Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Medicine

Diffusion Tensor Magnetic Resonance Imaging i Analyse av nevrodegenerative sykdommer

Published: July 28, 2013 doi: 10.3791/50427

Summary

Diffusion tensor imaging (DTI) fungerer i utgangspunktet som en MRI-basert verktøy for å identifisere

Abstract

Diffusion tensor imaging (DTI) teknikker gir informasjon om mikrostruktur prosesser av cerebral hvit substans (WM) in vivo. Dagens programmer er laget for å undersøke forskjeller i WM involvering mønstre i ulike hjernesykdommer, spesielt nevrodegenerative lidelser, ved bruk av ulike DTI analyser sammenlignet med matchede kontroller.

DTI dataanalyse er utført i et variate mote, dvs. voxelwise sammenligning av regionale diffusjon retning-baserte beregninger som fractional anisotropy (FA), sammen med fiber sporing (FT) ledsaget av tractwise brøk anisotropi statistikk (tfas) på konsernnivå i orden å identifisere forskjeller i FA langs WM strukturer, med sikte på å definere regionale mønstre av WM endringer på gruppenivå. Transformasjon til en stereotaxic standard plass er en forutsetning for gruppe studier og krever grundige databehandling å bevare directional inter-avhengigheter. De nåværende Søknadene viser optimaliserte tekniske tilnærminger for dette bevaring av kvantitative og retningsbestemt informasjon under romlig normalisering i dataanalyser på konsernnivå. På dette grunnlag kan FT teknikker brukes til å gruppere gjennomsnitt data for å kvantifisere beregninger informasjon som definert av FT. I tillegg, anvendelse av DTI metoder, det vil si forskjeller i FA-maps etter stereotaxic justering, i en langsgående analyse på et enkelt fag basis avsløre informasjon om utviklingen av nevrologiske lidelser. Ytterligere kvalitetsforbedring av DTI baserte resultater kan oppnås i løpet av forbehandling ved anvendelse av en kontrollert eliminering av gradient retninger med høyt støynivå.

Oppsummert er dti brukt til å definere en distinkt WM pathoanatomy forskjellige hjernesykdommer ved kombinasjonen av hel hjerne-baserte og tarmkanalen-baserte DTI analyse.

Introduction

Diffusjon tensor avbildning i den menneskelige hjerne

Den hvite substans (WM) trakter i det sentrale nervesystemet består av tettpakkede axoner i tillegg til ulike typer neuroglia og andre små populasjoner av celler. Den aksonal membran samt godt justert proteinfibrer innenfor et akson begrenser vanndampdiffusjonssperre vinkelrett på fiber-retningen, noe som fører til vann anisotrop diffusjon i hjernen WM 1.. Myelin hylser rundt aksonene kan også bidra til den anisotropi for både intra-og ekstracellulært vann 2..

Den kvantitative beskrivelse av denne anisotropi kunne påvises ved diffusjon tensor imaging (DTI). DTI produserer bilder av vev vektet med de lokale mikrostruktur egenskaper vann diffusjon. Bilde-intensitet ved hver posisjon dempes, avhengig av styrken og retningen av den såkalte magnetiske diffusjon gradient (representert ib-verdi), så vel som på den lokale mikrostruktur hvori vannmolekylene diffundere 3, diffusjonskoeffisienten D, en skalar-verdi:

Ligning 1
Imidlertid, i nærvær av anisotropi i WM, kan diffusjon ikke lenger være kjennetegnet av en enkelt skalar koeffisient, men krever en tensor Ligning 3 som i første tilnærming beskriver molekylær mobilitet langs hver retning og sammenheng mellom disse retningene fire. Diffusion anisotropy er hovedsakelig forårsaket av retningen på fiber traktater i WM og påvirkes av sine mikro-og macrostructural funksjoner. Av mikrostruktur egenskaper, synes intraaxonal organisasjon å være av størst innflytelse på diffusjon anisotropy, foruten tettheten av fiber ennd celle pakking, grad av myelination, og individuell fiber diameter. På en makroskopisk skala, påvirker variasjoner i orienteringen til alle WM trakter i en avbildning voksel dens grad av anisotropi 5..

I typiske DTI målinger, de Voxel dimensjoner er i størrelsesorden millimeter. Således inneholder en voksel alltid den informasjon middelverdisignal av vann-molekylene i den detekterte volum som vanligvis omfatter flere axoner, så vel som det omgivende vann molekyler. Til tross for dette multidirectional miljø, er dti følsom for orienteringen av det største hovedakse, som er justert til den axonal dominerende retning, dvs. den axonal bidraget dominerer det målte signal 2..

DTI gir to typer informasjon om eiendommen med vann diffusjon: For det første orienteringen-uavhengig grad av diffusjon anisotropy 5 og andre, den dominerende retning av vann diffusjon i image voxels, dvs. diffusjon orientering seks.

Gjeldende protokoller er ment å gi et rammeverk av DTI analyseteknikker for kvantitativ sammenligning av faggruppene på gruppenivå, som beskrevet i det følgende.

Kvantifisering av diffusjon egenskaper - analyseparametere

De deler av den symmetriske tensor kan måles ved diffusjon gradienter langs minst seks ikke-kolineære og ikke-koplanare retninger, slik at b (Ligning 1) er blitt en tensor, som resulterer i signaldempning

Ligning 2
Denne ligningen krever regnskap for mulige interaksjoner mellom bildebehandling og diffusjon gradienter som er brukt i ortogonale retninger (kryss vilkår), og selv mellom bildebehandling gradienter som er brukti ortogonale retninger fire.

Den andre-rank diffusjon tensor Ligning 3 kan alltid bli diagonaliseres slik at bare tre ikke-null elementer langs de viktigste diagonalen i tensor, dvs. Egenverdier ( Ligning 4 ). Egenverdiene reflekterer formen eller konfigurasjonen av ellipsoiden. Den matematiske forholdet mellom oppdragsgiver koordinatene for ellipsoiden og laboratoriet rammen er beskrevet av egenvektorene Ligning 5

Siden det er flere utfordringer i å vise tensor data, har begrepet diffusjon ellipsoidene blitt foreslått tre. De Eigendiffusivities av disse ellipsoids representerer unidimensional diffusjonskoeffisienter i hovedretningen av diffusivities ved mediet, dvs. hovedaksen til ellipsoiden representerer den viktigste diffusjon retning i voksel som faller sammen med retningen av fibrene, mens den eksentrisiteten for ellipsoiden gir informasjon om grad av anisotropy og symmetri. Derfor kan diffusjon anisotropi beregninger som brøk anisotropy (FA) defineres syv.

Ligning 6
Ligning 7 er det aritmetiske gjennomsnittet av alle Egenverdier.

