di GD (punti blu in figura 3c), 17 erano sotto la linea rossa che corrisponde a Q = 0.8 e should essere eliminato. Un esempio di un volume statistiche di eliminazione di un intero studio è presentata nella Figura 3d. In questo studio esemplare, dati DTI di 29 soggetti presintomatici HD sono stati confrontati con i dati DTI di 30 controlli. Ulteriori dettagli di questo algoritmo sono presentati in 32, 33.
- Eseguire una correzione artefatto rilevando GD con almeno una fetta mostrando ridotta intensità, cioè artefatti di movimento causate da Su spontaneo movimento bject (figura 3, pannello superiore). Per qualsiasi volume ponderato diffusione, calcolare l'intensità media per ogni fetta e confrontare l'intensità con la stessa fetta in tutti gli altri volumi utilizzando un approccio di media ponderata - il fattore di ponderazione è il prodotto scalare di due vettori di GD
- Pre-elaborazione e la normalizzazione spaziale
- Eseguire la correzione della corrente parassite indotte distorsioni geometriche dei dati di imaging echo-planari imposta con il metodo proposto da 34.
- Per la normalizzazione stereotassica, creare uno studio-specifica (b = 0) - modello e un FA-modello come descritto in precedenza 17,28,31. In sostanza, una normalizzazione stereotassica non lineare completo consiste di tre componenti di deformazione. Conseguentemente, il risultante tensore di diffusione
di ciascun voxel i ha di essere rotantied. secondo tutte le rotazioni elencati sopra (Figura 4): - La Figura 4a mostra una trasformazione cervello rigida per allineare i sistemi di coordinate di base. La rotazione
risultante dalla allineando al telaio coordinate di base deve essere applicata 
- Figura 4b mostra una deformazione lineare secondo punti di riferimento. I componenti degli autovettori
essere adattato secondo i sei parametri di normalizzazione di S (a seconda della regione del cervello s a,, a = 1 ... 6) della deformazione lineare.
v w, j a v w, j'''
w = 1,2,3 e j = x, y, z. - La figura 4c mostra una normalizzazione non lineare equalizzazione differente forma del cervello non lineari. Gli spostamenti vettore 3D sono differenti per ciascun voxel portando a una trasformazione separato per ciascun voxel dell'array voxel 3-D
). Trigonometria standard fornisce una matrice di rotazione indipendentemente per ciascun voxel, risultante dal vettore 3D sposta sui concetti del 16 al fine di preservare le relazioni fra direzionali autovettori di voxel neighbored. Così, diversi turni di due voxel neighbored provocano rotazioni dei corrispondenti autovettori. Utilizzare le matrici di dilatazione per l'allineamento del tensore di ciascun voxeli voxel circostanti. 
sono le componenti di
- La Figura 4a mostra una trasformazione cervello rigida per allineare i sistemi di coordinate di base. La rotazione
- Dopo questa procedura di normalizzazione individuale (step (i) - DTI-dati I 0), utilizzare tutti i singoli dati DTI imposta per la creazione di uno studio specifico (b = 0) - modello e una FA-template (passo (ii) - i modelli di T 1). Come la registrazione non affine a un FA-template ha il vantaggio che fornisce più contrasto rispetto a (b = 0) 10 immagini, definire un FA-template mediando tutti derivati singolarmente FA-mappe dei pazienti e dei controlli.
- In una seconda fase, seguendo le idee di base del Ashburner e Frisanco 35, eseguire un MNI normalizzazione non lineare (fase (iii)) dei dati DTI imposta, riducendo al minimo la mancata corrispondenza tra intensità regionali del FA-map da montare e di il FA-modello secondo le differenze al quadrato (X 2) - in questo modo, si ottiene DTI dati I 1.
- Sulla base di questi dati, i nuovi modelli di T 2 sono derivati (passo (iv)). Ripetere questo processo iterativo fino a quando la correlazione tra individuo FA-mappe e tegli FA-modello è> 0,7. Di solito questo viene raggiunto dopo due iterazioni.
- Intere statistica spaziale del cervello a base di
I seguenti passaggi 1.3.1 fino a 1.3.5 vengono rappresentati schematicamente nella figura 5b.- Calcolare FA-mappe da dati DTI normalizzati rispetto alla procedura di normalizzazione di 1.2. per conservare informazioni direzionali (fase (i)).
- Come passo di pre-elaborazione prima di confronto statistico voxelwise, applicare un filtro di smoothing (passo (ii)) per l'individuo normalizzato FA-mappe. Per la lisciatura, il fatto che la dimensione del filtro influenza i risultati delle analisi DTI dati 36 richiede l'applicazione del teorema filtro adattato che stabilisce che la larghezza del filtro utilizzato per elaborare i dati dovrebbe essere adattata alle dimensioni della differenza attesa, come dettagliato in applicazioni precedenti ai dati DTI di pazienti con malattie neurodegenerative (ad esempio 28).
- Eseguire statistico compArison tra i gruppi di pazienti e il corrispondente gruppo di controllo voxelwise di Student t-test, cioè confrontare i valori di FA dei pazienti 'FA-mappe con i valori di FA dei controlli' FA-mappe, per ogni voxel separatamente (passo (iii )). Valori di FA sotto 0.2 non sono considerati per il calcolo in quanto la materia grigia corticale presenta valori di FA fino a 0,2 37.
- I risultati statistici devono essere corretti per confronti multipli usando la-scoperta-di falsi (FDR) algoritmo a p <0.05 38 (passo (iv)). Ulteriore riduzione dell'errore alfa deve essere eseguita da un algoritmo di correlazione spaziale (clustering - fase (v)), che ha eliminato voxel isolate o piccoli gruppi isolati di voxel nella gamma di dimensioni del kernel smoothing, portando ad una dimensione di cluster soglia di 512 voxel.
