Summary
ここでは、病変症状マッピングを目的としたオープンアクセスの標準化された画像処理パイプラインの実用的なチュートリアルを提供します。CT/MRIの手動梗塞セグメンテーションから、その後の登録から標準スペースまで、各処理ステップのステップバイステップのチュートリアルが提供され、例示的なケースを含む実用的な推奨事項とイラストが提供されます。
Abstract
病変症状マッピング(LSM)において、脳機能は、後天性脳病変の位置を患者群の行動または認知症症状に関連させることによって推測される。近年の脳イメージングと画像処理の進歩により、LSMは認知神経科学の一般的なツールとなっています。LSMは、様々な認知機能および非認知機能のための人間の脳の機能アーキテクチャに関する基本的な洞察を提供することができます。LSM研究を行う上で重要なステップは、患者の大規模なグループの脳スキャンの病変のセグメンテーションと、共通の立体空間(標準空間または標準化された脳テンプレートとも呼ばれる)への各スキャンの登録です。ここでは、LSM を目的とした梗塞セグメンテーションと登録のためのオープン アクセスの標準化された方法と、例示的なケースに基づく詳細で実践的なチュートリアルについて説明します。CTスキャンおよびDWIまたはFLAIR MRI配列の脳梗塞の手動セグメント化のための包括的なチュートリアルが提供され、梗塞同定の基準と異なるスキャンタイプの落とし穴が含まれています。登録ソフトウェアは、異種取得パラメータを使用してCTおよびMRIデータの処理に使用できる複数の登録スキームを提供します。この登録ソフトウェアを使用し、視覚的な品質チェックと手動修正(場合によっては必要)を実行するチュートリアルが提供されています。このアプローチは、データの収集から結果の最終品質チェックまで、LSM研究を実行するために必要な脳画像処理のプロセス全体のフレームワークを研究者に提供します。
Introduction
病変症状マッピング(LSM)は、病変行動マッピングとも呼ばれ、ヒト脳1の機能アーキテクチャを研究するための重要なツールである。病変研究では、後天性脳病変を有する患者を研究することによって脳機能が推測され、局在化する。19世紀に行われた特定の脳の位置に神経学的症状をリンクする最初のケーススタディは、すでに言語といくつかの他の認知プロセスの解剖学的相関に関する基本的な洞察を提供しました2.しかし、認知および他の脳機能の多くの側面の神経解剖学的相関は、依然として解明されていない。過去数十年にわたり、構造脳イメージング法の改善と技術の進歩により、高い空間分解能を持つ生体内LSM研究(すなわち、個々のボクセルまたは特定の皮質/皮質下領域のレベル)で大規模な研究が可能になりました1 、2.これらの方法論的進歩により、LSMは認知神経科学においてますます一般的な方法となり、認知および神経学的症状3の神経解剖学に関する新しい洞察を提供し続けている。LSM研究の重要なステップは、病変の正確なセグメンテーションと脳テンプレートへの登録です。しかし、LSMを目的とした脳イメージングデータの前処理のための包括的なチュートリアルが欠けている。
ここでは、標準化された病変セグメンテーションおよび登録方法の完全なチュートリアルを提供します。この方法は、標準化された脳画像処理のためのパイプラインと避けなければならない潜在的な落とし穴の概要を研究者に提供します。提示された画像処理パイプラインは、国際的なコラボレーション4を通じて開発され、最近設立されたMeta VCIマップコンソーシアムのフレームワークの一部であり、その目的は、マルチセンター病変症状マッピング研究を行っています。血管認知障害
LSM スタディを始める前に、一般的な概念と落とし穴の基本的な理解が必要です。いくつかの詳細なガイドラインとヒッチハイカーのガイドは、1、3、6を利用可能です。しかし、これらのレビューは、脳スキャンを収集し、適切な形式に変換し、脳梗塞をセグメント化し、脳テンプレートにスキャンを登録することに関連する実用的な手順のための詳細な実践的なチュートリアルを提供していません。本稿では、このようなチュートリアルを提供する。LSM の一般的な概念は、主題に関するさらなる読み取りのための参考文献を紹介する。
病変症状マッピング研究の一般的な目的
認知神経心理学の観点から、脳損傷は、特定の認知過程の神経基盤をよりよく理解し、脳の認知アーキテクチャのより完全な全体像を得るためのモデル条件として使用することができる1.これは、ブロカやヴェルニッケ2のような開拓者によって19世紀の死後研究で最初に適用された神経心理学の古典的なアプローチです。機能的脳イメージングの時代には、病変アプローチは、特定の脳領域の病変がタスクのパフォーマンスを破壊するという証拠を提供し、機能的イメージング研究は脳領域を示すので、神経科学において重要なツールであり続けています。タスクのパフォーマンス中にアクティブ化されます。したがって、これらのアプローチは補完的な情報1を提供します。
臨床神経学の観点から、LSM研究は、急性症状梗塞、白色物質高血圧、ラクネ、または他の病変タイプ(例えば、腫瘍)を有する患者における病変位置と認知機能との関係を明らかにすることができる。).最近の研究は、戦略的脳領域におけるこのような病変が、世界的な病変負担2、5、7、8よりも認知能力を説明する上でより関連していることを示している。このアプローチは、複雑な障害(この例では血管認知障害)の病態生理学の理解を向上させる可能性があり、新しい診断および予後ツールを開発したり、治療をサポートしたりする機会を提供する可能性があります。戦略2.
LSMはまた、認知の分野を超えたアプリケーションを持っています。実際には、任意の変数は、臨床症状、バイオマーカー、および機能的な結果を含む病変位置に関連することができます。例えば、最近の研究では、虚血性脳卒中10後の機能的結果を予測した梗塞場所を決定した。
ボクセルベースとインタレストベース病変症状マッピングの領域
病変症状マッピングを実行するには、病変をセグメント化し、脳テンプレートに登録する必要があります。登録手順の間、各患者の脳は空間的に整列され(つまり、正規化または共通のテンプレートに登録される)、病変マップ内の各ボクセルが同じ解剖学的に表するように、脳の大きさ、形状、方向の違いを修正します。すべての患者のための構造7.標準空間では、いくつかのタイプの解析を実行できます。
粗病変減算分析は、赤字のない患者と比較して、赤字患者における病変分布の差を示すために行うことができる。結果として得られた減算マップは、赤字の患者でより頻繁に損傷を受け、赤字なしの患者で免除される領域を示しています1.病変減算分析は、特定の関数の相関関係に関するいくつかの洞察を提供することができますが、統計的証拠を提供しないし、サンプルサイズが低すぎる場合に主に使用され、ボクセルベースの病変症状に十分な統計的パワーを提供するマッピング。
ボクセルベースの病変症状マッピングにおいて、病変の存在と認知能力との関連は、脳内の個々のボクセルのレベルで決定される(図1)。この方法の主な利点は、高い空間分解能です。従来、これらの分析は、複数のテストの修正を保証し、考慮されていないボクセル間相関によって引き起こされる空間バイアスを導入する質量ユニバタリテアプローチで行われてきました1,10,11.最近開発されたアプローチは、ボクセル間相関を考慮に入れる(通常、ベイジアン分析13、支持ベクター回帰4などの多変量病変症状マッピング法と呼ばれる)14、または他の機械学習アルゴリズム15)は、有望な結果を示し、従来の方法と比較してボクセルワイズLSM分析からの所見の感度および特異性を改善するように見える。ボクセルワイズLSMの多変量法のさらなる改善と検証は、進行中のプロセスです。特定の病変症状マッピングの最良の方法選択は、病変の分布、結果変数、およびメソッドの基礎となる統計的仮定を含む多くの要因に依存します。
対象領域(ROI)ベースの病変症状マッピングでは、特定の脳領域内の病変負担と認知能力との関連が決定される(図1の図2を参照)。この方法の主な利点は、解剖学的構造内の累積病変負担を考慮することです。一方、ROIベースの解析は、領域16のボクセルのサブセットにのみ存在するパターンを検出するための限られた電力を有する。従来、ROIベースの病変症状マッピングは、ロジスティックまたは線形回帰を使用して実行されます。近年、共線性をより良く扱う多変量法(例えば、ベイズネットワーク解析17、支持ベクトル回帰4、18、または他の機械学習アルゴリズム19)が導入されている。病変症状マッピング研究からの所見の特異性を改善する。
患者の選択
LSM研究では、患者は通常、特定の病変タイプ(例えば、脳梗塞または白色物質高血圧)および診断と神経心理学的評価(例えば、急性脳卒中対慢性脳卒中)の間の時間間隔に基づいて選択される。最適な研究設計は、研究の質問に依存します。例えば、ヒト脳の機能的アーキテクチャを研究する場合、急性脳卒中患者は、この段階でまだ機能的再編成が行われていないため、慢性脳卒中患者は研究時に含まれるべきである。認知に対する脳卒中の長期的な影響。患者選択における考慮事項と落とし穴の詳細な説明は、他の場所で提供されています 7.
