Waiting
Login processing...

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

Neuroscience

Mätning Connectivity i Primär Visual Pathway i Human Albinism Använda Diffusion Tensor Imaging och tractography

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

Summary

Detta manuskript beskriver deterministiska och probabilistiska algoritmer för vit substans (WM) återuppbyggnad, som används för att undersöka skillnader i optisk strålning (OR) anslutning mellan albinism och kontroller. Även probabilistiska tractography följer den sanna kurs av nervfibrer närmare, var deterministisk tractography springa för att jämföra tillförlitligheten och reproducerbarhet båda teknikerna.

Abstract

I albinism, är antalet ipsilateralt utskjutande retinala ganglionceller (RGC) minskas betydligt. Näthinnan och synnerven chiasm har föreslagits som kandidatplatser för feldirigering. Eftersom en korrelation mellan antalet laterala knäkroppen (LGN) relä nervceller och LGN storlek har visats, och bygger på tidigare rapporterade minskningarna i LGN volymer i mänsklig albinism, föreslår vi att fiber prognoser från LGN till den primära syncentrum (V1) reduceras också. Studera strukturella skillnader i det visuella systemet av albinism kan öka förståelsen av mekanismen för feldirigering och efterföljande kliniska tillämpningar. Diffusion data och tractography är användbara för att kartlägga eller (optisk strålning). Detta manuskript beskriver två algoritmer för eller ombyggnad för att jämföra hjärnans anslutning i albinism och controls.An magnetkamera med en 32-kanals huvudspole användes för att förvärva strukturella skanningar. En T1-viktade 3D-MPRAGE sekvens med 1 mm3 isotrop voxelstorlek användes för att generera högupplösta bilder för V1 segmentering. Multipel protontätheten (PD) viktade bilder förvärvades koronalt för höger och vänster LGN lokalisering. Diffusion tensor imaging (DTI) skannar förvärvades med 64 spridnings riktningar. Både deterministiska och probabilistiska spårningsmetoder kördes och jämförs med LGN som fröet mask och V1 som mål mask. Även DTI ger relativt dålig rumslig upplösning, och exakt avgränsning av OR kan vara en utmaning på grund av dess låg fiberdensitet, har tractography visat sig vara fördelaktigt både i forskning och kliniskt. Tract baserade spatial statistik (TBSS) avslöjade områden med kraftigt minskad vit substans integritet inom eller till patienter med albinism jämfört med kontroller. Parvisa jämförelser visade en signifikant minskning av LGN till V1 anslutning i albinism jämfört med kontroller. Jämföra båda spårningsalgoritmer avslöjade vanligaste fynden, stärka tillförlitlighetenav tekniken.

Introduction

Albinism är en genetisk tillstånd främst kännetecknas av öppen hypopigmentering observerats i drabbade individer. Den orsakas av ärftliga mutationer i gener inblandade i melaninsyntes en. Albinism visas i två huvudformer: oculo-kutan albinism (OCA), en autosomal recessiv egenskap presenterar både okulära och kutana funktioner; och okulär albinism (OA), en X-bunden drag vanligare hos män och kännetecknas främst av ögonsymptom 2. Melanin i näthinnans pigmentepitel (RPE) är avgörande för korrekt utveckling av den centrala visuella vägen. Sin frånvaro i albinism resulterar därför i synskador, inklusive fotofobi, nystagmus, minskad synskärpa och förlust av Binokulärseende 2-3. Synskärpan har kopplats till foveala morfologi, vilken är förändrad i albinism 4. Hos människa, en retinal linje decussation ligger längs nasotemporal gränsen genom fovea, med fibrer från nasal näthinnanpassage till den andra halvklotet och de från tids näthinnan sträcker ipsilateralt. Graden av minskad visuell funktion i albinism har kopplats till nivån för hypopigmentering. Specifikt är pigmente omvänt proportionell mot växling till temporala näthinnan av raden av decussation 5. Som en följd av övergången i raden av decussation i den temporala näthinnan, är korsning av optiska nervfibrer ökat - en karaktäristisk gemensam för alla arter 3.

Strukturella MRI-studier på människor har visat smalare optiska chiasms i albinism jämfört med kontroller, vilket sannolikt beror på en ökad passage av RGC observeras i albinism 6-8. Näthinnan och synnerven chiasm uttrycka axonal vägledning ledtrådar som Ef familj receptorer och deras ligander 9 och är därför kandidatplatser för feldirigering 10.

En studie på apor med inducerad glaukom visade en betydande decemberrease av antalet LGN parvalbumin-immunoreaktiva relä neuroner och LGN volym 11. Detta tyder på ett samband mellan LGN storlek och antalet vita substansen (WM) banor som reser genom eller till V1. En studie post mortem på människors albinism visade också mindre LGN med smält M och P skikten 12. Högupplöst strukturell MRI bekräftade betydande minskning av volymen LGN i albinism 8. Sammantaget visar dessa fynd tyder på att minskad LGN volym kan leda till ett minskat antal neuroner i LGN, och i sin tur i minskad anslutning mellan LGN och V1.

Undersöka mönster av anatomiska anslutning hos människor har begränsats. Dissection, spår injektion och skada induktion är invasiva tekniker som endast kan användas efter slakt, och vanligtvis innebär en mycket litet antal patienter. Tidigare studier med karbocyanin färga DII injektioner visade nervkopplingar mellan V1 och V2 (sekundär Visual Cortex) 13, samt inom hippocampus komplex i aldehyd-fast efter slakt mänskliga hjärnor 14. Märknings fibrer på detta sätt är begränsad till sträckor av endast tiotals millimeter från insprutningspunkten 14. Diffusion tensor imaging, DTI, är en MRI modalitet utvecklades i tidig mitten av 1990-talet för att identifiera fiberkanalen inriktning och organisation. Det är en icke-invasiv metod som medger mappning av stora WM vägar i den levande hjärnan. DTI är känslig för diffusion av vattenmolekyler i biologisk vävnad 15. I hjärnan är diffusion av vatten anisotropt (ojämn) på grund av hinder såsom membran och myelin. WM har hög diffusion anisotropi, vilket innebär att diffusion är större parallellt med än vinkelrätt mot orienteringen av fibrerna 16. Fractional anisotropi (FA) är en skalär kvantitet som beskriver inställningen av molekyler diffundera i en anisotrop sätt. FA-värden sträcker sig från 0-1, från låg till hög anisotropy (cerebrospinalvätska (CSF) <grå substans (GM) <WM) 16.

