Login processing...

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

Neuroscience

Misurare la connettività nella Primaria via visiva in albinismo umano per mezzo del tensore di diffusione Imaging e Trattografia

doi: 10.3791/53759 Published: August 11, 2016

Summary

Questo manoscritto descrive algoritmi deterministici e probabilistici per la sostanza bianca (WM) ricostruzione, usato per esaminare le differenze di radiazioni ottiche (OR) la connettività tra albinismo e controlli. Anche se trattografia probabilistico segue il vero corso di fibre nervose più da vicino, trattografia deterministico è stato eseguito per confrontare l'affidabilità e la riproducibilità di entrambe le tecniche.

Abstract

In albinismo, il numero di ipsilaterale sporgenti cellule gangliari della retina (RGCs) è notevolmente ridotta. La retina e chiasma ottico sono stati proposti come siti candidati per misrouting. Dal momento che una correlazione tra il numero di laterali genicolato nucleo (LGN) relè neuroni ed è stato dimostrato dimensioni LGN, e sulla base di riduzioni precedentemente riportati nei volumi LGN in albinismo umano, suggeriamo che le proiezioni in fibra da LGN alla corteccia visiva primaria (V1) sono anche ridotto. Studiando differenze strutturali nel sistema visivo di albinismo può migliorare la comprensione del meccanismo di misrouting e successive applicazioni cliniche. dati diffusione e trattografia sono utili per la mappatura della OR (radiazioni ottiche). Questo manoscritto descrive due algoritmi per il o la ricostruzione al fine di confrontare la connettività del cervello in albinismo e scanner MRI controls.An con una bobina testa a 32 canali è stato utilizzato per acquisire scansioni strutturali. Una sequenza 3D-MPRAGE T1 pesate con 1 mm3 dimensioni voxel isotropico è stato usato per generare immagini ad alta risoluzione per V1 segmentazione. densità protonica multipla (PD) immagini pesate sono stati acquisiti coronale per destra e sinistra LGN localizzazione. Di imaging del tensore di diffusione (DTI) scansioni sono state acquisite con 64 direzioni di diffusione. Sia deterministici e probabilistici metodi di monitoraggio sono stati eseguiti e confrontati con LGN come maschera seme e V1 come maschera obbiettivo. Anche se DTI fornisce relativamente scarsa risoluzione spaziale, e precisa delineazione di OR può essere difficile a causa della sua bassa densità di fibre, trattografia ha dimostrato di essere vantaggioso sia nella ricerca e clinicamente. statistiche territoriali basati Tract (TBSS) hanno rivelato aree di ridotto significativamente l'integrità della sostanza bianca all'interno o in pazienti con albinismo rispetto ai controlli. confronti a coppie hanno rivelato una significativa riduzione dei LGN alla connettività V1 in albinismo rispetto ai controlli. Confrontando entrambi gli algoritmi di monitoraggio hanno rivelato risultati comuni, rafforzare l'affidabilitàdella tecnica.

Introduction

L'albinismo è una condizione genetica principalmente caratterizzata da ipopigmentazione palese osservata in individui affetti. E 'causata da mutazioni ereditarie a geni coinvolti nella sintesi della melanina 1. L'albinismo appare in due forme principali: albinismo oculo-cutaneo (OCA), un autosomica carattere recessivo che presenti caratteristiche sia oculari e cutanee; e albinismo oculare (OA), una caratteristica X-linked più prevalente nei maschi e caratterizzata principalmente da sintomi oculari 2. La melanina in epitelio pigmentato retinico (RPE) è di fondamentale importanza per il corretto sviluppo del percorso visivo centrale. La sua assenza in albinismo si traduce quindi in disabilità visive, tra cui fotofobia, nistagmo, ridotta acuità visiva e la perdita della visione binoculare 2-3. L'acuità visiva è stato collegato alla morfologia della fovea, che viene alterato in albinismo 4. Negli esseri umani, una linea della retina di decussazione si trova lungo il confine nasotemporal attraverso la fovea, con fibre di retina nasaleattraversare per l'altro emisfero e quelli della retina temporale che si estende ipsilaterale. Il grado di riduzione della funzionalità visiva in albinismo è stato collegato al livello di ipopigmentazione. In particolare, la pigmentazione è inversamente proporzionale allo spostamento nella retina temporale della linea di decussation 5. Come conseguenza dello spostamento in linea decussazione nella retina temporale, attraversamento delle fibre del nervo ottico aumenta - una caratteristica comune in tutte le specie 3.

Studi di risonanza magnetica strutturale sugli esseri umani hanno dimostrato più stretti chiasmi ottica in albinismo rispetto ai controlli, che è probabilmente il risultato di un aumento della traversata del RGCs osservati in albinismo 6-8. La retina e chiasma ottico esprimere spunti di guida assonale come la famiglia dei recettori Ef ei loro ligandi 9 e sono quindi siti candidati per misrouting 10.

Uno studio sulle scimmie con glaucoma indotto ha rivelato un significativo dicembreRease del numero di neuroni relè parvalbumin-immunoreattive LGN LGN e il volume 11. Questo suggerisce una correlazione tra la dimensione LGN e il numero di traiettorie materia bianca (WM) che viaggiano attraverso l'OR a V1. Uno studio post mortem su albinismo umano ha rivelato anche più piccolo LGN con fusi M e P strati 12. Ad alta risoluzione risonanza magnetica strutturale confermato significativa riduzione del volume di LGN in albinismo 8. Presi insieme, questi risultati suggeriscono che il volume è diminuito LGN può causare un numero ridotto di neuroni nel LGN, e, a sua volta in una riduzione della connettività tra LGN e V1.

Esaminare i modelli di connettività anatomica negli esseri umani è stato limitato. Dissezione, iniezione tracciante e l'induzione della lesione sono tecniche invasive che possono essere utilizzati solo post mortem, e di solito coinvolgono un piccolo numero di pazienti. Studi precedenti utilizzando carbocyanine tingere iniezioni DII hanno dimostrato la connettività neuronale tra V1 e V2 (visual c secondariaortex) 13, così come all'interno del complesso ippocampale in post-mortem cervelli umani aldeide-fisso 14. Fibre di etichettatura in questo modo è limitato a distanze di solo decine di millimetri dal punto di iniezione 14. l'imaging del tensore di diffusione, DTI, è una modalità di risonanza magnetica sviluppato nei primi mesi-metà degli anni 1990 per identificare la direzione del tratto di fibra e di organizzazione. È un metodo non invasivo che permette mappatura delle grandi vie WM nel cervello vivente. DTI è sensibile alla diffusione delle molecole di acqua nei tessuti biologici 15. Nel cervello, la diffusione di acqua è anisotropo (non uniforme) a causa di ostacoli quali membrane e mielina. WM ha anisotropia elevata diffusione, significa la diffusione è maggiore parallelo che perpendicolare all'orientamento delle fibre 16. anisotropia frazionaria (FA) è una quantità scalare che descrive la preferenza di molecole di diffondere in modo anisotropo. valori di FA vanno da 0-1, da bassa ad alta anisotropy (liquido cerebrospinale (CSF) <materia grigia (GM) <WM) 16.

