Login processing...

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

Neuroscience

Medição Conectividade no Visual principal via de albinismo humano utilizando tensor de difusão e tractography

doi: 10.3791/53759 Published: August 11, 2016

Summary

Este manuscrito descreve algoritmos determinísticos e probabilísticos para a matéria branca (WM) reconstrução, usado para examinar as diferenças na radiação óptica (OR) conectividade entre albinismo e controles. Embora tractography probabilística segue o verdadeiro curso de fibras nervosas mais de perto, tractography determinista foi executado para comparar a confiabilidade e reprodutibilidade de ambas as técnicas.

Abstract

Em albinismo, o número de ipsilateralmente projectam células ganglionares da retina (RGCs) é significativamente reduzido. A retina e quiasma têm sido propostos como locais candidatos para misrouting. Desde uma correlação entre o número de lateral do núcleo geniculado (LGN) retransmitir neurônios e tamanho LGN foi mostrado, e com base em reduções previamente relatados em volumes LGN em albinismo humano, sugerimos que as projeções de fibra de LGN para o córtex visual primário (V1) também são reduzidos. Estudando as diferenças estruturais no sistema visual de albinismo pode melhorar a compreensão do mecanismo de misrouting e aplicações clínicas subsequentes. dados de difusão e tractography são úteis para mapear o OR (radiação óptica). Este manuscrito descreve dois algoritmos para ou reconstrução, a fim de comparar a conectividade cerebral em albinismo e scanner de ressonância magnética controls.An com uma bobina de cabeça de 32 canais foi usado para adquirir varreduras estruturais. A sequência de MPRAGE 3D ponderadas em T1 com 1 mm3 tamanho do voxel isotrópico foi usado para gerar imagens de alta resolução para a segmentação V1. Multiple densidade de prótons (PD) imagens ponderadas foram adquiridos coronariamente para direita e esquerda LGN localização. Tensor de difusão de imagem (DTI) scans foram adquiridos com 64 indicações de difusão. Ambos métodos de rastreamento determinísticos e probabilísticos foram executados e comparados, com LGN como a máscara de sementes e V1 como a máscara alvo. Embora DTI fornece relativamente pobre resolução espacial, e o delineamento preciso do ou pode ser difícil, devido à sua baixa densidade da fibra, tractography foi demonstrado ser vantajoso tanto na pesquisa como clinicamente. Trato estatísticas espaciais baseados (TBSS) revelou áreas de reduzida significativamente integridade da substância branca dentro da OR em pacientes com albinismo em relação aos controles. Comparações pareadas revelou uma redução significativa na LGN à conectividade V1 em albinismo relação aos controles. Comparando ambos os algoritmos de rastreamento revelou achados comuns, fortalecendo a confiabilidadeda técnica.

Introduction

O albinismo é uma condição genética caracterizada principalmente por hipopigmentação ostensiva observada em indivíduos afetados. É causada por mutações hereditárias de genes envolvidos na síntese de melanina 1. Albinismo aparece em duas formas principais: albinismo óculo-cutâneo (OCA), autossómica recessiva que apresenta características tanto oculares e cutâneas; e albinismo ocular (OA), uma característica ligada ao cromossoma X mais prevalente nos homens e principalmente caracterizada pelos sintomas oculares 2. A melanina no epitélio pigmentado da retina (RPE) é crucial para o desenvolvimento adequado da via visual central. Sua ausência em albinismo, portanto, resulta em deficiência visual, incluindo fotofobia, nistagmo, redução da acuidade visual e perda da visão binocular 2-3. A acuidade visual tem sido associada a morfologia da fóvea, o que é alterado em quatro albinismo. Nos seres humanos, uma linha de retina de decussação encontra-se ao longo da fronteira nasotemporal através da fóvea, com fibras a partir de retina nasalatravessar para o outro hemisfério e os da retina temporal, estendendo-se ipsilateralmente. O grau de redução da função visual em albinismo tem sido associada ao nível de hipopigmentação. Especificamente, a pigmentação é inversamente proporcional à mudança para a retina temporal da linha de decussação 5. Como resultado da mudança de linha de decussação na retina temporal passagem das fibras do nervo óptico é aumentada - uma característica comum entre todas as espécies 3.

Exames de ressonância magnética estrutural em seres humanos demonstraram chiasms óptica mais estreitos em albinismo comparados aos controles, o que é provável que o resultado do aumento da passagem de RGCs observados em albinismo 6-8. A retina e óptica chiasm expressar pistas de orientação axonal como receptores da família Ef e seus ligantes 9 e, portanto, são locais candidatos para misrouting 10.

Um estudo sobre macacos com glaucoma induzido revelou uma significativa dezembroRease no número de neurônios LGN relé parvalbumina-imunorreativa e volume de LGN 11. Isto sugere uma correlação entre o tamanho do LGN e do número de substância branca (WM) trajetórias que viajam através do OR para V1. Um estudo post mortem em albinismo humano também revelou menor LGN com fundidos M e P camadas 12. De alta resolução de ressonância magnética estrutural confirmou redução significativa no volume de LGN no albinismo 8. Tomados em conjunto, estes resultados sugerem que a diminuição do volume LGN pode resultar em um número reduzido de neurônios no LGN, e por sua vez em diminuição da conectividade entre LGN e V1.

padrões examinando de conectividade anatômica em seres humanos tem sido limitada. Dissecção, a injeção do radiofármaco e indução da lesão são as técnicas invasivas que só podem ser utilizados post mortem e, normalmente, envolvem um número muito pequeno de pacientes. Estudos anteriores, usando carbocianina tingir injeções DII demonstrado conectividade neuronal entre V1 e V2 (visual c secundárioortex) 13, bem como dentro do complexo do hipocampo no cérebro humano post-mortem fixa-aldeído 14. Fibras de rotulagem dessa forma é restrito a distâncias de apenas dezenas de milímetros a partir do ponto de injecção 14. Difusão de imagens tensor, DTI, é uma modalidade de ressonância magnética desenvolvido no início de meados dos anos 1990 para identificar direção do trato fibra e organização. É um método não-invasivo que permite o mapeamento de grandes vias WM no cérebro vivo. DTI é sensível para a difusão de moléculas de água no tecido biológico 15. No cérebro, a difusão da água é anisotrópica (irregular) devido a obstáculos, tais como membranas e mielina. WM tem alta anisotropia de difusão, o que significa que a difusão é maior do que paralelamente à perpendicular à orientação das fibras 16. anisotropia fracionada (FA) é uma quantidade escalar que descreve a preferência de moléculas para se difundir de forma anisotrópica. valores de FA variam de 0-1, de baixo a alto anisotropy (líquido cefalorraquidiano (LCR) <matéria cinzenta (GM) <WM) 16.