Streamline (deterministiska) och spårning sannolikhets fiber är två olika algoritmer för 3D väg rekonstruktion. Deterministisk tractography använder en linje utbredningsmetoden, som förbinder angränsande voxlar i en avgränsad såddregionen. Två stopp kriterier som används i denna algoritm är vridningsvinkeln och FA värdet. Därför är det osannolikt vid stora brytningar vägarna spåra mellan grann voxlar. Algoritmen skulle därför också fortskrider endast om FA i en voxel överstiger ett visst tröskelvärde, vilket begränsar dess effektivitet i exakt definierar vägar nära grå, där anisotropi droppar. Probabilistisk tractography, å andra sidan, ger en anslutning karta som beskriver sannolikheten för en voxel att vara en del av ett område mellan två regioner av intresse (ROI) och sålunda fortskrider in i grå substans såsom V1 17. Med hjälp av denna MRI ansökan nyckel WM strukturer somOR kan avgränsas, såsom visas i tidigare studier 18-20.

Denna studie använder därför diffusion uppgifter och tractography att undersöka effekten av axonal feldirigering på Retino-geniculo-kortikala anslutning. Baserat på tidigare rapporterade minskningarna i LGN volymer i mänsklig albinism 8, förutspår vi att fiber prognoser från LGN till V1 också minskas (Figur 1).

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Etik Uttalande: Den aktuella forskningsstudien har godkänts av de mänskliga deltagare kommitté (HPRC) vid York University, Toronto. Alla deltagare gav informerat skriftligt samtycke.

1. Med förbehåll Beredning

Obs: Elva deltagare med OCA, i åldern 36 ± 4 år (6 honor) jämfördes med tio åldersmatchade kontroller, i åldern 32 ± 4 år (6 kvinnor). Deltagare Historik registreras i tabell 1.

  1. Be varje deltagare att fylla i och underteckna ett medgivande som listar riktlinjer MRI säkerhet och bildprotokoll.
  2. För varje deltagare, ger öronproppar för öronen. Position deltagare liggande och huvudet först i magneten och landmärke ovanför ögonen på ögonbryn nivå. Säker deltagarens huvud med kuddar för att minska huvudrörelse. Ge deltagaren en klämma glödlampa för patient.

2. Struktur MRI parametrar

e_content "> Obs: All avbildning förvärvas på en 3T magnetkamera med hjälp av en 32-kanals huvudspole under en enda session per ämne.:

  1. Skaffa en hög upplösning T1-viktade anatomiska med hjälp av en 3D-MPRAGE sekvens som täcker hela hjärnan med följande parametrar: förvärv tid 4 min 26 sek, synfält 256 mm, 256 matris, 192 skivor med skivtjocklek av 1 mm, med en resulterande isotrop voxel storlek 1,0 mm 3, TR = 1900 ms, TE (eko tid) = 2,52 ms med en inversion tid på 900 ms och flip vinkel på 9 °, en genomsnittlig parallella imaging (IPAT Grappa, accelerationsfaktor 2) .
  2. Skaffa en DTI sekvens täcker cortex, med skivor i tvärgående riktning efter tvärförbindelser i hjärnan / bakre kommissur (AC-PC) linje, med hjälp av följande parametrar: förvärv tid 8 min 5 sek, synfält 192 mm, 128 matris, voxlar 1,5 1,5 mm i planet, 56 sammanhängande (inget gap) skivor med 2 mm tjocklek, TR = 6900 ms, TE = 86 ms, 64 riktningar, b-värde av 1000 s / mm 2 (referensbild med låg B-värde på 0 sek / mm2), en genomsnittlig parallella imaging (IPAT GRAPPA) med en accelerationsfaktor 3.
  3. Förvärva 30-40 PD-viktade bilder i ett koronalt orientering, parallella med hjärnstammen, som täcker från den främre utsträckningen av de pons till den bakre delen av den undre colliculi.
    1. Använda Turbo spinneko (FAST spinneko) pulssekvensen och följande parametrar: förvärvstid 1 min 29 sek per scan, synfält 192 mm, 256 matris, 30-40 skivor med tjocklek av 1 mm, vilket resulterar voxelstorleken 0,75 0,75 1 mm 3, TR = 3000 ms, TE = 22 ms, turbo faktor 5, inrikta flip vinkel på 120 °, en genomsnittlig parallella imaging (IPAT GRAPPA) med en accelerationsfaktor 2.
      Obs: S12 skannades med användning av följande parametrar: synfält 180 mm, 512 matris, 30 skivor med 1 mm tjocka skivor, vilket voxelstorlek 0,4 x 0,4 x 1,0 mm 3. Alla andra parametrar förblev samma. Acquisition tid 2 min 47 sek.
  4. Pre-process alla skanningar genom att konvertera rå DICOM till nifti format med hjälp av programmet dcm2nii.

3. LGN Delineation

Obs! LGN är en liten subkortikal struktur som ligger djupt inne i hjärnan, alltså högupplösta PD bilder krävs för att bestämma dess anatomiska gränser. I dessa genomsökningar visas LGN som ett område med hög signalintensitet i förhållande till de omgivande WM skrifter, vilket underlättar dess upptäckt 21. Den identifierade anatomiska LGN används sedan som ett såddregionen för tractography.

  1. Även blinda för grupptillhörighet manuellt spåra höger och vänster LGN masker tre gånger vardera på medelvärdes PD bilder interpolerade till dubbelt så hög upplösning och halva voxelstorleken (original 256 x 256 matris, 0,75 x 0,75 x 1 mm 3 voxelstorleken).
    1. För att erhålla hög upplösning PD bilder använder fritt tillgängliga FLIRT funktion och andra programverktyg inom FMRIB SoftwareBibliotek (FSL, http://www.fmrib.ox.ac.uk/fsl/). Uppsampla, sammanfoga, rörelse korrekta och genomsnittliga PD bilder för varje deltagare som tidigare beskrivits på annat håll 22.
    2. Fyll den högupplösta PD bild i FSLView och klicka på fliken Verktyg för att välja den inre alternativet (eller tryck Figur 1 ) För att förstora bilden.
    3. Klicka på fliken Arkiv och välj alternativet Skapa mask och använda verktygsfältet längst upp till vänster på skärmen för att spåra LGN i varje skiva. Om så önskas, ändra kontrasten i bilden genom att dra längs min / max i verktygsfältet för att underlätta LGN upptäckt.
  2. Slå samman dessa områden av intresse (ROI) i ett median mask med kommandot fslmerge.
  3. Kombinera alla bedömare median masker i en enda median mask använder samma kommando.

