JoVE Journal > Neuroscience
Summary
Abstract
Introduction
Protocol
Resultados
Discussion
Declarações
Acknowledgements
Materials
Referências
Tadução automática
Please note that all translations are automatically generated. Click here for the English version.
Neurociência

خط أنابيب موحد لفحص مورفومتر المادة الرمادية المخيخية البشرية باستخدام التصوير بالرنين المغناطيسي الهيكلي

Published: February 04, 2022
doi:
10.3791/63340
, , , , , ,
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

يتم تقديم خط أنابيب موحد لفحص مورفومتريا المادة الرمادية المخيخية. يجمع خط الأنابيب بين الأساليب الحديثة عالية الدقة لتحسين وأتمتة تقسيم المخيخ والتسجيل القائم على الفوكسل للمخيخ من أجل القياس الكمي الحجمي.

Abstract

توفر خطوط متعددة من الأبحاث أدلة دامغة على دور المخيخ في مجموعة واسعة من الوظائف المعرفية والعاطفية ، والتي تتجاوز بكثير ارتباطها التاريخي بالتحكم الحركي. وقد زادت دراسات التصوير العصبي الهيكلية والوظيفية من تحسين فهم التشريح العصبي الوظيفي للمخيخ بما يتجاوز تقسيماته التشريحية ، مما يسلط الضوء على الحاجة إلى فحص الوحدات الفرعية المخيخية الفردية في التباين الصحي والأمراض العصبية. تقدم هذه الورقة خط أنابيب موحدا لفحص قياس المادة الرمادية المخيخية الذي يجمع بين النهج عالية الدقة والحديثة لتقسيم المخيخ الأمثل والآلي (التقسيم التشريحي التلقائي للمخيخ باستخدام U-Net Limited Optimization; ACAPULCO) والتسجيل القائم على voxel للمخيخ (قالب تحت الأرض غير متحيز مكانيا; SUIT) للقياس الكمي الحجمي.

وينطبق خط الأنابيب على نطاق واسع على مجموعة من الأمراض العصبية وهو مؤتمت بالكامل، مع التدخل اليدوي المطلوب فقط لمراقبة جودة المخرجات. خط الأنابيب متاح مجانا ، مع وثائق مصاحبة كبيرة ، ويمكن تشغيله على أنظمة التشغيل Mac و Windows و Linux. يتم تطبيق خط الأنابيب في مجموعة من الأفراد المصابين برنح فريدريش (FRDA) ، ويتم تقديم نتائج تمثيلية ، بالإضافة إلى توصيات بشأن التحليلات الإحصائية الاستدلالية على مستوى المجموعة. يمكن أن يسهل خط الأنابيب هذا الموثوقية والتكرار عبر الميدان ، مما يوفر في نهاية المطاف نهجا منهجيا قويا لتوصيف وتتبع التغيرات الهيكلية المخيخية في الأمراض العصبية.

Introduction

المخيخ هو جزء من الدماغ يرتبط تاريخيا بالتحكم الحركي1،2،3 ويعتقد أنه يشارك بشكل متكامل في مجموعة صغيرة فقط من الأمراض النادرة ، مثل الرنح الموروث4. ومع ذلك ، فإن الخطوط المتقاربة للبحوث من دراسات التتبع التشريحي في الرئيسيات غير البشرية ، وكذلك دراسات الآفات البشرية والتصوير العصبي ، توفر أدلة دامغة على دور المخيخ في مجموعة واسعة من المعرفي5،6،7 ، والعاطفي8،9،10،11 ، وغيرها من الوظائف غير الحركية 7،12 (انظر 6  للمراجعة). علاوة على ذلك ، فإن تشوهات المخيخ متورطة بشكل متزايد في مجموعة واسعة من الاضطرابات العصبية والنفسية ، بما في ذلك مرض باركنسون13 ، ومرض الزهايمر 14،15 ، والصرع 16،17 ، والفصام 18 ، واضطراب طيف التوحد 19 . لذلك ، أصبح من الضروري دمج المخيخ في النماذج الوظيفية والهيكلية لأمراض الدماغ البشري والتباين السلوكي المعياري.