Dinamize (determinístico) e rastreamento de fibra probabilística são dois algoritmos diferentes para a reconstrução caminho 3D. tractography determinístico utiliza um método de propagação de linha, ligando voxels vizinhos em uma região de sementes definida. Dois critérios de paragem utilizados neste algoritmo é o ângulo de rotação e o valor FA. Portanto, trato rastreamento entre voxels vizinhos é improvável a grandes ângulos de viragem. O algoritmo seria, portanto, também progride apenas se a FA em um voxel exceder um limite específico, limitando a sua eficácia no que definem com precisão as vias próximas massa cinzenta, onde a anisotropia cai. Tractography probabilística, por outro lado, produz um mapa de conectividade que descrevem a probabilidade de um voxel de fazer parte de um intervalo entre duas regiões de interesse (ROI) e, portanto, avança para a matéria cinzenta, tal como V1 17. Usando esta aplicação MRI, estruturas fundamentais como a WMOU pode ser delineada, como demonstrado em estudos anteriores 18-20.

Este estudo utiliza, portanto, dados de difusão e tractography para explorar o efeito da misrouting axonal na conectividade de retino-geniculo cortical. Com base em reduções previamente relatados em volumes LGN em albinismo humano 8, prevemos que as projeções de fibra de LGN para V1 também são reduzidos (Figura 1).

Protocol

Declaração de Ética: A pesquisa atual foi aprovada pelos Participantes Humanos Comitê de Revisão (HPRC) da Universidade de York, Toronto. Todos os participantes deram consentimento informado por escrito.

1. Sob Preparação

Nota: os participantes Onze com OCA, com idades entre 36 ± 4 anos (6 fêmeas) foram comparados com dez controles pareados por idade, com idades entre 32 ± 4 anos (6 fêmeas). História participante está registado na Tabela 1.

  1. Peça a cada participante para preencher e assinar um formulário de consentimento que lista as diretrizes de segurança MRI e protocolo de imagem.
  2. Para cada participante, fornecer tampões para os ouvidos. participante posição supina ea cabeça em primeiro lugar no ímã, e marco acima dos olhos, no nível sobrancelha. cabeça segura do participante com almofadas para reduzir cabeça movimento. Dê o participante um aperto bulbo para alerta de paciente.

2. Parâmetros de ressonância magnética estruturais

e_content "> Nota: Todos imaging é adquirido em um scanner 3T MRI utilizando uma bobina de cabeça de 32 canais Durante uma única sessão por assunto.:

  1. Adquirir uma alta resolução anatômica T1 utilizando uma sequência-MPRAGE 3D cobrindo todo o cérebro com os seguintes parâmetros: tempo de aquisição de 4 min 26 seg, campo de visão de 256 mm, de 256 matrizes, 192 fatias com espessura de corte de 1 mm, com um resultando tamanho voxel isotrópico de 1,0 mm 3, TR = 1900 ms, TE (tempo de eco) = 2,52 ms com um tempo de inversão de 900 ms e flip ângulo de 9 °, 1 média, imagens paralelas (IPAT Grappa, fator de aceleração de 2) .
  2. Adquirir uma sequência DTI cobrindo o córtex, com fatias na orientação transversal seguintes comissura / comissura posterior anterior (AC-PC) de linha, utilizando os seguintes parâmetros: tempo de aquisição 8 min 5 seg, campo de visão 192 milímetros, 128 de matriz, voxels 1,5 1,5 mm de plano, 56 contíguos (sem folga) fatias com 2 mm de espessura, TR = 6900 ms, TE = 86 ms, 64 direções, b-valor de 1000 s / mm (imagem de referência com baixo b-valor de 0 seg / mm 2) 2, 1 média, imagens paralelas (IPAT GRAPPA) com um fator de aceleração de 3.
  3. 30-40 adquirir imagens ponderadas-PD em uma orientação coronal, paralelo ao tronco cerebral, que cobre a partir do ponto anterior da ponte para a parte posterior do colículo inferior.
    1. Use o eco Turbo rotação (FAST spin echo) sequência de impulsos e os seguintes parâmetros: tempo de aquisição de 1 min 29 segundos por digitalização, campo de visão 192 milímetros, 256 de matriz, 30-40 fatias com espessura de 1 mm, resultando tamanho voxel 0,75 0,75 1 mm3, TR = 3.000 ms, TE = 22 ms, fator de turbo de 5, reorientando flip ângulo de 120 °, 1 média, imagens paralelas (IPAT GRAPPA) com um fator de aceleração de 2.
      Nota: S12 foi digitalizado utilizando os seguintes parâmetros: campo de visão 180 mm, 512 de matriz, 30 fatias com 1 mm de espessura, resultando tamanho voxel de 0,4 x 0,4 x 1,0 mm3. Todos os outros parâmetros permaneceram os mesmos. Acquisitião tempo de 2 min 47 seg.
  4. Pré-processo de todas as varreduras através da conversão de DICOM em bruto para o formato NIfTI usando o dcm2nii programa.

3. LGN Delineamento

Nota: O LGN é uma pequena estrutura subcortical localizada nas profundezas do cérebro, portanto, imagens DP de alta resolução são necessários para determinar seus limites anatômicos. Nestes exames, o LGN aparece como uma área de alto sinal em relação aos tratos WM circundantes, facilitando a sua detecção 21. O LGN anatómica identificada é, então, usado como uma semente para a região tractography.

  1. Enquanto cego para associação de grupo, traçar manualmente direita e esquerda máscaras LGN três vezes cada em imagens de PD em média interpolada para o dobro da resolução e metade do tamanho do voxel (original matriz de 256 x 256, tamanho 0,75 x 0,75 x 1 mm3 voxel).
    1. Para obter imagens de alta resolução PD usar a função FLIRT livremente disponível e outras ferramentas de software dentro de Software de FMRIBBiblioteca (FSL, http://www.fmrib.ox.ac.uk/fsl/). Upsample, concatenar, movimento imagens PD corretas e médias para cada participante, como descrito anteriormente em outro lugar 22.
    2. Carregar a imagem PD alta resolução em FSLView e clique na guia Ferramentas para selecionar a opção Single (ou pressione figura 1 ) Para ampliar a imagem.
    3. Clique na guia Arquivo para selecionar a opção Criar máscara, e use a barra de ferramentas na parte superior esquerda da tela para rastrear a LGN em cada fatia. Se desejar, altere o contraste da imagem arrastando ao longo do min / max na barra de ferramentas para facilitar a detecção LGN.
  2. Mesclar essas regiões de interesse (ROI) em uma máscara mediana usando o comando fslmerge.
  3. Combine máscaras mediana de todos os avaliadores em uma única máscara mediana usando o mesmo comando.

