Waiting
Login processing...

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

Neuroscience

Mess Konnektivität im primären Sehbahn im Bereich Human Albinismus Diffusion Tensor-Bildgebung und Traktographie

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

Summary

Dieses Manuskript beschreibt deterministischen und probabilistischen Algorithmen für die weiße Substanz (WM) für den Wiederaufbau, verwendet, um Unterschiede in Sehstrahlung zu untersuchen (OR) Konnektivität zwischen Albinismus und Kontrollen. Obwohl probabilistischen tractography war der wahre Verlauf der Nervenfasern stärker determinis tractography folgt ausführen, um die Zuverlässigkeit und Reproduzierbarkeit beider Techniken zu vergleichen.

Abstract

In Albinismus, wird die Anzahl der ipsilateral Projizieren retinale Ganglionzellen (RGCs) signifikant reduziert. Die Retina und Chiasma wurden als mögliche Standorte für Fehlleitung vorgeschlagen. Da eine Korrelation zwischen der Anzahl der Corpus geniculatum laterale (LGN) Relais Neuronen und LGN Größe gezeigt wurde, und basierend auf den bereits gemeldeten Reduktionen in LGN Volumina im menschlichen Albinismus, schlagen wir vor, dass Faser Projektionen von LGN zur primären visuellen Kortex (V1) werden ebenfalls reduziert. Studium strukturelle Unterschiede im visuellen System des Albinismus kann das Verständnis des Mechanismus der Fehlleitung und anschließende klinische Anwendungen verbessern. Diffusionsdaten und tractography sind nützlich zum Abbilden des OR (optische Strahlung). Dieses Manuskript beschreibt zwei Algorithmen zur Rekonstruktion oder um Gehirn-Konnektivität in Albinismus und controls.An MRI-Scanner mit einem 32-Kanal-Kopfspule verwendet strukturelle Scans zu erwerben wurde zu vergleichen. Ein T1-gewichteten 3D-MPRAGE Sequenz mit 1 mm3 isotropen Voxelgröße wurde verwendet , hochauflösende Bilder für V1 Segmentierung zu erzeugen. Mehrere Protonendichte (PD) gewichtete Bilder wurden kranz für Recht erworben und LGN Lokalisierung links. Diffusions-Tensor-Bildgebung (DTI) Scans wurden mit 64 Diffusionsrichtungen erworben. Sowohl deterministische und probabilistische Tracking-Methoden wurden durchgeführt und verglichen mit LGN als Keimmaske und V1 als Zielmaske. Obwohl DTI relativ schlechte räumliche Auflösung bietet und genaue Abgrenzung der OR kann aufgrund seiner geringen Faserdichte eine Herausforderung sein, tractography wurde sowohl in der Forschung als auch klinisch vorteilhaft erwiesen. Tract basierend räumlichen Statistik (TBSS) ergab Bereiche deutlich reduziert weißen Substanz Integrität innerhalb der oder bei Patienten mit Albinismus Vergleich zu den Kontrollen. Paarweise Vergleiche ergeben, in Albinismus eine signifikante Reduktion der LGN zu V1 Konnektivitäts Vergleich zu den Kontrollen. Vergleicht man beide Tracking-Algorithmen offenbart gemeinsame Erkenntnisse, um die Zuverlässigkeit zu stärkender Technik.

Introduction

Albinismus ist eine genetisch bedingte Erkrankung in erster Linie durch offenkundige hypopigmentation in den betroffenen Individuen beobachtet gekennzeichnet. Es wird von ererbten Mutationen Gene verursacht 1 in Melaninsynthese beteiligt. Albinismus erscheint in zwei Hauptformen: oculo-kutane Albinismus (OCA), eine autosomal-rezessiv vererbt sowohl Augen- und Hautmerkmale aufweist; und okulare Albinismus (OA), eine X-chromosomal trait häufiger bei Männern und vor allem durch die Augensymptome 2 gekennzeichnet. Melanin in retinalen Pigmentepithel (RPE) ist entscheidend für die richtige Entwicklung des zentralen Sehbahn. Sein Fehlen in Albinismus führt daher zu Fehlsichtigkeiten, einschließlich Photophobie, Nystagmus, reduzierte Sehschärfe und Verlust des binokularen Sehens 2-3. Die Sehschärfe wurde Fovea - Morphologie verknüpft, die in Albinismus 4 verändert wird. Beim Menschen liegt eine Netzhautlinie decussation entlang der nasotemporal Grenze durch die Fovea, mit Fasern aus nasalen RetinaKreuzung auf der anderen Hemisphäre und die aus zeitlichen Retina erstreckt ipsilateral. Der Grad der reduzierten visuellen Funktion in Albinismus wurde auf das Niveau von hypopigmentation verknüpft. Insbesondere ist Pigmentierung umgekehrt proportional zur Verschiebung in temporal Retina des Linie decussation 5. Als Folge der Verschiebung der Leitung von decussation in der zeitlichen Retina, Überschreiten der Sehnervenfasern erhöht wird - ein gemeinsames Merkmal in allen drei Arten.

Structural MRI Studien am Menschen haben schmalere optic Chiasmen in Albinismus gezeigt im Vergleich zu Kontrollen, die 6-8 in Albinismus wahrscheinlich das Ergebnis der erhöhten Kreuzungs von RGCs beobachtet wird. Die Netzhaut und Chiasma axonalen Führung Cues Eil wie Eph - Familie - Rezeptoren und deren Liganden 9 und sind daher mögliche Standorte für Fehlleitung 10.

Eine Studie an Affen mit induzierten Glaukom zeigte einen signifikanten Dezemberrease in der Anzahl der LGN Parvalbumin-immunoreaktive Neuronen Relais und LGN Volumen 11. Dies deutet auf eine Korrelation zwischen LGN Größe und der Anzahl der weißen Substanz (WM) Trajektorien durch die OR zu V1 fährt. Eine post mortem Studie an menschlichen Albinismus zeigte auch kleinere LGN mit verschmolzenen M und P Schichten 12. Hochauflösende strukturelle MRT bestätigt signifikante Verringerung des Volumens von LGN in Albinismus 8. Zusammengenommen deuten diese Ergebnisse, dass LGN Volumen verringerte sich in einer reduzierten Anzahl von Neuronen in der LGN führen und wiederum in verringerten Konnektivität zwischen LGN und V1.

Prüfungsmuster anatomischer Konnektivitäts beim Menschen begrenzt. Sezierung, Tracerinjektion und Läsion Induktion sind invasive Techniken, die nur post mortem verwendet werden kann, und in der Regel eine sehr kleine Anzahl von Patienten einzubeziehen. Frühere Studien mit Carbocyaninfarbstoffes Dil Injektionen zeigten neuronale Verbindungen zwischen V1 und V2 (sekundäre visual c färbenORTEX) 13, sowie im Hippocampus - Komplex in Aldehyd-fixierten postmortalen menschlichen Gehirnen 14. Kennzeichnungs Fasern auf diese Weise wird auf Entfernungen von nur beschränkt zehn Millimeter von der Injektionsstelle 14. Diffusion Tensor Imaging, DTI, ist eine MRI-Modalität entwickelt Anfang-Mitte der 1990er Jahre Faserzug Richtung und Organisation zu identifizieren. Es ist eine nicht-invasive Methode, die Kartierung großer WM Wege im lebenden Gehirn ermöglicht. DTI ist in biologischem Gewebe 15 zur Diffusion von Wassermolekülen empfindlich. Im Gehirn ist die Diffusion von Wasser anisotrop (unebene) aufgrund von Barrieren wie Membranen und Myelin. WM hat eine hohe Diffusions Anisotropie, was bedeutet , die Diffusions größer parallel als senkrecht zu der Ausrichtung der Fasern 16 ist. Fractional Anisotropie (FA) ist eine skalare Größe, die die Präferenz von Molekülen diffundieren in anisotroper Weise beschreibt. FA-Werte reichen von 0-1, von niedrig bis hoch anisotropy (Liquor (CSF) <graue Substanz (GM) <WM) 16.

