Waiting
Login processing...

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

Neuroscience

मानव Albinism में प्राथमिक दृश्य मार्ग में मापने कनेक्टिविटी प्रसार tensor इमेजिंग और Tractography का प्रयोग

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

Summary

यह पांडुलिपि सफेद पदार्थ (WM) पुनर्निर्माण, ऑप्टिक विकिरण (या) रंगहीनता और नियंत्रण के बीच कनेक्टिविटी में मतभेद की जांच करने के लिए इस्तेमाल के लिए नियतात्मक और संभाव्य एल्गोरिदम का वर्णन है। हालांकि संभाव्य tractography अधिक बारीकी से तंत्रिका तंतुओं का सच पाठ्यक्रम इस प्रकार है, नियतात्मक tractography विश्वसनीयता और दोनों तकनीकों के reproducibility तुलना करने के लिए चलाया गया था।

Abstract

रंगहीनता में, ipsilaterally पेश रेटिना नाड़ीग्रन्थि कोशिकाओं (RGCs) की संख्या काफी कम है। रेटिना और ऑप्टिक chiasm misrouting के लिए उम्मीदवार साइटों के रूप में प्रस्तावित किया गया है। पार्श्व जानुवत नाभिक (LGN) की संख्या के बीच एक संबंध न्यूरॉन्स रिले और LGN आकार दिखाया गया है, और मानव रंगहीनता में LGN खंडों में पहले से सूचना दी कटौती के आधार पर बाद से, हम सुझाव है कि प्राथमिक दृश्य कोर्टेक्स को LGN से फाइबर अनुमानों (v1) यह भी कम कर रहे हैं। रंगहीनता का दृश्य प्रणाली में संरचनात्मक अंतर का अध्ययन misrouting और बाद में नैदानिक ​​अनुप्रयोगों के तंत्र की समझ में सुधार कर सकते हैं। प्रसार डेटा और tractography या (ऑप्टिक विकिरण) मानचित्रण के लिए उपयोगी होते हैं। इस पांडुलिपि के आदेश के साथ एक 32-चैनल सिर कुंडल संरचनात्मक स्कैन प्राप्त करने के लिए इस्तेमाल किया गया था और रंगहीनता controls.An एमआरआई स्कैनर में मस्तिष्क कनेक्टिविटी की तुलना करने के लिए या पुनर्निर्माण में दो एल्गोरिदम का वर्णन है। 1 मिमी के साथ एक T1 भारित 3 डी-MPRAGE अनुक्रम3 isotropic voxel आकार V1 विभाजन के लिए उच्च संकल्प छवियों उत्पन्न करने के लिए इस्तेमाल किया गया था। एकाधिक प्रोटॉन घनत्व (पीडी) भारित छवियों अधिकार के लिए coronally हासिल कर लिया और LGN स्थानीयकरण छोड़ दिया गया। प्रसार tensor इमेजिंग (डीटीआई) स्कैन 64 प्रसार निर्देशों के साथ हासिल किया गया। दोनों नियतात्मक और संभाव्य ट्रैकिंग तरीकों चलाने के लिए और की तुलना में थे, बीज मुखौटा और V1 लक्ष्य मुखौटा के रूप में के रूप में LGN के साथ। हालांकि डीटीआई अपेक्षाकृत गरीब स्थानिक संकल्प, और या का सटीक चित्रण अपनी कम फाइबर घनत्व के कारण चुनौतीपूर्ण हो सकता है प्रदान करता है, tractography अनुसंधान के क्षेत्र में और चिकित्सकीय दोनों लाभप्रद होना दिखाया गया है। पथ आधारित स्थानिक सांख्यिकी (TBSS) नियंत्रण की तुलना में ऐल्बिनिज़म ग्रस्त रोगियों में भीतर या काफी कम सफेद पदार्थ अखंडता के क्षेत्रों का पता चला। जोड़ो में तुलना के लिए एक महत्वपूर्ण नियंत्रण की तुलना में रंगहीनता V1 कनेक्टिविटी के लिए LGN में कमी का पता चला। तुलना दोनों ट्रैकिंग एल्गोरिदम, आम निष्कर्षों से पता चला विश्वसनीयता को मजबूत बनानेतकनीक की।

Introduction

Albinism एक आनुवंशिक हालत मुख्य रूप से प्रभावित व्यक्तियों में मनाया प्रकट hypopigmentation के द्वारा होती है। यह विरासत में म्यूटेशन द्वारा मेलेनिन संश्लेषण 1 में शामिल जीनों के लिए कारण होता है। Albinism दो मुख्य रूपों में प्रकट होता है: oculo-त्वचीय रंगहीनता (ओसीए), एक autosomal पीछे हटने विशेषता दोनों आंख और त्वचा संबंधी सुविधाओं पेश; और नेत्र रंगहीनता (OA), एक एक्स से जुड़े लक्षण पुरुषों में अधिक प्रचलित है और आंख का लक्षण 2 द्वारा मुख्य रूप से होती है। रेटिना वर्णक उपकला (RPE) में मेलेनिन केंद्रीय दृश्य मार्ग के समुचित विकास के लिए महत्वपूर्ण है। रंगहीनता में अपनी अनुपस्थिति इसलिए फोटोफोबिया, अक्षिदोलन, कम दृश्य तीक्ष्णता और दूरबीन दृष्टि 2-3 की हानि सहित दृष्टिविहीन, में यह परिणाम है। दृश्य तीक्ष्णता foveal आकृति विज्ञान, जो रंगहीनता 4 में बदल दिया है करने के लिए जोड़ा गया है। मनुष्यों में, व्यत्यास की एक रेटिना लाइन नाक रेटिना से फाइबर के साथ, गतिका के माध्यम से nasotemporal सीमा पर स्थित हैअन्य गोलार्द्ध और ipsilaterally का विस्तार अस्थायी रेटिना से उन लोगों के लिए पार। रंगहीनता में कम दृश्य समारोह की डिग्री hypopigmentation के स्तर से जोड़ा गया है। विशेष रूप से, रंजकता व्युत्क्रमानुपाती व्यत्यास 5 की लाइन के अस्थायी रेटिना में शिफ्ट करने के लिए आनुपातिक है। लौकिक रेटिना में व्यत्यास की लाइन में बदलाव का एक परिणाम के रूप में, ऑप्टिक तंत्रिका तंतुओं के पार बढ़ जाती है - सभी प्रजातियों 3 भर में एक विशेषता आम है।

मनुष्यों पर स्ट्रक्चरल एमआरआई अध्ययन नियंत्रण की तुलना में रंगहीनता संकरा ऑप्टिक chiasms, जो की संभावना रंगहीनता 6-8 में मनाया RGCs की वृद्धि की क्रासिंग का परिणाम है पता चला है। रेटिना और ऑप्टिक chiasm ऐसे Eph परिवार रिसेप्टर्स और उनके ligands 9 के रूप में axonal मार्गदर्शन cues व्यक्त करते हैं और इसलिए misrouting 10 के लिए उम्मीदवार साइटों रहे हैं।

प्रेरित मोतियाबिंद के साथ बंदरों पर एक अध्ययन में एक महत्वपूर्ण दिसम्बर से पता चलाLGN parvalbumin-immunoreactive रिले न्यूरॉन्स और LGN मात्रा 11 की संख्या में rease। इस LGN आकार और सफेद पदार्थ (WM) V1 करने के लिए या के माध्यम से यात्रा प्रक्षेप पथ की संख्या के बीच एक संबंध चलता है। मानव रंगहीनता पर एक पोस्टमार्टम अध्ययन में यह भी जुड़े हुए एम और पी परतों 12 के साथ छोटे LGN का पता चला। उच्च संकल्प संरचनात्मक एमआरआई रंगहीनता 8 में LGN की मात्रा में काफी कमी की पुष्टि की। साथ में ले ली, ये निष्कर्ष बताते हैं कि LGN मात्रा में कमी आई LGN में न्यूरॉन्स की एक कम संख्या में हो सकता है, और LGN और V1 के बीच में कमी आई कनेक्टिविटी में बारी में।

मानव में शारीरिक संपर्क के जांच पैटर्न सीमित किया गया है। विच्छेदन, ट्रेसर इंजेक्शन और घाव प्रेरण इनवेसिव तकनीक है कि केवल पोस्टमार्टम के लिए इस्तेमाल किया जा सकता है, और आमतौर पर रोगियों की एक बहुत छोटी संख्या में शामिल हैं। carbocyanine DiI इंजेक्शन डाई का उपयोग पिछले अध्ययनों V1 और V2 (माध्यमिक दृश्य सेल्सियस के बीच न्यूरोनल कनेक्टिविटी का प्रदर्शनOrtex) 13, साथ ही एल्डिहाइड तय पोस्टमार्टम मानव दिमाग 14 में हिप्पोकैम्पस परिसर के भीतर। इस तरह से लेबल फाइबर इंजेक्शन 14 के बिंदु से मिलीमीटर के ही दसियों की दूरी तक ही सीमित है। प्रसार tensor इमेजिंग, डीटीआई, जल्दी-1990 के दशक में विकसित फाइबर पथ दिशा और संगठन की पहचान करने के लिए एक एमआरआई साधन है। यह एक गैर-आक्रामक तरीका है कि जीने के मस्तिष्क में बड़े WM रास्ते की मैपिंग की अनुमति देता है। डीटीआई जैविक ऊतक 15 में पानी के अणुओं के प्रसार के प्रति संवेदनशील है। मस्तिष्क में, पानी के प्रसार ऐसी झिल्ली और माइलिन के रूप में बाधाओं के कारण anisotropic (असमान) है। WM अर्थ प्रसार करने के लिए फाइबर 16 के उन्मुखीकरण के लिए सीधा अधिक से अधिक समानांतर है उच्च प्रसार anisotropy है। आंशिक anisotropy (एफए) एक अदिश मात्रा में है कि अणुओं की पसंद एक anisotropic ढंग से फैलाना का वर्णन है। एफए मूल्यों कम से उच्च anisot करने के लिए, 0-1 से लेकररस्से (मस्तिष्कमेरु द्रव (सीएसएफ) <ग्रे बात (जीएम) <WM) 16।