Streamline (deterministica) e il monitoraggio in fibra probabilistica sono due diversi algoritmi per la ricostruzione percorso 3D. trattografia deterministico utilizza un metodo di propagazione di linea, che collega voxel vicini in una regione semi di definito. Due criteri stop utilizzati in questo algoritmo sono l'angolo di rotazione e il valore FA. Pertanto, tratto tracciando tra voxel vicini è improbabile che ad ampi angoli di svolta. L'algoritmo permetterebbe quindi progredisce anche solo se la FA in un voxel supera una soglia determinata, limitando la sua efficacia nel definirne accuratamente percorsi vicino materia grigia, dove gocce anisotropia. Trattografia probabilistica, invece, produce una mappa connettività descrive la probabilità di un voxel di essere parte di un tratto tra due regioni di interesse (ROI) e quindi progredisce nella materia grigia come V1 17. Utilizzando questa applicazione la risonanza magnetica, strutture chiave come il WMO può essere delineata, come dimostrato in studi precedenti 18-20.

Questo studio utilizza quindi i dati di diffusione e trattografia per esplorare l'effetto di misrouting assonale sulla connettività retino-genicolo-corticale. Sulla base di riduzioni precedentemente riportati nei volumi LGN in albinismo umano 8, si prevede che le proiezioni in fibra da LGN a V1 sono anche ridotti (Figura 1).

Protocol

Etica Dichiarazione: Lo studio di ricerca in corso è stato approvato dai partecipanti umani Review Committee (HPRC) alla York University, Toronto. Tutti i partecipanti hanno dato consenso informato scritto.

1. Fatto salvo Preparazione

Nota: i partecipanti Undici con OCA, di età compresa tra 36 ± 4 anni (6 femmine) sono stati confrontati a dieci controlli appaiati per età, di età compresa tra 32 ± 4 anni (6 femmine). Storia partecipante viene registrato nella tabella 1.

  1. Chiedi ad ogni partecipante di compilare e firmare un modulo di consenso che elenca le linee guida di sicurezza MRI e protocollo di imaging.
  2. Per ogni partecipante, fornire tappi per le orecchie. Posizione supina e partecipante a capofitto nel magnete, e punto di riferimento sopra gli occhi a livello sopracciglio. la testa del partecipante sicuro con cuscini per ridurre il movimento della testa. Dare al partecipante una peretta per l'avviso del paziente.

2. MRI parametri strutturali

e_content "> Nota: Tutto l'imaging viene acquisita su uno scanner MRI 3T usando una bobina di testa a 32 canali Durante una singola sessione per ogni soggetto.:

  1. Acquisire un T1 ponderata anatomica alta risoluzione usando una sequenza 3D-MPRAGE copre l'intero cervello con i seguenti parametri: tempo di acquisizione 4 min 26 sec, campo di vista 256 mm 256 matrice, 192 fette con spessore di strato di 1 mm, con un con conseguente dimensione voxel isotropico di 1,0 mm 3, TR = 1900 ms, TE (tempo di eco) = 2,52 ms con un tempo di inversione di 900 ms e l'angolo della medaglia di 9 °, 1 media, imaging parallelo (IPAT GRAPPA, fattore di accelerazione di 2) .
  2. Acquisire una sequenza DTI copre la corteccia, con fette di orientamento trasversale seguenti commissura / commissura posteriore anteriore (AC-PC) la linea, utilizzando i seguenti parametri: tempo di acquisizione 8 min 5 sec, campo visivo 192 millimetri, 128 a matrice, voxel 1.5 1,5 millimetri in-plane, 56 contigui (senza gap) fette con 2 mm di spessore, TR = 6900 ms, TE = 86 ms, 64 direzioni, b-valore di 100Mm (immagine di riferimento a basso b-valore 0 sec / mm 2) 2, 1 media, imaging parallelo (IPAT grappa) con un fattore di accelerazione di 3 0 s /.
  3. Acquisire 30-40 immagini PD ponderati in un orientamento coronale, parallelo al tronco cerebrale, coprendo dall'estensione anteriore del ponte alla porzione posteriore del collicolo inferiore.
    1. Utilizzare l'eco Turbo rotazione (fast spin echo) sequenza di impulsi ed i seguenti parametri: tempo di acquisizione 1 min 29 sec per scansione, campo visivo 192 millimetri, 256 matrici, 30-40 fette con spessore di 1 mm, con conseguente dimensione voxel 0.75 0.75 1 mm 3, TR = 3.000 msec, TE = 22 msec, fattore turbo 5, rifocalizzazione angolo di lancio di 120 °, 1 media, imaging parallelo (IPAT grappa) con un fattore di accelerazione di 2.
      Nota: S12 è stato scansionato utilizzando i seguenti parametri: campo di vista 180 mm, 512 a matrice, 30 fette con 1 mm a fette spesse, con conseguente dimensione voxel 0,4 x 0,4 x 1,0 mm 3. Tutti gli altri parametri sono rimasti gli stessi. Acquisiztempo ION 2 min 47 sec.
  4. Pre-processo di tutte le scansioni di conversione DICOM RAW in formato NIfTI utilizzando il dcm2nii programma.

3. LGN Delineazione

Nota: La LGN è una piccola struttura sottocorticale situato in profondità nel cervello, e quindi immagini PD ad alta risoluzione sono necessari per determinare i confini anatomici. In queste scansioni, la LGN appare come un'area ad alta intensità di segnale rispetto alle circostanti vie WM, facilitandone l'individuazione 21. Il individuato anatomica LGN viene quindi utilizzato come regione seme per trattografia.

  1. Mentre cieca appartenenza al gruppo, tracciare manualmente destra e sinistra maschere LGN tre volte ciascuno sulle immagini PD medi interpolati a due volte la risoluzione e la metà delle dimensioni voxel (originale matrice di 256 x 256, dimensioni 0,75 x 0,75 x 1 mm 3 voxel).
    1. Per ottenere immagini ad alta risoluzione PD utilizzare la funzione FLIRT liberamente disponibili e altri strumenti software all'interno del software di FMRIBLibrary (FSL, http://www.fmrib.ox.ac.uk/fsl/). Upsample, concatenare, movimento immagini PD corretti e medi per ogni partecipante, come precedentemente descritto altrove 22.
    2. Caricare l'immagine PD alta risoluzione in FSLView e fare clic sulla scheda Strumenti per selezionare l'opzione singolo (o premere Figura 1 ) Per ingrandire l'immagine.
    3. Fare clic sulla scheda File per selezionare l'opzione Crea maschera, e utilizzare la barra degli strumenti in alto a sinistra dello schermo per rintracciare il LGN in ogni fetta. Se lo si desidera, modificare il contrasto dell'immagine trascinando lungo il min / max nella barra degli strumenti per facilitare il rilevamento LGN.
  2. Unire queste regioni di interesse (ROI) in una maschera mediana utilizzando il comando fslmerge.
  3. Combinare maschere mediani tutti i valutatori 'in un'unica maschera mediana utilizzando lo stesso comando.