En ytterligere tilnærming er å bruke den viktigste retning av diffusjon tensor å ta opp WM tilkobling av hjernen, tilsvarende tractography approalm, som har til hensikt å undersøke hvilke deler av hjernen er koblet til hverandre. Forutsatt at orienteringen av den større komponent i diffusjonstensor representerer orienteringen av de dominerende aksonal traktene, er et 3-D vektorfeltet fremskaffet hvor hver vektor representerer fiberorientering. For tiden er det flere ulike tilnærminger til rekonstruere WM traktater som kan deles inn i to typer: Den første kategorien er basert på linje forplantning algoritmer ved hjelp av lokale tensor informasjon for hvert trinn i fiber skrift forplantning 2,8,9. Den andre kategorien er basert på globale energi minimering å finne den energimessig mest gunstige veien mellom to WM regioner, noe som resulterer i tilnærmingen til skrift-baserte romlig statistikk (TBSS) 10 som har vært brukt i andre algoritmer som tractwise brøk anisotropi statistikk (tfas - se protokoll tekst, punkt 2.4)..

Transformasjon til stereotaxic stativard plass

Som i andre avanserte MR-metoder, DTI-og FT-baserte studier i en klinisk sammenheng forfølge det endelige målet å kategorisere enkelte pasientens hjerne morfologi for å lette den diagnostiske prosessen basert på noen diskriminering metrisk 11. Studier på gruppenivå er mest aktuelt dersom vanlig klinisk fenotype er ment å være grunnet skader på en eller flere spesifikke områder av hjernen eller en bestemt nevroanatomi nettverk. Her, i snitt av resultatene for ulike fag er nyttig for å vurdere felles mønstre av mikrostruktur endringer. Hver enkelt hjerne må overføres inn i stereotaktisk plass, slik at, i et andre trinn, det aritmetiske gjennomsnitt av resultatene på en voxel-for-voxel nivå er mulig. Romlig normalisering tillatt for aritmetisk gjennomsnitt av resultatene oppnådd fra forskjellige fag for å forbedre signal-til-støy-forhold (SNR) og for å utføre en sammenligning av prøver fra pasienter og fortsrols for å analysere den beregningsmessige pathoanatomy av en spesifikk sykdom, for eksempel en nevrodegenerativ sykdom som er assosiert med den affectation av en spesifikk hjerne-system.

Den tidlige tilnærming av normalisering til en standardisert stereotaxic plass med 12 foreslått en transformasjon algoritme til en standard atlas involverer identifisering av ulike hjernen landemerker og stykkevis skalering av hjernen kvadranter. I dag, de fleste av de avanserte MR dataanalyse pakker bruke normalisering til Montreal Nevrologisk Institute (MNI) stereotaksisk plass 13. For denne transformasjonen ble halvautomatisk og automatisert hjernen registrering algoritmer ved hjelp studere spesifikke maler utviklet 14,15. I DTI har spesiell oppmerksomhet for å bli trukket for å bevare retningsbestemt informasjon under normalisering prosessen 16,17. Anvendelsen av romlige omdannelser for DT-MR-bilder som er nødvendig for romlig normaliseringav samlinger av datasett er, i motsetning til skalare warping bilder, komplisert ved det faktum at delirium inneholde orienteringsmessig informasjon som blir igjen påvirket av transformasjonen. Denne effekten må tas hensyn til for å sikre den anatomiske riktigheten av den transformerte bildet. Her er teknikker for påføring affine transformasjoner til dti datasett presentert.

Anvendelsen av DTI til hjernesykdommer

Sammenligningen av langsgående DTI opplysninger kreves en justering / registrering av en motivets data mellom hverandre. I den sammenheng er bevaring av retningsbestemt informasjon som er nødvendig (dvs. rotasjon av diffusjon tensor under affine transformasjoner). Mulige bruksområder til nevrodegenerative sykdommer har blitt rapportert tidligere (f.eks 18,19).

DTI har blitt etablert som en robust non-invasiv tekniske verktøy for å undersøke in vivo neuropathollogi av WM nevrale traktater (f.eks 11,20,21,22). DTI-baserte kvantitative beregninger av diffusjons-prosessen, f.eks FA, har allerede blitt vist å være sensitive markører for å studere et bredt spekter av WM patologier, slik som 20 hjerneslag, multippel sklerose 23, amyotrofisk lateral 24 sklerose, 25, Alzheimers sykdom 26 , og flere andre WM lidelser 27,28.

I tillegg kan DTI med FT brukes til å identifisere WM traktater 23. Denne teknikken, samtidig som den ikke er i rutinemessig klinisk bruk, fremstår som et kraftig instrument for vurdering av sti-spesifikke abnormaliteter i nevrologisk sykdom. Innenfor de identifiserte områder, ulike kvantitative MR indekser avledet fra DTI og ytterligere oppkjøp (f.eks T2-vektede bilder og / eller magnetiseringen transfer (MT) imaging) som er anatomisk coregistered til DTI data kunne måles. Herved kan hver indeks være calculrerte som en funksjon av posisjonen i tarmkanalen, med henvisning til plott som viser deres romlige variasjon som tarmkanalen profiler.

I de følgende, menneskelige DTI skanner som ble utført på 1,5 Tesla MR-skannere (Siemens Medical, Erlangen, Tyskland) ble brukt til å undersøke potensialet av ulike analyseteknikker for påvisning av hvit substans abnormaliteter i pasientgrupper samt i enkeltpersoner. Etter en automatisert kvalitetskontroll for eliminering av motion-ødelagte volumer og volumer med andre typer gjenstander, standardiserte postprosesseringsjuksekoder prosedyrer forberede DTI data for påfølgende analyse. Ulike analyser tilnærminger vil bli belyst i det følgende, dvs. første, hele hjernen basert romlige statistikk (WBSS), andre, FT, og tredje, Tractwise fractional anisotropi statistikk (tfas). WBSS er en metode som går i analogi til voxel-baserte morfometri (VBM) som vanligvis er kjent som voxel-baserte morfometri / statistikk om DTI data (VBM / DTI)

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Analysemetoder: Pre-og etterbehandling

Oppgaven med følgende protokollen er å analysere diffusjon egenskaper voxelwise innen hvite substans traktene som kan være - på grunn av den voxelwise deteksjon - enten isotrope eller anisotropt, noe som resulterer i prolate eller flattrykte diffusjon tensorer for de respektive voxels. Den parametrisering av voksel tensorer benyttes for enten beregning av FA-kartene eller identifisering av fibertracts (figur 1).

For å få analyseresultater som vist i det følgende bruke programvaren pakken Tensor Imaging and Fiber Tracking (Tift) 17. Tift gir analyseverktøy for følgende krav:

  • analyse i form av DTI beregninger, f.eks FA-maps,
  • stereotaxic normalisering
  • gruppe sammenligning i form av FA eller andre DTI beregninger
  • ulike analyser tilnærminger av FT
  • FT på gruppen i gjennomsnitt DTI-data og den korresponderende statistiske analyser.

