Waiting
Login processing...

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

Medicine

Тензора диффузии Магнитно-резонансная томография в исследовании нейродегенеративных заболеваний

Published: July 28, 2013 doi: 10.3791/50427
Automatic Translation
1, 1
1Department of Neurology, University of Ulm

Summary

Воображение тензора диффузии (DTI) в основном служит МРТ-инструмент для выявления

Abstract

Воображение тензора диффузии (DTI) методы обеспечивают информацию о микроструктурных процессов головного белого вещества (WM) в естественных условиях. В настоящем приложения предназначены для исследования различий узоров WM участие в различных заболеваний мозга, особенно нейродегенеративных расстройств, при использовании различных анализов DTI в сравнении с контрольной группой.

DTI анализ данных выполняется в мерный образом, т. voxelwise сопоставление региональных направлении диффузии на основе таких показателей, как фракционная анизотропия (ФА), а также волоконно-слежения (FT) в сопровождении tractwise дробной статистике анизотропии (TFAS) на уровне группы в целях выявить различия в Англии наряду WM структур, направленный на определение региональных особенностей изменений WM на уровне группы. Трансформация в стереотаксической стандартном пространстве является необходимым условием для групповых занятий и требует тщательной обработки данных, чтобы сохранить Directional взаимозависимости. Настоящий приложения появятся оптимизированные технические подходы к этому сохранение количественных и направленной информации при пространственном нормализации анализа данных на уровне группы. Исходя из этого, FT методы могут быть применены к группе усредненные данные для того, чтобы количественно данные метрик, как это определено FT. Кроме того, применение методов DTI, т.е. различия в FA-карты после стереотаксической выравнивания в продольном анализа на индивидуальной основе субъект раскрывать информацию о прогрессировании неврологических расстройств. Дальнейшее улучшение качества DTI основе результаты могут быть получены при предварительной обработке путем применения контролируемого устранение градиент направлениях с высоким уровнем шума.

Таким образом, DTI используется для определения различных патологической анатомии WM различных заболеваний мозга путем сочетания всего головного мозга на основе путей и анализа на основе МТП.

Introduction

Воображение тензора диффузии в человеческом мозге

Белого вещества (WM) трактов в центральной нервной системе состоит из плотно упакованных аксонов в дополнение к различным типам нейроглии и других небольших популяций клеток. Мембраны аксона, а также хорошо выровненных волокон белка в аксон ограничивает диффузию воды перпендикулярной к ориентации волокон, что приводит к анизотропной диффузии воды в мозге WM 1. Миелиновых оболочек вокруг аксонов также может способствовать анизотропии для внутри-и внеклеточной воды 2.

Количественное описание этой анизотропии могут быть обнаружены воображение тензора диффузии (DTI). DTI производит изображения тканей взвешены с учетом местных микроструктурных характеристик диффузии воды. Изображений интенсивности в каждом положении ослабляются, в зависимости от силы и направления так называемого градиента магнитного диффузии (представлено вб-значение), а также на локальном микроструктуры в которых молекулы воды диффундируют 3, коэффициент диффузии D, скалярное значение:

Уравнение 1
Тем не менее, в присутствии анизотропии СУС, диффузия не может быть охарактеризована одним коэффициентом скаляр, но требует тензор Уравнение 3 которая в первом приближении описывает молекулярную подвижность по каждому направлению и корреляции между этими направлениями 4. Анизотропии диффузии в основном связано с ориентацией волокон участки в WM и находится под влиянием ее микро-и макроструктуры особенности. Из микроструктуры, intraaxonal организации видимому, имеет наибольшее влияние на анизотропии диффузии, кроме того, плотность волоконй упаковки клеток, степени миелинизации, а отдельные диаметра волокна. В макроскопических масштабах, изменчивость в ориентации всех путей в WM изображений воксел влияет на ее степень анизотропии 5.

В типичных измерений DTI, воксел размеры приведены в порядок миллиметров. Таким образом, вокселов всегда содержит усредненной информации молекул воды внутри обнаруженного объем, который обычно охватывает несколько аксонах, а также окружающих молекул воды. Несмотря на это разнонаправленные среды, МТП чувствительного к ориентации крупных основной оси, которая выравнивает к преимущественному аксонального направлении, т.е. аксонального вклад доминирует измеренного сигнала 2.

DTI предоставляет два типа информации о недвижимости диффузии воды: во-первых, ориентация независимых степень анизотропии диффузии 5 и, во-вторых, преобладающее направление диффузии воды в мнимойэлектронной вокселов, т.е. диффузии ориентации 6.

Современные протоколы должны обеспечивать рамках DTI методов анализа для количественного сравнения предметных групп на уровне группы, как об этом говорится в следующем.

Количественная оценка свойств диффузии - анализ параметров

Элементы симметричный тензор может быть измерена путем диффузии градиент вдоль по меньшей мере шесть неколлинеарных и некомпланарными направлениях, так что Ъ (уравнение 1) стала тензор, что приводит к ослаблению сигнала

Уравнение 2
Это уравнение требует учета возможных взаимодействий между изображениями и диффузии градиенты, которые применяются в ортогональных направлениях (перекрестные члены) и даже между изображениями градиенты, которые применяютсяв ортогональных направлениях 4.

Второго ранга тензора диффузии Уравнение 3 всегда может быть приведена к диагональному оставив только три ненулевых элементов на главной диагонали тензора, т.е. собственные значения ( Уравнение 4 ). Собственные отражают форму и конфигурацию эллипсоида. Математическую зависимость между основными координат эллипсоида и лабораторной описывается собственные векторы Уравнение 5

Так как существует несколько проблем при отображении тензор данных, концепция диффузии эллипсоидов была предложена 3. Eigendiffusivities из этих электронныхllipsoids представляют собой одномерные коэффициентов диффузии в основном направлении диффузии среды, т.е. основной оси эллипсоида является основным направлением диффузии в воксела которой совпадает с направлением волокон, при этом эксцентриситет эллипсоид предоставляет информацию о степень анизотропии и ее симметрии. Поэтому анизотропии диффузии показателей, таких как дробная анизотропии (ФА) может быть определено 7.