कारगर बनाने (नियतात्मक) और संभाव्य फाइबर ट्रैकिंग 3 डी पथ पुनर्निर्माण के लिए दो अलग अलग एल्गोरिदम हैं। नियतात्मक tractography एक लाइन प्रचार विधि का उपयोग करता है, एक परिभाषित बीज क्षेत्र में पड़ोसी voxels जोड़ने। इस एल्गोरिथ्म में इस्तेमाल दो स्टॉप मानदंड मोड़ कोण और एफए मान रहे हैं। इसलिए, पथ पड़ोसी voxels के बीच अनुरेखण बड़े मोड़ कोण पर संभावना नहीं है। एल्गोरिथ्म होगा इसलिए भी तभी एक voxel में एफए ग्रे बात है, जहां anisotropy बूंदों के पास सही परिभाषित रास्ते में अपने प्रभाव को सीमित करने के लिए एक विशिष्ट सीमा से अधिक है, प्रगति। संभाव्य tractography, दूसरे हाथ पर, पैदावार एक कनेक्टिविटी नक्शा एक voxel की संभावना का वर्णन ब्याज (ROIs) के दो क्षेत्रों के बीच एक पथ का हिस्सा बनने के लिए और इस तरह इस तरह के V1 17 के रूप में भूरे रंग के मामले में प्रगति। इस एमआरआई आवेदन का उपयोग करना, जैसे प्रमुख WM संरचनाओंया, चित्रित किया जा सकता है, क्योंकि पिछले अध्ययनों 18-20 में दिखाया गया है।

यह अध्ययन इसलिए प्रसार डेटा और tractography का उपयोग करता retino-geniculo-cortical कनेक्टिविटी पर axonal misrouting के प्रभाव का पता लगाने के लिए। मानव रंगहीनता 8 में LGN खंडों में पहले से सूचना दी कटौती के आधार पर हम अनुमान है कि V1 को LGN से फाइबर अनुमानों भी (चित्रा 1) कम हो रहे हैं।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

आचार कथन: वर्तमान शोध अध्ययन न्यूयॉर्क विश्वविद्यालय, टोरंटो में मानव प्रतिभागियों समीक्षा समिति (HPRC) द्वारा अनुमोदित किया गया है। सभी प्रतिभागियों को लिखित सहमति सूचित दे दी है।

1. विषय तैयारी

नोट: ओसीए के साथ ग्यारह प्रतिभागियों, वृद्ध 36 ± 4 साल (6 महिलाओं) दस उम्र से मिलान नियंत्रण, 32 वर्ष की आयु ± 4 साल (6 महिलाओं) की तुलना में थे। प्रतिभागी इतिहास तालिका 1 में दर्ज की गई है।

  1. प्रत्येक भागीदार पूछो भरें और एक सहमति पत्र पर कि एमआरआई सुरक्षा दिशा निर्देशों और इमेजिंग प्रोटोकॉल पर हस्ताक्षर करने को सूचीबद्ध करती है।
  2. प्रत्येक भागीदार के लिए, कान के लिए इयरप्लग प्रदान करते हैं। स्थिति भागीदार लापरवाह और पहली चुंबक में सिर, और मील का पत्थर भौं स्तर पर आंखों के ऊपर। कुशन के साथ सुरक्षित भागीदार के सिर सिर गति को कम करने के लिए। भागीदार रोगी चेतावनी के लिए एक निचोड़ बल्ब दे।

2. स्ट्रक्चरल एमआरआई पैरामीटर्स

e_content "> नोट: सभी इमेजिंग एक 32-चैनल सिर का तार का उपयोग कर एक 3T एमआरआई स्कैनर पर अधिग्रहण कर लिया है विषय के प्रति एक ही सत्र के दौरान।:

  1. एक 3 डी-MPRAGE अनुक्रम निम्नलिखित मानकों के साथ पूरे मस्तिष्क को कवर का उपयोग कर एक उच्च संकल्प T1 भारित संरचनात्मक मोल: 4 मिनट 26 सेकंड, देखने के लिए 256 मिमी के क्षेत्र, 256 मैट्रिक्स, 1 मिमी की मोटाई के साथ टुकड़ा 192 स्लाइस अधिग्रहण समय, एक साथ 1.0 मिमी 3, टी.आर. = 1900 एमएस, ते (गूंज समय) = 900 एमएस के एक उलटा समय और 9 °, 1 औसत का दूसरा कोण के साथ 2.52 एमएस के परिणामस्वरूप isotropic voxel आकार, समानांतर इमेजिंग (iPat GRAPPA, 2 की त्वरण कारक) ।
  2. कोर्टेक्स को कवर एक डीटीआई अनुक्रम, पूर्वकाल संयोजिका / पीछे संयोजिका (एसी-पीसी) लाइन निम्नलिखित अनुप्रस्थ अभिविन्यास में स्लाइस के साथ मोल, निम्नलिखित मानकों का उपयोग: अधिग्रहण के समय 8 मिनट 5 सेकंड, देखने के लिए 192 मिमी के क्षेत्र, 128 मैट्रिक्स, voxels 1.5 1.5 मिमी में विमान, 56 सन्निहित (कोई अंतर) 2 मिमी मोटाई के साथ स्लाइस, टी.आर. = 6900 एमएस, ते = 86 एमएस, 64 दिशाओं, 100 के बी-मूल्य0 एस / 1 औसत, समानांतर इमेजिंग (iPat GRAPPA) 3 के एक त्वरण कारक के साथ मिमी 2 (0 सेकंड / 2 मिमी की कम बी मूल्य के साथ संदर्भ छवि)।
  3. एक राज्याभिषेक अभिविन्यास में 30-40 पीडी भारित छवियों का मोल, ब्रेन स्टेम के समानांतर, अवर colliculus के पीछे भाग को पोंस के पूर्वकाल हद से कवर किया गया।
    1. अधिग्रहण के समय 1 मिनट स्कैन प्रति 29 सेकंड, देखने के लिए 192 मिमी के क्षेत्र, 256 मैट्रिक्स, 1 मिमी की मोटाई के साथ 30-40 स्लाइस, voxel आकार 0.75 0.75 जिसके परिणामस्वरूप: टर्बो स्पिन गूंज (तेजी से स्पिन गूंज) पल्स अनुक्रम और निम्न पैरामीटर का उपयोग 1 मिमी 3, टी.आर. = 3,000 मिसे, ते = 22 मिसे, 5 की टर्बो कारक, 2 की एक त्वरण कारक के साथ 120 डिग्री के कोण फ्लिप, 1 औसत, समानांतर इमेजिंग (iPat GRAPPA) refocusing।
      नोट: S12 निम्नलिखित मानकों का उपयोग कर स्कैन किया गया: देखें 180 मिमी के क्षेत्र, 512 मैट्रिक्स, 1 मिमी मोटी स्लाइस के साथ 30 स्लाइस, voxel आकार 0.4 x 0.4 x 1.0 मिमी 3 जिसके परिणामस्वरूप। अन्य सभी मापदंडों ही बने रहे। Acquisitआयन समय 2 मिनट 47 सेकंड।
  4. पूर्व प्रक्रिया निफ्टी प्रारूप करने के लिए कच्चे DICOM परिवर्तित कार्यक्रम dcm2nii का उपयोग करके सभी स्कैन।

3. LGN चित्रण

नोट: LGN एक छोटे subcortical मस्तिष्क में गहरी स्थित संरचना है, इसलिए उच्च संकल्प छवियों पीडी अपनी शारीरिक सीमाओं का निर्धारण करने के लिए आवश्यक हैं। इन स्कैन में, LGN आसपास के इलाकों WM करने के लिए उच्च संकेत तीव्रता रिश्तेदार के एक क्षेत्र के रूप में प्रकट होता है, इसका पता लगाने के 21 की सुविधा। पहचान संरचनात्मक LGN तो tractography के लिए एक बीज क्षेत्र के रूप में प्रयोग किया जाता है।

  1. जबकि समूह की सदस्यता के लिए अंधा, मैन्युअल सही और बाएँ LGN मास्क दो बार संकल्प करने के लिए interpolated औसतन पीडी छवियों पर प्रत्येक तीन बार का पता लगाने और आधा voxel आकार (मूल 256 x 256 मैट्रिक्स, 0.75 x 0.75 x 1 मिमी 3 voxel आकार)।
    1. उच्च संकल्प प्राप्त करने के लिए पीडी छवियों FMRIB के सॉफ्टवेयर के भीतर स्वतंत्र रूप से उपलब्ध इश्कबाज समारोह और अन्य सॉफ्टवेयर उपकरणों का उपयोगलाइब्रेरी (एफएसएल, http://www.fmrib.ox.ac.uk/fsl/)। Upsample, प्रत्येक भागीदार के लिए जुटना, गति सही और औसत पीडी छवियों के रूप में पहले से कहीं और 22 में वर्णित है।
    2. FSLView में उच्च संकल्प पीडी छवि को लोड और एकल विकल्प का चयन करने के लिए उपकरण टैब पर क्लिक करें (या प्रेस आकृति 1 ) छवि विस्तार करने के लिए।
    3. मुखौटा बनाने के विकल्प का चयन करें, और प्रत्येक टुकड़ा में LGN का पता लगाने के लिए स्क्रीन के ऊपर छोड़ दिया पर उपकरण पट्टी का उपयोग करने के लिए फ़ाइल टैब पर क्लिक करें। अगर वांछित, टूलबार में न्यूनतम / अधिकतम साथ खींच LGN का पता लगाने की सुविधा के लिए द्वारा छवि के विपरीत बदल जाते हैं।
  2. एक औसत मुखौटा fslmerge कमांड का उपयोग करने में रुचि (ROIs) के इन क्षेत्रों मिलाएं।
  3. एक भी मंझला मुखौटा ही आदेश का उपयोग करने में सभी रेटर 'मंझला मास्क का मिश्रण।

