Waiting
Login processing...

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

Neuroscience

Mesure de la connectivité dans la voie visuelle primaire en albinisme humaine Utilisation Diffusion Tensor Imaging and Tractography

Published: August 11, 2016 doi: 10.3791/53759
Automatic Translation
1, 1, 1
1Department of Biology, Centre for Vision Research, York University

Summary

Ce manuscrit décrit des algorithmes déterministes et probabilistes pour la matière blanche (WM) reconstruction, utilisé pour examiner les différences dans le rayonnement optique (OR) la connectivité entre l'albinisme et les contrôles. Bien que tractographie probabiliste suit de plus près le véritable cours de fibres nerveuses, tractographie déterministe a été effectué pour comparer la fiabilité et la reproductibilité des deux techniques.

Abstract

Dans l'albinisme, le nombre de saillie ipsilatérale cellules ganglionnaires de la rétine (CGR) est considérablement réduite. La rétine et chiasma optique ont été proposés comme sites candidats pour misrouting. Depuis une corrélation entre le nombre de noyau genouillé latéral (LGN) relais neurones et la taille LGN a été démontré, et sur la base des réductions précédemment rapportées dans des volumes LGN dans l'albinisme humaine, nous suggérons que les projections de fibres de LGN au cortex visuel primaire (V1) sont également réduits. L'étude des différences structurelles dans le système visuel de l'albinisme peut améliorer la compréhension du mécanisme de misrouting et les applications cliniques ultérieures. les données de diffusion et tractographie sont utiles pour la cartographie de la OR (de rayonnement optique). Ce manuscrit décrit deux algorithmes pour la reconstruction OU afin de comparer la connectivité du cerveau dans l'albinisme et le scanner IRM controls.An avec une bobine de tête 32 canaux a été utilisé pour acquérir des analyses structurelles. Une séquence 3D-MPRAGE pondérée en T1 avec 1 mm3 isotrope taille de voxel a été utilisé pour générer des images à haute résolution pour V1 segmentation. densité de protons multiples (PD) des images pondérées ont été acquises pour coronale droite et à gauche LGN localisation. Tenseur de diffusion d'imagerie (DTI) scans ont été acquises avec 64 directions de diffusion. Les deux méthodes de suivi déterministes et probabilistes ont été effectuées et comparées, avec LGN comme masque de semences et V1 comme masque cible. Bien que DTI offre une résolution spatiale relativement faible, et la délimitation précise des OR peut être difficile en raison de sa faible densité de fibres, tractographie a été montré pour être avantageux à la fois dans la recherche et clinique. statistiques de secteurs sur la base spatiale (TBSS) ont révélé les domaines de l'intégrité de la matière blanche considérablement réduite au sein de l'OR chez les patients atteints d'albinisme par rapport aux témoins. Des comparaisons par paires ont montré une réduction significative de LGN à la connectivité V1 albinisme par rapport aux témoins. En comparant les deux algorithmes de suivi ont révélé des résultats communs, le renforcement de la fiabilitéde la technique.

Introduction

L'albinisme est une maladie génétique caractérisée principalement par hypopigmentation manifeste observé chez les individus affectés. Elle est causée par des mutations héréditaires de gènes impliqués dans la synthèse de la mélanine 1. Albinisme apparaît sous deux formes principales: albinisme oculo-cutané (OCA), un trait récessif autosomique présentant des caractéristiques à la fois oculaires et cutanées; et albinisme oculaire (OA), un trait lié à l'X plus répandue chez les hommes et caractérisé principalement par les symptômes oculaires 2. Mélanine dans l'épithélium pigmentaire rétinien (EPR) est crucial pour le bon développement de la voie visuelle centrale. Son absence dans l' albinisme se traduit donc par une déficience visuelle, y compris la photophobie, nystagmus, acuité visuelle réduite et la perte de la vision binoculaire 2-3. L' acuité visuelle a été liée à la morphologie de la fovéa, qui est modifiée dans l' albinisme 4. Chez l'homme, une ligne rétinienne de entrecroisement se trouve le long de la frontière nasotemporal par la fovéa, avec des fibres de la rétine nasaletraversée vers l'autre hémisphère et ceux de la rétine temporelle étendant ipsilatérale. Le degré de la fonction visuelle réduite albinisme a été lié au niveau de l'hypopigmentation. Plus précisément, la pigmentation est inversement proportionnelle au décalage dans la rétine temporelle de la ligne de decussation 5. En conséquence du décalage dans la ligne de entrecroisement dans la rétine temporelle, croisement des fibres du nerf optique est augmentée - une caractéristique commune à travers toutes les espèces 3.

Des études d'IRM structurelles sur l' homme ont montré plus étroites chiasmes optiques dans l' albinisme par rapport aux témoins, ce qui est probablement le résultat de l' augmentation de traversée de RGC observées dans l' albinisme 6-8. La rétine et chiasma optique expriment des signaux de guidage axonal tels que les récepteurs de la famille Eph et leurs ligands 9 et sont donc des sites candidats pour misrouting 10.

Une étude sur des singes avec le glaucome induit a révélé une importante décembrerease dans le nombre de neurones de relais parvalbumin-immunoréactive LGN et le volume LGN 11. Ceci suggère une corrélation entre la taille de LGN et le nombre de la matière blanche (WM) des trajectoires de déplacement à travers le OU à V1. Une étude post mortem sur l' albinisme humaine a également révélé plus petit LGN avec fusionnés M et P couches 12. Haute résolution IRM structurelle confirme une réduction significative du volume de LGN dans albinisme 8. Pris ensemble, ces résultats suggèrent que la diminution du volume LGN peut entraîner une réduction du nombre de neurones dans le LGN, et à son tour une diminution de la connectivité entre les LGN et V1.

Examiner les modèles de connectivité anatomique chez l'homme a été limitée. Dissection, injection de traceur et induction de la lésion sont des techniques invasives qui ne peuvent être utilisés post-mortem, et impliquent généralement un très petit nombre de patients. Des études antérieures utilisant carbocyanine teignent injections DiI ont démontré la connectivité neuronale entre V1 et V2 (secondaire c visuelleortex) 13, ainsi que dans le complexe hippocampique en post-mortem de cerveaux humains aldéhyde fixe 14. Fibres d'étiquetage de cette manière est limitée à des distances de quelques dizaines de millimètres du point d'injection 14. imagerie du tenseur de diffusion, DTI, est une modalité IRM développée au début des années 1990-milieu pour identifier la direction des voies de la fibre et de l'organisation. Elle est une méthode non invasive qui permet de cartographier des grandes voies de MW dans le cerveau vivant. DTI est sensible à la diffusion des molécules d'eau dans les tissus biologiques 15. Dans le cerveau, la diffusion de l'eau est anisotrope (inégale) en raison d'obstacles tels que les membranes et la myéline. WM a une grande diffusion anisotropie, ce qui signifie la diffusion est plus parallèle à que perpendiculairement à l'orientation des fibres 16. anisotropie fractionnelle (FA) est une grandeur scalaire décrivant la préférence des molécules à diffuser de manière anisotrope. Les valeurs FA vont de 0-1, de bas en haut anisotfilants (liquide céphalo - rachidien (LCR) <matière grise (GM) <WM) 16.

Rationaliser (déterministe) et suivi de la fibre probabiliste sont deux algorithmes différents pour la reconstruction du chemin 3D. tractographie déterministes utilise une méthode de propagation de la ligne reliant voxels voisins dans une région de semences définie. Deux critères d'arrêt utilisés dans cet algorithme sont l'angle de braquage et la valeur FA. Par conséquent, les voies de traçage entre voxels voisins est peu probable que les grands angles de braquage. L'algorithme serait donc progresse également que si la FA dans un voxel dépasse un certain seuil, ce qui limite son efficacité dans la définition précise des voies près de la matière grise, où anisotropie gouttes. Tractographie probabilistes, d'autre part, donne une carte de connectivité décrivant la probabilité d'un voxel à faire partie d'un tube entre deux régions d'intérêt (ROI) et progresse dans la matière grise tels que V1 17 ainsi. En utilisant cette application IRM, structures clés WM comme leOu peuvent être délimitées, comme illustré dans les études précédentes 18-20.