- Per visualizzare i risultati su uno sfondo morfologico (passo (v)), normalizzare i D 3-T1 dati ponderati imposta di spazio e media MNI aritmeticamente. Eseguire questa normalizzazione pROCEDURA mediante l'uso di un modello di studi specifici in analogia alla normalizzazione applicato ai dati di DTI insiemi 17.
: 
denota l'intensità media aritmetica della fetta sotto osservazione e427eq12.jpg "/> una fetta di confronto. La deviazione intensità relativa media 
è ponderato per il prodotto scalare della GD. Pertanto, al fine di definire un parametro globale: 
di ciascun voxel i ha di essere rotantied. secondo tutte le rotazioni elencati sopra (Figura 4): 
risultante dalla allineando al telaio coordinate di base deve essere applicata 
). Trigonometria standard fornisce una matrice di rotazione indipendentemente per ciascun voxel, risultante dal vettore 3D sposta sui concetti del 16 al fine di preservare le relazioni fra direzionali autovettori di voxel neighbored. Così, diversi turni di due voxel neighbored provocano rotazioni dei corrispondenti autovettori. Utilizzare le matrici di dilatazione per l'allineamento del tensore 
sono le componenti di La figura 6 mostra i risultati di tutta la statistica spaziale cervello-based (WBSS) dei pazienti vs controlli di SLA. Figura 6a mostra il massimo locale di valori di FA sono diminuiti in un sagittale, coronar e vista assiale (thresholded a p <0.01, corretti per multiple i confronti). Figura 6b mostra FT proiettivo con punti di partenza nel tratto corticospinale utilizzato come base per TFAS. Figura 6c mostra le differenze di gruppo in FA-mappe rilevati dal cervello complesso basate statistica spaziale (WBSS) tra un campione di pazienti affetti da SLA e controlli appaiati in una visualizzazione slicewise.
- Statistiche di anisotropia frazionaria tractwise trattografia e (TFAS)
La Figura 7 illustra il processo di FT basato sul gruppo compreso TFAS come descritto in 1.4.1 fino a 1.4.4.- Al fine di applicare a base di gruppo algoritmi FT, generare una media di dati DTI imposta dai "dati e dai controlli dei pazienti dati insieme secondo i metodi descritti in precedenza 17. Questa media richiede un trattamento accurato delle informazioni orientazionale che si conserva durante il processo di normalizzazione secondo tecniche descritte da 16 - per i dettagli vedere 30.
- Eseguire trattografia in medi insiemi di dati DTI di gruppi di soggetti mediante l'applicazione di una tecnica di semplificare il monitoraggio 31. Identificare i punti di semi definiti manualmente adiacenti al massimi locali da tutto il analisi FA cervello a base che sono la base per l'analisi FT consecutivo. Dopo l'identificazione dei semi, eseguire trattografia e definire i voxel delle fibre, così definita una maschera di gruppo-specifico per il seguente TFAS 30.
- Al fine di quantificare i risultati trattografia, applicare la tecnica di TFAS utilizzando thposta in fibra di tratti che sono stati creati su dati DTI mediato insiemi di tutti i soggetti di ciascun gruppo (i dati del paziente e dati di controllo insieme) per la selezione dei voxel che contribuiscono a un confronto tra i pazienti e dei controlli 'FA-mappe.
- Considerare tutti i voxel risultanti con un valore di FA sopra 0.2 per l'analisi statistica di Student t-test.
- Se lo si desidera, la tecnica TFAS potrebbe essere applicato a tutte le metriche derivate DTI, come la diffusività media (MD), anisotropia radiale, anisotropia assiale, ecc (per un esempio, vedere 28).
- I risultati vengono visualizzati su un fondo morfologico costituito dai MNI-normalizzati 3 D-set T1 pesate dati
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
1. Controllo di qualità e la correzione per i danneggiati di pendenza direzioni in applicazione ai dati dei pazienti con disturbi ipercinetici
Come esempio per l'effetto dell'applicazione del QC e successiva esclusione del volume (come conseguenza dalla correzione per i danneggiati GD), la Figura 8 mostra differenze nel cervello intero statistica spaziale based con e senza volume esclusione di confronto gruppo di 29 malattia di premanifest Huntington soggetti di età vs 30 e sesso abbinati controlli. Il protocollo di scansione è stata effettuata su un 1.5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Germania). Il protocollo di studio DTI era identico per i pazienti e controlli e consisteva di 72 volumi (40 fette, 96 x 96 pixel, fetta spessore 2,3 millimetri, dimensione del pixel 2,3 x 2,3 mm), in rappresentanza di 64 direzioni pendenza (b = 1.000 sec / mm 2) e 8 scansioni con minimo coefficiente di diffusione (b = 100 sec / mm 2). Il tempo di echo (TE) e tempo di ripetizione (TR) were 90 msec e 8000 msec.
2. DTI in xeroderma pigmentoso
Xeroderma pigmentoso (XP) è una rara sindrome autosomica recessiva progeroid in cui il sottostante difetto di riparazione del DNA svolge un ruolo centrale nel processo di invecchiamento 39,40. Un approccio MRI multiparametrica per caratterizzare il fenotipo cerebromorphological stato utilizzato in sette pazienti XP di differenti sottotipi per valutare la morfologia cerebrale macrostrutturale e microstrutturale in confronto ai controlli 41, compreso DTI, misurazioni volumetriche e spettroscopia RM (1 H MRS).
Il protocollo MRI è stato acquisito su un sistema 1.5 Tesla MR (Magnetom Symphony, Siemens, Erlangen, Germania), dotato di un headcoil standard. T1 pesata (T1w) scansioni consisteva di 196 fette con uno spessore di strato di 1,0 millimetri (256 x 256 pixel, pixel di dimensioni 1,0 x 1,0 mm). TE e TR sono stati 12 msec e 456 msec. Lo studio proto DTICol consisteva di 13 volumi (45 fette, 128 x 128 pixel, spessore di strato 2,2 mm, dimensioni del pixel 1,5 x 1,5 mm), in rappresentanza di 12 direzioni di pendenza e una scansione con pendenza 0 (b = 0). TE e TR erano 93 msec e 8.000 msec, rispettivamente, b è stata di 800 sec / mm 2 e cinque scansioni sono stati mediati in linea con il software dello scanner nello spazio immagine.
