Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Science Education
Neuropsychology

A subscription to JoVE is required to view this content.

测量与基于体素的形态计量学的灰质分歧: 音乐的大脑
 
Click here for the English version

测量与基于体素的形态计量学的灰质分歧: 音乐的大脑

Overview

资料来源: 乔纳斯 · 卡普兰和莎拉一、 贝尔实验室 — — 南加利福尼亚大学

经验塑造大脑。众所周知,我们的大脑是不同学习的结果。虽然许多经验相关的变化体现自己在微观的层次,例如由行为中的单个神经元的神经化学调整,我们也可能检查到宏观一级大脑结构的解剖学变化。这种变化的一个著名例子来自伦敦出租车司机,他和学习的城市复杂的路线在海马,被称为在导航内存中发挥作用的大脑结构中显示较大音量的一例。1

许多传统方法检测脑解剖所需煞费苦心的查寻的解剖区域的利益衡量他们的大小。然而,使用现代影像学的技术,我们现在可以比较大脑的解剖跨组使用自动的算法的人。尽管这些技术也不去利用自己的人类解剖学可能带到任务的先进知识,它们是快速,敏感到很小的差异,在解剖。在脑结构的磁共振图像,每个体积像素或像素、 强度涉及该区域灰质的密度。例如,在 T1 加权磁共振成像扫描,非常明亮的体素在位置找到那里有白质纤维束,而暗像素对应的灰质,神经元的胞体所在。 量化和比较大脑结构基于体素的体素的技术被称为基于体素的形态或 VBM。2在 VBM,我们第一次注册所有的大脑到一个共同的空间,平滑解剖的任何严重分歧。然后,我们比较素以确定本地化、 小尺度差异在灰质密度的强度值。

在这个实验中,我们将展示 VBM 技术通过对比音乐家与那些非音乐家的大脑。音乐家参与激烈的行动、 视觉和声学培训。还有证据从多个渠道获悉,那些已经通过音乐训练的人的大脑功能和结构不同于那些没有的人。在这里,我们跟随格萨尔和 Shlaug3和贝穆德斯et al4在使用 VBM 来标识这些音乐家的大脑在结构上的差异。

Procedure

1.招募 40 音乐家和 40 非音乐家。

  1. 音乐家应该有至少 10 年的正式的音乐训练。与任何乐器培训是可以接受的。音乐家应该也积极练他们的乐器为至少一小时/天。
  2. 对照组应该有很少的正式培训在玩一种乐器。
  3. 所有参与者都应该都是用右手。
  4. 所有参与者都应该有神经、 精神科,或心脏疾病没有历史。
  5. 所有参与者都应该有他们他们不能删除以确保它们是安全的 MRI 的身体没有金属。

2.预扫描程序

  1. 填写预扫描的文书工作。
  2. 当参与者对其功能磁共振成像扫描进来时,让他们金属屏幕窗体,以确保他们有没有反适应症为 MRI,给予同意,由放射科医生,并同意表格,详细列出的风险和益处的研究看他们扫描的附带结果窗体第一次填写。
  3. 准备去在扫描仪通过从他们的身体,包括皮带、 钱包、 手机、 发夹、 硬币和所有珠宝中删除所有金属的参与者。

3.放在扫描仪中的参与者。

  1. 给参与者的耳塞来保护他们的耳朵从扫描仪和耳朵的电话,要穿,所以他们可以扫描期间,听到实验者,让他们躺在床上,他们的头线圈中的噪音。
  2. 给参与者紧急挤压球并指导他们挤它在紧急情况下在扫描期间。
  3. 使用泡沫垫,确保与会者头线圈扫描期间,避免过量运动,并提醒参与者,它是非常重要的逗留尽可能保持扫描期间,作为最小的运动模糊图像。

4.数据收集

  1. 收集全脑解剖高分辨率扫描。此扫描应该是一个 T1 加权的序列,如磁化准备快速梯度回波序列 (MP-RAGE) 与各向同性的 1 毫米体素。

5.数据分析

  1. 从使用自动化的软件每次解剖大脑扫描删除头骨。检查质量剥离的头骨。
  2. 创建研究特定灰质模板使用一个迭代过程的线性和非线性注册 (图 1)。
    1. 使用自动软件细分每个受试者的大脑为灰质、 白质和脑脊液基于每个像素的强度。
    2. 执行线性仿射变换与 12 个自由度的注册标准图集空间,如 MNI152 atlas 每个受试者的大脑。
    3. 空间每个主题的灰质图像扭曲进入这个空间,和他们在一起的平均。
    4. 镜像此图像从左到右,然后平均镜像在一起以产生灰质模板大脑。
    5. 重新注册每个主题的大脑对此模板使用非线性变换。
    6. 平均所有的新转换的大脑在一起。
    7. 使这个新的模板,镜像,平均两个镜像映像在一起以产生在这项研究的最后灰质模板。

