Waiting
Login processing...

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

Neuroscience

구조적 자기 공명 영상을 사용하여 인간의 소뇌 회색 물질 Morphometry를 검사하기위한 표준화 된 파이프 라인

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

소뇌 회색 물질 형태 측정을 검사하기 위해 표준화 된 파이프 라인이 제시됩니다. 이 파이프라인은 최적화되고 자동화된 소뇌 파셀레이션을 위한 고해상도의 최첨단 접근 방식과 체적 정량화를 위한 소뇌의 복셀 기반 등록을 결합합니다.

Abstract

여러 분야의 연구는 다양한 인지 및 정서적 기능에서 소뇌의 역할에 대한 강력한 증거를 제공하며, 이는 운동 제어와의 역사적 연관성을 훨씬 뛰어 넘습니다. 구조적 및 기능적 신경 영상 연구는 해부학 적 분열을 넘어 소뇌의 기능적 신경 해부학에 대한 이해를 더욱 정교하게 만들어 건강한 가변성 및 신경 질환에서 개별 소뇌 하위 단위의 검사의 필요성을 강조합니다. 이 논문은 최적화되고 자동화 된 소뇌 파셀레이션을위한 고해상도, 최첨단 접근법을 결합한 소뇌 회색 물질 형태 측정법을 검사하기위한 표준화 된 파이프 라인을 제시합니다 (U-Net Locally Constrained Optimization을 사용하는 자동 소뇌 해부학 적 Parcellation; ACAPULCO) 및 복셀-기반 소뇌의 등록(공간적으로 편향되지 않은 인프라-텐토리얼 템플리트; SUIT) 용적 정량화를 위한 것이다.

파이프 라인은 다양한 신경 질환에 광범위하게 적용 할 수 있으며 출력의 품질 관리에만 필요한 수동 개입으로 완전히 자동화되어 있습니다. 파이프 라인은 상당한 설명서와 함께 무료로 사용할 수 있으며 Mac, Windows 및 Linux 운영 체제에서 실행할 수 있습니다. 파이프 라인은 프리드리히 운동 실조 (FRDA)를 가진 개인의 코호트에 적용되며, 대표적인 결과와 그룹 수준의 추론 통계 분석에 대한 권장 사항이 제공됩니다. 이 파이프 라인은 현장 전반에 걸쳐 신뢰성과 재현성을 촉진하여 궁극적으로 신경 질환의 소뇌 구조 변화를 특성화하고 추적하기위한 강력한 방법 론적 접근 방식을 제공 할 수 있습니다.

Introduction

소뇌는 역사적으로 운동 제어 1,2,3과 관련된 뇌의 일부이며 유전 된 운동 실조증4와 같은 희귀 질환의 작은 세트에만 통합적으로 관여하는 것으로 생각됩니다. 그러나 비인간 영장류의 해부학 적 추적 연구뿐만 아니라 인간 병변 및 신경 영상 연구에서 수렴 된 연구 라인은 광범위한 인지 5,6,7, 정서적 8,9,10,11 및 기타 비 운동 기능 7,12에서 소뇌의 역할에 대한 강력한 증거를 제공합니다 (6 참조).  검토를 위해). 또한, 소뇌의 이상은 파 킨슨 병 13, 알츠하이머 병 14,15, 간질16,17, 정신 분열증 18 및 자폐증 스펙트럼 장애 19를 포함한 광범위한 신경 및 정신 질환 장애에 점점 더 연루되어 있습니다. . 따라서 소뇌를 인간의 뇌 질환 및 규범 적 행동 변동성의 기능적, 구조적 모델에 통합하는 것이 필수적이되었습니다.

해부학적으로, 소뇌는 열등한 축보다 우월한 축을 따라 전방, 후부 및 응집체의 세 개의 엽으로 나눌 수 있습니다. 엽은 로마 숫자 I-X 20,21로 표시된 10 개의 소엽으로 더 세분화됩니다 (그림 1). 소뇌는 또한 척수 및 대뇌 피질로부터 각각 입력을받는 중간 선 (vermis) 및 측면 (반구) 영역으로 그룹화 될 수 있습니다. 소엽 I-V를 포함하는 전엽은 전통적으로 운동 과정과 연관되어 왔으며 대뇌 운동 피질(22)과 상호 연결되어 있다. 소엽 VI-IX를 포함하는 후엽은 주로 비운동 과정(11)과 연관되며, 전두엽 피질, 후두엽 정수리 및 우수한 측두엽 대뇌 피질(8,23)과 상호 연결을 갖는다. 마지막으로, 소엽 X를 포함하는 응집성 엽은 자세와 보행21 동안 안구 운동과 신체 평형을 지배하는 전정 핵과 상호 연결을 가지고 있습니다.

기능적 신경 영상을 사용하는 최근의 연구가 늘어나면서 소뇌의 기능적 신경 해부학에 대한 이해가 해부학 적 분열을 넘어 더욱 정교 해졌습니다. 예를 들어, 휴지-상태 기능적 자기 공명 영상(fMRI) 기술은 소뇌와 대뇌(24) 사이의 기능적 상호작용의 패턴을 매핑하기 위해 사용되어 왔다. 또한 작업 기반 파셀레이션 접근법을 사용하여 King과 동료7은 소뇌가 다양한 운동, 정서적, 사회적 및인지 적 작업과 관련된 뚜렷한 기능적 경계에 의해 입증 된 폭 전반에 걸쳐 풍부하고 복잡한 기능적 전문화 패턴을 보여 준다는 것을 보여주었습니다. 총체적으로,이 연구는 소뇌 구조 및 / 또는 기능의 변화를 특징으로하는 건강한 가변성과 신경 질환 모두에서 소뇌 관여의 완전한 생물학적 특성을 개발하기 위해 개별 소뇌 서브 유닛을 조사하는 것이 중요하다는 것을 강조합니다.

본 연구는 인간의 구조적 MRI를 사용하여 소뇌 부피의 국소 변화를 정량화하는 방법에 중점을 둡니다. 일반적으로 MRI 데이터를 사용하여 지역 뇌량을 정량화하는 두 가지 기본 접근법이 있습니다 : 기능 기반 세분화 및 복셀 기반 등록. 기능 기반 세분화 접근법은 해부학적 랜드마크와 표준화된 아틀라스를 사용하여 하위 영역 간의 경계를 자동으로 식별합니다. 세분화를 위한 주류 소프트웨어 패키지에는 FreeSurfer25, BrainSuite26 및 FSL-FIRST27이 포함됩니다. 그러나 이러한 패키지는 소뇌의 거친 부분 (예 : 각 반구의 전체 회색 물질과 전체 백색 물질을 표시)만을 제공하므로 개별 소뇌 소엽이 내려다 보입니다. 이러한 접근법은 또한 잘못된 세분화, 특히 주변 혈관 구조의 과다 포함에 취약합니다.