Cette étude utilise donc des données de diffusion et tractographie pour explorer l'effet de misrouting axonale sur la connectivité rétino-geniculo-corticale. Sur la base des réductions précédemment rapportées dans des volumes LGN dans l' albinisme humaine 8, nous prévoyons que les projections de fibres de LGN à V1 sont également réduits (Figure 1).

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Déclaration éthique: L'étude actuelle a été approuvée par les participants humains Comité d'examen (HPRC) à l'Université York, à Toronto. Tous les participants ont donné leur consentement éclairé par écrit.

1. Sous réserve Préparation

Note: les participants Onze OCA, âgés de 36 ± 4 ans (6 femmes) ont été comparés à dix contrôles appariés selon l'âge, âgés de 32 ± 4 ans (6 femmes). L' histoire du participant est enregistré dans le tableau 1.

  1. Demandez à chaque participant de remplir et signer un formulaire de consentement qui énumère les directives de sécurité IRM et protocole d'imagerie.
  2. Pour chaque participant, fournir des bouchons d'oreille pour les oreilles. Position participant décubitus et la tête la première dans l'aimant, et point de repère au-dessus des yeux au niveau des sourcils. la tête du participant sécurisé avec des coussins pour réduire le mouvement de la tête. Donnez au participant une poire pour recevoir une alerte patient.

2. structurels IRM Paramètres

e_content "> Note: Toutes les images sont acquises sur un scanner IRM 3T en utilisant une bobine de tête 32 canaux en une seule session par sujet.:

  1. Acquérir une pondération T1 anatomique haute résolution en utilisant une séquence 3D-MPRAGE couvrant l'ensemble du cerveau avec les paramètres suivants: temps d'acquisition 4 min 26 sec, champ de vision de 256 mm, 256 matrice, 192 tranches d'une épaisseur de tranche de 1 mm, avec un sur la taille de voxel isotrope de 1,0 mm 3, TR = 1900 ms, TE (temps d' écho) = 2,52 ms avec un temps d'inversion de 900 ms et un angle de bascule de 9 °, 1 moyenne, imagerie parallèle (Ipat GRAPPA, facteur d'accélération de 2) .
  2. Acquérir une séquence DTI couvrant le cortex, avec des tranches dans une orientation transversale suivant la commissure antérieure / commissure postérieure (AC-PC) en ligne, en utilisant les paramètres suivants: temps d'acquisition 8 min 5 sec, champ de vision de 192 mm, 128 matrice, voxels 1.5 1,5 mm dans le plan, 56 contigus (pas gap) tranches d'une épaisseur de 2 mm, TR = 6900 ms, TE = 86 ms, 64 directions, b-valeur de 1000 s / (image de référence avec une faible valeur b de 0 sec / mm 2) mm 2, 1 moyenne, imagerie parallèle (Ipat GRAPPA) avec un facteur d'accélération de 3.
  3. Acquérir des images 30-40 PD pondérée dans une orientation coronale, parallèlement au tronc cérébral, qui couvre à partir de la mesure antérieure de la protubérance sur la partie postérieure du colliculus inférieur.
    1. Utilisez l'écho Turbo spin (spin écho FAST) séquence d'impulsions et les paramètres suivants: temps d'acquisition 1 min 29 sec par balayage, champ de vision de 192 mm, 256 matrice, 30-40 tranches d'une épaisseur de 1 mm, ce qui entraîne la taille de voxel 0,75 0,75 1 mm 3, TR = 3,000 msec, TE = 22 msec, facteur de turbo 5, recentrant l' angle de bascule de 120 °, 1 moyenne, imagerie parallèle (Ipat GRAPPA) avec un facteur d'accélération de 2.
      Note: S12 a été scanné en utilisant les paramètres suivants: champ de vision de 180 mm, 512 matrice, 30 tranches avec 1 mm tranches épaisses, ce qui entraîne la taille de voxel 0,4 x 0,4 x 1,0 mm 3. Tous les autres paramètres sont restés les mêmes. acquisittemps ion 2 min 47 sec.
  4. Pré-traiter tous les scans en convertissant DICOM brut au format NIfTI utilisant le dcm2nii du programme.

3. LGN Délimitation

Remarque: Le LGN est une petite structure sous-corticale situé profondément dans le cerveau, d'où des images de PD-haute résolution sont nécessaires pour déterminer ses limites anatomiques. Dans ces analyses, le CGL apparaît comme une zone de forte intensité du signal par rapport aux voies de WM environnantes, ce qui facilite sa détection 21. Le LGN anatomique identifié est ensuite utilisé comme une région d'amorçage pour tractographie.

  1. Bien aveugle à l' appartenance au groupe, tracer manuellement droite et gauche masques LGN trois fois chacun sur les images PD moyennes interpolées à deux fois la résolution et la moitié de la taille de voxel (original matrice 256 x 256, taille 0,75 x 0,75 x 1 mm 3 voxel).
    1. Pour obtenir des images haute résolution PD utilisent la fonction de FLIRT librement disponibles et d'autres outils logiciels dans le logiciel de FMRIBBibliothèque (FLS, http://www.fmrib.ox.ac.uk/fsl/). Upsample, concaténer, mouvement des images correctes et moyennes PD pour chaque participant comme précédemment décrit ailleurs 22.
    2. Charger l'image PD haute résolution en FSLView et cliquez sur l'onglet Outils pour sélectionner l'option simple (ou appuyez sur Figure 1 ) Pour agrandir l'image.
    3. Cliquez sur l'onglet Fichier pour sélectionner l'option Créer un masque, et utiliser la barre d'outils en haut à gauche de l'écran pour tracer le LGN dans chaque tranche. Si vous le souhaitez, changer le contraste de l'image en faisant glisser le long du min / max dans la barre d'outils pour faciliter la détection LGN.
  2. Fusionner ces régions d'intérêt (ROI) dans un masque médian en utilisant la commande fslmerge.
  3. Combinez des masques médians tous les noteurs de dans un masque médian unique en utilisant la même commande.

4. V1 Segmentation

  1. Exécuter "recon-all" commande dans FreeSurfer23 (v5.3.0) sur le cerveaus dans l'espace anatomique natif (images pondérées en T1) pour le traitement automatisé.
  2. Convertir les sorties appropriées dans le dossier mri nouvellement créé (orig.mgz, brain.mgz, rawavg.mgz, T1.mgz) à NIfTI utilisant "mri_convert".
  3. Utiliser l'extraction du cerveau BET dans l'interface utilisateur graphique FSL pour corriger la sortie du cerveau crâne dénudé (brain.nii.gz) dans l'espace FreeSurfer si nécessaire. Choisissez l'extraction du cerveau norme Run en utilisant l'option MISE 2 (par défaut). Abaisser le seuil si l'image est manquant tissu cérébral, ou augmenter si le tissu non-cerveau est capturé (seuil par défaut 0,5). Sélectionnez l'image du cerveau extrait de sortie et de l'image de masque du cerveau binaire de sortie (ce dernier peut être utilisé pour des corrections manuelles) dans les options avancées.
  4. Autre sortie V1 parcellisation à un masque volumétrique en utilisant "label2surf" et commandes "surf2volume".

5. Les inscriptions pré-suivi

Remarque: Pour les prochaines étapes, appelez le FLS GUI pour ouvrir chacun des followinoutils de g.

  1. Utilisez l'extraction du cerveau BET et sélectionnez le champ Bias & option de nettoyage du cou pour le crâne bande rawavg.nii.gz, situé dans le dossier mri créé par «recon-all". Régler le seuil nécessaire.
  2. enregistrement linéaire FLIRT Exécuter pour amener le cerveau à FreeSurfer et de l'espace anatomique natif à l'espace de diffusion.
    1. Sélectionnez brain.nii.gz, sortie de recon-all (espace FreeSurfer), ou le cerveau d'un sujet extrait T1 (espace anatomique natif) que l'image d'entrée, et une Eddy corrigées et l'image de diffusion (DWI) comme référence cerveau extrait image. Puis cliquez sur "Go".
      Remarque: Cette étape crée deux sorties, le cerveau d'entrée enregistré à l'image de référence (.nii.gz) et une matrice de transformation (.mat). En dehors de l'enregistrement, ce dernier fichier est requis pour tractographie lorsque l'espace de semences ne sont pas la diffusion. Utilisez les matrices de transformation de sortie (de .mat) créés dans cette étape pour tractographie comme expliqué dans 7.4.2.
  3. Similaireà 5,2, l'enregistrement FLIRT linéaire courir pour amener PD le cerveau des participants à l'espace FreeSurfer et espace anatomique natif.
  4. Préparer des masques de semences pour tractographie:
    1. Appliquer la transformation de FLIRT de Utils dans l'enregistrement boîte à outils FLIRT linéaire. Utilisez la sortie .mat comme la matrice de transformation, le CGL masque original comme entrée et brain.nii.gz (espace FreeSurfer) ou T1_brain.nii.gz (espace anatomique natif) (voir 5.2) que le volume de référence. Sélectionnez la méthode la plus proche voisin d'interpolation à partir des options avancées.
  5. En utilisant uniquement les fichiers brain.nii.gz, préparer des masques cibles pour tractographie:
    1. Inscrivez cerveaux FreeSurfer à l'espace anatomique natif et créer des masques cibles en appliquant une transformation aux masques V1 (voir 5.2, 5.4.1) par interpolation Tri-Linéaire. Cliquez sur "Go".