病変症状マッピングを目的とした脳画像前処理
一般的な脳テンプレートへの正確な病変セグメンテーションと登録は、病変症状マッピングの重要なステップです。病変の手動セグメンテーションは、梗塞7を含む多くの病変タイプのゴールドスタンダードのままである。CTスキャン、拡散加重イメージング(DWI)、および急性および慢性段階の両方における流体減衰反転回収(FLAIR)MRI配列の手動梗塞セグメンテーションの基準に関する詳細なチュートリアルです。セグメント化された梗塞(すなわち、3Dバイナリ病変マップ)は、被験者間分析を実行する前に登録する必要があります。このプロトコルは、マルチセンター設定4で開発された登録方法 RegLSM を使用します。RegLSMはCTおよびMRIの両方にelastix20に基づく線形および非線形登録アルゴリズムを適用し、CTスキャン21の登録品質を高めるために特別に設計された付加的なCT処理ステップと。さらに、RegLSMは、異なるターゲット脳テンプレートと(オプション)中間登録ステップを年齢固有のCT/MRIテンプレート22に使用することを可能にする。CTスキャンとMRIスキャンの両方を処理する可能性と中間およびターゲット脳テンプレートに関するカスタマイズ性により、RegLSMはLSMに非常に適した画像処理ツールになります。CT/MRIスキャンの準備とセグメント化、脳テンプレートへの登録、および手動修正(必要な場合)のプロセス全体について、次のセクションで説明します。
図 1: ボクセルベースの病変症状マッピングの概念の概略図。上部は、病変(この場合は急性梗塞)をセグメント化し、その後に脳テンプレート(この場合はMNI-152テンプレート)に登録して構成される脳画像前処理ステップを示す。以下に、同じ患者の登録されたバイナリ病変マップの一部が3Dグリッドとして示され、各立方体はボクセルを表す。他の99人の患者の病変マップと一緒に、病変オーバーレイマップが生成される。各ボクセルについて、病変状態と認知能力との関連を決定するために統計的検定が行われる。ここに示すカイ二乗検定は一例に過ぎず、統計検定を使用することができます。通常、数十万のボクセルが脳全体でテストされ、その後、複数の比較のための補正が行われます。この図のより大きなバージョンを表示するには、ここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
このプロトコルは、私たちの機関人間研究倫理委員会のガイドラインに従っています。
1. スキャンと臨床データの収集
- 虚血性脳卒中患者の脳CTまたはMRIスキャンを収集します。ほとんどのスキャナは、ハード ディスクまたはサーバーにコピーできる DICOM (医療のデジタル イメージングおよび通信) ファイルとしてスキャンを保存します。
注:すべてのスキャナタイプ、スキャンプロトコル、およびMRIフィールド強度からのスキャンを使用することができ、1)使用されるスキャンタイプのタイムウィンドウ要件が満たされている限り(表1を参照)、2)正確な梗塞の線引きを妨げるアーティファクトはない。CTおよびMRIのアーティファクト検出に関する詳細なチュートリアルは、他の場所で23、24で提供されています。CT で一般的に発生するモーション アーティファクトの例を図 2に示し、結果セクションの例に良質のスキャンの例を示します。梗塞は、任意のスライスの厚さと任意の面内画像解像度を持つスキャンでセグメント化することができます。しかし、薄いスライスと高い面内分解能により、脳テンプレートに梗塞をより正確に表現できます。 - 各臨床変数のケースと列ごとに個別の行を作成して、データファイル(例えば、Excel)に臨床変数を収集します。梗塞セグメンテーションの場合は、少なくともストロークの日付とイメージングの日付の変数、またはストロークとイメージングの間の時間間隔を示す変数を含めます。
- プライバシーに関する倫理的なガイドラインと規制に従うことを確認します。データが匿名化されているか、コード化されていることを確認します。DICOM ファイルにタグとして保存されている名前、住所、生年月日などの患者データの削除には特に注意してください。これらのタグは、dcm2niix (
2. DICOMイメージからニフティファイルへの変換
- dcm2niix ツールを使用して DICOM イメージを圧縮されていない nifti ファイルに変換するには、コマンド プロンプトで「[dcm2niix.exe のフォルダ パス]\dcm2niix %d_%p [dicom ファイルのフォルダ パス]」と入力します。フォルダパスが挿入されたコマンドの例としては、C:\ユーザー\matthijs\dcm2niix %d_%p C:\ユーザー\matthijs\dicom\があります。このコマンドは、dcm2niix実行可能ファイルを実行し、選択したフォルダ内のDICOMイメージを変換し、同じフォルダにniftiファイルを保存します。
注:%d_%p を追加すると、シリーズの説明とプロトコル名がファイル名に挿入されます。バッチ変換のオプションを含む追加機能は、dcm2niix マニュアル ( - 変換中にスキャン・タイプ (CT、FLAIR、DWI、またはその他のシーケンス名) の名前がファイル名にコピーされていることを確認します (このオプションは dcm2niix で使用できます)。
- MRI スキャンの場合は、セグメンテーションの DWI または FLAIR シーケンスを選択します。あるいは、梗塞が見える他の構造配列を使用することもできます。CT、DWI、またはFLAIRを梗塞セグメンテーションに使用できる脳卒中後の適切な時間枠については、表1を参照してください。
- nifti ファイルをケースごとにサブフォルダを使用して便利なフォルダ構造に整理します (RegLSM および補足図 1のマニュアルを参照してください)。このマニュアルは
からダウンロードできます。
注:このフォルダ構造は、登録ソフトウェア RegLSM の要件です (セクション 4 を参照)。RegLSMのアップデートは、BIDS(脳イメージングデータ構造26、
3. 梗塞セグメンテーション
- すべてのスキャンタイプに適用される一般的な発言
- セグメンテーションと登録を実行および評価する人が、バイアスを避けるために結果変数 (通常は認知手段) に盲目であることを確認します。
- 梗塞は通常、横方向のスライスでセグメント化されますが、セグメンテーションは任意のスライス方向で実行できます。
- 快適な設定を提供するために、高解像度のモニターディスプレイと最適な周囲光を使用して、梗塞セグメンテーション中の理想的な表示条件を確保します。セグメンテーション中に画像コントラストを手動で調整し、健康な脳組織間の最適なコントラストを提供します。主題間で同様の設定を適用する際に一貫性を保ちます。
- CT上の梗塞セグメンテーション
- まず、脳卒中症状発症後に少なくとも24時間スキャンが行われたかどうかを確認する。24時間以内に、急性梗塞はCT上で部分的にしか見えないか、または部分的にしか見られず、スキャンはセグメンテーション7に使用できない。図については、図 3を参照してください。
- ITK-SNAPソフトウェアを使用してネイティブCTを開きます(
)27で無料ダウンロードできます。ITK-SNAP で、[ファイル] をクリックし、ドロップダウン メニューからメイン イメージを開きます。[参照]をクリックし、ファイルを選択してスキャンを開きます。既定のコントラスト設定で、正常な脳組織と病変とのコントラストが低下する場合は、コントラスト設定を調整します。これを行うには、[ツール] | 画像のコントラスト | コントラスト調整をクリックします。
注:任意のオープンソースソフトウェアを使用することもできます。 - 可能な場合は、急性梗塞とラクーン(サブ)皮質梗塞、または白質高強度を区別するための参照として、脳卒中症状発症後24時間以内に行われたCTを別のインスタンスで開きます。
- 次の特性に基づいて梗塞を識別する。梗塞は、正常な脳組織と比較して低いシグナル(すなわち、低密度)を持っている。
- 急性期(最初の数週間)では、大きな梗塞は、周囲の組織の変位、心室の圧迫、中線シフトおよびスルチの消滅をもたらす質量効果を引き起こす可能性がある。梗塞内に高信号(すなわち超電度)を有する領域として見られる出血性形質転換がある可能性がある。
- 慢性的な段階(数ヶ月から数年)では、梗塞は、(脳脊髄液と同様の密度を有する)低密度のキャビテーションされた中心と損傷した脳組織を表す低密度の縁で構成される。キャビテーションされた中心と低密度のリムの両方を梗塞としてセグメント化する必要があります。大きな梗塞の場合、隣接するスルチまたは心室の外血管肥大が起こりうる。