4. V1 Segmentazione

  1. Eseguire il comando "Recon-all" in FreeSurfer23 (v5.3.0) sul cervellos nello spazio anatomica nativa (immagini pesate in T1) per l'elaborazione automatizzata.
  2. Convertire le uscite appropriate nella cartella appena creata mri (orig.mgz, brain.mgz, rawavg.mgz, T1.mgz) per NIfTI usando "mri_convert".
  3. Utilizzare BET l'estrazione del cervello nella GUI FSL per correggere il cervello uscita cranio-spogliato (brain.nii.gz) nello spazio freesurfer se necessario. Scegli l'estrazione del cervello normale Run utilizzando l'opzione bet2 (default). Abbassare la soglia se l'immagine non è presente tessuto cerebrale, o aumentare se il tessuto cerebrale non è catturato (soglia di default 0.5). Selezionare l'immagine maschera cervello binario di uscita (questi ultimi possono essere utilizzati per le correzioni manuali) immagine cerebrale estratto in uscita e nelle opzioni avanzate.
  4. Convertire uscita V1 parcellizzazione di una maschera volumetrico utilizzando i comandi "surf2volume" "label2surf" e.

5. Pre-Tracking iscrizioni

Nota: per i passi successivi, chiamare l'interfaccia grafica FSL per aprire ciascuno dei followinstrumenti g.

  1. Utilizzare BET l'estrazione del cervello e selezionare il campo Bias & opzione di pulizia del collo a cranio-strip rawavg.nii.gz, si trova nella cartella mri creato da "Recon-all". Regolare la soglia come necessario.
  2. Eseguire FLIRT registrazione lineare di portare il cervello a freesurfer e nello spazio nativo anatomica allo spazio di diffusione.
    1. Selezionare brain.nii.gz, uscita di Recon-tutto (spazio freesurfer), o il cervello di un soggetto estratto T1 (spazio anatomica nativo) come l'immagine in ingresso, e un Eddy corretti e il cervello estratto immagine pesata in diffusione (DWI) come riferimento Immagine. Quindi fare clic su "Go".
      Nota: Questo passaggio crea due uscite, il cervello di ingresso registrato per l'immagine di riferimento (.nii.gz) e una matrice di trasformazione (.mat). A parte la registrazione, quest'ultima file è necessario per trattografia quando lo spazio seme non è la diffusione. Utilizzare le matrici di uscita di trasformazione (.mat) creati in questa fase per trattografia come spiegato in 7.4.2.
  3. Similea 5.2, eseguire la registrazione FLIRT lineare per portare il cervello PD partecipanti allo spazio e lo spazio freesurfer anatomica nativa.
  4. Preparare maschere di semi per trattografia:
    1. Applicare FLIRT trasformazione da Utils nella registrazione toolbox FLIRT lineare. Utilizzare l'uscita .mat come la matrice di trasformazione, l'originale LGN maschera come l'ingresso e l'brain.nii.gz (spazio freesurfer) o T1_brain.nii.gz (spazio anatomica nativa) (vedi 5.2), come il volume di riferimento. Selezionare il metodo di più vicino prossimo interpolazione dalle opzioni avanzate.
  5. Usando solo i file brain.nii.gz, preparare maschere di destinazione per trattografia:
    1. Registrati cervelli freesurfer allo spazio anatomica nativa e creare maschere di destinazione mediante l'applicazione di trasformazione alle maschere V1 (vedi 5.2, 5.4.1) mediante interpolazione Tri-lineare. Fai clic su "Go".

6. LGN Normalizzazione

  1. Utilizzare FNIRT registrazione non-lineare come descritto in precedenza all'indirizzo http: //fsl.fmrib.ox.ac.uk / FSL / fslwiki / FNIRT per portare il cervello non estratti partecipanti nello spazio anatomica originaria spazio MNI, utilizzando il modello del cervello intero Montreal Neurological Institute (MNI152).
    Nota: la registrazione non lineare di immagini anatomiche originali è consigliato per questo passaggio, come le registrazioni sono stati più precisi quando FNIRT è stato applicato a non estratti T1 rispetto a flirtare su cervelli estratti.
  2. Applicare la trasformazione di maschere LGN nello spazio anatomico (originale LGN precedentemente trasformato in spazio anatomica nativa in 5.4) usando Nearest Neighbor interpolazione come descritto al punto 5.4.1 per portare maschere per lo spazio MNI.
  3. Media tutte le maschere LGN nello spazio MNI in entrambi i gruppi utilizzando il comando "3dMean" di AFNI.
  4. Utilizzare "fslmaths -thr" per applicare una soglia alla maschera media nello spazio MNI.
  5. Calcolare il raggio della maschera medio nello spazio MNI usando V = 4/3 πr 3 (assumere una sfera).
  6. Registrare il centro di coordi di massanatiche di ogni singola maschera LGN nello spazio anatomico nativo utilizzando il comando "fslstats -C".
  7. Creare ROI sferiche di volumi identici tra i partecipanti:
    1. Utilizzare "fslmaths" per creare un punto di ROI con le coordinate della maschera LGN individuale appropriata nello spazio anatomica nativa come riportato in 6.6
    2. Utilizzando "fslmaths", applica il raggio della maschera medio nello spazio MNI per creare una sfera attorno al punto ROI nello spazio anatomica nativa.
  8. Utilizzare queste maschere standardizzate come semi per trattografia.

7. probabilistica Trattografia (FSL 5.0.4)

Nota: per i passi successivi, chiamare il Fdt_gui per accedere a ciascuno dei seguenti strumenti.