Disse funksjonene tillater en rekke analyser i en programvare miljø 17,29,30,31. Den Tift programvare er stadig under utvikling for nye alternativer i DTI dataanalyse.

Figur 2 gir en skjematisk oversikt hvordan å analysere DTI data på gruppenivå etter romlig normalisering av to komplementære tilnærminger, dvs. både ved WBSS og ved tfas å endelig få forskjeller mellom subjekt prøver på gruppenivå, for eksempel syke hjerner versus friske kontroller. Her tar sikte WBSS på en voxelwise objektiv påvisning av områder med forskjeller på gruppenivå, mens tfas er basert på forhåndsdefinerte fibertracts, de tfas start områder kan enten velges fritt eller kan utledes fra de WBSS resultater (`hotspots` av vesentlig endret FA).

Individuell langsgående sammenligning av FA-maps er utført av deteksjonterende forskjeller i FA-kart av målinger på forskjellige tidspunkter etter affine stereotaxic justering (figur 2).

  1. Kvalitetskontroll (QC), inkludert korreksjon for ødelagt gradient retninger
    Ved bevegelse forstyrrelser i oppkjøpet, dvs. i tilfelle av korrupte volumer, er en SNR økning oppnås ved å utelate enkelt gradient retninger (GD) for tensor beregning. For dette formålet, ble en kvalitetskontroll (QC) algoritme 32 utviklet. I korte trekk, for skanninger som inneholdt korrupte volumer, er en SNR økning oppnås ved å utelate enkelt gradient retninger, ett om gangen før tensor estimering: for hver GD, benyttes det veide avviket beregnet fra alle gjenværende retninger i sekvensen ved å vekte med vinkelen i som de skilte seg fra indeksen GD.
    1. Utfør en gjenstand korreksjon ved å oppdage GD med minst én sektor viser redusert intensitet, dvs. bevegelsesfeil forårsaket av spontan su mne bevegelse (Figur 3, øvre panel). For noen diffusjon volum, beregne gjennomsnittlig intensitet for hver skive og sammenligne sin intensitet med samme skive i alle andre volumer ved hjelp av et veid gjennomsnitt tilnærming - vektingsfaktoren er prikken produkt av vektorer av to GD Ligning 8 :
      Ligning 9
      Ligning 10
      Ligning 11 betegner aritmetisk gjennomsnitt intensiteten i stykket under observasjon og427eq12.jpg "/> en skive for sammenligning. Den relative middels intensitet avvik Ligning 13 er vektet med prikk-produktet av den GD. Således, for å definere en global parameter:
      Ligning 14
      reflekterer minimum slicewise sammenligninger av alle skiver.
    2. Hvis Q er under en viss terskel (i eksemplet er en terskel på 0,8 anvendes for dette formål), eliminere at hele volum, eller GD. En terskel på 0,8 er ansett som en stabil løsning 32. Figur 3 illustrerer bevegelsesartifakter synlig i sagittal rekonstruksjoner og detektert av QC-algoritmen. I dette eksempel ut fra det totale antall Gd (blå punktene i figur 3c), ble 17 under den røde linje, som korresponderer til Q = 0,8 og ShouLD bli eliminert. Et eksempel på et volum eliminering statistikk for en hel studie er presentert i figur 3d. I denne eksemplarisk studien ble DTI data av 29 presymptomatic HD fagene i forhold til DTI data på 30 kontroller. Ytterligere detaljer ved denne algoritmen er vist i 32, 33.
  2. Forbehandling og romlig normalisering
    1. Utføre korrigering av virvelstrøm-indusert geometriske forvrengninger av de ekko-planar imaging-datasett ved metoden foreslått med 34.
    2. For stereotaxic normalisering, lage en studie-spesifikke (b = 0) - mal og en FA-mal som tidligere beskrevet 17,28,31. I utgangspunktet består en fullstendig ikke-lineær stereotaksisk normalisering av tre deformasjon komponenter. Følgelig, den resulterende diffusjon tensor Ligning 15 av hver voxel har jeg å være roterendeed efter alle de rotasjoner som er oppført ovenfor (figur 4):
      1. Figur 4a viser en rigid hjernen transformasjon for å justere grunnleggende koordinere rammer. Rotasjonen Ligningen 16 som følge av innrettingen til den grunnleggende koordinaten ramme må påføres
        Ligning 17
      2. Figur 4b viser en lineær deformasjon etter landemerker. Komponentene i egenvektorene Ligning 5 må tilpasses etter de seks normalisering parametre for S (avhengig av hjernen regionen s a,, a = 1 ... 6) på den lineære deformasjon.
        v w, j en v w, j'''
        w = 1,2,3 og j = x, y, z.
      3. Figur 4c viser en ikke-lineær normalisering utligning ikke-lineære hjerneform forskjeller. 3-D vektor skift er forskjellig for hver voxel fører til en egen transformasjon for hver voxel av 3-D voxel matrise Ligning 18 ). Standard trigonometri gir en rotasjon matrise uavhengig for hver voxel, som følge av 3-D vektor skift etter begrepene 16 for å bevare de retningsbestemte relasjoner mellom egenvektorer av neighbored voxels. Dermed ulike skift av to neighbored voxels resultere i rotasjoner av de tilsvarende egenvektorer. Bruk utvidelse matriser for justeringen av tensor Ligning 15 av hver voxel tilde omkringliggende voxels.
        Ligning 19
        Ligning 20 er komponentene Ligning 18
      Hele prosessen er normalisering iterativ, dvs. skape en skanner-og sekvens-spesifikk (b = 0) - mal for denne studie i det første trinnet ved aritmetisk gjennomsnitt av (b = 0) - volumer av alle vaksinerte etter lineær transformasjon ifølge manuelt satt landemerker. Etter denne første normalisering, skape bedre maler for å optimalisere normalisering matriser. Følgende trinn 1.2.3 opptil 1.2.5 er skjematisk visualisert i figur 5a.
    3. Etter denne personen normalisering prosedyre (step (i) - DTI-data I 0), bruker alle individuelle DTI datasett for å skape en studie-spesifikke (b = 0) - mal og en FA-mal (trinn (ii) - maler T 1). Som den ikke-affine registrering til en FA-malen har den fordel at den gir mer kontrast i forhold til (b = 0)-bilder 10, definerer en FA-mal ved gjennomsnitt tatt individuelt avledet FA-kart over de pasienter og kontrollene.
    4. I det andre trinnet, følge de grunnleggende ideer om Ashburner og Friston 35, utføre en ikke-lineær MNI normalisering (trinn (iii)) av DTI datasett ved å minimere mismatch mellom regionale intensiteter av FA-kartet som skal monteres og FA-malen i henhold til de kvadrerte forskjeller (X 2) - på den måten, får du DTI data I 1.
    5. Basert på disse dataene, er nye maler T 2 utledet (trinn (iv)). Gjenta dette iterativ prosess fram til sammenhengen mellom individuelle FA-maps og than FA-malen er> 0,7. Vanligvis er dette oppnås etter to iterasjoner.
  3. Hele hjerne-baserte romlige statistikk
    Følgende trinn 1.3.1 opp til 1.3.5 er visualisert skjematisk i figur 5b.
    1. Beregn FA-kart fra normaliserte DTI data med hensyn til normalisering prosedyre på 1,2. for å bevare retningsinformasjon (trinn (i)).
    2. Som en forbehandling skritt før voxelwise statistisk sammenligning, bruke en glatting filter (trinn (ii)) til den enkelte normalisert FA-maps. For glatting, krever at filteret størrelse fører til at resultatene fra DTI dataanalyse 36 anvendelse av den tilpassede filter teorem hvor det fremgår at bredden av det filter som brukes til å behandle dataene bør tilpasses størrelsen på den forventede forskjell, som detaljert i tidligere søknader til DTI data for pasienter med nevrodegenerative lidelser (f.eks 28).
    3. Utføre statistisk comparison mellom pasientgrupper og den tilsvarende kontrollgruppe voxelwise av Student t-test, dvs. sammenligne FA verdier av pasientenes FA-kart med FA verdier av kontrollene 'FA-maps, for hver voxel separat (trinn (iii )). FA verdier under 0,2 regnes ikke for beregningen da kortikale grå materie viser FA-verdier opp til 0,2 37.
    4. Statistiske resultatene må korrigeres for multiple sammenligninger ved hjelp av falske funn-rate (FDR) algoritme til p <0,05 38 (trinn (iv)). Ytterligere reduksjon av alfa feilen må utføres ved en romlig korrelasjon algoritme (clustering - trinn (v)) som eliminerte isolerte voksler eller små isolerte grupper av voksler i størrelsesområdet av utjevningsplate kjernen, fører til en terskel klynge størrelse på 512 voxels.
    5. For å vise resultater på en morfologisk bakgrunn (trinn (v)), normalisere 3-D T1 vektede datasett for å MNI plass og gjennomsnittlig arithmetically. Utfør denne normalisering procedure ved bruk av en studie-bestemt mal i analogi til normalisering påføres DTI datasett 17..

