Waiting
Login processing...

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

Behavior

Segmentação de infarct cerebral e registro em RM ou TC para lesão-mapeamento de sintomas

Published: September 25, 2019 doi: 10.3791/59653
Automatic Translation
1, 2, 1, 3, 4, Meta VCI Map Consortium, 1
1Department of Neurology and Neurosurgery, UMC Utrecht Brain Center, University Medical Center Utrecht, Utrecht University, 2Image Sciences Institute, University Medical Center Utrecht, 3BrainNow Research Institute, 4Institute for Stroke and Dementia Research, University Hospital, LMU Munich

Summary

Fornecido aqui é um tutorial prático para um pipeline de processamento de imagem de acesso aberto e padronizado para fins de mapeamento de lesão-sintoma. Uma explicação passo a passo é fornecida para cada etapa de processamento, desde a segmentação manual do infarto na TC/RM até o registro subseqüente ao espaço padrão, juntamente com recomendações práticas e ilustrações com casos exemplares.

Abstract

No mapeamento lesão-sintoma (LSM), a função cerebral é inferida relacionando a localização de lesões cerebrais adquiridas a sintomas comportamentais ou cognitivos em um grupo de pacientes. Com recentes avanços na imagem cerebral e processamento de imagens, o LSM tornou-se uma ferramenta popular na neurociência cognitiva. O LSM pode fornecer insights fundamentais sobre a arquitetura funcional do cérebro humano para uma variedade de funções cognitivas e não-cognitivas. Uma etapa crucial em executar estudos de LSM é a segmentação das lesões em varreduras do cérebro de um grande grupo de pacientes e o registo de cada varredura a um espaço Stereotaxic comum (igualmente chamado espaço padrão ou um molde padronizado do cérebro). Descrito aqui é um método de acesso aberto, padronizado para segmentação de infarte e registro para fins de LSM, bem como uma explicação detalhada e hands-on com base em casos exemplares. Um tutorial detalhado para a segmentação manual de enfarte do cérebro em varreduras do CT e em seqüências de DWI ou de Flair MRI é fornecido, incluindo critérios para a identificação e as armadilhas do enfarte para tipos diferentes da varredura. O software de registro fornece vários esquemas de registro que podem ser usados para processamento de dados de TC e RM com parâmetros de aquisição heterogêneos. Um tutorial sobre como usar este software de registro e realizar verificações de qualidade visual e correções manuais (que são necessários em alguns casos) é fornecido. Essa abordagem fornece aos pesquisadores uma estrutura para todo o processo de processamento de imagem cerebral necessário para realizar um estudo de LSM, desde a coleta dos dados até a verificação de qualidade final dos resultados.

Introduction

O mapeamento lesão-sintoma (LSM), também denominado mapeamento lesão-comportamento, é uma importante ferramenta para o estudo da arquitetura funcional do cérebro humano1. Em estudos de lesão, a função cerebral é inferida e localizada estudando pacientes com lesões cerebrais adquiridas. Os primeiros estudos de caso que ligam sintomas neurológicos a locais específicos do cérebro realizados no século XIX já forneceram insights fundamentais sobre os correlatos anatômicos da linguagem e vários outros processos cognitivos2. No entanto, os correlatos neuroanatômicos de muitos aspectos da cognição e outras funções cerebrais permaneceram indescritível. Nas últimas décadas, os métodos melhorados da imagem latente do cérebro estrutural e os avanços técnicos permitiram estudos in vivo em grande escala de LSM com definição espacial elevada (isto é, a nível de voxels individuais ou de regiões corticais/subcortical específicas do interesse)1 ,2. Com esses avanços metodológicos, o LSM tornou-se um método cada vez mais popular na neurociência cognitiva e continua a oferecer novos insights sobre a neuroanatomia da cognição e dos sintomas neurológicos3. Uma etapa crucial em todo o estudo de LSM é a segmentação exata das lesões e o registo a um molde do cérebro. No entanto, um tutorial abrangente para o pré-processamento de dados de imagem cerebral para a finalidade do LSM está faltando.

Fornecido aqui é um tutorial completo para uma segmentação de lesão padronizada e método de registro. Este método fornece pesquisadores com um pipeline para processamento de imagem do cérebro padronizado e uma visão geral das armadilhas potenciais que devem ser evitados. O pipeline de processamento de imagem apresentado foi desenvolvido através de colaborações internacionais4 e faz parte do quadro do recém-fundado meta VCI MAP Consortium, cujo objetivo é realizar estudos multicêntrico de mapeamento de lesão-sintoma em comprometimento cognitivo vascular < www. metavcimap. org >5. Este método foi projetado para processar varreduras do CT e do MRI dos vendedores múltiplos e dos protocolos heterogêneos da varredura para permitir o processamento combinado de conjuntos de dados da imagem latente das fontes diferentes. O software necessário do RegLSM e todo o outro software necessário para este protocolo estão livremente disponíveis à exceção de MATLAB, que exige uma licença. Este tutorial centra-se na segmentação e registro de infartos cerebrais, mas este pipeline de processamento de imagem também pode ser usado para outras lesões, tais como hiperintensidades de matéria branca6.

Antes de iniciar um estudo LSM, é necessária uma compreensão básica dos conceitos gerais e armadilhas. Diversas directrizes detalhadas e um guia do Hitchhiker estão disponíveis1,3,6. No entanto, estas revisões não fornecem um tutorial hands-on detalhado para as etapas práticas envolvidas na coleta e conversão de varreduras cerebrais para um formato adequado, segmentando o infarto do cérebro, e registrando as varreduras para um modelo cerebral. O presente documento fornece um tal tutorial. Os conceitos gerais de LSM são fornecidos na introdução com referências para uma leitura mais adicional no assunto.

Objetivo geral dos estudos de mapeamento de lesões-sintomas

Da perspectiva da neuropsicologia cognitiva, a lesão cerebral pode ser usada como uma condição modelo para entender melhor os fundamentos neuronais de certos processos cognitivos e obter um quadro mais completo da arquitetura cognitiva do cérebro1 . Esta é uma abordagem clássica em Neuropsicologia que foi aplicada pela primeira vez em estudos post-mortem no século XIX por pioneiros como broca e Wernicke2. Na era da imagem latente funcional do cérebro, a aproximação da lesão remanesceu uma ferramenta crucial na neurociência porque fornece a prova que as lesões em uma região específica do cérebro interrompem o desempenho da tarefa, quando os estudos funcionais da imagem latente demonstrarem as regiões do cérebro que são ativada durante o desempenho da tarefa. Como tal, essas abordagens fornecem informações complementares1.

Da perspectiva da neurologia clínica, os estudos do LSM podem esclarecer a relação entre o local da lesão e o funcionamento cognitivo em pacientes com infartos sintomáticos agudos, hiperintensidades de matéria branca, lacunes ou outros tipos de lesão (por exemplo, tumores ). Estudos recentes mostraram que tais lesões em regiões estratégicas do cérebro são mais relevantes para explicar o desempenho cognitivo do que a carga global de lesão2,5,7,8. Esta abordagem tem o potencial de melhorar a compreensão da fisiopatologia de distúrbios complexos (neste exemplo, comprometimento cognitivo vascular) e pode proporcionar oportunidades para o desenvolvimento de novas ferramentas diagnósticas e prognósticos ou tratamento de apoio estratégias de2.

LSM também tem aplicações para além do campo da cognição. De fato, qualquer variável pode estar relacionada à localização da lesão, incluindo sintomas clínicos, biomarcadores e desfecho funcional. Por exemplo, um estudo recente determinou locais de infarto que foram preditivos do desfecho funcional após AVC isquêmico10.

Voxel-based versus região de lesão baseada em interesses-mapeamento de sintomas

Para realizar o mapeamento lesão-sintoma, as lesões precisam ser segmentadas e registradas em um modelo cerebral. Durante o procedimento de registro, o cérebro de cada paciente é alinhado espacialmente (ou seja, normalizado ou registrado em um modelo comum) para corrigir as diferenças no tamanho, na forma e na orientação do cérebro para que cada voxel no mapa da lesão represente a mesma anatomia anatômica estrutura para todos os pacientes7. No espaço padrão, vários tipos de análises podem ser realizados, que são resumidos brevemente aqui.