Figure 1
图 1: 创建研究特定灰质模板。利用迭代线性和非线性变换,每个大脑是注册到一个共同的空间,平均在一起创建特定研究的灰质模板大脑。

  1. 注册到模板的每个主题的灰质图像和预处理。
    1. 使用非线性变换来注册每个主题的大脑对研究特定的模板。
    2. 补偿金额每个大脑已经紧张结构以适合的模板空间,乘以多少翘曲进行了测定。这项措施被称为雅可比矩阵的空间扭曲力场。这一步是考虑结构可能出现只是有更多的灰质事实因为他们就已非线性注册过程中更加紧张。
    3. 平滑数据使用高斯核与全宽度一半最大 (FWHM) 10 毫米。
    4. 这些对齐,平滑的大脑将作为最终的数据基于体素模型的分析。
  2. 使用一般线性模型来分析在每一个体素组的差异。
    1. 单独的回归,每个组的大脑模型和计算比较了两组,生成量化在每个像素的差异的可能性的统计地图的对比。
    2. 阈值的统计地图来确定统计学集群。
      1. 使用多个比较校正技术等错误发现率 (FDR) 控制的事实正在数千同时统计测试。与罗斯福总统,0.01 q值将估计门槛是 1%以上的假阳性的率。

我们的大脑的形成导致皮质容积变化的经验。

例如,某些熟练程度,学习和掌握第二语言,像已增加灰色物质的密度胞体在驻留,特别是在额叶等结构。

前现代的进步,来测量特定区域的大小,科学家将不得不煞费苦心地跟踪该地区的利益 — — 一项非常繁琐的任务。现在,更敏感的神经影像学技术 — — 基于体素的形态计量学,VBM 被称为 — — 存在捕捉小体积的差异,在神经解剖学。

基于以前的格萨尔和 Shlaug,以及贝穆德斯和同事的工作,该视频演示了如何收集结构的磁共振图像和使用 VBM 来识别个人的大脑中的体素的强度值与不同的经验 — — 专家音乐家相比那些使用非常有限的培训 — — 以及在其他案件的专门知识,比如下棋。

在这个实验中,两组的参与者 — — 正式训练的音乐家和控件与没有这种培训 — — 要躺在核磁共振成像扫描仪,虽然收集了他们的大脑结构图像。

然后可以使用自动化的方法,基于强度的体积像素,称为素定义特定区域。例如,非常明亮的星团显示脑白质纤维束的位置而暗体素对应于灰质密集的地区。

之后每个大脑此分割,图像被转换 — — 注册到标准图集,是一个共同的空间,以便主体之间的比较。

很多时候,这个注册过程可以伸展图像,这使得一些结构看起来像他们有更多的灰质比他们真的这样做。

因此,模板必须乘以多少翘曲已经完成,被称为雅可比行列式,弥补的反复拉伸、 衡量,然后解剖所有严重分歧可以化解掉。

应用转换后,因变量被计算相比非音乐家控件的音乐家的大脑灰质密度的差异。

由于越来越多地使用复杂的听觉处理,在熟练的音乐家,预计这一群体在听觉的大脑区域,如优越的颞叶和 Heschl 的脑回,与对照组相比,将显示增加的灰质密度。

实验前招聘 40 音乐家积极实践任何文书 1 小时,每天,至少有 10 年的正式的音乐训练,以及 40 非音乐家控制有小或没有适当的培训。

在其扫描的一天,迎接每个参与者在实验室并验证它们符合安全要求,当他们完成必要的同意形式。

请参阅有关如何准备个人进入房间与扫描仪孔的扫描的详细信息此集合中的另一个功能磁共振成像项目。

现在,指导参与者仍在扫描仪中,撒谎并开始扫描整个大脑通过收集高分辨率、 T1 加权解剖序列如磁化准备快速梯度回波与 1 毫米各向同性体素。

图像采集协议之后, 解雇参与者并开始分析。

要开始预处理,隔离从头骨为每个扫描大脑并检查质量的剥离。

这项研究中,具体的灰质通过模板来创建第一个分割每个受试者的大脑白质和灰质和脑脊髓液,脑脊液,基于每个像素的强度。请注意,该软件自动区分明亮素作为脑白质、 灰质,以及区域内脑室脑脊液作为黑暗素。

执行线性仿射变换与 12 ° 的自由,去注册一个标准图集空间每个主题的大脑。空间每个主题的灰质图像扭曲进入这个空间,和他们在一起的平均。

接下来,镜像此左到右,并再一次,平均图像在一起以产生初始灰质模板。

然后在此基础上,进行非线性变换,要重新注册每个受试者的大脑灰质图,,平均这些在一起。创建镜像的副本的这幅新的图像,并再一次平均两个在一起以产生一个最终的、 特定研究的灰质模板。