6. LGN Normalization

  1. Utilisez FNIRT enregistrement non linéaire, comme décrit précédemment à l'adresse http: //fsl.fmrib.ox.ac.uk / FLS / fslwiki / FNIRT pour amener les cerveaux non extraites des participants dans l'espace anatomique natif à l'espace INM, en utilisant le modèle du cerveau entier Institut neurologique de Montréal (MNI152).
    Remarque: l'enregistrement non-linéaire des images anatomiques d'origine est recommandée pour cette étape, que les inscriptions étaient plus précis quand FNIRT a été appliqué à la non-extrait T1 par rapport à FLIRT sur les cerveaux extraits.
  2. Appliquer la transformation de masques LGN dans l'espace anatomique (LGN originale préalablement transformée en espace anatomique natif en 5.4) à l'aide du plus proche voisin interpolation comme décrit en 5.4.1 pour apporter des masques à l'espace INM.
  3. Moyenne tous les masques LGN dans l'espace INM à travers les deux groupes en utilisant "3dMean" La commande AFNI.
  4. Utilisez "fslmaths Thr" d'appliquer un seuil au masque de moyenne dans l'espace MNI.
  5. Calculer le rayon du masque de moyenne dans l' espace en utilisant INM V = 4/3 πr 3 (assumer une sphère).
  6. Notez le centre de coordi massenates de chaque masque LGN individu dans l'espace anatomique natif en utilisant la commande "fslstats -C".
  7. Créer ROIs sphériques de volumes identiques à travers les participants:
    1. Utilisez "fslmaths" pour créer un point avec les coordonnées du masque de LGN individuelle appropriée dans l' espace anatomique natif de retour sur investissement enregistré en 6.6
    2. Utilisation de "fslmaths", appliquer le rayon du masque de moyenne dans l'espace MNI pour créer une sphère autour du point dans l'espace anatomique natif de retour sur investissement.
  8. Utilisez ces masques standardisés comme semences pour tractographie.

7. probabilistes Tractography (FLS 5.0.4)

Remarque: Pour les prochaines étapes, appelez le Fdt_gui pour accéder à chacun des outils suivants.

  1. Corriger les distorsions dans le SIEP avec Eddy correction actuelle. Sélectionnez l'option de correction à courant de Foucault dans le menu en haut de la fenêtre Diffusion Toolbox et télécharger le DWI comme entrée, laissant le defaulvolume de référence t (0).
  2. Extrait de cerveau les images avec BET comme décrit en 4.3.
  3. Sélectionnez le tenseurs de diffusion Option DTIFIT Reconstruction à partir du menu. Spécifiez un répertoire d'entrée contenant les fichiers suivants: diffusion de données pondérées, nodif_brain_mask (sortie du BET), BVEC et bval (doit être renommé bvecs et bvals; fichiers texte contenant des informations sur les paramètres d'acquisition d'image de diffusion, sortie de DICOM à la conversion NIfTI de diffusion données). Cliquez sur "Go" pour exécuter dtifit, qui correspond à un modèle de tenseur de diffusion à chaque voxel, la création de fichiers pour le post-traitement.
  4. Ensuite, sélectionnez l'option dans le menu BedpostX (d'estimation des paramètres de diffusion). Utilisez le même répertoire d'entrée que pour DTIFIT. Cliquez sur 'Go' pour générer tous les fichiers nécessaires à la tractographie.
  5. Dans le même menu, choisissez ProbtrackX pour le suivi probabiliste et l'exécuter pour chaque hémisphère séparément. Gardez les options par défaut de base (5000 échantillons, 0,2 courbure et loopcheck applied) et sélectionnez modifié Euler pour calculer rationalise probabilistes à partir des options avancées pour une précision accrue.
    1. Sélectionnez la sortie de BedpostX contenant des fichiers .merged que le répertoire BEDPOSTX.
    2. Sélectionnez un masque unique comme espace de graines et de charger le masque LGN transformé (dans l'espace anatomique natif) que l'image de la graine, T1 (cerveau dans l'espace anatomique natif) à matrice de transformation de diffusion comme la semence à la diffusion de transformation, et V1 (dans l'espace anatomique natif) dans des «cibles facultatives» (tous, mais des masques d'exclusion) comme cible.
    3. Utilisez convention de maillage par défaut (Caret) et charger le cerveau dans l'espace anatomique natif (image T1) comme image de référence de la surface.
  6. Répétez ProbtrackX pour le suivi probabiliste utilisant la ROIs sphérique standard (créé à l'étape 6) en tant que régions de semences pour tractographie comme décrit dans 7.5.2. Télécharger ROIs de la même manière transformée LGN (espace anatomique) ont été téléchargés en 7.5.2.
  7. Relancez tractographie (7.5), cette foisavec des semences (non normalisé) et les masques cibles dans l'espace FreeSurfer avec l'ajout de controlatéral blanc masque matière frontière FreeSurfer comme masque d'exclusion, pour éviter tout franchissement et d'assurer des connexions ipsilatérales directes. Cochez l'option Surface à partir de la boîte à outils ProbtrackX et sélectionnez FreeSurfer comme convention de maillage.
    Note: Il est important de souligner que la tractographie est toujours courir à partir de l'espace de diffusion, mais Probtrackx pour le suivi probabiliste permet l'entrée des semences et des cibles des masques dans un espace différent, avec une matrice de transformation de l'espace de diffusion. Dans cette étude, tractographie probabiliste a été exécuté avec des masques à la fois anatomique native et de l' espace FreeSurfer (Figure 2).

8. déterministes Tractography (DSI Studio)

  1. Ouvert Eddy corrigé images pondérées en diffusion dans DSI studio 24 en cliquant sur ​​Étape 1: Open Source Images. BVEC de charge et les fichiers Bval sur une fenêtre b-table qui est automatiquement opened pour créer une source (.src) fichier.
  2. Chargez les fichiers source générés sur la fenêtre de reconstruction de modifier la valeur par défaut reconstruit masques du cerveau que nécessaire.
  3. Ensuite, sélectionnez DTI comme la méthode de reconstruction 25 et l' exécuter sur les fichiers source pour produire des fichiers d'information de fibres (de .fib).
  4. Apportez PD le cerveau des participants à l'espace de diffusion utilisant FLIRT enregistrement linéaire.
  5. Appliquer la transformation de masques LGN par interpolation du plus proche voisin comme décrit en 5.4.1.
  6. Ouvrez .fib fichiers dans la fenêtre de suivi du programme.
  7. Exécutez le suivi pour chaque hémisphère séparément, en utilisant LGN dans l'espace de diffusion comme la semence et de la région 17 (V1) de l'atlas Brodmann disponibles auprès de DSI studio comme la région terminative. Chargez le masque LGN en cliquant sur l'onglet Régions et Open Region. Sélectionnez l'option de semences sous Type dans la liste des régions sur la gauche de l'écran. Pour charger le masque de V1 de l'atlas, cliquez sur Atlas de la barre d'outils dans la liste des régions et dessélectionnez l'atlas appropriés.
  8. Dans chaque essai, réglez le controlatéral WM (nommé gauche / droite-cérébro-substance blanche) masque d'atlas de segmentation FreeSurfer (voir encadré de la liste de la région dans la fenêtre de suivi) en tant que région d'évitement (ROA).
  9. Répéter le suivi (8.7-8.8) en utilisant ROIs sphérique dans l'espace de diffusion à la place de l'individu LGN en tant que régions de semences pour tractographie.
    Note: Les ROIs sphériques ont le même volume dans toutes les matières et sont centrées sur le centre de masse de chaque LGN.
  10. Répétez la normalisation de LGN, l'article 6, mais cette fois l'enregistrement des cerveaux dans l'espace de diffusion à l'espace MNI standard, et en appliquant des transformations à LGN dans l'espace de diffusion (LGN d'origine préalablement transformée en l'espace de diffusion en 08/04 à 08/05) pour amener des masques à l'espace MNI standard. Calculer le volume de la ROI sphérique que le volume moyen de tous les sujets LGN à travers l'espace INM.
    Remarque: Les paramètres de suivi peuvent être modifiés par l'utilisateur. Pour la plupart des essais, des paramètres de suivi par défaut ont été appliqués. Pour certaines personnes (A5, A7, S12), le seuil d'anisotropie (par défaut 0,14 à 0,15) a été abaissé (0,10-0,12) et le seuil angulaire (par défaut 60) a été augmentée (65-85) pour la visualisation plus agréable. Un schéma de la technique est représentée sur la figure 3.