4. V1 Segmentação

  1. Execute "-all Recon" no comando FreeSurfer23 (v5.3.0) no cérebros no espaço anatômico nativa (imagens ponderadas em T1) para o processamento automático.
  2. Converter as saídas apropriadas na pasta mri recém-criado (orig.mgz, brain.mgz, rawavg.mgz, T1.mgz) para NIfTI usando "mri_convert".
  3. Use a extração cerebral BET na GUI FSL para corrigir o cérebro saída despojado-crânio (brain.nii.gz) no espaço FreeSurfer se necessário. Escolha a extração cerebral padrão Run usando a opção bet2 (padrão). Baixar o limiar se a imagem está faltando tecido cerebral, ou aumentar se o tecido não-cérebro é capturado (limite padrão de 0,5). Selecione a imagem máscara cérebro binário de saída (o último pode ser usado para correções manuais) imagem extraída do cérebro de saída e nas opções avançadas.
  4. Converter a saída V1 divisão em parcelas a uma máscara volumétrica usando "label2surf" e comandos "surf2volume".

5. As inscrições pré-tracking

Nota: Para as próximas etapas, chame o FSL GUI para abrir cada um dos followinferramentas de g.

  1. Use a extração cerebral BET e selecione o campo de polarização e opção de limpeza do pescoço ao crânio-strip rawavg.nii.gz, localizado na pasta mri criado por "Recon-all". Ajuste o limiar conforme necessário.
  2. Registro linear FLIRT correr para trazer cérebros em FreeSurfer e espaço anatômico nativa para o espaço de difusão.
    1. Select brain.nii.gz, saída do reconhecimento-all (espaço FreeSurfer), ou o cérebro de um sujeito extraído T1 (espaço anatômico nativa) como a imagem de entrada e Eddy corrigidos e imagem ponderada em difusão (DWI) como referência cérebro extraído imagem. Em seguida, clique em "Go".
      Nota: Este passo cria duas saídas, o cérebro de entrada registrado para a imagem de referência (.nii.gz) e uma matriz de transformação (.mat). Além de registo, o último arquivo é necessário para tractography quando o espaço semente não é a difusão. Use as matrizes de transformação de saída (.mat) criadas nesta etapa para tractography conforme explicado em 7.4.2.
  3. Semelhantepara 5,2, o registro FLIRT linear correr para trazer cérebros PD dos participantes para o espaço FreeSurfer e espaço anatômico nativa.
  4. Prepare máscaras de semente para tractography:
    1. Aplicar transformação FLIRT de Utils na caixa de ferramentas de registro FLIRT linear. Utilize a saída .mat como a matriz de transformação, a LGN originais mascarar como a entrada e brain.nii.gz (espaço FreeSurfer) ou T1_brain.nii.gz (espaço anatômico nativo) (ver 5.2) como o volume de referência. Selecione o mais próximo método Neighbor interpolação entre as opções avançadas.
  5. Usando apenas os arquivos brain.nii.gz, preparar máscaras alvo para tractography:
    1. Registre cérebros FreeSurfer para espaço anatômico nativa e criar máscaras alvo através da aplicação de transformação para máscaras V1 (ver 5.2, 5.4.1) usando interpolação Tri-Linear. Clique em "Go".

6. LGN Normalização

  1. Use o registro não-linear FNIRT como descrito anteriormente em http: //fsl.fmrib.ox.ac.uk / FSL / fslwiki / FNIRT para trazer cérebros não extraídos dos participantes no espaço anatômico nativa ao espaço MNI, usando o modelo do cérebro inteiro Montreal Neurological Institute (MNI152).
    Nota: Registro de não-linear de imagens anatômicas originais é recomendado para esta etapa, como inscrições foram mais precisos quando FNIRT foi aplicada a T1s não extraído em comparação a flertar em cérebros extraídos.
  2. Aplicar transformação para máscaras LGN no espaço anatômico (original LGN previamente transformado em espaço anatômico nativa em 5.4) usando interpolação por vizinho mais próximo, conforme descrito no ponto 5.4.1 para trazer máscaras para o espaço MNI.
  3. Média de todas as máscaras LGN no espaço MNI em ambos os grupos usando o comando "3dMean" do Afni.
  4. Use "fslmaths Thr" para aplicar um limite para a máscara média no espaço MNI.
  5. Calcular o raio da máscara significativo no espaço MNI utilizando V = 4/3 πr 3 (assumir uma esfera).
  6. Grave centro de coor massanates de cada máscara LGN individual no espaço anatômico nativa usando o comando "fslstats -C".
  7. Criar ROIs esféricas de volumes idênticos entre os participantes:
    1. Use "fslmaths" para criar um ponto de ROI com as coordenadas da máscara LGN pessoa adequada no espaço anatômico nativa como registrado em 6,6
    2. Usando "fslmaths", aplicar o raio da máscara significativo no espaço MNI para criar uma esfera em torno do ponto de ROI no espaço anatómico nativa.
  8. Use essas máscaras padronizados como sementes para tractography.

7. probabilística tractography (FSL 5.0.4)

Nota: Para as próximas etapas, chame o Fdt_gui para acessar cada uma das seguintes ferramentas.