4. V1 Segmente

  1. Kör "Recon-alla" kommando i FreeSurfer23 (v5.3.0) på hjärnansi infödda anatomiska utrymme (T1-viktade bilder) för automatiserad behandling.
  2. Konvertera lämpliga utgångarna i den nyskapade mri mapp (orig.mgz, brain.mgz, rawavg.mgz, T1.mgz) till nifti med "mri_convert".
  3. Använd BET hjärnan utvinning i FSL GUI för att korrigera skallen-avskalade utgångs hjärnan (brain.nii.gz) i Freesurfer utrymme om det behövs. Välj Kör standard hjärnan extraktion med bet2 alternativ (standard). Sänka tröskeln om bilden saknas hjärnvävnad, eller öka om icke-hjärnvävnad fångas (standard tröskel 0,5). Välj Output hjärnan extraherade bilden och utgång binär hjärna maskbilden (den senare kan användas för manuella korrigeringar) i de avancerade alternativen.
  4. Konvertera utgång V1 styckning till en volym mask med hjälp av "label2surf" och "surf2volume" kommandon.

5. Pre-spårning Registreringar

Obs! För nästa steg, ring FSL GUI för att öppna varje following verktyg.

  1. Använd BET hjärnan utvinning och välj förspänningsfältet och hals rensning möjlighet att skallen-strip rawavg.nii.gz, som ligger i MRI mapp som skapas av "Recon-alla". Justera tröskel som behövs.
  2. Kör FLÖRT linjär registrering för att få hjärnor i Freesurfer och infödda anatomiska utrymme för diffusion utrymme.
    1. Välj brain.nii.gz produktionen för recon-all (Freesurfer utrymme), eller ett ämne hjärna extraherades T1 (native anatomiska utrymme) som den inmatade bilden, och en Eddy korrigerats och hjärnan extraherade diffusion vägda bilden (DWI) som referens bild. Klicka sedan på "Go".
      Obs: Detta steg skapar två utgångar, ingångs hjärnan registrerad i referensbilden (.nii.gz) och en omformningsmatris (.mat). Bortsett från registrering, den senare dokumentation som krävs för tractography när utsädes utrymmet inte diffusion. Använd utgångs transformationsmatriser (.mat) som skapats i det här steget för tractography enligt beskrivningen i 7.4.2.
  3. Liknandetill 5,2, för att köra FLIRT linjär registrering föra deltagarnas PD hjärnor till Freesurfer utrymme och infödda anatomiska utrymme.
  4. Förbereda utsädes masker för tractography:
    1. Applicera FLÖRT omvandling från Utils i FLIRT linjär registreringsverktygslåda. Använda .mat matas ut som transformationsmatrisen, den ursprungliga LGN maskera som ingångs och brain.nii.gz (Freesurfer utrymme) eller T1_brain.nii.gz (native anatomiska utrymme) (se 5,2) som referensvolym. Välj Närmaste granne interpolationsmetod från de avancerade alternativen.
  5. Genom att bara använda brain.nii.gz filer, förbereda mål masker för tractography:
    1. Registrera Freesurfer hjärnor till infödda anatomiska utrymme och skapa mål masker genom att tillämpa omvandling till V1 masker (se 5.2, 5.4.1) med hjälp av Tri-Linjär interpolation. Klicka på "Go".

6. LGN Normalisering

  1. Använd FNIRT icke-linjär registrering som tidigare beskrivits på http: //fsl.fmrib.ox.ac.uk / FSL / fslwiki / FNIRT att föra deltagarnas icke framtagna hjärnor i nativ anatomiska utrymme till MNI utrymme, med hjälp av Montreal neurologiska Institute hela hjärnan mall (MNI152).
    Obs: Icke-linjär registrering av original anatomiska bilder rekommenderas för detta steg, som registreringar var mer korrekt när FNIRT applicerades på icke-extraherade T1s jämfört med flirta på extraherade hjärnor.
  2. Applicera omvandling till LGN masker i anatomiska utrymme (original LGN tidigare omvandlas till infödda anatomiska utrymme i 5,4) med hjälp av närmaste granne interpolation som beskrivs i 5.4.1 för att få masker till MNI utrymme.
  3. Genomsnittliga alla LGN masker i MNI utrymme mellan de båda grupper som använder AFNI s "3dMean" kommandot.
  4. Använd "fslmaths Thr" att tillämpa en tröskel för att den genomsnittliga mask i MNI utrymme.
  5. Beräkna radien av den genomsnittliga masken i MNI rymden med hjälp av V = 4/3 πr 3 (antar en sfär).
  6. Spela in masscentrum samordningennater för varje enskild LGN mask i nativ anatomiska rymden med hjälp av kommandot "fslstats -C".
  7. Skapa sfäriska ROI identiska volymer över deltagare:
    1. Använd "fslmaths" för att skapa ett ROI punkt med koordinaterna för den lämpliga individuella LGN mask i nativ anatomiska utrymme som registrerats i 6,6
    2. Använda "fslmaths", tillämpa radie av medel mask i MNI utrymme för att skapa en sfär runt ROI punkt i infödda anatomiska utrymme.
  8. Använd dessa standardiserade masker som frön för tractography.

7. Probabilistic tractography (FSL 5.0.4)

Obs! För nästa steg, ring Fdt_gui att få tillgång till var och en av följande verktyg.

  1. Korrekt för snedvridningar i DWIs med Eddy nuvarande korrigering. Välj Eddy nuvarande korrigerings alternativet i menyn högst upp på Diffusion Toolbox fönstret och ladda upp DWI som ingång, lämnar Default referensvolym (0).
  2. Hjärna extrahera bilder insats som beskrivs i 4.3.
  3. Välj DTIFIT återuppbyggnad diffusion tensorer alternativet på menyn. Ange en ingång katalog som innehåller följande filer: diffusion viktade data, nodif_brain_mask (utsignal BET), bvec och bVal (måste döpas till bvecs och bvals, textfiler som innehåller information om spridningsbildupptagning parametrar, produktion av DICOM till nifti omvandling av diffusion data). Klicka på "Go" för att köra dtifit, som passar en diffusion tensor modell på varje voxel, skapa filer för efterbearbetning.
  4. Därefter väljer BedpostX (skattning av spridningsparametrar) alternativ på menyn. Använd samma ingångs katalog som för DTIFIT. Klicka på "Kör" för att generera alla filer som krävs för tractography.
  5. Från samma meny väljer ProbtrackX för probabilistiska spårning och kör det för varje hemisfär separat. Håll standard grundläggande alternativ (5000 prover, 0,2 krökning och loopcheck gälld) och välj modifierad Euler för beräkning probabilistiska strömnings från avancerade alternativ för ökad noggrannhet.
    1. Välj utgång BedpostX innehållande .merged filer som BEDPOSTX katalogen.
    2. Välj enda mask som utsäde utrymme och ladda den transformerade LGN masken (i nativ anatomiska utrymme) som fröet bilden, T1 (hjärna i nativ anatomiska utrymme) diffusion transformationsmatris som fröet till spridning förändra, och V1 (i ursprungligt anatomiskt utrymme) i "valfria mål" (alla utom uteslutning masker) som mål.
    3. Använd standard mesh konvention (Caret) och ladda hjärnan i infödda anatomiska utrymme (T1 image) som referensytan bilden.
  6. Upprepa ProbtrackX för probabilistiska spårning med hjälp av standard sfäriska ROI (skapade i steg 6) som utsädes regioner för tractography som beskrivs i 7.5.2. Uppladdnings ROI på samma sätt omvandlas LGN (anatomiska utrymme) sändes in i 7.5.2.
  7. Re-run tractography (7,5), den här gångenmed utsäde (icke-normaliserade) och mål masker i Freesurfer utrymme med tillägg av Freesurfer: s kontra vita substansen gräns mask som en uteslutning mask, för att undvika varje övergångsställe över och säkerställa direkta ipsilaterala anslutningar. Kontrollera Surface alternativ från ProbtrackX verktygslådan och välj Freesurfer som mask konvention.
    Obs: Det är viktigt att betona att tractography alltid löpa från diffusion utrymme, men Probtrackx för probabilistiska spårning tillåter inmatning av utsäde och mål masker i en annan plats, tillsammans med en omformningsmatris diffusion utrymme. I denna studie var sannolikhets tractography drivs med masker i både infödda anatomiska och Freesurfer utrymme (Figur 2).