A causa della eterogeneità clinica e demografica degli XP-soggetti, il confronto non è stato effettuato a livello di gruppo, ma piuttosto in un modo a due a due, cioè ogni XP-soggetto è stato analizzato in confronto ad un controllo abbinati per età e sesso. FA-mappa comparazione è stata effettuata per ROIs situato nel talamo, nel tratto corticospinale superiore, nella capsula interna, e nel corpo calloso. Inoltre, i cambiamenti direzionalità sono stati confrontati a due a due per la FT e TFAS consecutivi, con punti di partenza nel talamo. DTI ha dimostrato significativamente ridotto WM direzionalità in tutte le regioni indagate, cioè the talamo, del tratto corticospinale e il corpo calloso dorsale, con il volume e la direzionalità riduzioni delle proiezioni in fibra che coinvolgono sia le fibre cranio-caudale e le connessioni interemisferiche (Figura 9). Questi risultati, anche se eterogeneo tra il campione di studio, potrebbero essere correlati con i sintomi clinico-neurologici. Riscontri radiologici sostengono la posizione che le strutture mieliniche degradano prematuramente nel cervello dei pazienti di XP, come discusso nel 41.
DTI nella neurodegenerazione (malattie del motoneurone)
Cambiamenti morfologici a sclerosi amiotrofica (ALS) pazienti laterali di risonanza magnetica strutturale analisi 42,43 e senso-motorie funzionali cambiamenti di connettività nella SLA pazienti 21 sono stati segnalati di recente. In questo lavoro, come un esempio di applicazione dei metodi di analisi WBSS e TFA, venti pazienti affetti da SLA sono stati studiati da multiparametrica MRI. Severity di sintomi fisici, come misurato con l'ALS rivisti scala di valutazione funzionale (ALS-FRS-R) è stato nel range di gravità da lieve a moderata (35,9 ± 8,0), e nessuno dei pazienti ha mostrato segni neuropsicologici di demenza frontotemporale. Come gruppo di controllo venti per età e sesso controlli sani appaiati sono stati digitalizzati.
Il protocollo di scansione è stata effettuata su un 1.5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Germania). Il protocollo di studio DTI era identico per i pazienti e controlli e consisteva di 13 volumi (45 fette, 128 x 128 pixel, spessore di strato 2,2 mm, dimensioni del pixel 1,5 x 1,5 mm), in rappresentanza di 12 direzioni di pendenza e una scansione con pendenza 0 (b = 0). TE e TR erano 93 msec e 8.000 msec, rispettivamente, b è stata di 800 sec / mm 2 e cinque scansioni sono stati mediati in linea con il software dello scanner nello spazio immagine.
I risultati per il gruppo di SLA hanno mostrato ampie riduzioni FA lungo gran parte del CST e del CC, in quest'ultimo including il segmento III secondo il Hofer e Frahm schema 44, ma che va oltre alle aree CC ventrale e dorsale (Figura 6). I risultati del gruppo di SLA hanno mostrato ampie riduzioni FA lungo gran parte del CST e del CC, in quest'ultimo compreso il segmento III secondo il Hofer e Frahm schema 44, ma che va oltre alle aree CC ventrale e dorsale (Figura 6).
Un ulteriore esempio è stata la ricerca di modelli di coinvolgimento WM in altre malattie del motoneurone (MND), vale a dire la SLA, la sclerosi laterale primaria (PLS), e paraparesi spastica ereditaria (HSP), suddiviso in puro (PHSP) e complicato (CHSP), mediante l'uso di un duplice approccio di analisi DTI: WBSS il FA-mappe è stato completato da risultati FT e TFA successive. Comparazioni DTI-based di ALS e campioni PLS sono state descritte da altri autori pure 45. L'analisi di gruppo PLS ha mostrato un modello simile di diminuzione FA Along il CST anatomia, mentre il coinvolgimento CC è stato segnato, ma meno esteso rispetto a SLA e più ristretto di segmento III. L'analisi del campione PHSP dimostrato riduzioni Fa nel CST che comprendeva aree più circoscritte all'interno di questa struttura, mentre le alterazioni erano CC, simile a quello osservato nel gruppo di SLA, si estendeva su gran parte del CC dorsale tra cui il comparto auto. Infine, il gruppo ha mostrato CHSP più grandi aree di diminuzione FA che hanno accumulato una grande cluster collegati tra cui la struttura CST completa e grande dorsale e anche le parti ventrali del CC. In sintesi, l'analisi DTI controllata in un totale di 72 pazienti con differente MND mostrato caratteristici modelli di lesione correlati con il coinvolgimento di aree cerebrali distinte all'interno dei processi patologici delle diverse entità di malattia. Per una descrizione e una discussione dettagliata, si prega di fare riferimento al 22,28,46
3. DTI per confronti longitudinali >
Come esempio di applicazione del DTI in confronto longitudinale, un 46-year-old paziente con biopsia oligoastrocitomi anaplastico WHO III ° è stato scansionato. Dopo l'intervento chirurgico completo, il paziente ha ricevuto radio-/chemotherapy combinato e 6 cicli di chemioterapia adiuvante.
DTI è stata acquisita a 4 tempi di valutazione, vale a dire prima radio-/chemotherapy combinato e 2, 5, e 9 mesi dopo radio-/chemotherapy al fine di descrivere lo stato di integrità WM regionale e globale in un disegno longitudinale.