  1. Corrigir distorções na DWIs com correção de corrente Eddy. Selecione a opção de correcção de corrente Eddy a partir do menu na parte superior da janela de Difusão caixa de ferramentas e fazer o upload do DWI como a entrada, deixando o defaulvolume de referência t (0).
  2. extrair cérebro as imagens com BET, conforme descrito no item 4.3.
  3. Selecione a opção de tensores de difusão DTIFIT Reconstrução do menu. Especifique um diretório de entrada que contém os seguintes arquivos: dados de difusão ponderada, nodif_brain_mask (saída de BET), bvec e bval (deve ser renomeado para bvecs e bvals; arquivos de texto contendo informações sobre os parâmetros de aquisição de imagens de difusão, produção de DICOM à conversão NIfTI de difusão dados). Clique em "Go" para executar dtifit, que se encaixa um modelo de tensor de difusão em cada voxel, a criação de arquivos para pós-processamento.
  4. Em seguida, selecione a opção do menu BedpostX (estimativa de parâmetros de difusão). Use o mesmo diretório de entrada como para DTIFIT. Clique em 'Go' para gerar todos os arquivos necessários para tractography.
  5. No mesmo menu, escolha ProbtrackX para rastreamento probabilística e executá-lo, para cada hemisfério separadamente. Mantenha padrão opções básicas (5.000 amostras, 0,2 curvatura e applie loopcheckd) e selecione modificado Euler para calcular linhas de corrente probabilísticos de opções avançadas para maior precisão.
    1. Selecione a saída de BedpostX contendo arquivos .merged como o diretório BEDPOSTX.
    2. Escolha única máscara como espaço de sementes e carregar a máscara LGN transformada (no espaço anatômico nativa) como a imagem da semente, T1 (cérebro no espaço anatômico nativa) a matriz de transformação de difusão como a semente à difusão transformar e V1 (no espaço anatômico nativo) em "alvos opcionais" (todos, mas máscaras de exclusão) como o alvo.
    3. Use convenção malha padrão (circunflexo) e carregar o cérebro no espaço anatômico nativa (imagem T1) como imagem de referência da superfície.
  6. Repita ProbtrackX para rastreamento probabilística usando o ROI esférica padrão (criado na etapa 6) como regiões de sementes para tractography como descrito em 7.5.2. Carregar ROIs da mesma forma transformada LGN (espaço anatômico) foram carregados no 7.5.2.
  7. Volte a executar tractography (7,5), desta vezcom semente (não normalizado) e máscaras de destino no espaço FreeSurfer com a adição de máscara contralateral fronteira matéria branca do FreeSurfer como uma máscara de exclusão, para evitar qualquer cruzamento por cima e asseguram ligações directas ipsilaterais. Marque a opção de superfície da caixa de ferramentas e selecione ProbtrackX FreeSurfer como convenção de malha.
    Nota: É importante enfatizar que tractography é sempre executado a partir do espaço de difusão, mas Probtrackx para o rastreamento probabilística permite a entrada de sementes e de destino máscaras num espaço diferente, juntamente com uma matriz de transformação para o espaço de difusão. Neste estudo, tractography probabilística foi executado com máscaras, tanto anatômica nativa e espaço FreeSurfer (Figura 2).

8. determinística tractography (DSI Studio)

  1. Abrir Eddy corrigido imagens ponderadas em difusão na DSI Estúdio 24, clicando em Passo 1: Open Source Images. Carga bvec e arquivos bval para uma janela de b-tabela que é automaticamente opeNED para criar um arquivo de origem (.src).
  2. Carregar os arquivos-fonte gerado para a janela de reconstrução para modificar o padrão reconstruída máscaras cerebrais, se necessário.
  3. Em seguida, selecione DTI como o método de reconstrução de 25 e executá-lo sobre os arquivos de origem para produzir arquivos de informação de fibra (.fib).
  4. Traga cérebros PD dos participantes para o espaço de difusão usando o registro linear FLIRT.
  5. Aplicar transformação para máscaras LGN usando interpolação vizinho mais próximo, conforme descrito no ponto 5.4.1.
  6. Abra .fib arquivos na janela de monitoramento do programa.
  7. Executar rastreamento para cada hemisfério separadamente, usando LGN no espaço de difusão como a semente e Região 17 (V1) de Brodmann atlas disponíveis a partir DSI estúdio como a região terminativa. Coloque a máscara LGN clicando na guia Regiões e Open Região. Selecione a opção de sementes sob tipo na lista Região do lado esquerdo da tela. Para carregar a máscara V1 do atlas, clique no Atlas da barra de ferramentas na lista de Região eselecionar os atlas apropriadas.
  8. Em cada corrida, defina o WM contralateral (nomeado esquerda / direita-cerebral-branco-matéria) máscara do atlas de segmentação FreeSurfer (ver caixa Lista Região na janela de rastreamento) como uma região de evasão (ROA).
  9. Repetir o acompanhamento (8,7-8,8) usando ROIs esférica no espaço de difusão em vez de LGN indivíduo como regiões de sementes para tractography.
    Nota: Os ROIs esféricas têm o mesmo volume em todas as disciplinas e são centrado no centro de massa de cada LGN.
  10. Repita a normalização LGN, secção 6, só que desta vez registrar cérebros no espaço de difusão para o espaço padrão de MNI, e aplicar transformações a LGN no espaço de difusão (original LGN previamente transformado em espaço de difusão em 8,4-8,5) para trazer máscaras para o espaço padrão MNI. Calcular o volume do ROI esférica como o volume médio de todos os LGN entre os indivíduos no espaço MNI.
    Nota: Os parâmetros de monitoramento pode ser modificado pelo usuário. Para a maioria das corridas, foram aplicados os parâmetros de acompanhamento padrão. Para alguns indivíduos (A5, A7, S12), o limiar de anisotropia (default 0,14-0,15) foi reduzido (0,10-0,12) e do limiar angular (padrão 60) foi aumentada (65-85) para visualização mais agradável. Um esquema da técnica é mostrado na Figura 3.

9. Análise estatística - TBSS (FSL)

Nota: As estatísticas espaciais baseados em Trato é uma análise estatística voxelwise da FA dos participantes maps16 obtida com dtifit26. É amplamente utilizado para as estatísticas de dados de difusão. Esta abordagem supera voxelwise potenciais problemas de alinhamento e alisamento visto em VBM-style análise FA e fornece investigação do cérebro inteiro, inatingível através approaches16 baseada tractography.

  1. Execute "tbss_1_preproc" nos dados FA localizados em um diretório TBSS recém-criado.
  2. Execute "tbss_2_reg" - T para aplicar o registro não-linear, trazendo dados FA de cada participante para o espaço comum (FMRIB58_FA,imagem de destino em TBSS).
  3. Criar um esqueleto FA média com os centros de todas as extensões comuns entre os participantes usando "tbss_3_postreg -S".
  4. Corre "Tbss_4_prestats 0,2" para projetar alinhado mapa FA de cada participante sobre o esqueleto média de todos os mapas de FA alinhados.
  5. Criar ficheiros design.con e design.mat, assegurando que a ordem da matriz é consistente com a ordem na qual TBSS pré-processados ​​os dados Fa.
  6. Execute "randomise", usando a opção de T2, o que é recomendado para TBSS como ele age sobre um esqueleto (um subconjunto reduzido de dados 3D), e 5.000 pré-mutações, o que dá p-valores mais precisos.