8. Deterministic tractography (DSI Studio)

  1. Öppna Eddy korrigerade diffusion-viktade bilder i DSI Studio 24 genom att klicka på Steg 1: Open Source bilder. Last bvec och bVal filer till en b-bordsfönstret som är automatiskt opaNed för att skapa en källa (.src) fil.
  2. Ladda genererade Källfiler på återuppbyggnaden fönstret för att ändra standard rekonstruerade hjärn masker som behövs.
  3. Välj sedan DTI som återuppbyggnaden metod 25 och köra den på källfilerna för att producera fiber informationsfiler (.fib).
  4. Ta Deltagarnas PD hjärnor till diffusion utrymme med hjälp av FLIRT linjär registrering.
  5. Applicera omvandling till LGN masker med närmaste granne interpolation som beskrivs i 5.4.1.
  6. Öppna .fib filer i programmets spårningsfönster.
  7. Kör spårning för varje halvklotet separat, med hjälp av LGN i diffusion utrymme som fröet och regionen 17 (V1) från Brodmann atlas tillgängliga från DSI Studio som terminative regionen. Ladda LGN masken genom att klicka på fliken regioner och Open Region. Välj Seed alternativ under Ange regionen listan till vänster på skärmen. Att ladda V1 masken från atlas, klicka på Atlas i verktygsfältet i regionen listan ochvälja lämpliga atlas.
  8. I varje körning, ställ in kontra WM (uppkallad vänster / höger-cerebral-vit-materia) mask från Freesurfer segmente atlas (se Region List rutan i spårningsfönstret) som ett område av undvikande (ROA).
  9. Upprepa spårning (8,7-8,8) med hjälp av sfäriska ROI i diffusion utrymme i stället för enskilda LGN som utsädes regioner för tractography.
    Obs: De sfäriska ROI har samma volym i alla ämnen och är centrerade i mitten av massan av varje LGN.
  10. Upprepa LGN normalisering, avsnitt 6, men den här gången registrerar hjärnor i diffusion utrymme till standard MNI utrymme, att utföra transformationer till LGN i diffusion utrymme (original LGN tidigare omvandlas till diffusion utrymme i 8,4-8,5) för att få masker till standard MNI utrymme. Beräkna volymen av den sfäriska ROI som den genomsnittliga volymen av alla LGN tvärs ämnen i MNI utrymme.
    Notera: spårningsparametrar kan modifieras av användaren. För de flesta körningar, var standardspårningsparametrar tillämpas. För vissa individer (A5, A7, S12), var anisotropi tröskel (standard 0,14-0,15) sänks (0,10-0,12) och vinkelgränsen (default 60) ökades (65-85) för trevligare visualisering. En schematisk av tekniken visas i Figur 3.

9. Statistisk analys - TBSS (FSL)

Obs: Tract-baserade spatial statistik är en voxelwise statistisk analys av deltagarnas FA maps16 erhölls med dtifit26. Den används flitigt för statistik över spridningsdata. Detta voxelwise tillvägagångssätt övervinner potentiella anpassning och utjämning problem sett i VBM-stil FA analys och ger hela hjärnan utredning, ouppnåelig genom tractography baserade approaches16.

  1. Kör "tbss_1_preproc" på FA data som finns i ett nyskapat TBSS katalogen.
  2. Kör "tbss_2_reg" - T att tillämpa icke-linjär registrering, vilket varje deltagares FA data i gemensamma utrymme (FMRIB58_FA,målbild i TBSS).
  3. Skapa en genomsnittlig FA skelett med centra alla vanliga områden bland deltagarna med hjälp av "tbss_3_postreg -S".
  4. Springa "Tbss_4_prestats 0,2" för att projicera varje deltagares linje FA karta på medel skelett av alla inriktade kartor FA.
  5. Skapa design.con och design.mat filer, se till att ordningen på matrisen är förenlig med den ordning i vilken TBSS förbehandlas FA-data.
  6. Kör "slumpa", med hjälp av T2 alternativet som rekommenderas för TBSS eftersom det fungerar på ett skelett (minskad delmängd av 3D-data), och 5000 pre-mutationer, som ger mer exakta p-värden.