  1. Correggere le distorsioni in DWIs con Eddy correzione attuale. Selezionare l'opzione di correzione attuale Eddy dal menu nella parte superiore della finestra Diffusione Toolbox e caricare il DWI come ingresso, lasciando il defaulVolume t riferimento (0).
  2. Cervello estrarre le immagini con BET come descritto in 4.3.
  3. Selezionare l'opzione tensori di diffusione DTIFIT ricostruzione dal menu. Specificare una directory di input contenente i seguenti file: i dati di diffusione ponderati, nodif_brain_mask (uscita di BET), bvec e bval (deve essere rinominato in bvecs e bvals; file di testo contenenti informazioni sui parametri di acquisizione di immagini diffusione, uscita DICOM alla conversione NIfTI di diffusione dati). Fai clic su "Go" per avviare dtifit, che si inserisce un modello tensore di diffusione ad ogni voxel, la creazione di file di post-elaborazione.
  4. Avanti, selezionare l'opzione dal menu BedpostX (stima dei parametri di diffusione). Utilizzare la stessa directory di input come per DTIFIT. Fare clic su 'Vai' per generare tutti i file necessari per trattografia.
  5. Dallo stesso menu, selezionare ProbtrackX per il monitoraggio probabilistica ed eseguirlo per ogni emisfero separatamente. Mantenere le opzioni predefinite di base (5.000 campioni, 0,2 curvatura e loopcheck applied) e selezionare modificati Eulero per il calcolo di linee di corrente probabilistici di opzioni avanzate per una maggiore precisione.
    1. Selezionare l'uscita di BedpostX contenente i file .merged come directory BEDPOSTX.
    2. Selezionare singola maschera come seme spazio e caricare la maschera LGN trasformato (in spazi anatomica nativo) come l'immagine del seme, T1 (cervello nello spazio anatomica nativa) a matrice di diffusione di trasformazione come il seme di diffusione trasformare, e V1 (nello spazio anatomica nativa) in "obiettivi opzionali" (tutti, ma maschere di esclusione) come il bersaglio.
    3. Utilizzare convenzione rete predefinita (accento circonflesso) e caricare il cervello nello spazio anatomica nativa (immagine T1) come immagine di riferimento superficie.
  6. Ripetere ProbtrackX per il monitoraggio probabilistica utilizzando il ROI sferica standard (creato nel passaggio 6) come regioni di semi per trattografia come descritto in 7.5.2. Carica ROI nello stesso modo trasformato LGN (spazio anatomico) sono stati caricati in 7.5.2.
  7. Eseguire nuovamente trattografia (7.5), questa voltacon il seme (non normalizzato) e le maschere di destinazione nello spazio freesurfer con l'aggiunta di maschera bianca controlaterale del freesurfer questione di confine come una maschera di esclusione, per evitare qualsiasi crossing over e garantire collegamenti diretti omolaterale. Selezionare l'opzione di superficie dalla casella degli strumenti e selezionare ProbtrackX freesurfer come convenzione mesh.
    Nota: È importante sottolineare che trattografia viene sempre eseguito dallo spazio di diffusione, ma Probtrackx per l'inseguimento probabilistica permette l'inserimento di semi e di destinazione maschere in uno spazio diverso, insieme ad una matrice di trasformazione allo spazio diffusione. In questo studio, trattografia probabilistico è stato eseguito con maschere sia anatomica nativa e spazio freesurfer (Figura 2).

8. deterministico Trattografia (DSI Studio)

  1. Aprire Eddy corretto immagini diffusione ponderate in DSI Studio 24 cliccando sul Passo 1: Immagini Open Source. Carico bvec e file BVAL su una finestra B-tabella che è automaticamente opened per creare un file sorgente (.src).
  2. Caricare i file sorgente generato nella finestra di ricostruzione per modificare il valore predefinito ricostruito maschere del cervello, se necessario.
  3. Quindi, selezionare DTI come metodo di ricostruzione 25 ed eseguirlo sul file di origine per la produzione di file di informazioni di fibra (.fib).
  4. Portare il cervello PD partecipanti di spazio di diffusione utilizzando FLIRT registrazione lineare.
  5. Applicare la trasformazione di maschere LGN utilizzando più vicino interpolazione prossimo come descritto al punto 5.4.1.
  6. Aprire .fib file nella finestra di monitoraggio del programma.
  7. Eseguire il monitoraggio per ogni emisfero separatamente, utilizzando LGN nello spazio di diffusione, come il seme e Regione 17 (V1) da Brodmann atlante disponibili da DSI Studio come la regione terminative. Caricare la maschera LGN facendo clic sulla scheda Regioni e Open Regione. Selezionare l'opzione Seed sotto Digitare nell'elenco delle regioni sulla sinistra dello schermo. Per caricare la maschera V1 dalle atlante, clicca sul Atlas dalla barra degli strumenti in nell'elenco delle regioni eselezionare l'atlante appropriate.
  8. In ogni esecuzione, impostare la controlaterale WM (chiamato sinistra / destra-cerebrale-bianco-materia) maschera dal atlante segmentazione freesurfer (vedi box Region List nella finestra di inseguimento) come una regione di evasione (ROA).
  9. Ripetere tracking (8,7-8,8) utilizzando ROI sferica nello spazio di diffusione, invece di singoli LGN come regioni di semi per trattografia.
    Nota: I ROI sferica hanno lo stesso volume in tutte le materie e sono centrati sul centro di massa di ogni LGN.
  10. Ripetere la normalizzazione LGN, sezione 6, solo che questa volta la registrazione cervelli nello spazio di diffusione allo spazio di serie MNI, e l'applicazione di trasformazioni LGN nello spazio di diffusione (originale LGN precedentemente trasformato in spazio di diffusione in 8,4-8,5) per portare maschere per lo spazio di serie MNI. Calcolare il volume della ROI sferica come il volume medio di tutti LGN tra i soggetti nello spazio MNI.
    Nota: i parametri di monitoraggio possono essere modificati dall'utente. Per la maggior parte piste, sono stati applicati i parametri di monitoraggio di default. Per alcuni individui (A5, A7, S12), soglia di anisotropia (default 0,14-0,15) è stato abbassato (0,10-0,12) e la soglia angolare (di default 60) è stato aumentato (65-85) per la visualizzazione più bello. Uno schema della tecnica è illustrata in figura 3.

9. Analisi statistica - TBSS (FSL)

Nota: statistica spaziale Tract-based è un voxelwise analisi statistica dei FA partecipanti maps16 ottenuto con dtifit26. E 'ampiamente utilizzato per le statistiche sui dati di diffusione. Questo approccio voxelwise di superare i potenziali problemi di allineamento e levigante visto in stile VBM analisi FA e offre tutta la ricerca del cervello, irraggiungibile attraverso approaches16 trattografia-based.

  1. Eseguire "tbss_1_preproc" sui dati FA trova in una directory TBSS appena creata.
  2. Eseguire "tbss_2_reg" - T per applicare registrazione non lineare, portando i dati FA di ciascun partecipante nello spazio comune (FMRIB58_FA,immagine di destinazione in TBSS).
  3. Creare uno scheletro media FA con i centri di tutti i tratti comuni tra i partecipanti che utilizzano "tbss_3_postreg -S".
  4. Correre "Tbss_4_prestats 0,2" per proiettare allineato mappa FA di ogni partecipante sullo scheletro media di tutte le mappe FA allineati.
  5. Creare file design.con e design.mat, assicurando che l'ordine della matrice è coerente con l'ordine in cui TBSS pre-elaborato i dati FA.
  6. Run "randomizzare", utilizzando l'opzione T2, che è raccomandato per TBSS in quanto agisce su uno scheletro (una ridotta sottoinsieme dei dati 3D), e 5.000 pre-mutazioni, che dà p-value più accurati.