注:質量効果または構造の外空拡大による組織変位は、セグメンテーション中に補正されるべきではない(すなわち、梗塞の全範囲のみをセグメント化する必要がある)。組織の変位の訂正は登録および後続のステップの間に行われる。
- メインツールバーからペイントブラシモードを使用して梗塞した脳組織をセグメント化します(左クリックで描画し、右クリックして消去します)。または、ポリゴン モードを使用して、病変の境界にアンカー ポイントを配置するか(これらのポイントは自動的に線で接続されます)、マウスの左ボタンを押しながら、レシオの境界上にマウスを移動します。すべてのアンカー ポイントが接続されたら、[同意]をクリックして、線分領域を塗りつぶします。
- 梗塞がCT上で同位体になる相(これは、食細胞を持つ梗塞組織の浸潤と共に起こる)を指す曇り相を避けてください。これは通常、脳卒中発症後14~21日後に起こりますが、まれに28日より早く発生する可能性があります。この期間中、梗塞が見えなくなったり、境界がはっきりしなくなったりして、この段階は梗塞のセグメンテーションに適さない。曇り期の後、キャビテーションおよび神経膠シスが起こると、病変は再び低密度になる。2 つの例については、図 4を参照してください。
- セグメンテーションが終了したら、セグメンテーションをクリックしてスキャンと同じフォルダにバイナリ nifti ファイルとして保存し、ドロップダウン メニューからセグメンテーションイメージを保存し、セグメント化されたスキャンとまったく同じ名前を付けてセグメンテーションを保存します。.lesion の拡張 (例えば、スキャンが "ID001" として保存された場合。CT.nii」は、セグメンテーションを「ID001」として保存します。CT.lesion.nii")。
- DWI上の梗塞セグメンテーション
- 最初に、DWIが脳卒中発症から7日以内に行われたかどうかを確認します。梗塞は脳卒中発症後数時間以内にDWIに表示され、約7日後にDWIの可視性が徐々に低下します(詳細については、議論の第2項を参照)。
- ITK-SNAP で DWI を開きます(ステップ 3.2.2 と同じ方法で)。
注:DWI シーケンスは、ほとんどのスキャン プロトコルに対して少なくとも 2 つのイメージを生成します。b 値が高いほど、拡散効果が強くなります。虚血性脳卒中検出では、ほとんどの場合29で良好なコントラスト対雑音比を提供するため、1000 s/mm2付近のb値がしばしば使用されます。b 値が高い画像は、梗塞セグメンテーションに使用されます。 - 参照用の ITK-SNAP の別のインスタンスで、見かけの拡散係数 (ADC) シーケンスを開きます。
- DWI上の高信号(すなわち、超強烈)とADC上の低信号(すなわち、低強烈)に基づいて梗塞した脳組織を同定し、注釈を付けます(図5参照)。梗塞のADC値は、脳卒中30の後に平均1週間でADCが正常化するまで徐々に増加するが、血管原性性性性経腫が多い場合、ADCは数日後にすでに(ほぼ)正規化される可能性がある。
注:b値が低いDWI画像では、本質的に高いT2信号(白色物質の高強度など)を持つ脳病変も超強烈に見えることがある。この現象は、T2輝き31と呼ばれています。しかし、b値が大きくなるにつれて、DWIイメージ上の信号は固有のT2信号の代わりに拡散特性をより強く反映するにつれて、この現象はあまり関連性が低くなります。最新の DWI スキャン プロトコル (通常は b 値=1000 以上) では、T2 の輝きスルー効果は32に制限されています。 - 空気と、一般的に観察されるアーティファクトである組織または骨の間の界面付近の高いDWI信号を梗塞と間違えさせないようにしてください。図 5を参照してください。
- アニュテーションをバイナリ nifti ファイルとして保存し、セグメント化されたスキャンとまったく同じ名前を付け、.lesion の拡張子を指定します (ステップ 3.2.7 と同じ方法で)。
- FLAIRの梗塞セグメンテーション
- まず、脳卒中の症状の発症後にスキャンが実行されたかどうかを確認します。.gt;48 h.超急性期では、梗塞は通常FLAIR配列では見えないか、梗塞の正確な境界は31である(図6参照)。
- ステップ 3.2.2 と同じ方法で、ITK-SNAP で FLAIR を開きます。
- T1 を開き、使用可能な場合は、参照用に ITK-SNAP の別個のインスタンスを開きます。
- 次の特性に基づいて梗塞した脳組織を同定し、セグメント化する。
- 急性期(最初の数週間)では、梗塞は、明らかな腫脹および質量効果の有無にかかわらず、多かれ少なかれ均質な高発性病変として見える(図5)。
- 慢性的な段階(数ヶ月から数年)では、梗塞がキャビテーションされ、FLAIR上で中心が低症または同性になることを意味する。この空洞はT1で最も正確に同定することができる。ほとんどの場合、キャビテーションされた中心はFLAIRの超強烈な縁に囲まれ、神経膠座を表す。33.
注:しかし、慢性梗塞のキャビテーションおよび神経膠症の程度にはかなりのばらつきがある。空洞と超強烈な縁の両方を梗塞としてセグメント化します(ステップ 3.2.5 を参照)。FLAIRの過度の病変は必ずしも梗塞ではない。急性期には、小さな皮質梗塞は、DWIが利用可能な場合に推定血管起源のラクーンなどの白質高血圧または他の慢性病変と容易に区別することができる(図5参照)。慢性的な段階では、それはより困難なことができます。慢性期におけるこれらの病変タイプの判別方法の詳細については、議論の第3項を参照してください。
- アニュテーションをバイナリ nifti ファイルとして保存し、セグメント化されたスキャンとまったく同じ名前を付け、.lesion の拡張子を指定します (ステップ 3.2.7 と同じ方法で)。
| スキャンの種類 | ストローク後のタイム ウィンドウ | 梗塞のプロパティ | リファレンススキャン | 落とし穴 |
| Ct | >24 h | 急性: 低密度 | - | - フォギングフェーズ |
| 慢性:CSFおよびより少ない低密度縁との低密度腔 | - 出血性変換 | |||
| 飲酒 運転 | <7 日 | ハイパーインテンス | ADC: 一般的に低強さ | - T2シャインスルー |
| - 空気と骨/組織間の界面付近の高いDWI信号 | ||||
| 才能 | >48 h | 急性: 過強烈 | 急性: DWI/ADC, T1 (アイソインテンスまたは低強圧) | - ホワイトマターの高強度 |
| 慢性:低強さまたはアイソテンス(空洞)、過強性縁 | 慢性:T1(CSF特性を持つ低粘度空洞)。 | - ラクネス |
表 1: 異なるスキャン タイプの梗塞セグメンテーションの基準の概要。
4. 標準スペースへの登録
- RegLSM を
4からダウンロードします。このツールを使用して、CTスキャンおよびあらゆる種類のMRI配列を処理します。登録手順を図 7 に示します。
注:RegLSMのオプション機能には、脳萎縮22を有する高齢患者のスキャンに近い中間CT/MRIテンプレートへの登録が含まれる。デフォルトでは、CTスキャンとMRIスキャンはMNI-152テンプレート34に登録されていますが、これがより良いスタディに適している場合は、他のテンプレートに置き換えることができます。図 7 に、さまざまな登録スキームを示します。この手順では、他のオープン ソース登録ツールも使用できます。 - 1) nifti ファイルが圧縮されていない場合、2) セグメント化されたスキャンのファイル名に CT、FLAIR、または DWI という用語が含まれていること、および 3) 病変アヌ釈のファイル名に".lesion" が付加された同じ用語が含まれていることを確認します。これらの最初の 3 つの手順に従うと、データは登録用に完全に準備され、何も変更する必要はありません。
- MATLAB (バージョン 2015a 以降) を開き、現在のフォルダをRegLSMに設定します (このフォルダは35 (バージョン 12 以上からダウンロードできますが、
- 1 つのケースの登録を実行するには、登録ドロップダウン メニューでテスト モードを選択します。テスト モード パネルで、開いているイメージボタンを使用して、スキャン (CT、FLAIR、または DWI)、アテーション、および必要に応じて T1 を選択します。登録スキームを選択します: Ct, FLAIR T1 の有無にかかわらず, T1 の有無にかかわらず DWI.