Уравнение шесть
Уравнение 7 является средним арифметическим всех собственных.

Еще один подход заключается в использовании основное направление тензора диффузии для решения соединения WM головного мозга, отвечающая трактография подхоч. который имеет намерение исследовать, какие части головного мозга соединены друг с другом. Если предположить, что ориентация основной компонент тензора диффузии представляет ориентации доминирующей аксонального путей, 3-D векторное поле предусмотрено, в котором каждый вектор представляет ориентации волокон. В настоящее время существует несколько различных подходов для восстановления WM участки, которые могут быть разделены на два типа: первая категория основана на линии распространения алгоритмов с использованием локальной информации тензор на каждом этапе распространения волокна тракта 2,8,9. Вторая категория основана на глобальной минимизации энергии, чтобы найти наиболее энергетически выгодная путь между двумя областями WM, в результате чего подход тракта на основе пространственной статистики (TBSS) 10, который был использован в других алгоритмов, таких как tractwise дробной статистике анизотропии (TFAS - см. текст протокола, раздел 2.4)..

Преобразование в стереотаксической стендARD пространства

Как и в других передовых методов МРТ, DTI-и FT на основе исследований в клиническом контексте добиваться конечной цели классифицировать морфологии мозга конкретного пациента, чтобы облегчить диагностический процесс, основанный на некоторую дискриминацию метрических 11. Исследования на уровне группы, которые наиболее актуальны если общий клинический фенотип, как предполагается, из-за повреждения одного или нескольких конкретных областях мозга или конкретных нейроанатомическую сети. Здесь усреднение результатов по различным предметам полезна для оценки общих закономерностей микроструктурных изменений. Каждый отдельный мозг должен быть передан в стереотаксической пространство таким образом, что на втором этапе, арифметическое усреднение результатов на воксела-на-воксела уровне возможно. Пространственное нормализации разрешено для арифметических усреднением результатов, полученных из различных предметов для того, чтобы улучшить отношение сигнал-шум (SNR) и выполнить сравнение образцов пациентов и продолжениеROLS для анализа вычислительных патологической анатомии конкретного расстройства, например, нейродегенеративные заболевания, которое связано с аффектацией конкретной системы мозга.

Раннем подходе к нормализации стандартизированных стереотаксической пространства на 12 предложили алгоритм преобразования в стандартный атлас участием идентификации различных достопримечательностей по частям мозга и масштабирование мозга квадранта. В настоящее время большинство передовых МРТ анализа данных пакеты используют нормализацию Монреальского неврологического института (МНИ) стереотаксической пространстве 13. Для этого преобразования, полуавтоматические и автоматические мозга регистрации алгоритмы, использующие конкретные исследования были разработаны шаблоны 14,15. В DTI, особое внимание должно быть обращено на сохранение информации о направлении во время процесса нормализации 16,17. Применение пространственных преобразований DT-МР изображений, которые требуются для пространственного нормализацииколлекций наборов данных, в отличие от коробления скалярных изображений, осложняется тем фактом, что ДЦ содержать ориентационная информация, которая снова зависит от трансформации. Этот эффект должны быть учтены в целях обеспечения анатомической правильности преобразованное изображение. Здесь методы применения аффинного преобразования, чтобы DTI наборов данных представлены.

Применение DTI для заболеваний головного мозга

Сравнение продольной DTI данных требует выравнивания / регистрации данных одного субъекта друг с другом. В этом контексте, сохранение информации о направлении необходимо (т.е. вращение Тензор диффузии при аффинных преобразований). Возможные приложения для нейродегенеративных заболеваний были зарегистрированы ранее (например, 18,19).

Министерство торговли и промышленности был создан в качестве надежных неинвазивных техническим инструментом для исследования в естественных условиях Neuropatholлогии WM нейронных путей (например 11,20,21,22). DTI основе количественных метрик процесса диффузии, например, FA, уже было показано, чувствительных маркеров для изучения широкого спектра патологий, WM, таких как инсульт 20, рассеянный склероз 23, боковой амиотрофический склероз 24, 25, болезни Альцгеймера 26 и ряд других расстройств WM 27,28.

Кроме того, МТП с FT может быть использован для идентификации WM трактов 23. Этот метод, в то время как до сих пор не в рутинной клинической использования, становится мощным инструментом для оценки пути конкретных отклонений в неврологическом заболевании. В определены путей, различные количественные показатели МРТ, полученных из DTI и дополнительные приобретения (например, Т2-взвешенных изображений и / или намагниченность перевода (МП) изображения), которые анатомически coregistered к DTI данные могут быть измерены. Настоящим, каждый индекс может быть исчислениеated в зависимости от положения в тракте, ссылаясь на участках изображающие их пространственное изменение как тракт профилей.

В следующем, человеческие сканирований DTI, которые были выполнены на 1,5 Тесла МРТ-сканеры (Siemens Medical, Эрланген, Германия) были использованы для исследования потенциала различных методов анализа для обнаружения аномалий белого вещества в группах пациентов, а также у лиц. После автоматизированной проверки качества для ликвидации движения поврежденного объемы и объемы с других видов артефактов, стандартизированные процедуры постобработки DTI подготовить данные для последовательного анализа. Различные подходы анализ будет проиллюстрировано следующими, то есть первый, весь мозг основан пространственной статистики (WBSS), второй FT, и, в-третьих, Tractwise дробной статистике анизотропии (TFAS). WBSS это метод, который работает по аналогии с воксел основе морфометрии (ВБМ), который, как правило, известные как воксел основе морфометрии / статистика по данным DTI (ВБМ / DTI)

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Методы анализа: предварительная и последующая обработка

Задачей следующего протокола для анализа свойств диффузии voxelwise в пределах путей белого вещества, которое может быть - за счет voxelwise обнаружения - или изотропными или анизотропными, в результате вытянутого или сплющенного диффузии тензора для соответствующих вокселов. Параметризации тензоров воксел использоваться как для расчета FA-карт или идентификации fibertracts (рис. 1).

