تجزئة الآلي للمادة الرمادية القشرية من صور الرنين المغناطيسي T1 المرجحة
Summary
ويصف هذا البروتوكول عملية تطبيق أدوات مختلفة تجزئة الآلي السبعة للهيكلية T1 المرجحة الرنين لتحديد مناطق المادة الرمادية التي يمكن استخدامها للتقدير الكمي لحجم المادة الرمادية.
Abstract
داخل البحث نيورويماجينج، قد ناقش عدد من الدراسات التي أجريت مؤخرا أثر الفروق بين الدراسات في النتائج الحجمي التي يعتقد أن تنجم عن استخدام أدوات تجزئة مختلفة لإنشاء وحدات تخزين الدماغ. وترد هنا، تجهيز خط الأنابيب لسبعة من الأدوات الآلية التي يمكن استخدامها لتقسيم المادة الرمادية في الدماغ. ويوفر البروتوكول خطوة أولية للباحثين بهدف إيجاد الطريقة الأكثر دقة لتوليد كميات المادة الرمادية من T1 المرجحة الرنين. خطوات إجراء مراقبة الجودة البصرية مفصلة مدرجة أيضا في المخطوطة. تغطي مجموعة واسعة من الأدوات الممكنة لتجزئة هذا البروتوكول ويشجع المستخدمين لمقارنة أداء هذه الأدوات ضمن مجموعة فرعية البيانات الخاصة بهم قبل اختيار واحد لتطبيق مجموعة كاملة. وعلاوة على ذلك، قد يمكن تعميمها كذلك البروتوكول إلى تجزئة مناطق الدماغ الأخرى.
Introduction
نيورويماجينج يستخدم على نطاق واسع في كل السريرية والبحوث الإعدادات. وهناك تحرك الحالية لتحسين إمكانية تكرار نتائج الدراسات أن التحديد الكمي لحجم الدماغ من فحص التصوير بالرنين المغناطيسي (التصوير بالرنين المغناطيسي)؛ وبالتالي، من المهم أن المحققين تبادل الخبرات في استخدام المتاح من أدوات التصوير بالرنين المغناطيسي لتجزئة الرنين إلى وحدات إقليمية، لتحسين توحيد وتعظيم الاستفادة من أساليب1. يوفر هذا البروتوكول دليل خطوة بخطوة لاستخدام سبع أدوات مختلفة لتقسيم المادة الرمادية القشرية (CGM؛ المادة الرمادية التي تستثني مناطق subcortical) من T1 المرجحة الرنين. هذه الأدوات كانت تستخدم سابقا في مقارنة منهجية لتجزئة أساليب2، الذي أظهر أداء متغير بين الأدوات المتعلقة فوج مرض هنتنغتون. منذ أداء هذه الأدوات يعتقد أن تختلف فيما بين مجموعات مختلفة من البيانات، من المهم للباحثين لاختبار عدد من الأدوات قبل اختيار واحد فقط لتطبيق مجموعة البيانات هذه.
حجم المادة الرمادية (جنرال موتورز) بانتظام كمقياس مورفولوجية الدماغ. التدابير الحجمي عموما موثوقة وقادرة على التمييز بين ضوابط صحية ومجموعات السريرية3. ويحسب حجم أنواع الأنسجة المختلفة من مناطق الدماغ في أغلب الأحيان باستخدام أدوات البرمجيات الآلي التي تقوم بتعريف أنواع الأنسجة هذه. وهكذا، لخلق حدوداً عالية الجودة (الانقسامات) الآلية العالمية، ترسيم دقيق للمسألة الأبيض (WM) والسائل الدماغي النخاعي (CSF) أمر حاسم في تحقيق دقة منطقة الآلية العالمية. وهناك عدد من الأدوات الآلية التي يمكن استخدامها للقيام بتجزئة الآلية العالمية، وبعضها يتطلب خطوات المعالجة مختلفة ويؤدي إخراج مختلفة. عدد من الدراسات بتطبيق الأدوات إلى مجموعات مختلفة لمقارنتها مع بعضها البعض، وبعض الأمثل أدوات محددة1،،من45،،من67،8 9، ،،من1011. العمل السابقة قد أثبتت أن تقلب بين أدوات الحجمي يمكن أن ينتج أوجه التضارب داخل الأدب عند دراسة حجم الدماغ، وقد اقترحت هذه الاختلافات كعوامل لاستنتاجات خاطئة حول القيادة 1من شروط العصبية.