- または、バッチ モードを選択して、選択したフォルダ内のすべてのケースのスキャンをバッチ モードで登録します。
- RegLSM は、結果の登録パラメータと登録されたスキャン (中間ステップを含む) と登録された病変マップを自動的に生成されるサブフォルダーに保存していることを確認します。このプロセスの間に、登録されたスキャンおよび病変マップはMNI-152テンプレートの分解能(等方性1 mm3ボクセル)および角度に一致するようにリサンプリングされる。
5. 登録結果の確認
- RegLSM GUI でオプションチェックの結果を選択し、登録結果を含むメイン フォルダを参照します。GUI は、登録された病変マップで登録されたスキャンを自動的に選択し、横方向、矢状方向、および冠状位方向に登録された病変マップを持つ MNI-152 テンプレートを選択します(図 8参照)。
- 登録されたスキャンをスクロールし、十字線を使用して、登録されたスキャンと MNI-152 テンプレートの配置を確認します。基底神経節、心室、頭蓋骨などの認識可能な解剖学的ランドマークの位置合わせに特に注意を払います。
- セクション 6 の後続の手動修正のために、データ ファイル内の別の列 (手順 1.2 で行われた) で、失敗したすべての登録をマークします。
注:登録における一般的な誤差は、急性期の病変によって引き起こされる質量効果、または慢性期における心室の血管肥大による不完全なアライメントである。このようなずれの例については、図 3および図 5を参照してください。もう一つの一般的な誤差は、テトリウム小脳のずれであり、その場合、後頭部梗塞はテンプレート内の小脳と重なり合うことができる。病変のない組織のずれは、その後の病変症状マッピング解析でバイナリ病変マップのみが使用される場合には問題になりません。このような場合、病変だけを完全に整列させる必要があります。
6. 手動で登録エラーを修正する
- 修正が必要な病変マップの場合は、ITK-SNAPでMNI-152 T1テンプレートを開き、セグメンテーションメニューから選択します |オープンセグメンテーション | 登録された病変マップ, テンプレートにオーバーレイされました。
- ITK-SNAPの別のインスタンスで登録された脳スキャンを開いて参照してください。
- ボクセルを追加する(左クリック)か(右クリック)ブラシ機能を使用して、ステップ5.3で言及されているあらゆるタイプのミスアライメントに対して、ITK-SNAPで登録された病変マップを修正します。登録されたスキャンマップとオーバーレイされた病変マップ(ステップ 5.2 を参照)を MNI-152 テンプレートと慎重に比較し、ITK-SNAP (ステップ 6.1 を参照) で病変マップを重ね合わせて、不整列の領域を識別します。図 3および図 5を参照してください。
- MNI空間で病変マップを手動で補正した後、患者のセグメント化されたネイティブスキャンとMNI空間内の補正された病変マップ(すなわち、ステップ6.3の結果)を比較して最終チェックを実行します。MNI空間の補正された病変マップがネイティブ空間の梗塞を正確に表していることを確認します。基底神経節、心室、頭蓋骨などの認識可能なランドマークに特に注意を払います (ステップ 5.2 に似ています)。
- MNI空間の修正された病変マップを、MNI-152 空間の修正されていない病変マップと同じフォルダーにバイナリ nifti ファイルとして保存し、修正されていない病変マップとまったく同じ名前を付けます。
7. 病変症状マッピング用のデータの準備
- すべての病変マップの名前を変更します。デフォルトでは、RegLSMはファイル名「結果」を持つサブフォルダーに病変マップを保存しました。ファイル名に件名 ID を含めます。手動で修正する場合は、必ず修正したファイルを選択して名前を変更してください。
- すべての病変マップを 1 つのフォルダにコピーします。
- ITK-SNAPで複数の病変マップをランダムに選択して検査し、これらをネイティブスキャンと比較して、左右反転などのデータ処理における体系的なエラーを除外することで、データの健全性チェックを実行します。
- MRIcron
注:結果として得られる病変オーバーレイ マップは、MNI-152 テンプレートに投影され、MRIcron や ITK-SNAP などを使用して検査できます。 - 病変マップは、ボクセルベースの病変症状マッピングまたは病変マップと同じ標準空間に登録されたアトラスを使用して、対象とする特定の領域内の梗塞体量の計算に使用できるようになりました(この場合、MNI-152スペース多くのアトラスが利用可能であり、そのうちのいくつかは36、37、38以下に引用されています。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
CT(図3)、DWI(図5)、FLAIR(図6)画像における脳梗塞セグメンテーションの例例、およびMNI-152テンプレートへのその後の登録をここに提供する。図3Bおよび図5Cに示す登録結果は、心室の前角付近にずれがあったため、完全に成功しなかった。これらの失敗した登録の登録された病変マップは手動で修正され、その結果は図に示されます。この手動修正の後、これら3つの例の各々の病変マップは、ネイティブ空間における梗塞の正確な表現であり、病変マップは、その後の病変症状マッピングに使用する準備が整いました。図6Cは、手動修正を必要としない適切な登録結果の例を示す。
これらの数字はまた、これらのスキャンモダリティのそれぞれに脳梗塞セグメンテーションのいくつかの潜在的な落とし穴を強調しています。図2は、CTスキャンにおけるモーションアーティファクトの例を示し、その場合、患者はLSM研究から除外されるべきである。図4は、脳卒中後14~21日後に通常発生するCTスキャンでの曇りの例を示し、梗塞サイズの過小評価につながる。したがって、この時間間隔で行われた CT スキャンは、病変症状のマッピングには使用しないでください。図7は、RegLSMソフトウェアを用いて生成された3つの典型的な脳画像登録スキームの結果を示す。図 8は、RegLSM 登録結果ビューアの MNI-152 T1 テンプレートへの DWI イメージの登録結果を示しています。
これらの結果は、CTおよびMRIにおける梗塞セグメンテーションのプロセス全体、標準空間への登録、その後の品質チェック、および必要に応じて登録結果の手動修正を示す。得られた病変マップは、ボクセルベースまたはインタレストベースの病変症状マッピングの領域で使用する準備ができています。
図 2: CT スキャンでのモーション アーティファクトの例で、画像内のシェーディング、ストリーク、ぼかしとして表示されます。1つのCTスキャンの2つの異なるスライスが示されます。画像内の縞や色合いの例を矢印で示します。この場合、右小脳半球に出血性成分を持つ梗塞がはっきりと見えるが、これらのアーティファクトのために病変の前縁と中間境界の正確な線引きは困難である。したがって、このスキャンは LSM には使用しないでください。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 3: CTスキャンにおける梗塞のセグメンテーションと登録。(A)CTは、単一の患者に対して3つの時点でスキャンする。CT 灌流マップは大きな右前頭領域に虚血を示しているにもかかわらず、梗塞がまだ見えないため、CT <24 h はセグメンテーションに使用できません。CT灌流マップへの伝説:脳血流(mL/100 g/minのCBF)は0(濃い青)から200(赤)、平均通過時間(MTT)は0(赤)から濃い青(20)の範囲です。6日目のCTスキャンは、梗塞した脳組織の腫脹を示し、わずかな中線シフトと出血性転換が梗塞内の高密度領域として見える。4ヶ月後のCTスキャンは、心室および近くのスルチの外血管肥大を伴う脳組織喪失を示す。登録は、隣接する構造物の結果として生じる変位を補正する必要があります。(B) MNI-152 テンプレートへの登録の結果。登録アルゴリズムは、手動修正(右側に示す)を必要とする左心室の中線シフトと圧縮に対して十分に補償しなかった。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 4:CTイメージングに対する曇り効果の例。