Il protocollo di scansione è stata effettuata su un 1.5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Germania). Il protocollo DTI studio consisteva di 52 volumi (64 fette, 128 x 128 pixel, fetta spessore 2,8 millimetri, pixel di dimensioni 2,0 x 2,0 mm), in rappresentanza di 48 direzioni di pendenza e quattro scansioni con pendenza 0 (b = 0). TE e TR erano 95 msec e 8.000 msec, rispettivamente, b era di 1.000 sec / mm 2.
S copi "> Figura 10 mostra esemplarmente differenze nelle mappe-FA tra la scansione DTI dopo radio-/chemotherapy e DTI scansione sette mesi dopo, cioè scansioni dei tempi di valutazione 2 e 4. WBSS viene eseguito secondo il punto 1.3., con una soglia di FA 0,15, FDR corretto.
Figura 1. In DTI, un voxel rappresenta le proprietà di diffusione di vari fasci di assoni per calcolare un tensore di diffusione, come illustrato ellissoide. Per ogni voxel, le informazioni tensore può essere parametrizzato in anisotropia frazionaria (FA) mappe o utilizzato per il monitoraggio di fibre (FT).
27fig2.jpg "/>
Figura 2 Pannello superiore:. Dopo un controllo di qualità (QC) e la corrispondente eliminazione del volume (VE), DTI metriche, ad esempio FA-mappe possono essere calcolati. Nella fase successiva, sia la normalizzazione stereotassica (a sinistra) permette la comparazione a livello di gruppo (cervello complesso basate statistica spaziale - WBSS e / o statistiche anisotropia frazionaria tractwise - TFAS) o l'allineamento stereotassico (a destra) permette la comparazione dei longitudinale FA-mappe . Queste analisi o portano a differenze a livello di gruppo (a sinistra) o di rilevare le differenze longitudinali all'interno di singolo soggetto DTI dati (a destra). Clicca qui per ingrandire la figura .
les/ftp_upload/50427/50427fig3.jpg "/>
Figura 3. (A) movimento rappresentativa danneggiato fetta assiale a ridotta intensità che è stato rilevato dall'algoritmo QC. (B) La rispettiva localizzazione nel volume ricostruito sagittale, indicata da una freccia bianca. La corruzione del movimento è anche visivamente indicata da una perdita di intensità relativa rispetto a sezioni assiali adiacenti. (C) In applicazione di una soglia di 0,8 (linea rossa) in totale 17 pendenza direzioni sono stati rilevati per il volume eliminazione. La freccia nera indica il volume di (a) e (b), (d) le statistiche di eliminazione del volume (numero di direzioni gradiente eliminati - GD). Presintomatici per 29 soggetti con malattia di Huntington (PS) e 30 controlli.
Figura 5. (A) Schema di esempio per un modello iterativo-specifico MNI-normalization: dopo una fase di normalizzazione 1 ° basato su punti di riferimento, da una media aritmetica dei dati DTI-I 0, sono stati ottenuti primi modelli di T 1 ((b = 0) e il modello FA-modello). Successivamente, in una procedura iterativa, normalizzato DTI-I dati sono stati ottenuti da 1 normalizzazione non lineare ai modelli precedentemente definiti (T 1). Da questi nuovi dati normalizzati DTI-I 1, nuovi modelli (T 2) sono stati derivati, che ancora una volta potrebbe essere utilizzato per la normalizzazione. Questo processo iterativo si arresta quando è stato raggiunto un caso predefinito (misura di correlazione) tra DTI-dati e modelli (b) Schema per i dati di pre-trattamento prima di tutto statistica spaziale del cervello a base di (WBSS):. FA-mappe sono calcolate da dati normalizzati DTI e un filtro di smoothing per l'individuo normalizzato FA-mappe è applicato. In una fase consecutiva, voxelwise confronto statistico tra i gruppi di pazienti e il gruppo di controllo corrispondente è performed. Dopo la correzione per confronti multipli che utilizzano l'algoritmo di falso-scoperta-rate (FDR) e una procedura di clustering per un'ulteriore riduzione dell'errore alfa, i risultati vengono visualizzati su un fondo morfologico. Clicca qui per ingrandire la figura .
Figura 6. Risultati dell'intero statistica spaziale cervello-based (WBSS) dei pazienti vs controlli SLA. (A) massimo locale di valori di FA sono diminuiti in un sagittale, coronar e vista assiale (thresholded a p <0.01, corretto per confronti multipli ) (b) (animazione 1) FT con punti di partenza nel tratto corticospinale utilizzati come base per TFAS (c):.. differenze di gruppo in FA-ma ps rilevato dal cervello complesso basate statistica spaziale (WBSS) tra un campione di pazienti affetti da SLA e dei controlli appaiati in visualizzazione slicewise. Clicca qui per ingrandire la figura .
Figura 7 (animazione 2):. Tracciamento Fibra (FT) il gruppo media dei dati (controlli) con punti di partenza del corpo calloso (a sinistra) e nel tratto corticospinale (a destra). Clicca qui per ingrandire la figura .
fig8highres.jpg "src =" / files/ftp_upload/50427/50427fig8.jpg "/>
Figura 8 Whole Brain statistica spaziale basati prima della correzione artefatto. (Volume eliminazione - VE) (a sinistra) e dopo la correzione di artefatti (a destra), ciascuno corretto a p <0,05, tasso di falsi scoperta (FDR)). FA aumento di colori freddi, diminuzione FA in colori caldi.
Figura 9 multiparametrico risonanza magnetica per un soggetto con xeroderma pigmentoso (XP) Riga superiore:.. T1 pesate convenzionale contrasto posta MRI in coronar, sagittale, e vista assiale. Focus su una sinistra-emisferica con mdc lesione con edema perifocale all'interno della sostanza bianca fronto-parietale Fila centrale:. Mappe FA (soglia di visualizzazione 0,2) con l'identicoconcentrarsi fila inferiore: risultati FT con punti di sementi nel talamo - Sinistra:. XP soggetti, a destra: FT media da 7 controlli.