Для того чтобы получить результаты анализа, как показано в следующем, использовать тензора изображений пакет программного обеспечения и волокна слежения (Tift) 17. Tift предоставляет инструменты для анализа следующих требований:

  • Анализ с точки зрения DTI метрики, например, FA-карт,
  • стереотаксической нормализации
  • Группа сравнения с точки зрения FA или других метрик DTI
  • различные подходы анализа FT
  • FT среднем по группе DTI данных и соответствующего статистического анализа.

Эти функции позволяют различные анализы в одной программной среде 17,29,30,31. Tift программное обеспечение постоянно совершенствуется для новых опций в DTI анализа данных.

На рисунке 2 приведен схематический обзор, как анализировать DTI данные на уровне группы после пространственной нормализация два взаимодополняющих подхода, т.е. как по WBSS TFAS и, наконец, получить различия между субъектом образцов на уровне группы, например, по сравнению с больными мозг здоровых людей. Здесь WBSS направлен на voxelwise объективной обнаружения участков с различиями на уровне группы, тогда как TFAS основан на предопределенных fibertracts; TFAS начиная области могут быть либо свободно выбран или могут быть получены из WBSS результаты (`` из точек доступа значительно изменили FA).

Отдельные продольные сравнения FA-картами осуществляется обнаружениеTing различия в FA-карты измерений при различных временных точках после аффинного стереотаксической выравнивания (рис. 2).

  1. Проверка качества (QC), включая коррекцию для поврежденных направления градиента
    В случае нарушения движения во время приобретения, то есть в случае повреждения объемов, увеличение SNR получается путем исключения одного направления градиента (GD) для расчета тензора. С этой целью проверки качества (КК) 32 Алгоритм был разработан. Короче говоря, для сканирования, которые содержали поврежденных объемов, увеличение SNR достигается путем исключения одного направления градиента по одному за раз перед тензор оценка: для каждого GD, взвешенной дисперсии вычисляется из всех остальных направлениях в последовательность путем взвешивания с углом которые они отличались от индекса GD.
    1. Выполнение артефакт коррекции путем обнаружения GD, по крайней мере один срез показывает пониженную интенсивность, артефакты т.е. движение, вызванное спонтанной су ▪ Таблица движения (рис. 3, верхняя панель). Для любой диффузии Среднедневной объем, вычислить среднее значение интенсивности для каждого слоя и сравнить ее интенсивности с теми же ломтик во всех других томов с помощью взвешенного подхода среднем - весовой коэффициент равен скалярного произведения векторов двух GD Уравнение 8 :
      Уравнение 9
      Уравнение 10
      Уравнение 11 обозначает интенсивность среднее арифметическое срез под наблюдением и427eq12.jpg "/> кусочек для сравнения. Относительное отклонение средней интенсивности Уравнение 13 взвешивается скалярного произведения GD. Таким образом, для того, чтобы определять глобальный параметр:
      Уравнение 14
      отражает минимум slicewise сравнение всех ломтиками.
    2. Если Q не превышает определенного порога (в примере, порог 0,8 используется для этой цели), устранить, что весь объем или GD. Порог 0,8 считается стабильным решением 32. 3 иллюстрирует видимых артефактов движения в сагиттальной реконструкции и обнаружить QC алгоритма. В этом примере из общего количества GD (синие точки на рисунке 3с), 17 были ниже красной линии, которая соответствует Q = 0,8 и шоусть быть устранены. Примером тому ликвидации статистику для всего исследования представлены на рисунке 3d. В этом варианте исследовании DTI данных 29 бессимптомных субъектов HD сравнивали с DTI данных 30 управления. Дальнейшие подробности этого алгоритма представлены в 32, 33.
  2. Предварительная обработка и пространственный нормализации
    1. Выполните коррекцию вихревых токов индуцированных геометрические искажения эхо-планарной визуализации данных устанавливается по методике, предложенной на 34.
    2. Для нормализации стереотаксической, создайте исследование конкретных (B = 0) - шаблон и FA-шаблона, как описано ранее 17,28,31. В основном, полное нелинейное стереотаксической нормализации состоит из трех компонентов деформации. Следовательно, в результате тензора диффузии Уравнение 15 каждого воксела я должен быть вращающейсяред по всем поворотам, перечисленных выше (рис. 4):
      1. На рисунке 4а показаны жесткие преобразования мозга для выравнивания основных системах координат. Вращение Уравнение 16 в результате согласования с основной системы координат должен быть применен
        Уравнение 17
      2. На рисунке 4б показана линейная деформация в соответствии с ориентирами. Компоненты Собственные векторы Уравнение 5 должны быть адаптированы в соответствии с шестью параметрами нормализации S (в зависимости от области мозга, с,, = 1 ... 6) линейной деформации.
        V W, J W, J'''
        W = 1,2,3 и J = X, Y, Z.
      3. На рисунке 4в показана нелинейной нормализации выравнивания нелинейные различия мозга формы. 3-D векторной сдвигов различны для каждого воксел ведущих к отдельным преобразованием для каждого воксел 3-D массив воксел Уравнение 18 ). Стандартные тригонометрические дает матрицу вращения независимо для каждого воксела, в результате 3-D вектор сдвигается в соответствии с понятиями 16 для того, чтобы сохранить направленности отношений между Собственные векторы соседствует вокселов. Таким образом, различные сдвиги два соседствует вокселов в результате вращения соответствующих собственных векторов. Используйте расширения матрицы для выравнивания тензора Уравнение 15 каждого вокселеокружающие вокселы.
        Уравнение 19
        Уравнение 20 являются компонентами Уравнение 18
      Весь процесс нормализации итеративный, т.е. создать сканер и последовательность-специфический (б = 0) - шаблон для этого исследования на первом этапе на среднем арифметическом (б = 0) - объемы всех испытуемых после линейного преобразования, в соответствии с вручную определить этапы. После этого первого нормализации, создают улучшенные шаблоны для того, чтобы оптимизировать нормализации матриц. Следующие шаги 1.2.3 до 1.2.5 схематически визуализированы на рисунке 5а.
    3. После этого отдельные процедуры нормализации (Санкт-EP (I) - DTI-данных I 0), используйте все DTI отдельных наборов данных для создания конкретного исследования (B = 0) - шаблон и FA-шаблон (стадия (II) - шаблоны T 1). Как неаффинные регистрации FA-шаблон имеет то преимущество, что оно обеспечивает больший контраст по сравнению с (б = 0) изображения 10, определяют FA-шаблон путем усреднения всех индивидуально полученных FA-карты пациента и контроля.
    4. На втором этапе, после основных идей Ashburner и Friston 35, выполняет нелинейную MNI нормализации (стадия (III)) от МТП наборов данных путем минимизации несоответствия между региональным интенсивностей FA-карта для установки и FA-шаблона в соответствии с квадратов разностей (X 2) - таким образом, вы получаете DTI данных I 1.
    5. На основании этих данных, новые шаблоны T 2 являются производными (стадия (IV)). Повторите это итерационный процесс до корреляции между отдельными FA-карты и тОн FA-шаблон> 0,7. Обычно это достигается после двух итераций.
  3. Весь мозг на основе пространственной статистики
    Следующие шаги 1.3.1 до 1.3.5 схематично отображаются на фиг.5b.
    1. Рассчитать FA-карты из нормализованного данных DTI в отношении нормализации процедуры 1.2. в целях сохранения информации о направлении (стадия (I)).
    2. В предварительном этапе перед voxelwise статистического сравнения, нанесите сглаживающий фильтр (стадия (II)), чтобы отдельные нормированные FA-карт. Для сглаживания, тот факт, что размер фильтра влияет на результаты анализа данных DTI 36 требует применения согласованного фильтра теорема в котором говорится, что ширина фильтра, используемого для обработки данных должна быть адаптирована к размеру ожидаемой разницы, как описано в предыдущих приложений DTI данные пациентов с нейродегенеративных расстройств (например, 28).
    3. Выполнить статистический оценочногоАрисона между группами пациентов и соответствующие voxelwise контрольную группу по Стьюдента-тест, т.е. сравнивать FA значений пациентов FA-карт с FA значения элементов управления FA-карты, для каждого воксела отдельно (стадия (III )). FA значения ниже 0,2 не рассматриваются, так как для расчета коркового серого вещества показывает FA значения до 0,2 37.
    4. Статистические результаты должны быть исправлены для множественных сравнений использованием ложных открытий-ставка (FDR) алгоритма при р <0,05 38 (стадия (IV)). Дальнейшее снижение альфа ошибки должно быть выполнено посредством пространственного алгоритм корреляции (кластеризации - шаг (V)), которые устранены изолированных вокселей или небольшие изолированные группы вокселов в диапазоне размеров от сглаживающего ядра, что приводит к пороговое значение размера кластера 512 вокселы.
    5. Для отображения результатов на фоне морфологической (стадия (V)), нормализуют 3-D T1 взвешенных наборы данных для MNI пространстве и средним арифметическим. Выполните это нормализация Procedure с помощью исследования конкретных шаблон по аналогии с нормализацией применяется к DTI наборов данных 17.