3つの異なるタイムポイントでのスキャンは、曇り段階で行われたCTスキャン(すなわち、脳卒中後14〜21日後)を避けるべき理由を説明するために、2つの異なる患者のために示されています。(A)患者1に対して、脳卒中発症後24時間に行われたCTスキャンは、左前頭葉に十分に分離された梗塞を示す。脳卒中発症後20日後、梗塞は十分に分離されず、このスキャンを用いてセグメンテーションを行うと、梗塞サイズが過小評価される。フォローアップMRI(3年後)は、24時間後のCTスキャンが梗塞サイズを正確に表していたのに対し、20日目のCTスキャンは正しかったことを示している。(B)患者2の場合、24時間以内のCTスキャンは、灰色白色物質分化および右側および非球領域における拡散腫脹の喪失を伴う虚血の微妙な初期徴候を示す。4日目のCTスキャンは、十分に分離された梗塞を示す。18日目のCTスキャンでは、低密度梗塞領域の大部分が同化され、梗塞の過小分分化が生じる。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 5: MRI DWI配列における梗塞のセグメンテーションと登録。MRIスキャンは脳卒中発症後12時間行った。(A)急性虚血病変は、DWI配列(b値=1000)およびADC上の低強性であり、細胞傷害性水腫による拡散が制限されたことを示す。梗塞はDWIイメージ上でセグメント化されます。FLAIR上の信号の微妙な増加があることに留意すべきですが、これはこの時点で病変セグメンテーションを可能にするには不十分です。(B)点線の楕円は、DWI(上の画像)とADC(下の画像)の骨空気構成付近のアーティファクトを示しています。(C)登録されたDWI配列(左画像、パネルAとBに示すのと同じスキャン)と、MNI-152テンプレート(中央画像)との対応する登録梗塞の比較。心室が完全に整列していない右caudate核の頭部のわずかな誤差に注意してください。これには、標準空間でのセグメンテーションの手動修正が必要でした(右側に示されています)。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 6: MRI FLAIR配列における梗塞のセグメンテーションおよび登録。MRIスキャンは、単一の患者に対して脳卒中後の2つの異なる時点で行った。(A)3日目のMRIスキャンでは、急性のラクナー梗塞(白い矢印で示される)は、急性梗塞のみであるため、白色物質高血圧(破線円で示される)などの慢性高強度病変と確実に区別することができる。DWI の拡散制限を表示します。この時点では、DWI をセグメンテーションにも使用できることに注意してください。(B)7ヶ月で、DWIは、白色物質の高強度から梗塞を区別するのにもはや有用ではない。代わりに、T1は、T1上の低信号(およびADC上の高信号)を有する脳脊髄液充填空洞の存在に基づいて梗塞を識別するために使用されるべきである。この慢性的な段階では、FLAIR上の空洞と周囲の超強烈な信号の両方が梗塞としてセグメント化されるべきである。(C)これは、3日目のFLAIRの登録結果を示しており、これは適切であり、手動による訂正を必要としません。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 7: RegLSM で実装される頻繁に使用される登録スキームの概要。ターゲットテンプレートよりも患者とのより良い一致を提供する中間テンプレートの使用は任意である。これは、CT スキャンが MRI テンプレートに登録されている場合に特に重要です (患者 1 を参照)。FLAIRまたはDWIでセグメント化する場合、セグメント化されたスキャンは、ネイティブT1画像に共登録されるか(患者2を参照)、利用可能な場合は、またはT1テンプレートに直接登録することができます(患者3)。ディスカッションの関連セクションで説明されているように、他の選択肢も用意されています。この図のより大きなバージョンを表示するには、ここをクリックしてください。
図 8: RegLSM に実装された登録結果ビューア。左の 3 つのパネルは、MNI-152 テンプレートを 3 つの平面 (横面、矢状、冠状) に示し、右側の 3 つのパネルは 3 つの平面で登録された DWI イメージを示します。十字線は解剖構造が正確に整列しているかどうかを確認するために使用することができる。この図のより大きなバージョンを表示するには、ここをクリックしてください。
補足図1:LSMの画像処理中の一般的なフォルダ構造。サブジェクト ID002 の最初のサブフォルダには、nifti 形式の 3 つのネイティブ スキャン (FLAIR、T1、T2、赤いボックス) と FLAIR シーケンスのセグメンテーション (青いボックス) が含まれています。3 つのサブフォルダは、RegLSM による登録プロセス中に作成されます。サブフォルダ to_MNI には、登録済みのセグメント化されたスキャン (この場合は FLAIR が緑色のボックス) が含まれています。後続のサブフォルダには、標準スペース (紫色のボックス) に登録された病変マップが含まれます。なお、RegLSMは今後のアップデートでBIDS互換に対応する予定です。この図をダウンロードするには、ここをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
LSMは、人間の脳の機能アーキテクチャを研究するための強力なツールです。あらゆる病変症状マッピング研究における重要なステップは、画像データの前処理、病変のセグメンテーション、および脳テンプレートへの登録である。ここでは、病変症状マッピングを目的とした病変セグメンテーションおよび登録のための標準化されたパイプラインを報告する。この方法は、自由に利用可能な画像処理ツールで行うことができ、CTおよび構造MRIスキャンの両方を処理するために使用することができ、病変症状マッピング分析のための画像データを準備するプロセス全体をカバーすることができます。
病変症状マッピングのための脳イメージングデータを処理する最初の主要なステップは、病変セグメンテーションです。このプロトコルは、正確で再現性の高いセグメンテーションを容易にするための梗塞の記述の基準、いくつかの例、および落とし穴を含む詳細なチュートリアルを提供します。プロトコルで説明し、表 1に要約したように、各スキャンタイプには、梗塞セグメンテーションに使用できる特定の時間枠があります。梗塞は、脳卒中発症後数時間以内にDWI上で高度およびADC上の低強烈(細胞傷害性浮腫による水拡散の制限を反映する)としてDWI上で見えるが、FLAIRを含む他のMRI配列(およびCTスキャン)は十分に敏感ではない。48 h39以内の梗塞を確実に検出する。最初の週の後、ADC画像は血管原性上流腫が30を発症するにつれてアイソテンスになり、最終的には過強くなり、DWIは通常、さらに数週間31、39、40の間、過強いままである。したがって、DWIは7日以内にのみ使用し、7日後にFLAIRシーケンスを使用することをお勧めします。
ステップ3.4で述べたように、FLAIRの過強性病変は必ずしも梗塞ではない。白質高血圧および他の慢性病変はFLAIR配列の皮質梗塞に似ることができる。急性期において、小さな皮質梗塞は、プロトコルに記載されているように、DWIが利用可能な場合に推定血管起源のラクーンなどの白質高血圧または他の慢性病変と容易に区別することができる(図5参照)。慢性的な段階では、T1配列を綿密に見直して病変内の小さな空洞(少なくとも3mm)を探す必要がある。 <3 mmの空洞は、特に形状が細長い場合、FLAIRの超強性病変内では梗塞よりも血管領域である可能性が高く、梗塞33としてセグメント化されない。慢性キャビテーション病変がラクーンの基準に適合する場合(すなわち、空洞は3〜15mmである)33は、ラクネが明らかに神経学的症状を持たない個人で起こりういので、これが実際に症状梗塞であることを確認することは依然として困難であり、依然として困難である可能性があります。そして、一部の個人は、複数のラクーン41を持っています.これは、梗塞が初期脳卒中症状に適合する構造に位置していることを確認するために、これらのケースで臨床脳卒中表現型を知るのに役立ちます.ラクーンが脳卒中の症状に対応しているかどうか疑問がある場合は、患者を除外するのが最善である。
