A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging

Rebecca Kerestes; Shuo Han; Srinivas Balachander; Carlos Hernandez-Castillo; Jerry L. Prince; J&#246;rn Diedrichsen; Ian H. Harding

doi:10.3791/63340

JoVE Journal > Neuroscience

Please note that all translations are automatically generated. Click here for the English version.

신경과학

צינור מתוקנן לבחינת מורפומטריה של חומר אפור במוח הקטן האנושי באמצעות הדמיית תהודה מגנטית מבנית

Published: February 04, 2022

doi:

10.3791/63340

Rebecca Kerestes, Shuo Han, Srinivas Balachander, Carlos Hernandez-Castillo, Jerry L. Prince⁶, Jörn Diedrichsen, Ian H. Harding⁸

¹Department of Neuroscience, Central Clinical School,Monash University, ²Department of Biomedical Engineering,The Johns Hopkins University, ³Department of Psychiatry,National Institute of Mental Health & Neuro Sciences (NIMHANS), ⁴Faculty of Computer Science,Dalhousie University, ⁵Department of Electrical and Computer Engineering,The Johns Hopkins University, ⁶Department of Computer Science,The Johns Hopkins University, ⁷Brain and Mind Institute, Department for Statistical and Actuarial Sciences, Department for Computer Science,Western University, ⁸Monash Biomedical Imaging,Monash University

Summary

צינור מתוקנן מוצג לבחינת מורפומטריה של חומר אפור במוח הקטן. הצינור משלב גישות מתקדמות ברזולוציה גבוהה ומתקדמת לפרסלציה ממוטבת ואוטומטית של המוח הקטן ורישום מבוסס ווקסל של המוח הקטן לכימות נפחי.

Abstract

קווי מחקר מרובים מספקים ראיות משכנעות לתפקיד המוח הקטן במגוון רחב של פונקציות קוגניטיביות ורגשיות, החורגות בהרבה מהקשר ההיסטורי שלה עם שליטה מוטורית. מחקרים מבניים ותפקודיים של דימות מוחי חידדו עוד יותר את ההבנה של הנוירואנטומיה התפקודית של המוח הקטן מעבר לחלוקות האנטומיות שלו, והדגישו את הצורך בבדיקת יחידות משנה בודדות במוח הקטן בשונות בריאה ובמחלות נוירולוגיות. מאמר זה מציג צינור מתוקנן לבחינת מורפומטריית החומר האפור במוח הקטן המשלבת גישות ברזולוציה גבוהה ומתקדמת עבור פרצלציה ממוטבת ואוטומטית של המוח הקטן (פרצלציה אנטומית אוטומטית של המוח הקטן באמצעות U-Net אופטימיזציה מוגבלת מקומית; ACAPULCO) ורישום מבוסס voxel של המוח הקטן (תבנית אינפרא-טנטורית לא משוחדת באופן מרחבי; SUIT) לכימות נפחי.

לצינור יש ישימות רחבה למגוון מחלות נוירולוגיות והוא אוטומטי לחלוטין, עם התערבות ידנית הנדרשת רק לבקרת איכות של התפוקות. הצינור זמין באופן חופשי, עם תיעוד נלווה משמעותי, וניתן להפעיל אותו במערכות ההפעלה Mac, Windows ו- Linux. הצינור מיושם בקבוצה של אנשים עם אטקסיה פרידרייך (FRDA), ותוצאות מייצגות, כמו גם המלצות על ניתוחים סטטיסטיים שטותיים ברמת הקבוצה, מסופקים. צינור זה יכול להקל על אמינות ושחזור ברחבי השדה, ובסופו של דבר לספק גישה מתודולוגית רבת עוצמה לאפיון ומעקב אחר שינויים מבניים במוח הקטן במחלות נוירולוגיות.

