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

Aşağıdaki deneyin genel amacı, manyetik rezonans görüntüleme kullanarak beyin yapısını ve fonksiyonunu eş zamanlı olarak analiz etmektir. Bu, beynin beyaz madde yapısını difüzyon spektrum görüntüleme (DSI) ile görüntülemek ve beyin fonksiyonunu BOLD fMRI ile ölçmek için yüksek alanlı MRI kullanılarak gerçekleştirilir. DSI verileri daha sonra beynin her noktasında çok yönlü difüzyon tahminleri üretmek için işlenir.

Ek olarak, sanal beyaz cevher lifleri oluşturmak veya seçmek için ilgi bölgeleri üretmek amacıyla fMRI verileri analiz edilir. Ardından, fonksiyonel ve yapısal verilerin ortak bir görüntü alanında olması için ilgi bölgeleri DSI verileriyle hizalanır. Son olarak, fonksiyonel ilgi bölgelerini birbirine bağlayan beyaz cevher yollarını tahmin etmek amacıyla difüzyon verileri üzerinde traktografi uygulanır. Fonksiyonel olarak bağlantılı olduğu varsayılan beyin bölgeleri arasındaki anatomik bağlantı derecesini gösteren sonuçlar elde edilir.

fMRI görev verilerine dayanmaktadır. Son dönemde elde edilen örtüşen kanıtlar, karmaşık bilişsel işlemlerin tek bir birim alan yerine, uyum içinde çalışan birçok beyin bölgesinden oluşan ağlar tarafından yürütüldüğünü öne sürmüştür. Bu hesaplama sistemlerini tam olarak tanımlayabilmek için, fonksiyonel MRI'ı birleştirerek bunların fonksiyonel ve yapısal özellikleri arasındaki ilişkiyi anlamak gereklidir.

Difüzyon ağırlıklı MR Görüntüleme ile ağ bağlantısalılığı ve bunun karmaşık insan davranışlarına nasıl yol açtığı incelenebilir. Bu difüzyon MRI iş akışının, difüzyon tensör görüntüleme gibi standart yöntemlere göre temel avantajı, yüksek açısal çözünürlüklü difüzyon ağırlıklı görüntüleme ile modelden bağımsız rekonstrüksiyonun kombinasyonunun, beyindeki karmaşık lif konfigürasyonlarını daha iyi çözümlememize olanak tanımasıdır. Bu tekniğin etkileri, nöropsikolojik durumların karakterizasyonuna kadar uzanmaktadır.

Örneğin, bireylerin yüz tanıma konusunda bozukluk gösterdiği konjenital prosopagnozi. Standart difüzyon MRG kullanılarak, yüz işleme alanlarına yakın beyaz madde lif demetlerinin normal kontrollere kıyasla bozulmuş olduğu gösterilmiştir. Yapısal ve fonksiyonel MRG birleştirilerek, liflerdeki yapısal eksiklikler, özellikle de yüz işleme ağındaki bağlantılı düğümler tespit edilebilir.

Bu yöntem, nöroşirürjikal planlama gibi klinik bağlamlarda da uygulanabilir. Cerrahlar, ameliyat sırasında oluşabilecek rastlantısal hasarları en aza indirmek amacıyla, önemli bilişsel işlevlerle ilişkili gri madde dokusunu belirlemek için fonksiyonel haritalama kullanırlar. Difüzyon ağırlıklı görüntüleme gibi ek yapısal bilgilerle, bu fonksiyonel alanları birbirine bağlayan kritik beyaz madde yapılarına verilen hasarı da en aza indirebilirler.

Genel olarak, bu yöntemde yeni olan kişiler, prosedürün tüm gerekli adımlarını gerçekleştirmek için tek bir yazılım paketinin bulunmaması nedeniyle zorluk yaşayacaklardır. Bu nedenle kullanıcılar, ortak bir görüntü formatının yanı sıra tutarlı yönlendirme ve hizalamayı koruyarak birden fazla program arasında geçiş yapmalıdır. Protokolümüz, kullanıcıları bu prosedür boyunca yönlendirmek için ayrıntılı talimatlar içermektedir.