تشريحيا ، يمكن تقسيم المخيخ على طول محوره العلوي إلى المحور السفلي إلى ثلاثة فصوص: الأمامي والخلفي والفلوكولونودول. تنقسم الفصوص أيضا إلى 10 فصيصات يشار إليها بالأرقام الرومانية I-X20,21 (الشكل 1). يمكن أيضا تجميع المخيخ في مناطق خط الوسط (vermis) والجانبية (نصف الكرة الأرضية) ، والتي تتلقى على التوالي مدخلات من الحبل الشوكي والقشرة الدماغية. الفص الأمامي ، الذي يتكون من الفصيصات I-V ، ارتبط تقليديا بالعمليات الحركية وله روابط متبادلة مع القشرة الحركية الدماغية22. يرتبط الفص الخلفي ، الذي يتكون من الفصيصات VI-IX ، في المقام الأول بالعمليات غير الحركية11 وله روابط متبادلة مع قشرة الفص الجبهي ، والجدارية الخلفية ، والقشرة الدماغية الصدغية العليا 8,23. وأخيرا ، فإن الفص اللبد ، الذي يضم الفص اللصيص X ، له روابط متبادلة مع النوى الدهليزية التي تحكم حركات العين وتوازن الجسم أثناء الوقوف والمشي21.

أدت مجموعة متزايدة من الأعمال الحديثة باستخدام التصوير العصبي الوظيفي إلى تحسين فهم التشريح العصبي الوظيفي للمخيخ بما يتجاوز أقسامه التشريحية. على سبيل المثال ، تم استخدام تقنيات التصوير بالرنين المغناطيسي الوظيفي لحالة الراحة (fMRI) لرسم خريطة لنمط التفاعلات الوظيفية بين المخيخ والدماغ24. بالإضافة إلى ذلك ، باستخدام نهج التقسيم القائم على المهام ، أظهر كينغ وزملاؤه7 أن المخيخ يظهر نمطا غنيا ومعقدا من التخصص الوظيفي عبر اتساعه ، كما يتضح من الحدود الوظيفية المتميزة المرتبطة بمجموعة متنوعة من المهام الحركية والعاطفية والاجتماعية والمعرفية. وتسلط هذه الدراسات مجتمعة الضوء على أهمية فحص الوحدات الفرعية المخيخية الفردية لتطوير توصيفات بيولوجية كاملة لمشاركة المخيخ في كل من التباين الصحي والأمراض العصبية التي تتميز بتغيرات في بنية المخيخ و/أو وظيفته.

يركز هذا العمل على طرق قياس التغيرات المحلية في حجم المخيخ باستخدام التصوير بالرنين المغناطيسي الهيكلي في البشر. بشكل عام ، هناك طريقتان أساسيتان لتحديد حجم الدماغ الإقليمي باستخدام بيانات التصوير بالرنين المغناطيسي: التجزئة القائمة على الميزات والتسجيل القائم على voxel. وتستخدم نهج التجزئة القائمة على الميزات المعالم التشريحية والأطالس الموحدة لتحديد الحدود بين المناطق دون الإقليمية تلقائيا. تشمل حزم البرامج الرئيسية للتجزئة FreeSurfer 25 و BrainSuite26 و FSL-FIRST27. ومع ذلك ، فإن هذه الحزم لا توفر سوى أجزاء خشنة من المخيخ (على سبيل المثال ، وضع علامات على المادة الرمادية بأكملها والمادة البيضاء بأكملها في كل نصف كرة أرضية) ، وبالتالي تغفل الفصيصات المخيخية الفردية. هذه الأساليب عرضة أيضا لسوء التقسيم ، وخاصة الإفراط في إدراج الأوعية الدموية المحيطة.

تم تطوير خوارزميات جديدة للتعلم الآلي ووضع العلامات متعددة الأطلس ، والتي توفر تقسيما أكثر دقة ودقة للمخيخ ، بما في ذلك التصنيف التلقائي لخوارزمية الفصيصات المخيخية باستخدام التطور الضمني متعدد الحدود (ACCLAIM28,29) ، ومجموعة أدوات تحليل المخيخ (CATK 30) ، والقوالب المتعددة التي يتم إنشاؤها تلقائيا (MAGeT 31) ، والتقسيم التلقائي السريع للمخيخ البشري وفصيصاته (RASCAL 32 )، تجزئة الرسم البياني33، وتجزئة CEREbellum (CERES34). في ورقة بحثية حديثة تقارن بين أحدث أساليب تقسيم المخيخ المؤتمتة بالكامل ، وجد أن CERES2 يتفوق على النهج الأخرى المتعلقة بالتقسيم اليدوي القياسي الذهبي لفصيصات المخيخ35. في الآونة الأخيرة ، طور هان وزملاؤه36 خوارزمية للتعلم العميق تسمى ACAPULCO (التقسيم التشريحي التلقائي للمخيخ باستخدام U-Net مع التحسين المقيد محليا) ، والتي تعمل على قدم المساواة مع CERES2 ، ولها قابلية تطبيق واسعة على كل من المخيخ الصحي والضموري ، وهي متوفرة في تنسيق حاوية Docker و Singularity مفتوح المصدر للتنفيذ “الجاهز” ، وهي أكثر كفاءة من حيث الوقت من الأساليب الأخرى. تقوم أكابولكو تلقائيا بتقسيم المخيخ إلى 28 منطقة تشريحية.