На рисунке 6 показаны результаты всего головного мозга на основе пространственной статистики (WBSS) пациентов с БАС по сравнению с контролем. 6а показан локальный максимум снизилась FA значения в сагиттальной, coronar и осевое (пороговой при р <0,01, с поправкой на несколько сравнений). рисунке 6б показывает проекционных FT с отправными точками в урочище кортикоспинальными использована в качестве основы для TFAS. фиг.6с показывает различия между группами в FA-карты обнаружены весь мозг основан пространственной статистики (WBSS) между образцом пациентов с БАС и контрольной группы в slicewise визуализации.

  1. Трактографии и tractwise дробной статистике анизотропии (TFAS)
    7 иллюстрирует процесс на основе групп FT в том числе TFAS, как описано в 1.4.1 до 1.4.4.
    1. Для того чтобы применить групповые алгоритмы FT, генерировать среднем DTI наборы данных из "данные и из элементов управления пациентов данные вместе в соответствии с ранее описанными методами 17. Такое усреднение требует бережного отношения ориентационной информации, которая сохраняется в течение процесса нормализации в соответствии с методами, описанными на 16 - подробнее см. 30.
    2. Выполнение трактография в усредненной DTI наборов данных субъекта групп путем применения упорядочения отслеживания техники 31. Определить определены вручную семена пунктов, прилегающих к локальным максимумам на весь мозг на основе FA анализов, которые служат основой для последовательного анализа FT. После идентификации семян, выполнять трактография и определить вокселей очерченной волокон в качестве конкретных групп маска для следующих TFAS 30.
    3. Для количественной трактография результатов, применять технику с помощью TFAS йэлектронной волокна путей, которые были созданы на усредненном DTI наборов данных всех субъектов каждой группы (данные пациента и контроля данных вместе) для отбора вокселы которые способствуют сравнение между пациентами и управления "FA-карт.
    4. Рассмотрим все возникшие вокселы со значением FA выше 0,2 для статистического анализа Стьюдента тест.
    5. При желании техники TFAS может быть применен к любому производных метрики DTI, такие как средний коэффициент диффузии (MD), радиально анизотропии осевой анизотропии и т.д. (см., например, 28).
    6. Результаты представлены на морфологические фон, состоящий из MNI нормированные 3-D T1-взвешенных наборов данных