10. Statistisk analys - SPSS

  1. Extrahera FA Värden från Deterministic Data
    Obs: Deterministiska-baserade FA-värden härleddes från DSI Studio output textfiler. Dessa värden representerar medelvärdet FA inom de genererade skrifter, WHich i detta fall motsvarar den region i OR.
    1. Kör spårning fiber i DSI studio.
    2. Spara STATISTIK textfiler som skapats av DSI Studio för varje genererad uppsättning skrifter och registrera "FA betyda värderingar från dem.
  2. Extrahera FA Värden från Probabilistic Data
    Obs: Probabilistisk baserade FA värdena härrör från ProbtrackX2 utgångs fdt_paths filer. Dessa är 3D-tarmkanalen densitet bilder som i denna studie täcker det område som motsvarar de yttersta randområdena.
    1. Använd FLÖRT linjär registrering för att få varje deltagares fdt_paths filer till diffusion utrymme.
    2. Binärisera utgångs masker med "fslmaths - bin".
    3. För varje deltagare, multiplicera masken genom sin FA karta från dtifit med "fslmaths -mul".
    4. Kör "fslmeants" för att hitta den genomsnittliga FA från varje kanalen mask.
  3. Running Analyser med SPSS (Använda deterministiska och probabilistiska
    Data)
    NAnm: Statistisk analys utförs med hjälp av SPSS 20 för Mac. Eftersom halvklotet är en inom individer variabel, en generaliserad linjär modell (GENLIN) med vilka effekterna i varje sida av hjärnan kan ses separat, tillämpas. Närmare bestämt är den generaliserade skatta ekvation (GEE) används.
    1. I separata tester, ställa in varje av medelvärdet FA och effektivisera count (waytotal eller procent genererade strömnings, PGsl) som beroende variabel.
      Obs: I denna studie, effektivisera räkna baseras på hur Otal värden. Waytotal beskriver det totala antalet genererade strömlinjer som inte har förkastats av inkludering / uteslutningskriterier 27. Antalet genererade strömnings (NGSL), som hänvisar till det totala antalet strömnings skickas, är lika med antalet voxlar i fröet mask multiplicerat med antalet prov som tas från varje voxel (5000 i detta fall). Procentenheter alstrade strömningslinjer (PGsl), waytotal dividerat med NGSL gånger 100, är ​​ett mått på framgångsrik connectivity mellan fröet och målet.
    2. Studera inverkan av och kön på LGN till V1-anslutning genom att ange dem som oberoende variabler i alla tester.
      Notera: Huvudsakliga effekter samt två- och tre-vägs-interaktioner studerades. Det är viktigt att notera att dessa individuella tester inte konditioneras till varandra, så betydelsen av en huvudeffekt eller interaktion är oberoende av den andra.
    3. Använd ålder som kovariat för alla tester. Dessutom använder LGN volym som kovariat för tester med ett genomsnittligt FA och waytotal som de beroende variablerna, men utelämna det från tester med PGsl som beroende variabel.
      Obs: Total hjärnvolymen konstaterades vara en obetydlig kovariat och därför utelämnats från statistik.
    4. Välj Bonferroni korrigering metod för att justera för multipla jämförelser 28 (signifikansnivån p <0,05).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Detta avsnitt ger en sammanfattning av resultat som erhållits med hjälp av två olika algoritmer för tractography, deterministiska och probabilistiska. LGN volymer i PD utrymme där masker ursprungligen dras, liksom i alla andra utrymmen som används i denna studie, är registrerade i tabell 2, och LGN spårning illustreras i Figur 4. De resultat som redovisas här bygger på körningar som används en standard sfär som LGN ROI. Standard LGN volymen var 461 mm 3 i båda halvkloten i anatomiska utrymme (sannolikhets kör), och 292,5 mm 3 och 364,5 mm 3 i höger och vänster hjärnhalva, respektive, i diffusion utrymme (deterministisk körning). För båda försöken dessa standard volymer är mycket nära de genomsnittliga volymer som beräknats i MNI utrymme (anatomisk till MNI: 472 mm 3 och 440 mm 3 för vänster och höger, respektive, diffusion till MNI: 376 och 312 mm 3 för vänsteroch höger, respektive) men större än de flesta enskilda LGN volymer i infödda utrymme (största i anatomiska: 281 mm 3, störst i diffusion: 324 mm 3). Eftersom Bonferroni är en mycket konservativ test värden p mindre än 0,1 behandlas som närmar betydelse och redovisas här. Dessutom TBSS på kartan FA avslöjade områden av signifikant skillnad (p <0,05) mellan de två grupperna, med områden i röda företräder regioner med reducerad vit substans kanalen integritet i albinism (Figur 5).

För både deterministiska och probabilistiska körningar, covariates och tre sätt gruppen efter kön av halvklotet interaktioner var obetydliga och därför undantagna från alla slutliga analyserna. För deterministiska sikt, med hjälp av medelvärdet FA som beroende variabel, viktigaste effekterna av och kön var obetydliga, medan den huvudsakliga effekten av halvklotet närmade betydelse (medelvärde ± SEM 0,41± 0,008 rätt; 0,39 ± 0,006 vänster, p = 0,064). Medel (± SEM) av medel FA värden som motsvarar eller region som förbinder LGN till V1 var 0,39 ± 0,007 för albinism och 0,40 ± 0,008 för kontroller. En tvåvägsinteraktion grupp av halvklotet var signifikant (p = 0,013). För sannolikhets sikt, genom att använda genomsnittliga FA värden från fdt_paths som den beroende variabeln, var den huvudsakliga effekten av grupp obetydlig (medelvärde ± SEM .353 ± 0,0035 kontroller, 0,349 ± 0,0046 albinism). De viktigaste effekterna av halvklotet (0,358 ± 0,004 rätt, 0,345 ± 0,003 vänster, p = 0,005) och kön (.34 ± 0,004 kvinnor; .36 ± 0,004 män, p = 0,014) var signifikant. En tvåvägs grupp genom samverkan mellan könen var signifikant (p = 0,033). Data för alla tester normalfördelad som bekräftas av Shapiro-Wilk test (p> 0,05). Med hjälp av deterministiska tillvägagångssätt genomsnittliga waytotal värdena var 2728 ± 127 för albinism och 2753 & #177; 169 kontroller. Den huvudsakliga effekten av halvklotet och det två sätt gruppen genom interaktion kön var signifikant (p = 0,027 och p = 0,004, respektive). Använda PGsl som beroende variabel, de viktigaste effekterna av och kön var obetydliga, medan effekten av halvklotet var signifikant (medelvärde ± SEM 0,89 ± 0,045 rätt, 0,63 ± 0,026, p = 0,001). De två sätt gruppen genom samverkan mellan könen var också signifikant (p = 0,003). Genomsnittlig PGsl från LGN till V1 var 0,76 ± 0,046 för albinism och 0,76 ± 0,048 för kontroller. PGsl beräknades med användning av standard LGN ROI. Data normalfördelade (Shapiro p> 0,05). För sannolikhets sikt, med hjälp av waytotal värderingar och PGsl som beroende variabler, de viktigaste effekterna av grupp, halvklotet och kön var inte signifikant. Mean waytotal värden var 28.739 ± 7297 för albinism och 31.220 ± 7202 för kontrollerna. Genomsnittlig PGsl från LGN till V1 var 1,3 ± 0,3 för albinism och 1,4 ±0,3 för kontroller. I båda fallen, data som var icke-normalfördelade och gamma log-transformation applicerades.