Rationalisieren (deterministisch) und probabilistische Fiber Tracking sind zwei verschiedene Algorithmen für 3D-Pfad Rekonstruktion. Determinis tractography verwendet eine Linie Ausbreitungsverfahren, benachbarte Voxel in einem definierten Seed-Region verbindet. Zwei Abbruchkriterien in diesem Algorithmus verwendet werden, sind der Drehwinkel und der FA-Wert. Daher Trakt zwischen benachbarten Voxel Tracing ist bei großen Drehwinkel unwahrscheinlich. Der Algorithmus wäre daher schreitet auch nur, wenn der FA in einem Voxel eine bestimmte Schwelle überschreitet, in genau definieren Wege in der Nähe der grauen Substanz ihre Wirksamkeit zu begrenzen, wo Anisotropie fällt. Probabilistische tractography, auf der anderen Seite ergibt eine Konnektivitätskarte die Wahrscheinlichkeit eines Voxel beschreibt Teil eines Darm - Trakt zwischen zwei Regionen von Interesse (ROIs) und damit schreitet in der grauen Substanz wie V1 17 zu sein. Mit dieser MRI-Anwendung, Schlüssel WM Strukturen wie dieOR kann abgegrenzt werden, wie 18-20 in früheren Studien gezeigt.

Diese Studie verwendet daher Diffusionsdaten und tractography die Wirkung von axonalen Fehlleitung auf retino-geniculo-kortikalen Konnektivität zu erkunden. Basierend auf den bereits gemeldeten Reduktionen in LGN Volumina im menschlichen Albinismus 8, sagen wir voraus , dass Faser Projektionen von LGN zu V1 werden ebenfalls reduziert (Abbildung 1).

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Ethik-Statement: Die aktuelle Studie wurde von den menschlichen Teilnehmern Review Committee (HPRC) an der York University, Toronto genehmigt. Alle Teilnehmer gaben ihr schriftliches Einverständnis informiert.

1. Gegenstand Vorbereitung

Hinweis: Elf Teilnehmer mit OCA, im Alter von 36 ± 4 Jahre (6 Frauen) wurden im Vergleich zu zehn altersangepassten Kontrollen, im Alter von 32 ± 4 Jahre (6 Frauen). Teilnehmerhistorie ist in Tabelle 1 aufgezeichnet.

  1. Bitten Sie jeden Teilnehmer ausfüllen und unterschreiben eine Einverständniserklärung, die MRI-Sicherheitsrichtlinien und Imaging-Protokoll aufgeführt sind.
  2. Für jeden Teilnehmer bieten Ohrenstöpsel für die Ohren. Position Teilnehmer Rücken und Kopf zuerst in den Magneten und Wahrzeichen über den Augen an der Augenbraue Ebene. Sichere Teilnehmer den Kopf mit Kissen Kopfbewegung zu reduzieren. Geben Sie dem Teilnehmer eine Saugbirne für Patienten aufmerksam.

2. Strukturelle MRT-Parameter

e_content "> Hinweis: Alle Bildgebung auf einem 3T-MRT-Scanner erfasst wird ein 32-Kanal-Kopfspule während einer einzelnen Sitzung pro Fach.:

  1. Erwerben Sie eine hohe Auflösung T1-gewichteten anatomischen eine 3D MPRAGE Sequenz unter Verwendung des gesamten Gehirns mit den folgenden Parametern abdeckt: Erfassungszeit 4 min 26 sec, Sichtfeld 256 mm, 256 Matrix, 192 Scheiben mit Schichtdicke von 1 mm, mit einer resultierende isotropen Voxelgröße von 1,0 mm 3, TR = 1900 ms, TE (Echozeit) = 2,52 ms mit einer Inversionszeit von 900 ms und Flip - Winkel von 9 °, 1 Durchschnitt parallele Bildgebung (iPat GRAPPA, Beschleunigungsfaktor von 2) .
  2. Erwerben Sie eine DTI-Sequenz die Rinde bedeckt, mit Scheiben in Querausrichtung nach der vorderen Kommissur / hinteren Kommissur (AC-PC) Linie, die folgenden Parameter: Erfassungszeit 8 min 5 sec, Sichtfeld 192 mm, 128 Matrix, Voxel 1.5 1,5 mm in der gleichen Ebene, 56 zusammenhängende (kein Spalt) Scheiben mit 2 mm Dicke, TR = 6900 ms, TE = 86 ms, 64 Richtungen, b-Wert von 1000 s / mm 2 (Referenzbild mit niedrigen b-Wert von 0 sec / mm 2), 1 Durchschnitt parallele Bildgebung (iPat GRAPPA) mit einem Beschleunigungsfaktor von 3.
  3. Erwerben 30-40 PD-gewichteten Bildern in einer koronalen Ausrichtung parallel Schaft zum Gehirn, von der vorderen Ausdehnung der Brücke an den hinteren Teil des Colliculus inferior abdeckt.
    1. Verwenden Sie den Turbo-Spin-Echo (FAST-Spin-Echo) Impulsfolge und die folgenden Parameter: Erfassungszeit 1 min 29 sec pro Scan, Sichtfeld 192 mm, 256 Matrix, 30-40 Scheiben mit einer Dicke von 1 mm, Voxelgröße 0,75 0,75 resultierende 1 mm 3, TR = 3000 ms, TE = 22 ms, Turbofaktor von 5, Refokussierungsflipwinkel von 120 °, 1 Durchschnitt parallele Bildgebung (iPat GRAPPA) mit einem Beschleunigungsfaktor von 2.
      Hinweis: S12 gescannt wurde mit den folgenden Parametern: Sichtfeld von 180 mm, 512 Matrix, 30 Scheiben mit 1 mm dicke Scheiben schneiden, was Voxelgröße 0,4 x 0,4 x 1,0 mm 3. Alle anderen Parameter blieben gleich. AcquisitIonenzeit 2 min 47 sec.
  4. Pre-Prozess alle Scans von rohen DICOM zu NIfTI Format mit dem Programm dcm2nii konvertieren.

3. LGN Delineation

Hinweis: Der LGN ist eine kleine Tiefe befindet subkortikale Struktur im Gehirn, daher hochauflösende PD Bilder erforderlich sind, um ihre anatomischen Grenzen bestimmen. In diesen Scans erscheint der LGN als ein Bereich mit hoher Signalintensität im Vergleich zu den umliegenden WM Wege, erleichtert seine Detektion 21. Die identifizierte anatomische LGN wird dann als ein Seed-Region für tractography verwendet.

  1. Während blind für die Gruppenmitgliedschaft, Spuren manuell nach rechts und links LGN Masken jeweils dreimal auf durchschnittlich PD Bilder interpoliert , um zweimal die Auflösung und die Hälfte Voxelgröße (original 256 x 256 Matrix, 0,75 x 0,75 x 1 mm 3 Voxelgröße).
    1. Zur Erzielung hoher Auflösung PD Bilder verwenden, um die frei verfügbaren FLIRT-Funktion und andere Software-Tools innerhalb FMRIB der SoftwareLibrary (FSL, http://www.fmrib.ox.ac.uk/fsl/). Upsample, verketten, Bewegung korrekt und mittlere PD Bilder für jeden Teilnehmer , wie zuvor an anderer Stelle 22 beschrieben.
    2. Laden Sie die hohe Auflösung PD Bild in FSLView und klicken Sie auf die Registerkarte Extras die einzige Option auswählen (oder drücken Sie Abbildung 1 ), Um das Bild zu vergrößern.
    3. Klicken Sie auf die Registerkarte Datei die Maske erstellen Option auszuwählen, und verwenden Sie die Symbolleiste auf der linken oberen Ecke des Bildschirms, um die LGN in jeder Scheibe zu verfolgen. Falls gewünscht, ändern Sie den Kontrast des Bildes durch entlang der min / max in der Symbolleiste ziehen LGN den Nachweis zu erleichtern.
  2. Merge diese Regionen von Interesse (ROIs) in eine mittlere Maske den fslmerge Befehl.
  3. Kombinieren Sie alle Median Masken 'Rater in eine einzige mittlere Maske mit dem gleichen Befehl.

