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.

Mesurer la différence de densité de matière grise grâce à la morphométrie basée sur les voxels
 
Click here for the English version

Mesurer la différence de densité de matière grise grâce à la morphométrie basée sur les voxels : le cerveau musical

Overview

Source : Laboratoires de Jonas T. Kaplan et Sarah I. Gimbel — University of Southern California

Expérience des formes du cerveau. Il est bien entendu que nos cerveaux est différentes en raison de l’apprentissage. Alors que beaucoup de changements liés à l’expérience se manifeste au niveau microscopique, par exemple par des modifications neurochimiques dans le comportement de neurones individuels, nous pouvons aussi examiner des changements anatomiques de la structure du cerveau à un niveau macroscopique. Un exemple célèbre de ce type de changement vient de l’affaire les chauffeurs de taxi de Londres, qui, avec les voies complexes de la ville d’apprentissage, montrent le plus grand volume dans l’hippocampe, une structure du cerveau connue pour jouer un rôle dans la mémoire de navigation. 1

Beaucoup de méthodes traditionnelles d’examiner l’anatomie du cerveau nécessite le suivi minutieux des régions anatomiques d’intérêt afin de mesurer leur taille. Cependant, en utilisant des techniques de neuro-imagerie moderne, nous pouvons maintenant comparer l’anatomie du cerveau à travers des groupes de personnes qui utilisent des algorithmes automatiques. Bien que ces techniques ne pas recourir à des connaissances sophistiquées que neuroanatomistes humaines peuvent apporter à la tâche, ils sont rapides et sensible aux très petites différences dans l’anatomie. Dans une image de résonance magnétique structurelle du cerveau, l’intensité de chaque pixel volumétrique ou voxel, se rapporte à la densité de la matière grise dans cette région. Par exemple, dans un IRM pondérées en T1, très lumineux voxels se trouvent dans des endroits où il y a des faisceaux de fibres de matière blanche, tandis que les voxels plus sombres correspond à la matière grise, où résident les corps cellulaires des neurones. La technique de quantifier et de comparer la structure du cerveau sur une base de voxel-par-voxel est appelée morphométrie voxel-basée, ou VBM. 2 en VBM, nous avons tout d’abord enregistrer toutes le cerveau à un espace commun, lissage sur toute différence brute en anatomie. Nous comparons les valeurs d’intensité de la voxels pour identifier les différences localisées, à petite échelle de densité de matière grise.

Dans cette expérience, nous allons démontrer la technique VBM en comparant le cerveau des musiciens avec ceux des non musiciens. Musiciens se livrer à un entraînement intensif motrice, visuel et acoustique. Il y a preuve provenant de multiples sources que le cerveau des personnes qui ont traversé la formation musicale est fonctionnellement et de structure différente de celles qui n’ont pas. Ici, nous suivons Gaser et Shlaug3 et Bertrand et al. 4 en utilisant VBM pour identifier ces différences structurelles dans le cerveau des musiciens.

Procedure

1. recruter 40 musiciens et les 40 non-musiciens.

  1. Musiciens devraient avoir au moins 10 ans de formation musicale. Formation avec n’importe quel instrument de musique est acceptable. Musiciens doivent également activement pratiquer leur instrument au moins une heure/jour.
  2. Sujets témoins devraient avoir peu de formation formelle en jouant d’un instrument de musique.
  3. Tous les participants devraient être droitiers.
  4. Tous les participants ne devraient avoir aucun antécédent de troubles cardiaques, neurologiques ou psychiatriques.
  5. Tous les participants ne devraient avoir aucun métal dans leur corps qu’ils ne peuvent pas supprimer pour qu’ils soient MRI-safe.

2. l’analyse préalable des procédures

  1. Remplir la paperasse pré-scan.
  2. Lorsque les participants viennent leur Scan IRMf, demandez-leur de première remplir un formulaire de grille métallique pour s’assurer qu’ils n’ont aucune contre-indications pour l’IRM, une forme de découvertes fortuites, donner son consentement pour leur analyse être regardé par un radiologue et un formulaire de consentement précisant les risques et les avantages de l’étude.
  3. Préparer les participants à aller dans le scanner, en supprimant tous les métaux de leur corps, y compris les ceintures, portefeuilles, téléphones, pinces à cheveux, pièces de monnaie et tous les bijoux.

3. mettre le participant dans le scanner.