10. Analisi statistica - SPSS

  1. Estrazione valori di FA da deterministico dei dati
    Nota: i valori FA deterministico-based sono state derivate da file di testo statistica uscita DSI Studio. Questi valori rappresentano la media di FA nei tratti generati, which in questo caso corrisponde alla regione del OR.
    1. monitoraggio fibra Esegui in DSI studio.
    2. Salvare i file di testo 'Statistiche' create da DSI Studio per ogni set generato di tratti e registrare i valori 'FA significa' da loro.
  2. Estrazione valori di FA da probabilistica dei dati
    Nota: i valori probabilistica basata FA derivano dai file di output fdt_paths ProbtrackX2. Sono immagini densità tratto 3D che in questo studio coprono l'area corrispondente alla OR.
    1. Utilizzare FLIRT registrazione lineare per portare i file fdt_paths di ogni partecipante allo spazio di diffusione.
    2. Binarizzare le maschere di output utilizzando "fslmaths - bin".
    3. Per ogni partecipante, moltiplicare la maschera per la loro mappa FA da dtifit usando "fslmaths -mul".
    4. Eseguire il comando "fslmeants" per trovare la media FA da ogni maschera tratto.
  3. Le analisi con SPSS (Usando deterministica e probabilistica esecuzione
    Dati)
    Nota: L'analisi statistica viene effettuata utilizzando SPSS 20 per Mac. Dal momento che l'emisfero è una variabile all'interno dello stesso soggetto, un modello lineare generalizzato (GENLIN), con la quale gli effetti in ogni lato del cervello può essere guardato separatamente, viene applicata. In particolare, viene utilizzata l'equazione di stima generalizzate (GEE).
    1. In prove separate, impostare ciascuno dei media FA e semplificare conteggio (waytotal o la percentuale generate linee di corrente, PGsl) come variabile dipendente.
      Nota: In questo studio, snellire conteggio si basa su valori way-totale. Waytotal descrive il numero totale di linee di corrente generati che non sono state respinte da criteri di inclusione / esclusione 27. Il numero di linee di corrente generati (NGSL), che si riferisce al numero totale di linee di corrente inviati, è uguale al numero di voxel nella maschera seme moltiplicato per il numero di campioni prelevati da ciascun voxel (5000 in questo caso). linee di corrente generati percentuali (PGsl), waytotal divisi per NGSL volte 100, è una misura di Conne successoctivity tra il seme e il bersaglio.
    2. Studiare l'influenza del gruppo e del genere su LGN alla connettività V1 modificando le variabili indipendenti in tutte le prove.
      Nota: Effetti principali, nonché a due e tre vie interazioni sono stati studiati. È importante notare che questi singoli test non sono condizionati a vicenda, così il significato di un effetto principale o interazione è indipendente dall'altra.
    3. Utilizzare l'età come covariata per tutte le prove. Inoltre, utilizzare il volume LGN come covariata per le prove con media FA e waytotal come le variabili dipendenti, ma omettere dal test con PGsl come variabile dipendente.
      Nota: il volume del cervello totale è risultato essere un covariate insignificante ed è stato quindi omesso statistiche.
    4. Selezionare il metodo di correzione di Bonferroni per regolare per confronti multipli 28 (livello di significatività p <0.05).

Representative Results

Questa sezione fornisce una sintesi dei risultati ottenuti utilizzando due diversi algoritmi di trattografia, deterministica e probabilistica. Volumi LGN nello spazio PD in cui le maschere sono stati originariamente disegnati, così come in tutti gli altri spazi utilizzati in questo studio, sono registrate nella tabella 2, e LGN tracing è illustrato nella figura 4. I risultati qui riportati si basano sulle piste che hanno usato una sfera standard, come il ROI LGN. Il volume LGN standard era 461 millimetri 3 in entrambi gli emisferi nello spazio anatomico (run probabilistica), e 292,5 millimetri 3 e 364,5 millimetri 3 negli emisferi destro e sinistro rispettivamente, nello spazio di diffusione (run deterministico). Per entrambi i percorsi, questi volumi standard sono molto vicini ai volumi medi calcolati nello spazio MNI (anatomica per MNI: 472 millimetri 3 e 440 millimetri 3 per sinistra e destra, rispettivamente; diffusione di MNI: 376 e 312 mm 3 per sinistraea destra, rispettivamente) ma più grande della maggior parte dei singoli volumi LGN nello spazio nativo (il più grande in anatomica: 281 millimetri 3; più grande di diffusione: 324 mm 3). Dal momento che Bonferroni è un test molto conservatore, p valori inferiori a 0.1 sono trattati come si avvicina il significato e sono riportati qui. Inoltre, TBSS su mappe FA rivelato aree di differenza significativa (p <0.05) tra i due gruppi, con superfici di regioni che rappresentano rossi di integrità tratto sostanza bianca ridotta a albinismo (Figura 5).

Per entrambe le corse deterministici e probabilistici, covariate e tre gruppi modo per sesso da interazioni emisfero erano insignificanti e quindi esclusi da tutte le analisi finali. Per la corsa deterministico, utilizzando media FA come variabile dipendente, gli effetti principali di gruppo e genere erano insignificanti, mentre l'effetto principale della dell'emisfero avvicinato significatività (media ± SEM .41± .008 destra; .39 ± .006 sinistra, p = 0,064). Mezzi (± SEM) di valori medi FA corrispondenti al o regione che collega LGN a V1 erano 0,39 ± 0,007 per albinismo e 0,40 ± 0,008 per i controlli. Una interazione bidirezionale di gruppo da parte dell'emisfero è risultata significativa (p = .013). Per la corsa probabilistica, usando valori medi FA dalla fdt_paths come variabile dipendente, l'effetto principale del gruppo è stato insignificante (media ± SEM .353 ± 0,0035 controlli; 0,349 ± 0,0046 albinismo). Tuttavia, i principali effetti di emisfero (0,358 ± 0,004 giusti; 0,345 ± 0,003 sinistra, p = 0,005) e genere (.34 ± .004 femmine; .36 ± 0,004 maschi, p = 0,014) erano significativo. Un gruppo a due vie per interazione genere è risultata significativa (p = 0,033). I dati per tutti i test sono stati distribuiti normalmente come confermato dal test di Shapiro-Wilk (p> 0,05). Utilizzando l'approccio deterministico, i valori medi waytotal erano 2.728 ± 127 per albinismo e 2.753 & #177; 169 per i controlli. L'effetto principale di emisfero e gruppo bidirezionale dall'interazione genere erano significative (p = 0,027 ep = 0,004, rispettivamente). Utilizzando PGsl come variabile dipendente, i principali effetti di gruppo e genere erano insignificanti, mentre l'effetto di dell'emisfero è stato significativo (media ± SEM 0.89 ± .045 destra; 0,63 ± 0,026, p = .001). Il gruppo a due vie per interazione genere era anche significativa (p = 0,003). Significa PGsl da LGN a V1 erano 0,76 ± 0,046 per albinismo e 0,76 ± 0,048 per i controlli. PGsl sono stati calcolati utilizzando il ROI di serie LGN. I dati sono stati distribuiti normalmente (Shapiro p> 0,05). Per la corsa probabilistica, utilizzando i valori waytotal e PGsl come variabili dipendenti, i principali effetti di gruppo, emisfero e di genere non sono stati significativi. I valori medi waytotal erano 28.739 ± 7.297 per albinismo e 31.220 ± 7.202 per i controlli. Media PGsl da LGN a V1 erano 1,3 ± 0,3 per albinismo e 1,4 ±.3 Per i controlli. In entrambi i casi, i dati sono stati non a distribuzione normale e Log Gamma trasformazione è stata applicata.