على النقيض من التجزئة القائمة على الميزات ، تعمل مناهج التسجيل القائمة على voxel عن طريق تعيين التصوير بالرنين المغناطيسي بدقة إلى صورة قالب. لتحقيق هذا التعيين ، يجب تشويه voxels في الصورة الأصلية في الحجم والشكل. يوفر حجم هذا التشويه بشكل فعال مقياسا للحجم في كل فوكسل بالنسبة للقالب القياسي الذهبي. يعرف هذا النوع من التقييم الحجمي باسم “morphometry القائم على voxel”37. تستخدم أساليب التسجيل القائمة على فوكسل الدماغ بالكامل ، مثل FSL-FLIRT38 / FNIRT39 ، وتجزئة SPM الموحدة40 ، و CAT1241 ، بشكل شائع في المورفومترية القائمة على الفوكسل. ومع ذلك ، فإن هذه الأساليب لا تأخذ في الاعتبار بشكل جيد المخيخ ، مما يؤدي إلى ضعف الموثوقية والصلاحية في المناطق تحت الحمراء (المخيخ ، جذع الدماغ42). لحساب هذه القيود ، تم تطوير خوارزمية SUIT (قالب تحت منحاز مكانيا) لتحسين تسجيل المخيخ وتحسين دقة مورفومتريا القائم على فوكسل42,43.

وتنطوي نهج التقسيم القائمة على الميزات ونهج التسجيل القائمة على الفوكسل لتقدير حجم المخيخ الإقليمي على نقاط قوة وضعف أساسية. تعتبر مناهج التجزئة أكثر دقة بكثير لتحديد حجم المناطق المحددة تشريحيا (على سبيل المثال ، الفصيصات35). ومع ذلك ، فإن الحدود بين الوحدات الوظيفية المتميزة للمخيخ لا ترسم خريطة على folia التشريحية والشقوق (أي ما يعادل gyri و sulci من الدماغ7). وبما أن النهج القائمة على التسجيل ليست مقيدة بالمعالم التشريحية، فإن الاستدلال المكاني الأكثر دقة ورسم خرائط وظيفة البنية عالية الأبعاد للمخيخ أمر ممكن44. إذا أخذنا نهج التقسيم والتسجيل معا ، فإنهما مكملان لبعضهما البعض ويمكن استخدامهما للإجابة على أسئلة البحث المختلفة.

هنا ، يتم تقديم خط أنابيب موحد جديد ، والذي يدمج هذه النهج الحالية التي تم التحقق من صحتها لتوفير التقسيم الأمثل والآلي (ACAPULCO) والتسجيل القائم على الفوكسل للمخيخ (SUIT) للقياس الكمي الحجمي (الشكل 2). يعتمد خط الأنابيب على النهج المعمول بها لتشمل بروتوكولات مراقبة الجودة ، باستخدام التصور النوعي والكشف الكمي عن القيم المتطرفة ، وطريقة سريعة للحصول على تقدير للحجم داخل الجمجمة (ICV) باستخدام Freesurfer. خط الأنابيب مؤتمت بالكامل ، مع التدخل اليدوي المطلوب فقط للتحقق من مخرجات مراقبة الجودة ، ويمكن تشغيله على أنظمة التشغيل Mac و Windows و Linux. خط الأنابيب متاح مجانا دون أي قيود على استخدامه لأغراض غير تجارية ويمكن الوصول إليه من صفحة الويب الخاصة ببروتوكولات التصوير ENIGMA Consortium (تحت عنوان “ENIGMA Cerebellum Volumetrics Pipeline”) ، بعد الانتهاء من نموذج تسجيل موجز45.