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

1. Контроля качества и коррекции для поврежденных градиентом направлений в приложения к данным пациентов с гиперкинетической расстройств

В качестве примера на эффект применения QC и последующее исключение объем (как следствие с поправкой на поврежденные GD), 8 показаны различия в мозг целиком на основе пространственной статистики с и без объема исключение для группы сравнения 29 болезнь premanifest Хантингтона против 30 субъектов возрасту и полу контрольной группы. Сканирование протокола была выполнена на 1,5 Тесла MAGNETOM Symphony (Siemens Medical, Эрланген, Германия). Протокол DTI исследования было одинаковым для больных и контроля и состояло из 72 томов (40 ломтиков, 96 х 96 пикселей, толщина среза 2.3 мм, размер пикселя 2,3 х 2,3 мм), что составляет 64 градиентом направлениях (B = 1000 с / мм 2) и 8 сканирования с минимальной весовой диффузии (B = 100 с / мм 2). Время эхо (TE) и время повторения (TR) Wпрежде чем 90 мс и 8000 мс, соответственно.

2. DTI в пигментная ксеродерма

Сухость кожи пигментная (XP) является редким аутосомно-рецессивным progeroid синдрома, где основной дефект репарации ДНК играет центральную роль в процессе старения 39,40. Многопараметрической МРТ подход охарактеризовать cerebromorphological фенотип был использован в семи пациентов XP различных подтипов для оценки макроструктуры и микроструктурных церебральный морфологии по сравнению с контрольной группой 41, в том числе DTI, объемные измерения, и МР-спектроскопии (1Н MRS).

Протокол МРТ было приобретено 1,5 Тесла MR системы (MAGNETOM Symphony, Siemens, Эрланген, Германия), оснащен стандартным headcoil. T1 взвешенный (T1w) сканирует состояла из 196 кусочков с ломтик толщиной 1,0 мм (256 х 256 пикселей, размер пикселя 1,0 х 1,0 мм). TE и TR было 12 мс и 456 мс, соответственно. Прото DTI исследованиеCol состояло из 13 томов (45 ломтиков, 128 х 128 пикселей, толщина среза 2.2 мм, размер пикселя 1,5 х 1,5 мм), что составляет 12 градиентом направления и одно сканирование с градиентом 0 (B = 0). TE и TR были 93 мс и 8000 мс соответственно; б было 800 с / мм 2 и пяти сканирований были усреднены онлайн, программное обеспечение сканера в пространстве изображения.

В связи с клиническим и демографическим неоднородность XP-субъектов, сравнение не была выполнена на уровне группы, а в попарно способом, т.е. каждый XP-тема была проанализирована в сравнении с возрастом и полом из контрольной. FA-карту сравнения был выполнен для трансформирования расположен в таламус, в верхних дыхательных кортикоспинальными, во внутренней капсуле, а в мозолистое тело. Кроме того, направленность изменения сравнивались попарно для FT и последовательный TFAS, с отправными точками в таламус. DTI продемонстрировали значительно снижается WM направленности во всех регионах исследованы, то есть яэлектронной таламус, кортикоспинальными путей и спинного мозолистого тела, с объемом и направленности сокращения волокна прогнозы, связанные как с краниокаудальном волокон и межполушарных связей (рис. 9). Эти данные, хотя и гетерогенной среде выборку исследования, может быть связано с клинико-неврологических симптомов. Изображений данные подтверждают положение, миелин структуры ухудшают преждевременно в мозге пациентов XP, как описано в 41.

DTI в нейродегенерацию (заболевания двигательных нейронов)

Морфологические изменения в боковой амиотрофический склероз (ALS) пациентов структурные МРТ анализ 42,43, а также сенсомоторные функциональные изменения подключения у больных БАС 21 были зарегистрированы в последнее время. В этой работе в качестве примера для применения методов анализа WBSS и TFAS, двадцать ALS пациентов были исследованы многопараметрической MRI. Севerity физических симптомов, измеренная с пересмотренным ALS функциональной шкале (ALS-FRS-R) была в диапазоне от мягкого не до умеренного (35,9 ± 8,0), и ни один из пациентов показали нейропсихологические признаки лобно-височная деменция. В контрольной группе двадцать возраста и пола здоровой контрольной группой были отсканированы.

Сканирование протокола была выполнена на 1,5 Тесла MAGNETOM Symphony (Siemens Medical, Эрланген, Германия). Протокол DTI исследования было одинаковым для больных и контроля и состояло из 13 томов (45 ломтиков, 128 х 128 пикселей, толщина среза 2.2 мм, размер пикселя 1,5 х 1,5 мм), что составляет 12 градиентом направления и одно сканирование с градиентом 0 (В = 0). TE и TR были 93 мс и 8000 мс соответственно; б было 800 с / мм 2 и пяти сканирований были усреднены онлайн, программное обеспечение сканера в пространстве изображения.

Результаты для группы БАС показало обширное сокращение FA по большей части КНТ и ЦК, в последнем яncluding сегменте III в соответствии с Хофер и Frahm схеме 44, но выходящих за рамки к брюшной и спинной CC областях (рис. 6). результатов для группы БАС показало обширное сокращение FA по большей части КНТ и ЦК, в том числе последний Сегмент III в соответствии с Хофер и Frahm схеме 44, но выходящих за рамки к брюшной и спинной CC областях (рис. 6).