암시적 다중 경계 진화를 이용한 소뇌 소엽 자동 분류(ACCLAIM28,29), 소뇌 분석 툴킷(CATK 30), 다중 자동 생성 템플릿(MAGeT31), 인간 소뇌와 그 소엽의 신속한 자동 세분화(RASCAL32 포함)를 포함하여 소뇌의 보다 정확하고 세밀한 파셀레이션을 제공하는 새로운 기계 학습 및 다중 아틀라스 라벨링 알고리즘이 개발되었습니다. ), 그래프 컷 세그멘테이션(33), 및 CEREbellum 세그멘테이션(CERES34). 최첨단 완전 자동화 소뇌 파셀레이션 접근법을 비교한 최근 논문에서, CERES2는 소뇌 소엽(35)의 금 표준 수동 분할에 비해 다른 접근법보다 성능이 뛰어난 것으로 밝혀졌다. 최근에, Han과 동료36은 ACAPULCO(국부적으로 제한된 최적화를 가진 U-Net을 이용한 자동 소뇌 해부학적 Parcellation)라는 딥 러닝 알고리즘을 개발했는데, CERES2와 동등하게 수행되고, 건강한 소뇌와 위축된 소뇌 모두에 광범위한 적용 가능성을 가지며, '기성품' 구현을 위해 오픈 소스 Docker 및 Singularity 컨테이너 형식으로 제공되며, 다른 접근법보다 시간 효율적이다. ACAPULCO는 소뇌를 28 개의 해부학 적 영역으로 자동 분할합니다.

기능 기반 세분화와는 달리, 복셀 기반 등록 접근법은 MRI를 템플릿 이미지에 정확하게 매핑하여 작동합니다. 이 매핑을 수행하려면 원본 이미지의 복셀이 크기와 모양으로 왜곡되어야합니다. 이 왜곡의 크기는 금 표준 템플릿에 상대적인 각 복셀에서 부피의 척도를 효과적으로 제공합니다. 이러한 형태의 체적 평가는 '복셀 기반 형태측정법'37으로 알려져 있다. FSL-FLIRT38/FNIRT39, SPM 통합 세분화(40) 및 CAT1241과 같은 전뇌 복셀 기반 등록 접근법은 복셀 기반 형태측정에 일반적으로 사용된다. 그러나 이러한 접근법은 소뇌를 잘 설명하지 못하여 인프라 영역 (소뇌, 뇌간42)에서 신뢰성과 유효성이 떨어집니다. 이러한 한계를 설명하기 위해 SUIT (공간적으로 편향되지 않은 인프라-텐토리얼 템플릿) 알고리즘은 소뇌 등록을 최적화하고 복셀 기반 형태 측정법42,43의 정확도를 향상시키기 위해 개발되었습니다.

지역 소뇌량 추정을위한 기능 기반 세분화 및 복셀 기반 등록 접근법은 근본적인 강점과 약점을 가지고 있습니다. 세분화 접근법은 해부학적으로 정의된 영역(예를 들어, 소엽(35))의 부피를 정량화하기 위해 실질적으로 더 정확하다. 그러나 소뇌의 뚜렷한 기능 모듈 사이의 경계는 해부학 적 잎과 균열 (대뇌7의 gyri 및 sulci와 동일)에 매핑되지 않습니다. 등록 기반 접근법이 해부학적 랜드마크에 의해 제약받지 않기 때문에, 소뇌의 보다 세밀한 공간 추론 및 고차원 구조-기능 매핑이 가능하다(44). 종합하면, 세분화 및 등록 접근법은 서로 보완적이며 다른 연구 질문에 대답하는 데 사용할 수 있습니다.

여기에서는 용적 정량화를 위해 최적화되고 자동화된 파셀레이션(ACAPULCO) 및 복셀 기반 소뇌 등록(SUIT)을 제공하기 위해 기존의 검증된 접근 방식을 통합하는 새로운 표준화된 파이프라인이 제시됩니다(그림 2). 이 파이프라인은 정성적 시각화 및 정량적 이상값 감지를 사용하는 품질 관리 프로토콜과 Freesurfer를 사용하여 두개내 부피(ICV)의 추정치를 얻기 위한 신속한 방법을 포함하는 확립된 접근 방식을 기반으로 합니다. 파이프라인은 품질 관리 출력을 확인하는 데만 필요한 수동 개입으로 완전히 자동화되어 있으며 Mac, Windows 및 Linux 운영 체제에서 실행할 수 있습니다. 파이프 라인은 비상업적 목적으로의 사용 제한없이 자유롭게 사용할 수 있으며 간단한 등록 양식45를 완료 한 후 ENIGMA 컨소시엄 이미징 프로토콜 웹 페이지 ( "ENIGMA 소뇌 체적 파이프 라인"아래)에서 액세스 할 수 있습니다.

필요한 모든 소프트웨어는 자료 표에 나열되어 있으며 라이브 데모를 포함한 자세한 자습서는 아래에 설명 된 프로토콜 외에도 파이프 라인을 다운로드 할 때 사용할 수 있습니다. 마지막으로, Friedreich 운동 실조 (FRDA) 및 연령 및 성별 일치 건강한 대조군을 가진 사람들의 코호트에서 파이프 라인을 구현하고 그룹 수준의 통계 추론 분석에 대한 권장 사항과 함께 대표적인 결과가 제공됩니다.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

참고 :이 연구에 사용 된 데이터는 Monash University Human Research Ethics Committee (프로젝트 7810)가 승인 한 프로젝트의 일부였습니다. 참가자들은 서면 정보에 입각 한 동의를 제공했습니다. 파이프라인은 Mac, Windows 또는 Linux 운영 체제에서 실행할 수 있지만 ACAPULCO, SUIT 및 QC 파이프라인은 Linux(우분투) 및 Mac(Catalina, Big Sur v11.0.1) 운영 체제에서 명시적으로 테스트되었습니다.

1. 모듈 1 : ACAPULCO (해부학 적 파셀레이션)

  1. 데이터 수집
    1. 1mm 3 이하의 해상도로 전체 뇌의3D T1 가중치 MRI 이미지를 수집합니다. 등방성 복셀 치수(일반적으로 1mm x 1mm x 1mm)와 3-Telsa(또는 그 이상) 스캐너를 사용하는 것이 좋습니다. 방사선 촬영 센터의 이미징 전문가와 상담하여 이러한 사양을 충족하는 데이터를 설정하고 획득하십시오.
      참고: T2 가중치 이미지는 때때로 체적 분석에 유용합니다. 그러나 여기에 제시된 파이프라인은 T1 가중 데이터에만 의존하며 사용되는 도구 중 일부는 이러한 유형의 데이터에만 적용됩니다. 따라서 T2 가중치 이미지는 사용할 수 없습니다.
    2. 이미지의 시각적 품질 평가를 수행하여 주요 소뇌 기형 (예 : 큰 병변) 또는 주요 소뇌 랜드 마크 (예 : 주요 해부학 적 균열)의 식별을 방해하는 실질적인 운동 유물을 제외합니다. 위축된 소뇌를 자동으로 배제하지 마십시오.
    3. 그룹 연구의 경우 MRIQC46과 같이 자유롭게 사용할 수 있고 표준화 된 도구를 사용하여 문제가되는 데이터를 추가로 식별하는 양적 품질 평가를 고려하십시오.
    4. dcm2niix47과 같은 도구를 사용하여 모든 데이터를 NIFTI-GZ 형식으로 변환하십시오.
  2. 권장 데이터 구성
    1. 자료표에 나열된 모든 필요한 소프트웨어를 구 하십시오. 파이프라인을 실행하기 전에 Docker48 또는 특이점49, Matlab50 및SPM12 51이 설치되었는지 확인합니다.
      참고: 파이프라인을 설명하는 광범위한 서면 및 비디오 자습서도 사용할 수 있습니다( 자료표 참조).
    2. 필요한 모든 소프트웨어가 설치되면 작업 디렉토리에 폴더를 만들고 '아카풀코', '정장'및 '프리 서퍼'라고 레이블을 지정하십시오. 명령행에서 mkdir 명령을 사용하여 이 작업을 수행하십시오.
    3. 'acapulco'디렉토리에서 출력 폴더를 만듭니다. 출력 폴더에서 NIFTI-GZ 형식의 T1 가중치 이미지를 포함하는 연구의 각 주제에 대한 디렉토리를 작성하십시오.
      참고: 원본 데이터의 복사본을 다른 곳에 보관하는 것이 좋습니다.
  3. ACAPULCO를 사용한 해부학적 소뇌 파셀레이션
    1. 재료 테이블로 이동하여 ACAPULCO를 실행하는 데 필요한 관련 스크립트 및 컨테이너를 다운로드하십시오(acapulco 파이프라인 파일 아래). 'acapulco' 디렉토리에 (i) ACAPULCO Docker OR 특이점 컨테이너(각각 'acapulco_0.2.1.tar.gz' 또는 '.sif'), (ii) QC_scripts 아카이브의 내용(3개의 파일: 'QC_Master.R', 'QC_Plots.Rmd' 및 'QC_Image_Merge.Rmd'), (iii) 'R.sif'(특이점) 또는 'calculate_icv.tar'(도커) 파일을 배치합니다.
    2. 터미널을 열고 명령줄에서 ACAPULCO 컨테이너를 단일 이미지로 실행합니다(다음에 <<제목>>로 바꿉니다). 처리가 완료 될 때까지 ~ 5 분 동안 기다리십시오.
      1. Docker를 사용하여 다음 명령을 입력합니다.
        도커로드 --입력 acapulco_0.2.1.tar.gz
        docker run -v $PWD:$PWD -w $PWD -t --user $(id -u):$(id -g) --rm acapulco:latest -i output/<>/<>.nii.gz -o output/<>
      2. 특이점을 사용하여 다음 명령을 입력합니다.
        특이점 실행 --cleanenv -B $PWD:$PWD acapulco-0.2.1.sif -i output/<>/<>.nii.gz -o output/<>
    3. 코호트의 모든 피사체/스캔을 반복합니다. 파이프라인을 다운로드하기 위한 ENIGMA 이미징 프로토콜 웹 사이트 링크(ENIGMA 소뇌 용적 파이프라인 아래)와 여러 주제를 순차적으로 처리하기 위한 for-loop를 만드는 방법에 대한 예제가 포함된 튜토리얼 매뉴얼은 자료 표를 참조하십시오.
    4. 처리 후 제목별 폴더에 생성된 다음 파일을 찾습니다.
      1. "_n4_mni_seg_post_inverse.nii.gz"를 확인하십시오 : 원본 (주제 공간)에 소뇌 마스크가 박혀 있습니다.
      2. "_n4_mni_seg_post_volumes.csv"를 식별한다: 아카풀코에 의해 생성된 28개의 서브유닛들 각각에 대한 부피(mm3 단위);
      3. 대표적인 이미지 식별('pics' 디렉토리에서): 시그널, 축방향, 코로나.
  4. 통계적 이상값 검출 및 품질 관리(QC)
    1. 터미널과 'acapulco'디렉토리에서 QC_scripts의 내용이 'acapulco'디렉토리에 있는지 확인하십시오. QC 스크립트를 실행하려면:
      1. Docker를 사용하여 다음 명령을 입력합니다.
        도커 로드 calculate_icv.tar
        도커 실행 -v $PWD:$PWD -w $PWD --rm -it luhancheng/calculate_icv:latest Rscript
        QC_Master.R 출력/
      2. 특이점을 사용하여 다음 명령을 입력합니다.
        특이점 exec -B $PWD:$PWD R.sif Rscript /path/to/QC_Master.R /path/to/acapulco/output
  5. ACAPULCO에서 생성된 QC 이미지 검사
    참고: ACAPULCO 파셀레이션된 이미지의 품질을 확인하기 위한 3단계 프로세스가 있습니다.
    1. 웹 브라우저에서 'QC_Images.html'을 열고 이미지를 빠르게 스크롤하여 (주제 당 ~ 10 초) 명백한 실패 또는 체계적인 문제를 식별하십시오. 후속 조치를 위해 실패했거나 의심되는 파셀레이션된 이미지의 주체 ID를 기록해 둡니다.
      참고 : 소뇌 소엽의 신경 해부학에 대한 안내서는 그림 3 을 참조하고 아래의 대표적인 결과 섹션에서 그림 4, 그림 5 및 그림 6 에서 '좋은'파셀레이션, '미묘한 오판'및 '글로벌 실패'파셀레이션의 예를 참조하십시오.
    2. 'Plots_for_Outliers.html'를 열어 정량적 통계 이상값에 대한 상자 플롯을 확인합니다. 상자 플롯의 수염 위 또는 아래에 특이치(평균 위 또는 아래 2.698 s.d)를 찾습니다. 데이터 점 위에 마우스를 올려 주체 ID를 표시합니다. '이상값' 파일의 관련 열에서 '1'로 표시된 이상값을 식별하고 '이상값.csv'의 마지막 열에서 각 피사체에 대한 이상값으로 식별된 세그먼트의 총 수를 기록.csv니다.
    3. 하나 이상의 이상값이 있는 각 이미지를 수동으로 검사합니다. 중요: 표준 NIFTI 이미지 뷰어(예: FSLEyes 또는 MRICron)를 사용하여 ACAPULCO 마스크를 원본 T1w 이미지에 오버레이하여 슬라이스별 파셀레이션 품질을 확인합니다.
      1. FSLEyes를 사용하여 명령 줄에서 자세한 QC에 대한 오버레이를 생성하려면 i) 디렉토리를 'acapulco'디렉토리로 변경하고, ii) 볼 제목을 지정하십시오 (바꾸기 <주제>):
        subj =
      2. 다음 코드를 터미널에 복사 / 붙여 넣으십시오 (이전 줄에서 설정 했으므로 {subj}를 수동으로 변경하지 않고).
        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 label --lut random_big --outline --outlineWidth 3 ${acapulco_image} --overlayType volume --alpha 50 --cmap random
        참고 : 비정상적인 세그먼트를 포함할지 여부, 즉 파셀레이션 오류가 있는지 또는 개인의 해부학에서 정상적인 변동성인지 여부를 결정해야합니다. 각 파셀링된 영역은 개별적으로 고려되므로 이미지에 대해 일부 영역을 제외할 수 있고 나머지는 올바른 경우 유지할 수 있습니다.
      3. 하나 이상의 파셀된 영역을 최종 데이터 세트에서 제외해야 합니까?
        예(이상값이 확인됨)인 경우, 해당 피험자에 대한 'Cerebel_vols.csv' 파일의 해당 셀에서 부피 추정치를 NA 로 대체하여 분석에서 이 파셀레이션(들)을 제외합니다.
      4. parcellation 오류로 인해 소뇌 중 일부가 마스크에서 제외됩니까?
        예, 예인 경우(예를 들어, 특정 소뇌 소엽이 마스크에서 누락되거나 '잘려나' 나타나는 경우), 즉시 추가 분석에서 피험자를 제외합니다(즉, 해당 피험자에 대해 SUIT 모듈을 실행하지 마십시오).

2. 모듈 2 : SUIT 소뇌 최적화 복셀 기반 형태 측정

  1. SUIT를 사용한 복셀 기반 형태 분석
    중요: 이 파이프라인은 SUIT 템플릿에 대한 소뇌의 등록 및 정규화를 최적화하기 위해 피사체별 소뇌 마스크의 생성에 의존하기 때문에 ACAPULCO 모듈이 이미 실행되었어야 합니다. ACAPULCO에 의해 생성 된 피험자 별 마스크에 전체 소뇌가 포함되지 않은 경우, 이는 SUIT 모듈에서 제외 된 것을 보증합니다. SUIT 독립 실행형 실행에 대한 지침은52를 참조하십시오.
    1. 재료 표에 나열된 모든 필요한 소프트웨어를 구하십시오. SPM12 폴더와 모든 하위 폴더가 MATLAB 경로에 있는지 확인합니다. 스크립트enigma_suit 'spm12/toolbox' 디렉토리에 저장되고 MATLAB 경로에 추가되었는지 확인합니다. MATLAB 경로를 확인하려면 MATLAB 명령 창에 pathtool을 입력한 다음 하위 폴더와 함께 추가를 클릭하여 관련 폴더를 추가합니다.
    2. 하나 이상의 주제에 대해 SUIT 파이프라인을 실행합니다. ~ 15-20 분 (그래픽 사용자 인터페이스 [GUI]를 사용하는 경우)과 터미널 (bash / shell)에서 실행중인 경우 ~ 5-7 분 동안 기다렸다가 처리가 완료됩니다.
      1. GUI(주제는 직렬로 실행됨)를 사용하려면 MATLAB 명령 창에서 다음 명령을 입력합니다.
        suit_enigma_all
      2. 첫 번째 팝업 창에서 'acapulco/output' 디렉토리에서 분석에 포함할 주제 폴더를 선택합니다. 창의 오른쪽에 있는 개별 폴더를 클릭하거나 마우스 오른쪽 버튼을 클릭하고 모두 선택합니다. 완료를 누릅니다. 두 번째 팝업 창에서 분석을 기록할 SUIT 디렉토리를 선택합니다.
      3. 또는 단일 주제에 대해 MATLAB 명령줄에서 함수를 호출하고 다음 명령을 입력합니다.
        suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir')
      4. 또는 MATLAB 외부의 터미널 창에서 명령을 입력하여 단일 주제에 대해 함수를 호출합니다.
        matlab -nodisplay -nosplash -r "suit_enigma_all('/path/to/acapulco/output/subjdir','/path/to/suitoutputdir'), exit"
    3. 파이프라인을 다운로드하기 위한 ENIGMA 이미징 프로토콜 웹 사이트 링크(ENIGMA 소뇌 용적 파이프라인 아래)와 여러 주제를 순차적으로 처리하기 위한 for-loop를 만드는 방법에 대한 예제가 포함된 튜토리얼 매뉴얼은 자료 표를 참조하십시오.
    4. 스크립트와 관련하여 다음 사항을 찾습니다.
      1. 스크립트가 N4 바이어스 보정, MNI 정렬(강체) T1 이미지 및 ACAPULCO 소뇌 마스크를 출력 디렉토리에 복사하는지 확인합니다.
      2. 스크립트가 소뇌의 회색과 흰색 물질을 분할하는지 확인하십시오.
      3. 스크립트가 ACAPULCO 마스크를 사용하여 파셀레이션에 과도하게 포함된 오류를 수정하는지 확인합니다.
      4. 스크립트 DARTEL이 데이터를 정규화하고 Jacobian 변조를 사용하여 SUIT 공간으로 다시 슬라이스하여 각 복셀의 값이 원래 볼륨에 비례하도록 하십시오.
      5. 각 피사체의 폴더에서 'wd_seg1.nii'(회색 물질) 및 'wd_seg2.nii'(백색 물질)의 최종 출력이 있는지 확인합니다.
  2. 통계적 이상값 감지 및 품질 관리
    1. 정규화된 변조된 이미지(wd*)에서 중대한 오류가 있는지 육안으로 검사합니다. MATLAB에서 다음 명령을 입력합니다.
      spm_display_4D
    2. 수트 하위 폴더에서 'wd * seg1'이미지를 수동으로 선택하거나 'suit'디렉토리로 이동하십시오. 필터 상자에 '^wd.*seg1'을 삽입하고 (인용문 없음) Rec 버튼을 누릅니다. 완료를 누릅니다.
    3. 이미지를 스크롤하여 모두 잘 정렬되었는지 확인합니다. 건강한 대조군(A,B)과 위축성이 심한 소뇌(D)를 가진 개체의 이미지를 올바르게 정규화한 이미지는 그림 7을 참조하십시오.
      참고: 이 단계에서 피사체 간 해부학은 매우 유사하며(동일한 템플릿에 등록되었기 때문에), 볼륨 차이는 복셀 강도가 다른 것으로 인코딩됩니다. 주요 실패는 예를 들어, 빈 이미지, 누락 된 조직의 넓은 영역, 비정상적인 강도 구배 (즉, 상단의 밝은 복셀, 하단의 어두운 복셀)와 같이 명백 할 것입니다. 이러한 이미지는 후속 단계에서 제외해야 합니다.
    4. 이상값에 대한 공간 공분산을 확인합니다. MATLAB에서 다음 명령을 입력합니다.
      check_spatial_cov
      1. 이전 단계에 따라 'wd*seg1' 이미지를 선택합니다. 메시지가 표시되면 다음 옵션을 선택합니다. Prop 크기 조정: 예; 공변하는 변수 : 아니오; 슬라이스 (mm) : - 48, 간격 : 1.
      2. 샘플의 다른 모든 이미지에 상대적인 각 이미지의 평균 공간 공분산을 표시하는 상자 그림을 살펴봅니다. MATLAB 명령 창의 평균보다 >2s.d. 낮은 데이터 요소를 식별합니다. 이러한 작업의 경우 SUIT 폴더의 "_n4_mni.nii.gz" 이미지에 아티팩트(동작, 해부학적 이상), 이미지 품질 문제 또는 전처리 오류가 있는지 검사합니다.
      3. 이미지 품질 및 전처리가 허용되고 이전 단계에서 변조된 이미지의 육안 검사가 세분화 및 정규화에 문제가 있음을 나타내지 않는 경우 이러한 데이터를 샘플에 보관하십시오. 그렇지 않으면 이러한 데이터를 제외합니다.

3. 모듈 3 (선택 사항) : FreeSurfer를 사용한 두개내 볼륨 (ICV) 추정

참고: 이 모듈은 FreeSurfer 파이프라인을 사용하여 ICV를 계산합니다. 코호트 (모든 버전)에 대한 기존 Freesurfer 출력이있는 경우 다시 실행할 필요가 없습니다.

  1. 프리서퍼 설정
    1. FreeSurfer가 다운로드되어 설치되어 있는지 확인하십시오53. 재료 테이블 로 이동하여 관련 스크립트를 다운로드하여 이 모듈을 실행합니다( ICV 파이프라인 파일 아래). FreeSurfer로 작업할 때 다음 변수를 설정합니다.
      내보내기 FREESURFER_HOME=
      출처 $FREESURFER_HOME/SetUpFreeSurfer.sh
    2. 다음 에서 를 바꿉니다.
      내보내기 SUBJECTS_DIR = < 경로 > / 수수께끼 / 프리 서퍼
  2. 프리서퍼 자동 정찰기 실행1
    1. 단일 피사체의 경우 'freesurfer'디렉토리 내부(처리 시간 ~ 20분)에서 다음 명령을 입력합니다.
      CD <경로>/수수께끼/프리서퍼
      recon-all -i .. /input/.nii.gz -s -autorecon1
    2. 여러 과목을 순차적으로 처리하기 위한 for-loop를 만드는 방법에 대한 예제는 튜토리얼 설명서를 참조하십시오.
  3. ICV의 계산
    1. 데이터 조직
      1. 'freesurfer' 디렉토리에 (i) 모듈 1에 사용된 Docker OR 특이점 컨테이너(각각 'calculate_icv.tar' 또는 'R.sif') 및 (ii) xfm2det 스크립트( 자료 표 참조)를 배치합니다. 그런 다음 git clone을 수행하여 필요한 ICV 스크립트를 복제하십시오.
        자식 클론 https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
    2. ICV 추출 실행 (처리 시간 ~ 5 분)
      1. 특이점 ( 'R.sif') 컨테이너가있는 'freesurfer'디렉토리에서 다음을 입력하십시오.
        특이점 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. 도커 컨테이너가있는 'freesurfer'디렉토리에서 다음을 입력하십시오.
        도커 실행 -v $PWD:$PWD -w $PWD -rm -it luhancheng/calculate_icv:latest
        calculate_icv/calculate_icv.py --freesurfer_dir=/path/to/Freesurfer --
        acapulco_dir=/경로/에/아카풀코/QC/소뇌파일 --output_csv_name=Cerebel_vols.csv
        calculate_icv
      3. 컨테이너 없이 스크립트 실행 - 추가 필수 소프트웨어 및 종속성에 대해서는 재료 표를 참조하십시오. '프리서퍼' 디렉토리에서 다음을 입력합니다.
        ./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
        참고: 이렇게 하면 각 주제에 대한 ICV가 계산되고 ICV가 있는 열이 'Cerebel_vols.csv' 파일의 끝에 추가됩니다.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

소뇌 파셀레이션 (ACAPULCO)

소뇌 분리 마스크의 품질 관리 :
다음 예는 ACAPULCO 파셀레이션된 출력을 시연하고 a) 개별 수준에서 파셀링된 마스크의 품질 및 b) 통계 분석에서 특정 소엽(들)의 후속 포함 또는 배제에 대한 의사 결정을 안내합니다. 궁극적으로, 피험자를 포함하거나 배제하는 결정은 주관적이다; 다양한 건강 및 임상 그룹의 '좋은 파셀레이션', '미묘한 파셀레이션 오류'및 '글로벌 실패'의 예가 여기에 제공됩니다.

'좋은 파셀레이션'의 예는 건강하고 심하게 위축된 소뇌를 포함하여 그림 4에 제시되어 있다. 그림 5에서는 개별 소뇌 소엽의 미묘한 과다 및 하부 내포물이 묘사되어 있습니다. 이들은 가장 일반적인 유형의 파셀레이션 오류이며 정량적 QC 프로토콜에서 통계적 이상치로 검출되지 않을 수 있습니다. 이러한 유형의 오류는 일반적으로 영향을받는 개별 소엽을 배제해야하지만, 파셀 된 소뇌의 나머지 부분은 영향을받지 않고 유지 될 수 있습니다. 반면, 그림 6에 묘사된 '전역적 실패'는 주제를 완전히 배제해야 합니다.

통계적 이상값 검출:
파이프 라인을 설명하기 위해 ACAPULCO는 FRDA를 가진 31 명의 샘플에서 실행되었습니다 (평균 연령 = 36.5 세; SD= 13.0세, 여성 14명) 및 37세 및 성별 일치 건강한 대조군(HC)(평균 연령= 37.1세; SD=12.8 년, 여성 17명) 앞서 설명한 바와 같이55. 전체 샘플에서 18개의 소엽이 통계적 이상치로 검출되었다(전체 샘플의 <1%). 이미지에 대한 상세한 QC를 수행한 후, 그룹 레벨 소뇌 볼륨 파일(즉, 'Cerebel_vols.csv' 파일)로부터 각 피험자(들)에 대한 개별 소엽 부피를 제거함으로써 17개의 이상엽을 그룹 레벨 분석으로부터 제거하였다. 나머지 이상치는 세분화 오류가 아니라 개인의 소뇌 해부학의 변동성 때문에 간주되어 분석에 유지되었습니다. 또한 두 번의 글로벌 파셀 실패 (1 FRDA 환자)가있었습니다. 모든 소뇌 소엽 (즉, 글로벌 파셀레이션 실패)에 대한 배제의 기본 비율은 1.5 %였습니다. 표 1은 28개의 해부학적 ROI 각각에 대한 배제율을 나타낸다. 왼쪽 소엽 IX와 오른쪽 소엽 크루스 나는 가장 높은 배제율을 보였다.

그룹 수준 통계 분석:
총 66명의 피험자(30명의 FRDA 환자)가 그룹 수준 분석에 포함되었다. FRDA와 HC 사이의 소뇌 소엽 부피의 유의한 차이를 테스트하기 위해 두 꼬리 Mann-Whitney 독립적 인 샘플 테스트가 수행되었습니다. 결과는 FRDA 대 HC에서 코퍼스 수질에서 유의하게 감소된 백질을 나타냈다 (p < 0.05, Bonferroni 보정 28 비교). 그룹 간 다른 중요한 차이는 없었습니다. 샘플에서 모든 28개의 소뇌 서브유닛의 부피에 대해서는 보충표 S1을 참조한다.

소뇌 복셀 기반 형태 분석 (SUIT)

품질 관리:
잘 정렬된 이미지의 예와 FRDA 및 척수 소뇌 운동 실조증 페이틴트를 포함하는 건강한 대조군 및 임상 그룹 둘 다에 대한 배제의 예가 도 7에 도시되어 있다. SUIT 분석은 소뇌 마스크에서 불완전한 전체 소뇌 커버리지로 인해 추가로 두 명의 피험자를 배제한 후, 상기 기재된 샘플로부터 총 64명의 피험자(28 FRDA; 36 HC)에 대해 실행되었다.

샘플에서 서로 비교하여 정규화된 모든 이미지의 공간 공분산을 테스트한 후, 두 스캔이 나머지 샘플과의 평균 공간 공분산을 기반으로 통계적 이상치로 검출되었습니다(그림 8). 그러나 원본 이미지와 정규화 된 이미지의 육안 검사는 이러한 개인이 고유 한 신경 해부학을 가지고 있지만 두 이미지 모두에서 중요한 아티팩트가 없으며 처리 단계가 정상적으로 완료되었음을 나타냅니다. 따라서 두 피험자 모두 분석에 유지되었습니다.

그룹 수준 통계 분석:
이미지는 최대 절반 (FWHM)에서 3mm 전폭의 가우시안 커널을 사용하여 매끄럽게 처리되었습니다. 비모수 순열 시험은 소뇌 회색 물질 부피에서 그룹 간 유의한 차이를 테스트하기 위해 SnPM에서 수행되었다. 이를 위해, 5,000개의 순열이 실행되었고, 클러스터-형성 임계값은 p < 0.001이었다. 이미지는 회색 물질 영역으로 추론을 제한하기 위해 SUIT 회색 물질 아틀라스로 명시 적으로 마스킹되었습니다. 머리 크기를 보정하기 위해, 두개내 부피를 모델에 공변량으로 입력하였다. 그룹 결과의 최종 추론은 p <0.05, 패밀리-와이즈 에러(FWE) 클러스터 레벨 보정에서 수행되었다.

HC와 비교하여, FRDA는 양측 전엽 I-V에서 유의하게 감소된 회백질 부피를 나타냈다 (왼쪽: x=-10, y=-46, z=-26; T=5.61; Ke= 754; 오른쪽: x= 10, y= -38, z= -21; T= 6.83; Ke= 569); Vermis VI를 포함한 내측 후엽 영역에서, 양측으로 로불 VI로 연장된다 (x=3, y=-65, z=-20; T= 7.25), 및 로불레 IX (x=3, y=-65, z=-20; T= 6.46; Ke= 3974; 그림 9).

Figure 1
그림 1 : 인간 소뇌. (A) 소뇌와 그 주요 균열, 엽 및 소엽의 평평한 표현. 적색 = 전엽 (소엽 I-V); 크림 = 후엽 (소엽 IV-IX); 보라색 = 응집성 엽. 소뇌는 중간 선 "vermis"와 측면 "반구"영역으로 나눌 수 있습니다. 모든 소엽은 정점과 반구에서 확인됩니다. 소엽 VII에서, 버미스의 VIIAf는 반구에서 확장되어 Crus I이 되고, 정점의 소엽 VIIAt는 반구에서 Crus II가 되고, 소엽 VIIB는 정점과 반구 모두에서 그 라벨을 유지합니다. (B) 상단 : 소뇌의 해부학 적 하위 단위를 다른 색상으로 보여주는 소뇌 평면도. 하단 : 소뇌의 후방보기. 이 수치는 56과 57에서 조정되었습니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 2
그림 2: 파이프라인의 개략적인 그림입니다. 고해상도 T1 MPRAGE 이미지가 필요합니다. ACAPULCO, SUIT 및 ICV의 세 가지 모듈이 있습니다. 파이프라인은 완전히 자동화되고(출력의 QC에 필요한 수동 개입 제외), Docker 및 Singularity 컨테이너 형식으로 제공되며 주제당 처음부터 끝까지 실행하는 데 약 20분이 걸립니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 3
그림 3: 28개의 해부학적 서브유닛 각각을 보여주는 ACAPULCO 파셀레이션. 이 수치는36에서 수정되었습니다. 약어: CM = 코퍼스 수질; Ver = vermis; R/L = 오른쪽/왼쪽. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 4
그림 4 : '좋은'소뇌 파셀레이션의 예. 궁수(x=0) 및 관상동맥(y=-57) 슬라이스가 도시되어 있다. (A, B) 궁수와 코로나 조각은 두 개의 건강한 소뇌에서 분리 된 마스크를 보여줍니다. 이 알고리즘은 개별 서브유닛 경계를 올바르게 국소화했으며, 횡단 부비동을 SCA2 환자의 심하게 위축된 소뇌인 Crus I. (C)의 라벨링 및 정량화에 과도하게 포함시키지 않았다. 여기서, 위축은 소뇌의 전체 정도를 따라 명백하며, 술시는 넓고, 누락 된 조직이 많이 있습니다. 오른쪽 (노란색 화살표)에서 더 두드러지는 후엽에 혈관 구조가 약간 과도하게 포함되어 있습니다. 이러한 과도한 포함 외에도 ACAPULCO는 잘 작동했습니다. 약어: CM = 코퍼스 수질; Ver = vermis; L/R = 왼쪽/오른쪽. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 5
그림 5 : 소뇌 '잘못된 조각'의 예. '(A) FRDA 환자에서 편입 오차를 나타내는 상골 슬라이스(x=0) 및 관상 슬라이스(y=-57)이다. 알고리즘은 미드 라인을 따라 잘 작동하지 않았으며 Crus I 및 II (빨간색 화살표)의 하부 포함은 후부 범위를 따라 분명합니다. 이러한 소엽은 후속 그룹 수준 분석에서 제외됩니다. (b) 건강한 소뇌에서 편도 오차를 나타내는 상동맥 슬라이스(x=8), 코로나 슬라이스(y=-47). 알고리즘은 왼쪽 소엽 VIIIb (빨간색 화살표)를 완전히 놓쳤습니다. 이 소엽은 후속 그룹 수준 분석에서 제외됩니다. (C) 건강한 소뇌에서 편도 오차를 나타내는 상판 슬라이스(x=-24) 및 코로나 슬라이스(y=-47). 일부 소뇌 위축이 존재하며 Crus I (빨간색 화살표)가 과소 포함되어 있습니다. 약어: FRDA = 프리드리히 운동 실조증; CM = 코퍼스 수질; Ver = vermis; L/R = 왼쪽/오른쪽. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 6
그림 6: 소뇌 파셀레이션의 '전역적 실패'의 예. (A) 궁수 슬라이스(x=0) 및 코로나 슬라이스(y=-57)는 파셀 실패를 보여줍니다. 여기서 소뇌는 부분적으로만 분할되어 있으며 후두엽의 일부는 소뇌로 잘못 분류되었습니다. 이러한 유형의 실패는 원본 이미지의 헤더에 문제가 있기 때문일 수 있으며, 이는 이미지의 ACAPULCO 아파인 변환을 세계 좌표로 변환하고 소뇌의 후속 현지화에 영향을 미칩니다. (b) FRDA를 가진 사람에서 파셀 실패를 나타내는 궁수 슬라이스 (x=0) 및 관상 슬라이스 (x=-57). 여기서 CM은 완전히 잘못 분할되었습니다. 이 알고리즘은 뇌 외부의 머리 뒤쪽 (빨간색 타원형)에 CM을 표시했습니다. 백질의 경계는 포착되지 않았으며 회색 물질로 잘못 분류되어 특히 왼쪽 소엽 VIIIb 및 IX에 영향을 미칩니다. 왼쪽 소엽 X도 놓쳤습니다 (코로나 슬라이스의 빨간색 화살표). 이러한 예는 ACAPULCO 및 SUIT 분석에 대한 그룹 수준 분석에서 즉시 제외됨을 보증합니다. 약어: CM = 코퍼스 수질; Ver = vermis; L/R = 왼쪽/오른쪽. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 7
그림 7: 뒤틀리고 변조된 복셀 기반 형태측정법 지도 . (A, B) 두 HCs로부터의 잘 정렬된 소뇌 회색 물질. (C) 통계적 이상치로 검출되었지만 분석에서 유지되었던 HC로부터의 소뇌. (D) FRDA를 가진 사람에게서 위축된 소뇌. 소뇌는 템플릿에 올바르게 뒤틀려졌습니다. 따라서 이것은 배제를 보증하지 않습니다. (E) 제외. 이미지의 위쪽에서 아래쪽으로 대비되는 그라디언트가 있어 처리 오류를 반영합니다. (F) 출처를 알 수 없는 이미지의 오른쪽 하단에 있는 초강렬한 평면 유물은 배제가 필요합니다. (G) SCA2 환자의 심하게 위축된 소뇌의 예. 소뇌는 템플릿에 올바르게 뒤틀려졌습니다. 그러나 누락 된 조직이 많아서 대비가 낮습니다. 이것은 배제가 아닙니다. (H) 배제가 필요한 불량한 마스킹의 예. 약어: VBM = 복셀 기반 형태측정법; HC = 건강한 대조군; FRDA = 프리드리히 운동 실조증; SCA2 = 척수 소뇌 운동 실조증 2. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 8
그림 8: SUIT 복셀 기반 형태측정 맵의 공간 공분산. 64명(28명의 FRDA) 피험자의 코호트에 대한 복셀 기반 형태학 맵의 공간 공분산을 보여주는 박스 플롯. 공간 공분산은 샘플의 다른 모든 이미지에 비해 각 이미지가 얼마나 잘 정렬되었는지를 나타내는 척도입니다. 데이터는 ~0.95의 평균 공간 공분산 상관 관계와 함께 긴밀하게 클러스터링됩니다. 여기서, 2개의 이상치(1 FRDA, 1 HC)가 평균 이하의 >2 SDs로서 검출되었다. 약어: FRDA = 프리드리히 운동 실조증; HC = 건강한 대조군; SD = 표준 편차; cont = control. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Figure 9
그림 9. 소뇌 회색 물질 형태학의 복셀 기반 형태 분석의 그룹 간 결과. (A) 궁수, (B) 관상동맥, 및 (C) ICV를 통제하는 FRDA 대 대조군을 가진 개인에서 복셀 수준의 통계지도의 소금지도 표현. p < 0.05 FWE 클러스터 레벨 보정에서 살아남은 복셀만 표시됩니다. 색상 막대는 T 통계량을 나타냅니다. 약어: FRDA = 프리드리히 운동 실조증; ICV = 두개내 부피; FWE = 가족 별 오류. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

로불레 % 제외됨
센티미터 1.5
왼쪽 크러스 I 2.9
왼쪽 크루즈 II 2.9
왼쪽 I III 2.9
왼쪽 IV 1.5
왼쪽 IX 4.51
왼쪽 V 2.9
왼쪽 VI 1.5
왼쪽 VIIB 1.5
왼쪽 VIIIA 1.5
왼쪽 VIIIB 2.9
왼쪽 X 2.9
오른쪽 크러스 I 6.02
오른쪽 크루즈 II 2.9
오른쪽 I III 2.9
오른쪽 IV 1.5
오른쪽 IX 2.9
오른쪽 V 1.5
오른쪽 VI 1.5
오른쪽 VIIB 1.5
오른쪽 VIIIA 2.9
오른쪽 VIIIB 1.5
오른쪽 X 1.5
버미스 IX 1.5
버미스 VI 2.9
버미스 VII 1.5
버미스 VIII 1.5
버미스 X 1.5

표 1: ACAPULCO로부터 유래된 소뇌 해부학적 소엽 및 FRDA 및 37 명의 HC를 가진 31명의 사람들의 샘플에 걸친 배제율(%). 약어: FRDA = 프리드리히 운동 실조증; HC = 건강한 대조군.

보충 표 S1 : Friedreich 운동 실조증 및 건강한 대조군의 28 소뇌 해부학 적 소엽의 부피 (mm 3) 입니다. 이 표를 다운로드하려면 여기를 클릭하십시오.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

소뇌는 광범위한 인간 운동3,인지 58, 정서적10 및 언어 7,59 기능에 중요하며 많은 신경 및 정신 질환에 연루되어 있습니다. 지역 소뇌량의 정량화를위한 표준화되고 쉽게 구현 할 수있는 접근법의 가용성은 점점 더 상세한 '전체 뇌'구조 기능 매핑, 완전한 질병 모델링 및 뇌 질환에 대한 소뇌 기여도를 정의하고 추적 할 수있는 기회를 향상시키는 데 기여할 것입니다. 여기에 설명 된이 표준화 된 파이프 라인은 자동 소뇌 파셀레이션을위한 최첨단 접근법과 건강과 질병 모두에서 소뇌 회색 물질 형태 측정의 세분화 된 공간 프로파일 링을 결합합니다.

여기에 제시된 ACAPULCO를 사용한 단면 소뇌 파셀레이션 분석의 결과는 FRDA (대 HC)를 가진 사람들이 백질 부피를 현저하게 줄였다는 것을 보여주었습니다. 이러한 발견은 FRDA의 이전 연구를 뒷받침하며, 이는 FRDA의 초기, 견고성 및 진행성 백질 부피 손실, 특히 FRDA의 상아질 핵에서 지속적으로 보여줍니다. 또한, 우월하고 열등한 소뇌 peduncles 및 dentate 핵에서 진행성 신경 변성의 패턴과 정도는 FRDA44의 발병 연령의 요인으로 다른 것으로 나타났습니다. SUIT 분석의 결과는 추가 결과를 밝혀 냈습니다. 구체적으로, 양측 소엽 I-IV 및 우측 V에 상응하는 전엽 영역에서 FRDA(대 HC)에서 상당한 복셀 레벨 부피 손실이 있었고, 소엽 VI로 확장되었다. 또한, SUIT 분석은 소엽 IX, X 및 Vermis를 포함한 내측 후엽 영역에서 FRDA (HC 대 HC)에서 상당한 부피 손실을 나타냈다. 그룹 간 차이의 이러한 패턴은 전뇌 VBM 접근법(55)을 사용하여 FRDA 환자의 동일한 코호트에서 이전에 발표된 연구와 필적한다.

신경 및 정신 질환에서 소뇌 이상을 정의하는 것은 번역 효과가있는 우선 순위가 높은 연구 영역입니다. 신경 질환 (특히 소뇌가 신경 퇴행의 주요 부위 인 곳)을 추적하고 치료하는 데 도움이되는 것은 소뇌 침범의 완전한 생물학적 특성화를 개발하는 것입니다. 본원에 제시된 파이프라인은 개별 소뇌 소엽 회색 물질 형태측정법과 탐구될 질병의 임상 종말점에 대한 "황금 표준"으로서 사용되는 임상 조치 사이의 관계를 허용한다. 이러한 연구는 상당한 번역 영향을 미칠 수 있습니다. 예를 들어, 희귀 소뇌 질환 공간에서, 임상 증상에 매핑되거나 예측되는 환자의 하위 그룹에서 소뇌 회색 물질 위축의 특정 프로파일을 식별하는 것은 임상 실습을 안내하는 데 영향을 미칠 것입니다. SUIT 모듈의 포함은 소뇌의 구조-기능 매핑 또는 소뇌(60)의 기능적 구배의 분석과 같은 흥미로운 연구 질문들이 다루어질 수 있게 한다.

그룹 수준 통계 분석을 위한 일반적인 권장 사항
ACAPULCO: 각 피험자에 대한 각 소뇌 소엽의 부피 (mm3)는 Cerebel_vols.csv에 기록됩니다. 그룹 수준 효과의 통계적 추론 동안, 두개내 부피 (ICV; 또한 Cerebel_vols.csv에 기록됨)는 머리 크기의 변동성을 설명하기 위해 제어되어야 한다. 알파 유의 임계값은 여러 소엽에 걸친 추론을 설명하기 위해 수정되어야 합니다.

SUIT: 회색 물질 소뇌 VBM은 SPM 또는 FSL과 같은 표준 MRI 처리 소프트웨어를 사용하여 wdseg1.nii 이미지에서 수행 할 수 있습니다. SPM1254를 사용하는 VBM에 대한 훌륭한 소개는 CAT12 설명서를 참조하십시오. ICV는 헤드 크기의 변동성을 고려하여 제어되어야합니다.

소뇌의 VBM의 경우 일반적으로 FWHM (절반 최대)에서 3mm 이하의 전체 너비의 가우시안 공간 평활화 커널을 사용하는 것이 좋습니다. 복셀에 걸친 다중 비교를 설명하기 위해 적절한 통계적 수정이 적용되어야 합니다. 일반적으로, 비모수 접근법(예를 들어, SnPM 또는 FSL-랜덤화)을 사용하는 것이 좋습니다.

ACAPULCO를 사용하여 소뇌를 성공적으로 파셀레이션하기 위한 가장 중요한 단계는 T1 이미지의 일반적인 품질 검사 입니다. 사용자가 나쁜 대비 이미지(예를 들어, 이미지 전반에 걸쳐 일관되지 않은 그라디언트)와 헤드 및 모션 아티팩트의 심한 기울기를 확인하는 것이 매우 좋으며, 이 모든 것이 알고리즘의 성능에 영향을 줄 수 있습니다. 또한 ACAPULCO 알고리즘은 위축된 소뇌에 대해 훈련되었지만 병변 데이터에 대해 훈련되지 않았습니다. 대뇌 피질의 병변은 알고리즘의 성능과 파셀레이션의 후속 정확성에 영향을 미치지 않을 것으로 예상됩니다. 그러나 소뇌의 큰 경색은 파셀 오류를 일으킬 가능성이 큽니다. 소뇌 마스크 후처리의 품질 점검은 필수적입니다. 경미한 파셀 오류 (예를 들어, 소뇌 소엽의 경미한 하부 및 과다 포함)는 때때로 통계적 이상치로서 검출되지 않는다; 반대로, 명백한 파셀레이션 오류에도 불구하고 데이터가 정상 범위 내에 있는 경우 잘못된 비특이치의 인스턴스가 발생할 수 있습니다. 피험자가 이상치로 확인되는 경우, 소뇌 마스크 슬라이스에 대한 후속 조치, 상세한 품질 검사를 수행하여 해당 피험자에 대한 소엽을 포함할지 또는 제외할지에 대한 의사 결정을 안내하는 것이 필수적입니다. SUIT 파이프라인(모듈 2)을 실행할 때 또 다른 중요한 단계는 ACAPULCO 모듈이 이미 실행되어야 한다는 것입니다. 특히, SUIT는 소뇌 격리 및 세분화를 실행하기 위해 ACAPULCO에서 생산 된 소뇌 마스크를 필요로합니다. 소뇌 마스크가 전체 소뇌 커버리지를 보장하기 위해 품질 검사를 받는 것이 중요합니다.

프로토콜에는 몇 가지 제한 사항이 있습니다. 첫째, ACAPULCO는 소뇌 회색 물질 분할에 대한 최첨단 정확도를 달성하지만 백질 분할에 최적화되어 있지 않습니다. 코퍼스 수질은 백질의 본체를 덮지 만 모든 백색 물질의 척도를 제공하지는 않습니다. 둘째, ACAPULCO에서 소뇌를 지역화하고 세그먼트화하는 데 사용되는 컨볼루션 신경망은 훈련에 사용되지 않은 다른 대조 또는 이미지를 가진 이미지로 잘 일반화되지 않습니다. 예를 들어, 훈련에 3T 이미지만 사용되었기 때문에 1.5T 스캐너에서 획득한 이미지를 사용한 파셀레이션 품질은 일반적으로 좋지 않습니다. 또한,이 이미지들에 대해 수행 된 지상 진실에 관한 통계는 없습니다. 마지막으로, 파이프 라인은 그룹 수준 통계 분석에 관심이없는 회귀자로 포함될 수있는 ICV의 추정치를 제공함으로써 소뇌 부피 추정치에 대한 헤드 크기의 혼란스러운 영향을 제어합니다. 그러나 이상적인 접근법은 QC를 실행하기 전에 개별 수준에서 ICV 보정 소뇌 부피를 계산하여 검출 된 이상치가 피험자의 신경 해부학 (예 : 큰 머리를 가짐)의 자연적 변동성이 아닌 진정한 파셀레이션 오류를 반영하는 것입니다.

결론적으로, 우리는 소뇌 회색 mater 형태 측정법을 검사하기위한 표준화 된 파이프 라인을 제시하며, 이는 다양한 신경 질환에 광범위하게 적용 할 수 있습니다. 파이프 라인은 대규모 다중 사이트 연구 및 '메가 분석'을 허용하도록 설정되었으며 연구 그룹이 공개적으로 사용할 수 있으므로 현장 전반의 신뢰성과 재현성을 용이하게합니다. 궁극적으로,이 파이프 라인은 신경 질환의 질병 진행과 함께 소뇌 구조 변화를 더욱 특성화하고 추적하기위한 강력한 방법 론적 접근법을 제공합니다. 종방향 파이프라인이 현재 개발 중입니다.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

저자는 공개 할 이해 상충이 없습니다.

Acknowledgments

이 원고에 제시된 작품은 호주 국립 보건 의학 연구위원회 (NHMRC) 아이디어 그랜트 : APP1184403이 자금을 지원했습니다.

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

신경 과학 문제 180 소뇌 자기 공명 영상 parcellation 복셀 기반 형태 측정 회색 물질 프리드리히 운동 실조증
구조적 자기 공명 영상을 사용하여 인간의 소뇌 회색 물질 Morphometry를 검사하기위한 표준화 된 파이프 라인
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

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

Waiting X
Simple Hit Counter