4. V1 Segmentation

  1. Run "recon-all" -Befehl in FreeSurfer23 (V5.3.0) auf das Gehirns im nativen anatomischen Raum (T1-gewichteten Bildern) für die automatisierte Verarbeitung.
  2. Konvertieren Sie die entsprechenden Ausgänge in den neu erstellten Ordner mri (orig.mgz, brain.mgz, rawavg.mgz, T1.mgz) zu NIfTI mit "mri_convert".
  3. Verwenden BET Gehirn Extraktion in der FSL GUI den Schädel-gestrippt Ausgang Gehirn (brain.nii.gz) in FreeSurfer Raum bei Bedarf zu korrigieren. Wählen Sie den Run Standard Gehirn Extraktion mit BET2 Option (Standard). Senken Sie die Schwelle, wenn Bild Hirngewebe fehlt, oder erhöhen, wenn nicht Hirngewebe aufgenommen wird (Standardschwellen 0,5). Wählen Sie den Output Gehirn-extrahierte Bild und Output binäre Gehirn Maskenbild (letzteres kann für manuelle Korrekturen verwendet werden) in den erweiterten Optionen.
  4. Konvertieren Ausgabe V1 Parzellierung zu einer volumetrischen Maske "label2surf" und "surf2volume" Befehle.

5. Pre-Tracking-Anmeldungen

Hinweis: Für die nächsten Schritte, rufen Sie die FSL GUI jeder der followin zu öffneng-Tools.

  1. Verwenden BET Gehirn Extraktion und wählen Sie das Feld Bias & neck Bereinigungsoption auf Schädel-Streifen rawavg.nii.gz, die sich im mri Ordner erstellt von "recon-all". Einstellen Schwelle nach Bedarf.
  2. Führen Sie FLIRT lineare Registrierung zu bringen Gehirne in FreeSurfer und nativen anatomischen Raum Diffusionsraum.
    1. Wählen Sie brain.nii.gz, Ausgabe von recon-all (FreeSurfer Raum) oder eines Subjekts Gehirn extrahiert T1 (native anatomischen Raum) als Eingangsbild und ein Eddy korrigiert und Gehirn diffusionsgewichtete Bild (DWI) als Referenz extrahiert Image. Dann klicken Sie auf "Go".
      Anmerkung: Dieser Schritt erzeugt zwei Ausgänge, die Eingangs Gehirn zu dem Referenzbild registriert (.nii.gz) und einer Transformationsmatrix (.mat). Neben der Registrierung wird diese Datei benötigt für tractography wenn Samen Raum nicht Diffusion ist. Verwenden Sie die Ausgabe Transformationsmatrizen (.mat) in diesem Schritt für tractography erstellt, wie in 7.4.2 erklärt.
  3. Ähnlichbis 5.2 laufen Registrierung FLIRT linear PD Gehirn FreeSurfer Raum und nativen anatomischen Raum 'Teilnehmer bringen.
  4. Bereiten Samen Masken für tractography:
    1. Bewerben FLIRT Transformation von Utils in der FLIRT linearen Registrierung Toolbox. Verwenden Sie die .mat Ausgabe als Transformationsmatrix, maskieren die ursprüngliche LGN als Eingang und brain.nii.gz (FreeSurfer Raum) oder T1_brain.nii.gz (native anatomischen Raum) (siehe 5.2) als Referenzvolumen. Wählen Sie die Nearest Neighbor Interpolationsverfahren aus den erweiterten Optionen.
  5. Mit brain.nii.gz Dateien nur, bereiten Zielmasken für tractography:
    1. Registrieren FreeSurfer Gehirne zu nativen anatomischen Raum und schaffen Zielmasken durch Transformation zu V1 Masken Anwendung (siehe 5.2, 5.4.1) unter Verwendung von Tri-Linear Interpolation. Klicken Sie auf "Go".

6. LGN Normalisierungs

  1. Verwenden Sie FNIRT nichtlineare Registrierung wie zuvor beschrieben, unter http: //fsl.fmrib.ox.ac.uk / FSL / fslwiki / FNIRT Teilnehmer nicht extrahierten Gehirne in nativen anatomischen Raum zu MNI Raum zu bringen, das Montreal Neurological Institute ganze Gehirn Vorlage (MNI152).
    Hinweis: Nicht-lineare Registrierung der ursprünglichen anatomischen Bildern wird für diesen Schritt empfohlen, da Anmeldungen genauer waren, als FNIRT zu nicht extrahierten T1- angewendet wurde im Vergleich extrahiert Gehirn FLIRT an.
  2. Bewerben Transformation LGN Masken in anatomischen Raum (original LGN zuvor nativen anatomischen Raum transformiert in 5.4) unter Verwendung von Nächster-Nachbar-Interpolation, wie in 5.4.1 beschrieben Masken zu MNI Raum zu bringen.
  3. Durchschnittlich alle Masken LGN in MNI Raum über beide Befehl der Verwendung von Gruppen AFNI "3dMean".
  4. Verwenden Sie "fslmaths Thr" eine Schwelle zur mittleren Maske in MNI Raum anzuwenden.
  5. Berechnen Sie den Radius der mittleren Maske in MNI Raum mit V = 4/3 & pgr; r 3 ( unter der Annahme einer Kugel).
  6. Notieren Sie sich die Mitte der Masse Koornaten jedes einzelnen LGN Maske in nativen anatomischen Raum mit dem Befehl "fslstats -C".
  7. Erstellen sphärischen ROIs von identischen Volumina über die Teilnehmer:
    1. Verwenden Sie "fslmaths" , um einen ROI Punkt mit den Koordinaten des entsprechenden einzelnen LGN Maske in nativen anatomischen Raum zu schaffen wie in Abschnitt 6.6 aufgenommen
    2. Mit "fslmaths", wenden Sie den Radius der mittleren Maske in MNI Raum eine Kugel um den ROI Punkt in nativen anatomischen Raum zu schaffen.
  8. Verwenden Sie diese standardisierte Masken als Keime für tractography.

7. probabilistische Traktographie (FSL 5.0.4)

Hinweis: Für die nächsten Schritte, die Fdt_gui rufen jede der folgenden Tools zuzugreifen.

  1. Richtige für Verzerrungen in DWIs mit Wirbelstromkorrektur. Wählen Sie die Wirbelstromkorrektur-Option aus dem Menü am oberen Rand des Diffusions Toolbox Fenster und laden Sie das DWI als Eingang, die defaul verlassent Referenzvolumen (0).
  2. Gehirn extrahieren die Bilder mit BET wie in 4.3 beschrieben.
  3. Wählen Sie die DTIFIT Rekonstruktion Diffusion Tensor-Option aus dem Menü. Geben Sie eine Eingabeverzeichnis die folgenden Dateien enthält: diffusionsgewichtete Daten, nodif_brain_mask (Ausgabe von BET), bvec und bval (muss bvecs und bvals umbenannt werden, Textdateien, die Informationen über Diffusion Bildaufnahmeparameter, Ausgabe von DICOM zu NIfTI Umwandlung von Diffusion enthält, Daten). Klicken Sie auf "Go" zu laufen dtifit, die in jedem Voxel ein Diffusions-Tensor-Modell passt, Erstellen von Dateien für die Nachbearbeitung.
  4. Als nächstes wählen Sie die BedpostX (Schätzung der Diffusionsparameter) Option aus dem Menü. Verwenden Sie die gleiche Eingabeverzeichnis für DTIFIT. Klicken Sie auf "Go", um alle Dateien für tractography erforderlich zu erzeugen.
  5. Aus dem gleichen Menü ProbtrackX für probabilistische Tracking und es für jede Hemisphäre separat ausgeführt werden. Halten Sie Standardgrundoptionen (5.000 Proben, 0,2 Krümmung und loopcheck applied) und wählen Sie Euler modifiziert zur Berechnung probabilistischen rationalisiert von erweiterten Optionen für eine höhere Genauigkeit.
    1. Wählen Sie die Ausgabe von BedpostX enthält .merged Dateien als BEDPOSTX Verzeichnis.
    2. Wählen Sie einzelne Maske als Keim Raum und laden Sie die transformierten LGN Maske (im nativen anatomischen Raum) als Keim Bild, T1 (Gehirn in nativen anatomischen Raum) diffusionsTransformationsMatrix, wie der Samen zu Diffusion transformieren und V1 (im nativen anatomischen Raum) in "optionale Ziele" (alle außer Ausschlussmasken) als Ziel aus.
    3. Verwenden Sie Standard-Mesh-Konvention (Caret) und laden Sie das Gehirn in nativen anatomischen Raum (T1 Bild) als die Oberflächenreferenzbild.
  6. Wiederholen Sie ProbtrackX für probabilistische Tracking den Standard sphärischen ROIs mit (erstellt in Schritt 6) als Seed-Regionen für tractography wie in 7.5.2 beschrieben. Hochladen ROIs auf die gleiche Art und Weise verändert LGN (anatomischen Raum) wurden in 7.5.2 hochgeladen.
  7. Re-run tractography (7.5), diesmalmit Saatgut (nicht normalisierte) und Zielmasken in FreeSurfer Raum mit dem Zusatz von kontralateralen weißen Substanz Grenzmaske FreeSurfer als Ausschlussmaske, jede Kreuzung und sorgt für direkte ipsilaterale Verbindungen zu vermeiden. Überprüfen Sie die Oberfläche Option aus der ProbtrackX Toolbox und wählen Sie FreeSurfer als Mesh-Konvention.
    Hinweis: Es ist wichtig, dass tractography betonen immer von Diffusionsraum laufen, aber Probtrackx für probabilistische Tracking ermöglicht die Eingabe von Start- und Zielmasken in einem anderen Raum, zusammen mit einer Transformationsmatrix Diffusionsraum. In dieser Studie wurde probabilistischen tractography mit Masken sowohl in nativen anatomischen und FreeSurfer Raum (Abbildung 2) ausgeführt werden .

8. Determinis Traktographie (DSI Studio)

  1. Offene Eddy korrigierte diffusionsgewichteten Bildern in DSI Studio 24 durch einen Klick auf Schritt 1: Open - Source - Images. Last bvec und bval Dateien auf eine b-Tabelle Fenster, das automatisch ist opened eine Quelle (.src) Datei zu erstellen.
  2. Laden Sie die generierten Quelldateien auf den Rekonstruktionsfenster der Standard rekonstruiert Gehirn Masken nach Bedarf zu ändern.
  3. Wählen Sie dann DTI als Rekonstruktionsverfahren 25 und führen Sie es auf den Quelldateien Faserinformationsdateien (.fib) zu erzeugen.
  4. Bringt der Teilnehmer PD Gehirn Diffusionsraum FLIRT lineare Registrierung verwenden.
  5. Anwenden Transformation LGN Masken nächste Nachbar-Interpolation wie in 5.4.1 beschrieben.
  6. Öffnen Sie .fib Dateien in den Tracking-Fenster des Programms.
  7. Führen Sie für jede Hemisphäre separat Tracking, mit LGN in Diffusionsraum als Keim und Region 17 (V1) von Brodmann Atlas erhältlich von DSI Studio als terminative Region. Laden Sie die LGN-Maske durch die Regionen Registerkarte öffnen Region klicken. Wählen Sie die Seed-Option unter Typ in der Region-Liste auf der linken Seite des Bildschirms. Um die V1-Maske aus dem Atlas zu laden, klicken Sie auf Atlas aus der Symbolleiste in der Region-Liste undwählen Sie den entsprechenden Atlas.
  8. Bei jedem Versuch, stellen Sie den kontralateralen WM (benannt nach links / rechts-Hirn-weiß-Materie) Maske aus FreeSurfer Segmentierung Atlas als eine Region der Vermeidung (ROA) (Region List-Box in der Tracking-Fenster zu sehen).
  9. Wiederholen Tracking (8,7-8,8) unter Verwendung von sphärischen ROIs im Diffusionsraum statt einzelner LGN als Seed-Regionen für tractography.
    Hinweis: Die sphärischen ROIs haben das gleiche Volumen in allen Fächern und auf die Mitte der Masse jedes LGN zentriert.
  10. Wiederholen Sie LGN Normalisierung, Abschnitt 6, nur dieses Mal Gehirne in Diffusionsraum zu Standard MNI Raum Registrierung und Transformationen zu LGN in Diffusionsraum Anwendung (original LGN zuvor in 8,4-8,5 diffusionsRaum transformiert) Masken Standard MNI Raum zu bringen. Berechnen des Volumens des sphärischen ROI als das mittlere Volumen aller LGN in Subjekten in MNI Raum.
    Hinweis: Tracking-Parameter können vom Anwender geändert werden. Für die meisten Läufe wurden Standard-Tracking-Parameter angewendet. Für einige Personen (A5, A7, S12), die Anisotropie Schwelle (Standard 0,14 bis 0,15) gesenkt wurde (0,10-0,12) und Winkelschwelle (Standard 60) erhöht wurde (65-85) zur schöneren Visualisierung. Eine schematische Darstellung der Technik ist in Abbildung 3 dargestellt.

9. Statistische Analyse - TBSS (FSL)

Hinweis: Tract basierten räumlichen Statistik ist eine voxelwise statistische Analyse der Teilnehmer FA maps16 mit dtifit26 erhalten. Es wird weitgehend für die Statistik über Diffusionsdaten verwendet. Dieser voxelwise Ansatz überwindet mögliche Probleme Ausrichtung und Glättung in VBM-Stil FA-Analyse gesehen und bietet ganze Gehirn Untersuchung, unerreichbar durch tractography-basierte approaches16.

  1. Run "tbss_1_preproc" auf den Daten FA befindet sich in einem neu erstellten TBSS Verzeichnis.
  2. Run "tbss_2_reg" - T nichtlineare Registrierung beantragen, jedem Teilnehmer die FA-Daten in gemeinsamen Raum (FMRIB58_FA zu bringen,Zielbild in TBSS).
  3. Erstellen Sie eine mittlere FA Skelett mit den Zentren aller gängigen Flächen unter den Teilnehmern mit "tbss_3_postreg -S".
  4. Lauf "Tbss_4_prestats 0.2" zu einzelnen Teilnehmer ausgerichtet FA Karte auf das mittlere Skelett aller ausgerichtet FA Karten projizieren.
  5. Erstellen Sie design.con und design.mat Dateien zu gewährleisten, dass die Reihenfolge der Matrix mit der Bestellung übereinstimmt, in dem TBSS vorverarbeitet die FA-Daten.
  6. Run "randomisieren", die T2-Option, die für TBSS empfohlen, da es auf einem Skelett (eine reduzierte Teilmenge der 3D-Daten) wirkt und 5,000 pre-Mutationen, die genauer p-Werte gibt.

10. Statistische Analyse - SPSS

  1. Extrahieren von FA Werte von deterministischen Daten
    Hinweis: deterministisch-basierte FA Werte von DSI Studio Output-Statistik Textdateien abgeleitet wurden. Diese Werte stellen den Mittelwert FA innerhalb der erzeugten Flächen, which in diesem Fall entsprechen dem Bereich des OR.
    1. Führen Fiber Tracking in DSI-Studio.
    2. Speichern Sie die "Statistik" Textdateien erstellt von DSI Studio für jeden erzeugten Satz von Flächen und notieren Sie die Werte von ihnen 'FA bedeuten'.
  2. Extrahieren von FA Werte von probabilistischen Daten
    Hinweis: Probabilistic-basierte FA-Werte abgeleitet werden aus ProbtrackX2 Ausgabe fdt_paths Dateien. Dies sind 3D-Darm-Trakt Dichte Bilder, die in dieser Studie den Bereich abdecken entsprechend dem OR.
    1. Verwenden Registrierung FLIRT linear einzelnen Teilnehmer fdt_paths Dateien Diffusionsraum zu bringen.
    2. Digitalisieren die Ausgabemasken mit "fslmaths - bin".
    3. Für jeden Teilnehmer, multiplizieren Sie die Maske durch ihre FA Karte von dtifit mit "fslmaths -mul".
    4. Run "fslmeants" Befehl den Mittelwert FA von jedem Trakt Maske zu finden.
  3. Laufende Analysen mit SPSS (mit deterministischen und probabilistischen
    Daten)
    NAnmerkung: Die statistische Analyse wird SPSS unter Verwendung von 20 für Mac. Da Halbkugel ist eine intraindividuelle Variablen ein verallgemeinertes lineares Modell (GENLIN), mit dem die Effekte in jeder Seite des Gehirns können getrennt betrachtet werden, angewendet wird. Insbesondere verwendet die verallgemeinerten Schätzungsgleichung (GEE).
    1. In getrennten Tests stellen jeweils mittlere FA und rationalisieren count (waytotal oder Prozentsatz rationalisiert erzeugt, PGSL) als abhängige Variable.
      Hinweis: In dieser Studie rationalisieren Zahl auf Weg-Gesamtwerte basiert. Waytotal beschreibt die Gesamtzahl der erzeugten Stromlinien , die durch Ein- / Ausschlusskriterien abgelehnt haben 27 nicht. Die Anzahl der erzeugten Stromlinien (NGSL), die gesendet zu der Gesamtzahl von Stromlinien bezieht, ist gleich der Anzahl von Voxeln in der Maske Samen durch die Anzahl von Proben von jedem Voxel (5000 in diesem Fall) gezogen multipliziert. Prozentsatz erzeugten Stromlinien (PGSL), dividiert durch waytotal NGSL mal 100, ist ein Maß für erfolgreiche connectivity zwischen dem Samen und dem Ziel.
    2. Studieren Sie den Einfluss der Gruppe und Geschlecht auf LGN zu V1-Konnektivität von ihnen als unabhängige Variablen in allen Tests einstellen.
      Hinweis: Haupteffekte sowie Zwei- und Drei-Wege-Wechselwirkungen untersucht wurden. Es ist wichtig zu beachten, dass diese Einzeltests nicht miteinander bedingt sind, so dass die Bedeutung einer Haupteffekt oder Interaktion ist unabhängig von der anderen.
    3. Verwenden Sie das Alter als Kovariate für alle Tests. Außerdem verwenden LGN Volume als Kovariante für Tests mit Mittelwert FA und waytotal als die abhängigen Variablen, aber es aus Tests mit PGSL als abhängige Variable wegzulassen.
      Hinweis: Gesamthirnvolumen gefunden wurde eine unbedeutende Kovariable zu sein und wurde deshalb von Statistiken verzichtet.
    4. Wählen Sie die Bonferroni - Korrekturverfahren für multiple Vergleiche 28 (Signifikanzniveau p <0,05) einzustellen.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Dieser Abschnitt enthält eine Zusammenfassung der Ergebnisse mit zwei verschiedenen Algorithmen von tractography, deterministischen und probabilistischen erhalten. LGN Volumina in PD Raum , in dem Masken wurden ursprünglich gezeichnet, ebenso wie in allen anderen Räumen in dieser Studie verwendet wurden , sind in Tabelle 2 aufgezeichnet werden, und LGN Verfolgung ist in Abbildung 4 dargestellt. Die hier vorgestellten Ergebnisse basieren auf Läufe, die eine Standard-Kugel als LGN ROI verwendet. Standard - LGN Volumen betrug 461 mm 3 in beiden Hemisphären in anatomischen Raum (probabilistische Lauf) und 292,5 mm 3 und 364,5 mm 3 in der rechten und linken Hemisphären jeweils in Diffusionsraum (deterministisch- Lauf). Für beide Läufe sind diese Standardvolumina sehr nahe an den mittleren Volumina in MNI Raum berechnet (anatomische MNI: 472 mm 3 und 440 mm 3 für links und rechts sind; Diffusion zu MNI: 376 und 312 mm 3 für die linkebzw. rechts) , aber größer als die meisten einzelnen LGN Volumina im nativen Raum (größte in anatomischen: 281 mm 3; größten Diffusions: 324 mm 3). Da Bonferroni eine sehr konservative Test, p - Werte kleiner als 0,1 bei Annäherung an Bedeutung behandelt werden und hier berichtet. Zusätzlich TBSS auf FA Karten ergab Bereiche signifikanter Unterschied (p <0,05) zwischen den beiden Gruppen, mit Bereichen , in rot repräsentieren Bereiche verringerter weißen Substanz Trakts Integrität in Albinismus (Abbildung 5).

Für beide deterministischen und probabilistischen läuft, Kovariaten und Drei-Wege-Gruppe nach Geschlecht durch Hemisphäre Wechselwirkungen waren unbedeutend und daher von allen endgültigen Analysen ausgeschlossen. Für die deterministische Sicht, mittlere FA als abhängige Variable verwendet, Haupteffekte der Gruppe und Geschlecht unbedeutend waren, während der Haupteffekt der Hemisphäre Bedeutung genähert (Mittelwert ± SEM 0,41± 0,008 rechts; 0,39 ± 0,006 links, p = 0,064). Mittelwerte (± SEM) von Mittelwerten FA waren die OR-Bereich entsprechend Anschluss LGN zu V1 0,39 ± 0,007 für Albinismus und 0,40 ± 0,008 für die Kontrollen. Ein Zwei-Wege - Interaktion der Gruppe von Hemisphäre war signifikant (p = 0,013). Für die probabilistische Sicht mittlere FA Werte von fdt_paths als abhängige Variable war der Haupteffekt der Gruppe unbedeutend (Mittelwert ± SEM 0,353 ± 0,0035 Kontrollen; 0,349 ± 0,0046 Albinismus). Allerdings sind die wichtigsten Auswirkungen der Hemisphäre (0,358 ± 0,004 rechts; 0,345 ± 0,003 links, p = .005) und Geschlecht (0,34 ± 0,004 Frauen; 0,36 ± 0,004 Männchen, p = 0,014) waren signifikant. Eine Zwei - Wege - Gruppe nach Geschlecht Interaktion war signifikant (p = 0,033). Daten für alle Tests wurden normal verteilt , wie durch die Shapiro-Wilk - Test (p> 0,05) bestätigt. Unter Verwendung des deterministischen Ansatz, mittlere waytotal Werte waren 2728 ± 127 für Albinismus und 2753 & #177; 169 für die Kontrollen. Der Haupteffekt der Hemisphäre und die Zwei - Wege - Gruppe nach Geschlecht Interaktion waren signifikant (p = 0,027 und p = 0,004, respectively). Mit PGSL als abhängige Variable, die Haupteffekte der Gruppe und Geschlecht waren unbedeutend, während die Wirkung der Hemisphäre signifikant (Mittelwert ± SEM 0,89 ± 0,045 rechts; 0,63 ± 0,026, p = .001). Die Zweiweg - Gruppe durch gender Wechselwirkung war ebenfalls signifikant (p = .003). Mittlere PGSL von LGN zu V1 waren 0,76 ± 0,046 für Albinismus und 0,76 ± 0,048 für die Kontrollen. PGSL wurden unter Verwendung von Standard-LGN ROI berechnet. Die Daten wurden in der Regel verteilt (Shapiro p> 0,05). Für die probabilistische Sicht waytotal Werte und PGSL als abhängige Variablen, die wichtigsten Auswirkungen der Gruppe, Hemisphäre und Geschlecht mit waren nicht signifikant. Mittlere waytotal Werte waren 28.739 ± 7297 für Albinismus und 31.220 ± 7202 für die Kontrollen. Mittlere PGSL von LGN zu V1 waren 1,3 ± 0,3 für Albinismus und 1,4 ±0,3 für die Kontrollen. In beiden Fällen wurden die Daten nicht normal verteilt und gamma log-Transformation angewendet wurde.

Unter Verwendung des deterministischen Ansatz zeigte paarweise Vergleiche FA reduziert in der rechten Hemisphäre des Albinismus im Vergleich zu Kontrollen (C 2 (1, N = 21) = 4,15, p = 0,042). In der Kontrollgruppe war die linke Hemisphäre FA - Wert niedriger als der für die rechte Hemisphäre (p = 0,007) und ein Trend für verringerte FA bei Frauen im Vergleich zu Männern gefunden (C 2 (1, N = 21) = 2,97, p = 0,085). Mit probabilistischen tractography zeigte paarweise Vergleiche FA reduziert in der linken Hemisphäre im Vergleich zu der rechten Hemisphäre in beiden Gruppen (C 2 (1, N = 21) = 6,31, p = 0,012). Bei Männern wurde FA Albinismus signifikant reduziert im Vergleich zu Kontrollen (C 2 (1, N = 21) = 4,27, p = 0,039). Auch war FA signifikant bei Frauen compar verringerted auf Männer in Kontrollen (C 2 (1, N = 21) = 14,37, p <0,001). Mit waytotal Werte aus dem deterministischen Sicht als abhängige Variable zeigte paarweise Vergleiche reduziert Konnektivität bei Männern mit Albinismus im Vergleich zu männlichen Kontrollen (C 2 (1, N = 21) = 4,65, p = 0,031). In beiden Gruppen - Konnektivität in der linken Hemisphäre war niedriger im Vergleich zu der rechten Hemisphäre (C 2 (1, N = 21) = 4,34, p = 0,037). Zusätzlich Konnektivitäts war niedriger bei Männern im Vergleich zu den Frauen in der Albinismus Gruppe (C 2 (1, N = 21) = 4,47, p = 0,034), während das Gegenteil war in der Kontrollgruppe (C 2 (1, N = gesehen 21) = 3,87, p = 0,049). Schließlich, bei Frauen , wurde in der Kontrollgruppe im Vergleich zu Albinismus (C 2 (1, N = 21) = 3,52, p = 0,061) ein Trend für verringerte Konnektivitäts gesehen. Mit PGSL Werte berechnet aus deterministischen Daten ergab paarweise Vergleiche Similar Ergebnisse zu denen mit waytotal Werte erhalten. Die Ausgänge der determinis tractography sind in Abbildung 6 dargestellt. Probabilistischen Daten verwenden, ergab , paarweise Vergleiche Konnektivität in der rechten Hemisphäre von Männern verringerte sich im Vergleich zu Frauen (C 2 (1, N = 21) = 15.96, p <0,001). Ausgänge der Wahrscheinlichkeits tractography sind in Abbildung 7 A Pearson Korrelations eine sehr schwache negative Korrelation zwischen PGSL Werte aus beiden Verfahren ergab (r = -0,172, p = 0,276;. Jedoch die Faserbahnen weitgehend überlappen , und sind qualitativ ähnlich (Figur 8) .

Abbildung 1
Abb . 1: Primäre Sehbahn im Gehirn von gesunden Menschen und Patienten mit Albinismus Jeder LGN empfängt Eingaben von beiden Augen. Ipsilateral retinalen projections enden auf den Schichten 2, 3 und 5, während kontralaterale Projektionen auf 1 Ebenen enden, 4 und 6. Die LGN sendet Projektionen V1 über die optische Strahlung (lila), mit Axone endet am stärksten auf V1 Schicht 4 Eingänge von den beiden Augen in den Augendominanzkolumnen der Schicht 4. über diesen Punkt getrennt bleiben, Eingänge von beiden Augen (binokulare Neuronen im Kortex) kombiniert. (A) Bei den Kontrollen, etwa die Hälfte der Vorsprünge erstrecken sich ipsilateral (rot) aus der zeitlichen Retina, während die andere Hälfte von der Nasennetzhaut entstehen und Kreuz (grün) am Chiasma auf der kontralateralen Hemisphäre. (B) In Albinismus, gibt es eine Verschiebung in Linie decussation in der temporalen Retina, was zu einer erhöhten Überquerung von Sehnervenfasern, wie durch die verdickte Grünfasern veranschaulicht. Dieses Schema schlägt vor, zusätzliche Anomalien weiter stromabwärts die retino-geniculo-kortikalen Bahn mit reduzierter LGN-Konnektivität in Albinismus V1 (modifiziert von Mücketton et al., 2014) , wie in dieser Studie bestätigt. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.

Figur 2
. Abbildung 2 "probabilistische Traktographie Pipeline FLIRT Linear Registrierung verwendet wurde , Teilnehmer" Gehirn zu verschiedenen Räumen (Registrierung , die durch rote Pfeile) zu transformieren: Bei der Herstellung der Saatgutmasken wurden PD Gehirn anatomische T1 Raum registriert und an FreeSurfer (FS) Raum, und Transformationen angewendet wurden original LGN Masken nächster-Nachbar-Interpolation. um die Zielmasken, FS Gehirn schaffen wurden zu T1-Raum transformiert und Transformationen wurden auf FreeSurfer die V1 Masken angewendet unter Verwendung von tri-lineare Interpolation. T1 und FS Gehirne wurden diffusions linear registriert Raum. FreeSurfer 's Gegen Maske weißen Substanz Grenze wurde als Ausschlussmaske im FS Lauf hinzugefügt. PROBTRACKX2 für probabilistische Tracking wurde in Diffusionsraum mit Eingabemasken in T1 und FS Raum laufen. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.

Figur 3
Abbildung 3: Determinis Traktographie Pipeline. Die Vorbearbeitung DICOM zu NIfTI Umwandlung beteiligt und eine diffusionsgewichtete Bild (dti.nii.gz) , wurde zusammen mit zwei Textdateien (bvec und bval). Verzerrer und Bewegung korrigiert wurden für FSL des Wirbelstrom - Korrektur - Tool. Eddy korrigierte diffusionsgewichtete Bilder wurden in DSI Studio geöffnet und bvec und bval Dateien wurden auf ein b-Tabellenfenster geladen, um eine Quelle (.src) Datei zu erstellen. Die Quelldateien wurden geöffnet und die Standard rekonstruiertGehirn Masken wurden nach Bedarf modifiziert. Als nächstes wurde DTI Rekonstruktionsmodell auf die Quelldateien angewendet Faserinformationsdateien (.fib) produzieren. LGN Masken in Diffusionsraum wurden auf die .fib Dateien im Verfolgungsfenster und stellen Sie wie Samen geladen. Region 17 (V1) von Brodmann Atlas wurde als terminative Region festgelegt. In jedem Versuch wurde die kontralaterale WM Maske aus FreeSurfer Segmentierung Atlas geladen und eingestellt als ROA (beide Hemisphären hier abgegrenzt). Gleichheitszeichen stehen für die in einem bestimmten Schritt ergab Produkt; Orange Pfeile geben die Eingabedatei, die für die nächste Verarbeitung oder Verfolgungsschritt verwendet wurde; Sternchen (*) bezeichnet Masken und Gehirne in Diffusionsraum. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

Abbildung 4
Abbildung 4: LGN Mask Abgrenzung. (A) Zoom-In Ansicht von rechts und LGN koronalen PD-gewichteten Bild Platte auf einem gemittelten links , die mit Albinismus, A11 auf die doppelte Auflösung und die Hälfte der Voxelgröße bei einem Patienten interpoliert wurde. (B) manuell rechts verfolgt und links LGN Bereiche von Interesse (ROIs) in rot (C) LGN Masken FreeSurfer Raum transformiert mit nächsten Nachbarn (rot) und Tri-linear (blau) Einschübe. Erstere für alle Transformationen in dieser Studie für eine genauere Abgrenzung der Struktur durchgeführt , verwendet wurde. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