9. Analyse statistique - TBSS (FSL)

Note: les statistiques spatiales sur la base des secteurs-est une analyse statistique de voxelwise de FA participants maps16 obtenu avec dtifit26. Il est largement utilisé pour les statistiques sur les données de diffusion. Cette approche voxelwise surmonte les problèmes potentiels d'alignement et de lissage vu dans l'analyse FA VBM-style et fournit l'enquête du cerveau entier, inatteignable par approaches16 base tractographie.

  1. Exécuter "tbss_1_preproc" sur les données FA situés dans un répertoire TBSS nouvellement créé.
  2. Exécuter "tbss_2_reg" - T pour appliquer l'enregistrement non linéaire, ce qui porte les données FA de chaque participant dans l'espace commun (FMRIB58_FA,image cible en TBSS).
  3. Créer un squelette FA moyenne avec les centres de toutes les voies communes entre les participants à l' aide de "tbss_3_postreg -S".
  4. Courir "Tbss_4_prestats 0,2" pour projeter aligné FA la carte de chaque participant sur le squelette moyenne de toutes les cartes FA alignés.
  5. Créer des fichiers design.con et design.mat, veiller à ce que l'ordre de la matrice est compatible avec l'ordre dans lequel TBSS pré-traité les données FA.
  6. Exécuter "randomiser", en utilisant l'option T2, qui est recommandé pour TBSS car il agit sur un squelette (un sous-ensemble réduit de données 3D), et 5.000 pré-mutations, ce qui donne des valeurs p plus précises.

10. Analyse statistique - SPSS

  1. Extraction FA valeurs de données déterministes
    Remarque: Les valeurs FA basés déterministes ont été tirées de DSI studio statistiques de sortie des fichiers texte. Ces valeurs représentent la FA moyenne dans les voies générées, which dans ce cas correspondent à la région de l'OR.
    1. suivi de la fibre Run en studio DSI.
    2. Enregistrer les fichiers texte «statistiques» créées par DSI studio pour chaque ensemble généré de tracts et d'enregistrer les valeurs 'FA signifie' d'eux.
  2. Extraction FA valeurs de données probabilistes
    Remarque: Les valeurs FA base-probabilistes sont dérivées de fichiers fdt_paths de sortie ProbtrackX2. Ceux-ci sont des images en 3D de la densité de l'appareil que dans cette étude couvrent la zone correspondant au OU.
    1. Utilisez l'enregistrement linéaire FLIRT pour amener les fichiers de fdt_paths de chaque participant à l'espace de diffusion.
    2. Binariser les masques de sortie en utilisant "fslmaths - bin".
    3. Pour chaque participant, il faut multiplier le masque par leur carte FA de dtifit en utilisant "fslmaths -mul".
    4. Exécutez commande "fslmeants" pour trouver la FA moyenne de chaque masque de l'appareil.
  3. Exécution des analyses avec SPSS (en utilisant déterministes et probabilistes
    Données)
    Note: L'analyse statistique est réalisée en utilisant SPSS 20 pour Mac. Etant donné que l'hémisphère est une variable intra-sujet, un modèle linéaire généralisé (GENLIN), avec laquelle les effets de chaque côté du cerveau peuvent être examinées séparément, est appliquée. Plus précisément, l'équation d'estimation généralisée (EEG) est utilisé.
    1. Dans des essais séparés, réglez chacun moyenne FA et de rationaliser le nombre (ou le pourcentage waytotal générés rationalise, PGsl) comme variable dépendante.
      Remarque: Dans cette étude, de rationaliser le nombre est basé sur les valeurs de façon totale. Waytotal décrit le nombre total des lignes de courant générées qui n'ont pas été rejetées par les critères d' inclusion / exclusion 27. Le nombre de lignes de courant générées (nGSL), qui se réfère au nombre total des lignes de courant envoyées, est égal au nombre de voxels dans le masque de semences multiplié par le nombre d'échantillons prélevés dans chaque voxel (5000 dans ce cas). rationalise Pourcentage générés (de PGsl), waytotal divisé par nGSL fois 100, est une mesure de Conne réussiectivité entre la semence et la cible.
    2. Étudier l'influence du groupe et du sexe sur LGN à la connectivité V1 en les définissant comme variables indépendantes dans tous les tests.
      Note: Les principaux effets ainsi que de deux et trois voies interactions ont été étudiées. Il est important de noter que ces tests individuels ne sont pas conditionnés à l'autre, de sorte que la signification d'un effet ou d'une interaction principale est indépendant de l'autre.
    3. Utilisez l'âge comme covariable pour tous les tests. En outre, utiliser le volume LGN comme covariable pour les tests de moyenne FA et waytotal comme variables dépendantes, mais omettre de tests avec PGsl comme variable dépendante.
      Remarque: Le volume total du cerveau a été trouvé pour être un covariable insignifiant et a donc été omis dans les statistiques.
    4. Sélectionnez la méthode de correction de Bonferroni pour ajuster les comparaisons multiples 28 (niveau de signification p <0,05).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Cette section présente un résumé des résultats obtenus en utilisant deux algorithmes différents de tractographie, déterministe et probabiliste. Volumes LGN dans l' espace de PD dans lequel les masques ont été initialement établis, ainsi que dans tous les autres espaces utilisés dans cette étude, sont enregistrés dans le tableau 2, et LGN traçage est illustrée à la figure 4. Les résultats présentés ici sont basés sur des pistes qui ont utilisé une sphère standard comme ROI LGN. Le volume LGN standard était de 461 mm 3 dans les deux hémisphères dans l' espace anatomique (run probabiliste), et 292,5 mm 3 et 364,5 mm 3 dans les hémisphères droit et gauche, respectivement, dans l' espace de diffusion (run déterministe). Pour les deux essais, ces volumes standard sont très proches des volumes moyens calculés dans l' espace de l' INM (anatomique à MNI: 472 mm 3 et 440 mm 3 pour la gauche et la droite, respectivement; la diffusion de l' INM: 376 et 312 mm 3 pour gaucheet à droite, respectivement) , mais plus grande que la plupart des volumes individuels LGN dans l' espace natif ( le plus grand dans anatomique: 281 mm 3, la plus grande de la diffusion: 324 mm 3). Depuis Bonferroni est un test très conservateur, p valeurs plus petites que 0,1 sont traités comme approche signification et sont rapportés ici. En outre, sur les cartes TBSS FA a révélé des zones de différence significative (p <0,05) entre les deux groupes, avec des zones dans les régions représentant rouges d'intégrité matière tractus blanc réduit dans l' albinisme (figure 5).