Med hjälp av deterministiska synsätt, avslöjade parvisa jämförelser minskade FA i den högra hjärnhalvan av albinism jämfört med kontroller (C 2 (1, N = 21) = 4,15, p = 0,042). I kontroller, var den vänstra hjärnhalvan FA värde lägre än den för den högra hjärnhalvan (p = 0,007), och en tendens till minskad FA hos kvinnor än hos män befanns (C 2 (1, N = 21) = 2,97, p = 0,085). Med användning av probabilistisk tractography, parvisa jämförelser avslöjade reducerat FA i vänster hemisfär jämfört med den högra hjärnhalvan i båda grupperna (C 2 (1, N = 21) = 6,31, p = 0,012). Hos män, var FA minskade signifikant i albinism jämfört med kontroller (C 2 (1, N = 21) = 4,27, p = .039). Dessutom FA minskade signifikant hos kvinnor jämed till män i kontroller (C 2 (1, N = 21) = 14,37, p <0,001). Använda waytotal värden från den deterministiska körningen som beroende variabel, parvisa jämförelser avslöjade minskad anslutning hos män med albinism jämfört med manliga kontroller (C 2 (1, N = 21) = 4,65, p = 0,031). I båda grupperna anslutning i den vänstra hjärnhalvan var lägre jämfört med den högra hjärnhalvan (C 2 (1, N = 21) = 4,34, p = 0,037). Dessutom anslutning var lägre hos män jämfört med kvinnor i albinism gruppen (C 2 (1, N = 21) = 4,47, p = 0,034), medan det motsatta sågs i kontrollgruppen (C 2 (1, N = 21) = 3,87, p = 0,049). Slutligen hos kvinnor, var en trend för minskad anslutning ses i kontroller jämfört med albinism (C 2 (1, N = 21) = 3,52, p = 0,061). Använda PGsl värden beräknade från deterministiska data avslöjade simi parvisa jämförelsernande resultat som de som erhölls med waytotal värden. Utgångarna från deterministisk tractography illustreras i Figur 6. Genom att använda probabilistiska data parvisa jämförelser avslöjade minskad anslutning i den högra hjärnhalvan av män jämfört med kvinnor (C 2 (1, N = 21) = 15,96, p <0,001). Utgångarna från probabilistisk tractography illustreras i Figur 7 A Pearsons korrelations avslöjade en mycket svag negativ korrelation mellan PGsl värden från båda metoderna (r = -0,172, p = 0,276;. Emellertid de fibervägarna överlappar till stor del och är kvalitativt liknande (figur 8) .

Figur 1
Figur 1:. Primär Visual Pathway i hjärnorna hos friska individer och patienter med Albinism Varje LGN mottager insignaler från båda ögonen. Ipsilaterala retinala projections avsluta på lager 2, 3 och 5, medan kontra projektioner hamnar på lager 1, 4 och 6. LGN sänder projektioner till V1 via optisk strålning (lila), med axoner avslutande tyngst på V1 Layer 4. Ingångar från de två ögon förblir segregerade i okulära dominans kolumner Layer 4. bortom denna punkt, är ingångar från båda ögonen kombinerade (kikare nervceller i hjärnbarken). (A) I kontroller, ungefär hälften av utsprången sträcker sig ipsilateralt (röd) från den tidsmässiga näthinnan, medan den andra hälften härrör från den nasala näthinnan och tvär (grön) vid chiasm till den kontralaterala hemisfären. (B) I albinism, finns det en förskjutning i linje av decussation i den temporala näthinnan, vilket resulterar i ökad passage av optiska nervfibrer, såsom illustreras av de förtjockade gröna fibrerna. Denna schematiska föreslår ytterligare avvikelser längre nedströms Retino-geniculo-kortikal vägen, med minskad LGN till V1-anslutning i albinism (modifierad från Mcketton et al., 2014) som bekräftats av denna studie. Klicka här för att se en större version av denna siffra.

figur 2
Fig. 2 "Probabilistic tractography Pipeline FLIRT Linear Registreringen användes för att trans Deltagarnas hjärnor till olika utrymmen (registrering indikeras med röda pilar): Inför utsäde masker, var PD hjärnor registrerade till anatomiska T1-rum och Freesurfer (FS) utrymme, och transformationer applicerades på original LGN masker med närmast intilliggande interpolering. för att skapa mål masker, var FS hjärnor omvandlas till T1-rum och transformationer applicerades på Freesurfer s V1 masker med tri-linjär interpolering. T1 och FS hjärnor linjärt registrerad diffusion utrymme. Freesurfer 's kontra vita substansen gräns mask tillsattes som utslagning mask i FS sikt. PROBTRACKX2 för probabilistiska spårning kördes i diffusion utrymme med masker input i T1 och FS utrymme. Klicka här för att se en större version av denna siffra.

Figur 3
Figur 3: deterministiska tractography Pipeline. Förbearbetning involverad DICOM till nifti Konvertering och gav en Diffusion-Weighted bild (dti.nii.gz) tillsammans med två textfiler (bvec och bVal). Störningar och rörelse korrigerades för att använda FSL: s virvelströms korrigering verktyg. Eddy korrigerade diffusion-viktade bilder öppnades i DSI Studio och bvec och bVal filer laddades på en B-bordsfönstret för att skapa en källa (.src) fil. Källfiler öppnades och standard rekonstruerashjärn masker modifierades efter behov. Därefter DTI rekonstruktion modell tillämpas till källfilerna för att producera fiber informationsfiler (.fib). LGN masker i diffusion utrymme lastades på det .fib filer i spåra fönstret och ställ som frön. Region 17 (V1) från Brodmann atlas sattes som en terminative region. I varje körning, var kontra WM mask från Freesurfer segmente atlas laddad och inställd som en ROA (båda halvkloten skisse här). Likhetstecken representerar produkten gav i ett visst steg; Orange pilar indikerar indatafilen som användes för nästa bearbetning eller spårningssteget; Asterisk (*) betecknar masker och hjärna i diffusion utrymme. Klicka här för att se en större version av denna siffra.

figur 4
Figur 4: LGN Mask Avgränsning. (A) inzoomad med tanke på höger och vänster LGN på ett genomsnitt koronalt PD vägda bilden platta som interpolerades till dubbelt så hög upplösning och halva voxelstorleken hos en patient med albinism, A11. (B) manuellt spåras höger och vänster LGN intresseområden (ROI) i rött (C) LGN masker omvandlas till Freesurfer rymden med hjälp av närmaste granne (röd) och tri-linjära (blå) interpole. Den förra användes för alla transformationer som utförs i denna studie för mer exakt avgränsning av strukturen. Klicka här för att se en större version av denna siffra.