4. V1 विभाजन

  1. भागो मस्तिष्क पर FreeSurfer23 (v5.3.0) में "टोह सभी" आदेशस्वचालित प्रसंस्करण के लिए देशी शारीरिक अंतरिक्ष (T1 भारित छवियों) में है।
  2. नव निर्मित एमआरआई फ़ोल्डर (orig.mgz, brain.mgz, rawavg.mgz, T1.mgz) निफ्टी के लिए "mri_convert" का उपयोग करने में उचित outputs कन्वर्ट।
  3. एफएसएल जीयूआई में शर्त मस्तिष्क निकासी का प्रयोग FreeSurfer अंतरिक्ष में खोपड़ी छीन उत्पादन मस्तिष्क (brain.nii.gz) सही करने के लिए यदि आवश्यक है। bet2 विकल्प (डिफ़ॉल्ट) का उपयोग कर चला मानक मस्तिष्क निकासी चुनें। सीमा कम अगर छवि मस्तिष्क के ऊतकों याद आ रही है, या अगर गैर-मस्तिष्क के ऊतकों (डिफ़ॉल्ट सीमा 0.5) पर कब्जा कर लिया है वृद्धि हुई है। उन्नत विकल्पों में आउटपुट मस्तिष्क निकाले छवि और आउटपुट बाइनरी मस्तिष्क मुखौटा छवि (उत्तरार्द्ध मैनुअल सुधार के लिए इस्तेमाल किया जा सकता है) का चयन करें।
  4. एक बड़ा मुखौटा "label2surf" और "surf2volume" आदेशों का उपयोग करने के लिए कन्वर्ट उत्पादन V1 parcellation।

5. पूर्व-ट्रैकिंग पंजीकरण

नोट: अगले कदम के लिए, followin से प्रत्येक को खोलने के लिए एफएसएल जीयूआई फोनजी उपकरण।

  1. शर्त मस्तिष्क निकासी का प्रयोग करें और खोपड़ी-पट्टी rawavg.nii.gz, "टोह सभी" द्वारा बनाई गई एमआरआई फ़ोल्डर में स्थित पूर्वाग्रह क्षेत्र और गर्दन सफाई विकल्प चुनें। आवश्यक के रूप में सीमा को समायोजित करें।
  2. भागो इश्कबाज रेखीय पंजीकरण FreeSurfer में दिमाग लाने और प्रसार अंतरिक्ष के मूल निवासी शारीरिक अंतरिक्ष के लिए।
    1. brain.nii.gz का चयन करें, टोह-सब (FreeSurfer स्पेस) के उत्पादन, या एक विषय के मस्तिष्क निकाले T1 (देशी शारीरिक अंतरिक्ष) इनपुट छवि के रूप में, और एक एड़ी सही है और मस्तिष्क निकाले संदर्भ के रूप में प्रसार भारित छवि (DWI) छवि। तो फिर क्लिक करें "जाओ"।
      नोट: यह कदम दो outputs, इनपुट संदर्भ छवि (.nii.gz) और एक परिवर्तन मैट्रिक्स (.mat) के लिए पंजीकृत मस्तिष्क पैदा करता है। इसके अलावा पंजीकरण से, बाद फ़ाइल tractography के लिए आवश्यक जब बीज अंतरिक्ष प्रसार नहीं है। के रूप में समझाया 7.4.2 उत्पादन परिवर्तन matrices (.mat) tractography के लिए इस चरण में बनाया का प्रयोग करें।
  3. समान5.2 करने के लिए, चलाने इश्कबाज रेखीय पंजीकरण FreeSurfer अंतरिक्ष और देशी शारीरिक अंतरिक्ष के लिए 'प्रतिभागियों पीडी दिमाग लाने के लिए।
  4. tractography के लिए बीज मास्क तैयार:
    1. इश्कबाज रेखीय पंजीकरण उपकरण बॉक्स में Utils से FLIRT परिवर्तन लागू करें। परिवर्तन मैट्रिक्स के रूप में .mat उत्पादन का प्रयोग करें, मूल LGN इनपुट और संदर्भ मात्रा के रूप में brain.nii.gz (FreeSurfer अंतरिक्ष) या T1_brain.nii.gz (देशी शारीरिक अंतरिक्ष) (5.2 देखें) के रूप में मुखौटा। उन्नत विकल्पों में से निकटतम पड़ोसी प्रक्षेप विधि का चयन करें।
  5. केवल brain.nii.gz फ़ाइलों का उपयोग करना, tractography के लिए लक्ष्य मास्क तैयार:
    1. रजिस्टर मूल निवासी शारीरिक अंतरिक्ष के लिए FreeSurfer दिमाग और (5.2, 5.4.1 देखें) त्रि-रैखिक प्रक्षेप का उपयोग V1 मास्क को परिवर्तन को लागू करने से लक्ष्य मास्क बनाने के लिए। क्लिक करें "जाओ"।

6. LGN सामान्यीकरण

  1. //fsl.fmrib.ox: FNIRT गैर रेखीय पंजीकरण के रूप में पहले से वर्णित http प्रयोग करें.ac.uk / एफएसएल / fslwiki / FNIRT MNI अंतरिक्ष के मूल निवासी शारीरिक अंतरिक्ष में प्रतिभागियों को 'गैर निकाला दिमाग में लाने के लिए, टोरंटो स्नायविक संस्थान पूरे दिमाग टेम्पलेट (MNI152) का उपयोग।
    नोट: मूल संरचनात्मक छवियों की गैर रेखीय पंजीकरण, इस कदम के लिए सिफारिश की है जब FNIRT निकाला दिमाग पर इश्कबाज की तुलना में गैर निकाली T1s करने के लिए लागू किया गया था के रूप में पंजीकरण के लिए और अधिक सटीक थे।
  2. शारीरिक अंतरिक्ष में LGN मास्क को परिवर्तन लागू करें (मूल LGN पहले 5.4 में देशी शारीरिक अंतरिक्ष के लिए बदल) 5.4.1 में वर्णित के रूप MNI अंतरिक्ष के लिए मास्क लाने के लिए निकटतम पड़ोसी प्रक्षेप का उपयोग कर।
  3. AFNI की '3dMean "कमांड के प्रयोग से दोनों समूहों में MNI अंतरिक्ष में सभी औसत LGN मास्क।
  4. का प्रयोग करें "fslmaths -thr" MNI अंतरिक्ष में मतलब मुखौटा करने के लिए एक सीमा लागू करने के लिए।
  5. वी का उपयोग कर MNI अंतरिक्ष में मतलब मुखौटा की त्रिज्या = 4/3 πr 3 (एक क्षेत्र) की कल्पना की गणना।
  6. बड़े पैमाने पर coordi के केंद्र रिकॉर्डआदेश का उपयोग कर देशी शारीरिक अंतरिक्ष में प्रत्येक व्यक्ति LGN मुखौटा के नितंब "fslstats सी"।
  7. प्रतिभागियों भर में समान मात्रा में की गोलाकार ROIs बनाएँ:
    1. मूल संरचनात्मक अंतरिक्ष में उपयुक्त व्यक्ति LGN मुखौटा के निर्देशांक के साथ एक रॉय बिंदु बनाने के लिए "fslmaths" का प्रयोग 6.6 में दर्ज
    2. "Fslmaths" का प्रयोग, देशी शारीरिक अंतरिक्ष में रॉय बिंदु के आसपास एक क्षेत्र बनाने के लिए MNI अंतरिक्ष में मतलब मुखौटा की त्रिज्या लागू होते हैं।
  8. tractography के लिए बीज के रूप में इन मानकीकृत मास्क का प्रयोग करें।

7. संभाव्य Tractography (एफएसएल 5.0.4)

नोट: अगले कदम के लिए, निम्न उपकरणों का उपयोग करने के लिए प्रत्येक Fdt_gui कहते हैं।