Еще одним примером было исследование моделей WM причастность к другим заболеваниям двигателя нейрона (БДН), т.е. ALS, первичный боковой склероз (PLS), и наследственные спастические парапарез (HSP) подразделяется на чистый (PHSP) и сложные (ЧСП), путем использования из двойной подход анализа DTI: WBSS на FA-карты была дополнена FT результатов и последующее TFAS. DTI основе сравнения ALS и PLS образцы были описаны другими авторами, а 45. Анализ PLS группа показала аналогичная картина снизилась FA Алонг CST анатомии а ЦК участия был отмечен, но менее обширная, чем в ALS и более ограниченным в сегменте III. Анализ, проведенный в PHSP образец показал FA сокращение CST которые включали более ограниченной области в этой структуре, тогда как CC изменения были, как и в схеме, что и в АЛС группы, распространяется на большей части спины CC с двигателем сегмента. Наконец, группа показала ЧСП крупнейших областей снизилась FA которые накопились в один большой кластер связан включая полную структуру КНТ и большой спинной и вентральной также части УК. Таким образом, контролируемый анализ DTI в общей сложности 72 пациентов с различными MND показал характерные модели поражение коррелирует с привлечением различных областях мозга в патологический процесс различных структур заболеваний. Для более подробного описания и обсуждения, пожалуйста, обратитесь к 22,28,46

3. DTI для продольного сравнения >

В качестве примера применения DTI в продольном сравнения, 46-летний пациент с подтвержденным биопсией анапластическую олигоастроцитома ВОЗ ° III был отсканирован. После завершения операции пациент получил сочетании radio-/chemotherapy и 6 циклов адъювантной химиотерапией.

DTI был приобретен на 4 временных точках, то есть до сочетании radio-/chemotherapy и 2, 5 и 9 месяцев после radio-/chemotherapy того, чтобы изобразить состояние региональных и глобальных WM целостности в продольном дизайна.

Сканирование протокола была выполнена на 1,5 Тесла MAGNETOM Symphony (Siemens Medical, Эрланген, Германия). DTI Протокол исследования состояла из 52 томов (64 ломтиков, 128 х 128 пикселей, толщина среза 2.8 мм, размер пикселя 2,0 х 2,0 мм), что составляет 48 градиентом направлений и четырех циклов сканирования с градиентом 0 (B = 0). TE и TR были 95 мс и 8000 мс соответственно; B был 1000 сек / мм 2.

ntent "> Рисунок 10 образцово отображает различия в FA-карты между DTI сканирования после radio-/chemotherapy DTI и сканирования через 7 месяцев, т.е. сканирование временные интервалы 2 и 4. WBSS осуществляется в соответствии с разделом 1.3. с порога ТВС 0,15, FDR исправлены.

Рисунок 1
Рисунок 1. В DTI, вокселов представляет диффузионные свойства несколько пучков аксонов для вычисления тензора диффузии, как показано эллипсоида. Для каждого воксел, тензор информация может быть параметризованные в дробных анизотропии (ФА) карты или использованы для отслеживания волокна (FT).

27fig2.jpg "/>
Рисунок 2 Верхняя панель. После проверки качества (КК) и соответствующие устранение объем (VE), МТП метрики, например FA-карты могут быть рассчитаны. На следующем шаге, либо стереотаксической нормализации (слева) позволяет сравнивать на уровне группы (весь мозг основан пространственной статистики - WBSS и / или tractwise дробной статистике анизотропии - TFAS) или стереотаксической выравнивания (справа) позволяет сравнивать продольной FA-карт . Эти анализы либо приводят к различиям на уровне группы (слева) или обнаружения продольных различия в пределах одного субъекта DTI данных (справа). Нажмите здесь, чтобы увеличить рисунок .

les/ftp_upload/50427/50427fig3.jpg "/>
Рисунок 3. (А) представитель движения поврежденных аксиальный срез с пониженной интенсивностью, которая была обнаружена QC алгоритма. (Б), соответствующий локализации в реконструированном сагиттальной объема, обозначается белой стрелкой. Движение Коррупция также визуально обозначается относительная потеря интенсивности по сравнению с окружающими осевых срезов. (С) путем применения порог 0,8 (красная линия) в общей сложности 17 направлений градиента были обнаружены объема устранению. Черная стрелка указывает объем (а) и (б), (г) Объем устранение статистики (количество устранены направления градиента - GD). В течение 29 пресимптоматической болезнь Гентингтона субъектов (PS) и 30 управления.

Рисунок 4
(а) жесткое преобразование мозга на перевод и вращение для выравнивания основных системах координат. (б) линейная деформация в соответствии с ориентирами. Компоненты Собственные векторы должны быть адаптированы в соответствии с линейной деформации. (С) нелинейной нормализации выравнивания нелинейные различия мозга формы. 3-D сдвиги вектор были разными для каждого воксела, ведущих к отдельным преобразования для каждого воксела в 3-D массив воксела в целях сохранения направленности отношений между Собственные векторы соседствует вокселов.

Рисунок 5
Рисунок 5. (А) Схема пример итерационных шаблонов конкретных MNI-нormalization: после 1-й этап нормализации на основе ориентиров, арифметическим усреднением данных DTI-I 0, первые шаблоны T 1 ((B = 0) шаблон и FA-шаблон) были получены. Впоследствии, в итерационной процедуры, нормированных DTI-данные I 1, были получены с помощью нелинейного нормализации ранее определенные шаблоны (T 1). Из этих вновь нормированный DTI-данные I 1, новые шаблоны (Т 2), были получены которое снова может быть использована для нормализации. Этот повторяющийся процесс останавливается, когда предопределенные совпадению (меру корреляции) между DTI-данных и шаблонов была достигнута (б) Схема предварительной обработки данных до целого мозга на основе пространственной статистики (WBSS):. FA-карт рассчитываются из нормализованные данные МТП и сглаживающего фильтра к отдельным нормированный FA-карты применяется. В последовательных шага, voxelwise статистического сравнения между группами пациентов и соответствующую контрольную группу PErformed. После поправки на множественные сравнения использованием ложных открытий-ставка (FDR) алгоритм кластеризации и порядок дальнейшего снижения альфа ошибке, результаты отображаются на морфологические фоне. Нажмите здесь, чтобы увеличить рисунок .