Uma análise de lesão-subtração bruta pode ser realizada para mostrar a diferença na distribuição da lesão em pacientes com déficits comparados aos pacientes sem déficits. O mapa de subtração resultante mostra regiões que são mais frequentemente danificadas em pacientes com déficits e poupadas em pacientes sem déficits1. Embora uma análise da lesão-subtração possa fornecer algumas introspecções em correlatos de uma função específica, não fornece nenhuma prova estatística e é usada agora na maior parte quando o tamanho de amostra é demasiado baixo para fornecer bastante poder estatístico para a lesão VOXEL-baseada-sintoma Mapeamento.

No mapeamento de lesão-sintoma baseado em VOXEL, uma associação entre a presença de uma lesão e o desempenho cognitivo é determinada ao nível de cada voxel individual no cérebro (Figura 1). A principal vantagem deste método é a alta resolução espacial. Tradicionalmente, essas análises foram realizadas em uma abordagem de massa univariada, que justifica a correção de múltiplos testes e introduz um viés espacial causado por correlações inter-VOXEL que não são levadas em conta1,10 , 11. abordagens recentemente desenvolvidas que levam em conta as correlações entre VOXEL (geralmente referidas como métodos de mapeamento de lesões-sintomas multivariados, como a análise Bayesiana13, a regressão vetorial de suporte4, 14, ou outros algoritmos de aprendizado de máquina15) mostram resultados promissores e parecem melhorar a sensibilidade e a especificidade dos achados das análises de LSM VOXEL-Wise comparadas aos métodos tradicionais. Uma melhoria mais adicional e uma validação de métodos multivariados para o LSM VOXEL-sábio são um processo em curso. A melhor escolha do método para o mapeamento específico da lesão-sintoma depende de muitos fatores, incluindo a distribuição das lesões, da variável do resultado, e dos pressupostos estatísticos subjacentes dos métodos.

Na região de interesse (ROI)-com base no mapeamento de lesão-sintoma, uma associação entre a carga da lesão dentro de uma região cerebral específica e o desempenho cognitivo é determinada (ver Figura 1 em Biesbroek et al.2 para uma ilustração). A principal vantagem deste método é que ele considera a carga de lesão acumulada dentro de uma estrutura anatômica, que em alguns casos pode ser mais informativa do que uma lesão em um único VOXEL. Por outro lado, análises baseadas em ROI têm poder limitado para detectar padrões que só estão presentes em um subconjunto de voxels na região16. Tradicionalmente, o mapeamento do sintoma-lesão baseado em ROI é realizado por meio de regressão logística ou linear. Recentemente, foram introduzidos métodos multivariados que lidam melhor com a colinearidade (por exemplo, análise de rede Bayesiana17, regressão vetorial de suporte4,18ou outros algoritmos de aprendizado de máquina19), que podem melhorar a especificidade dos achados de estudos de mapeamento de lesão-sintoma.

Seleção de pacientes

Em estudos de LSM, os pacientes são geralmente selecionados com base em um tipo específico de lesão (por exemplo, infartos cerebrais ou hiperintensidades de matéria branca) e o intervalo de tempo entre o diagnóstico e a avaliação neuropsicológica (por exemplo, agudo versus AVC crônico). O projeto ideal do estudo depende da pergunta da pesquisa. Por exemplo, ao estudar a arquitetura funcional do cérebro humano, os pacientes com AVC agudo estão idealmente incluídos porque a reorganização funcional ainda não ocorreu nesta fase, enquanto os pacientes com AVC crônico devem ser incluídos ao estudar a efeitos de longo prazo do AVC na cognição. Uma descrição detalhada das considerações e das armadilhas na seleção paciente é fornecida em outra parte7.

Pré-processamento de imagem cerebral para efeitos de mapeamento de lesões-sintomas

A segmentação e o registo exatos da lesão a um molde comum do cérebro são etapas cruciais no mapeamento da lesão-sintoma. A segmentação manual das lesões permanece o padrão-ouro para muitos tipos da lesão, incluindo enfarte7. Fornecido é um tutorial detalhado sobre critérios para a segmentação manual do enfarte em varreduras do CT, imagem ponderada difusão (DWI), e seqüências fluido-atenuadas da recuperação da inversão (FLAIR) em estágios agudos e crônicos. Os enfartes segmentados (isto é, os mapas binários da lesão 3D) precisam de ser registados antes que todas as análises do através-assunto sejam executadas. Este protocolo usa o método de registro reglsm, que foi desenvolvido em uma configuração multicêntrico4. RegLSM aplica algoritmos de registro lineares e não-lineares baseados em elástica20 para o CT e o MRI, com uma etapa adicional do processamento do CT projetada especificamente realçar a qualidade do registro de varreduras do CT21. Além disso, o RegLSM permite o uso de diferentes modelos cerebrais de alvos e um passo de registro intermediário (opcional) para um modelo CT/RM específico para a idade22. A possibilidade de processar as varreduras do CT e do MRI e sua personalização a respeito dos moldes intermediários e do alvo do cérebro faz a reglsm uma ferramenta altamente apropriada do processamento de imagem para LSM. Todo o processo de preparação e segmentação de tomografias de TC/RM, registro em um modelo cerebral e correções manuais (se necessário) são descritos na próxima seção.

Figure 1
Figura 1: ilustração esquemática do conceito de lesão baseada em VOXEL-mapeamento de sintomas. A parte superior mostra as etapas de pré-processamento da imagem cerebral consistindo em segmentar a lesão (um enfarte agudo neste caso) seguida de registro para um modelo cerebral (o modelo MNI-152 neste caso). Abaixo, uma parte do mapa de lesão binária registrada do mesmo paciente é mostrada como uma grade 3D, onde cada cubo representa um VOXEL. Tomado junto com os mapas da lesão de 99 outros pacientes, um mapa da sobreposição da lesão é gerado. Para cada voxel, é realizado um teste estatístico para determinar a associação entre o estado da lesão e o desempenho cognitivo. O teste qui-quadrado mostrado aqui é apenas um exemplo, qualquer teste estatístico poderia ser usado. Tipicamente, centenas de milhares de voxels são testados em todo o cérebro, seguidos por uma correção para comparações múltiplas. Por favor clique aqui para ver uma versão maior desta figura.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Este protocolo segue as diretrizes do nosso Comitê de ética em pesquisa de instituições humanas.

1. coleta de varreduras e dados clínicos

  1. Colete tomografia computadorizada de cérebro ou ressonância magnética de pacientes com AVC isquêmico. A maioria dos scanners salva as varreduras como arquivos DICOM (Digital Imaging and Communications in Medicine) que podem ser copiados para um disco rígido ou servidor.
    Nota: As varreduras de cada tipo do varredor, o protocolo da varredura, e a força do campo de MRI podem ser usadas, contanto que 1) os requisitos da janela de tempo para o tipo usado da varredura forem cumpridos (veja tabela 1) e 2) não há nenhum artefato que dificulte delineação exata do enfarte. Um tutorial detalhado sobre detecção de artefato em TC e RM é fornecido em outro lugar23,24. Um exemplo de artefatos de movimento comumente ocorrendo na TC é fornecido na Figura 2, e exemplos de varreduras de boa qualidade são fornecidos nos casos exemplares na seção de resultados. Os Infarcts podem ser segmentados em varreduras com qualquer espessura de fatia e qualquer resolução de imagem no plano. No entanto, fatias finas e alta resolução no plano irá permitir uma representação mais precisa do enfarte para o modelo cerebral.
  2. Colete as variáveis clínicas em um arquivo de dados (por exemplo, Excel) fazendo linhas separadas para cada caso e colunas para cada variável clínica. Para segmentação por enfarte, inclua pelo menos as variáveis data de traçado e data de imagem ou uma variável que indique o intervalo de tempo entre o traçado e a imagem.
  3. Assegure-se de que as diretrizes e regulamentações éticas relativas à privacidade sejam seguidas. Assegure-se de que os dados sejam anonimizados ou codificados. Preste atenção específica à remoção de dados do paciente, como nome, endereço e data de nascimento que são armazenados nos arquivos DICOM como Tags. Essas tags podem ser limpas usando dcm2niix (download gratuito disponível em < https://github.com/rordenlab/dcm2niix >)25.

2. conversão de imagens DICOM para arquivos NIfTI

  1. Para converter as imagens DICOM em arquivos NIfTI descompactados usando a ferramenta dcm2niix, digite "[caminho da pasta de dcm2niix. exe] \dcm2niix% d_% p [caminho da pasta de arquivos DICOM]" no prompt de comando. Um exemplo do comando com os caminhos de pastas inseridos pode ser C:\users\matthijs\dcm2niix% d_% p C:\users\matthijs\dicom\. Este comando executará o executável dcm2niix, converterá as imagens DICOM na pasta selecionada e salvará os arquivos NIfTI na mesma pasta.
    Nota: A adição% d_% p garante que a descrição da série e o nome do protocolo são inseridos no nome do arquivo. Recursos adicionais, incluindo opções para conversão em lote, são fornecidos no manual dcm2niix em < https://www.nitrc.org/plugins/mwiki/index.php/dcm2nii: MainPage >. Outras ferramentas de código aberto podem ser usadas para a conversão de imagens DICOM em arquivos NIfTI, também.
  2. Certifique-se de que o nome do tipo de digitalização (CT, FLAIR, DWI ou outros nomes de sequência) é copiado para o nome do arquivo durante a conversão (esta opção está disponível em dcm2niix).
  3. Para varreduras de MRI, selecione seqüências de DWI ou de FLAIR para a segmentação. Alternativamente, qualquer outra seqüência estrutural em que o enfarte é visível pode ser usado. Veja a tabela 1 para janelas de tempo apropriadas após o curso em que o CT, o DWI, ou o Flair podem ser usados para a segmentação do infarto.
  4. Organize os arquivos NIfTI em uma estrutura de pasta conveniente com uma subpasta para cada caso (consulte o manual do RegLSM e a Figura complementar 1). Este manual pode ser descarregado a partir de < www. metavcimap. org/support/software-Tools >.
    Nota: Esta estrutura de pastas é um requisito para o software de registo RegLSM (ver secção 4). Uma atualização do RegLSM, tornando-se lances (cérebro Imaging data structure26, veja < http://BIDS.neuroimaging.Io >) compatível, está atualmente sendo desenvolvido e em breve será liberado.

3. segmentação por infarto

  1. Observações gerais aplicáveis a todos os tipos de digitalização
    1. Certifique-se de que a pessoa que executa e avalia segmentação e registro é cega para a variável de desfecho (geralmente uma medida cognitiva) para evitar viés.
    2. Observe que os infartos geralmente são segmentados em fatias transversais, mas a segmentação pode ser realizada em qualquer orientação de fatia.
    3. Assegure condições ideais da visão durante a segmentação do enfarte usando uma exposição de alta resolução do monitor e uma luz ambiente óptima para fornecer um ajuste confortável. Ajuste manualmente o contraste da imagem durante a segmentação para proporcionar um contraste ideal entre o tecido cerebral saudável. Seja consistente na aplicação de configurações semelhantes em todos os assuntos.
  2. Segmentação do infarto na TC
    1. Primeiro verifique se a varredura foi realizada pelo menos 24 h após o início dos sintomas de AVC. Dentro de 24 h, o enfarte agudo não é ou somente parcialmente visível no CT e a varredura não pode ser usada para a segmentação7. Consulte a Figura 3 para obter uma ilustração.
    2. Abra o CT nativo usando o software ITK-SNAP (download gratuito disponível em < www. itksnap. org >)27. No ITK-SNAP, clique em arquivo | Abra a imagem principal no menu suspenso. Clique em procurar e selecione o arquivo para abrir a verificação. Se a configuração de contraste padrão fornece um contraste fraco entre o tecido cerebral saudável e a lesão, ajuste as configurações de contraste. Para fazer isso, clique em ferramentas | contraste de imagem | ajuste de contraste.
      Nota: Qualquer software de código aberto também pode ser usado.
    3. Se disponível, abra um CT que seja executado dentro de 24 h após o início do sintoma do curso em uma instância separada como a referência para distinguir o enfarte agudo das lesões isquêmicas velhas tais como lacunes, (submarino) Infarcts corticais, ou hyperintensities da matéria branca.
    4. Identifique o enfarte com base nas seguintes características. Infarcts têm um sinal baixo (ou seja, hypodense) em comparação com o tecido cerebral normal.
      1. No estágio agudo (primeiras semanas), os infartos grandes podem causar o efeito maciço tendo por resultado o deslocamento de tecidos circunvizinhos, a compressão dos ventrículos, a mudança do midline e o obliteração dos Sulci. Pode haver uma transformação hemorrágica que seja visível como regiões com sinal elevado (isto é. hyperdens) dentro do infarct.
      2. No estágio crônico (meses a anos), o enfarte consistirá de um centro cavitada dos como (com uma densidade similar como o líquido cerebrospinal) e de uma borda menos do hypodense que represente o tecido danificado do cérebro. O centro cavitada e a borda dos como devem ser segmentados como o enfarte. Em caso do enfarte grande, pode haver uma ampliação ex do vacuo de sulcos ou de ventrículos adjacentes.
        Nota: O deslocamento do tecido devido ao efeito de massa ou à ampliação ex do vacuo das estruturas não deve ser corrigido para durante a segmentação (isto é, somente a extensão cheia do infarto tem que ser segmentada). A correção para o deslocamento do tecido ocorre durante o registro e as etapas subseqüentes.
    5. Segmente o tecido cerebral infartado usando o modo pincel a partir da barra de ferramentas principal (clique com o botão esquerdo do mouse para desenhar, clique direito para apagar). Alternativamente, use o modo Polygon para colocar pontos de ancoragem nas bordas da lesão (esses pontos são automaticamente conectados com linhas) ou segure o botão esquerdo do mouse enquanto move o mouse sobre as bordas da lesão. Depois que todos os pontos de ancoragem estiverem conectados, clique em aceitar para preencher a área delimitada.
    6. Evite a fase de nebulização, que se refere à fase em que o infarto se torna isodenso no CT (que co-ocorre com a infiltração do tecido infartado com fagócitos). Isto ocorre tipicamente 14-21 dias após o início do curso, mas em casos raros pode ocorrer mesmo mais cedo28. Durante este período, o enfarte pode tornar-se invisível ou os seus limites tornam-se menos claros, tornando esta fase inadequada para a segmentação do enfarte. Após a fase de nebulização, a lesão torna-se hipodense novamente quando ocorre cavitação e gliose. Consulte a Figura 4 para dois exemplos.
    7. Depois de terminar a segmentação, salve-o como um arquivo NIfTI binário na mesma pasta que a digitalização clicando em segmentação | salve a imagem de segmentação no menu suspenso e, em seguida, salve a segmentação, dando-lhe o mesmo nome exato que a varredura segmentada, com a extensão de. lesão (por exemplo, se a digitalização foi guardada como "ID001. CT. Nii ", salvar a segmentação como" ID001. CT. lesão. Nii ").
  3. Segmentação de infarct no DWI
    1. Primeiro verifique se o DWI foi realizado no prazo de 7 dias após o início do AVC. Os infartos são visíveis no DWI dentro de várias horas após o início do AVC e sua visibilidade na DWI diminui gradualmente após aproximadamente 7 dias (ver o parágrafo 2 na discussão para obter mais detalhes).
    2. Abra o DWI no ITK-SNAP (da mesma forma que o feito na etapa 3.2.2).
      Nota: Uma sequência DWI gera pelo menos duas imagens para a maioria dos protocolos de digitalização, uma com um valor b = 0, que é uma imagem ponderada em T2 padrão e uma com um valor b mais alto, que é a varredura que captura as propriedades de difusão reais do tecido. Quanto maior o valor-b, mais forte os efeitos de difusão. Para a deteção isquêmica do curso, um b-valor em torno de 1000 s/milímetro2 é usado frequentemente, porque este fornece uma boa relação do contraste-à-ruído em a maioria de casos29. A imagem com um alto valor-b é usada para segmentação por enfarte.
    3. Abra a sequência de coeficiente de difusão aparente (ADC) em uma instância separada do ITK-SNAP para referência.
    4. Identifique e anote o tecido cerebral infartado com base no sinal alto (ou seja, hiperintenso) no DWI e no sinal baixo (ou seja, hipointenso) no ADC (veja a Figura 5). Os valores de ADC no infarto aumentam gradualmente até que a ADC normaliza em média 1 semana após o AVC30, mas em alguns casos, o ADC já pode ser (quase) normalizado após vários dias, se houver muito edema vasogênico.
      Nota: Em imagens de DWI com baixos b-valores, as lesões cerebrais com um sinal elevado intrínseco do T2 (tal como hyperintensities da matéria branca) podem igualmente aparecer hyperintense. Este fenômeno é chamado de brilho T2-através de31. No entanto, com o aumento dos valores-b, esse fenômeno se torna menos relevante, pois o sinal na imagem DWI reflete mais fortemente as propriedades de difusão em vez do sinal T2 intrínseco. Com os protocolos modernos da varredura de DWI (geralmente com b-valor = 1000 ou mais altamente), os efeitos do brilho de T2 são limitados32.
    5. Não confunda um sinal elevado de DWI perto das relações entre o ar e o tecido ou o osso, que são um artefato comumente observado, para um enfarte. Consulte a Figura 5.
    6. Salve a anotação como um arquivo de NIfTI binário, dando-lhe o mesmo nome exato que a varredura segmentada, com a extensão de. lesão (da mesma forma como feito na etapa 3.2.7).
  4. Segmentação do infarct no FLAIR
    1. Primeiramente, verifique se a varredura foi executada > 48 h após o início do sintoma do curso. No estágio hiperagudo, o infarto geralmente não é visível na sequência FLAIR ou os limites exatos do infarto são pouco claros31 (ver Figura 6).
    2. Abra o FLAIR no ITK-SNAP da mesma forma que o feito na etapa 3.2.2.
    3. Abra o T1 uma instância separada do ITK-SNAP para referência, se disponível.
    4. Identifique e Segmente o tecido cerebral infartado com base nas seguintes características.
      1. No estágio agudo (primeiras semanas), o infarto é visível como uma lesão hiperintensa mais ou menos homogênea, com ou sem inchaço aparente e efeito de massa (Figura 5).
      2. No estágio crônico (meses a anos), o enfarte é escavado, significando que o centro se torna hipo-ou isointenso em Flair. Esta cavidade pode ser identificada com mais precisão no T1. Na maioria dos casos, o centro cavitada é cercado por uma borda hyperintense no Flair, representando o gliosis. 33.
        Nota: No entanto, há uma quantidade considerável de variação no grau de cavitação e gliose de infartos crônicos. Segmente a cavidade e o rebordo hiperintenso como enfarte (ver passo 3.2.5). Uma lesão do FLAIR hyperintense não é sempre um enfarte. No estágio agudo, os infartos subcorticais pequenos podem facilmente ser distinguidos das hiperintensidades da matéria branca ou de outras lesões crônicas tais como as lacunes da origem vascular presumida quando há um DWI disponível (veja Figura 5). No estágio crônico, pode ser mais difícil. Veja o parágrafo 3 na discussão para mais informação em como discriminar estes tipos da lesão na fase crônica.
    5. Salve a anotação como um arquivo de NIfTI binário, dando-lhe o mesmo nome exato que a varredura segmentada, com a extensão de. lesão (da mesma forma como feito na etapa 3.2.7).
Tipo de digitalização Janela de tempo após o curso Propriedades infarct Verificação de referência Armadilhas
Ct > 24 h Agudo: hipodense - -Fase de nebulização
Crônica: hypodense cavidade com CSF e menos hypodense rim -Transformação hemorrágica
Dwi < 7 dias Hyperintense ADC: tipicamente hipointenso -T2 shinethrough
-Sinal elevado de DWI perto das relações entre o ar e o osso/tecido
Flair > 48 h Agudo: hiperintenso Agudo: DWI/ADC, T1 (isointense ou hypointense) -Hiperintensidades de matéria branca
Crônica: hipointensa ou isointensa (cavidade), borda hiperintensa Crônica: T1 (cavidade hipointensa com características do LCR). -Lacunes

Tabela 1: Resumo dos critérios de segmentação de infarto para diferentes tipos de varredura.

4. registro para o espaço padrão

  1. Download RegLSM de < www. metavcimap. org/features/software-Tools >4. Use esta ferramenta para processar varreduras do CT e qualquer tipo da seqüência de MRI. O procedimento de registro é ilustrado na Figura 7.
    Nota: As características opcionais no RegLSM incluem o registo a um molde intermediário de CT/MRI que se assemelhem mais pròxima às varreduras de uns pacientes mais idosos com atrofia22do cérebro. Por padrão, o CT e MRI scan são registrados para o modelo MNI-15234, mas isso pode ser substituído por outros modelos, se este melhor se adapte ao estudo. Diferentes esquemas de registro são ilustrados na Figura 7. Outras ferramentas de registro de código aberto também podem ser usadas para esta etapa.
  2. Verifique 1) se os arquivos NIfTI não são compactados, 2) que o nome do arquivo da varredura segmentada contém o termo CT, FLAIR, ou DWI, e 3) que o nome do arquivo da anotação da lesão contém o mesmo termo com um acrescentado ". lesão". Se essas três primeiras etapas forem seguidas, os dados serão totalmente preparados para o registro e nada precisa ser alterado.
  3. Abra o MATLAB (versão 2015a ou superior), defina a pasta atual como Reglsm (esta pasta pode ser baixada de 35 (versão 12 ou superior, download gratuito em < https://www.fil.Ion.UCL.AC.uk/SPM/>) digitando addpath {nome da pasta SPM}. Em seguida, digite Reglsm para abrir a GUI.
  4. Selecione o modo de teste no menu suspenso de registro para executar o registro para um único caso. No painel do modo de teste, selecione a verificação (CT, FLAIR ou DWI), a anotação e, opcionalmente, o T1, usando o botão abrir imagem . Selecione o esquema de registro: CT, Flair com ou sem T1, DWI com ou sem T1.
  5. Alternativamente, selecione o modo batch para registrar as varreduras de todos os casos na pasta selecionada no modo de lote.
  6. Assegure-se de que o RegLSM salve os parâmetros de registro resultantes e as varreduras registradas (incluindo etapas intermediárias) e o mapa de lesão registrado nas subpastas que são geradas automaticamente. Durante este processo, as varreduras registradas e os mapas da lesão são reampled para combinar a definição (isotropic 1 milímetro3 voxels) e a angulação do molde de MNI-152.

5. revisar os resultados do registro

  1. Selecione a opção verificar os resultados na GUI do RegLSM e navegue até a pasta principal com os resultados do registro. O GUI selecionará automaticamente a varredura registrada com o mapa registrado da lesão, e o molde de MNI-152 com o mapa registrado da lesão em orientações transversais, sagital, e coronal (veja Figura 8).
  2. Percorra a digitalização registada e utilize a mira para verificar o alinhamento da digitalização registada e o modelo MNI-152. Preste atenção específica ao alinhamento de marcos anatômicos reconhecíveis, como os gânglios basais, ventrículos e crânio.
  3. Marque todos os registros com falha em uma coluna separada no arquivo de dados (feito na etapa 1,2) para a correção manual subseqüente na seção 6.
    Nota: Os erros comuns no registro são o alinhamento imperfeito devido ao efeito maciço causado pela lesão no estágio agudo, ou à ampliação ex do vacuo dos ventrículos na fase crônica. Consulte a Figura 3 e a Figura 5 para obter exemplos desse desalinhamento. Um outro erro comum é um desalinhamento do cerebelli do tentorium, neste caso um enfarte occipital pode sobrepor com o cerebelo no molde. O desalinhamento dos tecidos que não são lesionados não é um problema quando somente os mapas binários da lesão são usados nas análises subseqüentes do mapeamento da lesão-sintoma. Nesses casos, apenas as lesões precisam estar perfeitamente alinhadas.

6. corrigir erros de registro manualmente

  1. Para os mapas de lesão que necessitam de correção, abra o modelo MNI-152 T1 no ITK-SNAP e selecione no menu segmentação | segmentação aberta | mapa de lesão registrado, que agora está sobreposto no modelo.
  2. Abra a verificação de cérebro registrada em uma instância separada do ITK-SNAP para referência.
  3. Corrija o mapa de lesão registrado em ITK-SNAP para qualquer tipo de desalinhamento mencionado na etapa 5,3 usando a função Brush para adicionar voxels (clique esquerdo) ou remover voxels (clique com o botão direito do mouse). Compare com cuidado a varredura registada e o mapa sobreposto da lesão (veja a etapa 5,2) com o molde de MNI-152 e o mapa sobreposto da lesão em ITK-SNAP (veja a etapa 6,1) para identificar as regiões do desalinhamento. Consulte a Figura 3 e a Figura 5.
  4. Após corrigir manualmente o mapa da lesão no espaço MNI, realize uma verificação final comparando a varredura nativa segmentada do paciente com o mapa de lesão corrigido no espaço MNI (i.e., os resultados da etapa 6,3). Assegure-se de que o mapa corrigido da lesão no espaço de MNI represente agora exatamente o infarto no espaço nativo. Preste atenção específica aos marcos reconhecíveis, como gânglios da base, ventrículos e crânio (semelhante ao passo 5,2).
  5. Salve o mapa de lesão corrigido no espaço MNI como um arquivo de NIfTI binário na mesma pasta que o mapa de lesão não corrigido no espaço MNI-152, dando-lhe exatamente o mesmo nome que o mapa de lesão não corrigido, com a extensão de. corrigido.

7. preparando dados para lesão-mapeamento de sintomas

  1. Renomeie todos os mapas da lesão. Por padrão, o RegLSM salvou os mapas da lesão em uma subpasta com o nome do arquivo "Results". Inclua o ID do assunto no nome do arquivo. No caso de correção manual, certifique-se de selecionar e renomear o arquivo corrigido.
  2. Copie todos os mapas de lesão em uma única pasta.
  3. Realize uma verificação da sanidade dos dados selecionando e inspecionando aleatòria diversos mapas da lesão em ITK-SNAP e compare estes com as varreduras nativas para governar para fora erros sistemáticos no processamento de dados tal como a inversão esquerdo-direita.
  4. Use MRIcron < https://www.nitrc.org/projects/mricron > para executar outra verificação de sanidade dos dados, criando uma imagem de sobreposição de lesão para verificar se nenhuma lesão está localizada fora do modelo cerebral. Faça isso selecionando o menu suspenso desenhar | estatísticas | criar sobreposição de imagens.
    Nota: O mapa de sobreposição de lesão resultante pode ser projetado no modelo MNI-152 e inspecionado usando, por exemplo, MRIcron ou ITK-SNAP.
  5. Os mapas da lesão estão agora prontos para ser usados para o mapeamento da lesão-sintoma VOXEL-baseado ou para o cálculo de volumes do enfarte dentro das regiões específicas do interesse usando um Atlas que seja registado ao mesmo espaço padrão que os mapas da lesão (neste caso, espaço de MNI-152 para que muitos Atlas estão disponíveis, apenas alguns dos quais são citados abaixo36,37,38).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Exemplos de segmentações de infarte cerebrais em imagens de TC (Figura 3), DWI (Figura 5) e Flair (Figura 6) e registro subseqüente ao modelo MNI-152 são fornecidos aqui. Os resultados de registro mostrados na Figura 3B e na Figura 5C não foram inteiramente bem-sucedidos, pois houve desalinhamento próximo ao chifre frontal do ventrículo. Os mapas registrados da lesão destes registros mal sucedidos foram corrigidos manualmente, os resultados de que são mostrados nos números. Após esta correção manual, os mapas da lesão de cada um destes três casos do exemplar são uma respresentação exata dos enfarte no espaço nativo, e os mapas da lesão estão prontos para ser usados para o mapeamento subseqüente da lesão-sintoma. A Figura 6C mostra um exemplo de um resultado de registro adequado que não requer nenhuma correção manual.

Estes números igualmente destacam diversas armadilhas potenciais na segmentação do infarto do cérebro em cada uma destas modalidades da varredura. A Figura 2 mostra um exemplo de artefatos de movimento em uma tomografia computadorizada (TC), caso em que o paciente deve ser excluído dos estudos do LSM. A Figura 4 mostra um exemplo de nebulização em uma tomografia computadorizada, que normalmente ocorre 14-21 dias após o AVC, levando a uma subestimação do tamanho do infarto. As varreduras do CT feitas neste intervalo de tempo não devem conseqüentemente ser usadas para o mapeamento da lesão-sintoma. A Figura 7 mostra os resultados de três esquemas típicos de registro de imagem cerebral gerados usando o software RegLSM. A Figura 8 mostra os resultados do registro de uma imagem DWI para o modelo MNI-152 T1 no Visualizador de resultados de registro do RegLSM.

Esses resultados ilustram todo o processo de segmentação de infarto em TC e RM, registro em espaço padrão, verificações de qualidade subsequentes e, quando necessário, correção manual dos resultados do registro. Os mapas de lesão resultantes estão prontos para serem usados em mapeamento de lesão-sintoma baseado em VOXEL ou região de interesse.

Figure 2
Figura 2 : Exemplo de artefatos de movimento em uma tomografia computadorizada, apresentando como sombreamento, estrias e borrar na imagem. Duas fatias diferentes de uma única tomografia computadorizada são mostradas. Alguns exemplos de estrias e sombras na imagem são indicados por setas. Neste caso, um enfarte com um componente hemorrágico no hemisfério cerebelar direito é claramente visível, mas uma delineação precisa da borda anterior e medial da lesão é difícil devido a estes artefatos. Portanto, essa verificação não deve ser usada para o LSM. Por favor clique aqui para ver uma versão maior desta figura.

Figure 3
Figura 3 : Segmentação e registro de um enfarte em uma tomografia computadorizada (TC). (A) TC em três pontos de tempo para um único paciente. A TC < 24 h não pode ser utilizada para segmentação, pois o infarto ainda não é visível mesmo que os mapas de TC-perfusão mostrem isquemia em uma grande região frontal direita. Legendas para mapas de TC-perfusão: fluxo sanguíneo cerebral (CBF em mL/100 g/min) variando 0 (azul escuro) a 200 (vermelho) e tempo médio de trânsito (MTT em s) variando de 0 (vermelho) a azul escuro (20). A tomografia computadorizada (TC) no 6º dia mostra inchaço do tecido cerebral infartado, com discreta mudança de linha média e transformação hemorrágica visível como região com maior densidade dentro do infarto. A tomografia computadorizada (TC) após 4 meses mostra perda tecidual cerebral com ex vacuo alargamento de ventrículos e sulcos próximos. O registro terá que compensar o deslocamento resultante de estruturas adjacentes. (B) o resultado do registro no modelo MNI-152. O algoritmo de registro insuficientemente compensado pelo deslocamento da linha média e compressão do ventrículo esquerdo, o que exigiu uma correção manual (mostrada à direita). Por favor clique aqui para ver uma versão maior desta figura.

Figure 4
Figura 4 : Exemplos do efeito de nebulização na imagem latente do CT. As varreduras em três temporais diferentes são mostradas para dois pacientes diferentes para ilustrar porque uma varredura do CT feita na fase de nebulização (isto é, 14-21 dias após o curso) deve ser evitada. (A) para o paciente 1, a tomografia computadorizada (TC) realizada 24 h após o início do AVC mostra um infarto bem demarcado no lobo frontal esquerdo. 20 dias após o início do AVC, o infarto não é bem demarcado, e usar essa varredura para segmentação resultaria na subestimação do tamanho do infarto. A continuação MRI (3 anos após) mostra que a varredura do CT após 24 h era uma respresentação exata do tamanho do infarto, visto que a varredura do CT no dia 20 não era. (B) para o paciente 2, a tomografia computadorizada em 24 h mostra sinais precoces sutis de isquemia com perda de diferenciação da matéria cinza-branca e inchaço difuso nas regiões temporal e insular direitas. A tomografia computadorizada no 4º dia mostra um infarto bem demarcado. Na tomografia computadorizada (TC) no dia 18, uma grande parte da região de infartado hipodense tornou-se isodensa, o que resultaria na subsegmentação do infarto. Por favor clique aqui para ver uma versão maior desta figura.

Figure 5
Figura 5 : Segmentação e registro de um enfarte em uma seqüência de MRI DWI. A varredura de MRI executou 12 h após o início do curso. (A) alesão isquêmica aguda é hiperintensa na seqüência de DWI (b-valor = 1000) e hypointense no ADC, indicando a difusão restrita devido ao edema citotóxica. O enfarte é segmentado na imagem DWI. Deve-se notar que há um aumento sutil no sinal no FLAIR, mas isso é insuficientemente claro para permitir a segmentação da lesão neste momento. (B) a elipse pontilhada mostra artefatos perto de configurações de ar ósseo no DWI (imagem superior) e ADC (imagem mais baixa). (C) comparação da seqüência registrada de DWI (imagem à esquerda; mesma varredura como mostrado nos painéis a e B) e no infarto registado correspondente com o molde MNI-152 (imagem média). Anote o erro ligeiro na cabeça do núcleo caudado direito, onde os ventrículos não são alinhados perfeitamente. Isto exigiu uma correção manual da segmentação no espaço padrão (mostrado à direita). Por favor clique aqui para ver uma versão maior desta figura.

Figure 6
Figura 6 : Segmentação e registro de um enfarte em uma seqüência do Flair de MRI. As varreduras de MRI foram executadas em dois temporais diferentes após o curso para um único paciente. (A) nas varreduras de MRI no dia 3 o enfarte lacunar agudo (indicado com setas brancas) pode ser distinguido confiantemente das lesões hyperintense crônicas, tais como as hiperintensidades da matéria branca (indicadas com círculos tracejados), porque somente os enfarte agudos mostram a limitação da difusão no DWI. Deve-se notar que, neste momento, o DWI também pode ser usado para segmentação. (B) em 7 meses, o DWI é já não útil para distinguir o enfarte das hiperintensidades da matéria branca. Em vez disso, o T1 deve ser usado para identificar o infarto com base na presença de uma cavidade cheia de líquido cefalorraquidiano que tem um sinal baixo em T1 (e sinal alto no ADC). Neste estágio crônico, a cavidade e o sinal hyperintense circunvizinho no FLAIR devem ser segmentado como um enfarte. (C) isso mostra os resultados do registro do Flair no dia 3, o que é adequado e não requer correção manual. Por favor clique aqui para ver uma versão maior desta figura.

Figure 7
Figura 7 : Visão geral dos esquemas de registro freqüentemente usados implementados no RegLSM. O uso de modelos intermediários que fornecem uma melhor correspondência com o paciente do que o modelo de destino é opcional. Isto é da importância particular quando uma varredura do CT é registada a um molde de MRI (Veja o paciente 1). Ao segmentar em FLAIR ou DWI, a varredura segmentada pode ser coregistrada em uma imagem T1 nativa (ver paciente 2), se disponível ou diretamente registrada no modelo T1 (paciente 3). Outras alternativas também estão disponíveis, como explicado nas seções relevantes da discussão. Por favor clique aqui para ver uma versão maior desta figura.

Figure 8
Figura 8 : Visualizador de resultados de registro implementado no RegLSM. Os três painéis esquerdos mostram o molde de MNI-152 em três aviões (transversal, sagital, coronal), e os três painéis da direita mostram uma imagem registada de DWI em três aviões. O Crosshair ajuda pode ser usado para verificar se as estruturas anatômicas são alinhadas com precisão. Por favor clique aqui para ver uma versão maior desta figura.

Figura complementar 1: estrutura de pasta típica durante um processamento de imagem para LSM. A primeira subpasta para o assunto ID002 contém três varreduras nativas no formato NIfTI (FLAIR, T1 e T2, na caixa vermelha) e a segmentação da sequência FLAIR (na caixa azul). As três subpastas são criadas durante o processo de registro pelo RegLSM. A subpasta to_MNI contém a verificação segmentada registrada (neste caso, o FLAIR, na caixa verde). A subpasta subseqüente contém o mapa de lesão registrado no espaço padrão (caixa roxa). De notar, RegLSM será feito lances-compatível com a próxima atualização. Por favor clique aqui para baixar esta figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

O LSM é uma ferramenta poderosa para estudar a arquitetura funcional do cérebro humano. Uma etapa crucial em todo o estudo do mapeamento da lesão-sintoma é o pré-processamento de dados da imagem latente, a segmentação da lesão e o registo a um molde do cérebro. Aqui, nós relatamos um encanamento estandardizado para a segmentação e o registo da lesão para a finalidade do mapeamento da lesão-sintoma. Este método pode ser realizado com ferramentas de processamento de imagem disponíveis livremente, pode ser usado para processar TC e ressonância magnética estrutural, e abrange todo o processo de preparação dos dados de imagem para análise de mapeamento de lesões-sintomas.

A primeira etapa principal em processar dados da imagem latente de cérebro para o mapeamento da lesão-sintoma é segmentação da lesão. Este protocolo fornece um tutorial detalhado que inclui critérios para o delineation do enfarte, diversos exemplos, e armadilhas para facilitar a segmentação exata e reprodutível. Conforme mencionado no protocolo e resumido na tabela 1, cada tipo de digitalização tem uma janela de tempo específica na qual pode ser usada para segmentação por infarte. Os infartos são visíveis em DWI dentro de diversas horas após o início do curso como o hyperintense em DWI e o hypointense no ADC (refletindo a difusão restrita da água devido ao edema citotóxica), visto que outras seqüências de MRI, incluindo o Flair, (e varreduras do CT) não são sensíveis bastante para detectar de forma confiável infartos dentro 48 h39. Após a primeira semana, a imagem de ADC torna-se isointenso e, eventualmente, hiperintenso como edema vasogênico desenvolve30, enquanto o DWI geralmente permanece hiperintenso por várias semanas mais31,39,40. Portanto, é aconselhável usar DWI apenas dentro de 7 dias e para usar a seqüência FLAIR após 7 dias.

Como observado na etapa 3,4, uma lesão do FLAIR hyperintense não é sempre um enfarte. As hiperintensidades da matéria branca e outras lesões crônicas podem assemelhar-se a um enfarte subcortical em uma seqüência do FLAIR. No estágio agudo, pequenos infartos subcorticais podem ser facilmente distinguidos de hiperintensidades de matéria branca ou outras lesões crônicas, como as lacunes de origem vascular presumida, quando há uma DWI disponível, como mencionado no protocolo (ver Figura 5). Na fase crônica, a sequência T1 precisa ser revisada de perto para procurar pequenas cavidades (de pelo menos 3 mm) dentro de uma lesão, indicando que a lesão não é uma hiperintensidade da matéria branca (ver Figura 6). As cavidades de < 3 milímetros, particular quando alongado na forma, dentro de uma lesão do hyperintense do Flair são mais prováveis ser um espaço perivascular do que um infarto e não devem ser segmentados como enfarte33. Se uma lesão cavitada crônica cabe os critérios para um lacune (isto é, a cavidade é 3-15 milímetros)33, pode ainda ser desafiante assegurar-se de que este seja de facto o enfarte sintomático, porque as lacunes podem ocorrer nos indivíduos sem sintomas neurológicos do evidente, e alguns indivíduos têm múltiplas lacunes41. Ajuda a saber o phenotype clínico do curso nestes casos para assegurar-se de que o infarto esteja localizado em uma estrutura que caiba os sintomas iniciais do curso. Quando há dúvida se uma lacune corresponde com os sintomas de AVC, é melhor excluir o paciente.

Há diversas considerações a respeito da identificação exata do enfarte que precisam de ser tidas em conta. O primeiro diz respeito à confiabilidade dos exames na detecção de infartos cerebrais. Em pacientes isquêmicos menores do curso com Infarcts pequenos, o tamanho final do infarto no Flair da continuação é frequentemente menor do que a lesão inicial de DWI42. Em grandes infartos (corticais), há evidências consideráveis de que a lesão do DWI no estágio hiperagudo (< 24 h) representa com precisão o núcleo do enfarte (i.e., representa dano irreversível), mesmo quando a imagem de DWI é realizada antes da terapia de reperfusão 43 , 44. Entretanto, em alguns casos, a lesão de DWI observada dentro de 24 h é uma subrepresentação do tamanho final do enfarte, porque a penumbra (tecido cerebral hipoperfused mas potencialmente salvageable) não é visível como uma lesão de DWI, mas pode ainda progredir para dar forma parte do infarto final43 (particularmente se a terapia do reperfusão não é executada nos pacientes com grandes oclusões da artéria).

Uma outra edição com uso DWI dentro de 24 h é que as lesões de DWI são a alguma extensão dinâmica e podem mostrar a reversão após a terapia do reperfusão. Entretanto, as varreduras da continuação mostraram que esta reversão era transiente e que a lesão inicial de DWI representasse exatamente o núcleo do infarto. Entretanto, isto indica que o DWI executou diversas horas depois que a terapia do reperfusão pôde conduzir a uma subestimação mais adicional do tamanho final43do infarto. Esta subestimação potencial do tamanho final do enfarte é uma limitação importante de usar o DWI executado dentro de 24 h após o início do curso em estudos do traço da lesão-sintoma. No entanto, deve notar-se que existem limitações ao uso de outros protocolos de digitalização também. Em primeiro lugar, as varreduras de qualquer modalidade que são executadas > 24 h depois que o curso pode mostrar o efeito maciço devido ao inchamento do enfarte no estágio agudo, e ao alargamento ex do vacuo dos ventrículos, do alargamento apagamento, e do deslocamento de estruturas circunvizinhas no crônico fase7. Esse deslocamento deve ser corrigido pelo algoritmo de registro e, se necessário, uma correção manual deve ser realizada por um revisor especialista. Ainda assim, ambas as condições podem afetar a precisão da tradução da região infartada para o espaço padrão, mesmo quando verificações de qualidade rigorosas são executadas.

Da nota, o DWI no estágio hyperacute não sofre desta limitação, desde que não há nenhum efeito maciço significativo dentro de 24 h. À luz destas limitações tipo-específicas do varredor, a consideração de obter um conjunto de dados homogêneo deve ser feita ao projetar um estudo do mapeamento da lesão-sintoma, usando um único tipo da varredura em um timepoint estandardizado. No entanto, isso irá introduzir um viés sistemático na inclusão do paciente, como na maioria das clínicas, pacientes com AVC que passam por RM são diferentes (ou seja, muitas vezes têm infartos menores e menos, sintomas mais isolados) em comparação com pacientes que sofrem de TC. Como tal, a exclusão sistemática de pacientes com uma modalidade específica de imagem limitará a variabilidade na distribuição da lesão, o que, por sua vez, tem um impacto negativo na validade dos resultados do mapeamento da lesão-sintoma45.

Finalmente, uma limitação de todas as modalidades estruturais da imagem latente é que não capturam a presença de perfusão diminuída em torno do enfarte, mesmo que a perfusão anormal nas regiões do cérebro que parecem normais na imagem latente estrutural possa interferir com o cérebro função7,46. Em síntese, a TC e várias sequências estruturais de RM podem ser utilizadas para segmentar infartos com o objetivo de mapear lesões-sintomas, desde que as janelas de tempo adequadas e os critérios para a detecção da lesão sejam seguidos, e os resultados do registro sejam cuidadosamente verificados. Tendo em conta as limitações específicas do tipo de scanner e da janela temporal é crucial ao projetar e interpretar estudos de mapeamento de lesões-sintomas.

Uma questão importante em qualquer método de segmentação da lesão é avaliar sua reprodutibilidade. A formação adequada e o conhecimento da anatomia cerebral são cruciais para distinguir as lesões de estruturas anatômicas normais e variantes anatômicas. Além disso, recomenda-se a avaliação da reprodutibilidade inter e intraobservador antes da realização de segmentações de infarto para fins de mapeamento lesão-sintoma. Nós temos demonstrado previamente a concordância interobservador elevada para o protocolo manual da segmentação do infarto em varreduras do CT no agudo [coeficiente médio da similaridade dos dados (DSC) 0,77; DP 0,11] e crônica (DSC 0,76; DP 0,16), bem como alta concordância intraobservador (DSC 0,90, DP 0, 5 em estágio agudo; DSC 0,89, SD 0, 6 em estágio crônico)16. O acordo inter-observador para a segmentação do infarto em DWI e em Flair é sabido igualmente para ser elevado47.

A principal limitação do método descrito aqui é que a segmentação manual, verificações de qualidade e correções manuais consomem muito tempo. As ferramentas inteiramente automatizadas da segmentação do infarto que podem processar varreduras do CT e do MRI com protocolos de varredura de variação em uma maneira de confiança faltam7,47. As ferramentas automatizadas de segmentação por enfarte que são otimizadas para protocolos de digitalização específicos fornecem resultados promissores (por exemplo, para DWI, onde o contraste entre o tecido cerebral infartado e o normal é muito alto48), e mais melhorias são susceptíveis de ser feitas num futuro próximo. Os métodos semiautomatizados podem reduzir o tempo necessário para segmentar infartos, mas também exigem um especialista para garantir a classificação de lesão exata47. Esta verificação da qualidade é crucial, porque mesmo algumas segmentações falhadas do infarto podem significativamente reduzir a validez dos resultados do traço da lesão-sintoma. Assim, a segmentação manual do enfarte permanece o padrão-ouro7.

A segunda etapa principal em processar dados da imagem latente de cérebro para o mapeamento da lesão-sintoma é o registo dos mapas da lesão a um molde do cérebro. O RegLSM fornece vários esquemas de registro validados. Para exames de TC, a equalização do histograma é realizada para melhorar o contraste do tecido mole21, e um passo de registro intermediário para um modelo de TC22 é realizado para otimizar a qualidade do registro. Para as varreduras de MRI, a varredura em que a segmentação foi executada é coregistada à seqüência T1 correspondente, se disponível, usando o registo linear. Subseqüentemente, o T1 nativo é registrado a um modelo T1 idade-específico intermediário22 ou diretamente ao modelo T1 do alvo34 usando o registro linear e não-linear20. Os modelos intermediários, CT e T1, foram alinhados com o modelo T1 de destino usando um registro linear e não-linear que foi otimizado e verificado manualmente. Quando o modelo intermediário é usado, essa transformação pré-calculada é acrescentada como a etapa de transformação final.

Quando nenhum T1 está disponível, a varredura em que a segmentação foi executada (geralmente um FLAIR ou um DWI) pode ser registada diretamente ao molde T1 do alvo usando um registro linear e não-linear20. Para imagens DWI, uma máscara de tecido cerebral é criada usando a segmentação unificada como implementado no SPM35, para orientar o registro linear após o qual um registro não-linear conclui o procedimento. Os esquemas de registro no RegLSM são altamente personalizáveis, e o modelo T1 e intermediário do MNI-152 comumente usado pode ser substituído por qualquer modelo que possa fornecer uma melhor correspondência com a verificação segmentada. Uma possibilidade interessante seria o desenvolvimento de modelos de cérebro FLAIR e DWI que proporcionam uma melhor combinação com pacientes com AVC individuais. Uma limitação do método de registro descrito é que o registro falha em alguns casos, ou seja, uma inspeção visual dos resultados do registro é necessária para todos os pacientes, seguido de uma correção manual em alguns casos. O número de casos que requerem uma correção manual varia de acordo com o subtipo de traçado. Em nossa experiência prévia, correções manuais são necessárias em até um terço dos infartos cerebrais grandes49,50,51 , mas apenas 13% dos pacientes com infartos lacunar pequenos4. A maioria dos registros falhados é causada por distorções anatômicas devido à lesão (como discutido previamente), que é particular provável acontecer nos casos de grandes enfartes com o inchamento severo ou a ampliação ex do vacuo de estruturas circunvizinhas. A correção manual desses desalinhamentos é demorada, mas crucial antes da realização de análises de mapeamento de lesões-sintomas. O número de casos que necessitam de correção manual é menor ao estudar hiperintensidades de matéria branca em comparação aos infartos, provavelmente porque essas lesões não causam distorção anatômica significativa. Em nosso estudo recente de mapeamento de lesão-sintoma em pacientes com hiperintensidades de matéria branca, apenas 3% eram de qualidade insuficiente para proceder sem correção manual6.

Por padrão, o RegLSM não se aplica a qualquer forma de mascaramento de lesões nem enchimento de lesões, embora a natureza personalizável do RegLSM permita que os usuários o habilitem. O uso da métrica de informação mútua52 no procedimento de registro evita a maioria das questões previamente levantadas com a presença de uma lesão que afeta a qualidade do registro. A informação mútua é adequada para registros multimodais (por exemplo, FLAIR para T1) e é menos afetada pela presença de patologia do que outras métricas ou funções de custo. Mesmo para o registro intramodal (por exemplo, o T1 do assunto ao molde T1), a informação mútua deve ser usada para lidar com a presença de patologia. As lesões terão seu próprio agrupamento no histograma comum que pode ser otimizado sem afetar a qualidade do registro. Em alguns casos, o mascaramento da lesão pode até degradar a qualidade do registro, uma vez que a informação insuficiente da imagem permanece para orientar o registro quando o volume da lesão é grande.

Como um comentário geral sobre o software usado, incluindo a conversão de DICOM para o formato NIfTI, visualização de digitalização e anotação, deve-se notar que muitas ferramentas de acesso aberto existem. Nós não fornecemos uma visão geral sistemática de todas as ferramentas disponíveis, porque isso foi além do escopo deste artigo. Além disso, muitas instituições desenvolvem suas próprias ferramentas de visualização e anotação de imagem. Aqui, optou-se por fornecer um quadro abrangente que abrange todo o processo de pré-processamento, segmentação e registro de TC/RM para fins de mapeamento de lesões-sintomas usando várias ferramentas de acesso aberto comumente usadas. Ao usar esse método, as ferramentas de conversão, visualização ou anotação de imagem propostos podem ser substituídas por outras ferramentas disponíveis ou por ferramentas personalizadas, se isso melhor se adapte aos dados ou for considerado mais conveniente. Além disso, o pipeline de processamento de imagem pode ser mais personalizado através da implementação de ferramentas segmentadas de infarto (semi-) automatizadas disponíveis, se isso se encaixa no projeto de estudo de um estudo específico de mapeamento de lesão-sintoma. Este trabalho centra-se no processamento de exames de pacientes com AVC isquêmico, mas o quadro pode ser usado para processar outros tipos de lesão também (por exemplo, hiperintensidades de matéria branca ou lacunes), substituindo o procedimento de segmentação da lesão (seção 3 do Protocolo) com outro procedimento de segmentação adequado.

Uma questão importante no mapeamento lesão-sintoma é como lidar com patologias coocorrentes. Por exemplo, ao realizar um estudo em pacientes com AVC isquêmico agudo, pode haver uma quantidade substancial de hiperintensidades de matéria branca coocorrendo ou mesmo infartos anteriores. Ao estudar hiperintensidades de matéria branca, alguns pacientes também podem ter infartos cerebrais (silenciosos ou clinicamente overt). As patologias coocorrendo na imagem latente de cérebro podem ter uma contribuição independente ao prejuízo cognitivo e devem idealmente ser tidas em conta. Uma maneira direta de lidar com essa questão é excluir pacientes com patologias coocorrentes [por exemplo, excluir pacientes com infartos cerebrais (grandes) quando se concentram em hiperintensidades de matéria branca], mas isso tem a desvantagem de limitar a generalização dos resultados aos pacientes com um único tipo de patologia.

Uma aproximação alternativa que seja usada frequentemente é regresing para fora os efeitos de patologias de coexistência (por exemplo, ajuste para o volume da hiperintensidade da matéria branca ou a presença de enfartes do cérebro) na variável do resultado antes ou durante o mapeamento da lesão-sintoma Análise. No entanto, uma limitação dessa abordagem é que a localização dessas patologias coocorrentes não é levada em consideração, embora isso seja conhecido por ser relevante para os infartos e hiperintensidades da substância branca2, e provavelmente para outros tipos de lesão. Portanto, por motivos teóricos, a melhor abordagem é realizar uma análise de mapeamento de lesão-sintoma integrada na qual os resultados do VLSM são corrigidos para a localização de patologias coocorrentes no nível de VOXEL. Em um estudo recente, um método baseado em regressão vetorial de suporte multivariado foi usado para realizar o mapeamento de lesão-sintoma de VOXEL-Wise integrado em vários tipos de lesões e identificou regiões cerebrais onde as hiperintensidades de matéria branca estão associadas à declínio após o curso, independente da posição aguda do infarto53. Este estudo mostra como uma análise integrada VOXEL-sábia de tipos múltiplos da lesão pode fornecer introspecções novas na interação complexa entre tipos diferentes da lesão no desenvolvimento do prejuízo cognitivo e da demência53.

Em resumo, o pipeline de processamento de imagem fornecido aqui serve como um método padronizado de segmentação e registro de lesão cerebral para fins de mapeamento de lesão-sintoma. Os pontos fortes deste método são a (1) confiabilidade do método de segmentação e registro, que vem ao custo de verificações de qualidade rigorosas, e em alguns casos correções por um avaliador treinado, (2) customizabilidade do pipeline de registro em que o o esquema e os moldes do registo podem ser ajustados para caber os dados na melhor maneira possível, e (3) possibilidade processar dados altamente heterogêneos da imagem latente do cérebro, incluindo o CT e as seqüências estruturais de MRI. Os desafios futuros incluem o desenvolvimento de ferramentas robustas e automatizadas de segmentação de lesões para TC e RM, melhorias adicionais dos métodos de registro e desenvolvimento de modelos cerebrais que proporcionam uma melhor combinação com pacientes com AVC individuais, incluindo Modelos DWI e FLAIR. Essas melhorias podem aumentar ainda mais a reprodutibilidade da segmentação da lesão e reduzir o tempo gasto na realização de verificações visuais e correções manuais.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Os autores não divulgam conflitos de interesse.

Acknowledgments

O trabalho do Dr. Biesbroek é apoiado por um jovem talento Fellowship do centro cerebral Rudolf Magnus da Universidade Medical Center Utrecht. Este trabalho e o consórcio meta VCI MAP são apoiados por vici Grant 918.16.616 da ZonMw, Holanda, organização para pesquisa e desenvolvimento em saúde, para Geert Jan Biessels. Os autores gostariam de agradecer ao Dr. Tanja CW Nijboer por compartilhar varreduras que foram usadas em uma das figuras.

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/

DOWNLOAD MATERIALS LIST

References

  1. 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).
  2. 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).
  3. Karnath, H. O., Sperber, C., Rorden, C. Mapping human brain lesions and their functional consequences. NeuroImage. 165, 180-189 (2018).
  4. 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).
  5. 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).
  6. 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).
  7. de Haan, B., Karnath, H. O., et al. A hitchhiker's guide to lesion-behaviour mapping. Neuropsychologia. 115, 5-16 (2018).
  8. 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).
  9. 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).
  10. 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).
  11. Mah, Y. H., Husain, M., Rees, G., Nachev, P. Human brain lesion-deficit inference remapped. Brain. 137 (Pt8), 2522-2531 (2014).
  12. Sperber, C., Karnath, H. O. Impact of correction factors in human brain lesion-behavior inference. Human Brain Mapping. 38 (3), 1692-1701 (2017).
  13. Chen, R., Herskovits, E. H. Voxel-based Bayesian lesion-symptom mapping. NeuroImage. 49 (1), 597-602 (2010).
  14. 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).
  15. Corbetta, M., et al. Common behavioral clusters and subcortical anatomy in stroke. Neuron. 85 (5), 927-941 (2015).
  16. Biesbroek, J. M. The anatomy of visuospatial construction revealed by lesion-symptom mapping. Neuropsychologia. 62, 68-76 (2014).
  17. Duering, M., et al. Strategic white matter tracts for processing speed deficits in age-related small vessel disease. Neurology. 82 (22), 1946-1950 (2014).
  18. 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).
  19. 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).
  20. 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).
  21. 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).
  22. 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).
  23. Barrett, J. F., Keat, N. Artifacts in CT: Recognition and Avoidance. RadioGraphics. , (2007).
  24. 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).
  25. Rorden, C., Brett, M. Stereotaxic display of brain lesions. Behavioural Neurology. 12 (4), 191-200 (2000).
  26. 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).
  27. 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).
  28. Becker, H., Desch, H., Hacker, H., Pencz, A. CT fogging effect with ischemic cerebral infarcts. Neuroradiology. 18 (4), 185-192 (1979).
  29. 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).
  30. 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).
  31. 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).
  32. 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).
  33. 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).
  34. 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).
  35. Ashburner, J., Friston, K. J. Unified segmentation. NeuroImage. 26 (3), 839-851 (2005).
  36. 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).
  37. Hua, K. Tract probability maps in stereotaxic spaces: Analyses of white matter anatomy and tract-specific quantification. NeuroImage. 39 (1), 336-347 (2008).
  38. Eickhoff, S. B., et al. A new SPM toolbox for combining probabilistic cytoarchitectonic maps and functional imaging data. NeuroImage. 25 (4), 1325-1335 (2005).
  39. 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).
  40. 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).
  41. Wardlaw, J. M. What is a lacune? Stroke. 39, 2921-2922 (2008).
  42. 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).
  43. 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).
  44. 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).
  45. Sperber, C., Karnath, H. O. On the validity of lesion-behaviour mapping methods. Neuropsychologia. 115, 17-24 (2018).
  46. Hillis, A. E., et al. Restoring Cerebral Blood Flow Reveals Neural Regions Critical for Naming. Journal of Neuroscience. 26 (31), 8069-8073 (2006).
  47. 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).
  48. 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).
  49. 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).
  50. 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).
  51. 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).
  52. 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).
  53. 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).

Tags

Comportamento mapeamento de lesão-sintoma mapeamento de lesão-comportamento infarto acidente vascular cerebral segmentação registro registro de imagem normalização espacial comprometimento cognitivo vascular
Segmentação de infarct cerebral e registro em RM ou TC para lesão-mapeamento de sintomas
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Biesbroek, J. M., Kuijf, H. J.,… More

Biesbroek, J. M., Kuijf, H. J., Weaver, N. A., Zhao, L., Duering, M., , Biessels, G. J. Brain Infarct Segmentation and Registration on MRI or CT for Lesion-symptom Mapping. J. Vis. Exp. (151), e59653, doi:10.3791/59653 (2019).

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