Yapı ve fonksiyonu birlikte değerlendiren bu tür analizler, kortikal beyin bölgelerini tanımlayan fonksiyonel görüntüleme deneylerinin doğal bir uzantısıdır. İlgili görevlerde, önceki yaklaşımların çoğu yapısal bağlantısallık hakkında bilgi sağlayamamıştır; biz bu protokolle yaklaşımımıza bunu ekliyoruz. 32 kanallı faz dizili baş bobini kullanılarak 257 yönlü difüzyon spektrum görüntüleme (DSI) taraması gerçekleştirmek için bir Siemens üç Tesla tarayıcı kullanılır; yüksek alan gücü ve 32 kanallı bobin, bu yüksek açısal çözünürlüklü tarama için gerekli sinyali elde etmek için 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'dır. DTI'nın bir kısıtlaması, DSİ gibi yüksek çözünürlüklü veri toplama ve yeniden yapılandırma yöntemlerinin bir kombinasyonu ile daha iyi tespit edilebilen kesişen ve öpüşen lifleri çözme konusundaki zorluğudur. DSI protokolünün yaklaşık 45 ila 50 dakikalık bir görüntüleme gerektirdiğini ve DSI verilerine hareket düzeltmesinin uygulanamayacağını belirtmek gerekir. Bu nedenle, ısırma çubukları, köpük pedler veya diğer stabilizasyon teknikleri kullanılarak hareketin en aza indirilmesi ve yüksek eğitimli katılımcıların kullanılması tavsiye edilir; görev tabanlı fMRI için MR uyumlu bir ekran ve buton yanıt sistemi gibi ek ekipmanlar gereklidir.

Tarama öncesinde, bilgilendirilmiş onam aldığınızdan ve MR kontrendikasyonları açısından tarama yaptığınızdan emin olun. Ardından, katılımcıya gerçekleştirilecek taramaların doğası hakkında bilgi verin ve DSI taraması sırasında hareketsiz kalma gerekliliğini vurgulayın. Katılımcı hazır olduğunda, başını konforlu bir şekilde sabitleyin ve ardından yatağı tarayıcıya sürün, başlangıç gözlem (scout) taramalarını ve kalibrasyonu gerçekleştirin.

Ardından, DSI taraması için kesitleri anterior ve posterior komissürlere hizalayın ve DSI taraması kesitlerinin tüm beyin alanını kapsadığından emin olun. DSI taraması, denek tarayıcıda dinlenirken veya sunum sisteminde bir film izlerken gerçekleştirilir. DSI taramasından sonra, aynı veya ayrı bir tarama oturumundaki DSI verilerini diğer anatomik veya fonksiyonel verilerle daha sonra korejistre etmek amacıyla T one ağırlıklı anatomik bir tarama alın.

Davranışsal görevlerin fonksiyonel taraması için ayrıca görev tabanlı FMRI verileri elde edin. Deneklere, görevle ilgili uyaranlar için ekranı izlemelerini ve gerektiğinde yanıt vermelerini söyleyin. FMRI ayrı bir günde gerçekleştirilirse, başka bir T one ağırlıklı anatomik tarama yapın.

Bu işlem yaklaşımı, traktografi için ROI'ler oluşturmak amacıyla fMRI verilerinin yüzey tabanlı analizini kullanır ve traktografi uç noktaları ile fonksiyonel ROI'ler arasındaki karşılıkların daha iyi görselleştirilmesine olanak tanır. İşleme başlamak için, önce elde edilen T1 ağırlıklı görüntüyü; gri ve beyaz cevherin anatomik segmentasyonunu ve kortikal yüzey rekonstrüksiyonunu gerçekleştiren FreeSurfer otomatik algoritmasına gönderin. Çıktı, aynı zamanda yüzeylerin oluşturulduğu anatomik hacmin işlenmiş bir versiyonunu da içerir ve buna yüzey hacmi denir.

Ardından, bir akne örneğindeki fMRI verilerini ön işlemden geçirin. Daha sonra, FreeSurfer çıktısını SUMA akne yazılımına aktarın ve ön işlemden geçmiş fonksiyonel verileri elde edilen yüzeyler üzerine haritalayın. T traktografisi için fonksiyonel olarak tanımlanmış ROI'lerin oluşturulabileceği istatistiksel haritalar üretmek amacıyla fMRI verilerini analiz edin.

Ardından, traktografi sırasında akım çizgileriyle (streamlines) teması maksimize etmek için yüzey tabanlı fonksiyonel ROI'leri genişletme (dilation) yoluyla beyaz maddeye doğru genişletin. Son olarak, genişletilmiş ROI'leri yüzey koordinatlarından hacim koordinatlarına dönüştürün ve difüzyon verilerini işlemek için nifty dosyaları olarak dışa aktarın. İlk olarak, veri setindeki DICOM görüntülerinden hangilerinin B sıfır veya bazal görüntüler olduğunu belirleyin ve bunları nifty formatına dönüştürün.

Ardından DSI studio'da, DSI DICOM görüntülerini açın ve bir kaynak dosyası oluşturmak için bunları birleştirin ve bir gradyan tablosu sağlayın. Daha sonra, bazal görüntüye varsayılan yeniden yapılandırma maskesini uygulayın ve maskenin boş alan, kafatası veya beyin dışı dokuları dahil etmeden tüm gri maddeyi kapsadığından emin olun. Gerekiyorsa maskeyi düzenleyin.

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

Bir sonraki adımda, fonksiyonel ROI'ler DSI uzayına dönüştürülmelidir. DSIB sıfır görüntüsünü nifty formatındaki anatomik yüzey hacmiyle hizalamak için apni kullanın. Elde edilen 12 noktalı ALINE transformasyon matrisini, a acne programındaki cat mat kullanarak tersine çevirin.

Ardından, fonksiyonel ROI'leri DSI uzayına dönüştürmek için ters matrisi uygulayın. Tüm beyin tohumuyla fiber takibi yapmak, genel veri kalitesini değerlendirmenin hızlı ve etkili bir yoludur. Ayrıca, takip eşiği gibi küresel parametrelerin değerlerini belirleme imkanı sunar; başlamak için tüm beyin tohum bölgesi oluşturun.

Ardından, düşük sinyalli vokselleri maskelemek için bir başlangıç izleme eşik değeri ile açı eşiğini belirleyin. Ayrıca, milimetre cinsinden izleme adım boyutunu ve istenen fiber veya tohum noktası sayısını ayarlayın. Şimdi, genel ODF yeniden yapılandırma kalitesini kontrol etmek için tüm beyin traktografisini gerçekleştirin.

Ardından, tüm beyin takibini tekrarlı olarak gerçekleştirip takip eşiğini ayarlayarak optimal bir takip eşiği bulun. Tüm beyin traktografisi ile bir gri madde maskesinin örtüşmesini track programında görselleştirerek, gri maddeye ulaşan fiberlerin oranını maksimize eden bir eşik belirleyin; fiberlerin %90 ila 100'ü gri maddeye ulaştığında gürültülü fiberler minimize edilir. Ayrıca, takip eşiğinin voksel ve boş alanları maskelediğini kontrol edin. Örneğin, çapraz kontrol olarak track programında, oksipital poldeki anatomik bir ROI'den çok sayıda tohumla (örneğin 500,000) oluşturulmuş bir kontrol fiber setini kullanarak, beyaz maddede açıkça yer alan voksel ve boşlukları kaldırmadan longitudinal fissürü kontrol edin.

Optimal traktografi parametreleri seçildiğine göre, bu prosedürün veri setleri genelinde yaklaşık olarak aynı sayıda fiber ürettiğini kontrol edin. Ardından, fonksiyonel olarak tanımlanmış beyin bölgeleri arasındaki bağlantıya ilişkin hipotezleri test etmek için ROI kısıtlı T traktografisi gerçekleştirin. Öncelikle fib dosyasını yükleyerek DSI Studio'da tüm beyni kapsayan bir tohum bölgesi oluşturun. Daha sonra, fonksiyonel olarak tanımlanmış bir veya daha fazla ilgi bölgesi (ROI) nifty dosyasını yükleyin ve bunları DSI studio bölge ayarlayıcılarında ROI olarak belirleyin.

ROI'lerin içinden streamline geçmesi gerekecektir; daha önce optimize edilmiş parametreleri kullanarak takip ve açı eşiğini ayarlayın ve takibi gerçekleştirin. Son olarak, traktografi çıktısını TRK dosyaları olarak kaydedin. Ardından, görev tabanlı fonksiyonel aktivasyonun kesin uzamsal konumlarıyla yapısal bağlantı karşılıklarını ölçebilen uç nokta yoğunluk analizini gerçekleştirin.

Başlamak için, nifty ROI'leri ve TRK dosyalarını track fz yazılımına yükleyin, bölgeler arasında Boolean işlemleri gerçekleştirin ve her işlemin sonuçlarını yeni bir TRK dosyası olarak kaydedin. Fiber verilerini yüksek çözünürlüklü anatomik bir alt katman üzerinde görüntülemek için, diffusion toolkit fonksiyonlarını kullanarak TRK dosyalarını DSI uzayından yüzey hacim uzayına mekansal olarak dönüştürün; sonuçları bağlantısallık ölçüsü olarak incelemek için dönüştürülmüş TRK dosyasını ve yüzey hacmini track vis'e yükleyin. Bir ROI'deki toplam fiber uç nokta sayısını, ROI hacmine göre normalize ederek hesaplayın.

Burada, tüm beyin traktografisi kullanılarak elde edilen optimal ve suboptimal sonuçların bir örneğini görüyoruz. Üç görüntü de tek bir katılımcıdan alınan aynı 257 yönlü DWI veri setine dayanmaktadır. Optimal sonuçlar burada gösterilmiştir.

Buna karşın, burada görülen sonuçlar aşırı derecede gevşek traktografi parametrelerinin etkisini göstermektedir. Burada, DWI verilerini yeniden yapılandırmak için tek bir tensör modelinin kullanılmasından kaynaklanan kalite düşüşünü görüyoruz. Bu şekilde, yüzler ve günlük nesnelerin resimlerinin izlendiği bir yüz algılama görevi sırasında aktive olan bölgelere bir örnek görüyoruz.

fMRI taraması sırasında, orta ventral temporal bölgelerden fusiform gyrus ve inferior oksipital gyrus, yüzler için nesnelere kıyasla anlamlı derecede daha yüksek BOLD yanıtları göstermiştir. Buradaki figür sahnesi, görsel korteks, duyusal bölgeler ve posterior parietal korteksteki bir dikkat kontrol bölgesi arasındaki bağlantıları göstermektedir. Bu panel, V1, V2 ve V3 tohum bölgelerinin yaklaşık konumlarını sırasıyla kırmızı, yeşil ve mavi renklerde göstermektedir.

IPS 1 olarak etiketlenen PPC tohum bölgesi ve bu bölgeleri birbirine bağlayan fiber yolları, başladıkları oksipital ROI'ye göre renklendirilmiştir. Panel B, kortikal yüzey üzerindeki işlevsel olarak tanımlanmış IPS bölgelerini kahverengi, V1 bölgelerini kırmızı, V2 bölgelerini yeşil ve V3 bölgelerini mavi renkte, her bölgedeki fiber uç noktalarıyla birlikte göstermektedir. Süreçte uzmanlaşıldıktan sonra, tek bir katılımcı için veri toplama işlemi 30 ila 90 dakika içinde tamamlanabilir.

Otomatik anatomik yüzey rekonstrüksiyonu tipik olarak 16 saat sürerken, difüzyon ağırlıklı veriler bir saatten kısa sürede işlenebilir. fMRI verilerinin işlenme ve analiz edilme süresi, davranışsal göreve ve deneysel prosedürlere bağlı olarak değişiklik gösterir. Traktografi süre gereksinimleri de izleme parametrelerine ve ilgi alanı kısıtlamalarına bağlı olarak dakikalardan saatlere kadar değişmektedir.

Bu prosedürü uygularken, traktografi sonuçlarının hem yanlış pozitiflere hem de yanlış negatiflere açık olabileceğini hatırlamak önemlidir. Fiber izleme sonucunuzu her zaman önceki nöroanatomik bulgular bağlamında değerlendirin veya bu prosedürün ardından fonksiyonel bağlantı analizi gibi yakınsayan metodolojiler kullanın. Beyin yapısı ve fonksiyonu ile olan ilişkiyi daha ayrıntılı incelemek için fiber konumları üzerinde patern sınıflandırması, uç nokta dağılımlarının detaylı uzamsal analizi ve beyaz cevher bütünlüğünün boylamsal taraması gibi diğer yöntemler uygulanabilir.

Bu teknik, bilişsel nörobilim alanındaki araştırmacıların, sağlıklı insanlarda ve klinik popülasyonlarda yapı-işlev ilişkilerini invaziv olmayan yöntemlerle keşfetmelerinin yolunu açmıştır. Beyin bölgeleri arasındaki yapısal bağlantısallık, karmaşık insan davranışlarını kontrol eden beyin ağları üzerinden bilgi akışına dair hipotezleri sınırlamaya yardımcı olabilir. Bu videoyu izledikten sonra, difüzyon ağırlıklı görüntüleme verilerinin yeniden yapılandırılması ve fiber traktografinin gerçekleştirilmesindeki temel adımları anlamış olmalısınız.

Ayrıca, fiber takip sonuçlarınızı optimize etmek için kalite kontrolleri gerçekleştirmenin ve yinelemeli parametre testleri yapmanın önemini kavramalısınız. Son olarak, bu videoyu izledikten sonra, anatomik bağlantısallığın beyin ağlarının fonksiyonel özellikleri ile nasıl ilişkilendirileceği konusunda daha iyi bir anlayışa sahip olmalısınız.