Рисунок 6
Рисунок 6. Результаты всего головного мозга на основе пространственной статистики (WBSS) пациентов с БАС по сравнению с контролем. (А) локальный максимум пониженные значения FA в сагиттальной, coronar и осевое (пороговой при р <0,01, с поправкой на множественные сравнения ) (б) FT с отправной точкой в кортикоспинальных тракта использоваться в качестве основы для TFAS (с) (анимация 1):.. Группа различий в FA-ма PS обнаружен весь мозг основан пространственной статистики (WBSS) между образцом пациентов с БАС и контрольной группы в slicewise визуализации. Нажмите здесь, чтобы увеличить рисунок .

Рисунок 7
Рисунок 7 (анимация 2):. Волоконно отслеживания (FT) на группе усредненные данные (контроль) с отправными точками в мозолистого тела (слева) и в кортикоспинальными тракта (справа). Нажмите здесь, чтобы увеличить рисунок .

fig8highres.jpg "SRC =" / files/ftp_upload/50427/50427fig8.jpg "/>
Рисунок 8 весь мозг на основе пространственной статистики перед артефактом коррекции. (Объем ликвидация - VE) (слева) и после коррекции артефактов (справа), каждый исправлены при р <0,05, ложных открытий (FDR)). FA увеличение холодные цвета, Ф. снижение горячих цветов.

Рисунок 9
Рисунок 9 Многопараметрическая МРТ для съемки объекта с сухостью кожи пигментная (XP) Верхний ряд:.. Т1-взвешенных МРТ отличие обычного поста в coronar, сагиттальной и осевой вид. Сосредоточьтесь на левополушарным контрастным усилением поражения с перифокального отека в лобно-теменной белом веществе Средний ряд:. FA карт (порог отображения 0.2) с одинаковымисосредоточиться Нижний ряд: FT результаты с точки семян в таламус - левая:. XP тему, прав: FT среднем от 7 управления.

Рисунок 10
Рисунок 10. Пациентов с доказанным биопсией анапластическую олигоастроцитома ВОЗ III ° и полное хирургии и комбинированных radio-/chemotherapy и адъювантной химиотерапии. Продольные различия в FA-карты между двумя последующем сканировании с интервалом 7 месяцев (FA разница 0,15, FDR исправлено).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Inter-субъект усреднение DTI данных может быть достигнута по отношению к диффузии амплитуды (по использованию информации FA) и направление диффузии (в расчете на FT) соответственно. Усреднение FA карт позволяет статистическое сравнение групп предметов по WBSS и TFAS. Эта методологическая основа дает введение в методы с DTI межпредметных усреднения и группу сравнения. Стереотаксические нормализации и сравнение карт FA на уровне группы позволяет несколько возможностей для количественного различия между субъектом групп. WBSS TFAS и, кажется, завещания способ измерить различия на уровне группы в группах испытуемых с GroupWise Аналогичная картина мозговых изменений, например, нейродегенеративные заболевания. Для расстройств с гетерогенными клинических фенотипов, анализ подхода на уровне группы может не использоваться, а анализ в попарно образом, могут быть уместными, о чем свидетельствует, например, в исследовании у пациентов XP.Это DTI основе мозговых карт на одном уровне случае также важно в другом клиническом контексте, то есть сочетание различных неинвазивных методов нейровизуализации инструменты и их совместной интеграции в бескаркасных стереотаксис / neuronavigational систем после регистрации в качестве важного и ценного элемента preneurosurgical диагностики . Различные технические подходы, такие как методы МРТ, DTI, MRS, позитронно-эмиссионная томография (ПЭТ), однофотонной эмиссионной компьютерной томографии (ОФЭКТ) и магнитоэнцефалографии (МЭГ) с вариантами полезных комбинаций используется в клинической практике (например, 47,48,49) .

Как правило, DTI основе методов ограничены тем, что они только в состоянии проанализировать направленность в белом веществе с МРТ-определенное разрешение в порядке миллиметров. FT реконструкции позволяют визуализировать наиболее вероятной направленности аксональное волокно, не аксонов самих структур. Таким образом, это не будет возможным благодаря DTI изображения аксоны Directly. Конкретные ограничения на приобретение DTI данных и последовательного анализа, как описано здесь первым пространственным разрешением, которое может быть достигнуто в течение определенного заданного времени сканирования. Тем не менее, данное приобретение ограничены тем, что субъекты со снижением физических возможностей из-за возраста и болезненных состояний может стоять. Ограниченные размеры воксел приводит к трудностям решить регионах с пересечением волокон. Во-вторых, большинство исследований, представленные здесь проводились с 12 диффузии взвешенных направления градиента - такой протокол DTI сканирования позволяет FA-отображение с достаточным качеством. FT с 12 направления градиента показывает правильный результат в больших структур волокно аксона, однако в качестве третьего ограничения, могут возникнуть проблемы в области пересечения волокон и в регионах, где отдельные структуры волокна не могут быть отделены в данной пространственным разрешением. Рекомендации по решению перекрещивающихся волокон были первые "быстрые-маршевый" алгоритм 50, который в принципе помнит историкары от тракта и маршей с большим шагом через область пересечения волокон, и второй так называемый "д мяч" изображение 51, который по приобретению большого количества градиент направлениях (> 100) позволяет обнаруживать более чем в одном направлении во одного воксел. Другой подход для получения подробной информации о разнонаправленной архитектуры волокна высокого углового разрешения диффузно-взвешенной визуализации (HARDI), где дополнительные направленного схем приобретения (например, 129 диффузии направлениях кодирующий градиент) доставить больше информации о районах с волокном переходам, чем стандартные DTI 52. Несколько вариантов FT были реализованы в Tift: Streamline отслеживания 2,3, тензорные Отклонение 53, Быстрая Маршевый-алгоритмом 50 и модификации этих методов 31. Выбор алгоритма FT не влияет на анализ стратегии, т.е. каждый из реализованных алгоритмов FT могут быть использованы в процессе анализа на тОн уровне группы. Так как не существует общего оптимальную методику FT выбору техники ФТ в зависимости от конкретного вопроса рассмотрения в исследовании. Современные разработки алгоритмов FT (например, 54) могли бы способствовать дальнейшему улучшению результатов, особенно в разрешении пересечения структуры волокна. Совершенно иной подход был бы использование ТБСС 10 (см. введение).