في الآونة الأخيرة، تم إجراء مقارنة بين أدوات تجزئة مختلفة في مجموعة تشمل كلا من المشاركين مراقبة صحية والمشاركين مع مرض هنتنغتون. مرض هنتنغتون مرض الأعصاب وراثية مع بداية نموذجية في مرحلة البلوغ. ضمور تدريجي سوبكورتيكال والجمعية العمومية ميزة لاثيل بارزة ومدروسة للمرض. وأظهرت النتائج الأداء متغير من أدوات تجزئة السبعة التي تم تطبيقها للفوج، دعم الأعمال السابقة التي تبين التفاوت في النتائج اعتماداً على البرمجيات المستخدمة لحساب حجم الدماغ من الرنين. هذا البروتوكول يوفر معلومات حول المعالجة المستخدمة في جونسون et al. (2017) 2 أن تشجع الاختيار المنهجي الدقيق للأدوات الأكثر ملائمة للاستخدام في نيورويماجينج. هذا الدليل يشمل تجزئة وحدة التخزين الآلية العالمية، لكنه لا يشمل التجزئة الآفات، مثل تلك التي ظهرت في التصلب المتعدد.
Protocol
Representative Results
Discussion
في الآونة الأخيرة، قد أثبتت البحوث أن استخدام أساليب الحجمي المختلفة قد آثار هامة بالنسبة نيورويماجينج الدراسات1،2. قبل نشر البروتوكولات التي تساعد المستخدمين دليل المبتدئين في كيفية تطبيق أدوات neuroimaging مختلفة، فضلا عن كيفية تنفيذ مراقبة الجودة على إخراج ?…
Offenlegungen
The authors have nothing to disclose.
Acknowledgements
ونود أن نشكر جميع الذين في مؤسسة Q يعقدها/العليا المسؤولة عن دراسة المسار عالية الدقة؛ على وجه الخصوص، بيث بوروسكي توبين ألن، دانيال فإن كامين، الموقع إيثان والمزمن شيري. الكتاب أيضا أود أن أتقدم عن امتنانهم للمشاركين دراسة المسار عالية الدقة وأسرهم. تم الاضطلاع بهذا العمل في UCLH/UCL، الذي تلقي نسبة من التمويل من وزارة الصحة للمعهد الوطني “البحوث الطبية الحيوية البحوث المراكز الصحية” تمويل الخطة. S.J.T. تعترف بدعم من المعهد الوطني “البحوث الصحية” من خلال ديمينتياس وشبكة بحوث الأعصاب، DeNDRoN.
المحققين مسار عالية الدقة:
جيم كامبل، كامبل م.، لابوشاني أولاً، وجيم ملكمان، J. ستاوت، جامعة موناش، ملبورن، فيك، أستراليا؛ ألف كولمان، R. دار سانتوس، J. ديكولونجون، ب. ر. ليفيت، ستارك ألف، جامعة كولومبيا البريطانية، فانكوفر، كولومبيا البريطانية، كندا؛ ألف الدر، جيم جوفريت، دال خوستو، معهد س. ليهيريسي، جيم ماريلي، ك. نجود، ر. Valabrègue، ICM، باريس، فرنسا؛ Bechtel نون، بولن س، ر. ريلمان، جامعة مونستر، مونستر، ألمانيا؛ ب لاندويهرمير، جامعة أولم، أولم، ألمانيا؛ ج. س. ج. أ فإن دن بوجارد، هاء-م. دوماس، فإن دير جروند، ص أ ‘ ر هارت، رووس أ. ر.، والمركز الطبي بجامعة ليدن، ليدن، هولندا؛ نون مدنت، كالاغان J.، كراوفورد دال، جيم ستويفورد، جامعة مانشستر، مانشستر، المملكة المتحدة؛ د. م. النقدية، إيكسيكو، لندن، المملكة المتحدة؛ حاء كراوفورد، فوكس جيم نون، س. غريغوري، أوين زاي، هوبز. ز. ن.، لاهيري أ.، مالون أولاً، القراءة J.، يقول ج. م.، وايتهيد دال-، البرية هاء، كلية جامعة لندن، لندن، المملكة المتحدة؛ فروست جيم، ر. جونز، ومدرسة لندن للصحة والطب المداري، لندن، المملكة المتحدة؛ هاء أكسيلسون، H. J. جونسون، لانجبيهن دال، جامعة آيوا، IA، الولايات المتحدة؛ وس. كلير، جامعة جيم كامبل بولاية إنديانا في الولايات المتحدة.