正確な梗塞の同定に関するいくつかの考慮事項を考慮する必要があります。第一は、脳梗塞の検出におけるスキャンの信頼性に関する。小さな梗塞を有する軽度の虚血性脳卒中患者では、フォローアップFLAIRの最終梗塞サイズは、多くの場合、初期のDWI病変42よりも小さい。大規模な(皮質)梗塞では、再灌流療法の前にDWIイメージングが行われる場合でも、過急性期(<24h)のDWI病変が梗塞コア(すなわち、不可逆的な損傷を表す)を正確に表しているというかなりの証拠がある。43歳,44.しかし、場合によっては、24時間以内に見られるDWI病変は、最終的な梗塞サイズの過小表現であり、月経(低パーフューズされたが、潜在的に救済可能な脳組織)はDWI病変として見えないが、それでも形成に進む可能性がある。最終梗塞43の一部(特に大動脈閉塞を有する患者において再灌流療法が行われなかった場合)。
24時間以内にDWIを使用するもう一つの問題は、DWI病変がある程度動的であり、再灌流療法後に逆転を示す可能性があることである。しかし、フォローアップスキャンは、この逆転が一過性であり、最初のDWI病変が梗塞コアを正確に表していることを示した。しかし、これは、再灌流療法の数時間後にDWIが行われたことを示し、最終的な梗塞サイズ43のさらなる過小評価をもたらす可能性がある。最終的な梗塞サイズのこの潜在的な過小評価は、病変症状マッピング研究における脳卒中発症後24時間以内に行われるDWIを使用する上で重要な制限である。ただし、他のスキャン プロトコルの使用にも制限があることに注意してください。まず第一に、脳卒中後に行われるモダリティのスキャンは、急性期の梗塞の腫脹による質量効果を示し、心室の膨張、硫黄の広がり、および慢性的な周囲の構造物の変位を示すことができる。ステージ7.この変位は登録アルゴリズムによって修正され、必要に応じて専門家のレビューアが手動で修正する必要があります。それでも、両方の条件は、厳格な品質チェックが実行された場合でも、梗塞領域を標準空間に変換する精度に影響を与える可能性があります。
なお、超急性期におけるDWIは、24時間以内に有意な質量効果がないため、この制限に罹患しない。これらのスキャナの種類固有の制限に照らして、標準化されたタイムポイントで単一のスキャン タイプを使用して、病変症状マッピング スタディを設計する際に、均質なデータセットを取得することを考慮する必要があります。しかし、これは、ほとんどの診療所のように、患者の包摂における系統的なバイアスを導入し、MRIを受ける脳卒中患者は異なっている(すなわち、多くの場合、CTを受ける患者と比較して、より小さな梗塞を有し、より少ない、より孤立した症状を有する)。したがって、特定の画像化モダリティを有する患者を系統的に除外することは、病変分布の変動性を制限し、これは病変症状マッピング結果の有効性に悪影響を及ぼす45。
最後に、すべての構造イメージングモダリティの制限は、構造イメージングに正常に見える脳領域の異常な灌流が脳を妨害する可能性があるにもかかわらず、梗塞の周りの灌流の減少の存在を捕捉しないことである。機能7,46.要約すると、CTおよびいくつかの構造MRI配列は、病変症状マッピングの目的で梗塞をセグメント化するために使用することができ、病変検出のための適切な時間枠と基準に従い、登録結果を慎重にチェックする。病変症状マッピングスタディを設計および解釈する際には、スキャナの種類固有および時間枠固有の制限を考慮に入れる必要があります。
任意の病変セグメンテーション法における重要な問題は、その再現性を評価することです。脳解剖学の十分な訓練と知識は、通常の解剖構造および解剖学的変異体から病変を区別するために重要である。また、病変症状マッピングを目的として梗塞セグメンテーションを行う前に観察間および観察者間の再現性を評価することをお勧めします。我々は以前に急性[平均サイコロ類似係数(DSC)0.77]の両方でCTスキャンの手動梗塞セグメンテーションプロトコルのための高い観察者間合意を実証しました。SD 0.11] と慢性 (DSC 0.76;SD 0.16)ステージ、および高い観察者内協定(DSC 0.90、SD 0.05急性期)DSC 0.89, SD 0.06 慢性期)16.DWIおよびFLAIR上の梗塞セグメンテーションに関する観察者間協定は、高い47であることがも知られている。
ここで説明する方法の主な制限は、手動セグメンテーション、品質チェック、および手動修正に時間がかかることです。信頼性の高い方法で様々なスキャンプロトコルでCTスキャンとMRIスキャンの両方を処理できる完全に自動化された梗塞セグメンテーションツールは、7、47を欠いています。特定のスキャンプロトコル用に最適化された自動梗塞セグメンテーションツールは、有望な結果を提供します(例えば、梗塞と正常な脳組織とのコントラストが非常に高いDWIの場合は48)、さらなる改善が行われる可能性が高い近い将来に。半自動化された方法は梗塞を分割するのに必要な時間を減らすことができるが、また正確な病変分類47を保障するために専門家を要求する。この品質チェックは、少数の障害が発生した梗塞セグメンテーションであっても、病変症状マッピング結果の有効性を著しく低下させる可能性があるため、非常に重要です。したがって、手動梗塞セグメンテーションはゴールドスタンダード7のままである。
病変症状マッピングのための脳イメージングデータを処理する第2の主要なステップは、病変マップを脳テンプレートに登録することです。RegLSM は、複数の検証済み登録スキームを提供します。CTスキャンの場合、組織比対照21を改善するためにヒストグラム等化が行われ、登録品質を最適化するためにCTテンプレート22への中間登録ステップが実行される。MRI スキャンの場合、セグメンテーションが実行されたスキャンは、線形登録を使用して、対応する T1 シーケンス (可能な場合) に共登録されます。続いて、ネイティブT1は、中間年齢固有のT1テンプレート22に登録されるか、または線形および非線形登録20を使用してターゲットT1テンプレート34に直接登録される。CT と T1 の両方の中間テンプレートは、手動で最適化および検証された線形および非線形登録を使用して、ターゲット T1 テンプレートに整列されています。中間テンプレートを使用すると、この事前計算された変換が最終的な変換ステップとして追加されます。
T1 が使用できない場合、セグメンテーションが実行されたスキャン (通常は FLAIR または DWI) は、線形および非線形登録20を使用してターゲット T1 テンプレートに直接登録できます。DWI画像の場合、脳組織マスクは、SPM35に実装された統一セグメンテーションを使用して作成され、非線形登録が手順を完了した後の線形登録を導く。RegLSM の登録スキームは高度にカスタマイズ可能であり、一般的に使用される MNI-152 T1 テンプレートと中間テンプレートは、セグメント化されたスキャンとより一致する可能性のある任意のテンプレートに置き換えることができます。興味深い可能性は、個々の脳卒中患者とのより良い一致を提供するFLAIRとDWI脳テンプレートの開発であろう。記載された登録方法の制限は、登録が失敗する場合があり、登録結果の目視検査がすべての患者に必要であり、その後に手動で修正する場合があることです。手動修正が必要なケースの数は、ストローク サブタイプによって異なります。私たちの以前の経験では、大きな脳梗塞49、50、51の3分の1まで手動修正が必要ですが、小さなラクナー梗塞4の患者のわずか13%にすぎません。登録の失敗の大半は、病変による解剖学的歪みによって引き起こされ(前述のように)、特に重度の腫脹または周囲の構造の血管肥大を伴う大きな梗塞の場合に起こる可能性が高い。これらのミスアライメントの手動修正は時間がかかりますが、病変症状マッピング解析を実行する前に重要です。これらの病変が著しい解剖学的歪みを引き起こさないため、梗塞に比べて白色物質の高血圧を研究する場合、手動修正を必要とする症例の数は低くなります。白質高血圧患者における最近の病変症状マッピング研究では、わずか3%が手動矯正なしで進めるには不十分な品質であった6.