  1. एड़ी वर्तमान सुधार के साथ DWIs में विकृतियों के लिए सही है। डिफ़ॉल्ट छोड़ने प्रसार टूलबॉक्स विंडो के शीर्ष पर मेनू से एड़ी वर्तमान सुधार विकल्प का चयन करें और इनपुट के रूप में DWI अपलोड करें,T संदर्भ मात्रा (0)।
  2. 4.3 में वर्णित के रूप में मस्तिष्क शर्त के साथ छवियों को निकालने।
  3. मेनू से DTIFIT पुनर्निर्माण प्रसार tensors विकल्प चुनें। निम्न फ़ाइलों से युक्त एक इनपुट निर्देशिका निर्दिष्ट करें: प्रसार भारित डेटा, nodif_brain_mask (शर्त का उत्पादन), bvec और bval (bvecs और bvals को नाम दिया जाना चाहिए, प्रसार छवि अधिग्रहण मापदंडों प्रसार का निफ्टी रूपांतरण के लिए DICOM के उत्पादन के बारे में जानकारी युक्त पाठ फ़ाइलें जानकारी)। dtifit है, जो प्रत्येक voxel पर एक प्रसार tensor मॉडल फिट बैठता है, बाद के प्रसंस्करण के लिए फाइल बनाने को चलाने के लिए "जाओ" पर क्लिक करें।
  4. अगले, BedpostX (प्रसार के मापदंडों के आकलन) मेनू से विकल्प चुनें। DTIFIT के लिए के रूप में एक ही इनपुट निर्देशिका का प्रयोग करें। tractography के लिए आवश्यक सभी फ़ाइलों को उत्पन्न करने के लिए 'गो' पर क्लिक करें।
  5. एक ही मेनू से, संभाव्य नज़र रखने के लिए ProbtrackX चुनते हैं और प्रत्येक गोलार्द्ध के लिए अलग से इसे चला रहे हैं। डिफ़ॉल्ट बुनियादी विकल्प (5,000 नमूने, 0.2 वक्रता और loopcheck applie रखेंघ) और वृद्धि की सटीकता के लिए उन्नत विकल्पों में से संभाव्य सुव्यवस्थित कंप्यूटिंग के लिए यूलर संशोधित का चयन करें।
    1. BEDPOSTX निर्देशिका के रूप में .merged फाइलों से युक्त BedpostX के उत्पादन का चयन करें।
    2. बीज अंतरिक्ष के रूप में एक मुखौटा का चयन करें और तब्दील LGN मुखौटा लोड (देशी शारीरिक अंतरिक्ष में) बीज छवि के रूप में, T1 प्रसार परिवर्तन मैट्रिक्स को (देशी शारीरिक अंतरिक्ष में मस्तिष्क) प्रसार करने के लिए बीज को बदलने के रूप में, और V1 (देशी शारीरिक अंतरिक्ष में) लक्ष्य के रूप में "वैकल्पिक लक्ष्य" (सभी लेकिन बहिष्कार मास्क) में।
    3. डिफ़ॉल्ट जाल कन्वेंशन (कैरट) का उपयोग करें और देशी शारीरिक अंतरिक्ष (टी 1 छवि) सतह संदर्भ छवि के रूप में मस्तिष्क लोड।
  6. 7.5.2 में वर्णित के रूप tractography के लिए बीज क्षेत्रों के रूप में (6 चरण में बनाया गया) मानक गोलाकार ROIs का उपयोग कर संभाव्य नज़र रखने के लिए ProbtrackX दोहराएँ। उसी तरह से बदल LGN (शारीरिक अंतरिक्ष) में अपलोड ROIs 7.5.2 में अपलोड किए गए थे।
  7. पुन: चलाने tractography (7.5), इस समयबीज (गैर सामान्यीकृत) और एक बहिष्कार मुखौटा के रूप में FreeSurfer के contralateral सफेद पदार्थ सीमा मुखौटा के अलावा के साथ FreeSurfer अंतरिक्ष में लक्ष्य मास्क के साथ पर कोई पार करने से बचने और प्रत्यक्ष ipsilateral कनेक्शन सुनिश्चित करने के लिए। ProbtrackX उपकरण बॉक्स से भूतल विकल्प चेक करें और जाल सम्मेलन के रूप में FreeSurfer का चयन करें।
    नोट: यह है कि tractography हमेशा प्रसार अंतरिक्ष से चलाया जाता है पर जोर देना जरूरी है, लेकिन संभाव्य नज़र रखने के लिए एक अलग Probtrackx अंतरिक्ष में बीज और लक्ष्य मास्क के इनपुट की अनुमति देता है, प्रसार अंतरिक्ष के लिए एक परिवर्तन मैट्रिक्स के साथ। इस अध्ययन में, संभाव्य tractography दोनों देशी संरचनात्मक और FreeSurfer अंतरिक्ष (चित्रा 2) में मास्क के साथ चलाया गया था।

8. नियतात्मक Tractography (डी एस आई स्टूडियो)

  1. ओपन सोर्स छवियाँ: ओपन एड़ी चरण 1 पर क्लिक करके डी एस आई स्टूडियो 24 में प्रसार भारित छवियों सही। लोड bvec और bval फ़ाइलें एक बी-तालिका विंडो स्वचालित रूप से है उस पर opeनेड एक स्रोत (.src) फ़ाइल बनाने के लिए।
  2. पुनर्निर्माण खिड़की पर उत्पन्न स्रोत फ़ाइलों को लोड संशोधित करने के लिए डिफ़ॉल्ट आवश्यक के रूप में खंगाला मस्तिष्क मास्क।
  3. फिर, पुनर्निर्माण विधि के रूप में 25 डीटीआई चयन और स्रोत फ़ाइलों पर इसे चलाने के लिए फाइबर जानकारी फ़ाइलें (.fib) का उत्पादन करने के लिए।
  4. इश्कबाज रेखीय पंजीकरण का उपयोग प्रसार अंतरिक्ष के लिए प्रतिभागियों को 'पीडी दिमाग लाओ।
  5. 5.4.1 में वर्णित के रूप निकटतम पड़ोसी प्रक्षेप का उपयोग LGN मास्क को परिवर्तन लागू करें।
  6. कार्यक्रम की ट्रैकिंग खिड़की में फ़ाइलों .fib खोलें।
  7. प्रत्येक गोलार्द्ध के लिए ट्रैकिंग चलाने के लिए अलग से, बीज और क्षेत्र 17 (V1) terminative क्षेत्र के रूप में Brodmann एटलस डी एस आई स्टूडियो से उपलब्ध के रूप में प्रसार अंतरिक्ष में LGN का उपयोग कर। क्षेत्र टैब और ओपन क्षेत्र पर क्लिक करके LGN मुखौटा लोड। बीज स्क्रीन के बाईं तरफ क्षेत्र सूची में प्रकार के तहत विकल्प चुनें। एटलस से V1 मुखौटा लोड करने के लिए, क्षेत्र सूची में उपकरण पट्टी से एटलस पर क्लिक करें औरउचित एटलस का चयन करें।
  8. प्रत्येक समय में, contralateral WM (नाम बाएँ / सही-मस्तिष्क सफेद बात) FreeSurfer विभाजन एटलस (ट्रैकिंग विंडो में क्षेत्र सूची देखें बॉक्स) (आरओए) परिहार के एक क्षेत्र के रूप से नकाब निर्धारित किया है।
  9. ट्रैकिंग (8.7-8.8) प्रसार अंतरिक्ष के बजाय अलग-अलग LGN के रूप में tractography के लिए बीज क्षेत्रों में गोलाकार ROIs का उपयोग कर दोहराएँ।
    नोट: गोलाकार ROIs सभी विषयों भर में एक ही मात्रा है और प्रत्येक LGN के द्रव्यमान का केंद्र पर केंद्रित कर रहे हैं।
  10. दोहराएँ LGN सामान्य, धारा 6, केवल इस समय मानक MNI अंतरिक्ष के लिए प्रसार अंतरिक्ष में दिमाग दर्ज की, और प्रसार अंतरिक्ष में LGN करने के लिए परिवर्तनों को लागू करने (मूल LGN पहले 8.4-8.5 में प्रसार अंतरिक्ष के लिए बदल) मानक MNI अंतरिक्ष के लिए मास्क लाने के लिए। मतलब MNI अंतरिक्ष में विषयों भर में सभी LGN की मात्रा के रूप में गोलाकार रॉय की मात्रा की गणना।
    नोट: ट्रैकिंग पैरामीटर उपयोगकर्ता द्वारा संशोधित किया जा सकता है। सर्वाधिक रन के लिए, डिफ़ॉल्ट ट्रैकिंग पैरामीटर लागू किया गया। कुछ व्यक्तियों (ए 5, ए 7, S12) के लिए, anisotropy सीमा (डिफ़ॉल्ट 0.14-0.15) उतारा गया (0.10-0.12) और कोणीय सीमा (डिफ़ॉल्ट 60) (65-85) की वृद्धि हुई थी अच्छे दृश्य के लिए। तकनीक का एक योजनाबद्ध चित्रा 3 में दिखाया गया है।

9. सांख्यिकीय विश्लेषण - TBSS (एफएसएल)

नोट: पथ आधारित स्थानिक आँकड़े 'प्रतिभागियों एफए की एक voxelwise सांख्यिकीय विश्लेषण maps16 dtifit26 साथ प्राप्त की है। यह बड़े पैमाने पर प्रसार डेटा पर आँकड़े के लिए प्रयोग किया जाता है। इस voxelwise दृष्टिकोण संभावित संरेखण और समरेखण समस्याओं VBM शैली एफए विश्लेषण में देखा काबू पा और पूरे दिमाग जांच, के माध्यम से अप्राप्य tractography आधारित approaches16 प्रदान करता है।

  1. एक नव निर्मित TBSS निर्देशिका में स्थित एफए डेटा पर "tbss_1_preproc" भागो।
  2. भागो "tbss_2_reg" - टी गैर रेखीय पंजीकरण लागू करने के लिए, आम अंतरिक्ष में प्रत्येक भागीदार के एफए डेटा लाने (FMRIB58_FA,TBSS में लक्ष्य छवि)।
  3. प्रयोग "tbss_3_postreg एस" प्रतिभागियों के बीच सभी आम इलाकों के केन्द्रों के साथ एक मतलब एफए कंकाल बनाएँ।
  4. रन "Tbss_4_prestats 0.2" सभी गठबंधन एफए नक्शे का मतलब कंकाल पर प्रत्येक प्रतिभागी की गठबंधन एफए मानचित्र परियोजना है।
  5. design.con और design.mat फ़ाइलें बनाएँ, यह सुनिश्चित करना है कि मैट्रिक्स के आदेश के क्रम में जो TBSS पूर्व संसाधित एफए डेटा के साथ संगत है।
  6. भागो "randomise", टी 2 विकल्प है, जो TBSS के लिए सिफारिश की है, क्योंकि यह एक कंकाल (3 डी डेटा का एक कम सबसेट) पर काम करता है का उपयोग कर, और 5000 के पूर्व म्यूटेशन, जो अधिक सटीक पी मूल्यों देता है।