Utilizzando l'approccio deterministico, confronti a coppie rivelato ridotto FA nell'emisfero destro di albinismo rispetto ai controlli (C 2 (1, N = 21) = 4.15, p = .042). Nei controlli, il valore di FA emisfero sinistro è inferiore a quello per l'emisfero destro (p = 0,007), e una tendenza per diminuito FA nelle femmine rispetto ai maschi è stato trovato (C 2 (1, N = 21) = 2.97, p = .085). Utilizzando trattografia probabilistico, confronti a coppie rivelate ridotto FA nell'emisfero sinistro rispetto al emisfero destro in entrambi i gruppi (C 2 (1, N = 21) = 6.31, p = .012). Nei maschi, FA è stata significativamente ridotta in albinismo rispetto ai controlli (C 2 (1, n = 21) = 4.27, p = .039). Inoltre, FA era significativamente diminuita in Compar femmineed ai maschi nei controlli (C 2 (1, N = 21) = 14,37, p <0.001). Utilizzando i valori waytotal dalla pista deterministica come variabile dipendente, confronti a coppie rivelate ridotti connettività nei maschi con albinismo rispetto ai controlli maschi (C 2 (1, n = 21) = 4.65, p = .031). In entrambi i gruppi, la connettività nell'emisfero sinistro è stato inferiore rispetto all'emisfero destro (C 2 (1, N = 21) = 4.34, p = 0,037). Inoltre, la connettività era più bassa nei maschi rispetto alle femmine del gruppo albinism (C 2 (1, N = 21) = 4,47, p = 0,034), mentre l'opposto è stato osservato nel gruppo di controllo (C 2 (1, N = 21) = 3.87, p = .049). Infine, nelle femmine, una tendenza per la connettività diminuzione è stata osservata nei controlli rispetto al albinismo (C 2 (1, N = 21) = 3.52, p = 0,061). Utilizzando i valori PGsl calcolati a partire dai dati deterministici, confronti a coppie rivelato simirisultati Lar a quelli ottenuti con i valori waytotal. Le uscite di trattografia deterministico sono illustrati nella Figura 6. Utilizzando i dati probabilistici, confronti a coppie rivelate diminuito connettività nell'emisfero destro dei maschi rispetto alle femmine (C 2 (1, N = 21) = 15.96, p <0.001). Le uscite di trattografia probabilistico sono illustrati nella Figura 7 correlazione di A Pearson rivelato una correlazione negativa molto debole tra valori PGsl da entrambi i metodi (r = -0,172, p = 0,276;. Tuttavia, i tratti di fibre sostanzialmente si sovrappongono e qualitativamente simili (Figura 8) .

Figura 1
Figura 1:. Primaria percorso visivo nel cervello di individui sani e pazienti con albinismo Ogni LGN riceve input da entrambi gli occhi. Ipsilaterale pr della retinaojections terminerà il strati 2, 3 e 5, mentre le proiezioni controlaterali finiscono sui livelli 1, 4 e 6. La LGN invia proiezioni al V1 tramite radiazione ottica (viola), con assoni chiude più pesantemente sul velo V1 4. Immissione da due gli occhi rimangono segregati nelle colonne di dominanza oculare dello strato 4. Oltre questo punto, input da entrambi gli occhi sono combinati (neuroni binoculari nella corteccia). (A) In controlli, circa la metà delle sporgenze si estendono ipsilaterally (rosso) dalla retina temporale, mentre l'altra metà derivano dalla retina nasale e trasversale (verde) al chiasma all'emisfero controlaterale. (B) In albinismo, c'è uno spostamento in linea di decussazione nella retina temporale, con conseguente aumento attraversamento delle fibre del nervo ottico, come illustrato dalle fibre verdi ispessite. Questo schema suggerisce ulteriori anomalie più a valle della via retino-genicolo-corticale, con ridotta LGN a V1 connettività a albinismo (modificato da Mcketton et al., 2014) come confermato da questo studio. Cliccate qui per vedere una versione più grande di questa figura.

figura 2
. Figura 2 "Registrazione probabilistica Trattografia Pipeline FLIRT lineare è stato utilizzato per trasformare i cervelli dei partecipanti a spazi diversi (registrazione indicati dalle frecce rosse): In preparazione di maschere di semi, i cervelli PD sono stati registrati allo spazio T1 anatomica e per freesurfer (FS) spazio, e le trasformazioni sono state applicate alle maschere originali LGN utilizzando più vicino-vicino di interpolazione. per creare le maschere di destinazione, i cervelli FS sono stati trasformati in spazio T1 e le trasformazioni sono state applicate alle maschere V1 di freesurfer utilizzando tri-interpolazione lineare. T1 e FS cervelli sono stati linearmente registrato alla diffusione spazio. freesurfer 's controlaterale maschera materia bordo bianco è stata aggiunta come maschera di esclusione nella corsa FS. PROBTRACKX2 per il monitoraggio probabilistico è stato eseguito nello spazio di diffusione con ingresso maschere in T1 e FS spazio. Clicca qui per vedere una versione più grande di questa figura.

Figura 3
Figura 3: deterministico Trattografia Pipeline. Pre-elaborazione Coinvolto DICOM per NIfTI conversione e ha prodotto una pesata in diffusione dell'immagine (dti.nii.gz) insieme a due file di testo (bvec e bval). Distorsioni e movimento sono stati corretti per l'utilizzo di strumento di correzione a correnti parassite di FSL. Eddy corretto immagini diffusione ponderate sono stati aperti nel DSI Studio e file bvec e BVAL sono stati caricati su una finestra B-tabella per creare un file sorgente (.src). I file di origine sono stati aperti e il default ricostruitimaschere del cervello sono stati modificati se necessario. Successivamente, il modello di ricostruzione DTI è stato applicato ai file di origine per la produzione di file di informazioni di fibra (.fib). maschere LGN nello spazio di diffusione stati caricati sul file .fib nella finestra di monitoraggio e impostati come semi. Regione 17 (V1) da atlante Brodmann è stato impostato come una regione terminative. In ogni esecuzione, la maschera controlaterale WM dal freesurfer segmentazione atlante è stato caricato e installato come un ROA (entrambi gli emisferi delineati qui). Pari segni rappresentano il prodotto ceduto in una particolare fase; Frecce arancioni indicano il file di input che è stato utilizzato per la successiva trasformazione o di verifica passo; Asterisco (*) indica maschere e cervello nello spazio di diffusione. Si prega di cliccare qui per vedere una versione più grande di questa figura.