Figur 6 viser resultatene fra hele hjerne-baserte romlig statistikk (WBSS) av ALS pasienter vs kontroller. Figur 6a viser lokal maksimalt redusert FA verdier i en sagittal, KORONAR HJER og aksial visning (thresholded på p <0,01, korrigert for flere sammenligninger). Figur 6b viser projectional FT med utgangspunkt i corticospinal skrift brukt som grunnlag for tfas. Figur 6c viser gruppeforskjeller i FA-maps oppdaget av hele hjernen basert romlige statistikk (WBSS) mellom et utvalg av ALS pasienter og matchende kontroller i en slicewise visualisering.

  1. Tractography og tractwise fractional anisotropi statistikk (tfas)
    Figur 7 illustrerer prosessen med gruppen-basert FT inkludert tfas som er beskrevet i 1..4.1 opp til 1.4.4.
    1. For å søke gruppebasert FT algoritmer, generere i gjennomsnitt DTI datasett fra pasientenes data og fra kontroller 'data sammen i henhold til metodene beskrevet tidligere 17. Denne midlingen krever forsiktig behandling av orienteringsmessig informasjon som er bevart under normaliseringen Fremgangsmåte ifølge teknikker som er beskrevet av 16 - for detaljer, se 30.
    2. Utfør tractography i gjennomsnittlig DTI datasett med faggruppene ved anvendelse av en effektivisere sporing teknikk 31. Identifiser manuelt definerte frø punkter grenser til den lokale maksima av hele hjernen FA-baserte analyser som ligger til grunn for den påfølgende analyse FT. Etter identifisering av frøene, utføre tractography og definere voxels av de beskrevne fibre som gruppe-spesifikke maske for følgende tfas 30.
    3. For å kvantifisere tractography resultater, bruke teknikken av tfas ved å bruke the fiber traktater som ble opprettet på den gjennomsnittlige DTI datasett av alle fag i hver gruppe (pasientdata og kontroll av data sammen) for valg av voxels som bidrar til en sammenligning mellom pasientenes og kontrollene 'FA-kart.
    4. Vurdere alle resulterende voxels med en FA-verdi over 0,2 for statistisk analyse av Student t-test.
    5. Hvis ønskelig, kan tfas teknikk brukes til eventuelle avledede DTI beregninger, som mener diffusiviteten (MD), radial anisotropi, aksial anisotropi, etc. (for eksempel, se 28).
    6. Resultatene vises på en morfologisk bakgrunn bestående av de MNI-normaliserte 3-D T1-vektede datasett

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

En. QC og korrigering for ødelagt gradient retninger i programmet til data fra pasienter med hyperkinetisk forstyrrelse

Som eksempel for virkningen av anvendelsen av QC og påfølgende volum utelukkelse (som en konsekvens av den korreksjon for ødelagte GD), viser figur 8 forskjeller i hele hjernen baserte romlige statistikk med og uten volum utelukkelse for gruppe sammenligning av 29 premanifest Huntingtons sykdom emner vs 30 alder og kjønn matchet kontroller. Skanning protokollen ble utført på en 1,5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Tyskland). DTI studieprotokoll var identisk for pasienter og kontroller, og besto av 72 bind (40 stykker, 96 x 96 piksler, skivetykkelse 2,3 mm, pixel størrelse 2,3 x 2,3 mm), som representerer 64 gradient retninger (b = 1000 sek / mm 2) og 8 skanninger med minimal spredning vekting (b = 100 sek / mm 2). Ekkoet tid (TE) og repetisjon tid (TR) were 90 msek og 8000 msek.

2. DTI i xeroderma pigmentosum

Xeroderma pigmentosum (XP) er en sjelden autosomal recessiv progeroid syndrom hvor den underliggende DNA reparasjon defekt spiller en sentral rolle i aldringsprosessen 39,40. En multiparametric MRI tilnærming for å karakterisere cerebromorphological fenotypen ble brukt i syv XP pasienter av ulike subtyper for å vurdere macrostructural og mikrostruktur cerebral morfologi i forhold til kontrollene 41, inkludert DTI, volumetriske målinger, og MR spektroskopi (1H MRS).