Figura 10. Paziente con biopsia oligoastrocitomi anaplastico WHO III ° e completa chirurgia e radio-/chemotherapy combinato e la chemioterapia adiuvante. Differenze longitudinali in FA-mappe tra due successive scansioni con un intervallo di tempo di 7 mesi (FA differenza di 0.15, FDR corretti).
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Interindividuale media dei dati DTI può essere ottenuto rispetto alla ampiezza diffusione (mediante l'uso di informazioni FA) e direzione diffusione (basato su FT), rispettivamente. Una media di FA mappe consente il raffronto statistico dei gruppi di soggetti da WBSS e TFA. Questo quadro metodologico fornisce una introduzione alle tecniche DTI con inter-soggetto della media e confronto di gruppo. Normalizzazione stereotassica e confronto di mappe FA a livello di gruppo consente più possibilità di quantificare le differenze tra gruppi di soggetti. WBSS e TFAS sembra essere un modo di successione per misurare le differenze a livello di gruppo in gruppi di soggetti con un GroupWise simile modello di alterazioni cerebrali, per esempio le malattie neurodegenerative. Per i disturbi con fenotipi clinici eterogenei, un approccio di analisi a livello di gruppo non può essere utilizzato, ma piuttosto una analisi in maniera coppie potrebbe essere appropriata, come dimostrato ad esempio nello studio nei pazienti di XP.Questa mappatura del cervello DTI-based a livello di singolo caso è importante anche in un altro contesto clinico, cioè la combinazione di diversi strumenti di neuroimaging non invasivi e la loro co-integrazione in stereotassi senza cornice / sistemi neuronavigational dopo la registrazione come un elemento importante e prezioso di diagnostica preneurosurgical . Vari approcci tecnici come le tecniche di fMRI, DTI, MRS, tomografia ad emissione di positroni (PET), tomografia computerizzata a emissione di fotoni (SPECT), e magnetoencefalografia (MEG) con opzioni di combinazioni utili sono in uso clinico (es. 47,48,49) .
In generale, le tecniche basate DTI sono limitati nel senso che sono solo in grado di analizzare la direzionalità in materia bianca con una risoluzione MRI-specifico nell'ordine dei millimetri. Ricostruzioni FT consentono di visualizzare la più probabile direzionalità fibra assonale, non le strutture assoni stessi. Pertanto, non sarà possibile da DTI all'immagine assoni directly. Limitazioni specifiche di acquisizione dei dati e l'analisi DTI consecutivo come descritto qui sono prima la risoluzione spaziale che può essere raggiunto entro un certo tempo di scansione predefinito. Tuttavia, questa acquisizione è limitata da ciò che i soggetti con capacità fisiche sono diminuite a causa dell'età e delle condizioni malate potrebbero stare in piedi. Ristretta dimensione del voxel porta a difficoltà di risolvere le regioni con attraversamento fibre. In secondo luogo, la maggior parte dei studi qui presentati sono stati condotti con 12 diffusione ponderate direzioni gradiente - un protocollo di scansione DTI permette di FA-mapping con una qualità sufficiente. FT con 12 direzioni gradiente rivela risultati corretti in grandi strutture in fibra di assoni, tuttavia, come una terza limitazione, problemi potrebbero verificarsi nelle regioni di fibre che attraversano e nelle regioni in cui non sono previste strutture in fibra di distinte possono essere separati in data risoluzione spaziale. Suggerimenti per risolvere le fibre che attraversano sono stati prima l'algoritmo di "fast-marcia" 50, che in linea di principio ricorda l'History del tratto e marcia con grandi passi attraverso la regione della fibra attraversamento, e secondo il cosiddetto "q-ball" immagine 51 che mediante acquisizione di un gran numero di direzioni gradiente (> 100) consente di rilevare più di una direzione in un singolo voxel. Un approccio diverso per ottenere informazioni dettagliate su architettura fibra multidirezionale è l'alta risoluzione angolare pesata in diffusione di imaging (HARDI) dove i regimi complementari di acquisizione direzionali (ad esempio 129 diffusione di codifica pendenza direzioni) forniscono ulteriori informazioni sulle aree con attraversamenti in fibra di serie DTI 52. Diverse opzioni per FT sono stati attuati in TIFT: Streamline tracciamento 2,3, Flessione Tensor 53, Fast Marching-algoritmo di 50, e modifiche di quelle tecniche 31. La scelta dell'algoritmo FT non influenza la strategia di analisi, cioè ogni degli algoritmi implementati FT potrebbe essere usato durante il processo di analisi a tche a livello di gruppo. Poiché non esiste alcuna tecnica generale FT ottimizzata la scelta della tecnica FT dipende dalla questione specifica oggetto dello studio. Nuovi sviluppi di algoritmi FT (ad esempio 54) potrebbero contribuire a migliorare ulteriormente i risultati, soprattutto nella risoluzione che attraversano strutture fibrose. Un approccio completamente diverso potrebbe essere l'uso di TBSS 10 (vedi Introduzione).