figur 5
Figur 5: Voxelwise Statistisk analys med TBSS Hel hjärna voxelwise statistisk analys av. FA uppgifter genomfördes med hjälp av vägsbaserade spatial statistik (TBSS). Icke-linjär registrering av alla deltagarnas FA bilder till ett gemensamt utrymme utfördes, följt av skapandet av en genomsnittlig FA skelett och projektionen av varje deltagares FA bild på skelettet. (A) Albinism> kontroll kontrast visar skelett i grönt med några områden av betydelse på grund av minskad FA i albinism jämfört med kontroller. (B) Signifikant skillnad mellan kontrollgruppen och albinism gruppen detekteras med områden i röda företräder regioner (cerebral vita substansen motsvarande optiska strålnings fibrer och calcarine cortex, där de avsluta) med reducerad vit substans kanalen integritet i albinism, för kontroll> albinism kontrast (TFCE (tröskelfria kluster förbättring) korrigeras, p <0,05), (C) Förtjockad skeletonised version av resultaten visas i B, för visuell representation.les / ftp_upload / 53.759 / 53759fig5large.jpg "target =" _ blank "> Klicka här för att se en större version av denna siffra.

figur 6
Figur 6:. Produktionen av DSI Studio Fiber Tracking (A) Minskad LGN till V1 anslutning i albinism patienten A1 (lägsta antalet rekonstruerade skrifter bland deltagarna i högra hjärnhalvan, 1365) jämfört med (B) kontroller (S6, flest rekonstruerade skrifter bland kontrollerna i högra hjärnhalvan, 4355) (vänster LGN i rött, höger LGN i grönt, LGN anslutningar till optisk vägarna och OR i orange, V1 i blått). Optic vägarna till LGN anslutningar också ses i utdata. Klicka här för att se en större version av denna siffra.

Figur 7:. Produktionen PROBTRACKX för Probabilistic Tracking Minskad LGN till V1-anslutning i albinism (överst) jämfört med kontroller (botten). LGN visas i gult, optisk strålning i grönt, V1 i rött. Observera att skivor som visas här är inte avsedda att vara densamma, men är snarare ut som skivor som bäst representerar resultaten av metoden. Klicka god här för att se en större version av denna siffra.

Figur 8
Figur 8:. Probabilistisk kontra Deterministic Output Overlap Karta Anatomiska hjärnor (sannolikhets kör) och diffusion hjärnor (deterministiska kör) registrerades till1mm MNI hjärnor. Transformationer applicerades på tractography utgångs skrifter från körningar som används standard sfärer som LGN ROI. Utgångs skrifter var i genomsnitt över deltagare i varje metod, och (A) medelvägs masker belades på en 1 mm MNI hjärnan i FSL vy för jämförelse (probabilistiska i grönt, deterministisk i rött). Transparens applicerades på skildra liknande föreställningar om anslutning i båda metoderna. (B) LGN (blå) och V1 (rosa) masker sattes för att illustrera utsäde och målområdena. Klicka här för att se en större version av denna siffra.

albinism kontroller
Deltagare Ålder (år) Sex Klassificering Synskärpa Deltagare Ålder (år) Sex
A1 48 M OCA 0,6 S1 24 F
A2 20 M OCA-1 0,8 S2 22 M
A3 21 M OCA-1A 1,0 S3 25 M
A4 48 M OCA-1 1,0 S4 24 F
A5 43 F OCA-1 0,8 S5 20 F
A6 56 M OCA 0,9 S6 39 M
A7 22 F OCA 0,6 S7 26 F
A8 47 F OCA 0,9 S8 42 F
A9 45 F OCA 1,0 S9 41 F
A10 17 F OCA-1 0,9 S10 60 M
A11 29 F OCA-2 0,5

Tabell 1: Deltagare Information och sjukdomshistoria. Synskärpan bedömdes med hjälp av en tidig behandling diabetesretinopati Study (ETDRS) öga diagram och expressed i logMAR (logaritmen av det minsta vinkel på upplösning) notation, det vill säga den logaritmen med bas 10 av decimal synskärpa (0,0-1,0 för 20 / 20-20 / 200). ETDRS diagram tester har visat sig vara mer exakt än allmänt använda Snellen-test 29. Alla kontroller hade normal eller korrigerad till normal synskärpa (20/20). Ingen historik av neurologiska störningar rapporterades.

PD Anatomisk Spridning FS
Vänster Höger Vänster Höger Vänster Höger Vänster Höger
albinism 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
Kontroller 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

Tabell 2: a. Sammanfattning av LGN Volymer Volymerna inspelade i den här tabellen (mm 3) är av höger och vänsterLGN av patienter och kontroller i alla utrymmen som används i denna studie.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Förändrad WM och närmare bestämt minskade anslutning i albinism jämfört med kontroller förväntades. Således minskade FA i den högra hjärnhalvan av albinism jämfört med kontroller samt minskade anslutning hos manliga patienter med albinism redovisas här är i linje med vår prognos. Kön och halvklotet effekter är inte helt klart, men studier på friska hjärnan som tyder på minskad WM komplexiteten i den vänstra hjärnhalvan av män jämfört med kvinnor 30-31 kan förklara en del av den köns och halvklotet relaterade skillnader observerades i denna studie. Minskad anslutning i manliga albinism jämfört med kvinnliga albinism kan delvis på grund av den yngre medelåldern för kvinnor i båda grupperna (7 - 8 år <hanar), som WM volym rapporterades sänkas i mitten av vuxen ålder i den friska hjärnan 32 -33. Könsskillnader kan också bero på små provmängder och ojämnt antal män kontra kvinnor i varjegrupp (5 hanar OCA, 4 kontroller). Den ökade anslutning observerats hos kvinnliga albinism jämfört med kontroller av samma kön inte förväntas, och kan föreslå någon form av en kompensationsmekanism i albinism. Emellertid skulle detta fynd snarare tillskrivas den stora variationen inom en liten population prov.

Betyder FA och effektivisera räkna används för att utforska LGN till V1-anslutning. FA är en av de vanligaste rapporterade åtgärder som härrör från diffusion uppgifter. Det är mest korrekt beskrivas som en kvantifiering av hur starkt riktad diffusion är i en region. Det är viktigt att notera att gruppskillnader i FA åtgärder inte nödvändigtvis innebära skillnader i vita substansen integritet. Eftersom denna studie innebär ett kliniskt tillstånd med en potentiell effekt på vita substansen, kan en sådan tolkning motiveras. Även minskad integritet föreslår strukturella skador eller nedgång, FA i ett område kan sänkas på grund av färre hinder såsom störreaxon diametrar och mindre tätt packade axoner, samt på grund av mindre effektiva gränser till följd av ökad membranpermeabilitet 34. Termen "strömlinjeforma count ', är att föredra framför" fiber count', eftersom antalet rekonstruerade strömningslinjer inte kan vara en sann representation av antalet faktiska fibrer beroende på variationer i pathway funktioner såsom längd, krökning och förgrening, såväl som experimentella betingelser såsom signal-till-brusförhållandet (SNR) 34.