Pour les deux essais déterministes et probabilistes, covariables et le groupe trois voies par sexe par les interactions de l'hémisphère étaient insignifiants et donc exclus de toutes les analyses finales. Pour la course déterministe, en utilisant moyenne FA comme variable dépendante, les principaux effets de groupe et le sexe étaient insignifiantes, tandis que l'effet principal de l'hémisphère approché la signification (moyenne ± SEM .41± 0,008 droite; 0,39 ± 0,006 gauche, p = 0,064). Des moyens (± SEM) de valeurs moyennes FA correspondant à la zone de liaison OU LGN à V1 étaient 0,39 ± 0,007 pour albinisme et 0,40 ± 0,008 pour les contrôles. Une interaction bidirectionnelle du groupe par hémisphère était significative (p = 0,013). Pour la course probabiliste, en utilisant des valeurs moyennes FA de fdt_paths comme variable dépendante, l'effet principal du groupe était insignifiante (moyenne ± SEM .353 ± 0,0035 contrôles; 0,349 ± 0,0046 albinisme). Cependant, les principaux effets de l' hémisphère (0,358 ± 0,004 droite; 0,345 ± 0,003 gauche, p = .005) et le sexe (.34 ± 0,004 femelles; .36 ± 0,004 mâles, p = 0,014) étaient important. Un groupe à deux voies par l' interaction entre les sexes était significative (p = 0,033). Les données pour tous les tests ont été distribués normalement tel que confirmé par le test de Shapiro-Wilk (p> 0,05). En utilisant l'approche déterministe, les valeurs moyennes étaient waytotal 2728 ± 127 pour albinisme et 2753 & #177; 169 pour les contrôles. L'effet principal de l' hémisphère et le groupe dans les deux sens par l' interaction entre les sexes étaient significatives (p = 0,027 et p = 0,004, respectivement). Utilisation de PGsl comme variable dépendante, les principaux effets de groupe et le sexe étaient insignifiantes, tandis que l'effet de l' hémisphère était significative (moyenne ± SEM 0,89 ± 0,045 droite; 0,63 ± 0,026, p = .001). Le groupe à deux voies par l' interaction entre les sexes a également été significative (p = 0,003). Moyenne PGsl de LGN à V1 étaient de 0,76 ± 0,046 pour albinisme et 0,76 ± 0,048 pour les contrôles. PGsl ont été calculées en utilisant le ROI LGN standard. Les données ont été normalement distribués (Shapiro p> 0,05). Pour la course probabiliste, en utilisant des valeurs waytotal et PGsl comme variables dépendantes, les effets principaux du groupe, l'hémisphère et le sexe ne sont pas significatives. Les valeurs moyennes ont été waytotal 28.739 ± 7.297 pour l'albinisme et 31.220 ± 7.202 pour les contrôles. Moyenne PGsl de LGN à V1 étaient de 1,3 ± 0,3 pour l'albinisme et 1,4 ±.3 Pour les contrôles. Dans les deux cas, les données étaient non normalement distribués et transformation logarithmique gamma a été appliqué.

En utilisant l'approche déterministe, les comparaisons par paires ont montré une diminution FA dans l'hémisphère droit de l' albinisme par rapport aux témoins (C 2 (1, N = 21) = 4.15, p = .042). Dans les contrôles, la valeur FA hémisphère gauche était inférieur à celui de l'hémisphère droit (p = 0,007), et une tendance à la diminution de la FA chez les femmes que chez les hommes a été trouvé (C 2 (1, N = 21) = 2,97, p = .085). Utilisation de tractographie probabiliste, les comparaisons par paires révélées réduits FA dans l'hémisphère gauche par rapport à l'hémisphère droit dans les deux groupes (C 2 (1, N = 21) = 6,31, p = 0,012). Chez les mâles, la FA a été significativement réduite dans l' albinisme par rapport aux témoins (C 2 (1, N = 21) = 4,27, p = .039). En outre, la FA était significativement diminuée chez les femelles compared aux hommes dans les contrôles (C 2 (1, N = 21) = 14,37, p <0,001). L' utilisation de valeurs waytotal de la course déterministe comme variable dépendante, les comparaisons par paires ont révélé réduit la connectivité chez les hommes avec l' albinisme par rapport aux témoins masculins (C 2 (1, N = 21) = 4,65, p = 0,031). Dans les deux groupes, la connectivité dans l'hémisphère gauche a été plus faible par rapport à l'hémisphère droit (C 2 (1, N = 21) = 4,34, p = 0,037). En outre, la connectivité était plus faible chez les hommes que chez les femmes dans le groupe d'albinisme (C 2 (1, N = 21) = 4,47, p = 0,034), alors que l'inverse a été observé dans le groupe témoin (C 2 (1, N = 21) = 3,87, p = 0,049). Enfin, chez les femmes, une tendance à la diminution de la connectivité a été observée dans les contrôles par rapport à l' albinisme (C 2 (1, N = 21) = 3,52, p = 0,061). L'utilisation de valeurs PGsl calculées à partir des données déterministes, les comparaisons par paires ont révélé simirésultats lar à ceux obtenus avec des valeurs waytotal. Sorties de tractographie déterministe sont illustrés dans la Figure 6. En utilisant des données probabilistes, les comparaisons par paires ont révélé une diminution de connectivité dans l'hémisphère droit des mâles par rapport aux femelles (C 2 (1, N = 21) = 15,96, p <0,001). Sorties de tractographie probabiliste sont illustrés dans la Figure 7 Corrélation de Pearson a révélé une très faible corrélation négative entre les valeurs de PGsl des deux méthodes (r = -0,172, p = 0,276;. Cependant, les faisceaux de fibres se chevauchent largement et sont qualitativement similaires (figure 8) .

Figure 1
Figure 1:. Pathway visuel primaire dans les cerveaux des individus sains et des patients atteints d' albinisme Chaque LGN reçoit des entrées des deux yeux. pr rétinienne Ipsilateralojections fin à couches 2, 3 et 5, tandis que les projections controlatérale terminent couches 1, 4 et 6. Le LGN envoie des projections à V1 via le rayonnement optique (violet), avec axones se terminant le plus lourdement sur V1 couche 4. Les apports des deux yeux restent isolés dans les colonnes de dominance oculaire de la couche 4. au-delà de ce point, les contributions des deux yeux sont combinés (neurones binoculaires dans le cortex). (A) contrôle, à peu près la moitié des saillies prolonger ipsilatérale (rouge) à partir de la rétine temporelle, tandis que l'autre moitié proviennent de la rétine nasale et transversale (vert) à l'chiasma à l'hémisphère controlatéral. (B) Dans l' albinisme, il y a un changement dans la ligne de entrecroisement dans la rétine temporelle, ce qui entraîne une augmentation de la traversée de fibres du nerf optique, comme illustré par les fibres vertes épaissies. Ce schéma suggère des anomalies supplémentaires en aval de la voie rétino-geniculo-corticale, avec réduite LGN à V1 la connectivité dans l'albinisme (modifié à partir de mcketton et al., 2014) comme l'a confirmé par cette étude. S'il vous plaît cliquer ici pour voir une version plus grande de cette figure.

Figure 2
. Figure 2 "Enregistrement probabilistes Tractography Pipeline FLIRT linéaire a été utilisée pour transformer les cerveaux des participants aux différents espaces (inscription indiqué par des flèches rouges): En préparation de masques de semences, les cerveaux PD ont été enregistrées à l' espace T1 anatomique et à FreeSurfer (FS) l' espace, et les transformations ont été appliquées aux masques LGN originaux à l'aide du plus proche voisin interpolation. pour créer les masques cibles, les cerveaux FS ont été transformées en espace T1 et transformations ont été appliquées aux masques V1 de FreeSurfer utilisant tri-interpolation linéaire. T1 et FS cerveaux ont été linéairement enregistré à la diffusion espace. FreeSurfer 's blanc controlatéral masque matière frontière a été ajouté en tant que masque d'exclusion dans la course de FS. PROBTRACKX2 pour le suivi probabiliste a été exécuté dans l' espace de diffusion avec des masques d' entrée en T1 et FS espace. S'il vous plaît cliquer ici pour voir une version plus grande de cette figure.

Figure 3
Figure 3: déterministes Tractography Pipeline. Pré-traitement Impliquez DICOM Conversion NIfTI et a donné une image de diffusion (dti.nii.gz) ainsi que deux fichiers texte (BVEC et bval). Distorsions et le mouvement ont été corrigées pour l' utilisation de l' outil de correction à courant de Foucault de FLS. Eddy corrigé des images pondérées en diffusion ont été ouverts dans DSI et Studio fichiers BVEC et Bval ont été chargés sur une fenêtre b-table pour créer une source (.src) fichier. Les fichiers sources ont été ouverts et la valeur par défaut reconstruitsmasques du cerveau ont été modifiés selon les besoins. Ensuite, le modèle de reconstruction DTI a été appliqué aux fichiers sources pour produire des fichiers d'information de fibres (de .fib). masques LGN dans l'espace de diffusion ont été chargés sur les fichiers .fib dans la fenêtre de suivi et définis comme des graines. Région 17 (V1) de l'atlas Brodmann a été défini comme une région terminative. Dans chaque essai, le masque WM controlatéral de FreeSurfer segmentation atlas a été chargé et installé comme un ROA (les deux hémisphères délimitées ici). L'égalité des signes représentent le produit donné dans une étape particulière; flèches orange indiquent le fichier d'entrée qui a été utilisé pour le traitement suivant ou étape de suivi; Asterisk (*) indique des masques et des cerveaux dans l' espace de diffusion. S'il vous plaît cliquer ici pour voir une version plus grande de cette figure.