10. Análise Estatística - SPSS

  1. Extraindo valores de FA de determinística de dados
    Nota: os valores de FA baseados em determinística foram obtidos a partir de arquivos de texto estatísticas saída DSI Studio. Estes valores representam a FA média dentro dos intervalos gerados, which, neste caso, corresponde à região do OU.
    1. Executar rastreamento de fibra na DSI estúdio.
    2. Salvar os arquivos de texto "Estatísticas" criados por DSI Estúdio para cada conjunto gerado de panfletos e registrar os valores de 'FA significa' a partir deles.
  2. Extraindo valores de FA de probabilístico de dados
    Nota: Os valores com base probabilística FA são derivados de ProbtrackX2 arquivos fdt_paths saída. Estas são imagens 3D densidade trato que, neste estudo cobrem a área correspondente ao OR.
    1. Use o registro linear FLIRT para trazer arquivos fdt_paths de cada participante para o espaço de difusão.
    2. Binarize as máscaras de saída usando "fslmaths - bin".
    3. Para cada participante, multiplicar a máscara pelo seu mapa FA de dtifit usando "fslmaths -mul".
    4. Executar comando "fslmeants" para encontrar a FA média de cada máscara trato.
  3. Executando análises com SPSS (Usando determinística e probabilística
    Dados)
    NOTA: A análise estatística é realizada usando SPSS 20 para Mac. Desde hemisfério é uma variável dentro-sujeito, um modelo linear generalizado (GENLIN) com o qual os efeitos em cada lado do cérebro pode ser vista separadamente, é aplicado. Especificamente, a equação estimar generalizada (GEE) é usado.
    1. Em testes separados, definir cada uma média FA e agilizar count (waytotal ou a percentagem gerado linhas de corrente, PGSL) como a variável dependente.
      Nota: Neste estudo, agilizar a contagem é baseada em valores maneira total. Waytotal descreve o número total de linhas de corrente gerados que não tenham sido rejeitados por critérios de inclusão / exclusão 27. O número de linhas de corrente gerada (NGSL), que se refere ao número total de linhas de corrente enviados, é igual ao número de voxeis na máscara de semente multiplicado pelo número de amostras colhidas a partir de cada voxel (5000 neste caso). Percentuais linhas de corrente gerados (PGSL), waytotal dividido por NGSL vezes 100, é uma medida de conne sucessoctivity entre a semente e o alvo.
    2. Estudar a influência do grupo e do sexo sobre LGN à conectividade V1, definindo-as como variáveis ​​independentes em todos os testes.
      Nota: foram estudados os efeitos principal, bem como de dois e três vias interações. É importante notar que estes testes não são condicionados individuais uns com os outros, de modo que o significado de um efeito principal da interacção é independente da outra.
    3. Use a idade como um co-variável para todos os testes. Além disso, use o volume LGN como covariável para testes com média de FA e waytotal como as variáveis ​​dependentes, mas omiti-lo a partir de testes com PGSL como a variável dependente.
      Nota: O volume total do cérebro foi encontrado para ser um covariável insignificante e, por conseguinte, foi omitida a partir de estatísticas.
    4. Seleccionar o método de correcção de Bonferroni para ajustar para comparações múltiplas 28 (nível de significância p <0,05).

Representative Results

Esta seção fornece um resumo dos resultados obtidos utilizando dois algoritmos diferentes de tractography, determinista e probabilística. LGN volumes de espaço em DP em que mascara foram originalmente desenhada, bem como em todos os outros espaços usados ​​neste estudo, estão registados na Tabela 2, e LGN rastreio é ilustrado na Figura 4. Os resultados aqui apresentados são baseados em corridas que usaram uma esfera padrão como o ROI LGN. Volume de LGN padrão foi 461 mm3 em ambos os hemisférios no espaço anatômico (run probabilística), e 292,5 mm3 e 364,5 mm3 nos hemisférios direito e esquerdo, respectivamente, no espaço de difusão (run determinístico). Para ambas as corridas, estes volumes standard são muito perto dos volumes médios calculados no espaço MNI (anatómico para MNI: 472 mm3 e 440 mm3 para esquerda e direita, respectivamente; difusão de MNI: 376 e 312 mm3 para esquerdae direita, respectivamente), mas maior do que a maioria dos volumes individuais LGN no espaço nativa (o maior da anatómica: 281 milímetros 3; maior na difusão: 324 mm3). Desde Bonferroni é um teste muito conservadora, p valores menores que 0,1 são tratados como se aproximando significado e são relatados aqui. Além disso, TBSS em mapas FA revelou áreas de diferença significativa (p <0,05) entre os dois grupos, com áreas em regiões que representam vermelhas da integridade da substância branca do trato reduzida em albinismo (Figura 5).

Para ambas as execuções determinísticas e probabilísticas, co-variáveis ​​e três grupos maneira por sexo por interações hemisfério foram insignificantes e, portanto, excluídos de todas as análises finais. Para a execução determinística, utilizando média FA como a variável dependente, os principais efeitos de grupo e sexo eram insignificantes, enquanto que o principal efeito do hemisfério aproximou significância (significa ± SEM 0,41± 0,008 direita; 0,39 ± 0,006 esquerda, p = 0,064). Meios (± SEM) de valores médios FA correspondentes ao OU região de ligação LGN para V1 foram de 0,39 ± 0,007 para o albinismo e 0,40 ± 0,008 para controles. A interacção nos dois sentidos do grupo por hemisfério foi significativa (p = 0,013). Para a execução probabilística, utilizando valores médios FA de fdt_paths como variável dependente, o principal efeito do grupo era insignificante (média ± SEM .353 ± 0,0035 controles; 0,349 ± 0,0046 albinismo). No entanto, os principais efeitos do hemisfério (0,358 ± 0,004 direita; 0,345 ± 0,003 esquerda, p = 0,005) e sexo (.34 ± 0,004 mulheres; .36 ± 0,004 machos, p = 0,014) foram significativo. Um grupo de duas vias pela interação sexo foi significativa (p = 0,033). Os dados para todos os testes foram distribuídos normalmente como foi confirmado pelo teste de Shapiro-Wilk (p> 0,05). Usando a abordagem determinística, os valores médios foram waytotal 2.728 ± 127 para o albinismo e 2753 & #177; 169 para controles. O principal efeito do hemisfério e do grupo de duas vias pela interação de gênero foram significativos (p = 0,027 e p = 0,004, respectivamente). Usando PGSL como variável dependente, os principais efeitos de grupo e sexo eram insignificantes, enquanto o efeito do hemisfério foi significativa (significa ± SEM 0,89 ± 0,045 direita; 0,63 ± 0,026, p = 0,001). O grupo dois sentidos pela interação de gênero também foi significativa (p = 0,003). Significa PGSL de LGN para V1 foram de 0,76 ± 0,046 para o albinismo e 0,76 ± 0,048 para controles. PGSL foram calculados utilizando ROI LGN padrão. Os dados eram normalmente distribuídos (Shapiro p> 0,05). Para a execução probabilística, utilizando valores waytotal e PGSL como variáveis ​​dependentes, os principais efeitos de grupo, hemisfério e sexo não foram significativas. Os valores médios foram waytotal 28.739 ± 7.297 para o albinismo e 31.220 ± 7.202 para controles. Significa PGSL de LGN para V1 foram de 1,3 ± 0,3 para o albinismo e 1,4 ±0,3 para controles. Em ambos os casos, os dados não eram normalmente distribuídos e transformação logarítmica gama foi aplicado.