Introduction

המוח הקטן הוא חלק מהמוח הקשור מבחינה היסטורית לשליטה מוטורית ^1,2,3 ונחשב כמעורב באופן אינטגרלי רק במערכת קטנה של מחלות נדירות, כגון אטקסיאס תורשתי⁴. עם זאת, קווי מחקר מתכנסים ממחקרי מעקב אנטומיים בפרימטים לא אנושיים, כמו גם מחקרי נגעים אנושיים וציורי מוח, מספקים ראיות משכנעות לתפקיד המוח הקטן במגוון רחב של ^5,6,7 קוגניטיביים, ^רגשיים ^8,9,10,11, ותפקודים אחרים שאינם מוטוריים ^7,12 (ראה⁶ לסקירה). יתר על כן, חריגות של המוח הקטן מעורבים יותר ויותר במגוון רחב של הפרעות נוירולוגיות ופסיכיאטריות, כולל מחלת פרקינסון¹³, מחלת אלצהיימר ^14,15, אפילפסיה ^16,17, סכיזופרניה¹⁸, והפרעת ספקטרום האוטיזם¹⁹ . לכן, זה הפך להיות חיוני כדי לשלב את המוח הקטן לתוך מודלים פונקציונליים ומבניים של מחלות מוח אנושיות ושונות התנהגותית נורמטיבית.

מבחינה אנטומית, ניתן לחלק את המוח הקטן לאורך צירו העליון עד נחות לשלוש אונות: קדמי, אחורי, ו flocculonodular. האונות מחולקות עוד יותר ל-10 אונות המצוינות בספרות רומיות I-X^20,21 (איור 1). המוח הקטן יכול להיות מקובץ גם לאזורי קו האמצע (vermis) ו לרוחב (חצי הכדור), אשר בהתאמה לקבל תשומות מחוט השדרה וקליפת המוח. האונה הקדמית, הכוללת אונות I-V, נקשרה באופן מסורתי לתהליכים מוטוריים ויש לה קשרים הדדיים עם קליפת המוח המוטורית²². האונה האחורית, הכוללת אונות VI-IX, קשורה בעיקר לתהליכים לא-מוטוריים¹¹ ויש לה קשרים הדדיים עם קליפת המוח הקדם-מצחית, הקודקוד האחורי וקליפת המוח הטמפורלית העליונה ^8,23. לבסוף, האונה flocculonodular, הכוללת אונה X, יש קשרים הדדיים עם גרעיני שיווי המשקל השולטים תנועות עיניים ושיווי משקל הגוף במהלך יציבה והליכה²¹.

גוף גדל והולך של עבודה לאחרונה באמצעות הדמיית מוח תפקודית יש הבנה מעודנת עוד יותר של neuroanatomy תפקודי של המוח הקטן מעבר החלוקות האנטומיות שלה. לדוגמה, טכניקות הדמיית תהודה מגנטית תפקודית במצב מנוחה (fMRI) שימשו למיפוי דפוס האינטראקציות התפקודיות בין המוח הקטן למוח הקטן²⁴. בנוסף, באמצעות גישת פרצלציה המבוססת על משימות, קינג ועמיתיו⁷ הדגימו כי המוח הקטן מראה דפוס עשיר ומורכב של התמחות פונקציונלית לרוחבו, המעיד על גבולות פונקציונליים ברורים הקשורים למגוון משימות מוטוריות, רגשיות, חברתיות וקוגניטיביות. באופן קולקטיבי, מחקרים אלה מדגישים את החשיבות של בחינת יחידות משנה של המוח הקטן הפרטני לפתח אפיונים ביולוגיים מלאים של מעורבות המוח הקטן הן בשוונות בריאה והן במחלות נוירולוגיות המאופיינת בשינויים במבנה המוח הקטן ו / או בתפקוד.

העבודה הנוכחית מתמקדת בשיטות לכימות שינויים מקומיים בנפח המוח הקטן באמצעות MRI מבני בבני אדם. באופן כללי, ישנן שתי גישות בסיסיות לכימות נפח המוח האזורי באמצעות נתוני MRI: פילוח מבוסס תכונות ורישום מבוסס voxel. גישות פילוח מבוססות תכונות משתמשות בציוני דרך אנטומיים ובאטלסים מתוקננים כדי לזהות באופן אוטומטי גבולות בין תתי-תחומים. חבילות תוכנה רגילות לפילוח כוללות FreeSurfer²⁵, BrainSuite²⁶ ו- FSL-FIRST²⁷. עם זאת, חבילות אלה מספקות רק פרצלציות גסות של המוח הקטן (למשל, תיוג כל החומר האפור והחומר הלבן כולו בכל חצי הכדור), ובכך משקיף על אונות המוח הקטן הבודדות. גישות אלה נוטות גם לפילוח שגוי, במיוחד הכללת יתר של כלי הדם שמסביב.