10 सांख्यिकीय विश्लेषण - SPSS

  1. नियतात्मक डेटा से एफए मान निकालने
    नोट: नियतात्मक आधारित एफए मूल्यों डी एस आई स्टूडियो उत्पादन के आँकड़े पाठ फ़ाइलों से प्राप्त किए गए। इन मूल्यों उत्पन्न इलाकों के भीतर मतलब एफए प्रतिनिधित्व कइस मामले में आईसीएच या के क्षेत्र के अनुरूप हैं।
    1. डी एस आई स्टूडियो में चलाने के लिए फाइबर ट्रैकिंग।
    2. इलाकों के प्रत्येक सेट के लिए उत्पन्न 'आँकड़े' पाठ डी एस आई स्टूडियो द्वारा बनाई गई फाइलों को बचाने और उनके पास से 'एफए मतलब' मूल्यों रिकॉर्ड है।
  2. संभावित डेटा से एफए मान निकालने
    नोट: संभाव्य आधारित एफए मूल्यों ProbtrackX2 उत्पादन fdt_paths फ़ाइलों से निकाली गई है। ये 3 डी पथ घनत्व छवियों है कि इस अध्ययन में क्षेत्र या करने के लिए इसी को कवर कर रहे हैं।
    1. प्रसार अंतरिक्ष के लिए प्रत्येक भागीदार के fdt_paths फ़ाइलों को लाने इश्कबाज रेखीय पंजीकरण का प्रयोग करें।
    2. का उपयोग करते हुए "- बिन fslmaths" उत्पादन मास्क Binarize।
    3. प्रत्येक भागीदार के लिए, का उपयोग करते हुए "fslmaths एमयूएल" dtifit से उनकी एफए नक्शा द्वारा मुखौटा गुणा।
    4. भागो "fslmeants" कमांड प्रत्येक पथ नकाब से मतलब एफए खोजने के लिए।
  3. SPSS (नियतात्मक और संभाव्य का उपयोग के साथ विश्लेषण रनिंग
    जानकारी)
    एनOTE: सांख्यिकीय विश्लेषण मैक के लिए SPSS 20 का उपयोग किया जाता है। चूंकि गोलार्द्ध एक के भीतर-विषय चर, एक सामान्यीकृत रेखीय मॉडल (GENLIN) के साथ जो मस्तिष्क के प्रत्येक पक्ष में प्रभाव अलग से देखा जा सकता है, लागू किया जाता है। विशेष रूप से, सामान्यीकृत का आकलन समीकरण (जी) का इस्तेमाल किया जाता है।
    1. अलग परीक्षणों में, मतलब एफए के प्रत्येक सेट और (waytotal या प्रतिशत सुव्यवस्थित उत्पन्न PGSL) गिनती निर्भर चर के रूप में कारगर बनाने के।
      नोट: इस अध्ययन में, कारगर तरीका गिनती कुल मूल्यों पर आधारित है। Waytotal उत्पन्न सुव्यवस्थित कि शामिल किए जाने / अपवर्जन मानदंड 27 द्वारा अस्वीकार नहीं किया गया है की कुल संख्या का वर्णन है। उत्पन्न सुव्यवस्थित की संख्या (NGSL) है, जो भेजा सुव्यवस्थित की कुल संख्या को संदर्भित करता है, बीज मुखौटा प्रत्येक voxel (इस मामले में 5,000) से तैयार नमूनों की संख्या से गुणा में voxels की संख्या के बराबर है। प्रतिशत उत्पन्न सुव्यवस्थित (PGSL), NGSL बार 100 से विभाजित waytotal, सफल कनेक्शन का एक उपाय हैबीज और लक्ष्य के बीच ctivity।
    2. उन्हें सभी परीक्षणों में के रूप में स्वतंत्र चर की स्थापना करके V1 कनेक्टिविटी के लिए LGN पर समूह और लिंग के प्रभाव का अध्ययन।
      नोट: मुख्य प्रभाव के साथ ही दो और तीन तरह से बातचीत का अध्ययन किया गया। यह ध्यान रखें कि इन अलग-अलग परीक्षण के लिए एक दूसरे के लिए वातानुकूलित नहीं कर रहे हैं महत्वपूर्ण है, तो एक मुख्य प्रभाव या बातचीत के महत्व को दूसरे से स्वतंत्र है।
    3. सभी परीक्षणों के लिए एक covariate के रूप में उम्र का प्रयोग करें। इसके अलावा, आश्रित चर के रूप में मतलब एफए के साथ परीक्षण और waytotal के लिए एक covariate रूप LGN मात्रा का उपयोग करें, लेकिन आश्रित चर के रूप में PGSL के साथ परीक्षण से यह न आना।
      नोट: कुल मस्तिष्क की मात्रा एक तुच्छ covariate होना पाया गया है और इसलिए आँकड़े से छोड़ा गया था।
    4. एकाधिक तुलना 28 (महत्व पी <0.05 के स्तर पर) के लिए समायोजित करने के लिए Bonferroni सुधार विधि का चयन करें।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

यह खंड tractography, नियतात्मक और संभाव्य की दो अलग अलग एल्गोरिदम का उपयोग कर प्राप्त परिणामों के एक सारांश प्रदान करता है। पीडी अंतरिक्ष में LGN संस्करणों में जो मास्क मूल रूप से तैयार किया गया है, साथ ही इस अध्ययन में इस्तेमाल अन्य सभी रिक्त स्थान में, 2 टेबल में दर्ज हैं, और LGN ट्रेसिंग 4 चित्र में सचित्र है। यहां बताया कि परिणाम रन LGN रॉय के रूप में एक मानक क्षेत्र में इस्तेमाल किया पर आधारित हैं। स्टैंडर्ड LGN मात्रा प्रसार अंतरिक्ष (नियतात्मक रन) में क्रमश: 461 मिमी 3 शारीरिक अंतरिक्ष (संभाव्य रन) में दोनों गोलार्द्धों में, और 292.5 मिमी 3 और 364.5 मिमी 3 सही और बाएँ गोलार्द्धों में था,। दोनों रन के लिए, ये मानक मात्रा बहुत मतलब संस्करणों (MNI को MNI अंतरिक्ष में गणना की संरचनात्मक के करीब हैं: 472 मिमी 3 और 440 मिमी छोड़ दिया और सही के लिए क्रमश: 3; MNI करने के लिए प्रसार: 376 और 312 मिमी बाईं के लिए 3और सही, क्रमशः), लेकिन (सबसे बड़ा देशी अंतरिक्ष में सबसे अधिक व्यक्तिगत LGN मात्रा में शरीर रचना की तुलना में बड़ा है: 281 मिमी 3; सबसे बड़ा प्रसार में: 324 मिमी 3)। चूंकि Bonferroni एक बहुत ही रूढ़िवादी परीक्षा है, पी मूल्यों छोटे से कम 0.1 महत्व के करीब पहुंच के रूप में इलाज कर रहे हैं और यहाँ रिपोर्ट कर रहे हैं। इसके अतिरिक्त, TBSS एफए नक्शे पर दो समूहों के बीच महत्वपूर्ण अंतर (पी <0.05), (चित्रा 5) रंगहीनता में कम सफेद पदार्थ पथ अखंडता के लाल का प्रतिनिधित्व करने वाले क्षेत्रों में क्षेत्रों के साथ के क्षेत्रों का पता चला।

दोनों नियतात्मक और संभाव्य रन, covariates और गोलार्द्ध बातचीत से लिंग के आधार पर तीन तरह समूह के लिए नगण्य थे और इसलिए सभी अंतिम विश्लेषण से बाहर रखा गया है। नियतात्मक रन के लिए, मतलब एफए निर्भर चर के रूप में उपयोग करते हुए, वर्ग और लिंग का मुख्य प्रभाव नगण्य थे, जबकि गोलार्द्ध का मुख्य प्रभाव महत्व का दरवाजा खटखटाया (इसका मतलब ± SEM .410.008 सही ±; .39 ± .006 छोड़ दिया, पी = 0.064)। मतलब एफए मूल्यों के साधन (± SEM) के लिए इसी या V1 को LGN जोड़ने के क्षेत्र 0.39 ± रंगहीनता के लिए 0.007 और 0.40 ± नियंत्रण के लिए 0.008 थे। गोलार्द्ध द्वारा समूह के एक दो तरह बातचीत महत्वपूर्ण था (पी = 0.013)। संभाव्य रन, आश्रित चर के रूप में fdt_paths से मतलब एफए मूल्यों का उपयोग के लिए, समूह का मुख्य प्रभाव नगण्य था (मतलब ± SEM 0.353 ± .0035 नियंत्रण; 0.349 ± .0046 रंगहीनता)। हालांकि, गोलार्द्ध का मुख्य प्रभाव (0.358 ± 0.004 सही; 0.345 ± .003 छोड़ दिया, पी = .005) और लिंग (.34 ± 0.004 महिलाओं; .36 ± 0.004 पुरुषों, पी = 0.014) थे महत्वपूर्ण है। लिंग बातचीत के द्वारा एक तरह से दो समूह महत्वपूर्ण था (पी = 0.033)। के रूप में शापिरो-विल्क टेस्ट (p> 0.05) द्वारा की पुष्टि की सभी परीक्षणों के लिए डेटा सामान्य रूप से वितरित किए गए। नियतात्मक दृष्टिकोण का प्रयोग, मतलब waytotal मूल्यों रंगहीनता के लिए 2728 ± 127 और 2,753 & # थे177; नियंत्रण के लिए 169। लिंग बातचीत के द्वारा दो तरह समूह गोलार्द्ध का मुख्य प्रभाव और महत्वपूर्ण थे (पी = 0.027 और पी = 0.004, क्रमशः)। आश्रित चर के रूप में PGSL का उपयोग करना, वर्ग और लिंग का मुख्य प्रभाव, तुच्छ थे, जबकि गोलार्द्ध के प्रभाव महत्वपूर्ण था (इसका मतलब ± SEM 0.89 ± .045 ठीक है, 0.63 ± 0.026, पी = .001)। लिंग बातचीत के द्वारा दो तरह समूह में भी महत्वपूर्ण था (पी = .003)। मतलब PGSL LGN से V1 के लिए 0.76 ± रंगहीनता के लिए 0.046 और 0.76 ± नियंत्रण के लिए 0.048 थे। PGSL मानक LGN रॉय का उपयोग कर की गणना की गई। डेटा सामान्य रूप से वितरित किए गए (शापिरो p> 0.05)। संभाव्य रन के लिए, आश्रित चर के रूप में waytotal मूल्यों और PGSL का उपयोग करते हुए, समूह, गोलार्द्ध और लिंग के मुख्य प्रभाव नहीं महत्वपूर्ण थे। मतलब waytotal मूल्यों 28,739 ± रंगहीनता के लिए 7,297 और 31,220 ± नियंत्रण के लिए 7202 में थे। LGN से V1 को PGSL मतलब 1.3 ± रंगहीनता के लिए .3 और 1.4 ± थेनियंत्रण के लिए .3। दोनों ही मामलों में, डेटा थे गैर सामान्य रूप से वितरित और गामा लॉग परिवर्तन लागू किया गया था।