  1. Donner les bouchons d’oreille participant pour protéger leurs oreilles contre le bruit des téléphones scanner et oreille de porter afin de pouvoir entendre l’expérimentateur pendant le balayage et demandez-leur de s’allonger sur le lit avec leur tête dans la bobine.
  2. Donner au participant la balle d’urgence squeeze et indiquez-lui à le presser en cas d’urgence pendant l’analyse.
  3. Utilisation des coussinets en mousse pour garantir aux participants la tête dans la bobine pour éviter le mouvement excessif lors de l’analyse et rappeler le participant qu’il est très important de rester aussi immobile que possible lors de l’analyse, comme même le flou des mouvements plus petit les images.

4. collecte des données

  1. Recueillir un scan haute résolution anatomique du cerveau entier. Cette analyse devrait être une séquence pondérée T1 comme une aimantation préparé rapide Gradient Echo (MP-RAGE) avec des voxels isotropiques 1 mm.

5. analyse

  1. Retirez le crâne de chaque scanner anatomique du cerveau à l’aide d’un logiciel automatisé. Vérifier le crâne de décapage pour la qualité.
  2. Créer un modèle de matière grise étude spécifique à l’aide d’un processus itératif d’enregistrement linéaire et non linéaire (Figure 1).
    1. Utiliser un logiciel automatisé pour segmenter le cerveau de chaque sujet dans la substance blanche et substance grise CSF basées sur l’intensité à chaque voxel.
    2. Effectuer une transformation affine linéaire avec 12 degrés de liberté pour enregistrer le cerveau de chaque sujet à un espace atlas standard, tels que l’atlas de MNI152.
    3. Déformer l’image de matière grise de chaque sujet dans cet espace et leur moyenne tous ensemble.
    4. Miroir de cette image de gauche à droite et ensuite en moyenne les images miroir ensemble pour produire le cerveau de modèle de matière grise.
    5. Réinscrivez le cerveau de chaque sujet à ce modèle en utilisant une transformation non linéaire.
    6. Moyenne tous des cerveaux nouvellement transformés ensemble.
    7. Faire une image de miroir de ce nouveau modèle et la moyenne des deux images miroir ensemble pour produire un modèle final de matière grise pour cette étude.

Figure 1
Figure 1 : création du modèle de matière grise axée sur l’étude de. À l’aide des transformations linéaires et itératives, chaque cerveau est enregistré dans un espace commun et en moyenne ensemble pour créer un cerveau de modèle de matière grise étude spécifique.

  1. Enregistrer l’image de matière grise de chaque sujet au modèle et prétraiter.
    1. Une transformation non linéaire permet d’enregistrer le cerveau de chaque sujet pour le modèle d’étude spécifique.
    2. Afin de compenser le montant de chaque cerveau structure a été étirée pour s’adapter à l’espace modèle, multipliez par une mesure de la quantité de déformation a été fait. Cette mesure est appelée la jacobienne du champ warp. Cette étape consiste à tenir compte du fait que les structures sembler avoir plus de matière grise simplement parce qu’ils ont été plus tendus par le processus d’enregistrement non linéaire.
    3. Lisser les données en utilisant un noyau gaussien avec une pleine largeur moitié Maximum (FWHM) de 10 mm.
    4. Ces cerveaux alignés, lissée servira les données finales pour l’analyse comparative voxel.
  2. Le modèle linéaire général permet d’analyser la différence entre les groupes à chaque voxel.
    1. Modèle de chaque groupe de cerveau avec un régresseur séparé et de calculer un contraste qui compare les deux groupes, générer des cartes statistiques qui quantifient la probabilité des différences à chaque voxel.
    2. Seuil de cartes statistiques pour identifier les groupes statistiquement significatives.
      1. Employer une technique de correction des comparaisons multiples tels que faux taux de découverte (FDR) pour contrôler le fait que le font des milliers de tests statistiques simultanées. Avec RAD, une valeur de q de 0,01 évalue le taux de faux positifs au-dessus de seuil de 1 %.

Nos cerveaux est façonnées par des expériences, entraînant des changements dans le volume corticale.

Par exemple, certaines compétences, comme l’apprentissage et la maîtrise d’une langue seconde, ont été démontrés pour augmenter la densité de matière grise, où les corps cellulaires se trouvent, notamment dans des structures telles que le lobe frontal.

Avant le progrès modernes, pour mesurer la taille d’une zone particulière, scientifiques devra tracer soigneusement la région d’intérêt — une tâche très fastidieuse. Maintenant, les techniques de neuro-imagerie plus sensibles — appelée voxel-basé morphométrie, VBM — existent pour capturer des petites différences volumétriques en neuroanatomie.

Basé sur des travaux antérieurs de Gennaro et Shlaug, ainsi que Bertrand et ses collègues, cette vidéo montre comment recueillir des images de résonance magnétique structurelle et VBM permet d’identifier les valeurs d’intensité de voxels dans le cerveau des individus avec différentes expériences — musiciens experts par rapport à ceux avec très une formation limitée — ainsi que dans les autres cas d’expertise, comme le jeu d’échecs.