פותחו אלגוריתמים חדשים של למידת מכונה ותיוג רב-אטלס, המספקים פרצלציה מדויקת יותר ועדינה יותר של המוח הקטן, כולל סיווג אוטומטי של אלגוריתם אובולות המוח הקטן באמצעות אבולוציה רב-גבולותית משתמעת (ACCLAIM^28,29), ערכת כלים לניתוח מוחי (CATK³⁰), תבניות מרובות שנוצרו באופן אוטומטי (MAGeT³¹), פילוח אוטומטי מהיר של המוח הקטן האנושי והאוניות שלו (RASCAL³²), פילוח חתך גרף³³, ו פילוח המוח הקטן (CERES³⁴). במאמר שנערך לאחרונה המשווה בין גישות פרצלציה אוטומטיות לחלוטין של המוח הקטן, נמצא כי CERES2 משיג ביצועים טובים יותר מגישות אחרות ביחס לפילוח ידני בתקן זהב של אונות המוח הקטן³⁵. לאחרונה, האן ועמיתיו³⁶ פיתחו אלגוריתם למידה עמוקה בשם ACAPULCO (פרצלציה אנטומית אוטומטית של המוח הקטן באמצעות U-Net עם אופטימיזציה מוגבלת מקומית), אשר מבצעת בשווה עם CERES2, יש תחולת רחבה הן מוחץ בריא והן מנוון, זמין בקוד פתוח Docker ו פורמט מיכל סינגולריות עבור יישום ‘מחוץ למדף’, והוא יעיל יותר זמן מאשר גישות אחרות. ACAPULCO מפרקת באופן אוטומטי את המוח הקטן ל-28 אזורים אנטומיים.

בניגוד לפילוח מבוסס תכונות, גישות רישום מבוססות voxel פועלות על-ידי מיפוי מדויק של MRI לתמונת תבנית. כדי להשיג מיפוי זה, voxels בתמונה המקורית חייב להיות מעוות בגודל ובצורה. גודלו של עיוות זה מספק למעשה מידה של נפח בכל voxel ביחס לתבנית תקן הזהב. צורה זו של הערכה נפחית ידועה בשם ‘מורפומטריה מבוססת ^{ווקסל’37}. גישות רישום מבוססות voxel שלם במוח, כגון FSL-FLIRT³⁸/FNIRT³⁹, פילוח מאוחד SPM⁴⁰ ו- CAT12⁴¹, משמשות בדרך כלל למורפומטריה מבוססת ווקסל. עם זאת, גישות אלה אינן מסבירות היטב את המוח הקטן, וכתוצאה מכך אמינות ירודה ותוקף באזורים אינפרא-טראומטיים (המוח הקטן, גזע המוח⁴²). כדי להסביר מגבלות אלה, פותח אלגוריתם SUIT (תבנית אינפרא-עשרה לא משוחדת באופן מרחבי) כדי לייעל את רישום המוח הקטן ולשפר את הדיוק של מורפומטריה מבוססת voxel^42,43.

פילוח מבוסס תכונות וגישות רישום מבוססות ווקסל להערכת נפח המוח הקטן האזורי יש נקודות חוזק וחולשה בסיסיות. גישות פילוח מדויקות יותר באופן משמעותי לכימות נפח האזורים המוגדרים אנטומית (למשל, אונות³⁵). עם זאת, גבולות בין מודולים פונקציונליים ברורים של המוח הקטן אינם ממפים על פוליה אנטומית שלה סדקים (שווה ערך gyri ו sulci של המוח הקטן⁷). מכיוון שגישות מבוססות רישום אינן מוגבלות על ידי ציוני דרך אנטומיים, מסקנות מרחביות מגורענות עדינות יותר ומיפוי מבנה-פונקציה ממדי גבוה של המוח הקטן^{אפשריות 44}. יחד, גישות פילוח ורישום משלימות זו את זו וניתן להשתמש בהן כדי לענות על שאלות מחקר שונות.