नियतात्मक दृष्टिकोण का प्रयोग, जोड़ो में तुलना रंगहीनता के दाएँ गोलार्द्ध में एफए के लिए कम से पता चला नियंत्रण की तुलना में (सी 2 (1 एन = 21) = 4.15, पी = 0.042)। नियंत्रण में, बाएँ गोलार्द्ध एफए मूल्य है कि दाएँ गोलार्द्ध (पी = .007) के लिए की तुलना में कम था, और के लिए एक प्रवृत्ति पुरुषों की तुलना में महिलाओं में एफए में कमी आई मिला था (सी 2 (1, एन = 21) = 2.97, पी = .085)। संभाव्य tractography का प्रयोग, जोड़ो में पता चला तुलना दोनों समूहों में दाएँ गोलार्द्ध (सी 2 (1, एन = 21) = 6.31, पी = 0.012) की तुलना में बाएँ गोलार्द्ध में एफए कम हो। पुरुषों में, एफए काफी नियंत्रण (सी 2 (1 एन = 21) = 4.27, पी = 0.039) की तुलना में रंगहीनता में कम हो गया था। इसके अलावा, एफए काफी महिलाओं compar में कमी आई थीएड नियंत्रण में पुरुषों के लिए (सी 2 (1 एन = 21) = 14.37, पी <0.001)। आश्रित चर के रूप में नियतात्मक रन से waytotal मूल्यों का प्रयोग, जोड़ो में पता चला तुलना कनेक्टिविटी पुरुषों में रंगहीनता के साथ पुरुष नियंत्रण (सी 2 (1 एन = 21) = 4.65, पी = 0.031) की तुलना में कम हो। दोनों समूहों में, बाएँ गोलार्द्ध में कनेक्टिविटी के निचले सही गोलार्द्ध की तुलना में था (सी 2 (1 एन = 21) = 4.34, पी = 0.037)। इसके अतिरिक्त, कनेक्टिविटी रंगहीनता समूह में महिलाओं की तुलना में पुरुषों में कम थी (सी 2 (1 एन = 21) = 4.47, पी = 0.034) है, जबकि विपरीत नियंत्रण समूह (सी 2 (1 में देखा गया था, एन = 21) = 3.87, पी = 0.049)। अन्त में, महिलाओं में कमी आई है कनेक्टिविटी के लिए एक प्रवृत्ति के नियंत्रण में रंगहीनता की तुलना में देखा गया था (सी 2 (1, एन = 21) = 3.52, पी = 0.061)। गणना की नियतात्मक डेटा से PGSL मूल्यों का प्रयोग, जोड़ो में तुलना सिमी से पता चलाwaytotal मूल्यों के साथ प्राप्त उन लोगों के लिए LAR का परिणाम है। नियतात्मक tractography के आउटपुट 6 चित्र में सचित्र हैं। संभाव्य डेटा का उपयोग करना, जोड़ो में पता चला तुलना कनेक्टिविटी पुरुषों के दाएँ गोलार्द्ध में महिलाओं की तुलना में कमी आई (सी 2 (1 एन = 21) = 15.96, पी <0.001)। (8 चित्रा) हालांकि, फाइबर इलाकों में काफी हद तक ओवरलैप और गुणात्मक समान हैं, संभाव्य tractography के आउटपुट 7 चित्रा में सचित्र हैं एक पियर्सन के सह-संबंध दोनों तरीकों (आर = -0.172, पी = 0.276 से PGSL मूल्यों के बीच एक बहुत ही कमजोर नकारात्मक संबंध का पता चला। ।

आकृति 1
चित्रा 1:। स्वस्थ व्यक्तियों और Albinism के साथ रोगियों के दिमाग में प्राथमिक दृश्य मार्ग प्रत्येक LGN दोनों आंखों से जानकारी प्राप्त करता है। Ipsilateral रेटिना जनसंपर्कojections परतें 2, 3 और 5 पर समाप्त, जबकि contralateral अनुमानों परतें 1, 4 और 6 LGN ऑप्टिक विकिरण (बैंगनी) के माध्यम से V1 करने के लिए भेजता है अनुमानों को खत्म हो एक्सोन V1 लेयर 4. दो से सूचनाओं के सबसे भारी समाप्त साथ, आंखों लेयर 4. की आंख का प्रभुत्व कॉलम इस बिंदु से आगे में अलग-अलग रहते हैं, दोनों आंखों से आदानों (कोर्टेक्स में दूरबीन न्यूरॉन्स) संयुक्त रहे हैं। (ए) के नियंत्रण में, अनुमानों के लगभग आधे ipsilaterally (लाल) लौकिक रेटिना से करता हूं, जबकि अन्य आधा नाक रेटिना और contralateral गोलार्द्ध व्यत्यासिका पर क्रॉस (हरा) से उत्पन्न होती हैं। (बी) रंगहीनता में, वहाँ अस्थायी रेटिना में व्यत्यास की लाइन में बदलाव के रूप में गाढ़ा हरी फाइबर से यह साफ है, ऑप्टिक तंत्रिका तंतुओं की वृद्धि की क्रासिंग में जिसके परिणामस्वरूप। (Mcke से संशोधित यह योजनाबद्ध रंगहीनता में कनेक्टिविटी के लिए V1 retino-geniculo-cortical मार्ग अतिरिक्त असामान्यताओं का सुझाव आगे बहाव, कम LGN साथtton एट अल।, 2014) के रूप में इस अध्ययन से इसकी पुष्टि की। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्र 2
। चित्रा 2 "संभाव्य Tractography पाइपलाइन इश्कबाज रैखिक पंजीकरण विभिन्न स्थानों (पंजीकरण लाल तीर द्वारा संकेत) के लिए प्रतिभागियों के दिमाग को बदलने के लिए इस्तेमाल किया गया था: बीज मास्क की तैयारी में, पीडी दिमाग शारीरिक T1 अंतरिक्ष के लिए और FreeSurfer (एफएस) अंतरिक्ष के लिए दर्ज किए गए थे, और परिवर्तनों निकटतम पड़ोसी प्रक्षेप का उपयोग मूल LGN मास्क को लागू किया गया। लक्ष्य मास्क बनाने के लिए, एफएस दिमाग T1 अंतरिक्ष के लिए बदल रहे थे और परिवर्तनों रैखिक प्रसार करने के लिए दर्ज किए गए थे FreeSurfer के V1 त्रिकोणीय रैखिक प्रक्षेप। T1 और एफएस दिमाग का उपयोग मास्क को लागू किया गया अंतरिक्ष। FreeSurfer 'एस contralateral सफेद पदार्थ सीमा मुखौटा एफएस समय में बहिष्कार मुखौटा के रूप में जोड़ा गया है। संभाव्य नज़र रखने के लिए PROBTRACKX2 T1 और एफएस अंतरिक्ष में मास्क इनपुट के साथ प्रसार अंतरिक्ष में चला गया था। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्र तीन
चित्रा 3: नियतात्मक Tractography पाइपलाइन। पूर्व प्रसंस्करण निफ्टी रूपांतरण करने के लिए DICOM शामिल है और दो ​​पाठ फ़ाइलें (bvec और bval)। विकृतियों और आंदोलन के साथ-साथ एक प्रसार भारित छवि (dti.nii.gz) मिले एफएसएल की एड़ी वर्तमान सुधार उपकरण का उपयोग करने के लिए सही थे। एड़ी सुधारा प्रसार भारित छवियों डी एस आई स्टूडियो में खोला गया था और bvec और bval फ़ाइलें एक बी-तालिका खिड़की एक स्रोत (.src) फ़ाइल बनाने के लिए पर लोड कर रहे थे। स्रोत फ़ाइलों को खोला गया था और डिफ़ॉल्ट खंगालामस्तिष्क मास्क आवश्यक के रूप में संशोधित किया गया है। अगले, डीटीआई पुनर्निर्माण मॉडल स्रोत फाइल करने के लिए लागू किया गया था फाइबर जानकारी फ़ाइलें (.fib) का उत्पादन करने के लिए। प्रसार अंतरिक्ष में LGN मास्क ट्रैकिंग विंडो में .fib फाइलों पर लादा और बीज के रूप में स्थापित किए गए थे। क्षेत्र 17 Brodmann एटलस से (V1) एक terminative क्षेत्र के रूप में स्थापित किया गया था। प्रत्येक समय में, FreeSurfer विभाजन एटलस से contralateral WM मुखौटा भरी हुई है और एक आरओए (दोनों गोलार्द्धों यहाँ चित्रित) के रूप में स्थापित किया गया था। समान लक्षण उत्पाद एक विशेष कदम में सामने आए प्रतिनिधित्व करते हैं; ऑरेंज तीर इनपुट फ़ाइल है कि अगले प्रसंस्करण या ट्रैकिंग कदम के लिए इस्तेमाल किया गया था संकेत मिलता है; तारांकित (*) अर्थ प्रसार अंतरिक्ष में मास्क और दिमाग। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 4
चित्रा 4: LGN मास्क चित्रण। (ए) में बढ़कर अधिकार का दृश्य और एक औसत राज्याभिषेक पीडी भारित छवि की स्लैब कि रंगहीनता, A11 के साथ एक रोगी में दो बार संकल्प और आधा voxel आकार के लिए interpolated था पर LGN छोड़ दिया है। (बी) मैन्युअल सही पता लगाया और ब्याज (ROIs) के LGN क्षेत्रों छोड़ा लाल (सी) LGN निकटतम पड़ोसी (लाल) और त्रि-रेखीय (नीला) छेड़छाड़ का उपयोग कर FreeSurfer अंतरिक्ष के लिए बदल मास्क में। पूर्व संरचना के और अधिक सटीक चित्रण के लिए इस अध्ययन में प्रदर्शन सभी परिवर्तनों के लिए इस्तेमाल किया गया था। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 5
चित्रा 5: Voxelwise सांख्यिकीय विश्लेषण TBSS साथ के सांख्यिकीय विश्लेषण voxelwise पूरे दिमाग। एफए डेटा पथ आधारित स्थानिक सांख्यिकी (TBSS) का उपयोग किया जाता था। एक आम अंतरिक्ष के लिए सभी प्रतिभागियों को 'एफए छवियों की गैर रेखीय पंजीकरण प्रदर्शन किया गया था, एक मतलब एफए कंकाल की रचना और कंकाल पर प्रत्येक प्रतिभागी की एफए छवि के प्रक्षेपण के बाद। (ए) Albinism> नियंत्रण की तुलना में रंगहीनता में कम एफए के कारण महत्व का कोई क्षेत्रों के साथ हरे रंग में कंकाल दिखा नियंत्रण विपरीत। (बी) के नियंत्रण समूह और लाल का प्रतिनिधित्व करने वाले क्षेत्रों में रंगहीनता समूह का पता चला, क्षेत्रों के साथ (मस्तिष्क सफेद पदार्थ, ऑप्टिक फाइबर और विकिरण कैल्केराइन कोर्टेक्स के लिए इसी जिस पर वे समाप्त) के बीच महत्वपूर्ण अंतर रंगहीनता में सफेद पदार्थ पथ अखंडता कम हो, के लिए नियंत्रण> रंगहीनता विपरीत (TFCE (सीमा से मुक्त क्लस्टर वृद्धि) सही, पी <0.05), (सी) घिरना परिणामों के skeletonised संस्करण बी में दिखाया गया है, दृश्य प्रतिनिधित्व के लिए।लेस / ftp_upload / 53759 / 53759fig5large.jpg "लक्ष्य =" _blank "> यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 6
चित्रा 6:। डी एस आई स्टूडियो फाइबर ट्रैकिंग के उत्पादन (ए) रंगहीनता रोगी A1 में V1 कनेक्टिविटी के लिए कम LGN (दाएँ गोलार्द्ध में प्रतिभागियों के बीच खंगाला इलाकों की सबसे कम संख्या, 1365) (बी) नियंत्रण (S6, खंगाला इलाकों की सबसे बड़ी संख्या की तुलना दाएँ गोलार्द्ध, 4355 में नियंत्रण) के बीच (बाएं ऑप्टिक पथ और या नारंगी में, नीले रंग में V1) के लिए हरा, LGN कनेक्शन में लाल, सही LGN में LGN। LGN कनेक्शन के लिए ऑप्टिक पथ भी उत्पादन में देखा जाता है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 7:। संभाव्य ट्रैकिंग के लिए PROBTRACKX के आउटपुट रंगहीनता (ऊपर) में V1 कनेक्टिविटी को कम करने के लिए नियंत्रण LGN (नीचे) की तुलना में। LGN लाल रंग में V1 हरे रंग में पीला, ऑप्टिक विकिरण में दिखाया गया है। ध्यान दें कि यहाँ दिखाया गया है स्लाइस एक ही होने का इरादा नहीं कर रहे हैं, बल्कि स्लाइस कि सबसे अच्छा तरीका के निष्कर्षों का प्रतिनिधित्व के रूप में चुना जाता है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