MR-protokollen ble kjøpt på en 1,5 Tesla MR-systemet (Magnetom Symphony, Siemens, Erlangen, Tyskland), utstyrt med en standard headcoil. T1 vektet (T1W) skanner besto av 196 skiver med en skive tykkelse på 1,0 mm (256 x 256 piksler, pixel størrelse 1,0 x 1,0 mm). TE og TR var 12 ms og 456 msek. DTI studie protocol besto av 13 bind (45 stykker, 128 x 128 piksler, slice tykkelse 2,2 mm, pixel størrelse 1,5 x 1,5 mm), som representerer 12 gradient retninger og en scan med gradient 0 (b = 0). TE og TR var 93 ms og 8000 ms, henholdsvis; b var 800 sek / mm 2 og fem ble skanninger gjennomsnitt på nettet av skanner programvare i bildet plass.

På grunn av den kliniske og demografiske heterogenitet av XP-fagene, ble sammenligningen ikke er utført på konsernnivå, men heller i en parvise måte, dvs. hver XP-faget ble analysert i forhold til en alder og kjønn matchet kontrollgruppe. FA-map sammenligning ble utført for ROIs ligger i thalamus, i øvre corticospinal tarmkanalen, i den interne kapselen, og i corpus callosum. Videre ble retningsavhengighetsmetrikker endringer sammenlignet parvise for FT og påfølgende tfas, med utgangspunkt i thalamus. DTI viste signifikant redusert WM retningen i alle regioner undersøkt, dvs. the thalamus, de corticospinal traktater og dorsal corpus callosum, med volum og retningen reduksjoner av fiber anslag involverer både craniocaudal fiber og de ​​interhemispheric tilkoblinger (figur 9). Disse funnene, selv om heterogene blant studien prøven, kan bli korrelert med klinisk-nevrologiske symptomer. De imaging funnene støtter posisjonen at myelin strukturer brytes ned tidlig i hjernen til XP pasienter, som diskutert i 41.

DTI i nevrodegenerasjon (motor neuron sykdommer)

Morfologiske endringer i amyotrofisk lateral sklerose (ALS) pasienter med strukturell MRI analyse 42,43 samt motoriske funksjonelle tilkoblingsmuligheter endringer i ALS pasienter 21 har blitt rapportert nylig. I dette arbeidet, som et eksempel for anvendelse av analysemetoder WBSS og tfas, ble tjue ALS pasienter undersøkt av multiparametric MR. Severity av fysiske symptomer, målt med de reviderte ALS funksjonell karakterskala (ALS-FRS-R) var i området mild til moderat (35,9 ± 8,0), og ingen av pasientene viste nevropsykologiske tegn på frontotemporal demens. Som kontrollgruppe tjue alder og kjønn tilsvarende friske kontroller ble skannet.

Skanning protokollen ble utført på en 1,5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Tyskland). DTI studieprotokoll var identisk for pasienter og kontroller, og besto av 13 bind (45 stykker, 128 x 128 piksler, slice tykkelse 2,2 mm, pixel størrelse 1,5 x 1,5 mm), som representerer 12 gradient retninger og en scan med gradient 0 (b = 0). TE og TR var 93 ms og 8000 ms, henholdsvis; b var 800 sek / mm 2 og fem ble skanninger gjennomsnitt på nettet av skanner programvare i bildet plass.

Resultatene for ALS gruppen viste omfattende FA reduksjoner langs store deler av CST og CC, i sistnevnte including segmentet III i henhold til Hofer og Frahm ordningen 44, men nå utover til ventral og dorsal CC områder (figur 6). Resultatene for ALS gruppen viste omfattende FA reduksjoner langs store deler av CST og CC, i sistnevnte inkludert segmentet III ifølge Hofer og Frahm-ordningen 44, men nå over til ventrale og dorsale CC områder (figur 6).

Et annet eksempel var etterforskningen av WM engasjement mønstre i andre motoriske nervecellen sykdommer (MND), dvs. ALS, primær lateral sklerose (PLS), og arvelig spastisk paraparesis (HSP) inndelt i ren (pHSP) og komplisert (ChSP), ved bruk av en to-fold tilnærming av DTI analyse: WBSS på FA-maps ble supplert med FT resultater og påfølgende tfas. DTI-baserte sammenligninger av ALS og PLS prøver har blitt beskrevet av andre forfattere så vel 45 år. PLS gruppe analyse viste et lignende mønster av redusert FA Along CST anatomi mens CC engasjement ble merket, men mindre omfattende enn i ALS og mer begrenset til segment III. Analysen i pHSP prøven viste FA reduksjoner i CST som inkluderte mer avgrensede områder innenfor denne strukturen mens CC endringer var, ligner på mønsteret observert i ALS gruppen, strakte seg over store deler av dorsal CC inkludert motor segmentet. Til slutt viste det ChSP gruppe de største områder med redusert FA som akkumulert til en stor koblet klynge inkludert fullstendig CST struktur og store dorsal og ventrale også deler av CC. Oppsummert viste kontrollert DTI analyse i totalt 72 pasienter med forskjellige MND karakteristiske lesjon mønstre korrelert med involvering av forskjellige hjerneområder i de patologiske prosesser i de ulike sykdom enheter. For en detaljert beskrivelse og diskusjon, henvises det til 22,28,46

3. DTI for langsgående sammenligninger >

Som et eksempel for anvendelse av DTI i langsgående sammenligning, en 46 år gammel pasient med biopsiverifisert anaplastic oligoastrocytoma WHO III ° ble skannet. Etter fullført operasjonen, fikk pasienten kombinert radio-/chemotherapy og 6 sykluser av adjuvant kjemoterapi.

DTI ble kjøpt på fire tidspunkter, dvs. før kombinert radio-/chemotherapy og 2, 5, og 9 måneder etter radio-/chemotherapy for å skildre status for regional og global WM integritet i en longitudinell design.

Skanning protokollen ble utført på en 1,5 Tesla Magnetom Symphony (Siemens Medical, Erlangen, Tyskland). DTI studieprotokoll besto av 52 bind (64 stykker, 128 x 128 piksler, skivetykkelse 2,8 mm, pixel størrelse 2,0 x 2,0 mm), som representerer 48 gradient retninger og fire skanner med gradient 0 (b = 0). TE og TR var 95 ms og 8000 ms, henholdsvis; b var 1000 sek / mm 2.

ntent "> Figur 10 viser exemplarily forskjeller i FA-kart mellom DTI skanning etter radio-/chemotherapy og DTI scan syv måneder senere, er altså skanninger av tidspunkter to og fire. WBSS utført i henhold til punkt 1.3. med en FA terskelen 0,15, korrigert FDR.

Figur 1
Figur 1. I DTI, representerer en voxel spredningen egenskapene til flere bunter av axoner å beregne en diffusjon tensor, illustrert som ellipsoiden. For hver voxel, kunne tensor informasjon parametriseres i brøk anisotropy (FA) kart eller brukes for fiber sporing (FT).