Referenzen
- Katuwal, G. J., et al. Inter-Method Discrepancies in Brain Volume Estimation May Drive Inconsistent Findings in Autism. Frontiers in Neuroscience. 10, 439 (2016).
- Johnson, E. B., et al. Recommendations for the Use of Automated Gray Matter Segmentation Tools: Evidence from Huntington’s disease. Frontiers in Neurology. 8, 519 (2017).
- Schwarz, C. G., et al. A large-scale comparison of cortical thickness and volume methods for measuring Alzheimer’s disease severity. NeuroImage: Clinical. 11, 802-812 (2016).
- Clarkson, M. J., et al. A comparison of voxel and surface based cortical thickness estimation methods. NeuroImage. 57 (3), 856-865 (2011).
- Eggert, L. D., Sommer, J., Jansen, A., Kircher, T., Konrad, C. Accuracy and reliability of automated gray matter segmentation pathways on real and simulated structural magnetic resonance images of the human brain. Public Library of Science One. 7 (9), 45081 (2012).
- Fellhauer, I., et al. Comparison of automated brain segmentation using a brain phantom and patients with early Alzheimer’s dementia or mild cognitive impairment. Psychiatry Research. 233 (3), 299-305 (2015).
- Gronenschild, E. H. B. M., et al. The effects of FreeSurfer version, workstation type, and Macintosh operating system version on anatomical volume and cortical thickness measurements. Public Library of Science One. 7 (6), 38234 (2012).
- Iscan, Z., et al. Test-retest reliability of freesurfer measurements within and between sites: Effects of visual approval process. Human Brain Mapping. 36 (9), 3472-3485 (2015).
- Kazemi, K., Noorizadeh, N. Quantitative Comparison of SPM, FSL, and Brainsuite for Brain MR Image Segmentation. Journal of Biomedical Physics & Engineering. 4 (1), 13-26 (2014).
- Klauschen, F., Goldman, A., Barra, V., Meyer-Lindenberg, A., Lundervold, A. Evaluation of automated brain MR image segmentation and volumetry methods. Human Brain Mapping. 30 (4), 1310-1327 (2009).
- McCarthy, C. S., Ramprashad, A., Thompson, C., Botti, J. A., Coman, I. L., Kates, W. R. A comparison of FreeSurfer-generated data with and without manual intervention. Frontiers in Neuroscience. 9, (2015).
- Tohka, J. Partial volume effect modeling for segmentation and tissue classification of brain magnetic resonance images: A review. World Journal of Radiology. 6 (11), 855-864 (2014).
- Sled, J. G., Zijdenbos, A. P., Evans, A. C. A nonparametric method for automatic correction of intensity nonuniformity in MRI data. IEEE Transactions on Medical Imaging. 17, 87-97 (1998).
- Ashburner, J., Friston, K. J. Unified segmentation. NeuroImage. 26 (3), 839-851 (2005).
- Jenkinson, M., Beckmann, C., Behrens, T. E., Woolrich, M. W., Smith, S. M. FSL. NeuroImage. 62, 782-790 (2012).
- Dale, A. M., Fischl, B., Sereno, M. I. Cortical surface-based analysis. I. Segmentation and surface reconstruction. NeuroImage. 9, 179-194 (1999).
- Fischl, B., Sereno, M. I., Dale, A. M. Cortical surface-based analysis. II: Inflation, flattening, and a surface-based coordinate system. NeuroImage. 9, 195-207 (1999).
- Avants, B. B., Tustison, N. J., Wu, J., Cook, P. A., Gee, J. C. An open source multivariate framework for n-tissue segmentation with evaluation on public data. Neuroinformatics. 9 (4), 381-400 (2011).
- Ledig, C., et al. Robust whole-brain segmentation: application to traumatic brain injury. Medical Image Analysis. 21 (1), 40-58 (2015).