Figura 4
Figura 4: LGN Maschera delineazione. (A) zoom in vista di destra e di sinistra LGN su una lastra di un'immagine media coronale PD ponderata che è stata interpolata a due volte la risoluzione e la metà delle dimensioni voxel in un paziente con albinismo, A11. (B) tracciata manualmente a destra ea sinistra le aree LGN di interesse (ROI) in rosso maschere (C) LGN trasformati in spazio freesurfer utilizzando vicino più prossimo (rosso) e (blu) interpolazioni tri-lineari. Il primo è stato utilizzato per tutte le trasformazioni eseguite in questo studio per più precisa delineazione della struttura. Si prega di cliccare qui per vedere una versione più grande di questa figura.

Figura 5
Figura 5: Voxelwise Analisi statistica con TBSS tutto il cervello voxelwise analisi statistica dei. dati FA è stata effettuata utilizzando statistica spaziale del tratto a base di (TBSS). registrazione non lineare di tutti i partecipanti immagini FA in uno spazio comune è stata eseguita, seguita dalla creazione di un FA ossatura media e la proiezione dell'immagine FA di ciascun partecipante sullo scheletro. (A) albinismo> contrasto di controllo che mostra lo scheletro in verde senza zone di importanza a causa della ridotta FA in albinismo rispetto ai controlli. (B) differenza significativa tra il gruppo di controllo e il gruppo albinismo rilevato, con superfici di regioni che rappresentano rosso (materia bianca cerebrale corrispondente alle fibre di radiazioni ottiche e calcarina corteccia, su cui terminare) di ridurre l'integrità del tratto sostanza bianca in albinismo, per la controllo> contrasto albinismo (TFCE (senza soglia grappolo valorizzazione) corretto, p <0.05), (C) ispessito la versione scheletrato di risultati visualizzati in B, per la rappresentazione visiva.les / ftp_upload / 53759 / 53759fig5large.jpg "target =" _ blank "> Clicca qui per vedere una versione più grande di questa figura.

Figura 6
Figura 6:. Uscita di DSI Studio fibra di monitoraggio (A) Ridotto LGN per la connettività V1 in albinismo paziente A1 (più basso numero di tratti ricostruite tra i partecipanti dell'emisfero destro, 1365) rispetto ai controlli (B) (S6, maggior numero di tratti ricostruiti tra i controlli in emisfero destro, 4355) (a sinistra LGN in rosso, a destra LGN in verde, connessioni LGN a tratto ottico e OR in arancione, V1 in blu). Tratto ottico per le connessioni LGN sono anche visto in uscita. Si prega di cliccare qui per vedere una versione più grande di questa figura.

Figura 7:. Uscita di PROBTRACKX per probabilistica monitoraggio ridotto LGN di connettività V1 a albinismo (in alto) rispetto ai controlli (in basso). LGN è mostrata in, la radiazione ottica giallo verde, V1 in rosso. Si noti che le fette indicate qui non sono destinati ad essere lo stesso, ma sono piuttosto scelti come fette che meglio rappresentano i risultati del metodo. Cliccate qui per vedere una versione più grande di questa figura.

Figura 8
Figura 8:. Probabilistica contro deterministico uscita Overlap Mappa cervello anatomiche (run probabilistica) e di diffusione cervello (run deterministico) sono stati registrati acervelli MNI 1mm. Le trasformazioni sono state applicate a trattografia tratti uscita da percorsi che hanno usato le sfere standard come LGN ROI. tratti di uscita sono stati mediati attraverso i partecipanti in ogni metodo, e Maschere (A) media del tratto sono stati sovrapposti su un 1 millimetro cerebrale MNI in vista FSL per il confronto (probabilistico in verde, deterministico in rosso). La trasparenza è stata applicata per rappresentare concetti simili di connettività in entrambi i metodi. (B) LGN (blu) e V1 maschere (rosa) sono stati aggiunti per illustrare le regioni di semi e di destinazione. Cliccate qui per vedere una versione più grande di questa figura.

albinismo controlli
Partecipante Età (anni) Sesso Classificazione Acuità visiva Partecipante Età (anni) Sesso
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

Tabella 1: partecipante Informazione e Salute Storia. L'acuità visiva è stata valutata utilizzando un grafico occhio trattamento precoce retinopatia diabetica Study (ETDRS) e expressed in LogMAR (logaritmo del minimo angolo di risoluzione) notazione, cioè il logaritmo in base 10 di acuità visiva decimale (0.0-1.0 per 20 / 20-20 / 200). ETDRS test grafico ha dimostrato di essere più accurata rispetto alla Snellen prova universalmente usato 29. Tutti i controlli hanno avuto normale o corretto-a-normale acuità visiva (20/20). è stato segnalato senza storia di disturbi neurologici.

PD Anatomico Diffusione FS
Sinistra Destra Sinistra Destra Sinistra Destra Sinistra Destra
albinismo 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
Controlli 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

Tabella 2:. Un riassunto di volumi LGN I volumi registrati in questa tabella (mm 3) sono di destra e di sinistraLGN dei pazienti e dei controlli in tutti gli spazi utilizzati in questo studio.

Discussion

WM alterato e, più in particolare, è diminuita la connettività in albinismo rispetto ai controlli erano attesi. Così, la riduzione FA nell'emisfero destro di albinismo rispetto ai controlli, nonché la diminuzione della connettività nei pazienti di sesso maschile con albinismo qui riportati sono in linea con la nostra previsione. Genere e dell'emisfero effetti non sono del tutto chiare, anche se la ricerca sul cervello sano che suggerisce diminuito WM complessità nell'emisfero sinistro dei maschi rispetto alle femmine 30-31 potrebbe spiegare alcune delle differenze al genere e dell'emisfero legati osservati in questo studio. Connettività ridotta in albinismo maschile rispetto al albinismo femminile può essere in parte dovuto alla giovane età media delle femmine in entrambi i gruppi (7 - 8 anni <maschi), come volume di WM è stato segnalato per essere ridotta a metà adulta nel cervello sano 32 -33. Le differenze di genere possono anche essere dovuto alla piccola dimensione del campione e il numero dispari di maschi contro femmine in ognigruppo (5 maschi OCA, 4 controlli). L'aumento della connettività osservato in albinismo femminile rispetto ai controlli dello stesso sesso non era previsto, e potrebbe suggerire una sorta di meccanismo di compensazione in albinismo. Tuttavia, questo risultato potrebbe invece essere attribuito al grande variabilità all'interno di un piccolo campione di popolazione.

Media FA e semplificare conteggio vengono utilizzati per esplorare LGN alla connettività V1. FA è una delle misure più comunemente riportati derivati ​​dai dati di diffusione. E 'più accuratamente descritto come una quantificazione di quanto fortemente diffusione direzionale è in una regione. E 'importante notare che le differenze di gruppo in misure FA non implicano necessariamente differenze di integrità della sostanza bianca. Dal momento che questo studio coinvolge una condizione clinica con un potenziale effetto sulla materia bianca, tale interpretazione può essere giustificato. Tuttavia, mentre l'integrità ridotta suggerisce danni strutturali o il declino, FA in una regione può essere abbassata a causa di un minor numero di barriere come più grandediametri assoni e degli assoni meno densamente, nonché a causa di confini meno efficace risultante da un aumento della permeabilità della membrana 34. Il termine 'razionalizzare count', è preferito 'numero di fibre', poiché il numero di linee di corrente ricostruite non può essere una vera rappresentazione del numero di fibre reali dovuto a variazioni nelle caratteristiche pathway quali lunghezza, curvatura e ramificazione, nonché condizioni sperimentali come segnale-rumore (SNR) 34.

Trattografia è l'unica tecnica non invasiva per la mappatura WM in vivo. Nell'approccio deterministico, terminazione verifica quando anisotropia scende sotto un certo livello, o quando vi è una angolazione brusca. Tuttavia, la maggior parte dei voxel contengono fibre in più di una direzione, e l'approccio deterministico è limitato a uno identifica il tratto dominante in un voxel o una "media" di tutte le direzioni di un voxel. Non riesce così a fornire una vera Repressentazione delle vie neuronali. Trattografia probabilistica permette la risoluzione di due modelli in fibra in un unico voxel, fornendo una rappresentazione più attendibile di un tratto, e monitoraggio nelle aree di bassa anisotropia 17. L'algoritmo probabilistico era quindi particolarmente vantaggiosa in questo studio, che ha studiato la traiettoria del OR, una struttura WM altamente ramificata (in particolare la porzione di rete di Meyer), terminante in materia grigia del V1. È importante notare che trattografia probabilistica riferisce ad una probabilità stocastico di avere lo stesso percorso emergere su più permutazioni, piuttosto che la nozione fuorviante del trattografia rappresenta la vera anatomia di una fibra. Anche se trattografia probabilistico si crede di seguire il vero corso di fibre nervose più da vicino, trattografia deterministico è stato eseguito per confrontare l'utilità e la riproducibilità di entrambe le tecniche. Dal momento che le tendenze sono stati rilevati utilizzando l'approccio probabilistico, somiglianze vistinella corsa deterministica ulteriormente soltanto rafforzato la validità dei risultati.

Oltre al suo impiego crescente nella ricerca sulla connettività mappatura anatomica nel cervello, trattografia ha mostrato progressi promettenti in panning neurochirurgico. Visualizzazione di O durante la resezione di tumori con il trasferimento di dati neuronavigationally DWI nel campo operatorio è stato segnalato per aiutare a rimuovere con successo lesioni e mantenendo intatti i 35 campi visivi. Tuttavia, DTI ha dei limiti, come relativamente scarsa risoluzione spaziale e la qualità dei dati compromessa quando strutture con bassa densità di fibre, come la O sono studiati 20. Anche se trattografia probabilistico era la tecnica preferita, l'attuale studio mirava a confrontare i due algoritmi. Entrambi gli algoritmi di monitoraggio rivelato alcuni risultati comuni, aumentando l'affidabilità dei risultati.

Il volume LGN spazia 112-276 mm 3 in cervelli sani 8 e Correlates con volumi della corteccia visiva e il tratto ottico, ma non con il volume generale del cervello 36. Dal momento che trattografia dipende dal numero di voxel nella maschera seme, il volume LGN dovrebbe essere normalizzato tra i partecipanti per evitare distorsioni nel confronto quantitativo fra tratti 37. Abbiamo controllato per le differenze in termini di dimensioni LGN utilizzando due metodi diversi. Nel primo metodo, sono stati creati sferica ROI di dimensioni standard. Per raggiungere questo obiettivo, un volume medio in tutte le materie di loro maschere LGN trasformati in spazio MNI è stato calcolato. Usando il raggio della maschera medio nello spazio MNI, una sfera è stato centrato sul centro della massa di ciascun LGN sia spazio anatomica o diffusione. Utilizzando una sfera ROI standard con un volume superiore a singoli volumi LGN assicura l'inclusione di tutti i voxel che fanno parte di questa struttura in tutti i partecipanti. Durante l'utilizzo di un formato più grande maschera di solito aumentare il rischio di falsi positivi, tale preoccupazione non si applica quando seminain una struttura come la LGN, che differisce nei modelli di connettività da nuclei circostanti. Quindi, voxel appartenenti ad altre strutture genererà linee di corrente che non seguono i percorsi previsti e tali percorsi saranno quindi scartati 18 .Il secondo metodo che abbiamo usato per il controllo per il volume LGN è stato quello di eseguire analisi statistiche utilizzando il volume LGN come covariata, ma questo non ha alterato in modo significativo i risultati statistici. Un altro approccio possibile per LGN normalizzazione è l'aggiunta e la rimozione di voxel intorno singole maschere LGN per ottenere un formato standard tra i soggetti che utilizzano uno script MATLAB. Questo approccio non richiede registrazioni aggiuntive e limita quindi il grado di deformazione delle immagini cerebrali e accuratezza aumenta. Mantiene inoltre il contorno LGN piuttosto che creare una sfera intorno alla regione LGN. Tuttavia, per ridurre al minimo l'errore umano, multi-atlante di segmentazione può essere usato al posto di tracciare manualmente le maschere LGN. Utilizzando una serie di conti atlantila variabilità strutturale individuale e produce quindi una rappresentazione più accurata di una regione subcorticale di un singolo atlas 38.

Questo romanzo studio in vivo indaga sviluppo interdipendenti tra le diverse parti del percorso principale visiva in albinism umana. Essa fornisce quindi ulteriori indicazioni circa l'eziologia di questa condizione e migliorare la diagnosi attraverso l'identificazione di firme specifiche-disordine. Entrambi gli algoritmi probabilistici trattografia e deterministici utilizzati qui hanno mostrato modelli paragonabili di alterata LGN per la connettività V1 in albinismo umana. Sebbene non generalizzazione al grande popolazione può essere fatto a causa della piccola dimensione del campione e la grande variabilità inter-soggetto in strutture di interesse, questo studio dimostra l'utilità di trattografia nel rilevare tendenze del campione di popolazione, suggerendo l'importanza di un'ulteriore ricerca il campo.

Acknowledgments

Il lavoro è sostenuto in parte dalle scienze naturali e ingegneria Research Council del Canada (NSERC). Gli autori ringraziano i partecipanti, il Dr. Rick Thompson per la sua assistenza nel reclutamento di pazienti albinismo, Denis Romanovsky per il suo aiuto l'uso di alcuni delle analisi e la modifica di una figura, Mónica Giraldo Chica per le sue conoscenze e la consulenza con trattografia, Joy Williams per il suo aiuto in acquisizione MRI, e Aman Goyal per la sua risonanza magnetica competenza analisi.

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).
Misurare la connettività nella Primaria via visiva in albinismo umano per mezzo del tensore di diffusione Imaging e Trattografia
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

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).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