现在已经紧张登记册每个受试者的大脑到最后灰质图的非线性变换,和乘以多少翘曲作补偿的金额每个大脑结构的雅可比矩阵措施以适应模板空间。

随后,平滑数据使用高斯内核全宽度一半最大 10 毫米的所有科目增加类似脑体素的重叠。

与预处理完成,与单独的回归模型每个组的大脑。计算比较了两组生成统计对比映射,量化在每个像素的差异的可能性。

最后,执行多个比较校正技术,虚假的发现率与 q 值为 0.01,为数以千计的同时执行的统计测试控制等。此值将估计 1%阈值以上的假阳性的率。

在这里,VBM 分析揭示重大双边增加的优越颞叶的对照相比的音乐家的大脑灰质密度。最大的不同在右边,显示,这包括 Heschl 的回,位置的初级听觉皮层后部。

既然你已经熟悉如何使用 VBM 研究神经解剖学、 让我们来看研究人员如何使用这种技术来研究结构上的差异在其他人群中。

虽然许多任务都涉及激烈的训练和经验与灰质体积的增加,这种扩大并非总是如此为所有类型的学到的技能,像在大脑中的经验丰富的棋手。

与控件相比,灰质体积缩小在枕颞交界处,面积为对象识别重要。这种调查结果结果中有趣的反常现象,可能会帮助科学家们进一步了解如何皮质容积涉及性能在艰巨的任务。

盲人从出生往往在他们相对于控件的视觉皮层灰质体积小。有趣的是,通过使用 VBM,研究者们发现不负责视觉,如是两倍大小的听觉皮层的大脑区域显著扩大发现视力正常的控件中。

这些结构上的差异可以作为解释为什么其他感官能力得到提高盲人的解剖学基础。

此外,药物天真重性抑郁障碍患者结构 MRI 和 VBM 分析也表明灰质卷对照相比差异。

科学家们发现,这些患者减少了灰质容量在额叶皮质和脑岛,这也许可以解释为什么抑郁症的患者有困难认知控制对自己和他人的负面情绪。

你刚看了基于体素的形态计量学的朱庇特的视频。现在你应该有很好地理解如何收集使用 MRI 解剖图像,以及如何分析和解释中区域的听觉皮层灰质强度差异。你应该也知道并不是所有领域的专门知识在皮质密度都导致增加。

谢谢观赏 !

Subscription Required. Please recommend JoVE to your librarian.

Results

VBM 分析显示本地化的显著相比非音乐家控件的音乐家的大脑灰质密度。优越的颞叶,双方在这些方面的差异。规模最大、 最重要的群集是在右侧,包括 Heschl 的回 (图 2) 的后部。Heschl 的回是初级听觉皮质,位置和周围皮层参与复杂的听觉处理。因此,这些结果都符合原先发现的音乐家和非音乐家听觉的大脑区域的形态学差异。

Figure 2
图 2:组之间差异的灰质。音乐家在优越的颞叶两侧,与最大的差别,在右侧显示灰质密度显著增加。此区域包括 Heschl 的回,初级听觉皮层的一部分。

Subscription Required. Please recommend JoVE to your librarian.

Applications and Summary

VBM 技术具有潜力来显示本地化的差异在灰质之间的人群,或与一群人有不同的测量。除了寻找不同形式的培训涉及的结构差异,这种技术可能会揭示与广泛的神经心理条件,如抑郁、 诵读困难56或精神分裂症相关联的解剖学差异。7

它是重要的是请注意,有多个解释存在的组之间的差异,大脑的解剖结构。例如,对于音乐家,可能有一种自我选择的偏见。如果某些大脑解剖的人更有可能成为音乐家,我们可能会发现这种差异。为了建立人群间的结构差异是经验的产物,最明确的方法是采用一项纵向研究,随着时间的推移遵循人。

Subscription Required. Please recommend JoVE to your librarian.

References

  1. Maguire, E.A., et al. Navigation-related structural change in the hippocampi of taxi drivers. Proc Natl Acad Sci U S A 97, 4398-4403 (2000).
  2. Ashburner, J. & Friston, K.J. Voxel-based morphometry--the methods. Neuroimage 11, 805-821 (2000).
  3. Gaser, C. & Schlaug, G. Brain structures differ between musicians and non-musicians. J Neurosci 23, 9240-9245 (2003).
  4. Bermudez, P., Lerch, J.P., Evans, A.C. & Zatorre, R.J. Neuroanatomical correlates of musicianship as revealed by cortical thickness and voxel-based morphometry. Cereb Cortex 19, 1583-1596 (2009).
  5. Bora, E., Fornito, A., Pantelis, C. & Yucel, M. Gray matter abnormalities in Major Depressive Disorder: a meta-analysis of voxel based morphometry studies. J Affect Disord 138, 9-18 (2012).
  6. Richlan, F., Kronbichler, M. & Wimmer, H. Structural abnormalities in the dyslexic brain: a meta-analysis of voxel-based morphometry studies. Hum Brain Mapp 34, 3055-3065 (2013).
  7. Zhang, T. & Davatzikos, C. Optimally-Discriminative Voxel-Based Morphometry significantly increases the ability to detect group differences in schizophrenia, mild cognitive impairment, and Alzheimer's disease. Neuroimage 79, 94-110 (2013).

Transcript

Please note that all translations are automatically generated.

Click here for the English version.

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

Waiting X
Simple Hit Counter