כאן מוצג צינור מתוקנן חדש, המשלב גישות קיימות ומאומתות אלה כדי לספק פרצלציה ממוטבת ואוטומטית (ACAPULCO) ורישום מבוסס voxel של המוח הקטן (SUIT) לכימות נפחי (איור 2). הצינור מתבסס על הגישות שנקבעו כך שיכללו פרוטוקולי בקרת איכות, תוך שימוש בהדמיה איכותית וזיהוי חריג כמותי, ושיטה מהירה להשגת הערכה של נפח תוך גולגולתי (ICV) באמצעות Freesurfer. הצינור אוטומטי לחלוטין, עם התערבות ידנית הנדרשת רק לבדיקת יציאות בקרת האיכות, וניתן להפעיל אותו במערכות ההפעלה Mac, Windows ו- Linux. הצינור זמין באופן חופשי ללא הגבלות על השימוש בו למטרות לא מסחריות וניתן לגשת אליו מדף האינטרנט של פרוטוקולי הדמיה של קונסורציום ENIGMA (תחת “צינור נפחיות ENIGMA Cerebellum”), לאחר השלמת טופס רישום קצר⁴⁵.

כל התוכנות הנדרשות מופיעות בטבלת החומרים, וערכות לימוד מפורטות, כולל הדגמה חיה, זמינות עם הורדת הצינור, בנוסף לפרוטוקול המתואר להלן. לבסוף, תוצאות מייצגות מסופקות, החל מיישום הצינור בקבוצה של אנשים עם אטקסיה פרידרייך (FRDA) ובקרות בריאות המותאמות לגיל ומין, לצד המלצות לניתוחים סטטיסטיים סטטיסטיים ברמה קבוצתית.

Protocol

הערה: הנתונים המשמשים במחקר זה היו חלק מפרויקט שאושר על ידי ועדת האתיקה של אוניברסיטת מונאש למחקר אנושי (פרויקט 7810). המשתתפים סיפקו הסכמה מדעת בכתב. בעוד הצינור יכול להיות מופעל על Mac, Windows, או לינוקס מערכות הפעלה, ACAPULCO, SUIT, ואת צינורות QC נבדקו במפורש על לינוקס (אובונטו) ומק (קטלינה, ביג סור v11.0.1…

Representative Results

פרצלציה במוח הקטן (אקפולקו) בקרת איכות של מסכות מחולקות למחלת המוח הקטן:הדוגמאות הבאות מדגימות את התפוקות המחולקות של ACAPULCO ומנחות את קבלת ההחלטות על א) את איכות המסכה המחולקת ברמה הבודדת ו- b) לאחר מכן הכללה או אי הכללה של אונות מסוים מהניתוחים הסטטיסטיים…

Discussion

המוח הקטן הוא קריטי למגוון רחב של מנוע אנושי³, קוגניטיבי⁵⁸,^{רגשי 10}, ושפה ^7,59 פונקציות והוא מעורב במחלות נוירולוגיות ופסיכיאטריות רבות. הזמינות של גישה סטנדרטית וקלה ליישום לכימות של כרכים מוחיים אזוריים תתרום למיפוי מפו?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

העבודה המוצגת בכתב יד זה מומנה על ידי מענק רעיונות של המועצה הלאומית האוסטרלית לבריאות ולמחקר רפואי (NHMRC): APP1184403.