Конвейерной обработки в этом исследовании первоначально был разработан для клинических исследований при клинической практике МРТ протокол должны быть довольно коротким, то есть воксела разрешений в порядка 2 мм и ограниченного числа сигналов накопления (SA) и градиент направлениях (GD ), т.е. SA х GD в порядке от 50 до 80 используются. Для исследований, посвященных высоким разрешением сканирования DTI (воксел резолюций, включая толщину среза <1,5 мм и высокое разрешение сканирования Тензор включая GD> 50 с определенным количеством сигнала accumulatioнс (SA> 2), т.е. SA х GD> 100, альтернатива для точных пространственных нормализации является использование высокой размерной алгоритмы деформации на отдельных анатомических наборов данных 55. Кроме того, постобработки в этом исследовании основан на использовании исследовании конкретных шаблон, который изначально требует необходимости итеративный процесс нормализации. Альтернативой могла бы неитеративного нормализации стереотаксически DTI стандартизированный шаблон с тем недостатком, что повышение точности стереотаксической нормализации данным исследования, определенный шаблон не будет использована. Одним из ограничений FT работает на пространственно нормированного наборов данных является то, что слежение может быть ограничено процесс нормализации, то есть линейной и нелинейной нормализации шагов может привести к небольшой неточности тензорных направленности. С другой стороны, алгоритмы, как глобальное отслеживание 54, которые работают, например, на большой угловой данные диффузии разрешающей способностью

Кроме того, наиболее важным шагом в анализе процедура является точным совместного регистрации данных DTI друг с другом. Плохо совместного регистрации может привести к ложно положительных или ложно отрицательные результаты. В целях улучшения совместного регистрации качество, итерационный характер процесса нормализации с помощью исследования конкретных шаблонов является ключевым шагом в обработке данных. Кроме того, сглаживание полученной наборов данных помогаетповышение качества данных путем уменьшения остаточных пространственных неточностей. Другой итеративный подход для получения параметров пространственного нормализации была недавно опубликована Мохаммади и его коллеги 57 и распространен в качестве инструментов для СЗМ. Их алгоритм была разработана в основном для вычисления нормализации параметров для симметричной матрицы.

В смысле процесс устранения неполадок, концепция Tift программное обеспечение позволяет контролировать результаты после каждого пред-и постобработки шаг. Таким образом, индивидуальные данные / результаты скрининга (также из одного набора данных) на последовательности и достоверности становится возможным для того, чтобы, наконец, позволить взаимодействия на любом этапе анализа каскада.

Взятые вместе, эти исследования подтверждают мнение, что FA является чувствительным маркером мозговой патологии WM (см. также 58). Учитывая, что биомаркеры-ориентированный подход в настоящее время является приоритетным во многих неврологических и особенно neurodegenerativэлектронной заболеваний, современные исследования усиления роли DTI в качестве дополнительного инструмента для определения патологической анатомии мозга микроструктурными в естественных характеристик отпечатка пальца. DTI анализы на уровне группы, кажется, быть полезным для идентификации и количественного патологоанатомической особенности с точки зрения неинвазивных маркеров. Дальнейшие результаты могут быть обеспечены комбинированного анализа передовых МРТ основе методов вычислительной нейроанатомию, т.е. сочетание DTI, например, с интенсивностью на основе анализа 3-D T1-взвешенных МРТ (например, 59), или состояние покоя функциональной магнитно-резонансной томографии (например, 60), а также с соотношением другие клинически полученных количественных параметров.

В дополнительных или многопараметрической подход, МТП в сочетании с другими МРТ условия, такие как T2-или T1-взвешенных изображений, MT или магнитно-резонансной спектроскопии (MRS), с тем чтобы получить комплексную и комдополняющий информацию 29. В качестве примеров 61 и 23 коррелированные DTI-FA результаты с временем релаксации Т2 в рассеянный склероз и 62 выполнены ткани характеристика комбинацией МТП и T1-взвешенных изображений. Многопараметрическая подход, как показано в исследовании у пациентов XP на одному предмету уровне, позволяет комплементарной и всесторонний анализ аффектации мозговых структур головного мозга заболеваний. Возможности DTI для мониторинга прогрессирования заболевания на индивидуальном уровне в продольном наблюдений было показано, но более продольных исследования необходимы в будущем, чтобы использовать этот потенциал.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Авторы не имеют ничего раскрывать.

Acknowledgments

Части этой работы, то есть исследования по QC и коррекции для поврежденных градиентом направлений в приложения к данным пациентов с гиперкинетической нарушениями, однако были при поддержке Европейской сети HD (EHDN проект 070). МРТ в этом определенные исследования были приобретены в рамках сайта Лондоне TRACK-HD когорты.

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

Медицина выпуск 77 неврологии нейробиологии молекулярной биологии биомедицинской инженерии анатомии физиологии нейродегенеративные заболевания ядерный магнитный резонанс ЯМР МРТ МРТ воображение тензора диффузии волоконно слежения группа сравнения уровня нейродегенеративные заболевания мозга работы с изображениями клиническими методами
Тензора диффузии Магнитно-резонансная томография в исследовании нейродегенеративных заболеваний
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