Figure 4
Figure 4: LGN Mask Délimitation. (A) zoomée en vue de la droite et à gauche LGN sur un PD-pondéré coronale l' image dalle moyenne qui a été interpolée à deux fois la résolution et la moitié de la taille de voxel chez un patient atteint d' albinisme, A11. (B) manuellement tracé droite et à gauche des zones LGN d'intérêt (ROIs) en rouge masques (C) de LGN transformées à l' espace FreeSurfer utilisant le plus proche voisin (rouge) et le tri-linéaire (bleu) interpolations. Le premier a été utilisé pour toutes les transformations effectuées dans cette étude pour la délimitation plus précise de la structure. S'il vous plaît cliquez ici pour voir une version plus grande de cette figure.

Figure 5
Figure 5: Voxelwise Analyse statistique avec TBSS cerveau entier voxelwise analyse statistique de. FA données a été réalisée à l'aide des statistiques spatiales sur la base des voies-(TBSS). enregistrement non-linéaire de FA Les images tous les participants de à un espace commun a été réalisée, suivie par la création d'une moyenne FA squelette et la projection de l'image de chaque participant FA sur le squelette. (A) albinisme> Contrôle contraste montrant le squelette en vert, sans zones d'importance en raison de la réduction FA dans l' albinisme par rapport aux témoins. (B) de différence significative entre le groupe témoin et le groupe albinisme détecté, avec des zones dans les régions représentant rouges (substance blanche cérébrale correspondant aux fibres de rayonnement optique et calcarine cortex, sur lequel ils fin) de réduire blanc intégrité question des voies dans l' albinisme, pour la contrôle> contraste albinisme (TFCE (groupe amélioration sans seuil) corrigé, p <0,05), (C) épaissie version squelette des résultats affichés en B, pour la représentation visuelle.les / ftp_upload / 53759 / 53759fig5large.jpg "target =" _ blank "> S'il vous plaît cliquer ici pour voir une version plus grande de cette figure.

Figure 6
Figure 6:. Sortie de DSI studio Tracking fibre (A) réduit LGN à la connectivité V1 en albinisme patients A1 (plus bas nombre de secteurs reconstruits parmi les participants à l' hémisphère droit, 1365) par rapport à (B) commande (S6, plus grand nombre de voies reconstruites parmi les contrôles dans l'hémisphère droit, 4355) (à gauche LGN en rouge, à droite LGN en vert, les connexions LGN aux voies optiques et OR en orange, V1 en bleu). Optic voies de connexions LGN sont également vu dans la sortie. S'il vous plaît cliquez ici pour voir une version plus grande de cette figure.

Figure 7:. Sortie de PROBTRACKX pour le suivi probabilistes réduit LGN à la connectivité V1 en albinisme ( en haut) par rapport aux témoins ( en bas). LGN est représentée en jaune, le rayonnement optique en vert, en rouge V1. Notez que les tranches présentées ici ne sont pas destinés à être les mêmes, mais sont plutôt choisis sous forme de tranches qui représentent le mieux les résultats de la méthode. S'il vous plaît cliquer ici pour voir une version plus grande de cette figure.

Figure 8
Figure 8:. Probabilistes contre produit déterministes Overlap Carte cerveaux Anatomical (run probabiliste) et de diffusion des cerveaux (run déterministe) ont été enregistrées àcerveaux INM 1mm. Transformations ont été appliquées à tractographie voies de sortie des pistes qui ont utilisé des sphères standard comme LGN ROI. Les secteurs de la production a été en moyenne pour tous les participants dans chaque méthode, et Masques (A) moyenne des voies ont été superposées sur un 1 mm MNI cerveau en vue de FLS pour la comparaison (probabiliste en vert, en rouge déterministe). La transparence a été appliqué pour décrire des notions similaires de connectivité dans les deux méthodes. (B) LGN (bleu) et V1 masques (rose) ont été ajoutés pour illustrer les régions de semences et de cibles. S'il vous plaît cliquer ici pour voir une version plus grande de cette figure.

Albinisme Contrôles
Participant Age (an) Sexe Classification Acuité visuelle Participant Age (an) Sexe
A1 48 M OCA 0,6 S1 24 F
A2 20 M OCA-1 0,8 S2 22 M
A3 21 M OCA-1A 1.0 S3 25 M
A4 48 M OCA-1 1.0 S4 24 F
A5 43 F OCA-1 0,8 S5 20 F
A6 56 M OCA 0,9 S6 39 M
A7 22 F OCA 0,6 S7 26 F
A8 47 F OCA 0,9 S8 42 F
A9 45 F OCA 1.0 S9 41 F
A10 17 F OCA-1 0,9 S10 60 M
A11 29 F OCA-2 0,5

Tableau 1: Information sur les participants et l' histoire de la santé. L'acuité visuelle a été évaluée à l'aide d'une carte et expresse de l'œil traitement précoce Étude rétinopathie diabétique (ETDRS)d dans logMAR (logarithme de l'angle minimal de résolution) notations, à savoir le logarithme de base 10 de l'acuité visuelle décimale (0,0 à 1,0 pour 20 / 20-20 / 200). Test graphique ETDRS a été montré pour être plus précis que le test Snellen universellement utilisé 29. Tous les contrôles avaient normale ou corrigée à la normale de l'acuité visuelle (20/20). Pas d'antécédents de troubles neurologiques a été signalé.

PD Anatomique La diffusion FS
À gauche Droite À gauche Droite À gauche Droite À gauche Droite
Albinisme A1 48 71 57 78 63 72 49 67
A2 195 176 199 179 194 162 212 190
A3 191 181 203 186 180 171 194 184
A4 119 99 132 110 122 122 129 113
A5 128 132 101 106 153 113 135 153
A6 128 75 75 75 86 104 84 85
A7 115 105 101 95 117 113 117 114
A8 63 49 54 56 45 32 79 40
A9 81 105 81 104 77 113 76 112
A10 120 122 115 117 131 126 156 156
A11 69 92 70 93 81 113 75 98
Contrôle S1 201 234 217 240 198 297 205 250
S2 158 165 126 131 180 135 112 115
S3 172 184 204 212 167 180 186 199
S4 153 119 140 112 162 167 166 121
S5 276 229 281 247 324 239 292 243
S6 187 202 203 230 149 176 191 193
S7 242 250 199 209 270 239 206 235
S8 196 112 213 125 194 104 209 136
S9 212 236 224 256 225 234 224 256
S10 193 151 190 152 212 176 211 158

Tableau 2:. Résumé des volumes LGN Les volumes enregistrés dans ce tableau (mm 3) sont de droite et de gaucheLGN des patients et des contrôles dans tous les espaces utilisés dans cette étude.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

WM modifié et, plus particulièrement, une diminution de la connectivité dans albinisme par rapport aux témoins étaient attendus. Ainsi, la réduction de FA dans l'hémisphère droit de l'albinisme par rapport aux témoins, ainsi que la diminution de la connectivité chez les hommes atteints d'albinisme rapportés ici sont en ligne avec notre prévision. Genre et hémisphère effets ne sont pas tout à fait clair, bien que la recherche sur le cerveau sain qui suggère une diminution de la complexité WM dans l'hémisphère gauche de mâles par rapport aux femelles 30-31 pourrait expliquer certaines des différences liées au sexe et à l' hémisphère observés dans cette étude. Connectivité réduite dans l' albinisme mâle par rapport à l' albinisme femelle peut être en partie en raison de l'âge moyen plus jeune des femmes dans les deux groupes (7 - 8 ans <mâles), le volume WM a été signalé à être diminué à la mi-adulte dans le cerveau sain 32 -33. Les différences de genre peuvent aussi être dû à la petite taille de l'échantillon et le nombre impair des hommes contre les femmes dans chaquegroupe (5 mâles OCA, 4 témoins). La connectivité accrue observée dans l'albinisme féminine par rapport aux témoins du même sexe n'a pas été prévu, et pourrait suggérer une sorte de mécanisme de compensation dans l'albinisme. Toutefois, cette constatation pourrait plutôt être attribuée à la grande variabilité au sein d'un petit échantillon de la population.

FA moyenne et de rationaliser le nombre sont utilisés pour explorer LGN à la connectivité V1. AF est l'une des mesures les plus fréquemment rapportés dérivées des données de diffusion. Il est décrit plus précisément que la quantification de la force avec la diffusion directionnelle est dans une région. Il est important de noter que les différences de groupe dans les mesures FA ne signifient pas nécessairement des différences dans l'intégrité de la substance blanche. Étant donné que cette étude implique un état clinique avec un effet potentiel sur la matière blanche, une telle interprétation peut être justifiée. Cependant, alors que l'intégrité réduite suggère des dommages structurels ou le déclin, FA dans une région peut être abaissée en raison de moins d'obstacles tels que plus grandediamètres des axones et des axones moins denses, ainsi qu'en raison de limites moins efficaces résultant d' une augmentation de la perméabilité de la membrane 34. Le terme «rationaliser count ', est préféré au« nombre de fibres », puisque le nombre de lignes de courant reconstruites peut ne pas être une représentation fidèle du nombre de fibres réelles dues à des variations dans les caractéristiques de la voie telles que la longueur, la courbure et la ramification, ainsi que les conditions expérimentales telles que le rapport signal sur bruit (SNR) 34.

Tractography est la seule technique non invasive pour le mappage WM in vivo. Dans l'approche déterministe, la résiliation se produit lorsque anisotropie tombe au-dessous d'un certain niveau, ou quand il y a une angulation brutale. Cependant, la plupart des voxels contiennent des fibres dans plus d'une direction, et l'approche déterministe est limitée soit à identifier les voies dominante dans un voxel ou une «moyenne» de toutes les directions dans un voxel. Il échoue donc de fournir un véritable repréentation des voies neuronales. Tractographie probabilistes permet la résolution de deux modèles de fibres dans un seul voxel, en fournissant une représentation plus fiable d'un tube, et le suivi dans les zones de faible anisotropie 17. L'algorithme probabiliste était donc particulièrement intéressant dans cette étude, qui a enquêté sur la trajectoire de l'OR, une structure de WM très ramification (en particulier la partie de la boucle de Meyer), se terminant dans la matière grise du V1. Il est important de noter que la tractographie probabiliste fait référence à une probabilité d'avoir la même voie stochastique émergent sur plusieurs permutations, plutôt que la notion trompeuse de tractographie représentant la véritable anatomie d'une fibre. Bien que tractographie probabiliste est censé suivre le vrai cours de fibres nerveuses de plus près, tractographie déterministe a été effectué pour comparer l'utilité et de la reproductibilité des deux techniques. Comme les tendances ont été détectées en utilisant l'approche probabiliste, des similitudes vudans la perspective déterministe fait que renforcer la validité des résultats.

En dehors de son utilisation croissante dans la recherche sur la connectivité cartographie anatomique dans le cerveau, tractographie a montré des progrès prometteurs dans le panoramique neurochirurgicale. Visualisation de OU pendant la résection des tumeurs par le transfert des données neuronavigationally CFA dans le champ opératoire a été signalé pour aider à éliminer avec succès des lésions et de garder les champs visuels intacts 35. Néanmoins, le DTI a des limites telles que la résolution spatiale relativement faible et la qualité des données altérée lorsque les structures avec faible densité de fibres tels que l'OR sont étudiés 20. Bien que tractographie probabiliste était la technique préférée, la présente étude visait à comparer les deux algorithmes. Les deux algorithmes de suivi ont révélé des résultats communs, l'augmentation de la fiabilité des résultats.

Le volume LGN varie 112-276 mm 3 dans les cerveaux sains 8 et correlates avec des volumes du cortex visuel et du tube optique, mais pas avec le volume du cerveau global 36. Depuis tractographie dépend du nombre de voxels dans le masque de semences, le volume LGN devrait être normalisée pour tous les participants afin d' éviter un biais dans les comparaisons quantitatives entre les voies 37. Nous avons contrôlé des différences de taille LGN en utilisant deux méthodes différentes. Dans la première méthode, ROI sphérique d'une taille standard ont été créés. Pour ce faire, un volume moyen pour tous les sujets de leurs masques de LGN transformées dans l'espace INM a été calculé. À l'aide du rayon du masque moyen dans l'espace INM, une sphère est centrée sur le centre de masse de chaque CGL ni dans l'espace anatomique ou par diffusion. L'utilisation d'un retour sur investissement de la sphère standard avec un volume plus important que les volumes LGN individuels assure l'inclusion de tous les voxels qui font partie de cette structure dans tous les participants. Tout en utilisant une taille de masque plus grand augmenterait généralement le risque de faux positifs, cette préoccupation ne concerne pas lorsque l'ensemencementdans une structure telle que le CGL, ce qui diffère des modes de connectivité à partir des noyaux environnants. Par conséquent, les voxels appartenant à d' autres structures va générer des lignes de courant qui ne suivent pas les chemins attendus et ces chemins seront donc jetés 18 .La deuxième méthode utilisée pour contrôler le volume de LGN était d'exécuter des analyses statistiques en utilisant un volume LGN comme covariable, mais cette n'a pas modifié de façon significative les résultats statistiques. Une autre approche possible pour LGN normalisation est l'ajout et le retrait de voxels autour de masques LGN individuels pour obtenir une taille standard à travers les sujets utilisant un script MATLAB. Cette approche ne nécessite aucune inscription supplémentaire et limite donc le degré de déformation des images du cerveau et augmente la précision. Il conserve également le contour LGN plutôt que de créer une sphère autour de la région LGN. Cependant, afin de minimiser l'erreur humaine, multi-atlas de segmentation peut être utilisé au lieu de tracer manuellement les masques LGN. L'utilisation d'un ensemble de comptes d'atlasla variabilité structurelle individuelle et donne donc une représentation plus précise d'une région sous - corticale qu'un seul atlas 38.

Ce roman étude in vivo enquête développement solidaire entre les différentes parties de la voie visuelle primaire dans l' albinisme humaine. Il fournit ainsi un éclairage supplémentaire sur l'étiologie de cette maladie et d'améliorer le diagnostic grâce à l'identification de signatures spécifiques aux troubles. Les deux algorithmes de tractographie probabiliste et déterministe utilisés ici ont montré des modèles comparables de LGN modifié à la connectivité V1 dans l'albinisme humaine. Bien qu'aucune généralisation à la grande population peut être faite en raison de la petite taille de l'échantillon et la grande variation inter-sujet dans les structures d'intérêt, cette étude démontre l'utilité de tractographie pour détecter les tendances au sein de la population de l'échantillon, ce qui suggère l'importance de la recherche dans le champ.

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

Le travail est soutenu en partie par le Conseil de recherches en génie du Canada en sciences naturelles et en génie (CRSNG). Les auteurs remercient les participants, le Dr Rick Thompson pour son aide dans le recrutement des patients de l'albinisme, Denis Romanovsky pour son aide en cours d'exécution certaines des analyses et la modification d'une figure, Mónica Giraldo Chica pour ses connaissances et des conseils avec tractographie, Joy Williams pour son aide dans l'acquisition IRM, et Aman Goyal pour son IRM expertise d'analyse.

Materials

Name Company Catalog Number Comments
Magnetom Tim Trio 3T MRI Siemens (Erlangen, Germany)
FMRIB’s Software Library (FSL) http://www.fmrib.ox.ac.uk/fsl/
FreeSurfer http://surfer.nmr.mgh.harvard.edu
DSI Studio http://dsi-studio.labsolver.org
SPSS

DOWNLOAD MATERIALS LIST

References

  1. Montoliu, L., et al. Increasing the complexity: new genes and new types of albinism. Pigment Cell Melanoma Res. 27, 11-18 (2013).
  2. Martinez-Garcia, M., Montoliu, L. Albinism in Europe. J. Dermatol. 40 (5), 319-324 (2013).
  3. Gottlob, I. Albinism: a model of adaptation of the brain in congenital visual disorders. Br. J. Opthalmol. 91 (4), 411-412 (2007).
  4. Wilk, M. A., et al. Relationship between foveal cone specialization and pit morphology in albinism. Invest. Ophthalmol. Vis. Sci. 55 (7), 4186-4198 (2014).
  5. Von dem Hagen, E. A. H., Houston, G. C., Hoffman, M. B., Morland, B. A. Pigmentation predicts the shift in the line of decussation in humans with albinism. Eur. J. Neurosci. 25, 503-511 (2007).
  6. Rice, D. S., Williams, R. W., Goldowitz, D. Genetic control of retinal projections in inbred strains of albino mice. J comp neurol. 354 (3), 459-469 (1995).
  7. Schmitz, B., Schaefer, T., Krick, C. M., Reith, W., Backens, M., Kasmann-Kellner, B. Configuration of the optic chiasm in humans with albinism as revealed by magnetic resonance imaging. Invest. Ophthalmol. Vis. Sci. 44 (1), 16-21 (2003).
  8. Mcketton, L., Kelly, K. R., Schneider, K. A. Abnormal lateral geniculate nucleus and optic chiasm in human albinism. J. Comp. Neurol. 522 (11), 2680-2687 (2014).
  9. Williams, S. E., et al. Ephrin-B2 and EphB1 mediate retinal axon divergence at the optic chiasm. Neuron. 39 (6), 919-935 (2003).
  10. van Genderen, M. M., Riemslag, F. C., Schuil, J., Hoeben, F. P., Stilma, J. S., Meire, F. M. Chiasmal misrouting and foveal hypoplasia without albinism. J. Opthalmol. 90 (9), 1098-1102 (2006).
  11. Yücel, Y. H., Zhang, Q., Gupta, N., Kaufman, P. L., Weinreb, R. N. Loss of neurons in magnocellular and parvocellular layers of the lateral geniculate nucleus in Glaucoma. Arch. Ophthalmol. 118 (3), 378-384 (2000).
  12. von dem Hagen, E. A., Hoffman, M. B., Morland, A. B. Identifying human albinism: a comparison of VEP and fMRI. Invest. Ophthalmol. Vis. Sci. 49 (1), 238-249 (2008).
  13. Burkhalter, A., Bernardo, K. L. Organization of cortico-cortical connections in human visual cortex. Proc. Natl. Acad. Sci. USA. 86 (3), 1071-1075 (1989).
  14. Mufson, E. J., Brady, D. R., Kordower, J. H. Tracing neuronal connections in postmortem human hippocampal complex with the carbocyanine Dye DiI. Neurobiol. Aging. 11 (6), 649-653 (1990).
  15. Wedeen, V. J., et al. Diffusion spectrum magnetic resonance imaging (DSI) tractography of crossing fibers. Neuroimage. 41 (4), 1267-1277 (2008).
  16. Smith, S. M., et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. NeuroImage. 31 (4), 1487-1505 (2006).
  17. Newcombe, V. F., Das, T., Cross, J. J. Diffusion imaging in neurological disease. J. Neurol. 260 (1), 335-342 (2013).
  18. Behrens, T. E. J., et al. Non-invasive mapping of connections between human thalamus and cortex using diffusion imaging. Nat. Neurosci. 6 (7), 750-757 (2003).
  19. Bassi, L., et al. Probabilistic diffusion tractography of the optic radiations and visual function in preterm infants at term equivalent age. Brain. 131 (2), 573-582 (2008).
  20. Hofer, S., Karaus, A., Frahm, J. Reconstruction and dissection of the entire human visual pathway using diffusion tensor MRI. Front Neuroanat. 4, 1-7 (2010).
  21. Fujita, N., et al. Lateral Geniculate Nucleus: Anatomic and Functional Identification by Use of MR Imaging. Am. J. Neuroradiol. 22 (9), 1719-1726 (2001).
  22. McKetton, L., Joy, W., Viviano, J. D., Yücel, Y. H., Gupta, N., Schneider, K. A. High resolution structural magnetic resonance imaging of the human subcortex in vivo and postmortem. J. Vis. Exp. , (2015).
  23. Fischl, B. FreeSurfer. NeuroImage. 62 (2), 774-781 (2012).
  24. Yeh, F. C., Verstynen, T. D., Wang, Y., Fernández-Miranda, J. C., Tseng, W. Y. Deterministic Diffusion Fiber Tracking Improved by Quantitative Anisotropy. PLoS One. 8 (11), 807-813 (2013).
  25. Jiang, H., van Zijl, P. C., Kim, J., Pearlson, G. D., Mori, S. DtiStudio: resource program for diffusion tensor computation and fiber bundle tracking. Comput. Methods. Programs. Biomed. 81 (2), 106-116 (2006).
  26. Smith, S. M., et al. Advances in functional and structural MR image analysis and implementation as FSL. NeuroImage. 23 (1), 208-219 (2004).
  27. Galantucci, S., et al. White matter damage in primary progressive aphasias: a diffusion tensor tractography study. J. Neurol. 134, 3011-3029 (2011).
  28. Cabin, R. J., Mitchell, R. J. To Bonferroni or not to Bonferroni: when and how are the questions. Bull. Ecol. Soc. Am. 81 (3), 246-248 (2000).
  29. Kaiser, P. K. Prospective evaluation of visual acuity assessment: a comparison of snellen versus ETDRS charts in clinical practice (An AOS Thesis). Trans. Am. Ophthalmol. Soc. 107, 311-324 (2009).
  30. Farahibozorg, S., Hashemi-Golpayegani, S. M., Ashburner, J. Age and sex-related variations in the brain white matter fractal dimension throughout adulthood: An MRI study. Clin. Neuroradiol. 25 (1), 19-32 (2014).
  31. Tian, L., Wang, J., Yan, C., He, Y. Hemisphere and gender-related differences in small world brain networks: a resting state functional MRI study. NeuroImage. 54 (1), 191-202 (2011).
  32. Ge, Y., Grossman, R. I., Babb, J. S., Rabin, M. L., Mannon, L. J., Kolson, D. L. Age-related total gray matter and white matter changes in normal adult brain. Part 1: volumetric MR imaging analysis. Am. J. Neuroradiol. 23 (8), 1327-1333 (2002).
  33. Zhang, L., Dean, D., Liu, J. Z., Sahgal, V., Wang, X., Yue, G. H. Quantifying degeneration of white matter in normal aging using fractal dimension. Neurobiol. Aging. 28 (10), 1543-1555 (2007).
  34. Jones, D. K., Knosche, T. R., Turner, R. White matter integrity, fiber count, and other fallacies: The do's and don'ts of diffusion MRI. NeuroImage. 73, 239-254 (2013).
  35. Coenen, V. A., Huber, K. K., Krings, T., Weidemann, J., Gilsbach, J. M., Rohde, V. Diffusion-weighted imaging-guided resection of intracerebral lesions involving the optic radiation. Neurosurg. Rev. 28 (3), 188-195 (2005).
  36. Andrews, T. J., Halperm, S. D., Purves, D. Correlated size variations in human visual cortex, lateral geniculate nucleus, and optic tract. J. Neurosci. 17 (8), 2859-2865 (1997).
  37. Bridge, H., Thomas, O., Jbabdi, S., Cowey, A. Changes in connectivity after visual cortical brain damage underlie altered visual function. Brain. 131, 1433-1444 (2008).
  38. Asman, A. J., Landman, B. A. Non-local statistical label fusion for multi-atlas segmentation. Med. Image. Anal. 17 (2), 194-208 (2013).

Tags

Neuroscience numéro 114 le développement du cerveau l'albinisme misrouting neuronale imagerie par résonance magnétique (IRM) tenseur de diffusion d'imagerie (DTI) tractographie déterministe probabiliste suivi / fibre latéral géniculé noyau (LGN) le rayonnement optique (OR) primaire visuelle cortex (V1) neurobiologie
Mesure de la connectivité dans la voie visuelle primaire en albinisme humaine Utilisation Diffusion Tensor Imaging and Tractography
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Grigorian, A., McKetton, L.,… More

Grigorian, A., McKetton, L., Schneider, K. A. Measuring Connectivity in the Primary Visual Pathway in Human Albinism Using Diffusion Tensor Imaging and Tractography. J. Vis. Exp. (114), e53759, doi:10.3791/53759 (2016).

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