27fig2.jpg "/>
Figur 2 Øvre panel:. Etter en kvalitetskontroll (QC), og tilsvarende volum eliminasjon (VE), DTI beregninger, f.eks FA-maps kan beregnes. I neste trinn, kan enten stereotaxic normalisering (til venstre) for sammenligning på gruppenivå (hele hjernen basert romlige statistikk - WBSS og / eller tractwise brøk anisotropi statistikk - tfas) eller stereotaxic justering (til høyre) gir mulighet for sammenligning av langsgående FA-maps . Disse analysene enten føre til forskjeller på gruppenivå (venstre) eller oppdage langsgående forskjeller innenfor enkelt emne DTI data (til høyre). Klikk her for å se større figur .

les/ftp_upload/50427/50427fig3.jpg "/>
Figur 3. (A) Representative bevegelse ødelagt aksial skive med redusert intensitet som ble oppdaget av QC-algoritmen. (B) Den aktuelle lokalisering i den rekonstruerte sagittal volum, angitt med en hvit pil. Bevegelsen ødelagt blir også visuelt angitt med en relativ intensitet tap i forhold til tilstøtende aksiale snitt. (C) ved anvendelse av en terskel på 0,8 (rød linje) i totalt 17 gradient retninger ble detektert etter volum eliminering. Den svarte pilen angir volumet av (a) og (b) (d) Volum eliminering statistikk (antall eliminerte gradient retninger - GD). For 29 presymptomatic Huntingtons sykdom fag (PS) og 30 kontroller.

Figur 4
(a) rigid hjernen transformasjon av oversettelse og rotasjon for å justere grunnleggende koordinere rammer. (b) lineær deformasjon etter landemerker. Komponentene i egenvektorene har måttet tilpasses i henhold til den lineære deformasjon. (C) ikke-lineær normalisering utligning ikke-lineære hjerneform forskjeller. 3-D vektor skift var forskjellig for hver voxel fører til en egen transformasjon for hver voxel av 3-D voxel rekke for å bevare de retningsbestemte relasjoner mellom egenvektorer av neighbored voxels.

Figur 5
Figur 5. (A) Skjematisk eksempel for en iterativ mal-spesifikk MNI-normalization: Etter en 1 st normalisering trinn basert på landemerker, etter aritmetisk gjennomsnitt av DTI-data I 0, ble første maler T 1 ((b = 0) mal og FA-mal) innhentes. Senere, i en iterativ prosedyre, ble normalisert DTI-data I en erholdt ved ikke-lineær normalisering til de tidligere definerte maler (T 1). Fra disse nylig normalisert DTI-data I 1, ble nye maler (T 2) utledet som igjen kan brukes til normalisering. Dette iterativ prosess stoppes når en forhåndsdefinert tilfeldighet (mål av korrelasjon) mellom DTI-data og maler ble nådd (b) Scheme for data pre-prosessering før hele hjerne-baserte romlig statistikk (WBSS):. FA-kart er beregnet ut fra normaliserte DTI data og en utjevning filter til den enkelte normalisert FA-maps er brukt. I et påfølgende trinn, er voxelwise statistisk sammenligning mellom pasientgrupper og tilsvarende kontrollgruppe performed. Etter korreksjon for multiple sammenligninger ved hjelp av falske funn-rate (FDR) algoritme og en clustering prosedyre for ytterligere reduksjon av alfa feil, vises resultatene på en morfologisk bakgrunn. Klikk her for å se større figur .

Figur 6
Figur 6. Resultater av hele hjerne-baserte romlig statistikk (WBSS) av ALS pasienter vs kontroller. (A) Lokal maksimalt redusert FA verdier i en sagittal, KORONAR HJER og aksial visning (thresholded på p <0,01, korrigert for multiple sammenligninger ) (b) FT med utgangspunkt i corticospinal skrift brukt som grunnlag for tfas (c) (animasjon 1):.. Konsernets forskjeller i FA-ma ps oppdaget av hele hjernen basert romlige statistikk (WBSS) mellom et utvalg av ALS pasienter og matchet kontroller i slicewise visualisering. Klikk her for å se større figur .

Figur 7
Figur 7 (animasjon 2):. Fiber tracking (FT) på gruppen gjennomsnitt data (kontroller) med utgangspunkt i corpus callosum (til venstre) og i corticospinal tarmkanalen (til høyre). Klikk her for å se større figur .

fig8highres.jpg "src =" / files/ftp_upload/50427/50427fig8.jpg "/>
Figur 8 hele hjernen baserte romlig statistikk før artefakt korreksjon. (Volum eliminering - VE) (til venstre) og etter gjenstand korreksjon (til høyre), hver rettet til p <0,05, falske funnrate (FDR)). FA økning i kalde farger, FA nedgang i varme farger.

Figur 9
Figur 9 multiparametric MR for et motiv med xeroderma pigmentosum (XP) Øvre rad:.. T1-vektet konvensjonell MRI innlegg kontrast i KORONAR HJER, sagittal og aksial visning. Fokus på en venstre-hemisfæriske kontrast-forsterket lesjon med perifocal ødem i frontoparietal hvit substans Middle rad:. FA maps (display terskel 0,2) med identiskefokusere Nedre rad: FT resultater med frø poeng i thalamus - venstre:. XP emne, høyre: gjennomsnittlig FT fra 7 kontroller.

Figur 10
Figur 10. Pasient med biopsiverifisert anaplastic oligoastrocytoma WHO III ° og komplett kirurgi og kombinert radio-/chemotherapy og adjuvant kjemoterapi. Langsgående forskjeller i FA-kart mellom to påfølgende skanninger med et tidsintervall på 7 måneder (FA forskjell 0,15, korrigert FDR).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Inter-individuelle gjennomsnittverdi DTI data kan oppnås med hensyn til diffusjon amplitude (ved bruk av FA informasjon) og diffusjon retning (basert på FT), henholdsvis. Midling av FA maps tillater statistisk sammenligning av faggruppene ved WBSS og tfas. Denne metodiske rammeverket gir en innføring i DTI teknikker med mellom forsøkspersonene gjennomsnitt og gruppen sammenligning. Stereotaxic normalisering og sammenligning av FA kart på konsernnivå åpner for flere muligheter for å kvantifisere forskjeller mellom faggruppene. WBSS og tfas synes å være en skifterett måte å måle forskjeller på konsernnivå i grupper av individer med en GroupWise lignende mønster av hjernen endringer, f.eks nevrodegenerative sykdommer. For lidelser med heterogene kliniske fenotyper, kan en analyse tilnærming på konsernnivå ikke brukes, men en analyse i en parvise måte kan være hensiktsmessig, som demonstrert for eksempel i studien i XP pasienter.Dette DTI-baserte hjernen kartlegging på enkelt tilfelle nivå er også viktig i en annen klinisk sammenheng, det vil si kombinasjonen av ulike ikke-invasive bildediagnostiske verktøy og deres co-integrering i rammeløse stereotaxy / neuronavigational systemer etter registrering som en viktig og verdifull del av preneurosurgical diagnostikk . Ulike tekniske tilnærminger som fMRI teknikker, DTI, MRS, positronemisjonstomografi (PET), singel foton emisjon computertomografi (SPECT), og magnetoencefalografi (MEG) med alternativer av nyttige kombinasjoner er i klinisk bruk (f.eks 47,48,49) .