Usando a abordagem determinística, comparações de pares revelaram redução da FA no hemisfério direito do albinismo em relação aos controles (C 2 (1, N = 21) = 4,15, p = 0,042). Nos controles, o valor FA hemisfério esquerdo foi menor do que para o hemisfério direito (p = 0,007) e uma tendência para a diminuição da FA em mulheres em comparação aos homens foi encontrado (C 2 (1, N = 21) = 2,97, p = 0,085). Usando tractography probabilística, comparações de pares revelados reduzida FA no hemisfério esquerdo em comparação com o hemisfério direito em ambos os grupos (C 2 (1, N = 21) = 6,31, p = 0,012). Nos machos, FA foi significativamente reduzida em albinismo em relação aos controles (C 2 (1, N = 21) = 4,27, p = .039). Além disso, FA foi significativamente diminuída em compar fêmeasEd para o sexo masculino em controlos (C 2 (1, n = 21) = 14,37, p <0,001). Usando valores waytotal do prazo determinista como variável dependente, comparações de pares revelados reduzida conectividade em homens com albinismo em relação aos controles do sexo masculino (C 2 (1, N = 21) = 4,65, p = 0,031). Em ambos os grupos, a conectividade no hemisfério esquerdo foi menor em comparação com o hemisfério direito (C 2 (1, N = 21) = 4,34, p = 0,037). Além disso, a conectividade foi menor em machos comparado com fêmeas do grupo albinismo (C 2 (1, n = 21) = 4,47, p = 0,034), enquanto o contrário foi observado no grupo de controlo (C 2 (1, N = 21) = 3,87, p = 0,049). Por último, nas fêmeas, uma tendência para a diminuição da conectividade foi visto nos controlos em comparação com albinismo (C 2 (1, n = 21) = 3,52, p = 0,061). Usando valores PGsl calculados a partir de dados determinísticos, comparações de pares revelou simiresultados Lar para aqueles obtidos com os valores waytotal. Saídas de tractography determinista são ilustrados na Figura 6. Usando dados probabilísticos, comparações de pares revelados diminuiu conectividade no hemisfério direito do sexo masculino em relação ao feminino (C 2 (1, N = 21) = 15,96, p <0,001). Saídas de tractography probabilística são ilustrados na Figura 7 de correlação de um Pearson revelou uma correlação negativa muito fraca entre valores PGsl de ambos os métodos (r = -0,172, p = 0,276;. No entanto, os feixes de fibras em grande parte se sobrepõem e são qualitativamente semelhantes (Figura 8) .

figura 1
Figura 1:. Pathway visual primário nos cérebros de indivíduos saudáveis ​​e pacientes com albinismo Cada LGN recebe entradas de ambos os olhos. pr retina ipsilateralojections terminam em Camadas 2, 3 e 5, enquanto as projecções contralateral terminará em Camadas 1, 4 e 6. O LGN envia projeções para V1 através da radiação óptica (roxo), com axônios que encerra mais pesadamente sobre V1 Camada 4. Entradas de dois olhos permanecem segregados nas colunas de dominância ocular de Camada 4. Além deste ponto, as entradas de ambos os olhos são combinadas (neurônios binoculares no córtex). (A) Em controlos, cerca de metade das projecções estendem ipsilateralmente (vermelho) a partir da retina temporais, enquanto a outra metade surgem a partir da retina nasal e transversal (verde) no quiasma para o hemisfério contralateral. (B) Em albinismo, há uma mudança na linha de decussação na retina temporais, resultando num aumento da passagem das fibras do nervo óptico, tal como ilustrado pelas fibras verdes espessadas. Este esquema sugere anormalidades adicionais mais a jusante da via-retino-geniculo cortical, com reduzida LGN a V1 conectividade em albinismo (modificado de Mcketton et al., 2014) como confirmado por este estudo. Por favor clique aqui para ver uma versão maior desta figura.

Figura 2
. Figura 2 "Registro probabilística tractography Pipeline FLIRT Linear foi utilizado para transformar cérebros dos participantes de diferentes espaços (registro indicadas pelas setas vermelhas): Em preparação de máscaras de sementes, cérebros PD foram registrados ao espaço T1 anatômica e FreeSurfer (FS) espaço, e transformações foram aplicados em máscaras originais LGN usando interpolação por vizinho mais próximo. para criar as máscaras alvo, cérebros FS foram transformados para o espaço T1 e transformações foram aplicados em máscaras V1 do FreeSurfer utilizando tri-linear de interpolação. T1 e FS cérebros foram linearmente registrado para a difusão espaço. FreeSurfer 's contralateral máscara branca fronteira assunto foi adicionado como máscara de exclusão no FS prazo. PROBTRACKX2 para rastreamento probabilística foi executado no espaço de difusão com entrada máscaras em T1 e FS espaço. Por favor clique aqui para ver uma versão maior desta figura.

Figura 3
Figura 3: determinística tractography Pipeline. Pré-processamento envolvido DICOM para NIfTI Conversão e rendeu um ponderada em difusão de imagem (dti.nii.gz) junto com dois arquivos de texto (bvec e bval). Distorções e movimento foram corrigidos para usar ferramenta de correção de Eddy-current de FSL. Eddy corrigido imagens ponderadas em difusão foram abertas em DSI Studio e arquivos bvec e bval foram carregadas em uma janela b tabela para criar um arquivo de origem (.src). arquivos de origem foram abertos e o padrão reconstruídamáscaras do cérebro foram modificados conforme necessário. Em seguida, foi aplicado modelo de reconstrução DTI para os arquivos de origem para produzir arquivos de informação de fibra (.fib). máscaras LGN no espaço de difusão foram carregados nos ficheiros .fib na janela de rastreamento e definido como sementes. Região 17 (V1) do atlas Brodmann foi definido como uma região terminativa. Em cada corrida, a máscara contralateral WM de FreeSurfer segmentação atlas foi carregado e definir como um ROA (ambos os hemisférios delineados aqui). Igualdade de sinais representam o produto rendeu em uma etapa particular; setas laranja indicam o ficheiro de entrada que foi utilizado para o próximo passo de processamento ou de acompanhamento; Asterisco (*) indica máscaras e cérebros no espaço de difusão. Por favor clique aqui para ver uma versão maior desta figura.