デフォルトでは、RegLSMは病変マスキングや病変充填のいかなる形態も適用しませんが、RegLSMのカスタマイズ可能な性質により、ユーザーはそれを有効にすることができます。登録手順における相互情報メトリック52の使用は、登録品質に影響を与える病変の存在に伴って以前に提起された問題のほとんどを回避する。相互情報は、マルチモーダル登録(例えば、FLAIR to T1)に適しており、他のメトリックやコスト関数よりも病理学の存在による影響を受けにくい。モーダル内登録(例えば、被験者T1からテンプレートT1)の場合でも、相互情報は病理の存在に対処するために使用されるべきである。病変は、登録の品質に影響を与えることなく最適化することができるジョイントヒストグラム内に独自のクラスターを持つことになります。場合によっては、病変量が多い場合に登録を導く画像情報が不十分であるため、病変マスキングが登録品質を低下させることさえある。
DICOM から nifti 形式への変換、スキャンビジュアライゼーション、注釈など、使用されるソフトウェアに関する一般的なコメントとして、多くのオープンアクセス ツールが存在することに注意してください。これはこの記事の範囲を超えていたため、利用可能なすべてのツールの体系的な概要を提供しませんでした。また、多くの機関が独自のイメージビジュアライゼーションとアノテーション ツールを開発しています。ここでは、いくつかの一般的に使用されるオープンアクセスツールを使用して病変症状マッピングを目的として、CT/MRI前処理、セグメンテーション、および登録のプロセス全体をカバーする包括的なフレームワークを提供することにしました。この方法を使用する場合、提案された画像変換、視覚化、または注釈ツールは、データに適しているか、より便利であると考えられる場合は、他の利用可能なツールまたはカスタムメイドのツールに置き換えることができました。また、画像処理パイプラインは、特定の病変症状マッピングスタディのスタディ設計に適合する場合、利用可能な(半)自動梗塞セグメント化ツールを実装することによってさらにカスタマイズできます。本論文では、虚血性脳卒中患者のスキャン処理に焦点を当てているが、このフレームワークは、病変セグメンテーション手順(第3項)を置き換えることにより、他の病変タイプ(例えば、白色物質の高強度またはラクネス)の処理に使用することができる。プロトコル)と別の適切なセグメンテーション手順を使用します。
病変症状マッピングにおける重要な問題は、共生病理に対処する方法である。例えば、急性虚血性脳卒中の患者で研究を行う場合、相当量の共生白色物質高血圧または以前の梗塞がある可能性がある。白色物質の高血圧を研究する場合、一部の患者はまた、(サイレントまたは臨床的にオペルト)脳梗塞を有する可能性があります。脳イメージングに関する共生病理は、認知障害に対して独立した貢献を持つことができるので、理想的には考慮されるべきである。この問題に対処する簡単な方法は、共生病理を有する患者を除外することである[例えば、白色物質の高血圧に焦点を当てるとき、(大きな)脳梗塞を有する患者を除外する)が、これは、単一のタイプの病理を有する患者への所見の一般化性。
多くの場合、使用される別のアプローチは、病変症状マッピングの前または中に結果変数に対する共生病理(例えば、白色物質の過強度容積または脳梗塞の存在に対する調整)の影響を後退させる。分析。しかし、このアプローチの限界は、梗塞および白色物質の高血圧2に関連することが知られているにもかかわらず、これらの共生病理の位置が考慮されていないことであり、他の病変型に対して可能性が高い。したがって、理論的な理由から、最良のアプローチは、VSM結果がボクセルレベルでの共生病理の位置に対して修正される統合病変症状マッピング解析を実行することです。最近の研究では、多変量支持ベクター回帰ベースの方法を使用して、複数の病変タイプに対して統合されたボクセルワイズ病変症状マッピングを実行し、白色物質の高強度が認知に関連する脳領域を同定した。脳卒中後に減少し、急性梗塞位置53とは無関係に減少する。本研究は、複数の病変型の統合ボクセルワイズ分析が、認知機能障害および認知症53の発症における異なる病変型間の複雑な相互作用に関する新たな洞察を提供する方法を示している。
要約すると、ここで提供される画像処理パイプラインは、病変症状マッピングを目的とした脳病変セグメンテーションおよび登録の標準化された方法として機能する。この方法の強みは、(1)セグメンテーションと登録方法の信頼性であり、厳格な品質チェックを犠牲にし、場合によっては訓練を受けた評価者による修正、(2)登録パイプラインのカスタマイズ性登録スキームとテンプレートは、可能な限り最良の方法でデータに合わせて調整することができ、(3)CTおよび構造MRI配列を含む高度に異種の脳イメージングデータを処理する可能性があります。今後の課題としては、CTおよびMRI用の堅牢で自動化された病変セグメンテーションツールの開発、登録方法のさらなる改善、個々の脳卒中患者とのより良いマッチングを提供する脳テンプレートの開発などが挙まれます。DWIとFLAIRテンプレート。これらの改善は、病変セグメンテーションの再現性をさらに高め、目視検査と手動修正の実行に費やす時間を短縮する可能性があります。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者らは利益相反を明らかにしていない。
Acknowledgments
Biesbroek博士の仕事は、ユトレヒト大学医療センターの脳センタールドルフ・マグナスからの若い才能フェローシップによってサポートされています。この作品とメタVCIマップコンソーシアムは、オランダのZonMw(健康研究開発機構)からゲールト・ヤン・ビッセルズまで、Vici Grant 918.16.616によってサポートされています。著者らは、数字の1つで使用されたスキャンを共有してくれたタンジャC.W.Nijboer博士に感謝したいと思います。
Materials
| Name | Company | Catalog Number | Comments |
| dcm2niix | N/A | N/A | free download https://github.com/rordenlab/dcm2niix |
| ITK-SNAP | N/A | N/A | free download www.itksnap.org |
| MATLAB | MathWorks | N/A | Version 2015a or higher |
| MRIcron | N/A | N/A | free download https://www.nitrc.org/projects/mricron |
| RegLSM | N/A | N/A | free download www.metavcimap.org/support/software-tools |
| SPM12b | N/A | N/A | free download https://www.fil.ion.ucl.ac.uk/spm/ |
References
- Rorden, C., Karnath, H. O. Using human brain lesions to infer function: A relic from a past era in the fMRI age. Nature Reviews Neuroscience. 5 (10), 812-819 (2004).
- Biesbroek, J. M., Weaver, N. A., Biessels, G. J. Lesion location and cognitive impact of cerebral small vessel disease. Clinical Science (London, England: 1979). 131 (8), 715-728 (2017).
- Karnath, H. O., Sperber, C., Rorden, C. Mapping human brain lesions and their functional consequences. NeuroImage. 165, 180-189 (2018).
- Zhao, L., et al. Strategic infarct location for post-stroke cognitive impairment: A multivariate lesion-symptom mapping study. Journal of Cerebral Blood Flow and Metabolism An Official Journal of the International Society of Cerebral Blood Flow and Metabolism. 38 (8), 1299-1311 (2018).
- Weaver, N. A., et al. The Meta VCI Map consortium for meta-analyses on strategic lesion locations for vascular cognitive impairment using lesion-symptom mapping: design and multicenter pilot study. Alzheimer's and Dementia: Diagnosis, Assessment and Disease Monitoring. , (2019).
- Biesbroek, J. M., et al. Impact of Strategically Located White Matter Hyperintensities on Cognition in Memory Clinic Patients with Small Vessel Disease. PLoS One. 11 (11), e0166261 (2016).
- de Haan, B., Karnath, H. O., et al. A hitchhiker's guide to lesion-behaviour mapping. Neuropsychologia. 115, 5-16 (2018).
- Duering, M., et al. Strategic role of frontal white matter tracts in vascular cognitive impairment: A voxel-based lesion-symptom mapping study in CADASIL. Brain. 134 (Pt8), 2366-2375 (2011).
- Biesbroek, J. M., et al. Association between subcortical vascular lesion location and cognition: a voxel-based and tract-based lesion-symptom mapping study. The SMART-MR study. PLoS One. 8 (4), e60541 (2013).
- Wu, O., et al. Role of Acute Lesion Topography in Initial Ischemic Stroke Severity and Long-Term Functional Outcomes. Stroke. 46 (9), 2438-2444 (2015).
- Mah, Y. H., Husain, M., Rees, G., Nachev, P.