Abbildung 5
Abbildung 5: Voxelwise Statistische Analyse mit TBSS Whole - Brain - voxelwise statistische Analyse. FA-Daten wurden unter Verwendung von Darm-Trakt basierten räumlichen Statistik durchgeführt (TBSS). Nicht-lineare Registrierung aller FA Bilder der Teilnehmer zu einem gemeinsamen Raum wurde durch die Schaffung eines Mittel FA Skelett und die Projektion von jedem Teilnehmer die FA Bild auf das Skelett gefolgt ausgeführt. (A) Albinismus> Steuerkontrast Skelett ohne Bereiche von Bedeutung , aufgrund der reduzierten FA in Albinismus im Vergleich zu Kontrollen in grün zeigt. (B) signifikanten Unterschied zwischen der Kontrollgruppe und der Albinismus Gruppe erfaßt, mit Bereichen , in rot repräsentieren Bereiche (weißen Hirnsubstanz entsprechend optic Strahlungs Fasern und calcarina cortex, auf denen sie enden) der weißen Substanz Trakts Integrität in Albinismus reduziert, für die Steuerung> Albinismus Kontrast (TFCE (schwellenfreie Erweiterung Cluster) korrigiert, p <0,05), (C) verdickte skelettierten Version der Ergebnisse in B angezeigt, für die visuelle Darstellung.les / ftp_upload / 53759 / 53759fig5large.jpg "target =" _ blank "> Bitte klicken Sie hier, um eine größere Version dieser Figur zu sehen.

Figur 6
Abbildung 6:. Ausgabe von DSI Studio Fiber Tracking (A) Reduzierte LGN zu V1 - Konnektivität in Albinismus Patienten A1 (niedrigste Anzahl von rekonstruierten Flächen unter den Teilnehmern in der rechten Hemisphäre, 1365) im Vergleich zu (B) Kontrollen (S6, höchste Anzahl von rekonstruierten Flächen in der Kontrollgruppe in der rechten Hemisphäre, 4355) (links in grün, LGN Verbindungen zu Sehbahn und OR in orange, V1 in blau) in rot, rechts LGN LGN. Optic - Darm - Trakt zu LGN - Verbindungen werden auch in der Ausgabe zu sehen. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.

Abbildung 7:. Ausgabe von PROBTRACKX für probabilistische - Tracking Reduzierte LGN zu V1 - Konnektivität in Albinismus (oben) im Vergleich zu den Kontrollen (unten). LGN ist gelb, optische Strahlung in grün, V1 in rot dargestellt. Beachten Sie, dass die Scheiben hier nicht dargestellt sind , die gleichen sein soll, sondern vielmehr als Scheiben gewählt, die am besten die Ergebnisse des Verfahrens dar. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.

Abbildung 8
Abbildung 8:. Probabilistische gegen deterministische Ausgabe Overlap Karte Anatomische Gehirne (probabilistische Lauf) und Diffusions Gehirne (determinisLauf) wurden registriert1mm MNI Gehirne. Transformationen wurden angewandt, um Ausgabewege von Läufen Traktographie die Standardkugeln als LGN ROI verwendet. Ausgabewege wurden über die Teilnehmer in jedem Verfahren gemittelt und (A) mittlere Trakts Masken wurden auf einem 1 mm MNI Gehirn in FSL Ansicht zum Vergleich (probabilistischen in grün, deterministisch in rot) überlagert. Die Transparenz wurde ähnliche Vorstellungen von Konnektivität in beiden Methoden zur Darstellung angewendet. (B) LGN (blau) und V1 (pink) Masken hinzugefügt wurden , um die Samen und Zielregionen zu illustrieren. Bitte hier klicken , um eine größere Version dieser Figur zu sehen.

Albinismus Steuerung
Teilnehmer Alter (Jahre) Sex Einstufung Sehschärfe Teilnehmer Alter (Jahre) Sex
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

Tabelle 1: Teilnehmerinformationen und Gesundheit Geschichte. Die Sehschärfe wurde mit einer frühen Behandlung Diabetische Retinopathie Study (ETDRS) Sehtafel und expresse bewertetd in LogMar (Logarithmus des minimalen Winkel der Auflösung) Notation, dh der Logarithmus zur Basis 10 von Dezimal-Sehschärfe (0,0-1,0 für 20 / 20-20 / 200). ETDRS - Tafel - Tests wurde als die allgemein verwendeten Snellen - Test 29 genauer dargestellt werden. Alle Kontrollen hatten einen normalen oder korrigiert zu normalen Sehschärfe (20/20). Keine Geschichte von neurologischen Erkrankungen wurde berichtet.

PD anatomisch Diffusion FS
Links Recht Links Recht Links Recht Links Recht
Albinismus 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
Steuerung 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

Tabelle 2:. Eine Zusammenfassung der LGN Volumes Die Volumina in dieser Tabelle aufgezeichnet (mm 3) von rechts und linksLGN von Patienten und Kontrollen in allen Räumen in dieser Studie verwendet.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Veränderte WM und insbesondere verringerte Konnektivität in Albinismus Vergleich zu Kontrollen wurden erwartet. Somit sind die reduzierte FA in der rechten Hemisphäre des Albinismus im Vergleich zu Kontrollen sowie die verringerte Konnektivität bei männlichen Patienten mit Albinismus hier berichtet im Einklang mit unserer Vorhersage. Geschlecht und Hemisphäre Effekte sind nicht ganz klar, obwohl die Forschung auf dem gesunden Gehirn , die in der linken Hemisphäre von Männern im Vergleich zu Frauen verringerte WM Komplexität schlägt 30-31 in dieser Studie beobachtet wurden einige der geschlechts- und Hemisphäre bedingte Unterschiede erklären könnten. Reduziert Konnektivität in männlichen Albinismus Vergleich zu weiblichen Albinismus kann aufgrund der jüngeren Durchschnittsalter von Frauen in beiden Gruppen in Teil (7 - 8 Jahre <Männchen) als WM Volumen wurde berichtet , 32 in Mitte Erwachsenenalter in gesunden Gehirn verringert werden -33. Die geschlechtsspezifischen Unterschiede können auch zu der geringen Stichprobengröße und der ungeraden Anzahl von Männern im Vergleich zu Frauen in jeder fälligGruppe (5 Männer OCA, 4 Kontrollen). Die stärkere Vernetzung in der weiblichen Albinismus Vergleich zu den Kontrollen des gleichen Geschlechts beobachtet wurde, nicht zu erwarten, und könnte eine Art Ausgleichsmechanismus in Albinismus vorschlagen. Jedoch könnte diese Feststellung nicht die große Variabilität innerhalb einer kleinen Population Probe zugeschrieben werden.

Die mittlere FA und rationalisieren Zählung verwendet LGN zu V1-Konnektivität zu erkunden. FA ist eine der am häufigsten berichteten Maßnahmen von Diffusionsdaten abgeleitet. Es wird am genauesten als Quantifizierung beschrieben, wie stark richtungs Diffusion in einer Region ist. Es ist wichtig zu beachten, dass Unterschiede zwischen den Gruppen in FA Maßnahmen müssen nicht Unterschiede in der weißen Substanz Integrität implizieren. Da diese Studie auf der weißen Substanz eine klinische Zustand mit einem möglichen Effekt beinhaltet, kann eine solche Auslegung rechtfertigen. Während jedoch die reduzierte Integrität strukturelle Schäden oder Abnahme, FA in einer Region, legt nahe, kann aufgrund weniger Barrieren gesenkt werden, wie größereaxon Durchmesser und weniger dicht gepackte Axone sowie aufgrund weniger wirksam Grenzen aufgrund erhöhter Membranpermeabilität 34. Der Begriff "straffen count 'wird über" Faser count' bevorzugt, da die Anzahl der rekonstruierten Stromlinien kann keine wahre Darstellung der Anzahl der tatsächlichen Fasern aufgrund von Variationen in Stoffwechselweg Merkmale wie Länge, Krümmung und Verzweigung, ebenso wie Versuchsbedingungen wie beispielsweise Signal-Rausch - Verhältnis (SNR) 34.