La pipeline di elaborazione riportata in questo studio è stato sviluppato principalmente per gli studi clinici in cui il protocollo MRI routine clinica è richiesto di essere piuttosto brevi, cioè risoluzioni voxel nell'ordine di 2 mm e un numero limitato di accumuli di segnale (SA) e indicazioni gradiente (GD ), ossia SA x GD dell'ordine di 50 a 80 sono utilizzati. Per gli studi concentrandosi sulla risoluzione delle scansioni DTI alte risoluzioni (voxel compreso spessore della fetta <1,5 mm e tensore di scansione ad alta risoluzione inclusi GD> 50, con un certo numero di segnali Accumulations (SA> 2), ossia SA GD x> 100, un'alternativa per accurata normalizzazione spaziale è l'uso di alte algoritmi orditura dimensionale su dati anatomici distinti insiemi 55. Inoltre, il postprocessing riportata in questo studio si basa sull'utilizzo di un modello specifico studio che richiede intrinsecamente la necessità di un processo di normalizzazione iterativo. Un'alternativa potrebbe essere la normalizzazione non-iterativo a un modello DTI stereotaxically standardizzato con l'inconveniente che la migliore precisione di normalizzazione stereotassica per un modello specifico di studio non sarebbe stato sfruttato. Una limitazione di esecuzione FT su spazialmente insiemi di dati normalizzati è che il monitoraggio possa essere limitata dal processo di normalizzazione, cioè passi normalizzazione lineari e non lineari potrebbero portare a lievi imprecisioni di direzionalità tensore. D'altro canto, algoritmi come registrazione globale 54 che funzionano su come i dati di imaging di diffusione ad alta risoluzione angolare Inoltre, la fase più critica della procedura di analisi è un accurato co-registrazione dei dati DTI a vicenda. Povero co-registrazione potrebbe portare a risultati falsi positivi o falsi negativi. Per migliorare la qualità di co-registrazione, il carattere del processo iterativo normalizzazione mediante l'uso di modelli specifici dello studio è un passo fondamentale nel trattamento dei dati. Inoltre, lisciando i set di dati risultanti aiuta amigliorare la qualità dei dati per riduzione di imprecisioni spaziali residue. Un altro approccio iterativo per ottenere i parametri per la normalizzazione spaziale è stato recentemente pubblicato da Mohammadi e collaboratori 57 e reso disponibile come una cassetta degli attrezzi per la SPM. Il loro algoritmo è stato sviluppato principalmente per calcolare parametri di normalizzazione per un modello simmetrico. Nel senso di un processo di risoluzione dei problemi, il concetto di software TIFT permette di controllare i risultati dopo ogni fase di pre-e post-elaborazione. In questo modo, i singoli dati / risultati di screening (anche di insiemi di dati singoli) sulla coerenza e plausibilità diventa fattibile per consentire finalmente di interazioni in qualsiasi fase della cascata dell'analisi. Presi insieme, questi studi supportano l'idea che la FA è un marker sensibile di patologia cerebrale WM (vedi anche 58). Dato che biomarcatore-focalizzato approccio è ormai una priorità in molti neurologica e soprattutto neurodegenerativposta le malattie, gli studi attuali rafforzano il ruolo di DTI come ulteriore strumento per la definizione del pathoanatomy cervello microstrutturale delle caratteristiche delle impronte digitali in vivo. DTI analisi a livello di gruppo sembrano essere utili per l'identificazione e la quantificazione delle caratteristiche pathoanatomical in termini di marcatori non invasivi. Ulteriori risultati possono essere forniti da un'analisi congiunta delle tecniche MRI basate avanzati della neuroanatomia computazionale, cioè la combinazione di DTI con esempio analisi basato sull'intensità di 3-D-T1 RM pesata (es. 59), o la risonanza magnetica riposo stato funzionale (esempio 60), nonché con la correlazione di altri parametri quantitativi clinicamente derivati. Nell'approccio complementare o multiparametrica, DTI è combinato con altre modalità, quali MRI T2-T1-pesata o di imaging, MT o Spettroscopia Risonanza Magnetica (MRS) per ottenere completa e cominformazioni complementari 29. Come esempi, 61 e 23 correlati risultati DTI-FA con il tempo di rilassamento T2 nella sclerosi multipla, e 62 eseguito caratterizzazione tissutale dalla combinazione di DTI e immagini T1 pesate. L'approccio multiparametrico, come dimostra lo studio nei pazienti di XP a livello di singolo soggetto, consente l'analisi complementare e completa di affettazione delle strutture del cervello da malattie cerebrali. Le possibilità di DTI per il monitoraggio progressione della malattia a livello individuale in osservazioni longitudinali hanno dimostrato, ma studi più longitudinali sono necessari in futuro di fare uso di questo potenziale.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Gli autori non hanno nulla da rivelare.
Acknowledgments
Alcune parti di questo lavoro, vale a dire lo studio sul controllo di qualità e la correzione per i danneggiati di pendenza direzioni in applicazione ai dati dei pazienti con disturbi ipercinetici, sono state supportate dalla rete HD Europea (progetto EHDN 070). Le scansioni MRI in questa determinata studio sono stati acquisiti come parte del London sito TRACK-HD coorte.
Materials
| Name | Company | Catalog Number | Comments |
| MR scanner | Siemens 1.5 T Magnetom Symphony | ||
| analysis software | TIFT - Tensor Imaging and Fiber Tracking |
References
- Moseley, M. E., Cohen, Y., et al. Diffusion-weighted MR imaging of anisotropic water diffusion in cat central nervous system. Radiology. 176, 439-445 (1990).
- Mori, S., van Zijl, P. C. M. Fiber tracking: principles and strategies - a technical review. NMR Biomed. 15, 468-480 (2002).
- Basser, P. J., Mattiello, J., LeBihan, D. MR Diffusion Tensor Spectroscopy and Imaging. Biophys J. 66, 259-267 (1994).
- Mattiello, J., Basser, J. P., Le Bihan, D. Analytical expression for the b-matrix in NMR diffusion imaging and spectroscopy. J. Magn. Reson. A. 108, 131-141 (1994).
- Pierpaoli, C., Basser, P. J. Toward a quantitative assessment of diffusion anisotropy. Magn. Reson. Med. 36, 893-906 (1996).
- Pajevic, S., Pierpaoli, C. Color schemes to represent the orientation of anisotropic tissues from diffusion tensor data: application to white matter fiber tract mapping in the human brain. Magn. Reson. Med. 42, 526-540 (1999).
- Le Bihan, D., Mangin, J. F., et al. Diffusion tensor imaging: concepts and applications. J. Magn. Reson. Imaging. 13, 534-546 (2001).
- Conturo, T. E., Lori, N. F., et al. Tracking neuronal fibre pathways in the living human brain. Proc. Natl. Acad. Sci. U.S.A. 96, 10422-10427 (1999).