يتم سرد جميع البرامج المطلوبة في جدول المواد ، وتتوفر برامج تعليمية مفصلة ، بما في ذلك عرض توضيحي مباشر ، عند تنزيل خط الأنابيب ، بالإضافة إلى البروتوكول الموضح أدناه. وأخيرا، يتم تقديم نتائج تمثيلية، من تنفيذ خط الأنابيب في مجموعة من الأشخاص المصابين برنح فريدريش (FRDA) والضوابط الصحية المطابقة للعمر والجنس، إلى جانب توصيات للتحليلات الاستدلالية الإحصائية على مستوى المجموعة.

Protocol

ملاحظة: كانت البيانات المستخدمة في هذه الدراسة جزءا من مشروع وافقت عليه لجنة أخلاقيات البحوث البشرية بجامعة موناش (المشروع 7810). وقدم المشاركون موافقة خطية مستنيرة. في حين يمكن تشغيل خط الأنابيب على أنظمة تشغيل Mac أو Windows أو Linux ، فقد تم اختبار خطوط أنابيب ACAPULCO و SUIT و QC صراحة على أنظمة تشغيل Linu…

Representative Results

تقسيم المخيخ (ACAPULCO) مراقبة جودة الأقنعة المخيخية المجزأة:توضح الأمثلة التالية المخرجات المقسمة إلى ACAPULCO وتوجه عملية صنع القرار حول أ) جودة القناع المجزأ على المستوى الفردي و ب) الإدراج أو الاستبعاد اللاحق لفصيص (فصوص) معين من التحليلات الإحصائية. وفي نه?…

Discussion

المخيخ أمر بالغ الأهمية لمجموعة واسعة من الوظائف الحركية البشرية3 ، المعرفية 58 ، العاطفية10 ، واللغة 7,59 ومتورطة في العديد من الأمراض العصبية والنفسية. إن توافر نهج موحد وسهل التنفيذ لتحديد حجم المخيخ الإقليمي سيسهم في …

Declarações

The authors have nothing to disclose.

Acknowledgements

تم تمويل العمل المقدم في هذه المخطوطة من قبل منحة أفكار المجلس الوطني الأسترالي للصحة والبحوث الطبية (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=equationfreesurfer _installation_directoryequation
source $FREESURFER_HOME/SetUpFreeSurfer.sh
export SUBJECTS_DIR=equationpathequation/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 equation=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
DOWNLOAD MATERIALS LIST