Figura 4
Figura 4: LGN Máscara de Delineamento. (A) com zoom-in vista da direita e da esquerda LGN em uma laje de imagem média coronal-PD que foi interpolada a duas vezes a resolução e metade do tamanho voxel em um paciente com albinismo, A11. (B) rastreada manualmente direita e esquerda áreas LGN de interesse (ROI) em vermelho máscaras (C) LGN transformados para o espaço FreeSurfer usando vizinho mais próximo (vermelho) e (azul) interpolações tri-lineares. O primeiro foi utilizado para todas as transformações realizadas neste estudo para a delimitação mais precisa da estrutura. Por favor clique aqui para ver uma versão maior desta figura.

Figura 5
Figura 5: Voxelwise Análise Estatística com TBSS cérebro inteiro voxelwise análise estatística de. dados FA foi realizada utilizando estatística espacial baseada trato (TBSS). registo não-linear de FA imagens de todos os participantes a um espaço comum foi realizada, seguida pela criação de uma média FA esqueleto e a projecção de imagem FA de cada participante para o esqueleto. (A) O albinismo> contraste controle esqueleto mostrando em verde sem áreas de importância devido à redução da FA em albinismo relação aos controles. (B) diferença significativa entre o grupo controle eo grupo albinismo detectado, com áreas em regiões que representam vermelhas (substância branca cerebral correspondente a fibras de radiação óptica e córtex calcarino, em que se encerrar) de redução da integridade da substância trato branca em albinismo, para o controle> contraste albinismo (TFCE (realce sem limite cluster) corrigido, p <0,05), (C) engrossado versão esqueletizado dos resultados exibidos no B, para a representação visual.les / ftp_upload / 53759 / 53759fig5large.jpg "target =" _ blank "> Clique aqui para ver uma versão maior desta figura.

Figura 6
Figura 6:. Saída da DSI Estúdio Rastreamento de fibra (A) Redução LGN à conectividade V1 em albinismo paciente A1 (menor número de setores reconstruídas entre os participantes no hemisfério direito, 1365) comparados aos controles (b) (S6, maior número de setores reconstruídas entre os controles em hemisfério direito, 4355) (à esquerda LGN em vermelho, LGN direita no verde, conexões LGN para trato óptico e OR em laranja, V1 em azul). Optic trato às conexões LGN também são vistos na saída. Por favor clique aqui para ver uma versão maior desta figura.

Figura 7:. Saída de PROBTRACKX para probabilística Rastreamento Redução LGN à conectividade V1 em albinismo (superior) em relação aos controles (parte inferior). LGN é mostrado na radiação amarelo, óptica em verde, V1 em vermelho. Note-se que as fatias mostradas aqui não se destinam a ser o mesmo, mas são bastante escolhido como fatias que melhor representam os resultados do método. Por favor clique aqui para ver uma versão maior desta figura.

Figura 8
Figura 8:. Probabilística contra saída determinística Sobreposição Mapa cérebros anatômicas (run probabilística) e de difusão de cérebros (RUN determinista) foram registrados paracérebros MNI 1 mm. Transformações foram aplicados a tractography vias de saída de corridas que usaram esferas padrão como LGN ROI. tratos de saída foram na média entre os participantes em cada método, e Máscaras (A) média do trato foram sobrepostos em uma MNI cérebro 1 mm de vista FSL para comparação (probabilística em verde, determinista em vermelho). A transparência foi aplicada para descrever noções similares de conectividade em ambos os métodos. (B) V1 máscaras (rosa) LGN (azul) e foram adicionados para ilustrar as regiões de sementes e de destino. Por favor clique aqui para ver uma versão maior desta figura.

albinismo controles
Participante Idade (anos) Sexo Classificação acuidade Visual Participante Idade (anos) Sexo
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

Tabela 1: Informações do participante e História da Saúde. A acuidade visual foi avaliada através de uma carta de olho Tratamento Precoce da Retinopatia Diabética Study (ETDRS) e expressed em Logmar (logaritmo do ângulo mínimo de resolução) notação, ou seja, o logaritmo na base 10 da acuidade visual decimal (0,0-1,0 de 20 / 20-20 / 200). Testes tabela ETDRS foi mostrado para ser mais preciso do que o teste de Snellen universalmente usado 29. Todos os controles tinham normal ou corrigida-se normal, a acuidade visual (20/20). Sem história de distúrbios neurológicos foi relatado.

PD Anatômico Difusão FS
Esquerda Certo Esquerda Certo Esquerda Certo Esquerda Certo
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
Controles 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

Tabela 2:. Um Resumo dos Volumes LGN Os volumes registrados nesta tabela (mm 3) são de direita e esquerdaLGN dos pacientes e controles em todos os espaços utilizados neste estudo.

Discussion

WM alterada e, mais especificamente, diminuiu a conectividade em albinismo comparação com os controlos eram esperados. Assim, a FA reduzida no hemisfério direito do albinismo em relação aos controles, bem como a conectividade diminuiu em pacientes do sexo masculino com albinismo aqui relatados estão em linha com a nossa previsão. Gênero e hemisfério efeitos não são totalmente claras, embora a pesquisa sobre o cérebro saudável, que sugere diminuição da complexidade WM no hemisfério esquerdo de machos em relação às fêmeas 30-31 poderia explicar algumas das diferenças de gênero e relacionados com o hemisfério observados neste estudo. Conectividade reduzida em albinismo sexo masculino em comparação com albinismo fêmea pode ser em parte devido à menor média de idade das mulheres em ambos os grupos (7 - 8 anos <machos), como o volume de WM foi relatado para ser diminuída em meados de vida adulta no cérebro saudável 32 -33. As diferenças de gênero também pode ser devido ao pequeno tamanho da amostra eo número ímpar de homens contra mulheres em cadagrupo (5 machos OCA, 4 controles). O aumento da conectividade observada em albinismo sexo feminino em comparação com controles do mesmo sexo não era esperado, e pode sugerir algum tipo de um mecanismo compensatório em albinismo. No entanto, esta descoberta pode sim ser atribuído à grande variabilidade dentro de uma pequena amostra da população.