Vanligvis er DTI-baserte teknikker begrenset i at de bare er i stand til å analysere direktivitet i hvit substans med en MR-spesifikk oppløsning i størrelsesorden millimeter. FT rekonstruksjoner mulig å visualisere den mest sannsynlige axonal fiber retningen, ikke aksonale strukturer selv. Dermed vil det ikke være mulig ved DTI til bilde aksoner directly. Spesifikke begrensninger av DTI datainnsamling og påfølgende analyse som beskrevet her, er først den romlig oppløsning som kan oppnås i løpet av en viss forhåndsbestemt skanning tid. Men dette oppkjøpet begrenset av hva personer med redusert fysisk kapasitet på grunn av alder og syke tilstander kan stå. Begrenset voxel størrelse fører til vanskeligheter for å løse regioner med kryssing fibre. Sekund, var de fleste studier presentert her utført med 12 diffusjon vektet gradient retninger - slik DTI skanning protokollen åpner for FA-mapping med tilstrekkelig kvalitet. FT med 12 gradient retninger avslører riktige resultater i store axon fiber strukturer, men som en tredje begrensning, kan det oppstå problemer i regioner av kryssende fibre og i regioner der ingen distinkte fiberstrukturene kan separeres i en gitt romlig oppløsning. Forslag for å løse kryssende fibre var først på "fast-marsj" algoritmen 50 som i prinsippet husker history i tarmkanalen og marsj med store skritt gjennom krysset fiber region og andre såkalte "Q-ball" avbildning 51 som ved anskaffelse av et stort antall graderte retninger (> 100) gjør det mulig å detektere mer enn en retning i en enkelt voksel. En annen tilnærming for å få detaljert informasjon om skytespillet fiber arkitektur er den høye vinkeloppløsning diffusjon-vektet imaging (Hardi) hvor ytterligere retningsbestemt oppkjøp ordninger (for eksempel 129 diffusjon koding gradient retninger) levere mer informasjon om områder med fiber kryssinger enn standard DTI 52. Flere alternativer for FT ble implementert i Tift: Streamline sporing 2,3, Tensor Nedbøyning 53, Fast 50 Marching-algoritmen, og modifikasjoner av disse teknikkene 31. Valget av FT-algoritmen ikke påvirker analysen strategien, dvs. at hvert av de gjennomførte FT algoritmer kan brukes under analyseprosessen ved than konsernnivå. Siden det ikke eksisterer noe generelt optimalisert FT teknikk valget av FT teknikken er avhengig av den spesifikke spørsmål adressert av studien. Nye utbygginger av FT algoritmer (f.eks 54) kan bidra til å ytterligere forbedre resultatene, spesielt i å løse kryssende fiber strukturer. En helt annen tilnærming ville være bruk av TBSS 10 (se innledningen).

Behandlingen rørledning rapportert i denne studien var først og fremst utviklet for kliniske studier når klinisk rutine MR-protokollen er nødvendig for å være ganske korte, dvs. Voxel vedtak i størrelsesorden 2 mm og et begrenset antall av signal-ansamlinger (SA) og gradient retninger (GD ), dvs. SA x GD i størrelsesorden 50 til 80 benyttet. For studier med fokus på høy oppløsning DTI skanner (Voxel oppløsninger inkludert skive tykkelse <1,5 mm og høy oppløsning tensor skanning inkludert GD> 50 med et visst antall signal accumulations (SA> 2), dvs. SA x GD> 100, er et alternativ for nøyaktig romlig normalisering bruk av høye dimensjonale fordreining algoritmer på separate anatomiske datasett 55.. Videre er postprosessering rapportert i denne studien basert på bruk av en studie-bestemt mal som egentlig krever trenger en iterativ prosess normalisering. Et alternativ kan være ikke-iterativ normalisering til en stereotaxically standardisert DTI mal med den ulempen at den forbedrede nøyaktigheten av stereotaxic normalisering en studie bestemt mal ikke ville bli tatt nytte av. En begrensning av å kjøre FT på romlig normaliserte datasett er at sporing kan bli begrenset av normalisering prosessen, kunne dvs. lineære og ikke-lineære normalisering skritt føre til små unøyaktigheter i tensor retningen. På den annen side, algoritmer som global sporing 54 at arbeidet med f.eks høye kantete oppløsning diffusjon imaging data

I tillegg er den mest kritiske trinnet i analysen fremgangsmåte en nøyaktig ko-registrering av DTI data til hverandre. Dårlig co-registrering kan føre til falske positive eller falske negative resultater. For å forbedre samregistrering kvalitet, den iterative karakteren av normalisering prosessen ved bruk av studiespesifikke maler er et viktig trinn i databehandling. I tillegg, utjevning av de resulterende datasett bidrar tilforbedre datakvaliteten ved reduksjon av gjenværende romlige unøyaktigheter. En annen iterativ tilnærming for å få parametere for romlig normalisering har nylig blitt utgitt av Mohammadi og kolleger 57 og gjort tilgjengelig som en verktøykasse for SPM. Deres algoritme er blitt utviklet hovedsakelig for å beregne parametere for normalisering en symmetrisk mal.

I betydningen av en feilsøking prosess, gjør at begrepet Tift programvare for å kontrollere resultatet etter hvert pre-og etterbehandling trinn. På den måten er individuelle data / resultater screening (også av enkle datasett) på konsistens og troverdighet å bli gjennomførbart for å endelig gi rom for samhandling på alle trinn i analysen kaskade.

Samlet utgjør disse studier støtter forestillingen om at FA er en sensitiv markør for cerebral WM patologi (se også 58). Gitt at biomarkør-fokusert tilnærming er nå en prioritet i mange nevrologiske og spesielt neurodegenerative sykdommer, aktuelle studier styrke rollen som DTI som et ekstra verktøy for å definere hjernen pathoanatomy av mikrostruktur in vivo fingeravtrykk egenskaper. Dti analyser på et nivå gruppe synes å være nyttige for identifikasjon og kvantifisering av pathoanatomical funksjoner i forhold til det ikke-invasive markører. Ytterligere resultater kan gis av kombinert analyse av avanserte MR-baserte teknikker for beregningsorientert neuroanatomy, dvs. kombinasjonen av DTI med f.eks intensitet-basert analyse av 3-D T1-vektet MR (f.eks 59), eller hviletilstand funksjonell magnetisk resonans imaging (f.eks 60) så vel som med korrelasjon av andre klinisk avledet kvantitative parametre.