Referências

  1. Holmes, G. The cerebellum of man (Hughlings Jackson memorial lecture). Brain. 62, 1-30 (1939).
  2. Ito, M. The modifiable neuronal network of the cerebellum. The Japanese Journal of Physiology. 34 (5), 781-792 (1984).
  3. 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).
  4. Manto, M., Gandini, J., Feil, K., Strupp, M. Cerebellar ataxias: an update. Current Opinion in Neurology. 33 (1), 150-160 (2020).
  5. 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).
  6. Strick, P. L., Dum, R. P., Fiez, J. A. Cerebellum and nonmotor function. Annual Review of Neuroscience. 32, 413-434 (2009).
  7. 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).
  8. Schmahmann, J. D. An emerging concept. The cerebellar contribution to higher function. Archives of Neurology. 48 (11), 1178-1187 (1991).
  9. Schmahmann, J. D., Sherman, J. C. The cerebellar cognitive affective syndrome. Brain. 121, 561-579 (1998).
  10. Schutter, D. J., van Honk, J. The cerebellum on the rise in human emotion. Cerebellum. 4 (4), 290-294 (2005).
  11. Stoodley, C. J., Schmahmann, J. D. Functional topography in the human cerebellum: a meta-analysis of neuroimaging studies. Neuroimage. 44 (2), 489-501 (2009).
  12. 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).
  13. 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).
  14. 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).
  15. 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).
  16. 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).
  17. Marcián, V., et al. Morphological changes of cerebellar substructures in temporal lobe epilepsy: A complex phenomenon, not mere atrophy. Seizure. 54, 51-57 (2018).
  18. 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).
  19. 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).
  20. 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).
  21. Haines, D. E., Mihailoff, G. A. The Cerebellum. Fundamental neuroscience for basic and clinical applications. 5th edn. , 394-412 (2018).
  22. 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).
  23. 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).
  24. 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).
  25. Fischl, B. FreeSurfer. Neuroimage. 62 (2), 774-781 (2012).
  26. Shattuck, D. W., Leahy, R. M. BrainSuite: an automated cortical surface identification tool. Medical Image Analysis. 6 (2), 129-142 (2002).
  27. 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).
  28. 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).
  29. 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).
  30. Price, M., Cardenas, V. A., Fein, G. Automated MRI cerebellar size measurements using active appearance modeling. Neuroimage. 103, 511-521 (2014).
  31. Chakravarty, M. M., et al. Performing label-fusion-based segmentation using multiple automatically generated templates. Humain Brain Mapping. 34 (10), 2635-2654 (2013).
  32. 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).
  33. Yang, Z., et al. Automated cerebellar lobule segmentation with application to cerebellar structural analysis in cerebellar disease. Neuroimage. 127, 435-444 (2016).
  34. Romero, J. E., et al. CERES: A new cerebellum lobule segmentation method. Neuroimage. 147, 916-924 (2017).
  35. Carass, A., et al. Comparing fully automated state-of-the-art cerebellum parcellation from magnetic resonance images. Neuroimage. 183, 150-172 (2018).
  36. Han, S., Carass, A., He, Y., Prince, J. L. Automatic cerebellum anatomical parcellation using U-Net with locally constrained optimization. Neuroimage. 218, 116819 (2020).
  37. Ashburner, J., Friston, K. J. Voxel-based morphometry–the methods. Neuroimage. 11 (6), 805-821 (2000).
  38. Jenkinson, M., Smith, S. A global optimisation method for robust affine registration of brain images. Medical Image Analysis. 5 (2), 143-156 (2001).
  39. Andersson, J., Jenkinson, M., Smith, S. . Non-linear registration, aka spatial normalisation. Report No. TR07JA2. , (2010).
  40. Ashburner, J., Friston, K. J. Unified segmentation. Neuroimage. 26 (3), 839-851 (2005).
  41. Dahnke, R., Yotter, R. A., Gaser, C. Cortical thickness and central surface estimation. Neuroimage. 65, 336-348 (2013).
  42. Diedrichsen, J. A spatially unbiased atlas template of the human cerebellum. Neuroimage. 33 (1), 127-138 (2006).
  43. Diedrichsen, J., Balsters, J. H., Flavell, J., Cussans, E., Ramnani, N. A probabilistic MR atlas of the human cerebellum. Neuroimage. 46, 39-46 (2009).
  44. 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).
  45. MRIQC. Poldrack Lab, Stanford University Available from: https://mriqc.readthedocs.io/en/stable/ (2020)
  46. dcm2niix. Rorden Lab, University of South Carolina Available from: https://github.com/rordenlab/dcm2niix (2021)
  47. . Docker Available from: https://docs.docker.com/ (2021)
  48. Singularity. Sylabs Available from: https://sylabs.io/singularity (2021)
  49. MATLAB. The MathWorks, Inc Available from: https://au.mathworks.com/ (2021)
  50. Statistical parametric mapping SPM12. The Wellcome Centre for Human Neuroimaging Available from: https://www.fil.ion.ucl.ac.uk/spm/software/spm12/ (2020)
  51. . FreeSurfer download and install Available from: https://surfer.nmr.mgh.harvard.edu/fswiki/DownloadAndInstall (2020)
  52. 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).
  53. Schmahmann, J. D. The cerebellum and cognition. Neuroscience Letters. 688, 62-75 (2019).
  54. Diedrichsen, J., Zotow, E. Surface-based display of volume-averaged cerebellar imaging data. PLoS One. 10 (7), 0133402 (2015).
  55. Gottwald, B., Mihajlovic, Z., Wilde, B., Mehdorn, H. M. Does the cerebellum contribute to specific aspects of attention. Neuropsychologia. 41 (11), 1452-1460 (2003).
  56. Starowicz-Filip, A., et al. The role of the cerebellum in the regulation of language functions. Psychiatria Polska. 51 (4), 661-671 (2017).
  57. Guell, X., Schmahmann, J. D., Gabrieli, J., Ghosh, S. S. Functional gradients of the cerebellum. Elife. 7, 36652 (2018).

Tags

Keywords: Cerebellar Grey Matter MorphometryStructural Magnetic Resonance ImagingAnatomical ParcellationVoxel-based MorphometryQuality ControlStandardized PipelineDockerSingularityMATLABSPM12AcapulcoRCIFQC ScriptsOutlier Detection
check_url/pt/63340?article_type=t

Play Video
PDF
DOI
DOWNLOAD MATERIALS LIST
Citar este artigo
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).
Baixar citação
Reimpressões e Permissões

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image