- Lori, N. F., Akbudak, E. Diffusion tensor fibre tracking of human brain connectivity: aquisition methods, reliability analysis and biological results. NMR Biomed. 15, 494-515 (2002).
- Smith, S. M., Jenkinson, M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. Neuroimage. 31, 1487-1505 (2006).
- Agosta, F., Pagani, E., et al. Assessment of white matter tract damage in patients with amyotrophic lateral sclerosis: a diffusion tensor MR imaging tractography study. AJNR. Am. J. Neuroradiol. 31, 1457-1461 (2010).
- Talairach, J., Tournoux, P. Coplanar stereotaxic atlas of the human brain. , Thieme Medical. New York. (1988).
- Brett, M., Johnsrude, I. S., Owen, A. M. The problem of functional localization in the human brain. Nat. Rev. Neurosci. 3, 243-249 (2002).
- Collins, D. L., Neelin, P., Peters, T. M., Evans, A. C. Automatic 3-D intersubject registration of MR volumetric data in standardized Talairach space. J. Comput. Assist. Tomogr. 18, 192-205 (1994).
- Friston, K. J., Ashburner, J., Frith, C. D., Poline, J. -B., Heather, J. D., Frackowiak, R. S. J. Spatial registration and normalization of images. Human Brain Mapp. 2, 165-189 (1995).
- Alexander, D. C., Pierpaoli, C., Basser, P. J., Gee, J. C. Spatial transformations of diffusion tensor magnetic resonance images. IEEE Trans. Med. Imaging. 20, 1131-1139 (2001).
- Müller, H. -P., Unrath, A., Ludolph, A. C., Kassubek, J. Preservation of Diffusion Tensor Properties during Spatial Normalization by use of Tensor imaging and Fiber Tracking on a Normal Brain Database. Phys. Med. Biol. 52, N99-N109 (2007).
- Likitjaroen, Y., Meindl, T., et al. Longitudinal changes of fractional anisotropy in Alzheimer's disease patients treated with galantamine: a 12-month randomized, placebo-controlled, double-blinded study. Eur. Arch. Psychiatry Clin. Neurosci. 262, 341-350 (2012).
- Zhang, Y., Schuff, N. Progression of white matter degeneration in amyotrophic lateral sclerosis: A diffusion tensor imaging study. Amyotroph. Lateral Scler. 12, 421-429 (2011).
- Pierpaoli, C., Barnett, A. Water diffusion changes in Wallerian degeneration and their dependence on white matter architecture. Neuroimage. 13, 1174-1185 (2001).
- Agosta, F., Valsasina, P., et al. Sensorimotor functional connectivity changes in amyotrophic lateral sclerosis. Cereb Cortex. 21, 2291-2298 (2011).
- Müller, H. -P., Unrath, A., Huppertz, H. J., Ludolph, A. C., Kassubek, J. Neuroanatomical patterns of cerebral white matter involvement in different motor neuron diseases as studied by diffusion tensor imaging analysis. Amyotroph Lateral Scler. 13, 254-264 (2012).
- Reich, D. S., Zackowski, K. M. Corticospinal tract abnormalities are associated with weakness in multiple sclerosis. Am. J. Neuroradiol. 29, 333-339 (2008).
- Abe, O., Yamada, H. Amyotrophic lateral sclerosis: Diffusion tensor tractography and voxel-based analysis. NMR Biomed. 17, 411-416 (2004).
- Sage, C. A., Peeters, R. R., Gorner, A., Robberecht, W., Sunaert, S. Quantitative diffusion tensor imaging in amyotrophic lateral sclerosis. Neuroimage. 34, 486-499 (2007).
- Preti, M. G., Baglio, F., et al. Assessing corpus callosum changes in Alzheimer's disease: comparison between tract-based spatial statistics and atlas-based tractography. PLoS One. 7, e35856 (2012).
- Borroni, B., Brambati, S. M., et al. Evidence of white matter changes on diffusion tensor imaging in frontotemporal dementia. Arch. Neurol. 64, 246-251 (2007).
- Unrath, A., Müller, H. -P., Riecker, A., Ludolph, A. C., Sperfeld, A. D., Kassubek, J. Whole brain-based analysis of regional white matter tract alterations in rare motor neuron diseases by diffusion tensor imaging. Hum Brain Mapp. 31, 1727-1740 (2010).
- Müller, H. -P., Lulé, D., Unrath, A., Ludolph, A. C., Riecker, A., Kassubek, J. Complementary Image Analysis of Diffusion Tensor Imaging and 3-Dimensional T1-Weighted Imaging: White Matter Analysis in Amyotrophic Lateral Sclerosis. J. Neuroimaging. 21, 24-33 (2011).
- Müller, H. -P., Unrath, A., Sperfeld, A. D., Ludolph, A. C., Riecker, A., Kassubek, J. Diffusion tensor imaging and tractwise fractional anisotropy statistics: quantitative analysis in white matter pathology. Biomed. Eng. Online. 6, 42 (2007).
- Müller, H. -P., Unrath, A., Riecker, A., Pinkhardt, E. H., Ludolph, A. C., Kassubek, J. Inter-subject variability in the analysis of diffusion tensor imaging at the group level: fractional anisotropy mapping and fiber tracking techniques. Magn. Reson. Imaging. 27, 324-334 (2009).
- Müller, H. -P., Glauche, V., et al. Stability of white matter changes related to Huntington's disease in the presence of imaging noise: a DTI study. PLoS Curr. 3, RRN1232 (2011).
- Müller, H. -P., Süßmuth, S. D., Landwehrmeyer, G. B., Ludolph, A. C., Tabrizi, S. J., Klöppel, S., Kassubek, J. Stability effects on results of diffusion tensor imaging analysis by reduction of the number of gradient directions due to motion artifacts: an application to presymptomatic Huntington's disease. PLoS Curr. 3, RRN1292 (2011).
- Shen, Y., Larkman, D. J., Counsell, S., Pu, I. M., Edwards, D., Hajnal, J. V. Correction of High-Order Eddy Current Induced Geometric Distortion in Diffusion-Weighted Echo-Planar images. Magn. Reson. Med. 52, 1184-1189 (2004).
- Ashburner, J., Friston, K. J. Nonlinear Spatial Normalization Using Basis Functions. Human Brain Mapping. 7, 254-266 (1999).
- Jones, D. K., Symms, M. R., Cercignani, M., Howard, R. J. The effect of filter size on VBM analyses of DT-MRI data. Neuroimage. 26, 546-554 (2005).
- Kunimatsu, A., Aoki, S., et al. The optimal trackability threshold of fractional anisotropy for diffusion tensor tractography of the corticospinal tract. Magn. Reson. Med. Sci. 3, 11-17 (2004).
- Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimage. 15, 870-878 (2002).
- Cleaver, J. E. Defective repair replication of DNA in xeroderma pigmentosum. Nature. 218, 652-656 (1968).
- Anttinen, A., Koulu, L., et al. Neurological symptoms and natural course of xeroderma pigmentosum. Brain. 131, 1979-1989 (2008).
- Kassubek, J., Sperfeld, A. D. The cerebro-morphological fingerprint of a progeroid syndrome: white matter changes correlate with neurological symptoms in xeroderma pigmentosum. PLoS One. 7, e30926 (2012).
- Canu, E., Agosta, F. The topography of brain microstructural damage in amyotrophic lateral sclerosis assessed using diffusion tensor MR imaging. AJNR. Am. J. Neuroradiol. 32, 1307-1314 (2011).
- Verstraete, E., Veldink, J. H., Hendrikse, J., Schelhaas, H. J., van den Heuvel, M. P., van den Berg, L. H. Structural MRI reveals cortical thinning in amyotrophic lateral sclerosis. J. Neurol. Neurosurg. Psychiatry. 83, 383-388 (2012).
- Hofer, S., Frahm, J. Topography of the human corpus callosum revisited- comprehensive fiber tractography using diffusion tensor magnetic resonance imaging. Neuroimage. 32, 989-994 (2006).
- Iwata, N. K., Kwan, J. Y., et al. White matter alterations differ in primary lateral sclerosis and amyotrophic lateral sclerosis. Brain. 134, 2642-2655 (2011).
- Kassubek, J., Ludolph, A. C., Müller, H. -P. Neuroimaging of motor neuron diseases. Ther. Adv. Neurol. Disord. 5, 119-127 (2012).
- Kassubek, J., Juengling, F. D. Multimodality functional neuroimaging. In: C. Stippich (Ed.): Clinical functional MRI - Presurgical functional neuroimaging. , Springer. Berlin/Heidelberg/New York. (2007).
- Stadlbauer, A., Buchfelder, M., Salomonowitz, E., Ganslandt, O. Fiber density mapping of gliomas: histopathologic evaluation of a diffusion-tensor imaging data processing method. Radiology. , 257-846 (2010).
- Stadlbauer, A., Hammen, T., et al. Differences in metabolism of fiber tract alterations in gliomas: a combined fiber density mapping and magnetic resonance spectroscopic imaging study. Neurosurgery. 71, 454-463 (2012).
- Staempfli, P., Jaermann, T., Crelier, G. R., Kollias, S., Valavanis, A., Boesiger, P. Resolving fiber crossing using advanced fast marching tractography based on diffusion tensor imaging. Neuroimage. 30, 110-120 (2006).
- Ehricke, H. H., Otto, K. M., Klose, U. Regularization of bending and crossing white matter fibers in MRI Q-ball fields Magn. Reson Imaging. 29, 916-926 (2011).
- Hirsch, J. G., Schwenk, S. M., Rossmanith, C., Hennerici, M. G., Gass, A. Deviations from the diffusion tensor model as revealed by contour plot visualization using high angular resolution diffusion-weighted imaging (HARDI). MAGMA. 16, 93-102 (2003).
- Lazar, M., Weinstein, D. M., et al. White matter tractography using diffusion tensor deflection. Human Brain Mapping. 18, 306-321 (2003).
- Reisert, M., Mader, I., Anastasopoulos, C., Weigel, M., Schnell, S., Kiselev, V. Global fiber reconstruction becomes practical. Neuroimage. 54, 955-962 (2011).
- Klein, A., Andersson, J. Evaluation of 14 nonlinear deformation algorithms applied to human brain MRI registration. Neuroimage. 46, 786-802 (2009).
- Bammer, R. Basic principles of diffusion-weighted imaging. Eur. J. Radiol. 45, 169-184 (2003).
- Mohammadi, S., Keller, S. S. The influence of spatial registration on detection of cerebral asymmetries using voxel-based statistics of fractional anisotropy images and TBSS. PLoS One. 7, e36851 (2012).
- Turner, M. R., Grosskreutz,, et al. Towards a neuroimaging biomarker for amyotrophic lateral sclerosis. Lancet Neurol. 10, 400-403 (2011).
- Müller, H. -P., Kassubek, J. Multimodal imaging in neurology - special focus on MRI applications and MEG. Synthesis Lectures in Biomedical Engineering. Enderle, J. D. 16, Morgan & Claypool Publishers. (2008).
- Douaud, G., Filippini, N., Knight, S., Talbot, K., Turner, M. R. Integration of structural and functional magnetic resonance imaging in amyotrophic lateral sclerosis. Brain. 134, 3470-3479 (2011).
- Kolind, S. H., Laule, C., et al. Complementary information from multi-exponential T2 relaxation and diffusion tensor imaging reveals differences between multiple sclerosis lesions. Neuroimage. 40, 77-85 (2008).
- Verma, R., Zacharaki, E. I. Multiparametric tissue characterization of brain neoplasms and their recurrence using pattern classification of MR images. Acad. Radiol. 15, 966-977 (2008).