I den komplementære eller multiparametric tilnærmelse blir DTI kombinert med andre MRI modaliteter, slik som T2-eller T1-vektede avbildning, MT eller magnetisk resonnansspektroskopi (MRS) for å oppnå fullstendig og comrende informasjon 29. Som eksempler, 61 og 23 korrelerte DTI-FA resultater med T2 avslapning tid i multippel sklerose, og 62 utført vev karakterisering av kombinasjonen av DTI og T1-vektet imaging. Den multiparametric tilnærming, som vist i studien i det XP pasienter ved enkelt-fag nivå, åpner for komplementært og omfattende analyse av affektasjon av strukturer i hjernen ved hjernesykdommer. Mulighetene for DTI for overvåking sykdomsutvikling på individnivå i langsgående observasjoner har vist, men mer longitudinelle studier er nødvendig i fremtiden å gjøre bruk av dette potensialet.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Forfatterne har ikke noe å avsløre.

Acknowledgments

Deler av dette arbeidet, dvs. studie på QC og korrigering for ødelagt gradient retninger i programmet til data fra pasienter med hyperkinetisk forstyrrelse, ble støttet av European HD nettverk (EHDN prosjekt 070). MR skanner i denne bestemte studien ble kjøpt som en del av London nettstedet TRACK-HD kohort.

Materials

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

DOWNLOAD MATERIALS LIST

References

  1. 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).
  2. Mori, S., van Zijl, P. C. M. Fiber tracking: principles and strategies - a technical review. NMR Biomed. 15, 468-480 (2002).
  3. Basser, P. J., Mattiello, J., LeBihan, D. MR Diffusion Tensor Spectroscopy and Imaging. Biophys J. 66, 259-267 (1994).
  4. 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).
  5. Pierpaoli, C., Basser, P. J. Toward a quantitative assessment of diffusion anisotropy. Magn. Reson. Med. 36, 893-906 (1996).
  6. 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).
  7. Le Bihan, D., Mangin, J. F., et al. Diffusion tensor imaging: concepts and applications. J. Magn. Reson. Imaging. 13, 534-546 (2001).
  8. 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).
  9. 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).
  10. Smith, S. M., Jenkinson, M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. Neuroimage. 31, 1487-1505 (2006).
  11. 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).
  12. Talairach, J., Tournoux, P. Coplanar stereotaxic atlas of the human brain. , Thieme Medical. New York. (1988).
  13. Brett, M., Johnsrude, I. S., Owen, A. M. The problem of functional localization in the human brain. Nat. Rev. Neurosci. 3, 243-249 (2002).
  14. 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).
  15. 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).
  16. 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).
  17. 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).
  18. 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).
  19. 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).
  20. Pierpaoli, C., Barnett, A. Water diffusion changes in Wallerian degeneration and their dependence on white matter architecture. Neuroimage. 13, 1174-1185 (2001).
  21. Agosta, F., Valsasina, P., et al. Sensorimotor functional connectivity changes in amyotrophic lateral sclerosis. Cereb Cortex. 21, 2291-2298 (2011).
  22. 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).
  23. Reich, D. S., Zackowski, K. M. Corticospinal tract abnormalities are associated with weakness in multiple sclerosis. Am. J. Neuroradiol. 29, 333-339 (2008).
  24. Abe, O., Yamada, H. Amyotrophic lateral sclerosis: Diffusion tensor tractography and voxel-based analysis. NMR Biomed. 17, 411-416 (2004).
  25. 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).
  26. 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).
  27. 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).
  28. 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).
  29. 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).
  30. 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).
  31. 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).
  32. 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).
  33. 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).
  34. 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).
  35. Ashburner, J., Friston, K. J. Nonlinear Spatial Normalization Using Basis Functions. Human Brain Mapping. 7, 254-266 (1999).
  36. 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).
  37. 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).
  38. 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).
  39. Cleaver, J. E. Defective repair replication of DNA in xeroderma pigmentosum. Nature. 218, 652-656 (1968).
  40. Anttinen, A., Koulu, L., et al. Neurological symptoms and natural course of xeroderma pigmentosum. Brain. 131, 1979-1989 (2008).
  41. 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).
  42. 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).
  43. 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).
  44. 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).
  45. 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).
  46. Kassubek, J., Ludolph, A. C., Müller, H. -P. Neuroimaging of motor neuron diseases. Ther. Adv. Neurol. Disord. 5, 119-127 (2012).
  47. Kassubek, J., Juengling, F. D. Multimodality functional neuroimaging. In: C. Stippich (Ed.): Clinical functional MRI - Presurgical functional neuroimaging. , Springer. Berlin/Heidelberg/New York. (2007).
  48. 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).
  49. 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).
  50. 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).
  51. 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).
  52. 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).
  53. Lazar, M., Weinstein, D. M., et al. White matter tractography using diffusion tensor deflection. Human Brain Mapping. 18, 306-321 (2003).
  54. Reisert, M., Mader, I., Anastasopoulos, C., Weigel, M., Schnell, S., Kiselev, V. Global fiber reconstruction becomes practical. Neuroimage. 54, 955-962 (2011).
  55. Klein, A., Andersson, J. Evaluation of 14 nonlinear deformation algorithms applied to human brain MRI registration. Neuroimage. 46, 786-802 (2009).
  56. Bammer, R. Basic principles of diffusion-weighted imaging. Eur. J. Radiol. 45, 169-184 (2003).
  57. 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).
  58. Turner, M. R., Grosskreutz,, et al. Towards a neuroimaging biomarker for amyotrophic lateral sclerosis. Lancet Neurol. 10, 400-403 (2011).
  59. 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).
  60. 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).
  61. 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).
  62. 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).

Tags

Medisin Neuroscience nevrobiologi Molecular Biology Biomedical Engineering anatomi fysiologi nevrodegenerative sykdommer nukleær magnetisk resonans NMR MR MR diffusjon tensor imaging fiber sporing gruppenivå sammenligning nevrodegenerative sykdommer hjerne bildebehandling kliniske teknikker
Diffusion Tensor Magnetic Resonance Imaging i Analyse av nevrodegenerative sykdommer
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Müller, H. P., Kassubek, J.More

Müller, H. P., Kassubek, J. Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases. J. Vis. Exp. (77), e50427, doi:10.3791/50427 (2013).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter