FMRI ve difüzyon ağırlıklı görüntüleme ile Beyin Yapısı ve Fonksiyonu Co-analizi

Aşağıdaki deneyin genel amacı, manyetik rezonans görüntüleme kullanarak beyin yapısını ve işlevini aynı anda analiz etmektir. Bu, beynin beyaz madde yapısını difüzyon spektrumu görüntüleme veya DSI ile görüntülemek ve beyin fonksiyonlarını cesur FMRI ile ölçmek için yüksek alanlı MRI kullanılarak elde edilir. DSI verileri daha sonra beynin her noktasında çok yönlü difüzyon tahminleri üretmek için işlenir.

Ek olarak, FMRI verileri, sanal beyaz madde liflerinin üretilmesi veya seçilmesi için ilgi alanları oluşturmak amacıyla analiz edilir. Daha sonra, ilgilenilen bölgeler DSI verileriyle hizalanır, böylece işlevsel ve yapısal veriler ortak bir görüntü alanında olur. Son olarak, fonksiyonel ilgi alanlarını birbirine bağlayan beyaz cevher yolaklarını tahmin etmek için difüzyon verileri üzerinde t traktografi yapılır İşlevsel olarak bağlantılı olduğu varsayılan beyin alanları arasındaki anatomik bağlantının derecesini gösteren sonuçlar elde edilir.

FMRI görev verilerine dayanmaktadır. Son zamanlarda ortaya çıkan kanıtlar, karmaşık bilişsel işlemlerin tek bir üniter alandan ziyade uyum içinde çalışan birçok beyin bölgesinden oluşan ağlar tarafından yürütüldüğünü göstermiştir. Bu hesaplama sistemlerini tam olarak belirlemek için, fonksiyonel MRG'yi birleştirerek fonksiyonel ve yapısal özellikleri arasındaki ilişkiyi anlamak gerekir.

Difüzyon ağırlıklı MR Görüntüleme ile ağ bağlantısı ve bunun karmaşık insan davranışına nasıl yol açtığı incelenebilir. Bu difüzyon MRI boru hattının difüzyon tensör görüntüleme gibi standart yöntemlere göre ana avantajı, yüksek açısal çözünürlüklü difüzyon ağırlıklı görüntüleme ve modelsiz rekonstrüksiyon kombinasyonunun beyindeki karmaşık lif konfigürasyonlarını daha iyi çözmemizi sağlamasıdır. Bu tekniğin etkileri, nöropsikolojik durumların karakterizasyonuna kadar uzanır.

Örneğin, bireylerin yüz tanımada bozulma gösterdiği konjenital prosopagnozi. Standart difüzyon MRG kullanılarak, yüz işleme alanlarının proksimalindeki beyaz cevher lif yollarının normal kontrollere göre bozulduğu gösterilmiştir. Yapısal ve fonksiyonel MRG'yi birleştirerek, fiberdeki yapısal eksiklikleri, özellikle yüz işleme ağındaki düğümleri bağlayarak tanımlayabilirsiniz.

Bu yöntem aynı zamanda beyin cerrahisi planlaması gibi klinik bağlamda da uygulanabilir. Cerrahlar, ameliyat sırasında herhangi bir tesadüfi hasarı en aza indirmek için önemli bilişsel işlevlerle ilişkili gri madde dokusunu tanımlamak için fonksiyonel haritalama kullanır. Difüzyon ağırlıklı görüntüleme gibi ek yapısal bilgilerle, bu işlevsel alanları birbirine bağlayan kritik beyaz madde yapılarına verilen zararı da en aza indirebilirler.

Genel olarak, bu yönteme yeni olan kişi, prosedürün gerekli tüm adımlarını gerçekleştirmek için tek bir yazılım paketinin bulunmadığı gerçeğiyle mücadele edecektir. Bu nedenle, kullanıcılar tutarlı yönlendirme ve hizalama ile birlikte ortak bir görüntü formatını korurken birden çok program arasında geçiş yapmalıdır. Protokolümüz, kullanıcılara bu prosedür boyunca rehberlik etmek için ayrıntılı talimatlar içerir.

Yapı ve işlevi bir arada ele alan bu tür analizler, Coved beyin alanlarını tanımlayan fonksiyonel görüntüleme deneylerinin doğal olarak yok olmasıdır. İlgili görevlerde, önceki yaklaşımların çoğu yapısal bağlantı hakkında bilgi sağlayamamıştır ve bu protokoldeki yaklaşımımıza eklediğimiz şey budur. 32 kanallı faz dizili kafa bobini ile 257 yönlü difüzyon spektrumu görüntüleme veya DSI taraması elde etmek için bir Siemens üç Tesla tarayıcı kullanılır, bu yüksek açısal çözünürlüklü tarama için sinyali elde etmek için yüksek alan kuvveti ve 32 kanallı bobin gereklidir.

En sık kullanılan difüzyon ağırlıklı görüntüleme yöntemi, tipik olarak 64 veya daha az yönü ölçen beş ila 10 dakikalık bir tarama kullanan difüzyon tensör görüntüleme veya DTI'dir. DTI'nin bir sınırlaması, DS gibi yüksek çözünürlüklü elde etme ve yeniden yapılandırma yöntemlerinin bir kombinasyonu ile daha iyi tespit edilen lifleri çözme, çaprazlama ve öpme zorluğudur. DSI protokolünün yaklaşık 45 ila 50 dakikalık görüntüleme gerektirdiğini ve hareket düzeltmenin DSİ verilerine uygulanamayacağını not ediyorum. Bu nedenle, ısırma çubukları, köpük dolgu veya diğer stabilizasyon tekniklerinin kullanılması yoluyla hareketin en aza indirilmesi ve yüksek eğitimli katılımcıların kullanılması tavsiye edilir, görev tabanlı FMRI için MR uyumlu bir ekran ve düğme yanıt sistemi gibi ek ekipman gereklidir.

Taramadan önce, bilgilendirilmiş onay aldığınızdan ve MR için tarama yaptığınızdan emin olun. Kontrendikasyon. Ardından, katılımcıya yapılacak taramaların doğası hakkında bilgi verin ve DSİ taraması sırasında hareketsiz kalması gerektiğini vurgulayın. Katılımcı başlamaya hazır olduğunda, katılımcının kafasını rahatça sabitleyin ve ardından yatağı tarayıcıya kaydırın, ilk keşif taramalarını ve kalibrasyonu gerçekleştirin.

Daha sonra DSI taraması için dilimleri ön ve arka komissürlere hizalayın ve DSI taraması için dilimlerin tüm beyin çalışmasını kapsadığından emin olun. Konu tarayıcıda rahatlarken veya sunum sisteminde bir film izlerken DSI taraması. DSI taramasından sonra, DSI verilerini aynı veya ayrı tarama oturumunda diğer anatomik veya fonksiyonel verilerle birlikte kaydetmek için daha sonra kullanmak üzere bir T ağırlıklı anatomik tarama toplayın.

Ayrıca davranışsal görevlerin işlevsel taraması için görev tabanlı FMRI verilerini elde edin. Deneklere, görevle ilgili uyaranlar için ekranı izlemeleri ve gerektiği gibi yapmaları talimatını verin. FMRI ayrı bir günde yapılırsa, başka bir T one ağırlıklı anatomik tarama yaptırın.

Bu işleme yaklaşımı, traktografi için ROI'ler oluşturmak için FMRI verilerinin yüzey tabanlı analizini kullanır ve traktografi uç noktaları ile fonksiyonel ROI'ler arasındaki yazışmaların daha iyi görselleştirilmesini sağlar. İşlemeye başlamak için, önce elde edilen T bir ağırlıklı görüntüyü, gri ve beyaz cevherin anatomik segmentasyonunu ve kortico yüzey rekonstrüksiyonunu gerçekleştiren ücretsiz sörfçü otomatik algoritmasına gönderin. Çıktı ayrıca, yüzey hacmi olarak adlandırılan, yüzeylerin oluşturulduğu anatomik hacmin işlenmiş bir versiyonunu da içerir.

Bir sonraki ön işlem FMRI verileri bir sivilcede. Ardından, ücretsiz sörfçü çıktısını bir akne yazılımı olan summa'ya aktarın ve önceden işlenmiş işlevsel verileri ortaya çıkan yüzeylere eşleyin. T traktografi için işlevsel olarak tanımlanmış ROI'lerin oluşturulabileceği istatistiksel haritalar oluşturmak için FMRI verilerini analiz edin.

Ardından, traktografi sırasında akış çizgileriyle teması en üst düzeye çıkarmak için bu yüzey tabanlı fonksiyonel ROI'leri dilatasyon yoluyla beyaz maddeye genişletin. Son olarak, genişlemiş ROI'leri yüzeyden hacim koordinatlarına dönüştürün ve difüzyon verilerini işlemek için şık dosyalar olarak çıktı alın. İlk olarak, veri kümesindeki hangi DICOM görüntülerinin diğer B sıfır veya temel görüntüleri olduğunu belirleyin ve bunları şık biçime dönüştürün.

Daha sonra DSI studio'da, DSI DICOM görüntülerini açın ve bir kaynak dosya oluşturmak ve bir gradyan tablosu sağlamak için birleştirin. Ardından, varsayılan rekonstrüksiyon maskesini temel görüntüye uygulayın ve boş alan, kafatası veya beyin dokusu olmayan tüm gri maddeleri kapsadığından emin olun. Gerekli maskeyi düzenleyin.

Burada A-D-S-I-G-Q-I veya GQI varyansını kullanarak yüksek çözünürlüklü bir rekonstrüksiyon modeli seçin. GQI seçeneği kullanılır. Ardından, her tarla faresindeki temel difüzyon yönlerini temsil etmek için bir fiber bilgi dosyası oluşturun.

Sonraki işlevsel ROI'ler DSI alanına dönüştürülmelidir. DSIB sıfır görüntüsünü şık formatlı anatomik yüzey hacmine hizalamak için apni kullanın. Elde edilen 12 noktalı ALINE dönüşüm matrisini bir akne programı kedi matı kullanarak ters çevirin.

Ardından, ters çevrilmiş matrisi işlevsel ROI'lere uygulayarak bunları DSI alanına dönüştürün. Lifleri bütün bir beyin tohumu ile izlemek, genel veri kalitesini değerlendirmenin hızlı ve etkili bir yoludur. Ayrıca, başlamak için izleme eşiği gibi küresel parametreler için değerleri belirlemek, bütün bir beyin tohumu bölgesi oluşturmak için bir fırsat sunar.

Ardından, açı eşiğinin yanı sıra düşük sinyalli vokselleri maskelemek için bir başlangıç izleme eşiği değeri ayarlayın. Ayrıca, izleme adımı boyutunu milimetre cinsinden ve istenen sayıda lif veya tohum noktası olarak ayarlayın. Şimdi genel ODF rekonstrüksiyon kalitesini kontrol etmek için tüm beyin traktografisini gerçekleştirin.

Ardından, yinelemeli olarak tüm beyin takibini gerçekleştirerek ve takip eşiğini ayarlayarak en uygun izleme eşiğini bulun. Tüm beyin traktografisinin örtüşmesini ve yoldaki gri madde maskesini görselleştirerek gri maddeye ulaşan liflerin oranını en üst düzeye çıkaran bir eşik bulun, liflerin %90 ila %100'ü gri maddeye ulaştığında gazlı gürültülü lifler en aza indirilir Ayrıca, izleme eşiğinin voksel ve boş alanı maskelediğini kontrol edin. Örneğin, bir çapraz kontrol izi olarak beyaz maddede açıkça bulunan vokseli çıkarmadan uzunlamasına fissür, oksipital kutupta çok sayıda tohum, örneğin 500.000 ile anatomik bir ROI'den bir dizi kontrol lifi bulunur.

Bu prosedürün, en uygun traktografi parametreleri seçildiğine göre, veri setleri arasında yaklaşık olarak aynı sayıda lif ürettiğini kontrol edin. Ardından, işlevsel olarak tanımlanmış beyin bölgeleri arasındaki bağlantıya ilişkin hipotezleri test etmek için ROI kısıtlı T traktografisi gerçekleştirin. Fib dosyasını yükleyerek başlayın ve DSI Studio'da tam bir beyin tohum bölgesi oluşturun Ardından, işlevsel olarak tanımlanmış bir veya daha fazla ilgi alanı şık dosyası yükleyin ve bunları DSI stüdyo bölgesi ayarlayıcılarında ROI olarak ayarlayın.

ROI'lerin içinden geçmesi, önceden optimize edilmiş parametreleri kullanarak izleme ve açı eşiğini ayarlaması ve izleme gerçekleştirmesi için akış çizgileri gerekecektir. Son olarak, traktografi çıktısını TRK dosyaları olarak kaydedin. Ardından, görev tabanlı işlevsel aktivasyonun kesin uzamsal konumlarıyla yapısal bağlantı yazışmalarını ölçebilen uç nokta yoğunluk analizi gerçekleştirin.

Şık ROI'leri ve TRK dosyalarını track fz yazılımına yüklemeye başlamak için, bölgeler arasında Boole işlemleri gerçekleştirin ve her işlemin sonuçlarını yeni bir TRK dosyası olarak kaydedin. Fiber verilerini yüksek çözünürlüklü anatomik bir altlık üzerinde görüntülemek için TRK dosyalarını DSI alanından yüzey hacmi alanına uzamsal olarak dönüştürmek için difüzyon araç seti işlevlerini kullanın, sonuçları tek bir bağlantı ölçüsü olarak incelemek için TRK dosyasını ve yüzey hacmini parça vis'e yükleyin. ROI hacmine göre normalleştirilmiş bir ROI'deki toplam fiber uç nokta sayısını hesaplayın.

Burada, tüm beyin traktografisini kullanarak optimal ve suboptimal sonuçların bir örneğini görüyoruz. Her üç görüntü de tek bir katılımcıdan alınan aynı 257 yönlü DWI veri kümesini temel alır. En iyi sonuçlar burada gösterilmektedir.

Buna karşılık, burada görülen sonuçlar aşırı derecede esnek t traktografi parametrelerinin etkisini göstermektedir. Burada, DWI verilerini yeniden oluşturmak için tek bir tensör modelinin kullanılmasından kaynaklanan kalite düşüşünü görüyoruz. Bu şekilde, yüz resimlerinin ve günlük nesnelerin görüntülendiği bir yüz algılama görevi sırasında etkinleştirilen bölgelerin bir örneğini görüyoruz.

Ortada iki ventral temporal bölge FMRI taraması yapılırken, fusiform girus ve inferior oksipital girus, yüzler için nesnelere göre önemli ölçüde daha cesur tepkiler gösterdi. Buradaki şekil sahnesi, görsel korteks, duyusal bölgeler ve posterior parietal korteksteki bir dikkat kontrol bölgesi arasındaki bağlantıları göstermektedir. Bu panel, V bir, V iki ve V üç tohum bölgelerinin yaklaşık konumlarını sırasıyla kırmızı, yeşil ve mavi olarak gösterir.

IPS one olarak etiketlenen PPC tohum bölgesi ve bu bölgeleri birbirine bağlayan fiber izleri, oturdukları oksipital ROI ile renklendirilir. Panel B, kortikal yüzeyde kahverengi, V bir kırmızı, V iki yeşil ve V üç mavi renkte işlevsellik tanımlı bölgeleri ve her bölgedeki fiber uç noktaları ile birlikte gösterir. Tek bir katılımcı için ustalaştıktan sonra veri toplama 30 ila 90 dakika içinde gerçekleştirilebilir.

Otomatik anatomik yüzey rekonstrüksiyonu tipik olarak 16 saat sürerken, difüzyon ağırlıklı veriler bir saatten daha kısa sürede işlenebilir. FMRI verilerini işleme ve analiz etme süresi, davranışsal göreve ve deneysel prosedürlere bağlı olarak değişir. Tractography zaman gereksinimleri, izleme parametrelerine ve ilgi bölgesi kısıtlamalarına bağlı olarak dakikalardan saatlere kadar değişir.

Bu prosedürü denerken, traktografi sonucunun hem yanlış pozitiflere hem de yanlış negatiflere duyarlı olabileceğini hatırlamak önemlidir. Fiber izleme sonucunuzu her zaman önceki nöro anatomik bulgular bağlamında değerlendirin veya bu prosedürü takiben fonksiyonel bağlantı analizi gibi yakınsak metodolojileri kullanın. Beyin yapısı ve işlevi ile ilişkiyi daha fazla araştırmak için lif konumları üzerinde desen sınıflandırması, uç nokta dağılımlarının ayrıntılı uzamsal analizi ve beyaz madde bütünlüğünün uzunlamasına taranması gibi diğer yöntemler gerçekleştirilebilir.

Bu teknik, bilişsel sinirbilim alanındaki araştırmacıların, sağlıklı insanlarda ve klinik popülasyonlarda yapı, işlev ilişkilerini invaziv olmayan bir şekilde keşfetmelerinin yolunu açmıştır. Beyin bölgeleri arasındaki yapısal bağlantı, karmaşık insan davranışlarını kontrol eden beyin ağları aracılığıyla bilgi akışı hakkındaki hipotezleri sınırlamaya hizmet edebilir. Bu videoyu izledikten sonra, difüzyon ağırlıklı görüntüleme verilerinin yeniden yapılandırılması ve fiber traktografi yapılmasındaki temel adımları anlamalısınız.

Fiber izleme sonuçlarınızı optimize etmek için kalite kontrolleri ve yinelemeli parametre testleri yapmanın önemini de anlamalısınız. Son olarak, bu videoyu izledikten sonra, anatomik bağlantıyı beyin ağlarının işlevsel özellikleriyle nasıl ilişkilendireceğinizi daha iyi anlamış olmalısınız.