Materials

ACAPULCO pipeline files	0.2.1	http://enigma.ini.usc.edu/protocols/imaging-protocols/	Please make sure to use acapulco version 0.2.1
Docker for Mac		https://docs.docker.com/desktop/mac/install/	macOS must be version 10.14 or newer Docker requires sudo priviledges Docker imposes a memory (RAM) constraint on Mac OS. To increase the RAM, open Docker Desktop, go to Preferences and click on resources. Increase the Memory to the maximum
Docker for Windows		https://docs.docker.com/docker-for-windows/install/
ENIGMA SUIT scripts		http://enigma.ini.usc.edu/protocols/imaging-protocols/
FreeSurfer	7	https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall	Following variables need to be set everytime you work with Freesurfer: export FREESURFER_HOME=freesurfer _installation_directory source $FREESURFER_HOME/SetUpFreeSurfer.sh
			export SUBJECTS_DIR=path/enigma/Freesurfer
FSL (for FSLeyes). Optional	6	https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FslInstallation
ICV pipeline files		http://enigma.ini.usc.edu/protocols/imaging-protocols/	ICV pipeline can be run in two ways: 1) with docker/singularity. You will not require additionl software; 2) without docker/singularity- this involves running the ICV script (calculate_icv.py) manually. You will require the following additional software: Python version =3.5 Python module pandas Python module fire Python module tabulate Python module Colorama
		https://github.com/Characterisation-Virtual-Laboratory/calculate_icv
MATLAB*	2019 or newer	https://au.mathworks.com/	An academic license is required
Singularity	3.7 or newer	https://www.sylabs.io/docs/	Prefered for high performance computing (HPC) clusters
SPM	12	http://www.fil.ion.ucl.ac.uk/spm/software/spm12/	Make sure spm12 and all subfolders are in your MATLAB path
SUIT Toolbox	3.4	http://www.diedrichsenlab.org/imaging/suit_download.htm	Make sure you place SUIT toolbox in spm12/toolbox directory
Troubleshooting manual and segmentation output examples		http://enigma.ini.usc.edu/protocols/imaging-protocols/
Tutorial manual and video		http://enigma.ini.usc.edu/protocols/imaging-protocols/	Manual and accompanying live demonstration provide detailed step-by-step instructions on how to run the pipeline from start to finish.
*Not freely available; an academic license is required

References

Holmes, G. The cerebellum of man (Hughlings Jackson memorial lecture). Brain. 62, 1-30 (1939).
Ito, M. The modifiable neuronal network of the cerebellum. The Japanese Journal of Physiology. 34 (5), 781-792 (1984).
Manto, M., Oulad Ben Taib, N. The contributions of the cerebellum in sensorimotor control: what are the prevailing opinions which will guide forthcoming studies. Cerebellum. 12 (3), 313-315 (2013).
Manto, M., Gandini, J., Feil, K., Strupp, M. Cerebellar ataxias: an update. Current Opinion in Neurology. 33 (1), 150-160 (2020).
Schmahmann, J. D. Disorders of the cerebellum: ataxia, dysmetria of thought, and the cerebellar cognitive affective syndrome. The Journal of Neuropsychiatry and Clinical Neurosciences. 16 (3), 367-378 (2004).
Strick, P. L., Dum, R. P., Fiez, J. A. Cerebellum and nonmotor function. Annual Review of Neuroscience. 32, 413-434 (2009).
King, M., Hernandez-Castillo, C. R., Poldrack, R. A., Ivry, R. B., Diedrichsen, J. Functional boundaries in the human cerebellum revealed by a multi-domain task battery. Nature Neuroscience. 22 (8), 1371-1378 (2019).
Schmahmann, J. D. An emerging concept. The cerebellar contribution to higher function. Archives of Neurology. 48 (11), 1178-1187 (1991).
Schmahmann, J. D., Sherman, J. C. The cerebellar cognitive affective syndrome. Brain. 121, 561-579 (1998).
Schutter, D. J., van Honk, J. The cerebellum on the rise in human emotion. Cerebellum. 4 (4), 290-294 (2005).
Stoodley, C. J., Schmahmann, J. D. Functional topography in the human cerebellum: a meta-analysis of neuroimaging studies. Neuroimage. 44 (2), 489-501 (2009).
Guell, X., Gabrieli, J. D. E., Schmahmann, J. D. Triple representation of language, working memory, social and emotion processing in the cerebellum: convergent evidence from task and seed-based resting-state fMRI analyses in a single large cohort. Neuroimage. 172, 437-449 (2018).
Lewis, M. M., et al. The role of the cerebellum in the pathophysiology of Parkinson’s disease. The Canadian Journal of Neurological Sciences. 40 (3), 299-306 (2013).
Möller, C., et al. Different patterns of gray matter atrophy in early- and late-onset Alzheimer’s disease. Neurobiology of Aging. 34 (8), 2014-2022 (2013).
Colloby, S. J., O’Brien, J. T., Taylor, J. P. Patterns of cerebellar volume loss in dementia with Lewy bodies and Alzheimer׳s disease: A VBM-DARTEL study. Psychiatry Research. 223 (3), 187-191 (2014).
McDonald, C. R., et al. Subcortical and cerebellar atrophy in mesial temporal lobe epilepsy revealed by automatic segmentation. Epilepsy Research. 79 (2-3), 130-138 (2008).
Marcián, V., et al. Morphological changes of cerebellar substructures in temporal lobe epilepsy: A complex phenomenon, not mere atrophy. Seizure. 54, 51-57 (2018).
Nopoulos, P. C., Ceilley, J. W., Gailis, E. A., Andreasen, N. C. An MRI study of cerebellar vermis morphology in patients with schizophrenia: evidence in support of the cognitive dysmetria concept. Biological Psychiatry. 46 (5), 703-711 (1999).
Stoodley, C. J. Distinct regions of the cerebellum show gray matter decreases in autism, ADHD, and developmental dyslexia. Frontiers in Systems Neuroscience. 8, 92 (2014).
Larsell, O. The development of the cerebellum in man in relation to its comparative anatomy. The Journal of Comparative Neurology. 87 (2), 85-129 (1947).
Haines, D. E., Mihailoff, G. A. The Cerebellum. Fundamental neuroscience for basic and clinical applications. 5th edn. , 394-412 (2018).
Kelly, R. M., Strick, P. L. Cerebellar loops with motor cortex and prefrontal cortex of a nonhuman primate. Journal of Neuroscience. 23 (23), 8432-8444 (2003).
Schmahmann, J. D., Pandya, D. N. Anatomical investigation of projections to the basis pontis from posterior parietal association cortices in rhesus monkey. The Journal of Comparative Neurology. 289 (1), 53-73 (1989).
Buckner, R. L., Krienen, F. M., Castellanos, A., Diaz, J. C., Yeo, B. T. The organization of the human cerebellum estimated by intrinsic functional connectivity. Journal of Neurophysiology. 106 (5), 2322-2345 (2011).
Fischl, B. FreeSurfer. Neuroimage. 62 (2), 774-781 (2012).
Shattuck, D. W., Leahy, R. M. BrainSuite: an automated cortical surface identification tool. Medical Image Analysis. 6 (2), 129-142 (2002).
Patenaude, B., Smith, S. M., Kennedy, D. N., Jenkinson, M. A Bayesian model of shape and appearance for subcortical brain segmentation. Neuroimage. 56 (3), 907-922 (2011).
Bogovic, J. A., Bazin, P. L., Ying, S. H., Prince, J. L. Automated segmentation of the cerebellar lobules using boundary specific classification and evolution. Information Processing in Medical Imaging. 23, 62-73 (2013).
Bogovic, J. A., Prince, J. L., Bazin, P. L. A Multiple object geometric deformable model for image segmentation. Computer Vision and Image Understanding: CVIU. 117 (2), 145-157 (2013).
Price, M., Cardenas, V. A., Fein, G. Automated MRI cerebellar size measurements using active appearance modeling. Neuroimage. 103, 511-521 (2014).
Chakravarty, M. M., et al. Performing label-fusion-based segmentation using multiple automatically generated templates. Humain Brain Mapping. 34 (10), 2635-2654 (2013).
Weier, K., Fonov, V., Lavoie, K., Doyon, J., Collins, D. L. Rapid automatic segmentation of the human cerebellum and its lobules (RASCAL)–implementation and application of the patch-based label-fusion technique with a template library to segment the human cerebellum. Human Brain Mapping. 35 (10), 5026-5039 (2014).
Yang, Z., et al. Automated cerebellar lobule segmentation with application to cerebellar structural analysis in cerebellar disease. Neuroimage. 127, 435-444 (2016).
Romero, J. E., et al. CERES: A new cerebellum lobule segmentation method. Neuroimage. 147, 916-924 (2017).
Carass, A., et al. Comparing fully automated state-of-the-art cerebellum parcellation from magnetic resonance images. Neuroimage. 183, 150-172 (2018).
Han, S., Carass, A., He, Y., Prince, J. L. Automatic cerebellum anatomical parcellation using U-Net with locally constrained optimization. Neuroimage. 218, 116819 (2020).
Ashburner, J., Friston, K. J. Voxel-based morphometry–the methods. Neuroimage. 11 (6), 805-821 (2000).
Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Medical Image Analysis. 5 (2), 143-156 (2001).
Andersson, J., Jenkinson, M., Smith, S. . Non-linear registration, aka spatial normalisation. Report No. TR07JA2. , (2010).
Ashburner, J., Friston, K. J. Unified segmentation. Neuroimage. 26 (3), 839-851 (2005).
Dahnke, R., Yotter, R. A., Gaser, C. Cortical thickness and central surface estimation. Neuroimage. 65, 336-348 (2013).
Diedrichsen, J. A spatially unbiased atlas template of the human cerebellum. Neuroimage. 33 (1), 127-138 (2006).
Diedrichsen, J., Balsters, J. H., Flavell, J., Cussans, E., Ramnani, N. A probabilistic MR atlas of the human cerebellum. Neuroimage. 46, 39-46 (2009).
Harding, I. H., et al. Brain structure and degeneration staging in Friedreich ataxia: Magnetic resonance imaging volumetrics from the ENIGMA-Ataxia Working Group. Annals of Neurology. 90 (4), 570-583 (2021).
MRIQC. Poldrack Lab, Stanford University Available from: https://mriqc.readthedocs.io/en/stable/ (2020)
dcm2niix. Rorden Lab, University of South Carolina Available from: https://github.com/rordenlab/dcm2niix (2021)
. Docker Available from: https://docs.docker.com/ (2021)
Singularity. Sylabs Available from: https://sylabs.io/singularity (2021)
MATLAB. The MathWorks, Inc Available from: https://au.mathworks.com/ (2021)
Statistical parametric mapping SPM12. The Wellcome Centre for Human Neuroimaging Available from: https://www.fil.ion.ucl.ac.uk/spm/software/spm12/ (2020)
. FreeSurfer download and install Available from: https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall (2020)
Selvadurai, L. P., et al. Cerebral and cerebellar grey matter atrophy in Friedreich ataxia: the IMAGE-FRDA study. Journal of Neurology. 263 (11), 2215-2223 (2016).
Schmahmann, J. D. The cerebellum and cognition. Neuroscience Letters. 688, 62-75 (2019).
Diedrichsen, J., Zotow, E. Surface-based display of volume-averaged cerebellar imaging data. PLoS One. 10 (7), 0133402 (2015).
Gottwald, B., Mihajlovic, Z., Wilde, B., Mehdorn, H. M. Does the cerebellum contribute to specific aspects of attention. Neuropsychologia. 41 (11), 1452-1460 (2003).
Starowicz-Filip, A., et al. The role of the cerebellum in the regulation of language functions. Psychiatria Polska. 51 (4), 661-671 (2017).
Guell, X., Schmahmann, J. D., Gabrieli, J., Ghosh, S. S. Functional gradients of the cerebellum. Elife. 7, 36652 (2018).

Play Video

PDF

DOI

DOWNLOAD MATERIALS LIST

Cite This Article

Kerestes, R., Han, S., Balachander, S., Hernandez-Castillo, C., Prince, J. L., Diedrichsen, J., Harding, I. H. A Standardized Pipeline for Examining Human Cerebellar Grey Matter Morphometry using Structural Magnetic Resonance Imaging. J. Vis. Exp. (180), e63340, doi:10.3791/63340 (2022).