- Sperber, C., Karnath, H. O. Impact of correction factors in human brain lesion-behavior inference. Human Brain Mapping. 38 (3), 1692-1701 (2017).
- Chen, R., Herskovits, E. H.
- Zhang, Y., Kimberg, D. Y., Coslett, H. B., Schwartz, M. F., Wang, Z. Multivariate lesion-symptom mapping using support vector regression. Human Brain Mapping. 35 (12), 5861-5876 (2014).
- Corbetta, M., et al. Common behavioral clusters and subcortical anatomy in stroke. Neuron. 85 (5), 927-941 (2015).
- Biesbroek, J. M. The anatomy of visuospatial construction revealed by lesion-symptom mapping. Neuropsychologia. 62, 68-76 (2014).
- Duering, M., et al. Strategic white matter tracts for processing speed deficits in age-related small vessel disease. Neurology. 82 (22), 1946-1950 (2014).
- Yourganov, G., Fridriksson, J., Rorden, C., Gleichgerrcht, E., Bonilha, L. Multivariate Connectome-Based Symptom Mapping in Post-Stroke Patients: Networks Supporting Language and Speech. The Journal of Neuroscience. 36 (25), 6668-6679 (2016).
- Zavaglia, M., Forkert, N. D., Cheng, B., Gerloff, C., Thomalla, G., Hilgetag, C. C. Mapping causal functional contributions derived from the clinical assessment of brain damage after stroke. NeuroImage: Clinical. 9, 83-94 (2015).
- Klein, S., Staring, M., Murphy, K., Viergever, M. A., Pluim, J. P. W. Elastix: A toolbox for intensity-based medical image registration. IEEE Transactions on Medical Imaging. 29, 196-205 (2010).
- Kuijf, H. J., Biesbroek, J. M., Viergever, M. A., Biessels, G. J., Vincken, K. L. Registration of brain CT images to an MRI template for the purpose of lesion-symptom mapping. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics. , (2013).
- Rorden, C., Bonilha, L., Fridriksson, J., Bender, B., Karnath, H. O. Age-specific CT and MRI templates for spatial normalization. NeuroImage. 61, 957-965 (2012).
- Barrett, J. F., Keat, N. Artifacts in CT: Recognition and Avoidance. RadioGraphics. , (2007).
- Zhuo, J., Gullapalli, R. P. AAPM/RSNA physics tutorial for residents: MR artifacts, safety, and quality control. Radiographics: a review publication of the Radiological Society of North America, Inc. , (2007).
- Rorden, C., Brett, M.
- Gorgolewski, K. J., et al. The brain imaging data structure, a format for organizing and describing outputs of neuroimaging experiments. Scientific Data. 3, 160044 (2016).
- Yushkevich, P. A., et al. User-guided 3D active contour segmentation of anatomical structures: Significantly improved efficiency and reliability. NeuroImage. 31 (3), 1116-1128 (2006).
- Becker, H., Desch, H., Hacker, H., Pencz, A. CT fogging effect with ischemic cerebral infarcts. Neuroradiology. 18 (4), 185-192 (1979).
- Kingsley, P. B., Monahan, W. G. Selection of the Optimum b Factor for Diffusion-Weighted Magnetic Resonance Imaging Assessment of Ischemic Stroke. Magnetic Resonance in Medicine. 51, 996-1001 (2004).
- Shen, J. M., Xia, X. W., Kang, W. G., Yuan, J. J., Sheng, L. The use of MRI apparent diffusion coefficient (ADC) in monitoring the development of brain infarction. BMC Medical Imaging. 11 (2), (2011).
- Lansberg, M. G., et al. Evolution of apparent diffusion coefficient, diffusion-weighted, and T2-weighted signal intensity of acute stroke. American Journal of Neuroradiology. 22 (4), 637-644 (2001).
- Geijer, B., Sundgren, P. C., Lindgren, A., Brockstedt, S., Ståhlberg, F., Holtås, S. The value of b required to avoid T2 shine-through from old lacunar infarcts in diffusion-weighted imaging. Neuroradiology. 43, 511-517 (2001).
- Wardlaw, J. M. Neuroimaging standards for research into small vessel disease and its contribution to ageing and neurodegeneration. The Lancet Neurology. 12, 822-838 (2013).
- Fonov, V., Evans, A. C., Botteron, K., Almli, C. R., McKinstry, R. C., Collins, D. L. Unbiased average age-appropriate atlases for pediatric studies. NeuroImage. 54 (1), 313-327 (2011).
- Ashburner, J., Friston, K. J.
- Desikan, R. S. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest. NeuroImage. 31 (3), 968-980 (2006).
- Hua, K. Tract probability maps in stereotaxic spaces: Analyses of white matter anatomy and tract-specific quantification. NeuroImage. 39 (1), 336-347 (2008).
- Eickhoff, S. B., et al. A new SPM toolbox for combining probabilistic cytoarchitectonic maps and functional imaging data. NeuroImage. 25 (4), 1325-1335 (2005).
- Ricci, P. E., Burdette, J. H., Elster, A. D., Reboussin, D. M. A comparison of fast spin-echo, fluid-attenuated inversion-recovery, and diffusion-weighted MR imaging in the first 10 days after cerebral infarction. American Journal of Neuroradiology. 20 (8), 1535-1542 (1999).
- Eastwood, J. D., Engelter, S. T., MacFall, J. F., Delong, D. M., Provenzale, J. M. Quantitative assessment of the time course of infarct signal intensity on diffusion-weighted images. American Journal of Neuroradiology. 24 (4), 680-687 (2003).
- Wardlaw, J. M.
- Kate, M. P. Dynamic Evolution of Diffusion-Weighted Imaging Lesions in Patients With Minor Ischemic Stroke. Stroke: a Journal of Cerebral Circulation. 46, 2318-2341 (2015).
- Inoue, M. Early diffusion-weighted imaging reversal after endovascular reperfusion is typically transient in patients imaged 3 to 6 hours after onset. Stroke. 45, 1024-1028 (2014).
- Campbell, B. C. V. The infarct core is well represented by the acute diffusion lesion: Sustained reversal is infrequent. Journal of Cerebral Blood Flow and Metabolism. 32 (1), (2012).
- Sperber, C., Karnath, H. O. On the validity of lesion-behaviour mapping methods. Neuropsychologia. 115, 17-24 (2018).
- Hillis, A. E., et al. Restoring Cerebral Blood Flow Reveals Neural Regions Critical for Naming. Journal of Neuroscience. 26 (31), 8069-8073 (2006).
- Wilke, M., de Haan, B., Juenger, H., Karnath, H. O. Manual, semi-automated, and automated delineation of chronic brain lesions: A comparison of methods. NeuroImage. 56 (4), 2038-2046 (2011).
- Zhang, R., et al. Automatic Segmentation of Acute Ischemic Stroke From DWI Using 3-D Fully Convolutional DenseNets. IEEE Transactions on Medical Imaging. 37 (9), 2149-2160 (2018).
- Biesbroek, J. M., et al. Distinct anatomical correlates of discriminability and criterion setting in verbal recognition memory revealed by lesion-symptom mapping. Human Brain Mapping. 36 (4), 1292-1303 (2015).
- Biesbroek, J. M., van Zandvoort, M. J. E., Kappelle, L. J., Velthuis, B. K., Biessels, G. J., Postma, A. Shared and distinct anatomical correlates of semantic and phonemic fluency revealed by lesion-symptom mapping in patients with ischemic stroke. Brain Structure & Function. 221 (4), 2123-2134 (2016).
- Ten Brink, F. A., et al. The right hemisphere is dominant in organization of visual search-A study in stroke patients. Behavioural Brain Research. 304, 71-79 (2016).
- Pluim, J. P. W., Maintz, J. B. A. A., Viergever, M. A. Mutual-information-based registration of medical images: A survey. IEEE Transactions on Medical Imaging. 22 (8), 986-1004 (2003).
- Zhao, L., et al. The additional contribution of white matter hyperintensity location to post-stroke cognitive impairment: Insights from a multiple-lesion symptom mapping study. Frontiers in Neuroscience. 12 (MAY), (2018).