Tractography är den enda icke-invasiv teknik för kartläggning WM in vivo. I den deterministiska synsätt sker uppsägning när anisotropi sjunker under en viss nivå, eller när det finns ett abrupt vinkling. Dock de flesta voxlar innehåller fibrer i mer än en riktning, och den deterministiska tillvägagångssätt är begränsad till att antingen identifiera dominerande tarmkanalen i en voxel eller en "genomsnittlig" av alla riktningar inom en voxel. Vi kan därför inte ge en sann Repressentation av neuronala vägar. Probabilistiska tractography tillåter upplösningen av två fiber modeller i en enda voxel, vilket ger en mer tillförlitlig representation av ett område, och spårning i områden med låg anisotropi 17. Det probabilistiska algoritmen var därför i denna studie, som undersökte den banan för OR, en i hög grad förgrening WM struktur (i synnerhet den del av Meyers slinga), som slutar i den grå substansen i V1 särskilt fördelaktig. Det är viktigt att notera att probabilistisk tractography avser en stokastisk sannolikhet för att ha samma väg uppstå över flera permutationer, snarare än den vilseledande begreppet tractography representerar den sanna anatomin av en fiber. Även sannolikhets tractography tros följa den verkliga kursen av nervfibrer närmare, var deterministisk tractography springa för att jämföra användbarheten och reproducerbarhet båda teknikerna. Eftersom trender upptäcktes med hjälp av sannolikhets tillvägagångssätt likheter setti den deterministiska loppet bara ytterligare stärkt giltigheten av resultaten.

Bortsett från dess ökande användning i forskning om kartläggning anatomiska anslutningar i hjärnan, har tractography visat lovande framsteg inom neurokirurgisk panorering. Visualisering av eller under resektion av tumörer genom neuronavigationally överföra DWI data i operationsområdet rapporterades att hjälpa framgångsrikt avlägsna skador och hålla synfält intakta 35. Ändå har DTI begränsningar som relativt dålig spatial upplösning och försämrad datakvalitet när strukturer med låg fiberdensitet, såsom OR studeras 20. Även probabilistiska tractography var den föredragna tekniken, den aktuella studien syftar till att jämföra de två algoritmer. Båda spårningsalgoritmer avslöjat några gemensamma slutsatser, vilket ökar tillförlitligheten av resultaten.

LGN volym varierar från 112 till 276 mm 3 hos friska hjärnor 8 och correlates med volymer av syncentrum och den optiska kanalen, men inte med den totala hjärnvolym 36. Eftersom tractography beror på antalet voxels i fröet mask, bör LGN volym normaliseras över deltagarna att förhindra partiskhet i kvantitativa jämförelser mellan områden 37. Vi kontrollerade för skillnader i LGN storlek med hjälp av två olika metoder. I den första metoden, var sfäriska ROI av en standardstorlek skapas. För att uppnå detta, har en genomsnittlig volym i alla ämnen i sina LGN masker omvandlas till MNI utrymme beräknas. Med användning av radien av medelvärdet mask i MNI utrymme, var en sfär centrerad på masscentrum för varje LGN i endera anatomisk eller diffusion utrymme. Med en vanlig sfär ROI med en volym större än de enskilda LGN volymerna säkerställer införandet av alla voxlar som är en del av denna struktur i alla deltagare. När du använder en större maskstorlek vanligtvis skulle öka risken för falska positiva, inte en sådan oro inte när såddi en struktur såsom LGN, som skiljer sig i anslutningsmönster från omgivande kärnor. Därför kommer voxlar som tillhör andra strukturer kommer att generera strömlinjer som inte följer de förväntade vägar och sådana vägar därför kasseras 18 .Det andra metod vi använde för att kontrollera för LGN volym var att köra statistiska analyser med hjälp av LGN volym som kovariat, men detta förändrade inte signifikant de statistiska resultaten. En annan möjlig metod för LGN normalisering är tillsatsen och avlägsnande av voxlar kring enskilda LGN masker för att erhålla en standardstorlek över ämnen med hjälp av en MATLAB manus. Detta tillvägagångssätt kräver inga ytterligare registreringar och begränsar därför graden av deformation av hjärnan bilder och ökar noggrannhet. Den behåller också LGN kontur snarare än att skapa en sfär runt LGN regionen. Men för att minimera mänskliga misstag, kan multi-atlas segmente användas i stället för att manuellt spåra LGN masker. Med användning av en uppsättning av atlaser kontonför individuell strukturell variabilitet och ger därför en mer exakt återgivning av en subkortikal region än en enda atlas 38.

Denna roman in vivo-studie undersöker beroende av varandra utveckling mellan olika delar av den primära visuella vägen i mänsklig albinism. Det ger således ytterligare insikt i etiologin för detta tillstånd och förbättrad diagnos genom identifiering av sjukdom specifika signaturer. Både probabilistiska och deterministiska tractography algoritmer som används här visade jämförbara mönster av förändrad LGN till V1 anslutning i mänsklig albinism. Även om ingen generalisering till den stora befolkningen kan göras på grund av den lilla provstorleken och den stora interindividuella variationer i strukturer av intresse, visar denna studie användbarheten av tractography i upptäcka trender inom provpopulationen, vilket tyder på vikten av ytterligare forskning i fältet.

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

Arbetet stöds delvis av naturvetenskaplig och teknisk forskning Council of Canada (NSERC). Författarna tackar deltagarna, Dr. Rick Thompson för hans hjälp att rekrytera de albinism patienterna, Denis Romanovsky för hans hjälp att köra något av de analyser och ändra en siffra, Mónica Giraldo Chica för sin kunskap och råd med tractography, Joy Williams för hennes hjälp i MRI förvärv, och Aman Goyal för hans MRI kompetens analys.

Materials

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

DOWNLOAD MATERIALS LIST

References

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

Tags

Neurovetenskap Hjärnans utveckling albinism neuronal feldirigering magnetisk resonanstomografi (MRT) diffusion tensor imaging (DTI) tractography deterministiska / probabilistiska spårning fiber laterala knäkroppen (LGN) optisk strålning (OR) primär visuell cortex (V1) neurobiologi
Mätning Connectivity i Primär Visual Pathway i Human Albinism Använda Diffusion Tensor Imaging och tractography
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Grigorian, A., McKetton, L.,… More

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

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter