Waiting
Login processing...

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

Neuroscience

संरचनात्मक चुंबकीय अनुनाद इमेजिंग का उपयोग करके मानव सेरेबेलर ग्रे मैटर मॉर्फोमेट्री की जांच के लिए एक मानकीकृत पाइपलाइन

Published: February 4, 2022 doi: 10.3791/63340
Automatic Translation
1, 2, 3, 4, 5,6, 7, 1,8
1Department of Neuroscience, Central Clinical School, Monash University, 2Department of Biomedical Engineering, The Johns Hopkins University, 3Department of Psychiatry, National Institute of Mental Health & Neuro Sciences (NIMHANS), 4Faculty of Computer Science, Dalhousie University, 5Department of Electrical and Computer Engineering, The Johns Hopkins University, 6Department of Computer Science, The Johns Hopkins University, 7Brain and Mind Institute, Department for Statistical and Actuarial Sciences, Department for Computer Science, Western University, 8Monash Biomedical Imaging, Monash University

Summary

सेरिबैलम ग्रे मैटर मोर्फोमेट्री की जांच के लिए एक मानकीकृत पाइपलाइन प्रस्तुत की जाती है। पाइपलाइन उच्च-रिज़ॉल्यूशन, अनुकूलित और स्वचालित सेरिबैलम पार्सलेशन के लिए अत्याधुनिक दृष्टिकोण ों को जोड़ती है और वॉल्यूमेट्रिक परिमाणीकरण के लिए सेरिबैलम के वोक्सेल-आधारित पंजीकरण को जोड़ती है।

Abstract

अनुसंधान की कई लाइनें संज्ञानात्मक और भावात्मक कार्यों की एक विस्तृत सरणी में सेरिबैलम की भूमिका के लिए सम्मोहक सबूत प्रदान करती हैं, जो मोटर नियंत्रण के साथ अपने ऐतिहासिक संबंध से परे जा रही हैं। संरचनात्मक और कार्यात्मक न्यूरोइमेजिंग अध्ययनों ने अपने शारीरिक प्रभागों से परे सेरिबैलम के कार्यात्मक न्यूरोएनाटॉमी की समझ को और परिष्कृत किया है, जो स्वस्थ परिवर्तनशीलता और न्यूरोलॉजिकल बीमारियों में व्यक्तिगत अनुमस्तिष्क सबयूनिट्स की परीक्षा की आवश्यकता पर प्रकाश डालता है। यह पेपर सेरिबैलम ग्रे मैटर मॉर्फोमेट्री की जांच के लिए एक मानकीकृत पाइपलाइन प्रस्तुत करता है जो अनुकूलित और स्वचालित सेरिबैलम पार्सलेशन के लिए उच्च-रिज़ॉल्यूशन, अत्याधुनिक दृष्टिकोण को जोड़ता है (यू-नेट स्थानीय रूप से विवश अनुकूलन का उपयोग करके स्वचालित सेरिबैलम एनाटोलॉजिकल पार्सेलेशन); ACAPULCO) और voxel-आधारित सेरिबैलम के पंजीकरण (स्थानिक रूप से निष्पक्ष इन्फ्रा-tentorial टेम्पलेट; सूट) वॉल्यूमेट्रिक परिमाणीकरण के लिए।

पाइपलाइन में न्यूरोलॉजिकल बीमारियों की एक श्रृंखला के लिए व्यापक प्रयोज्यता है और पूरी तरह से स्वचालित है, मैनुअल हस्तक्षेप के साथ केवल आउटपुट के गुणवत्ता नियंत्रण के लिए आवश्यक है। पाइपलाइन स्वतंत्र रूप से उपलब्ध है, पर्याप्त प्रलेखन के साथ, और मैक, विंडोज और लिनक्स ऑपरेटिंग सिस्टम पर चलाया जा सकता है। पाइपलाइन को फ्रीड्रेच अटैक्सिया (एफआरडीए) वाले व्यक्तियों के एक समूह में लागू किया जाता है, और प्रतिनिधि परिणाम, साथ ही साथ समूह-स्तर के अनुमानित सांख्यिकीय विश्लेषणों पर सिफारिशें प्रदान की जाती हैं। यह पाइपलाइन क्षेत्र भर में विश्वसनीयता और पुनरुत्पादन की सुविधा प्रदान कर सकती है, अंततः न्यूरोलॉजिकल बीमारियों में अनुमस्तिष्क संरचनात्मक परिवर्तनों की विशेषता और ट्रैकिंग के लिए एक शक्तिशाली पद्धतिगत दृष्टिकोण प्रदान करती है।

Introduction

सेरिबैलम मस्तिष्क का एक हिस्सा है जो ऐतिहासिक रूप से मोटर नियंत्रण 1,2,3 से जुड़ा हुआ है और माना जाता है कि यह दुर्लभ बीमारियों के केवल एक छोटे से सेट में अभिन्न रूप से शामिल है, जैसे कि विरासत में मिला अटैक्सियास4। हालांकि, गैर-मानव प्राइमेट्स में शारीरिक अनुरेखण अध्ययनों से अनुसंधान की अभिसरण रेखाएं, साथ ही साथ मानव घाव और न्यूरोइमेजिंग अध्ययन, संज्ञानात्मक 5,6,7, भावात्मक 8,9,10,11, और अन्य नॉनमोटर कार्यों 7,12 (देखें 6) की एक विस्तृत सरणी में सेरिबैलम की भूमिका के लिए सम्मोहक सबूत प्रदान करते हैं।  समीक्षा के लिए)। इसके अलावा, सेरिबैलम की असामान्यताएं न्यूरोलॉजिकल और मनोरोग संबंधी विकारों की एक विस्तृत श्रृंखला में तेजी से फंस जाती हैं, जिसमें पार्किंसंस रोग13, अल्जाइमर रोग14,15, मिर्गी 16,17, सिज़ोफ्रेनिया18, और आत्मकेंद्रित स्पेक्ट्रम विकार19 शामिल हैं। . इसलिए, मानव मस्तिष्क रोगों और मानक व्यवहार परिवर्तनशीलता के कार्यात्मक और संरचनात्मक मॉडल में सेरिबैलम को शामिल करना आवश्यक हो गया है।

शारीरिक रूप से, सेरिबैलम को अपने बेहतर से अवर अक्ष के साथ तीन लोबों में विभाजित किया जा सकता है: पूर्वकाल, पीछे और फ्लोकुलोनोडुलर। लोब को आगे 10 लोब्यूल्स में विभाजित किया गया है, जो रोमन अंकों I-X20,21 (चित्र1) द्वारा दर्शाया गया है। सेरिबैलम को मिडलाइन (वर्मी) और पार्श्व (गोलार्ध) क्षेत्रों में भी वर्गीकृत किया जा सकता है, जो क्रमशः रीढ़ की हड्डी और सेरेब्रल कॉर्टेक्स से इनपुट प्राप्त करते हैं। पूर्वकाल लोब, जिसमें लोब्यूल्स आई-वी शामिल हैं, पारंपरिक रूप से मोटर प्रक्रियाओं से जुड़ा हुआ है और इसमें सेरेब्रल मोटरकोर्टिसेस 22 के साथ पारस्परिक संबंध हैं। पश्चवर्ती लोब, जिसमें लोब्यूल्स VI-IX शामिल हैं, मुख्य रूप से nonmotor प्रक्रियाओं11 के साथ जुड़ा हुआ है और प्रीफ्रंटल कॉर्टेक्स, पश्च पार्श्विका, और बेहतर टेम्पोरल सेरेब्रलकोर्टिसेस 8,23 के साथ पारस्परिक संबंध है। अंत में, फ्लोकुलोनोडोलर लोब, जिसमें लोब्यूल एक्स शामिल है, में वेस्टिबुलर नाभिक के साथ पारस्परिक संबंध हैं जो रुख और चाल21 के दौरान आंखों के आंदोलनों और शरीर के संतुलन को नियंत्रित करते हैं।

कार्यात्मक न्यूरोइमेजिंग का उपयोग करके हाल के काम के बढ़ते शरीर ने अपने शारीरिक प्रभागों से परे सेरिबैलम के कार्यात्मक न्यूरोएनाटॉमी की समझ को और परिष्कृत किया है। उदाहरण के लिए, सेरिबैलम और सेरेब्रम24 के बीच कार्यात्मक इंटरैक्शन के पैटर्न को मैप करने के लिए आराम-राज्य कार्यात्मक चुंबकीय अनुनाद इमेजिंग (एफएमआरआई) तकनीकों का उपयोग किया गया है। इसके अतिरिक्त, एक कार्य-आधारित पार्सेलेशन दृष्टिकोण का उपयोग करते हुए, राजा और सहकर्मियोंने 7 ने प्रदर्शित किया कि सेरिबैलम अपनी चौड़ाई में कार्यात्मक विशेषज्ञता का एक समृद्ध और जटिल पैटर्न दिखाता है, जो विभिन्न प्रकार के मोटर, भावात्मक, सामाजिक और संज्ञानात्मक कार्यों से जुड़ी अलग-अलग कार्यात्मक सीमाओं से स्पष्ट है। सामूहिक रूप से, ये अध्ययन सेरेबेलर संरचना और / या कार्य में परिवर्तन की विशेषता वाले स्वस्थ परिवर्तनशीलता और न्यूरोलॉजिकल बीमारियों दोनों में सेरिबैलम की भागीदारी के पूर्ण जैविक लक्षणों को विकसित करने के लिए व्यक्तिगत सेरेबेलर सबयूनिट्स की जांच करने के महत्व को उजागर करते हैं।

वर्तमान कार्य मनुष्यों में संरचनात्मक एमआरआई का उपयोग करके अनुमस्तिष्क मात्रा में स्थानीय परिवर्तनों को मापने के तरीकों पर केंद्रित है। सामान्य तौर पर, एमआरआई डेटा का उपयोग करके क्षेत्रीय मस्तिष्क की मात्रा के परिमाणीकरण के लिए दो मौलिक दृष्टिकोण हैं: सुविधा-आधारित विभाजन और वोक्सेल-आधारित पंजीकरण। सुविधा-आधारित विभाजन दृष्टिकोण उप-क्षेत्रों के बीच सीमाओं को स्वचालित रूप से पहचानने के लिए शारीरिक स्थलों और मानकीकृत एटलस का उपयोग करते हैं। विभाजन के लिए मुख्यधारा के सॉफ्टवेयर पैकेज ों में FreeSurfer25, BrainSuite26, और FSL-FIRST27 शामिल हैं। हालांकि, ये पैकेज सेरिबैलम के केवल मोटे पार्सलेशन प्रदान करते हैं (उदाहरण के लिए, प्रत्येक गोलार्ध में पूरे ग्रे पदार्थ और पूरे सफेद पदार्थ को लेबल करना), इस प्रकार व्यक्तिगत अनुमस्तिष्क लोब्यूल्स की अनदेखी करते हैं। ये दृष्टिकोण भी गलत विभाजन के लिए प्रवण हैं, विशेष रूप से आसपास के वास्कुलचर के अतिसंचय।

नई मशीन-लर्निंग और मल्टी-एटलस लेबलिंग एल्गोरिदम विकसित किए गए हैं, जो सेरिबैलम के अधिक सटीक और महीन-दाने वाले पार्सेलेशन प्रदान करते हैं, जिसमें अंतर्निहित बहु-सीमा विकास (प्रशंसित28,29), सेरेबेलर विश्लेषण टूलकिट (CATK 30), एकाधिक स्वचालित रूप से उत्पन्न टेम्पलेट्स (MAGeT31), मानव सेरिबैलम और इसके लोब्यूल्स (RASCAL32) का उपयोग करके सेरेबेलर लोब्यूल्स एल्गोरिथ्म का स्वचालित वर्गीकरण शामिल है। ), ग्राफ-कट विभाजन33, और सेरिबैलम विभाजन (CERES34)। हाल ही में एक पेपर में अत्याधुनिक पूरी तरह से स्वचालित सेरिबैलम पार्सेलेशन दृष्टिकोणों की तुलना में, CERES2 को सेरेबेलर लोब्यूल्स35 के सोने के मानक मैनुअल विभाजन के सापेक्ष अन्य दृष्टिकोणों को पछाड़ने के लिए पाया गया था। हाल ही में, हान और सहयोगियों36 ने एक गहरी सीखने वाली एल्गोरिथ्म विकसित की जिसे ACAPULCO कहा जाता है (स्थानीय रूप से विवश अनुकूलन के साथ यू-नेट का उपयोग करके स्वचालित सेरिबैलम एनाटोलॉजिकल पार्सेलेशन), जो CERES2 के बराबर प्रदर्शन करता है, स्वस्थ और एट्रोफिड सेरिबैलम दोनों के लिए व्यापक प्रयोज्यता है, 'ऑफ-द-शेल्फ' कार्यान्वयन के लिए ओपन-सोर्स डॉकर और विलक्षणता कंटेनर प्रारूप में उपलब्ध है, और अन्य दृष्टिकोणों की तुलना में अधिक समय-कुशल है। ACAPULCO स्वचालित रूप से 28 शारीरिक क्षेत्रों में सेरिबैलम parcellates.

सुविधा-आधारित विभाजन के विपरीत, वोक्सेल-आधारित पंजीकरण दृष्टिकोण एक टेम्पलेट छवि के लिए एमआरआई को ठीक से मैप करके संचालित होते हैं। इस मानचित्रण को प्राप्त करने के लिए, मूल छवि में voxels आकार और आकार में विकृत किया जाना चाहिए। इस विरूपण का परिमाण प्रभावी रूप से सोने के मानक टेम्पलेट के सापेक्ष प्रत्येक voxel पर मात्रा का एक उपाय प्रदान करता है। वॉल्यूमेट्रिक मूल्यांकन के इस रूप को 'वोक्सेल-आधारित मॉर्फोमेट्री' 37 के रूप में जाना जाता है। पूरे मस्तिष्क voxel-आधारित पंजीकरण दृष्टिकोण, जैसे FSL-FLIRT38 / FNIRT39, SPM एकीकृत विभाजन40, और CAT1241, आमतौर पर वोक्सेल-आधारित मॉर्फोमेट्री के लिए उपयोग किया जाता है। हालांकि, ये दृष्टिकोण सेरिबैलम के लिए अच्छी तरह से खाते नहीं हैं, जिसके परिणामस्वरूप इन्फ्राटेन्टोरियल क्षेत्रों (सेरिबैलम, ब्रेनस्टेम 42) में खराब विश्वसनीयता और वैधताहोती है। इन सीमाओं के लिए खाते के लिए, सूट (स्थानिक रूप से निष्पक्ष इन्फ्रा-टेंटोरियल टेम्पलेट) एल्गोरिथ्म को सेरिबैलम पंजीकरण को अनुकूलित करने और वोक्सेल-आधारित मॉर्फोमेट्री42,43 की सटीकता में सुधार करने के लिए विकसित किया गया था।

क्षेत्रीय अनुमस्तिष्क मात्रा के अनुमान के लिए फीचर-आधारित विभाजन और वोक्सेल-आधारित पंजीकरण दृष्टिकोणों में मौलिक ताकत और कमजोरियां हैं। विभाजन दृष्टिकोण शारीरिक रूप से परिभाषित क्षेत्रों की मात्रा को मापने के लिए काफी अधिक सटीक हैं (उदाहरण के लिए, लोब्यूल्स35)। हालांकि, सेरिबैलम के अलग-अलग कार्यात्मक मॉड्यूल के बीच की सीमाएं इसके शारीरिक फोलिया और फिशर (सेरेब्रम7 के गाइरी और सल्सी के बराबर) पर मैप नहीं करती हैं। चूंकि पंजीकरण-आधारित दृष्टिकोण शारीरिक स्थलों द्वारा विवश नहीं हैं, इसलिए सेरिबैलम के महीन-दाने वाले स्थानिक अनुमान और उच्च आयामी संरचना-फ़ंक्शनमैपिंग संभव है। एक साथ लिया गया, विभाजन और पंजीकरण दृष्टिकोण एक दूसरे के पूरक हैं और विभिन्न शोध प्रश्नों के उत्तर देने के लिए उपयोग किए जा सकते हैं।

यहां, एक नई मानकीकृत पाइपलाइन प्रस्तुत की गई है, जो इन मौजूदा, मान्य दृष्टिकोणों को अनुकूलित और स्वचालित पार्सलेशन (ACAPULCO) और वॉल्यूमेट्रिक परिमाणीकरण (चित्रा 2) के लिए सेरिबैलम (SUIT) के voxel-आधारित पंजीकरण प्रदान करने के लिए एकीकृत करती है। पाइपलाइन गुणवत्ता नियंत्रण प्रोटोकॉल को शामिल करने के लिए स्थापित दृष्टिकोणों पर बनाता है, गुणात्मक विज़ुअलाइज़ेशन और मात्रात्मक बाहरी पहचान का उपयोग करके, और फ्रीसर्फर का उपयोग करके इंट्राक्रैनियल वॉल्यूम (आईसीवी) का अनुमान प्राप्त करने के लिए एक त्वरित विधि। पाइपलाइन पूरी तरह से स्वचालित है, मैनुअल हस्तक्षेप के साथ केवल गुणवत्ता नियंत्रण आउटपुट की जांच के लिए आवश्यक है, और मैक, विंडोज और लिनक्स ऑपरेटिंग सिस्टम पर चलाया जा सकता है। पाइपलाइन गैर-वाणिज्यिक उद्देश्यों के लिए इसके उपयोग के किसी भी प्रतिबंध के साथ स्वतंत्र रूप से उपलब्ध है और एक संक्षिप्त पंजीकरण फॉर्म45 के पूरा होने के बाद एनिग्मा कंसोर्टियम इमेजिंग प्रोटोकॉल वेबपेज ("एनिग्मा सेरिबैलम वॉल्यूमट्रिक्स पाइपलाइन" के तहत) से एक्सेस किया जा सकता है।

सभी आवश्यक सॉफ़्टवेयर सामग्री की तालिका में सूचीबद्ध हैं, और विस्तृत ट्यूटोरियल, जिसमें एक लाइव प्रदर्शन भी शामिल है, नीचे वर्णित प्रोटोकॉल के अलावा, पाइपलाइन के डाउनलोड पर उपलब्ध हैं। अंत में, प्रतिनिधि परिणाम प्रदान किए जाते हैं, फ्रीड्रेच अटैक्सिया (एफआरडीए) और आयु-और लिंग-मिलान वाले स्वस्थ नियंत्रणों के साथ लोगों के एक समूह में पाइपलाइन के कार्यान्वयन से, समूह-स्तरीय सांख्यिकीय अनुमानात्मक विश्लेषण के लिए सिफारिशों के साथ।

Subscription Required. Please recommend JoVE to your librarian.

Protocol

नोट: इस अध्ययन में उपयोग किए गए डेटा मोनाश विश्वविद्यालय मानव अनुसंधान नैतिकता समिति (परियोजना 7810) द्वारा अनुमोदित एक परियोजना का हिस्सा थे। प्रतिभागियों ने लिखित सूचित सहमति प्रदान की। जबकि पाइपलाइन को मैक, विंडोज, या लिनक्स ऑपरेटिंग सिस्टम पर चलाया जा सकता है, ACAPULCO, SUIT, और QC पाइपलाइनों को स्पष्ट रूप से लिनक्स (उबंटू) और मैक (कैटालिना, बिग सुर v11.0.1) ऑपरेटिंग सिस्टम पर परीक्षण किया गया है।

1. मॉड्यूल 1: ACAPULCO (शारीरिक parcellation)

  1. डेटा संग्रह
    1. 1 मिमी 3 या उससे कम के संकल्प पर पूरे मस्तिष्क की3 डी टी 1-भारित एमआरआई छवियों को इकट्ठा करें। आइसोट्रोपिक वोक्सेल आयाम (आमतौर पर 1 मिमी x 1 मिमी x 1 मिमी), और एक 3-टेल्सा (या अधिक) स्कैनर की सिफारिश की जाती है। इन विनिर्देशों को पूरा करने वाले डेटा को स्थापित करने और प्राप्त करने के लिए उनके रेडियोग्राफी केंद्र में एक इमेजिंग विशेषज्ञ से परामर्श करें।
      नोट: T2-भारित छवियाँ कभी-कभी वॉल्यूमेट्रिक विश्लेषण के लिए उपयोगी होती हैं; हालांकि, यहां प्रस्तुत पाइपलाइन केवल T1-भारित डेटा पर निर्भर करती है, और उपयोग किए जाने वाले कुछ उपकरण इस प्रकार के डेटा के लिए अनन्य हैं। जैसे, टी 2-भारित छवियों का उपयोग नहीं किया जा सकता है।
    2. सकल अनुमस्तिष्क विकृतियों (जैसे, बड़े घावों) या पर्याप्त गति कलाकृतियों को बाहर करने के लिए छवियों की एक दृश्य गुणवत्ता मूल्यांकन करें जो प्रमुख अनुमस्तिष्क स्थलों (जैसे, प्रमुख शारीरिक विदर) की पहचान को रोकते हैं। स्वचालित रूप से एट्रोफिड सेरेबेला को बाहर न करें, भले ही पर्याप्त हो।
    3. समूह अध्ययनों के लिए, समस्याग्रस्त डेटा की पहचान करने के लिए MRIQC46 जैसे स्वतंत्र रूप से उपलब्ध, मानकीकृत उपकरणों का उपयोग करके मात्रात्मक गुणवत्ता मूल्यांकन पर भी विचार करें।
    4. Dcm2niix47 जैसे उपकरण का उपयोग करके सभी डेटा को NIFTI-GZ स्वरूप में कनवर्ट करें.
  2. अनुशंसित डेटा संगठन
    1. सामग्री की तालिका में सूचीबद्ध के रूप में सभी आवश्यक सॉफ़्टवेयर प्राप्त करें। सुनिश्चित करें कि डॉकर48 या विलक्षणता49, Matlab50, और SPM1251 पाइपलाइन चलाने से पहले स्थापित हैं।
      नोट: पाइपलाइन का वर्णन करने वाले व्यापक लिखित और वीडियो ट्यूटोरियल भी उपलब्ध हैं ( सामग्री की तालिका देखें)।
    2. एक बार जब सभी आवश्यक सॉफ़्टवेयर स्थापित हो जाते हैं, तो काम करने वाली निर्देशिका में फ़ोल्डर बनाएं और उन्हें 'अकापुल्को', 'सूट', और 'फ्रीसर्फर' लेबल करें। आदेश पंक्ति से mkdir आदेश का उपयोग करके ऐसा करें।
    3. 'acapulco' निर्देशिका में, एक आउटपुट फ़ोल्डर बनाएँ। आउटपुट फ़ोल्डर में, NIFTI-GZ प्रारूप में T1-भारित छवि वाले अध्ययन में प्रत्येक विषय के लिए एक निर्देशिका बनाएँ।
      नोट:: मूल डेटा की एक प्रतिलिपि कहीं और रखने के लिए अनुशंसित है।
  3. ACAPULCO का उपयोग करके शारीरिक अनुमस्तिष्क parcellation
    1. सामग्री की तालिका पर जाएं और ACAPULCO (Acapulco पाइपलाइन फ़ाइलों के तहत) चलाने के लिए आवश्यक प्रासंगिक स्क्रिप्ट और कंटेनर डाउनलोड करें। 'acapulco' निर्देशिका में, (i) ACAPULCO Docker या Singularity कंटेनर ('acapulco_0.2.1.tar.gz' या '.sif', क्रमशः), (ii) QC_scripts संग्रह की सामग्री (3 फ़ाइलें: 'QC_Master.R,' 'QC_Plots.Rmd,' और 'QC_Image_Merge.Rmd'), और (iii) 'R.sif' (विलक्षणता) या 'calculate_icv.tar' (डॉकर) फ़ाइल रखें।
    2. कोई टर्मिनल खोलें, और कमांड लाइन से, ACAPULCO कंटेनर को एक छवि पर चलाएँ (निम्न में <<विषय>> प्रतिस्थापित करें)। पूरा करने के लिए प्रसंस्करण के लिए ~ 5 मिनट के लिए प्रतीक्षा करें।
      1. डॉकर का उपयोग करके, आदेश लिखें:
        डॉकर लोड -इनपुट acapulco_0.2.1.tar.gz
        डॉकर रन -v $PWD:$PWD -w $PWD -t --user $(id -u):$(id -g) --rm acapulco:नवीनतम -i आउटपुट/<<विषय>>/<<विषय>>.nii.gz -o आउटपुट/<<सब्सेक्ट>>
      2. विलक्षणता का उपयोग करते हुए, आदेश लिखें:
        विलक्षणता रन --cleanenv -B $PWD:$PWD acapulco-0.2.1.sif -i आउटपुट>> <<.gz>> <<>> <
    3. कोहोर्ट में सभी विषयों / स्कैन में लूप। पाइपलाइन डाउनलोड करने के लिए ENIGMA इमेजिंग प्रोटोकॉल वेबसाइट के लिंक के लिए सामग्री की तालिका देखें ( ENIGMA सेरिबैलम Volumetrics पाइपलाइन के तहत) और ट्यूटोरियल मैनुअल जिसमें कई विषयों को क्रमिक रूप से संसाधित करने के लिए एक फॉर-लूप बनाने के उदाहरण शामिल हैं।
    4. संसाधित करने के बाद, विषय-विशिष्ट फ़ोल्डरों में जनरेट की गई निम्न फ़ाइलों के लिए देखें:
      1. "<विषय>_n4_mni_seg_post_inverse.nii.gz" की पहचान करें: मूल (विषय स्थान) में पार्सलेटेड सेरिबैलम मास्क।
      2. "<विषय>_n4_mni_seg_post_volumes.csv" की पहचान करें: एकापुल्को द्वारा उत्पन्न 28 सबयूनिट्स में से प्रत्येक के लिए वॉल्यूम (मिमी3 में);
      3. प्रतिनिधि छवियों की पहचान करें ('pics' निर्देशिका में): sagittal, अक्षीय, और कोरोनल.
  4. सांख्यिकीय बाहरी का पता लगाने और गुणवत्ता नियंत्रण (QC)
    1. टर्मिनल से और 'acapulco' निर्देशिका में, सुनिश्चित करें कि QC_scripts की सामग्री 'acapulco' निर्देशिका में हैं। QC स्क्रिप्ट चलाने के लिए:
      1. डॉकर का उपयोग करके, आदेश लिखें:
        डॉकर लोड calculate_icv.tar
        डॉकर रन -v $PWD:$PWD -w $PWD --rm -यह luhancheng calculate_icv/
        QC_Master.R आउटपुट/
      2. विलक्षणता का उपयोग करते हुए, आदेश लिखें:
        विलक्षणता exec -B $PWD:$PWD R.sif Rscript/path/to/to/QC_Master.R/path/to/acapulco/output
  5. ACAPULCO द्वारा उत्पन्न QC छवियों की जांच करना
    नोट:: ACAPULCO parcellated छवियों की गुणवत्ता की जाँच करने के लिए एक 3-चरणीय प्रक्रिया है।
    1. एक वेब ब्राउज़र में 'QC_Images.html' खोलें और स्पष्ट विफलताओं या व्यवस्थित मुद्दों की पहचान करने के लिए छवियों के माध्यम से जल्दी से (~ 10 एस प्रति विषय) स्क्रॉल करें। अनुवर्ती के लिए विफल या संदिग्ध parcellated छवियों के विषय ID नोट करें।
      नोट: सेरेबेलर लोब्यूल्स और चित्रा 4, चित्रा 5, और चित्रा 6 के न्यूरोएनाटॉमी पर एक गाइड के लिए चित्रा 3 देखें, 'अच्छे' parcellations, 'सूक्ष्म mis-parcellations', और 'वैश्विक विफलता' parcellations के उदाहरण के लिए नीचे प्रतिनिधि परिणाम अनुभाग में।
    2. मात्रात्मक सांख्यिकीय outliers के लिए boxplots की जाँच करने के लिए 'Plots_for_Outliers.html' खोलें। बॉक्स भूखंडों के व्हिस्कर के ऊपर या नीचे आउटलायर (2.698 एसडी ऊपर या माध्य के नीचे) की तलाश करें। विषय ID प्रदर्शित करने के लिए डेटा बिंदुओं पर होवर करें. 'Outliers.csv' फ़ाइल में प्रासंगिक स्तंभ में '1' द्वारा निरूपित आउटलायर की पहचान करें, और 'Outliers.csv' में अंतिम स्तंभ में प्रत्येक विषय के लिए आउटलायर के रूप में पहचाने गए सेगमेंट की कुल संख्या नोट करें.
    3. मैन्युअल रूप से एक या अधिक outliers वाली प्रत्येक छवि का निरीक्षण करें। महत्वपूर्ण: एक मानक NIFTI छवि दर्शक (उदाहरण के लिए, FSLEyes या MRICron) का उपयोग करते हुए, पार्सलेशन स्लाइस-दर-स्लाइस की गुणवत्ता की जांच करने के लिए मूल T1w छवि पर ACAPULCO मास्क को ओवरले करें।
      1. FSLEyes का उपयोग करके कमांड लाइन से विस्तृत QC के लिए ओवरले उत्पन्न करने के लिए, i) निर्देशिका को 'acapulco' निर्देशिका में बदलें, ii) देखने के लिए विषय निर्दिष्ट करें (प्रतिस्थापित करें) <विषय>):
        उपज=
      2. टर्मिनल पर निम्न कोड की प्रतिलिपि बनाएँ/चिपकाएँ ({subj} को मैन्युअल रूप से परिवर्तित किए बिना क्योंकि यह पिछली पंक्ति द्वारा सेट किया गया है:
        t1_image =output/${subj}/${subj}.nii.gz
        acapulco_image=output/${subj}/${subj}_n4_mni_seg_post_inverse.nii.gz
        fsleyes ${t1_image} ${acapulco_image} --overlayType लेबल --lut random_big --outline --outlineWidth 3 ${acapulco_image} --overlayType Volume --alpha 50 --cmap यादृच्छिक
        नोट: एक निर्धारण करने की आवश्यकता होगी कि क्या असामान्य खंड को शामिल करना है या नहीं, यानी, क्या कोई पार्सेलेशन त्रुटि है, या क्या यह व्यक्ति की शारीरिक रचना में सिर्फ सामान्य परिवर्तनशीलता है? प्रत्येक पार्सल वाले क्षेत्र को व्यक्तिगत रूप से माना जाता है, इसलिए कुछ क्षेत्रों को एक छवि के लिए बाहर रखा जा सकता है, जबकि शेष को सही होने पर बनाए रखा जा सकता है।
      3. क्या एक या अधिक पार्सलेटेड क्षेत्रों को अंतिम डेटासेट से बाहर रखने की आवश्यकता है?
        यदि हाँ (आउटलेटर की पुष्टि की जाती है), तो उस विषय के लिए 'Cerebel_vols.csv' फ़ाइल के संबंधित कक्ष में एनए के साथ वॉल्यूम अनुमान को बदलकर विश्लेषण से इस parcellation (s) को बाहर निकालें।
      4. क्या पार्सेलेशन त्रुटियों के परिणामस्वरूप कुछ सेरिबैलम को मास्क से बाहर रखा जाता है?
        यदि हां, (उदाहरण के लिए, यदि विशेष अनुमस्तिष्क लोब्यूल मास्क से गायब हैं या 'कट ऑफ' दिखाई देते हैं), तो तुरंत विषय को आगे के विश्लेषण से बाहर निकालें (यानी, उन विषयों पर सूट मॉड्यूल चलाने के लिए आगे न बढ़ें)।

2. मॉड्यूल 2: सूट सेरिबैलम-अनुकूलित voxel-आधारित morphometry

  1. Voxel-आधारित morphometry सूट का उपयोग कर विश्लेषण
    महत्वपूर्ण: इस पाइपलाइन को ACAPULCO मॉड्यूल को पहले से ही चलाने की आवश्यकता होती है, क्योंकि यह सूट टेम्पलेट के लिए सेरिबैलम के पंजीकरण और सामान्यीकरण के अनुकूलन के लिए एक विषय-विशिष्ट अनुमस्तिष्क मुखौटा की पीढ़ी पर निर्भर करता है। ACAPULCO द्वारा उत्पन्न विषय-विशिष्ट मुखौटा पूरे सेरिबैलम शामिल नहीं है, तो यह सूट मॉड्यूल से बहिष्करण वारंट करता है। सूट स्टैंडअलोन चलाने के निर्देशों के लिए,52 देखें।
    1. सामग्री की तालिका में सूचीबद्ध सभी आवश्यक सॉफ़्टवेयर प्राप्त करें. सुनिश्चित करें कि SPM12 फ़ोल्डर और सभी सबफ़ोल्डर MATLAB पथ में हैं। सुनिश्चित करें enigma_suit स्क्रिप्ट 'spm12/toolbox' निर्देशिका में सहेजी जाती हैं और MATLAB पथ में जोड़ी जाती हैं. MATLAB पथ की जाँच करने के लिए, MATLAB आदेश विंडो में pathtool लिखें, फिर प्रासंगिक फ़ोल्डर्स जोड़ने के लिए सबफ़ोल्डरों के साथ जोड़ें क्लिक करें.
    2. एक या अधिक विषयों के लिए SUIT पाइपलाइन चलाएँ। ~ 15-20 मिनट के लिए प्रतीक्षा करें (यदि ग्राफिकल यूजर इंटरफ़ेस [जीयूआई] का उपयोग कर रहे हैं) और ~ 5-7 मिनट यदि पूरा करने के लिए प्रसंस्करण के लिए टर्मिनल (बैश / शेल) से चल रहा है।
      1. GUI का उपयोग करने के लिए (विषयों को सीरियल में चलाया जाएगा), MATLAB कमांड विंडो से, आदेश टाइप करें:
        suit_enigma_all
      2. पहली पॉप-अप विंडो में, विश्लेषण में शामिल करने के लिए 'acapulco/output' निर्देशिका से विषय फ़ोल्डर का चयन करें। विंडो के दाईं ओर अलग-अलग फ़ोल्डरों पर क्लिक करें, या राइट-क्लिक करें और सभी का चयन करें। प्रेस किया. दूसरी पॉप-अप विंडो में, SUIT निर्देशिका का चयन करें, जहां विश्लेषण लिखा जाएगा।
      3. या किसी एकल विषय के लिए MATLAB आदेश पंक्ति से फ़ंक्शन को कॉल करें, आदेश टाइप करें:
        suit_enigma_all ('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir')
      4. या टर्मिनल विंडो से फ़ंक्शन को कॉल करें, MATLAB के बाहर, कमांड टाइप करके किसी एकल विषय के लिए:
        matlab -nodisplay -nosplash -r "suit_enigma_all ('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir'), exit"
    3. पाइपलाइन डाउनलोड करने के लिए ENIGMA इमेजिंग प्रोटोकॉल वेबसाइट के लिंक के लिए सामग्री की तालिका देखें ( ENIGMA सेरिबैलम Volumetrics पाइपलाइन के तहत) और ट्यूटोरियल मैनुअल जिसमें कई विषयों को क्रमिक रूप से संसाधित करने के लिए एक फॉर-लूप बनाने के उदाहरण शामिल हैं।
    4. स्क्रिप्ट के बारे में निम्न बिंदुओं के लिए देखें।
      1. सुनिश्चित करें कि स्क्रिप्ट N4 पूर्वाग्रह-सही, MNI-संरेखित (कठोर-शरीर) T1 छवि और ACAPULCO सेरिबैलम मुखौटा आउटपुट निर्देशिका में प्रतिलिपि बनाता है।
      2. सुनिश्चित करें कि स्क्रिप्ट सेरिबैलम के ग्रे और सफेद पदार्थ को विभाजित करती है।
      3. सुनिश्चित करें कि स्क्रिप्ट ACAPULCO मास्क का उपयोग कर parcellation में overinclusion त्रुटियों के लिए सही करता है।
      4. सुनिश्चित करें कि स्क्रिप्ट DARTEL सामान्यीकृत करता है और जैकोबियन मॉडुलन के साथ सूट अंतरिक्ष में डेटा reslices ताकि प्रत्येक voxel का मूल्य अपनी मूल मात्रा के लिए आनुपातिक है।
      5. निम्नलिखित अंतिम आउटपुट के लिए प्रत्येक विषय के फ़ोल्डर की जाँच करें: 'wd_seg1.nii' (ग्रे मैटर) और 'wd_seg2.nii' (सफेद पदार्थ)।
  2. सांख्यिकीय बाहरी का पता लगाने और गुणवत्ता नियंत्रण
    1. नेत्रहीन प्रमुख विफलताओं के लिए सामान्यीकृत, modulated छवियों (wd *) का निरीक्षण करें। MATLAB में, आदेश टाइप करें:
      spm_display_4D
    2. मैन्युअल रूप से सूट सबफ़ोल्डर से 'wd * seg1' छवियों का चयन करें, या 'सूट' निर्देशिका के लिए नेविगेट; फ़िल्टर बॉक्स में '^wd.*seg1' सम्मिलित करें (कोई उद्धरण नहीं) और Rec बटन दबाएँ. प्रेस किया.
    3. यह सुनिश्चित करने के लिए छवियों के माध्यम से स्क्रॉल करें कि वे सभी अच्छी तरह से संरेखित हैं। स्वस्थ नियंत्रण (ए, बी) और भारी एट्रोफिक सेरिबैलम (डी) वाले व्यक्ति से सही ढंग से सामान्यीकृत छवियों के लिए चित्रा 7 देखें।
      नोट: इस स्तर पर, के बीच विषय शरीर रचना विज्ञान बहुत समान है (के रूप में वे एक ही टेम्पलेट के लिए पंजीकृत किया गया है), और वॉल्यूम अंतर इसके बजाय अलग voxel तीव्रता द्वारा एन्कोडेड कर रहे हैं। प्रमुख विफलताएं स्पष्ट होंगी, उदाहरण के लिए, खाली छवियां, लापता ऊतक के बड़े क्षेत्र, असामान्य तीव्रता ग्रेडिएंट (यानी, शीर्ष पर सभी उज्ज्वल voxels, नीचे सभी अंधेरे voxels)। इन छवियों को बाद के चरणों से बाहर रखा जाना चाहिए।
    4. outliers के लिए स्थानिक सहप्रसरण की जाँच करें। MATLAB में, आदेश टाइप करें:
      check_spatial_cov
      1. पिछले चरण के अनुसार 'wd*seg1' छवियों का चयन करें। संकेत दिए जाने पर, निम्न विकल्पों का चयन करें: प्रोप स्केलिंग: हाँ; चर बाहर covary करने के लिए: नहीं; स्लाइस (मिमी): - 48 , अंतर: 1.
      2. नमूना में अन्य सभी के सापेक्ष प्रत्येक छवि के औसत स्थानिक सहप्रसरण को प्रदर्शित करने वाले बॉक्सप्लॉट को देखें। MATLAB कमांड विंडो में माध्य के नीचे >2s.d. वाले डेटा बिंदुओं की पहचान करें. इनके लिए, कलाकृतियों (गति, शारीरिक असामान्यताओं), छवि गुणवत्ता के मुद्दों, या प्रीप्रोसेसिंग त्रुटियों के लिए सूट फ़ोल्डर में "_n4_mni.nii.gz" छवि का निरीक्षण करें।
      3. यदि छवि की गुणवत्ता और preprocessing स्वीकार्य हैं और पिछले चरण में modulated छवियों के दृश्य निरीक्षण विभाजन और सामान्यीकरण के साथ एक समस्या का संकेत नहीं देता है, तो इन डेटा को नमूने में बनाए रखें। अन्यथा, इन डेटा को बाहर निकालें।

3. मॉड्यूल 3 (वैकल्पिक): Intracranial मात्रा (ICV) FreeSurfer का उपयोग कर अनुमान

नोट:: यह मॉड्यूल ICV की गणना करने के लिए FreeSurfer पाइपलाइन का उपयोग करेगा। यदि कोहोर्ट (किसी भी संस्करण) के लिए मौजूदा फ्रीसर्फर आउटपुट हैं तो इसे फिर से चलाने की आवश्यकता नहीं है।

  1. FreeSurfer की स्थापना
    1. सुनिश्चित करें कि FreeSurfer डाउनलोड किया गया है और53 स्थापित किया गया है। सामग्री की तालिका पर जाएँ और इस मॉड्यूल ( ICV पाइपलाइन फ़ाइलों के तहत) को चलाने के लिए प्रासंगिक स्क्रिप्ट डाउनलोड करें। FreeSurfer के साथ काम करते समय, निम्न चर सेट करें:
      निर्यात FREESURFER_HOME =
      स्रोत $FREESURFER_HOME/SetUpFreeSurfer.sh
    2. निम्न में <पाथ> बदलें:
      निर्यात SUBJECTS_DIR = <पथ> / पहेली / Freesurfer
  2. Freesurfer autorecon1 चल रहा है
    1. एक ही विषय के लिए, 'freesurfer' निर्देशिका (प्रसंस्करण समय ~ 20 मिनट) के अंदर से, कमांड टाइप करें:
      cd /
      recon-all-i .. /input/.nii.gz -s -autorecon1
    2. कई विषयों को क्रमिक रूप से संसाधित करने के लिए एक के लिए लूप बनाने के तरीके के उदाहरणों के लिए ट्यूटोरियल मैनुअल देखें।
  3. ICV की गणना
    1. डेटा संगठन
      1. 'freesurfer' निर्देशिका में, (i) डॉकर या विलक्षणता कंटेनर मॉड्यूल 1 ('calculate_icv.tar' या 'R.sif,' क्रमशः) और (ii) xfm2det स्क्रिप्ट ( सामग्री की तालिका देखें) में उपयोग किया जाता है। उसके बाद, आवश्यक ICV स्क्रिप्ट क्लोन करने के लिए एक गिट क्लोन करें:
        गिट क्लोन https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
    2. आईसीवी निष्कर्षण चल रहा है (प्रसंस्करण समय ~ 5 मिनट)
      1. 'freesurfer' निर्देशिका से, विलक्षणता ('R.sif') कंटेनर के साथ, प्रकार:
        विलक्षणता exec --cleanenv -B $PWD:$PWD R.sif calculate_icv/calculate_icv.py --freesurfer_dir=/path/to/freesurfer --acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv calculate_icv
      2. 'freesurfer' निर्देशिका से, डॉकर कंटेनर के साथ, प्रकार:
        डॉकर रन -v $PWD:$PWD -w $PWD -rm -it luhancheng calculate_icv/
        calculate_icv/calculate_icv.py --freesurfer_dir=/path/to/Freesurfer --
        acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --output_csv_name=Cerebel_vols.csv
        calculate_icv
      3. कंटेनर के बिना स्क्रिप्ट चल रहा है- अतिरिक्त आवश्यक सॉफ़्टवेयर और निर्भरताओं के लिए सामग्री की तालिका देखें। 'freesurfer' निर्देशिका से, प्रकार:
        ./calculate_icv/ calculate_icv.py ---freesurfer_dir=/path/to/freesurfer --
        acapulco_dir=/path/to/acapulco/QC/Cerebelvolsfile --
        output_csv_name= Cerebel_vols.csv calculate_icv
        नोट:: यह प्रत्येक विषय के लिए ICV की गणना करेगा और 'Cerebel_vols.csv' फ़ाइल के अंत में ICV के साथ एक स्तंभ जोड़ें।

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

सेरिबैलम पार्सलेशन (ACAPULCO)

सेरिबैलम parcellated मास्क की गुणवत्ता नियंत्रण:
निम्नलिखित उदाहरण ACAPULCO parcellated outputs को प्रदर्शित करते हैं और एक के बारे में मार्गदर्शन निर्णय लेने के बारे में) व्यक्तिगत स्तर पर parcellated मुखौटा की गुणवत्ता और बी) बाद में शामिल या सांख्यिकीय विश्लेषण से एक विशेष लोब्यूल (ओं) के बहिष्करण। आखिरकार, किसी विषय को शामिल करने या बाहर करने का निर्णय व्यक्तिपरक है; 'अच्छे parcellations,' 'सूक्ष्म parcellation त्रुटियों', और स्वस्थ और नैदानिक समूहों की एक किस्म से 'वैश्विक विफलताओं' के उदाहरण यहाँ प्रदान किए जाते हैं।

'अच्छे parcellations' के उदाहरण चित्रा 4 में प्रस्तुत किए गए हैं, जिसमें स्वस्थ और भारी एट्रोफिड सेरेबेला शामिल हैं। चित्रा 5 में, व्यक्तिगत सेरिबैलम लोब्यूल्स के सूक्ष्म ओवर- और अंडर-इनक्लूजन को दर्शाया गया है। ये सबसे आम प्रकार की पार्सेलेशन त्रुटि हैं और मात्रात्मक QC प्रोटोकॉल में सांख्यिकीय outliers के रूप में पता नहीं लगाया जा सकता है। इन प्रकार की त्रुटियों को आम तौर पर प्रभावित होने वाले व्यक्तिगत लोब्यूल्स के बहिष्करण की आवश्यकता होती है, जबकि पार्सलेटेड सेरिबैलम के शेष अप्रभावित होते हैं और इसे बनाए रखा जा सकता है। इसके विपरीत, 'वैश्विक विफलताओं,' जैसा कि चित्र 6 में दर्शाया गया है, विषय के पूर्ण बहिष्करण की आवश्यकता होती है।

सांख्यिकीय बाहरी पता लगाना:
पाइपलाइन को स्पष्ट करने के लिए, ACAPULCO को FRDA के साथ 31 लोगों के नमूने पर चलाया गया था (औसत आयु = 36.5 वर्ष); एसडी = 13.0 वर्ष, 14 महिलाएं) और 37 आयु- और लिंग-मिलान स्वस्थ नियंत्रण (एचसी) (औसत आयु = 37.1 वर्ष; एसडी = 12.8 साल, 17 महिलाएं) जैसा कि पहले55 वर्णित किया गया था। पूरे नमूने में, 18 लोब्यूल्स को सांख्यिकीय बाहरी (कुल नमूने का <1%) के रूप में पाया गया था। छवियों पर विस्तृत QC प्रदर्शन करने के बाद, समूह-स्तरीय अनुमस्तिष्क वॉल्यूम फ़ाइल (यानी, 'Cerebel_vols.csv' फ़ाइल) से संबंधित विषय (ओं) के लिए अलग-अलग लोब्यूल वॉल्यूम को हटाकर 17 बाहरी लोब्यूल्स को समूह-स्तर के विश्लेषण से हटा दिया गया था। शेष बाहरी को एक विभाजन त्रुटि नहीं माना जाता था, बल्कि व्यक्ति के सेरिबैलम शरीर रचना विज्ञान में परिवर्तनशीलता के कारण माना जाता था और इसलिए विश्लेषण में बनाए रखा गया था। दो वैश्विक पार्सेलेशन विफलताएं भी थीं (1 FRDA रोगी)। सभी सेरिबैलम लोब्यूल्स (यानी, वैश्विक parcellation विफलताओं) में बहिष्करण की आधार दर 1.5% थी। तालिका 1 28 शारीरिक आरओआई में से प्रत्येक के लिए बहिष्करण दरों को दर्शाती है। बाएं लोब्यूल IX और दाएं लोब्यूल क्रूस I में बहिष्करण की उच्चतम दर थी।

समूह-स्तरीय सांख्यिकीय विश्लेषण:
समूह-स्तरीय विश्लेषण में कुल 66 विषयों (30 FRDA रोगियों) को शामिल किया गया था। FRDA और HC के बीच सेरिबैलम लोब्यूल वॉल्यूम में महत्वपूर्ण अंतर के लिए परीक्षण करने के लिए दो-पूंछ वाले मान-व्हिटनी स्वतंत्र नमूने परीक्षण किए गए थे। परिणामों ने FRDA बनाम HC (पी < 0.05, Bonferroni 28 तुलनाओं के लिए सही) में कॉर्पस मेडुलर में काफी कम सफेद पदार्थ दिखाया। समूह के बीच कोई अन्य महत्वपूर्ण अंतर नहीं था। नमूने में सभी 28 अनुमस्तिष्क सबयूनिट्स के वॉल्यूम के लिए पूरक तालिका एस1 देखें।

सेरिबैलम voxel-आधारित morphometry विश्लेषण (सूट)

गुणवत्ता नियंत्रण:
FRDA और Spinocerebellar ataxia pateints सहित स्वस्थ नियंत्रण और नैदानिक समूहों दोनों के लिए अच्छी तरह से संरेखित छवियों और बहिष्करण के उदाहरणों के उदाहरण, चित्रा 7 में दिखाए गए हैं। सूट विश्लेषण ऊपर वर्णित नमूने से कुल 64 विषयों (28 FRDA; 36 HC) पर चलाए गए थे, सेरिबैलम मास्क में अधूरे पूरे सेरेबेलर कवरेज के कारण एक अतिरिक्त दो विषयों के बहिष्करण के बाद।

एक दूसरे के सापेक्ष नमूने में सभी सामान्यीकृत छवियों के स्थानिक सहप्रसरण का परीक्षण करने के बाद, दो स्कैन को शेष नमूने (चित्रा 8) के साथ उनके औसत स्थानिक सहप्रसरण के आधार पर सांख्यिकीय आउटलायर के रूप में पाया गया था। हालांकि, मूल और सामान्यीकृत दोनों छवियों के दृश्य निरीक्षण ने संकेत दिया कि हालांकि इन व्यक्तियों में कुछ अद्वितीय न्यूरोएनाटॉमी थी, लेकिन किसी भी छवि में कोई महत्वपूर्ण कलाकृतियां नहीं थीं और सामान्य रूप से पूरा किए गए प्रसंस्करण चरण। इस प्रकार, दोनों विषयों को विश्लेषण में बनाए रखा गया था।

समूह-स्तरीय सांख्यिकीय विश्लेषण:
छवियों को आधा अधिकतम (एफडब्ल्यूएचएम) पर 3 मिमी पूर्ण चौड़ाई के गाऊसी कर्नेल का उपयोग करके चिकना किया गया था। सेरिबैलम ग्रे मैटर वॉल्यूम में महत्वपूर्ण समूह अंतर के लिए परीक्षण करने के लिए एसएनपीएम में नॉनपैरामीट्रिक क्रमपरिवर्तन परीक्षण किए गए थे। इस अंत तक, 5,000 क्रमपरिवर्तन चलाए गए थे, जिसमें पी < 0.001 की क्लस्टर-फॉर्मिंग थ्रेशोल्ड थी। छवियों को स्पष्ट रूप से सूट ग्रे मैटर एटलस के साथ नकाबपोश किया गया था ताकि अनुमान को ग्रे मैटर क्षेत्रों तक सीमित किया जा सके। सिर के आकार के लिए सही करने के लिए, इंट्राक्रैनियल वॉल्यूम को मॉडल में एक कॉवरिएट के रूप में दर्ज किया गया था। समूह परिणामों का अंतिम अनुमान पी < 0.05 पर किया गया था, परिवार-वार त्रुटि (एफडब्ल्यूई) क्लस्टर-स्तर को सही किया गया था।

HC की तुलना में, FRDA ने द्विपक्षीय पूर्वकाल लोब्यूल्स I-V में ग्रे मैटर की मात्रा में काफी कमी दिखाई (बाएं: x = -10, y = -46, z = -26); T = 5.61; के = 754; दाएँ: x = 10, y = -38, z = -21; T = 6.83; Ke = 569); और वर्मीस VI सहित औसत दर्जे के पीछे के लोब क्षेत्रों में, लोब्यूल VI (x = 3, y = -65, z = -20) में द्विपक्षीय रूप से विस्तारित; T = 7.25), और Vermis IX Lobule IX (x = 3, y = -65, z = -20) में द्विपक्षीय रूप से विस्तारित; T = 6.46; Ke = 3974; चित्रा 9)।

Figure 1
चित्र 1: मानव सेरिबैलम( A) सेरिबैलम और इसके प्रमुख विदर, लोब और लोब्यूल का एक चपटा प्रतिनिधित्व। लाल = पूर्वकाल लोब (लोब्यूल्स I-V); क्रीम = पीछे की लोब (लोब्यूल्स IV-IX); बैंगनी = flocculonodular लोब. सेरिबैलम को मिडलाइन "वर्मी" और पार्श्व "गोलार्ध" क्षेत्रों में विभाजित किया जा सकता है। सभी लोब्यूल्स को वर्मी और गोलार्धों में पहचाना जाता है। लोब्यूल VII में, वर्मी में VIIAf गोलार्धों में Crus I बनने के लिए फैलता है, वर्मी पर लोब्यूल VIIAt गोलार्धों में क्रूस II बन जाता है, और लोब्यूल VIIB वर्मी और गोलार्धों दोनों में अपने लेबल को बरकरार रखता है। (बी) शीर्ष: सेरिबैलम फ्लैट नक्शा विभिन्न रंगों में सेरिबैलम के शारीरिक सबयूनिट्स दिखा रहा है। नीचे: सेरिबैलम का एक पश्च दृश्य। यह आंकड़ा 56 और 57 से अनुकूलित किया गया था। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 2
चित्रा 2: पाइपलाइन का योजनाबद्ध चित्रण। एक उच्च रिज़ॉल्यूशन T1 MPRAGE छवि की आवश्यकता है। वहाँ तीन मॉड्यूल हैं: ACAPULCO, सूट, और ICV. पाइपलाइन पूरी तरह से स्वचालित है (आउटपुट के क्यूसी के लिए आवश्यक मैनुअल हस्तक्षेप को छोड़कर), डॉकर और विलक्षणता कंटेनर प्रारूप में उपलब्ध है, और प्रति विषय शुरू से खत्म होने तक चलने में लगभग 20 मिनट लगते हैं। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 3
चित्रा 3: ACAPULCO parcellation 28 शारीरिक सबयूनिट्स में से प्रत्येक का प्रदर्शन। यह आंकड़ा36 से अनुकूलित किया गया था। संक्षेप: सीएम = कॉर्पस मेडुलर; Ver = vermis; R/L = दाएँ/बाएँ। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 4
चित्रा 4: 'अच्छा' सेरिबैलम parcellations के उदाहरण. Sagittal (x = 0) और कोरोनल (y = -57) स्लाइस दिखाए गए हैं। (A, B) Sagittal और कोरोनल स्लाइस दो स्वस्थ अनुमस्तिष्क से parcellated मास्क दिखा. एल्गोरिथ्म ने व्यक्तिगत सबयूनिट सीमाओं को सही ढंग से स्थानीयकृत किया है, और इसने अनुप्रस्थ साइनस को क्रूस I के लेबलिंग और परिमाणीकरण में ओवरइनकॉल नहीं किया है(सी) एससीए 2 रोगी का एक भारी एट्रोफिड सेरिबैलम। यहां, शोष सेरिबैलम की पूरी सीमा के साथ स्पष्ट है, sulci व्यापक हैं, और बहुत सारे लापता ऊतक हैं। पीछे के लोब में वास्कुलचर का थोड़ा अधिक समावेश होता है जो दाईं ओर (पीला तीर) पर अधिक स्पष्ट होता है। इस overinclusion के अलावा, ACAPULCO ने अच्छी तरह से काम किया है। संक्षेप: सीएम = कॉर्पस मेडुलर; Ver = vermis; L/R = बाएँ/दाएँ। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 5
चित्रा 5: अनुमस्तिष्क 'गलत parcellations के उदाहरण. ' (ए) सैगिटल स्लाइस (एक्स = 0) और कोरोनल स्लाइस (वाई = -57) एक एफआरडीए रोगी में एक पार्सेलेशन त्रुटि दिखा रहा है। एल्गोरिथ्म ने मिडलाइन के साथ अच्छी तरह से काम नहीं किया है, और क्रूस I और II (लाल तीर) के अंडरइन्क्लूज़न पीछे की सीमा के साथ स्पष्ट हैं। इन लोब्यूल्स को बाद के समूह-स्तरीय विश्लेषणों से बाहर रखा जाएगा। (बी) सैगिटल स्लाइस (एक्स = 8), कोरोनल स्लाइस (वाई = -47) एक स्वस्थ अनुमस्तिष्क में एक पार्सलेशन त्रुटि दिखा रहा है। एल्गोरिथ्म पूरी तरह से छोड़ दिया lobule VIIIb (लाल तीर) याद किया है. इस लोब्यूल को बाद के समूह-स्तर के विश्लेषण से बाहर रखा जाएगा। (C) Sagittal स्लाइस (x = -24) और कोरोनल स्लाइस (y = -47) एक स्वस्थ अनुमस्तिष्क में एक parcellation त्रुटि दिखा रहा है। कुछ अनुमस्तिष्क शोष मौजूद है, और क्रूस I (लाल तीर) का एक अंडरइन्क्लूजन है। संक्षिप्त रूप: FRDA = Freedreich ataxia; मुख्यमंत्री = कॉर्पस medullare; Ver = vermis; L/R = बाएँ/दाएँ। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 6
चित्र6: सेरेबेलर पार्सेलेशन की 'वैश्विक विफलताओं' के उदाहरण। (A) Sagittal स्लाइस (x = 0) और कोरोनल स्लाइस (y = -57) एक parcellation विफलता दिखा रहा है। यहां, सेरिबैलम केवल आंशिक रूप से विभाजित होता है, और ओसीसीपटल लोब के कुछ हिस्सों को गलत तरीके से सेरिबैलम के रूप में लेबल किया गया है। इन प्रकार की विफलताओं की संभावना मूल छवि के शीर्ष लेख के साथ एक समस्या के कारण होती है, जो दुनिया के समन्वय और सेरिबैलम के बाद के स्थानीयकरण में छवि के ACAPULCO affine परिवर्तन को प्रभावित करेगी। (बी) सैगिटल स्लाइस (एक्स = 0) और कोरोनल स्लाइस (एक्स = -57) एफआरडीए वाले व्यक्ति में एक पार्सेलेशन विफलता दिखा रहा है। यहां सीएम को पूरी तरह से मिस-सेगमेंट किया गया है। एल्गोरिथ्म ने मस्तिष्क के बाहर सिर के पीछे (लाल अंडाकार) पर सीएम को लेबल किया है। सफेद पदार्थ की सीमाओं पर कब्जा नहीं किया गया है और ग्रे पदार्थ के रूप में गलत लेबल किया गया है, विशेष रूप से बाएं लोब्यूल्स VIIIb और IX को प्रभावित करता है। बाएं लोब्यूल एक्स को भी याद किया गया है (कोरोनल स्लाइस पर लाल तीर)। ये उदाहरण ACAPULCO और SUIT विश्लेषण के लिए समूह-स्तर के विश्लेषण से तत्काल बहिष्करण की गारंटी देते हैं। संक्षेप: सीएम = कॉर्पस मेडुलर; Ver = vermis; L/R = बाएँ/दाएँ। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 7
चित्रा 7: विकृत और मॉडुलित वोक्सेल-आधारित मॉर्फोमेट्री मानचित्र( A, B) दो HCs से अच्छी तरह से संरेखित अनुमस्तिष्क ग्रे मैटर। (C) HC से एक सेरिबैलम जिसे सांख्यिकीय आउटलेटर के रूप में पाया गया था, लेकिन विश्लेषण में बनाए रखा गया था। (d) FRDA के साथ एक व्यक्ति से एक एट्रोफीड सेरिबैलम। सेरिबैलम को टेम्पलेट पर सही ढंग से विकृत किया गया है; इसलिए, यह बहिष्करण वारंट नहीं होगा। (ई) एक बहिष्करण। छवि के ऊपर से नीचे तक इसके विपरीत एक ढाल है जो प्रसंस्करण में एक त्रुटि को दर्शाता है। (एफ) अज्ञात मूल की छवि के निचले दाईं ओर एक हाइपरइंटेंस प्लेन आर्टिफैक्ट को बहिष्करण की आवश्यकता होती है। (जी) एक एससीए 2 रोगी के भारी एट्रोफीड सेरेबेलर का एक उदाहरण। सेरिबैलम को टेम्पलेट पर सही ढंग से विकृत किया गया है; हालांकि, बहुत सारे लापता ऊतक हैं, जिसके परिणामस्वरूप कम विपरीत होता है। यह एक बहिष्करण नहीं होगा। (एच) खराब मास्किंग के उदाहरण के लिए बहिष्करण की आवश्यकता होती है। संक्षेप: VBM = voxel-आधारित morphometry; HC = स्वस्थ नियंत्रण; FRDA = Freederich ataxia; SCA2 = Spinocerebellar ataxia 2. कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 8
चित्रा 8: सूट voxel-आधारित morphometry नक्शे के स्थानिक सहप्रसरण. बॉक्स प्लॉट 64 (28 एफआरडीए) विषयों के एक समूह के लिए वोक्सेल-आधारित मॉर्फोमेट्री मानचित्रों के स्थानिक सहप्रसरण को दर्शाता है। स्थानिक सहप्रसरण एक उपाय है कि प्रत्येक छवि कितनी अच्छी तरह से संरेखित है, नमूने में हर दूसरी छवि के सापेक्ष। डेटा कसकर ~ 0.95 के एक औसत स्थानिक सहप्रसरण सहसंबंध के साथ एक साथ clustered हैं। यहां, दो आउटलेटर (1 FRDA, 1 HC) का पता लगाया गया था, क्योंकि माध्य से नीचे >2 एसडी थे। संक्षिप्त रूप: FRDA = Freedreich ataxia; HC = स्वस्थ नियंत्रण; एसडी = मानक विचलन; cont = नियंत्रण। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

Figure 9
चित्र 9. सेरेबेलर ग्रे मैटर मोर्फोमेट्री के एक वोक्सेल-आधारित मॉर्फोमेट्री विश्लेषण के बीच-समूह परिणाम। (ए) सैगिटल, (बी) कोरोनल, और (सी) एफआरडीए बनाम नियंत्रण वाले व्यक्तियों में वोक्सेल-स्तर के सांख्यिकीय मानचित्रों के नमक मानचित्र प्रतिनिधित्व, आईसीवी के लिए नियंत्रण। केवल voxels जो पी < 0.05 FWE क्लस्टर-स्तर को सही करने से बचते हैं, दिखाए जाते हैं। रंग पट्टी T आँकड़े को इंगित करता है। संक्षिप्त रूप: FRDA = Freedreich ataxia; ICV = intracranial आयतन; FWE = परिवार-वार त्रुटि। कृपया इस आंकड़े का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.

लोब्यूल % बहिष्कृत
सेंटीमीटर 1.5
वाम क्रूस I 2.9
वाम क्रूस द्वितीय 2.9
बायाँ I III 2.9
बायाँ IV 1.5
बायाँ IX 4.51
बायाँ V 2.9
बायाँ VI 1.5
बायाँ VIIB 1.5
बायाँ VIIIA 1.5
बायाँ VIIIB 2.9
बायाँ X 2.9
सही क्रूस मैं 6.02
दायाँ क्रूस II 2.9
दायाँ I III 2.9
दायाँ IV 1.5
दायाँ IX 2.9
दायाँ V 1.5
दायाँ VI 1.5
दायाँ VIIB 1.5
दायाँ VIIIA 2.9
दायाँ VIIIB 1.5
दायाँ X 1.5
वर्मी IX 1.5
वर्मीस VI 2.9
वर्मी VII 1.5
वर्मी VIII 1.5
वर्मी एक्स 1.5

तालिका 1: ACAPULCO से व्युत्पन्न सेरेबेलर शारीरिक लोब्यूल्स और FRDA और 37 HCs के साथ 31 लोगों के एक नमूने में बहिष्करण की दर (%) संक्षेप: FRDA = Freederich ataxia; HC = स्वस्थ नियंत्रण।

पूरक तालिका S1: Freedrich Ataxia और स्वस्थ नियंत्रण व्यक्तियों में 28 अनुमस्तिष्क शारीरिक लोब्यूल्स के वॉल्यूम (मिमी 3) । कृपया इस तालिका को डाउनलोड करने के लिए यहां क्लिक करें।

Subscription Required. Please recommend JoVE to your librarian.

Discussion

सेरिबैलम मानव मोटर3, संज्ञानात्मक58, भावात्मक10, और भाषा 7,59 कार्यों की एक विस्तृत श्रृंखला के लिए महत्वपूर्ण है और कई न्यूरोलॉजिकल और मनोवैज्ञानिक बीमारियों में फंस गया है। क्षेत्रीय अनुमस्तिष्क वॉल्यूम के परिमाणीकरण के लिए एक मानकीकृत और आसानी से लागू करने योग्य दृष्टिकोण की उपलब्धता तेजी से विस्तृत 'पूरे मस्तिष्क' संरचना-फ़ंक्शन मैपिंग, पूर्ण रोग मॉडलिंग, और मस्तिष्क रोगों के लिए अनुमस्तिष्क योगदान को परिभाषित करने और ट्रैक करने के लिए बेहतर अवसरों में योगदान देगी। यहां वर्णित यह मानकीकृत पाइपलाइन स्वचालित सेरिबैलम पार्सलेशन के लिए अत्याधुनिक दृष्टिकोण ों को जोड़ती है और स्वास्थ्य और बीमारी दोनों में सेरेबेलर ग्रे मैटर मॉर्फोमेट्री के महीन-दाने वाले स्थानिक प्रोफाइलिंग को जोड़ती है।

यहां प्रस्तुत ACAPULCO का उपयोग करके क्रॉस-अनुभागीय सेरिबैलम पार्सेलेशन विश्लेषण के परिणामों से पता चला है कि FRDA (बनाम HC) वाले लोगों ने सफेद पदार्थ की मात्रा को काफी कम कर दिया था। ये निष्कर्ष एफआरडीए के पिछले अध्ययनों का समर्थन करते हैं, जो लगातार एफआरडीए में, विशेष रूप से डेंटेट नाभिक में, शुरुआती, मजबूत और प्रगतिशील सफेद पदार्थ की मात्रा में नुकसान दिखाते हैं। इसके अलावा, बेहतर और अवर अनुमस्तिष्क पेडुंकल्स और डेंटेट नाभिक में प्रगतिशील न्यूरोडीजेनेरेशन के पैटर्न और सीमा को एफआरडीए44 की शुरुआत की उम्र के कारक के रूप में अलग-अलग दिखाया गया है। सूट विश्लेषण के परिणामों से अतिरिक्त निष्कर्षों का पता चला। विशेष रूप से, द्विपक्षीय लोब्यूल I-IV और दाएं V के अनुरूप पूर्वकाल लोब क्षेत्रों में FRDA (बनाम HC) में महत्वपूर्ण voxel-स्तर की मात्रा हानि थी, जो लोब्यूल VI में फैली हुई थी। इसके अलावा, सूट विश्लेषण ने लोब्यूल IX, X और वर्मी सहित औसत दर्जे के पीछे के लोब क्षेत्रों में FRDA (बनाम HC) में महत्वपूर्ण मात्रा हानि का खुलासा किया। बीच-समूह के मतभेदों का यह पैटर्न एफआरडीए रोगियों के एक ही समूह में पहले से प्रकाशित काम के लिए तुलनीय है, एक पूरे मस्तिष्क वीबीएम दृष्टिकोण55 का उपयोग करके।

न्यूरोलॉजिकल और मनोवैज्ञानिक बीमारियों में सेरेबेलर असामान्यताओं को परिभाषित करना ट्रांसलेशनल प्रभाव के साथ एक उच्च प्राथमिकता वाला अनुसंधान क्षेत्र है। न्यूरोलॉजिकल बीमारियों को ट्रैक करने और इलाज करने के लिए महत्वपूर्ण- विशेष रूप से जहां सेरिबैलम न्यूरोडीजेनेरेशन की एक प्राथमिक साइट है- सेरिबैलम भागीदारी के पूर्ण जैविक लक्षणों का विकास है। यहां प्रस्तुत पाइपलाइन व्यक्तिगत अनुमस्तिष्क लोब्यूल ग्रे मैटर मोर्फोमेट्री और नैदानिक उपायों के बीच संबंधों के लिए अनुमति देती है जो बीमारी के नैदानिक समापन बिंदुओं के लिए "सोने के मानक" के रूप में उपयोग किए जाते हैं। इस तरह के शोध का एक महत्वपूर्ण ट्रांसलेशनल प्रभाव हो सकता है। उदाहरण के लिए, दुर्लभ अनुमस्तिष्क रोगों के स्थान में, रोगियों के एक उपसमूह में अनुमस्तिष्क ग्रे मैटर शोष के एक विशेष प्रोफ़ाइल की पहचान जो नैदानिक लक्षणों पर मैप या भविष्यवाणी करती है, नैदानिक अभ्यास के मार्गदर्शन के लिए निहितार्थ होगा। SUIT मॉड्यूल को शामिल करने से आगे दिलचस्प शोध प्रश्नों को संबोधित करने की अनुमति मिलती है जैसे कि सेरिबैलम की संरचना-फ़ंक्शन मैपिंग या सेरिबैलम60 के कार्यात्मक ग्रेडिएंट का विश्लेषण।

समूह-स्तरीय सांख्यिकीय विश्लेषण के लिए सामान्य सिफारिशें
ACAPULCO: प्रत्येक विषय के लिए प्रत्येक अनुमस्तिष्क लोब्यूल (मिमी3 में) की मात्रा Cerebel_vols.csv में दर्ज की जाती है। समूह-स्तर के प्रभावों के सांख्यिकीय अनुमान के दौरान, इंट्राक्रैनियल वॉल्यूम (आईसीवी; Cerebel_vols.csv में भी दर्ज किया गया है) को सिर के आकार में परिवर्तनशीलता के लिए खाते के लिए नियंत्रित किया जाना चाहिए। अल्फा-महत्व थ्रेसहोल्ड को कई लोब्यूल्स में अनुमान के लिए खाते में सही किया जाना चाहिए।

सूट: ग्रे मैटर सेरेबेलर वीबीएम को एसपीएम या एफएसएल जैसे मानक एमआरआई प्रसंस्करण सॉफ्टवेयर का उपयोग करके डब्ल्यूडी<सब्सेज>सेज1.एनआईएआई छवियों पर किया जा सकता है। SPM1254 का उपयोग कर VBM के लिए एक उत्कृष्ट परिचय के लिए CAT12 मैनुअल देखें। आईसीवी को सिर के आकार में परिवर्तनशीलता के लिए खाते के लिए नियंत्रित किया जाना चाहिए।

सेरिबैलम में वीबीएम के लिए, आमतौर पर आधे अधिकतम (एफडब्ल्यूएचएम) पर 3 मिमी से अधिक पूर्ण चौड़ाई के गाऊसी स्थानिक चिकनाई कर्नेल का उपयोग करने की सिफारिश की जाती है। उपयुक्त सांख्यिकीय सुधार voxels भर में कई तुलना के लिए खाते के लिए लागू किया जाना चाहिए। सामान्य तौर पर, गैर-पैरामीट्रिक दृष्टिकोण (उदाहरण के लिए, SnPM या FSL-Randomise) का उपयोग करने की सिफारिश की जाती है।

ACAPULCO का उपयोग करके सेरिबैलम के सफल parcellation के लिए सबसे महत्वपूर्ण कदम सामान्य गुणवत्ता से पहले T1 छवियों की जांच और बाद के प्रसंस्करण है. यह अत्यधिक अनुशंसा की जाती है कि उपयोगकर्ता खराब विपरीत छवियों (उदाहरण के लिए, छवि में एक असंगत ढाल) और सिर और गति कलाकृतियों के गंभीर झुकाव की जांच करता है, जिनमें से सभी एल्गोरिथ्म के प्रदर्शन को प्रभावित कर सकते हैं। इसके अलावा, जबकि ACAPULCO एल्गोरिथ्म को एट्रोफिड सेरेबेलर पर प्रशिक्षित किया गया है, इसे घाव डेटा पर प्रशिक्षित नहीं किया गया है। यह अनुमान लगाया जाता है कि सेरेब्रल कॉर्टेक्स में घावों से एल्गोरिथ्म के प्रदर्शन और पार्सलेशन की बाद की सटीकता को प्रभावित करने की उम्मीद नहीं की जाएगी; हालांकि, सेरिबैलम में बड़े infarcts संभवतः parcellation त्रुटियों उपज होगा. सेरिबैलम मुखौटा पोस्ट प्रसंस्करण की गुणवत्ता की जांच आवश्यक है। मामूली parcellation त्रुटियों (उदाहरण के लिए, मामूली के तहत और सेरिबैलम लोब्यूल्स के overinclusions) कभी कभी सांख्यिकीय outliers के रूप में पता नहीं कर रहे हैं; इसके विपरीत, गलत nonoutliers के उदाहरण हो सकते हैं जहां डेटा सामान्य सीमा के भीतर हैं, एक स्पष्ट parcellation त्रुटि के बावजूद। यदि किसी विषय को एक बाहरी के रूप में पहचाना जाता है, तो उस विषय के लिए लोब्यूल (ओं) को शामिल करने या बाहर करने के बारे में निर्णय लेने का मार्गदर्शन करने के लिए सेरिबैलम मास्क स्लाइस-बाय-स्लाइस की अनुवर्ती, विस्तृत गुणवत्ता-जांच करना आवश्यक है। SUIT पाइपलाइन (मॉड्यूल 2) चलाते समय एक और महत्वपूर्ण कदम यह है कि इसे पहले से ही चलाने के लिए ACAPULCO मॉड्यूल की आवश्यकता होती है। विशेष रूप से, सूट को सेरिबैलम अलगाव और विभाजन को चलाने के लिए ACAPULCO में उत्पादित सेरिबैलम मास्क की आवश्यकता होती है। यह महत्वपूर्ण है कि पूर्ण अनुमस्तिष्क कवरेज सुनिश्चित करने के लिए सेरिबैलम मास्क को गुणवत्ता-जांचा जाता है।

प्रोटोकॉल की कुछ सीमाएं हैं। सबसे पहले, जबकि ACAPULCO अनुमस्तिष्क ग्रे मैटर parcellation के लिए अत्याधुनिक सटीकता प्राप्त करता है, यह सफेद पदार्थ parcellation के लिए अनुकूलित नहीं है; कॉर्पस medullare सफेद पदार्थ के मुख्य शरीर को कवर करता है लेकिन सभी सफेद पदार्थ का एक उपाय प्रदान नहीं करता है। दूसरा, ACAPULCO में सेरिबैलम को स्थानीयकृत और विभाजित करने के लिए उपयोग किए जाने वाले कनवल्शनल तंत्रिका नेटवर्क विभिन्न विरोधाभासों या छवियों के साथ छवियों के लिए अच्छी तरह से सामान्यीकृत नहीं करते हैं जो प्रशिक्षण में उपयोग नहीं किए गए थे। उदाहरण के लिए, क्योंकि प्रशिक्षण में केवल 3 टी छवियों का उपयोग किया गया था, 1.5 टी स्कैनर पर अधिग्रहित छवियों का उपयोग करके पार्सेलेशन की गुणवत्ता आमतौर पर उतनी अच्छी नहीं होती है; इसके अलावा, जमीनी सच्चाई के संबंध में कोई आंकड़े नहीं हैं जो इन छवियों पर किए गए हैं। अंत में, पाइपलाइन आईसीवी का अनुमान प्रदान करके सेरिबैलम वॉल्यूम अनुमानों पर सिर के आकार के भ्रमित प्रभावों के लिए नियंत्रण करती है जिसे समूह-स्तरीय सांख्यिकीय विश्लेषण में कोई रुचि नहीं होने के एक प्रतिगमन के रूप में शामिल किया जा सकता है। हालांकि, एक आदर्श दृष्टिकोण क्यूसी चलाने से पहले व्यक्तिगत स्तर पर आईसीवी-सही सेरिबैलम वॉल्यूम की गणना करना होगा, जैसे कि पता लगाए गए आउटलायर एक सच्चे पार्सलेशन त्रुटि को प्रतिबिंबित करते हैं और विषयों के न्यूरोएनाटॉमी में प्राकृतिक परिवर्तनशीलता नहीं (उदाहरण के लिए, एक बड़ा सिर होना)।

अंत में, हम सेरिबैलम ग्रे मेटर मॉर्फोमेट्री की जांच के लिए एक मानकीकृत पाइपलाइन पेश करते हैं, जिसमें न्यूरोलॉजिकल बीमारियों की एक श्रृंखला के लिए व्यापक प्रयोज्यता है। पाइपलाइन को बड़े, मल्टीसाइट अध्ययन और 'मेगा विश्लेषण' के लिए अनुमति देने के लिए स्थापित किया गया है और क्षेत्र भर में विश्वसनीयता और पुनरुत्पादन की सुविधा के लिए अनुसंधान समूहों द्वारा उपयोग के लिए सार्वजनिक रूप से उपलब्ध है। आखिरकार, यह पाइपलाइन न्यूरोलॉजिकल बीमारियों में रोग की प्रगति के साथ सेरेबेलर संरचनात्मक परिवर्तनों को आगे बढ़ाने और ट्रैक करने के लिए एक शक्तिशाली पद्धतिगत दृष्टिकोण प्रदान करती है। एक अनुदैर्ध्य पाइपलाइन वर्तमान में विकसित की जा रही है।

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों के पास खुलासा करने के लिए हितों का कोई संघर्ष नहीं है।

Acknowledgments

इस पांडुलिपि में प्रस्तुत कार्य को एक ऑस्ट्रेलियाई राष्ट्रीय स्वास्थ्य और चिकित्सा अनुसंधान परिषद (NHMRC) विचार अनुदान द्वारा वित्त पोषित किया गया था: APP1184403।

Materials

Name Company Catalog Number Comments
ACAPULCO pipeline files  0.2.1 http://enigma.ini.usc.edu/protocols/imaging-protocols/ Please make sure to use acapulco version 0.2.1
Docker for Mac https://docs.docker.com/desktop/mac/install/ macOS must be version 10.14 or newer
Docker requires sudo priviledges
Docker imposes a memory (RAM) constraint on Mac OS. To increase the RAM, open Docker Desktop, go to Preferences and click on resources. Increase the Memory to the maximum
Docker for Windows https://docs.docker.com/docker-for-windows/install/
ENIGMA SUIT scripts http://enigma.ini.usc.edu/protocols/imaging-protocols/
FreeSurfer 7 https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall Following variables need to be set everytime you work with Freesurfer:
export FREESURFER_HOME=equationfreesurfer _installation_directoryequation
source $FREESURFER_HOME/SetUpFreeSurfer.sh
export SUBJECTS_DIR=equationpathequation/enigma/Freesurfer
FSL (for FSLeyes). Optional 6 https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation
ICV pipeline files http://enigma.ini.usc.edu/protocols/imaging-protocols/ ICV pipeline can be run in two ways: 1) with docker/singularity. You will not require additionl software; 2) without docker/singularity- this involves running the ICV script (calculate_icv.py) manually. You will require the following additional software:
Python version equation=3.5
Python module pandas
Python module fire
Python module tabulate
Python module Colorama
https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
MATLAB* 2019 or newer https://au.mathworks.com/ An academic license is required
Singularity 3.7 or newer https://www.sylabs.io/docs/ Prefered for high performance computing (HPC) clusters
SPM 12 http://www.fil.ion.ucl.ac.uk/spm/software/spm12/ Make sure spm12 and all subfolders are in your MATLAB path
SUIT Toolbox 3.4 http://www.diedrichsenlab.org/imaging/suit_download.htm Make sure you place SUIT toolbox in spm12/toolbox directory
Troubleshooting manual and segmentation output examples http://enigma.ini.usc.edu/protocols/imaging-protocols/
Tutorial manual and video http://enigma.ini.usc.edu/protocols/imaging-protocols/ Manual and accompanying live demonstration provide detailed step-by-step instructions on how to run the pipeline from start to finish.
*Not freely available; an academic license is required

DOWNLOAD MATERIALS LIST

References

  1. Holmes, G. The cerebellum of man (Hughlings Jackson memorial lecture). Brain. 62, 1-30 (1939).
  2. Ito, M. The modifiable neuronal network of the cerebellum. The Japanese Journal of Physiology. 34 (5), 781-792 (1984).
  3. Manto, M., Oulad Ben Taib, N. The contributions of the cerebellum in sensorimotor control: what are the prevailing opinions which will guide forthcoming studies. Cerebellum. 12 (3), 313-315 (2013).
  4. Manto, M., Gandini, J., Feil, K., Strupp, M. Cerebellar ataxias: an update. Current Opinion in Neurology. 33 (1), 150-160 (2020).
  5. Schmahmann, J. D. Disorders of the cerebellum: ataxia, dysmetria of thought, and the cerebellar cognitive affective syndrome. The Journal of Neuropsychiatry and Clinical Neurosciences. 16 (3), 367-378 (2004).
  6. Strick, P. L., Dum, R. P., Fiez, J. A. Cerebellum and nonmotor function. Annual Review of Neuroscience. 32, 413-434 (2009).
  7. King, M., Hernandez-Castillo, C. R., Poldrack, R. A., Ivry, R. B., Diedrichsen, J. Functional boundaries in the human cerebellum revealed by a multi-domain task battery. Nature Neuroscience. 22 (8), 1371-1378 (2019).
  8. Schmahmann, J. D. An emerging concept. The cerebellar contribution to higher function. Archives of Neurology. 48 (11), 1178-1187 (1991).
  9. Schmahmann, J. D., Sherman, J. C. The cerebellar cognitive affective syndrome. Brain. 121, Pt 4 561-579 (1998).
  10. Schutter, D. J., van Honk, J. The cerebellum on the rise in human emotion. Cerebellum. 4 (4), 290-294 (2005).
  11. Stoodley, C. J., Schmahmann, J. D. Functional topography in the human cerebellum: a meta-analysis of neuroimaging studies. Neuroimage. 44 (2), 489-501 (2009).
  12. Guell, X., Gabrieli, J. D. E., Schmahmann, J. D. Triple representation of language, working memory, social and emotion processing in the cerebellum: convergent evidence from task and seed-based resting-state fMRI analyses in a single large cohort. Neuroimage. 172, 437-449 (2018).
  13. Lewis, M. M., et al. The role of the cerebellum in the pathophysiology of Parkinson's disease. The Canadian Journal of Neurological Sciences. 40 (3), 299-306 (2013).
  14. Möller, C., et al. Different patterns of gray matter atrophy in early- and late-onset Alzheimer's disease. Neurobiology of Aging. 34 (8), 2014-2022 (2013).
  15. Colloby, S. J., O'Brien, J. T., Taylor, J. P. Patterns of cerebellar volume loss in dementia with Lewy bodies and Alzheimer׳s disease: A VBM-DARTEL study. Psychiatry Research. 223 (3), 187-191 (2014).
  16. McDonald, C. R., et al. Subcortical and cerebellar atrophy in mesial temporal lobe epilepsy revealed by automatic segmentation. Epilepsy Research. 79 (2-3), 130-138 (2008).
  17. Marcián, V., et al. Morphological changes of cerebellar substructures in temporal lobe epilepsy: A complex phenomenon, not mere atrophy. Seizure. 54, 51-57 (2018).
  18. Nopoulos, P. C., Ceilley, J. W., Gailis, E. A., Andreasen, N. C. An MRI study of cerebellar vermis morphology in patients with schizophrenia: evidence in support of the cognitive dysmetria concept. Biological Psychiatry. 46 (5), 703-711 (1999).
  19. Stoodley, C. J. Distinct regions of the cerebellum show gray matter decreases in autism, ADHD, and developmental dyslexia. Frontiers in Systems Neuroscience. 8, 92 (2014).
  20. Larsell, O. The development of the cerebellum in man in relation to its comparative anatomy. The Journal of Comparative Neurology. 87 (2), 85-129 (1947).
  21. Haines, D. E., Mihailoff, G. A. The Cerebellum. Fundamental neuroscience for basic and clinical applications. 5th edn. , Elsevier. 394-412 (2018).
  22. Kelly, R. M., Strick, P. L. Cerebellar loops with motor cortex and prefrontal cortex of a nonhuman primate. Journal of Neuroscience. 23 (23), 8432-8444 (2003).
  23. Schmahmann, J. D., Pandya, D. N. Anatomical investigation of projections to the basis pontis from posterior parietal association cortices in rhesus monkey. The Journal of Comparative Neurology. 289 (1), 53-73 (1989).
  24. Buckner, R. L., Krienen, F. M., Castellanos, A., Diaz, J. C., Yeo, B. T. The organization of the human cerebellum estimated by intrinsic functional connectivity. Journal of Neurophysiology. 106 (5), 2322-2345 (2011).
  25. Fischl, B. FreeSurfer. Neuroimage. 62 (2), 774-781 (2012).
  26. Shattuck, D. W., Leahy, R. M. BrainSuite: an automated cortical surface identification tool. Medical Image Analysis. 6 (2), 129-142 (2002).
  27. Patenaude, B., Smith, S. M., Kennedy, D. N., Jenkinson, M. A Bayesian model of shape and appearance for subcortical brain segmentation. Neuroimage. 56 (3), 907-922 (2011).
  28. Bogovic, J. A., Bazin, P. L., Ying, S. H., Prince, J. L. Automated segmentation of the cerebellar lobules using boundary specific classification and evolution. Information Processing in Medical Imaging. 23, 62-73 (2013).
  29. Bogovic, J. A., Prince, J. L., Bazin, P. L. A Multiple object geometric deformable model for image segmentation. Computer Vision and Image Understanding: CVIU. 117 (2), 145-157 (2013).
  30. Price, M., Cardenas, V. A., Fein, G. Automated MRI cerebellar size measurements using active appearance modeling. Neuroimage. 103, 511-521 (2014).
  31. Chakravarty, M. M., et al. Performing label-fusion-based segmentation using multiple automatically generated templates. Humain Brain Mapping. 34 (10), 2635-2654 (2013).
  32. Weier, K., Fonov, V., Lavoie, K., Doyon, J., Collins, D. L. Rapid automatic segmentation of the human cerebellum and its lobules (RASCAL)--implementation and application of the patch-based label-fusion technique with a template library to segment the human cerebellum. Human Brain Mapping. 35 (10), 5026-5039 (2014).
  33. Yang, Z., et al. Automated cerebellar lobule segmentation with application to cerebellar structural analysis in cerebellar disease. Neuroimage. 127, 435-444 (2016).
  34. Romero, J. E., et al. CERES: A new cerebellum lobule segmentation method. Neuroimage. 147, 916-924 (2017).
  35. Carass, A., et al. Comparing fully automated state-of-the-art cerebellum parcellation from magnetic resonance images. Neuroimage. 183, 150-172 (2018).
  36. Han, S., Carass, A., He, Y., Prince, J. L. Automatic cerebellum anatomical parcellation using U-Net with locally constrained optimization. Neuroimage. 218, 116819 (2020).
  37. Ashburner, J., Friston, K. J. Voxel-based morphometry--the methods. Neuroimage. 11 (6), 805-821 (2000).
  38. Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Medical Image Analysis. 5 (2), 143-156 (2001).
  39. Andersson, J., Jenkinson, M., Smith, S. Non-linear registration, aka spatial normalisation. Report No. TR07JA2. , (2010).
  40. Ashburner, J., Friston, K. J. Unified segmentation. Neuroimage. 26 (3), 839-851 (2005).
  41. Dahnke, R., Yotter, R. A., Gaser, C. Cortical thickness and central surface estimation. Neuroimage. 65, 336-348 (2013).
  42. Diedrichsen, J. A spatially unbiased atlas template of the human cerebellum. Neuroimage. 33 (1), 127-138 (2006).
  43. Diedrichsen, J., Balsters, J. H., Flavell, J., Cussans, E., Ramnani, N. A probabilistic MR atlas of the human cerebellum. Neuroimage. 46, 39-46 (2009).
  44. Harding, I. H., et al. Brain structure and degeneration staging in Friedreich ataxia: Magnetic resonance imaging volumetrics from the ENIGMA-Ataxia Working Group. Annals of Neurology. 90 (4), 570-583 (2021).
  45. Enigma. Structural imaging processing protocols. , Available from: http://enigma.ini.usc.edu/protocols/imaging-protocols/ (2021).
  46. MRIQC. Poldrack Lab, Stanford University. , Available from: https://mriqc.readthedocs.io/en/stable/ (2020).
  47. dcm2niix. Rorden Lab, University of South Carolina. , Available from: https://github.com/rordenlab/dcm2niix (2021).
  48. Docker. , Available from: https://docs.docker.com/ (2021).
  49. Singularity. Sylabs. , Available from: https://sylabs.io/singularity (2021).
  50. MATLAB. The MathWorks, Inc. , Available from: https://au.mathworks.com/ (2021).
  51. Statistical parametric mapping SPM12. The Wellcome Centre for Human Neuroimaging. , Available from: https://www.fil.ion.ucl.ac.uk/spm/software/spm12/ (2020).
  52. Diedrichsen Lab, University of Western Ontario. , Available from: http://www.diedrichsenlab.org/imaging/suit.htm (2021).
  53. FreeSurfer download and install. , Available from: https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall (2020).
  54. Gaser, C., Dahnke, R. CAT: A computational anatomy toolbox for SPM. , Available from: http://www.neuro.uni-jena.de/cat/ (2020).
  55. Selvadurai, L. P., et al. Cerebral and cerebellar grey matter atrophy in Friedreich ataxia: the IMAGE-FRDA study. Journal of Neurology. 263 (11), 2215-2223 (2016).
  56. Schmahmann, J. D. The cerebellum and cognition. Neuroscience Letters. 688, 62-75 (2019).
  57. Diedrichsen, J., Zotow, E. Surface-based display of volume-averaged cerebellar imaging data. PLoS One. 10 (7), 0133402 (2015).
  58. Gottwald, B., Mihajlovic, Z., Wilde, B., Mehdorn, H. M. Does the cerebellum contribute to specific aspects of attention. Neuropsychologia. 41 (11), 1452-1460 (2003).
  59. Starowicz-Filip, A., et al. The role of the cerebellum in the regulation of language functions. Psychiatria Polska. 51 (4), 661-671 (2017).
  60. Guell, X., Schmahmann, J. D., Gabrieli, J., Ghosh, S. S. Functional gradients of the cerebellum. Elife. 7, 36652 (2018).

Tags

तंत्रिका विज्ञान अंक 180 सेरिबैलम चुंबकीय अनुनाद इमेजिंग parcellation voxel-आधारित morphometry ग्रे पदार्थ Freedreich ataxia
संरचनात्मक चुंबकीय अनुनाद इमेजिंग का उपयोग करके मानव सेरेबेलर ग्रे मैटर मॉर्फोमेट्री की जांच के लिए एक मानकीकृत पाइपलाइन
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Kerestes, R., Han, S., Balachander,… More

Kerestes, R., Han, S., Balachander, S., Hernandez-Castillo, C., Prince, J. L., Diedrichsen, J., Harding, I. H. A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging. J. Vis. Exp. (180), e63340, doi:10.3791/63340 (2022).

Less
Copy Citation Download Citation Reprints and Permissions
View Video
Waiting X
Simple Hit Counter