Traktographie ist die einzige nicht-invasive Technik zur Kartierung WM in vivo. Im deterministischen Ansatz tritt Beendigung wenn Anisotropie unter einen bestimmten Wert fällt, oder wenn es eine abrupte gewinkelt. Jedoch enthalten die meisten Voxel Fasern in mehr als eine Richtung, und die deterministische Ansatz ist begrenzt auf entweder die dominante Trakts in einem Voxel oder eine "durchschnittliche" aller Richtungen innerhalb eines Voxels zu identifizieren. Es fehlt also eine echte Repres zu schaffensentation von neuronalen Bahnen. Probabilistische tractography ermöglicht die Auflösung von zwei Faser Modelle in einem einzelnen Voxel, eine zuverlässigere Darstellung eines Darm - Trakt bietet, und in Gebieten mit geringer Anisotropie 17 zu verfolgen. Die Wahrscheinlichkeitsalgorithmus war daher besonders vorteilhaft in dieser Studie, die die Flugbahn des OR, ein hochVerzweigungs WM-Struktur (insbesondere der Teil des Meyers loop) untersucht, in der grauen Substanz des V1 endet. Es ist wichtig zu beachten, dass probabilistische tractography zu einer stochastischen Wahrscheinlichkeit bezieht sich die gleiche Weg der mit mehreren Permutationen entstehen über, anstatt die irreführende Begriff tractography die wahre Anatomie einer Faser darstellt. Obwohl probabilistischen tractography war der wahre Verlauf der Nervenfasern zu folgen genauer, determinis tractography geglaubt wird, führen Sie den Nutzen und die Reproduzierbarkeit beider Techniken zu vergleichen. Da Trends der probabilistischen Ansatz erkannt wurden, gesehen ÄhnlichkeitenIm deterministischen Lauf verstärkt nur noch die Gültigkeit der Ergebnisse.

Abgesehen von seiner zunehmenden Einsatz in der Forschung über Mapping-anatomische Konnektivität im Gehirn hat tractography viel versprechende Fortschritte in der Neurochirurgischen Panning gezeigt. Visualisierung oder während der Resektion von Tumoren durch neuronavigationally DWI Daten in das Operationsfeld übertragen wurde berichtet , erfolgreich Läsionen zu helfen , in und halten die Gesichtsfelder intakt 35 zu entfernen. Dennoch hat DTI Einschränkungen wie eine relativ schlechte räumliche Auflösung und die Beeinträchtigung der Datenqualität , wenn Strukturen mit geringer Faserdichte wie der OR 20 untersucht. Obwohl probabilistischen tractography war die bevorzugte Technik, die aktuelle Studie zielte darauf ab, die beiden Algorithmen zu vergleichen. Beide Tracking-Algorithmen offenbart einige gemeinsame Erkenntnisse, um die Zuverlässigkeit der Ergebnisse zu erhöhen.

LGN Volumen reicht von 112 bis 276 mm 3 in gesunden Gehirnen 8 und correlates mit Volumina des visuellen Kortex und dem Tractus opticus, jedoch nicht mit der Gesamthirnvolumen 36. Da tractography von der Anzahl der Voxel in dem Samen Maske abhängt, sollte LGN Volumen über Teilnehmer normalisiert werden Bias 37 in quantitative Vergleiche zwischen den Bahnen zu verhindern. Wir kontrollierten für Unterschiede in LGN Größe mit zwei verschiedenen Methoden. In dem ersten Verfahren werden kugelförmige ROIs einer Standardgröße geschaffen. Um dies zu erreichen, wurde ein mittleres Volumen in allen Fächern ihrer LGN Masken in MNI Raum transformiert berechnet. Mit dem Radius der mittleren Maske in MNI Raum wurde eine Kugel in der Mitte der Masse jedes LGN zentriert in entweder anatomische oder Diffusionsraum. eine Standard-Kugel ROI mit einem Volumen größer als die einzelnen LGN Volumina Mit gewährleistet die Einbeziehung aller Voxel, die Teil dieser Struktur in allen Teilnehmern sind. Während eine größere Maskengröße verwenden in der Regel das Risiko für Fehlalarme erhöhen würde, so Sorge gilt nicht, wenn der Aussaatin einer Struktur wie der LGN, der von umgebenden Kerne in Konnektivitätsmuster unterscheidet. Daher auf andere Strukturen gehören , Voxel wird rationalisiert erzeugen, die die erwarteten Pfade und solche Wege nicht folgen werden somit 18 werden verworfen .Die zweite Methode verwendet , um die wir für LGN Lautstärke war statistische Analysen mit LGN Volumen als Kovariate zu laufen, aber dies nicht signifikant die statistischen Ergebnisse verändern. Ein weiterer möglicher Ansatz für LGN Normalisierung ist das Hinzufügen und Entfernen von Voxel um einzelne LGN Masken eine Standardgröße über Themen zu erhalten, ein MATLAB-Skript. Dieser Ansatz erfordert keine zusätzliche Registrierungen und begrenzt somit den Grad der Verformung der Hirnbilder und erhöht die Genauigkeit. Er behält auch die LGN Umriss eher als eine Kugel um den LGN Region zu schaffen. Jedoch minimiert menschliche Fehler, multi-Atlas Segmentierung manuell statt verwendet werden, um die LGN Masken Tracing. Mit einer Reihe von Atlanten Kontenfür einzelne Strukturvariabilität und somit eine genauere Darstellung einer subkortikalen Bereich als ein einzelnes Atlas 38 ergibt.

Diese neuartige In - vivo - Studie untersucht , voneinander abhängige Entwicklung zwischen den verschiedenen Teilen des primären Sehbahn im menschlichen Albinismus. Es stellt somit einen weiteren Einblick in die Ätiologie dieser Erkrankung und eine verbesserte Diagnose durch die Identifizierung von störungsspezifischen Signaturen. Sowohl probabilistischen und deterministisch tractography Algorithmen hier zeigten vergleichbare Muster der veränderten LGN zu V1-Konnektivität in menschlichen Albinismus verwendet. Obwohl keine Verallgemeinerung kann auf die große Population aufgrund der geringen Stichprobengröße und die große interindividuelle Unterschiede in Strukturen von Interesse gemacht werden, zeigt diese Studie die Nützlichkeit von tractography in Trends in der Stichprobe zu erfassen, die Bedeutung der weiteren Forschung darauf hindeutet, in das Feld.

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

Die Arbeit wird teilweise durch die Naturwissenschaften und Engineering Research Council of Canada (NSERC) unterstützt. Die Autoren danken den Teilnehmern, Dr. Rick Thompson für seine Unterstützung die Albinismus-Patienten bei der Rekrutierung, Denis Romanowski für seine Hilfe einige der Analysen laufen und eine Figur zu modifizieren, Mónica Giraldo Chica für ihr Wissen und Beratung mit tractography, Joy Williams für ihre Hilfe in MRI-Akquisition und Aman Goyal für seine MRI-Analyse Know-how.

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 Ausgabe 114 Gehirnentwicklung Albinismus neuronale Fehlleitung Magnetresonanztomographie (MRT) Diffusions-Tensor-Bildgebung (DTI) tractography deterministisch / probabilistische Faserverfolgung Kern seitliche geniculate (LGN) optische Strahlung (OR) primären visuellen Kortex (V1) Neurobiologie
Mess Konnektivität im primären Sehbahn im Bereich Human Albinismus Diffusion Tensor-Bildgebung und Traktographie
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