Dans cette expérience, deux groupes de participants — officiellement formés de musiciens et contrôles sans cette formation, sont priés de se coucher dans un scanner MRI en images structurelles de leurs cerveaux sont recueillis.

Certaines régions peuvent alors être définies en utilisant une approche automatisée, basée sur l’intensité des pixels volumétriques, appelé voxels. Par exemple, des grappes très lumineux indiquent l’emplacement des faisceaux de fibres de matière blanche, tandis que les voxels plus sombres correspondent aux zones denses de matière grise.

Suite à cette segmentation pour chaque cerveau, les images sont transforment — enregistré à un atlas standard, qui est un espace commun afin de permettre des comparaisons inter-sujets.

Souvent, le processus d’enregistrement peut étirer une image, ce qui rend certaines structures comme ils ont plus de matière grise qu’ils le font vraiment.

Par conséquent, le modèle doit être multiplié par une mesure de combien de déformation a été fait, appelé un déterminant jacobien, pour compenser l’étirement répétées, et puis toutes les différences brutes en anatomie sont lissées.

Après que les transformations sont appliquées, la variable dépendante est calculée comme la différence de densité de matière grise entre cerveau de musiciens par rapport aux témoins non musicienne.

En raison de l’utilisation accrue des complexe traitement auditif chez les musiciens habiles, il est prévu que ce groupe fera preuve de la densité accrue de matière grise dans les régions du cerveau auditif, tel que le lobe temporal supérieur et gyrus de Heschl, comparée au groupe témoin.

Avant l’expérience, recruter 40 musiciens qui pratiquent activement à n’importe quel instrument 1 h par jour et avoir au moins 10 ans de formation musicale, ainsi que 40 contrôles non musicienne qui n’ont peu ou aucun une formation adéquate.

Le jour de leur analyse, saluer chaque participant dans le laboratoire et vérifier qu’ils répondent aux exigences de sécurité comme ils remplir les formulaires de consentement nécessaire.

S’il vous plaît se référer à un autre projet d’IRMf dans cette collection pour plus de détails sur la façon de préparer les individus à entrer dans l’alésage de salle et scanner numérisation.

Maintenant, demandez aux participants de se trouvent encore dans le scanner et commence l’analyse de tout le cerveau en recueillant une séquence anatomique haute résolution, pondérées en T1 comme aimantation préparé-Rapid Echo de Gradient avec 1 mm des voxels isotropiques.

Suite au protocole de la collection d’images, de rejeter le participant et commencer l’analyse.

Pour commencer le prétraitement, isoler le cerveau du crâne pour chaque analyse et vérifier la qualité du stripping.

Pour cette étude, créer un modèle spécifique de matière grise en première segmentation cerveau de chaque sujet en blanc et gris et le liquide céphalo-rachidien, LCR, basées sur l’intensité de chaque voxel. Notez que le logiciel distingue automatiquement les voxels lumineux comme matière blanche, voxels sombre comme la matière grise et les zones à l’intérieur des ventricules dans le CSF.

Effectuer une transformation affine linéaire avec 12° de liberté, d’enregistrer le cerveau de chaque sujet à un espace atlas standard. Déformer l’image de matière grise de chaque sujet dans cet espace et leur moyenne tous ensemble.

Ensuite, reflètent cette gauche à droite et une fois de plus, en moyenne les images en vue de produire le modèle initial de matière grise.

Ensuite, effectuer une transformation non linéaire pour réinscrire le cerveau de chaque sujet à la figure de la matière grise et moyenne ensemble. Créer une copie miroir de cette nouvelle image et en moyenne une fois de plus les deux ensemble pour produire un modèle final, étude spécifique, matière grise.

Maintenant Registre cerveau de chaque sujet de la dernière matière grise figure en utilisant une transformation non linéaire et multiplier par une mesure de la jacobienne de combien déformation a été fait pour compenser le montant de chaque structure du cerveau a été étirée pour s’adapter à l’espace de modèle.

Par la suite, lisser les données en utilisant un noyau gaussien avec un Maximum de la moitié pleine largeur de 10 mm pour augmenter le chevauchement des voxels de cerveau similaires dans tous les sujets.

Grâce au prétraitement terminé, modèle chaque groupe des cerveaux avec un régresseur distinct. Calculer un contraste qui compare les deux groupes pour générer des statistiques des cartes quantifier la probabilité des différences à chaque voxel.

Enfin, effectuer une technique de correction des comparaisons multiples, par exemple un taux de découverte de faux d’une valeur de q de 0,01, pour contrôler des milliers de tests statistiques simultanés effectués. Cette valeur va estimer le taux de faux positifs au-delà d’un seuil de 1 %.