A média de FA e agilizar a contagem são usados ​​para explorar LGN à conectividade V1. FA é uma das medidas mais comumente reportados derivados de dados de difusão. Ela é mais precisamente descrita como uma quantificação de quão fortemente direccional difusão é numa região. É importante notar que as diferenças de grupo em medidas FA não implicam necessariamente diferenças na integridade da substância branca. Uma vez que este estudo envolve uma condição clínica com um efeito potencial sobre a matéria branca, essa interpretação pode ser justificada. No entanto, enquanto a integridade reduzida sugere danos estruturais ou declínio, FA em uma região pode ser reduzido devido ao menor número de barreiras como a maiordiâmetros dos axônios e axônios menos densamente empacotados, bem como devido a limites menos eficazes resultantes do aumento da permeabilidade da membrana 34. O termo 'simplificar contagem', é preferido sobre 'contagem de fibras ", uma vez que o número de linhas de corrente reconstruídos pode não ser uma verdadeira representação do número de fibras reais devido a variações nas características da via, tais como comprimento de curvatura, e de ramificação, bem como condições experimentais, tais como a relação sinal-para-ruído (SNR) 34.

Tractography é a única técnica não-invasiva para WM mapeamento in vivo. Na abordagem determinística, a rescisão ocorre quando anisotropia cai abaixo de um certo nível, ou quando há uma angulação abrupta. No entanto, a maioria das fibras em voxels conter mais do que uma direcção, e a abordagem determinística está limitado a qualquer identificação do tracto dominante em um voxel ou uma "média" de todas as direcções dentro de um voxel. Ele falha, assim, para proporcionar um verdadeiro representação de vias neuronais. Tractography probabilística permite a resolução de dois modelos de fibra em um único voxel, proporcionando uma representação mais confiável de um trato, e de monitoramento em áreas de baixa anisotropia 17. O algoritmo probabilístico foi, portanto, particularmente vantajoso neste estudo, que investigou a trajetória da OR, uma estrutura altamente WM ramificação (particularmente a parte da alça de Meyer), terminando na matéria cinzenta do V1. É importante notar que tractography probabilística refere-se a uma probabilidade estocástica de ter a mesma via surgir ao longo de várias permutações, em vez do que a noção de enganosa tractography representando o verdadeiro anatomia de uma fibra. Embora tractography probabilística é acreditado para seguir o verdadeiro curso de fibras nervosas mais de perto, tractography determinista foi executado para comparar a utilidade e reprodutibilidade de ambas as técnicas. Desde tendências foram detectadas utilizando a abordagem probabilística, semelhanças vistona corrida determinista reforçada única ainda mais a validade dos resultados.

Além de sua crescente utilização em pesquisas sobre conectividade mapeamento anatômica no cérebro, tractography tem mostrado avanços promissores em panning neurocirúrgica. Visualização de OR durante a ressecção de tumores através da transferência de dados neuronavigationally DWI para o campo operatório foi relatado para ajudar na remoção com sucesso lesões e manter os campos visuais intacta 35. No entanto, DTI tem limitações, como relativamente pobre resolução espacial e qualidade dos dados prejudicada quando as estruturas com baixa densidade de fibras, tais como o OR são estudadas 20. Embora tractography probabilística foi a técnica preferida, o presente estudo teve como objetivo comparar os dois algoritmos. Ambos os algoritmos de rastreamento revelou algumas conclusões comuns, aumentando a confiabilidade dos resultados.

Volume de LGN varia de 112-276 mm 3 em cérebros saudáveis ​​8 e correlates com volumes do córtex visual e o trato óptico, mas não com o volume total do cérebro 36. Desde tractography depende do número de voxeis na máscara de sementes, o volume de LGN devem ser normalizados entre os participantes a evitar distorções na comparações quantitativas entre extensões 37. Nós controlamos as diferenças de tamanho LGN usando dois métodos diferentes. No primeiro método, os ROIs esféricas de um tamanho padrão foram criados. Para isso, foi calculado um volume médio em todas as disciplinas de suas máscaras LGN transformado em espaço de MNI. Usando o raio da máscara significativo no espaço MNI, uma esfera foi centrado sobre o centro de massa de cada LGN em qualquer espaço anatómico ou difusão. Usando uma esfera ROI padrão com um volume maior do que os volumes individuais LGN garante a inclusão de todos os voxels que fazem parte desta estrutura, de todos os participantes. Enquanto estiver usando um tamanho maior máscara que normalmente aumentam o risco de falsos positivos, tal preocupação não se aplica quando a semeaduranuma estrutura tal como o LGN, que difere dos padrões de conectividade dos núcleos circundantes. Assim, voxels pertencentes a outras estruturas irá gerar linhas de corrente que não seguem os caminhos esperados e esses caminhos serão, portanto, descartada 18 .O segundo método que usamos para controlar para o volume LGN foi para executar análises estatísticas usando volume de LGN como co-variável, mas esta não alterou significativamente os resultados estatísticos. Outra abordagem possível para LGN normalização é a adição e remoção de voxels ao redor máscaras LGN individuais para obter um tamanho padrão entre os indivíduos usando um script MATLAB. Esta abordagem não requer quaisquer registos adicionais e, por conseguinte, limita o grau de deformação das imagens do cérebro e precisão aumenta. Ele também mantém o contorno LGN em vez de criar uma esfera em torno da região do LGN. No entanto, para minimizar o erro humano, a segmentação de multi-Atlas pode ser usado em vez de rastreio manualmente as máscaras LGN. Usando um conjunto de contas atlaspara variabilidade estrutural individual e, portanto, produz uma representação mais precisa de uma região subcortical do que um único Atlas 38.

Este romance estudo in vivo investiga desenvolvimento interdependentes entre as diferentes partes do sistema visual primário em albinismo humano. Assim, fornece uma visão mais aprofundada a etiologia dessa condição e melhor diagnóstico através da identificação de assinaturas específicas de transtorno. Ambos algoritmos tractography probabilísticos e determinísticos usada aqui apresentaram padrões comparáveis ​​de alteração LGN à conectividade V1 em albinismo humano. Embora nenhuma generalização para a grande população pode ser feita devido ao pequeno tamanho da amostra e da grande variação inter-sujeitos em estruturas de interesse, este estudo demonstra a utilidade da tractography na detecção de tendências no seio da população da amostra, o que sugere a importância de novas pesquisas na o campo.

Acknowledgments

O trabalho é apoiado em parte pelas Ciências Naturais e Engenharia do Conselho de Investigação do Canadá (NSERC). Os autores agradecem os participantes, o Dr. Rick Thompson por sua ajuda no recrutamento dos pacientes albinismo, Denis Romanovsky por sua ajuda em execução algumas das análises e modificar uma figura, Mónica Giraldo Chica por seu conhecimento e aconselhamento com tractography, Joy Williams por sua ajuda na aquisição de ressonância magnética, e Aman Goyal por sua experiência de análise de ressonância magnética.

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).
Medição Conectividade no Visual principal via de albinismo humano utilizando tensor de difusão e tractography
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