आंकड़ा 8
8 चित्रा:। बनाम नियतात्मक आउटपुट ओवरलैप मानचित्र संभाव्य शारीरिक दिमाग (संभाव्य रन) और प्रसार दिमाग (नियतात्मक रन) को दर्ज किए गए थे1mm MNI दिमाग। परिवर्तनों रन है कि LGN रॉय के रूप में मानक क्षेत्रों में प्रयोग किया जाता से उत्पादन इलाकों tractography करने के लिए लागू किया गया। आउटपुट इलाकों प्रत्येक विधि में प्रतिभागियों भर में औसतन थे, और (ए) मतलब पथ मास्क तुलना (हरे रंग में संभाव्य लाल रंग में नियतात्मक) के लिए एफएसएल दृश्य में एक 1 मिमी MNI मस्तिष्क पर मढ़ा गया। पारदर्शिता दोनों तरीकों में कनेक्टिविटी के इसी तरह के विचार को दर्शाती के लिए लागू किया गया था। (बी) LGN (नीला) और V1 (गुलाबी) मास्क बीज और लक्ष्य क्षेत्रों वर्णन करने के लिए जोड़ा गया था। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

albinism नियंत्रण
प्रतिभागी आयु (वर्ष) लिंग वर्गीकरण दृश्य तीक्ष्णता प्रतिभागी आयु (वर्ष) लिंग
A1 48 एम ओसीए 0.6 एस 1 24 एफ
ए 2 20 एम ओसीए -1 0.8 S2 22 एम
A3 21 एम ओसीए-1A 1.0 S3 25 एम
A4 48 एम ओसीए -1 1.0 एस 4 24 एफ
A5 43 एफ ओसीए -1 0.8 S5 20 एफ
A6 56 एम ओसीए 0.9 S6 39 एम
उ 7 22 एफ ओसीए 0.6 S7 26 एफ
A8 47 एफ ओसीए 0.9 S8 42 एफ
A9 45 एफ ओसीए 1.0 S9 41 एफ
A10 17 एफ ओसीए -1 0.9 S10 60 एम
A11 29 एफ ओसीए -2 0.5

तालिका 1: प्रतिभागी जानकारी और स्वास्थ्य इतिहास। दृश्य तीक्ष्णता एक प्रारंभिक उपचार मधुमेह रेटिनोपैथी अध्ययन (ETDRS) आँखों चार्ट और स्पष्ट का उपयोग कर मूल्यांकन किया गया थाLogMar में डी संकेतन (संकल्प की न्यूनतम कोण के लघुगणक), कि है, (20 / 20-20 / 200 के लिए 0.0-1.0) दशमलव दृश्य तीक्ष्णता के आधार 10 लघुगणक। ETDRS चार्ट परीक्षण सार्वभौमिक इस्तेमाल किया स्नेलेन परीक्षण 29 से ज्यादा सटीक होना दिखाया गया है। सभी नियंत्रण सामान्य या सही करने वाली सामान्य दृश्य तीक्ष्णता (20/20) था। मस्तिष्क संबंधी बीमारियों का कोई इतिहास नहीं बताया गया था।

पीडी संरचनात्मक प्रसार एफएस
बाएं सही बाएं सही बाएं सही बाएं सही
albinism A1 48 71 57 78 63 72 49 67
ए 2 195 176 199 179 194 162 212 190
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
उ 7 115 105 101 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
नियंत्रण एस 1 201 234 217 240 198 297 205 250
S2 158 165 126 131 180 135 112 115
S3 172 184 204 212 167 180 186 199
एस 4 153 119 140 112 162 167 166 121
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

तालिका 2:। LGN संस्करणों की एक सारांश संस्करणों इस तालिका (3 मिमी) में दर्ज की गई है ना के हैं और छोड़ दियाइस अध्ययन में इस्तेमाल सभी रिक्त स्थान में रोगियों और नियंत्रण के LGN।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

बदल WM और अधिक विशेष रूप से, करने के लिए नियंत्रण की उम्मीद कर रहे थे तुलना रंगहीनता में कनेक्टिविटी की कमी हुई। इस प्रकार, रंगहीनता के दाएँ गोलार्द्ध में कम एफए नियंत्रण के साथ-साथ यहां बताया रंगहीनता के साथ पुरुष रोगियों में कमी आई कनेक्टिविटी की तुलना में हमारी भविष्यवाणी के साथ लाइन में हैं। लिंग और गोलार्द्ध प्रभाव पूरी तरह से स्पष्ट नहीं कर रहे हैं, हालांकि स्वस्थ मस्तिष्क पता चलता है कि अनुसंधान पर पुरुषों के बाएँ गोलार्द्ध में WM जटिलता में कमी आई महिलाओं की तुलना में 30-31 इस अध्ययन में मनाया लिंग- और गोलार्द्ध से संबंधित मतभेद के कुछ समझा सकता है। महिला रंगहीनता की तुलना में पुरुष रंगहीनता में कम कनेक्टिविटी दोनों समूहों में महिलाओं की युवा औसत उम्र की वजह से भाग में हो सकता है (7 - 8 साल <नर), के रूप में WM मात्रा स्वस्थ मस्तिष्क 32 में मध्य वयस्कता में कमी आई होना बताया गया -33। लिंग भेद भी छोटा सा नमूना आकार और प्रत्येक में महिलाओं की तुलना में पुरुषों के असमान संख्या के कारण हो सकता हैसमूह (5 पुरुषों ओसीए, 4 नियंत्रण)। वृद्धि की कनेक्टिविटी एक ही लिंग के नियंत्रण की उम्मीद नहीं कर रहा था की तुलना में महिला रंगहीनता में मनाया, और रंगहीनता में एक क्षतिपूरक व्यवस्था में किसी प्रकार का सुझाव दे सकता है। हालांकि, यह निष्कर्ष नहीं बल्कि एक छोटी सी आबादी नमूना भीतर महान परिवर्तनशीलता के लिए जिम्मेदार ठहराया जा सकता है।

एफए मतलब है और गिनती को कारगर V1 कनेक्टिविटी के लिए LGN पता लगाने के लिए किया जाता है। एफए सबसे अधिक सूचना प्रसार डेटा से प्राप्त उपायों में से एक है। यह सबसे सही कैसे दृढ़ता से दिशात्मक प्रसार एक क्षेत्र में है की एक मात्रा का ठहराव के रूप में वर्णन किया गया है। यह ध्यान रखें कि एफए उपायों में समूह मतभेद जरूरी सफेद पदार्थ अखंडता में मतभेद के संकेत नहीं है महत्वपूर्ण है। चूंकि इस अध्ययन सफेद बात पर एक संभावित प्रभाव के साथ एक नैदानिक ​​स्थिति शामिल है, इस तरह की व्याख्या उचित हो सकता है। हालांकि, जबकि कम अखंडता संरचनात्मक क्षति या गिरावट का सुझाव है, एक क्षेत्र में एफए के कारण इस तरह के बड़े रूप में कम करने के लिए बाधाओं को कम किया जा सकता हैअक्षतंतु व्यास और कम घनी पैक एक्सोन, साथ ही कम प्रभावी सीमाओं में वृद्धि हुई झिल्ली पारगम्यता 34 से उत्पन्न होने के कारण। 'शब्द गिनती को कारगर', साथ ही इस तरह की लंबाई, वक्रता और शाखाओं में बंटी, के रूप में मार्ग सुविधाओं में बदलाव के कारण 'फाइबर गिनती' से ज्यादा पसंद किया जाता है, के बाद से खंगाला सुव्यवस्थित की संख्या वास्तविक फाइबर की संख्या का सही प्रतिनिधित्व नहीं हो सकता इस तरह के संकेत करने वाली शोर अनुपात (SNR) 34 के रूप में प्रयोगात्मक शर्तों।