Ici, l’analyse VBM a révélé des augmentations bilatérales significatives dans la densité de matière grise dans le lobe temporal supérieur du cerveau de musiciens par rapport aux contrôles. La plus grande différence a été montrée sur le côté droit, et ceci inclut la portion postérieure du gyrus de Heschl, l’emplacement du cortex auditif primaire.

Maintenant que vous êtes familier avec la façon d’utiliser VBM pour étudier la neuroanatomie, regardons comment les chercheurs utilisent cette technique pour étudier les différences structurelles dans d’autres populations.

Tandis que beaucoup de tâches impliquant l’expérience et la formation intense est associées par augmentation du volume de matière grise, cet élargissement n'est pas toujours le cas pour tous les types de compétences apprises, comme dans le cerveau d’un joueur d’échecs expérimentés.

Par rapport aux contrôles, volume de matière grise a été réduite dans la jonction occipito-temporal, une zone importante pour la reconnaissance de l’objet. Tel résultat résultats dans une anomalie intéressante qui peut aider les scientifiques à mieux comprendre comment corticale volume a trait à la performance dans des tâches exigeantes.

Les personnes qui sont aveugles de naissance souvent ont plus petit volume de matière grise dans leur cortex visuel par rapport aux témoins. Fait intéressant, grâce à l’utilisation de VBM, les chercheurs ont découvert un élargissement significatif dans les zones du cerveau pas responsable de la vision, comme le cortex auditif, ce qui a été deux fois la taille trouvée chez les voyants témoins.

Ces différences structurelles peuvent servir de fondement anatomique pour expliquer pourquoi les autres sens sont accrues chez les personnes aveugles.

En outre, analyse structurale de l’IRM et VBM sur médicament-naïve patients atteints de trouble dépressif majeur indiquent également les différences dans les volumes de matière grise par rapport aux témoins.

Scientifiques ont trouvé que ces patients avaient diminué de volume de matière grise dans le cortex frontal et l’insula, ce qui peut expliquer pourquoi les patients déprimés ont de la difficulté avec un contrôle cognitif sur des sentiments négatifs envers eux-mêmes et les autres.

Vous avez juste regardé les vidéo de JoVE sur la morphométrie voxel-basé. Maintenant vous devriez avoir une bonne compréhension de la façon de recueillir des images anatomiques à l’aide de MRI ainsi que la façon d’analyser et d’interpréter les différences dans l’intensité de la matière grise dans les régions du cortex auditif. Vous avez également appris que pas tous les domaines d’expertise mener à une augmentation de densité corticale.

Merci de regarder !

Subscription Required. Please recommend JoVE to your librarian.

Results

L’analyse VBM a révélé une augmentation significative localisée dans la densité de matière grise dans le cerveau de musiciens par rapport aux témoins non musicienne. Ces différences ont été trouvées dans les lobes temporaux supérieurs des deux côtés. La plus importante et la plus importante grappe était sur le côté droit et comprend la partie postérieure du gyrus de Heschl (Figure 2). Gyrus de Heschl est l’emplacement du cortex auditif primaire, et le cortex environnantes est impliqués dans le traitement auditif complex. Ainsi, ces résultats concordent avec les résultats antérieurs des différences morphologiques entre les musiciens et les non-musiciens dans des régions du cerveau auditif.

Figure 2
Figure 2 : Gray matter les différences entre groupes. Musiciens ont montré significativement plus forte densité de matière grise dans le lobe temporal supérieur des deux côtés, avec la plus grande différence sur le côté droit. Cette région comprend une partie du gyrus de Heschl, le cortex auditif primaire.

Subscription Required. Please recommend JoVE to your librarian.

Applications and Summary

La technique VBM a le potentiel pour démontrer les différences localisées dans la matière grise entre les groupes de personnes, ou en association avec une mesure qui varie d’un groupe de personnes. En plus de trouver des différences structurelles qui se rapportent à différentes formes de formation, cette technique peut révéler des différences anatomiques qui sont associées à des troubles neuropsychologiques très variés tels que la dépression, la dyslexie de5 ,6 ou la schizophrénie. 7

Il est important de noter qu’il y a plusieurs explications à l’existence de différences entre les groupes dans l’anatomie du cerveau. Par exemple, dans le cas de musiciens, il pourrait y avoir un biais d’autosélection. On peut trouver ces différences si les gens avec une certaine anatomie du cerveau sont plus susceptibles de devenir musiciens. Afin d’établir que les différences structurelles entre les groupes de personnes sont le résultat de l’expérience, la plus définitive consiste à employer une étude longitudinale qui suit les gens au fil du temps.

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