Tractography विवो में मानचित्रण WM के लिए केवल गैर इनवेसिव तकनीक है। नियतात्मक दृष्टिकोण में, समाप्ति तब होता है जब anisotropy एक निश्चित स्तर से नीचे चला जाता है, या जब वहाँ एक अचानक कोणीयकरण है। हालांकि, ज्यादातर voxels और अधिक से अधिक एक ही दिशा में फाइबर होते हैं, और नियतात्मक दृष्टिकोण या तो एक voxel या एक 'औसत' एक voxel के भीतर सभी दिशाओं में प्रभावी तंत्र की पहचान करने तक सीमित है। यह इस प्रकार एक सच्चे repres प्रदान करने में विफल रहता हैन्यूरोनल रास्ते में से प्रलेखन। संभाव्य tractography एक भी voxel में दो फाइबर मॉडल, एक पथ के एक और अधिक विश्वसनीय प्रतिनिधित्व प्रदान करने, और कम anisotropy 17 के क्षेत्रों में ट्रैकिंग के संकल्प की अनुमति देता है। संभाव्य एल्गोरिथ्म इसलिए इस अध्ययन है, जो या एक अत्यधिक शाखाओं में बंटी WM संरचना (विशेष रूप से मेयर की लूप के भाग) की गति की जांच की, V1 के ग्रे मामले में समाप्त में विशेष रूप से लाभप्रद था। यह नोट करने के लिए कई permutations पर उभरने कि संभाव्य tractography एक ही मार्ग होने के एक स्टोकेस्टिक संभावना को दर्शाता है, बल्कि एक फाइबर का सच शरीर रचना विज्ञान का प्रतिनिधित्व tractography की भ्रामक धारणा से अधिक महत्वपूर्ण है। हालांकि संभाव्य tractography अधिक बारीकी से तंत्रिका तंतुओं का सच पाठ्यक्रम का पालन करने के लिए माना जाता है, नियतात्मक tractography उपयोगिता और दोनों तकनीकों के reproducibility तुलना करने के लिए चलाया गया था। चूंकि प्रवृत्तियों संभाव्य दृष्टिकोण का उपयोग कर पाया गया, समानताएं देखानियतात्मक समय में आगे ही परिणाम की वैधता को मजबूत बनाया।

इसके अलावा मस्तिष्क में मानचित्रण संरचनात्मक कनेक्टिविटी पर अनुसंधान के क्षेत्र में अपने बढ़ते उपयोग से, tractography न्यूरोसर्जिकल पैनिंग में आशाजनक प्रगति के दिखाया गया है। या neuronavigationally सहकारी क्षेत्र में DWI डेटा के हस्तांतरण से ट्यूमर की लकीर के दौरान दृश्य सफलतापूर्वक घावों को दूर करने और दृश्य क्षेत्रों बरकरार 35 रखने में मदद करने के लिए सूचित किया गया था। फिर भी, इस तरह के डीटीआई अपेक्षाकृत गरीब स्थानिक संकल्प और बिगड़ा डेटा की गुणवत्ता जब ऐसे या के रूप में कम फाइबर घनत्व के साथ संरचनाओं के 20 अध्ययन कर रहे हैं के रूप में सीमाएँ हैं। हालांकि संभाव्य tractography वरीय तकनीक, मौजूदा दो एल्गोरिदम तुलना करने के उद्देश्य से अध्ययन किया गया था। दोनों ट्रैकिंग एल्गोरिदम, कुछ सामान्य निष्कर्षों से पता चला परिणामों की विश्वसनीयता बढ़ रही है।

LGN मात्रा स्वस्थ दिमाग 8 और सी में 112-276 मिमी 3 से चलता हैदृश्य कोर्टेक्स और ऑप्टिक तंत्र के संस्करणों के साथ orrelates, लेकिन कुल मिलाकर मस्तिष्क की मात्रा 36 के साथ नहीं। चूंकि tractography बीज नकाब में voxels की संख्या पर निर्भर करता है, LGN मात्रा इलाकों से 37 के बीच मात्रात्मक तुलना में पूर्वाग्रह को रोकने के लिए सभी प्रतिभागियों में सामान्यीकृत किया जाना चाहिए। हम दो अलग अलग तरीकों का उपयोग LGN आकार में अंतर के लिए नियंत्रित। पहली विधि में, एक मानक आकार का गोलाकार ROIs बनाया गया था। इस लक्ष्य को हासिल करने के लिए, उनकी LGN MNI अंतरिक्ष में तब्दील मास्क के सभी विषयों भर में एक मतलब मात्रा की गणना की गई। MNI अंतरिक्ष में मतलब मुखौटा की त्रिज्या का उपयोग करना, एक क्षेत्र या तो शारीरिक या प्रसार अंतरिक्ष में प्रत्येक LGN के द्रव्यमान का केंद्र पर केंद्रित था। एक मात्रा अलग-अलग LGN संस्करणों की तुलना में बड़ा के साथ एक मानक क्षेत्र रॉय का उपयोग कर सभी voxels कि सभी प्रतिभागियों में इस संरचना का हिस्सा हैं के शामिल किए जाने को सुनिश्चित करता है। एक बड़ा मुखौटा आकार का उपयोग करते समय आम तौर पर झूठी सकारात्मक के लिए खतरा बढ़ जाएगा, इस तरह की चिंता लागू नहीं होता है जब बोनेएक संरचना में इस तरह के LGN, जो आसपास के नाभिक से कनेक्टिविटी पैटर्न में अलग रूप में। इसलिए, अन्य संरचनाओं से संबंधित सुव्यवस्थित कि उम्मीद रास्तों और ऐसे रास्तों का पालन नहीं करते उत्पन्न होगा voxels इसलिए 18 खारिज कर दिया जाएगा व्याप्ति दूसरी विधि हम LGN मात्रा के लिए नियंत्रित करने के लिए प्रयोग किया जाता है एक covariate रूप LGN मात्रा का उपयोग सांख्यिकीय विश्लेषण चलाने के लिए गया था, लेकिन इस काफी सांख्यिकीय परिणामों को बदल नहीं किया था। LGN सामान्य बनाने के लिए एक अन्य संभावित दृष्टिकोण अलावा और व्यक्तिगत LGN मास्क के आसपास voxels को हटाने के एक matlab स्क्रिप्ट का उपयोग कर विषयों भर में एक मानक आकार प्राप्त करने के लिए है। यह दृष्टिकोण किसी भी अतिरिक्त पंजीकरण की आवश्यकता नहीं है और इसलिए मस्तिष्क छवियों और बढ़ जाती है सटीकता के विरूपण की डिग्री की सीमा। यह भी LGN क्षेत्र के चारों ओर एक क्षेत्र बनाने के बजाय LGN रूपरेखा बरकरार रखती है। हालांकि, कम करने के लिए मानव त्रुटि, बहु एटलस विभाजन के बजाय मैन्युअल LGN मास्क लगाने के लिए इस्तेमाल किया जा सकता है। एटलस खातों का एक सेट का उपयोगव्यक्तिगत संरचनात्मक परिवर्तनशीलता के लिए और इसलिए एक भी एटलस 38 की तुलना में एक subcortical क्षेत्र के एक अधिक सटीक प्रतिनिधित्व अर्जित करता है।

विवो अध्ययन में इस उपन्यास मानव रंगहीनता में प्राथमिक दृश्य मार्ग के विभिन्न भागों के बीच अन्योन्याश्रित विकास की जांच। इस प्रकार यह विकार विशेष हस्ताक्षर की पहचान के माध्यम से इस हालत के एटियलजि में आगे अंतर्दृष्टि और बेहतर निदान प्रदान करता है। दोनों संभाव्य और नियतात्मक tractography एल्गोरिदम यहां इस्तेमाल मानव रंगहीनता में V1 कनेक्टिविटी के लिए बदल LGN के तुलनीय पैटर्न से पता चला है। हालांकि बड़ी आबादी के लिए कोई सामान्यीकरण छोटा सा नमूना आकार और ब्याज के ढांचे में बड़े अंतर-विषय भिन्नता के कारण बनाया जा सकता है, इस अध्ययन नमूना आबादी के भीतर प्रवृत्तियों का पता लगाने में tractography की उपयोगिता को दर्शाता है, में आगे अनुसंधान के महत्व का सुझाव मैदान।

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

काम के प्राकृतिक विज्ञान और कनाडा के इंजीनियरिंग अनुसंधान परिषद (NSERC) द्वारा समर्थित है। लेखकों प्रतिभागियों को धन्यवाद, रंगहीनता रोगियों की भर्ती करने में उसकी सहायता के लिए डॉ रिक थॉम्पसन, डेनिस Romanovsky विश्लेषण के कुछ चल रहा है और एक आंकड़ा संशोधित उनकी मदद के लिए, मोनिका गिराल्डो Chica उसके ज्ञान और tractography के साथ सलाह, जोय विलियम्स उसकी मदद के लिए के लिए एमआरआई अधिग्रहण, और उसकी एमआरआई विश्लेषण विशेषज्ञता के लिए अमन गोयल में।

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

तंत्रिका विज्ञान अंक 114 मस्तिष्क के विकास रंगहीनता न्यूरोनल misrouting चुंबकीय अनुनाद इमेजिंग (एमआरआई) प्रसार tensor इमेजिंग (डीटीआई) tractography नियतात्मक / संभाव्य फाइबर ट्रैकिंग पार्श्व जानुवत नाभिक (LGN) ऑप्टिक विकिरण (OR) प्राथमिक दृश्य कोर्टेक्स (v1) तंत्रिका जीव विज्ञान
मानव Albinism में प्राथमिक दृश्य मार्ग में मापने कनेक्टिविटी प्रसार tensor इमेजिंग और Tractography का प्रयोग
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