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

Yapısal Manyetik Rezonans Görüntüleme Kullanarak İnsan Serebellar Gri Madde Morfometrisini İncelemek için Standartlaştırılmış Bir Boru Hattı

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

Beyincik gri madde morfometrisini incelemek için standartlaştırılmış bir boru hattı sunulmuştur. Boru hattı, optimize edilmiş ve otomatik beyincik parselasyonu için yüksek çözünürlüklü, son teknoloji ürünü yaklaşımları ve hacimsel niceleme için beyinciğin voksel tabanlı kaydını birleştirir.

Abstract

Çok sayıda araştırma hattı, beyinciğin çok çeşitli bilişsel ve duygusal işlevlerdeki rolü için zorlayıcı kanıtlar sunarak, motor kontrol ile tarihsel ilişkisinin çok ötesine geçmektedir. Yapısal ve fonksiyonel nörogörüntüleme çalışmaları, serebellumun fonksiyonel nöroanatomisinin anatomik bölünmelerinin ötesinde daha iyi anlaşılmasını sağlamış ve sağlıklı değişkenlik ve nörolojik hastalıklarda bireysel serebellar alt birimlerin incelenmesi ihtiyacını vurgulamıştır. Bu yazıda, optimize edilmiş ve otomatik beyincik parselasyonu için yüksek çözünürlüklü, son teknoloji ürünü yaklaşımları birleştiren beyincik gri madde morfometrisini incelemek için standartlaştırılmış bir boru hattı sunulmaktadır (U-Net Yerel Olarak Kısıtlı Optimizasyon kullanarak Otomatik Beyincik Anatomik Parselasyonu; ACAPULCO) ve beyinciğin voksel tabanlı kaydı (Mekansal Tarafsız Kızılötesi Şablon; SUIT) hacimsel niceleme için.

Boru hattı, bir dizi nörolojik hastalığa geniş uygulanabilirliğe sahiptir ve tamamen otomatiktir ve manuel müdahale sadece çıktıların kalite kontrolü için gereklidir. İşlem hattı, beraberindeki önemli belgelerle birlikte ücretsiz olarak kullanılabilir ve Mac, Windows ve Linux işletim sistemlerinde çalıştırılabilir. Boru hattı, Friedreich ataksi (FRDA) olan bireylerin bir kohortunda uygulanır ve temsili sonuçların yanı sıra grup düzeyinde çıkarımsal istatistiksel analizler hakkında öneriler sunulur. Bu boru hattı, saha genelinde güvenilirliği ve tekrarlanabilirliği kolaylaştırabilir ve sonuçta nörolojik hastalıklardaki serebellar yapısal değişiklikleri karakterize etmek ve izlemek için güçlü bir metodolojik yaklaşım sağlayabilir.

Introduction

Beyincik, tarihsel olarak motor kontrol 1,2,3 ile ilişkili beynin bir parçasıdır ve kalıtsal ataksiler4 gibi sadece küçük bir dizi nadir hastalıkta bütünsel olarak yer aldığı düşünülmektedir. Bununla birlikte, insan olmayan primatlardaki anatomik izleme çalışmalarının yanı sıra insan lezyonu ve nörogörüntüleme çalışmalarından elde edilen yakınsak araştırma hatları, beyinciğin çok çeşitli bilişsel 5,6,7, duygusal 8,9,10,11 ve diğer motorolmayan fonksiyonlardaki rolü için ikna edici kanıtlar sağlar 7,12 (bkz. 6  inceleme için). Ayrıca, beyincik anormallikleri, Parkinson hastalığı 13, Alzheimer hastalığı 14,15, epilepsi16,17, şizofreni18 ve otizm spektrum bozukluğu 19 dahil olmak üzere çok çeşitli nörolojik ve psikiyatrik bozukluklarda giderek daha fazla rol oynamaktadır. . Bu nedenle, beyinciğin insan beyin hastalıklarının fonksiyonel ve yapısal modellerine ve normatif davranışsal değişkenliğe dahil edilmesi zorunlu hale gelmiştir.

Anatomik olarak, serebellum superior ve inferior ekseni boyunca üç loba ayrılabilir: anterior, posterior ve flokülonodüler. Loblar ayrıca I-X 20,21 roma rakamlarıyla gösterilen10 lobüle bölünmüştür (Şekil 1). Serebellum ayrıca sırasıyla omurilik ve serebral korteksten girdiler alan orta hat (vermis) ve lateral (yarımküre) bölgelere ayrılabilir. I-V lobüllerini içeren ön lob, geleneksel olarak motor süreçlerle ilişkilendirilmiştir ve serebral motor kortekslerle karşılıklı bağlantılara sahiptir22. VI-IX lobullerini içeren posterior lob, öncelikle motor olmayan süreçler11 ile ilişkilidir ve prefrontal korteks, posterior parietal ve superior temporal serebral korteksler 8,23 ile karşılıklı bağlantılara sahiptir. Son olarak, X lobülünü içeren flokülonodüler lob, duruş ve yürüyüş sırasında göz hareketlerini ve vücut dengesini yöneten vestibüler çekirdeklerle karşılıklı bağlantılara sahiptir21.

Fonksiyonel nörogörüntüleme kullanan son çalışmaların giderek artan bir gövdesi, beyinciğin fonksiyonel nöroanatomisinin anatomik bölünmelerinin ötesinde daha da rafine edilmiş bir şekilde anlaşılmasını sağlamıştır. Örneğin, beyincik ve serebrum24 arasındaki fonksiyonel etkileşimlerin paternini haritalamak için dinlenme durumu fonksiyonel manyetik rezonans görüntüleme (fMRI) teknikleri kullanılmıştır. Ek olarak, göreve dayalı bir parselasyon yaklaşımı kullanarak, King ve meslektaşları7, beyinciğin, çeşitli motor, duygusal, sosyal ve bilişsel görevlerle ilişkili farklı fonksiyonel sınırlarla kanıtlanan, genişliği boyunca zengin ve karmaşık bir işlevsel uzmanlık paterni gösterdiğini göstermiştir. Toplu olarak, bu çalışmalar hem sağlıklı değişkenlikte hem de serebellar yapı ve / veya fonksiyondaki değişikliklerle karakterize nörolojik hastalıklarda serebellum tutulumunun tam biyolojik karakterizasyonlarını geliştirmek için bireysel serebellar alt birimlerin incelenmesinin önemini vurgulamaktadır.

Bu çalışma, insanlarda yapısal MRG kullanarak serebellar hacimdeki lokal değişiklikleri ölçme yöntemlerine odaklanmaktadır. Genel olarak, MRG verilerini kullanarak bölgesel beyin hacminin nicelleştirilmesinde iki temel yaklaşım vardır: özellik tabanlı segmentasyon ve voksel tabanlı kayıt. Özellik tabanlı segmentasyon yaklaşımları, alt bölgeler arasındaki sınırları otomatik olarak tanımlamak için anatomik yer işaretleri ve standartlaştırılmış atlaslar kullanır. Segmentasyon için ana akım yazılım paketleri arasında FreeSurfer25, BrainSuite26 ve FSL-FIRST27 bulunur. Bununla birlikte, bu paketler beyinciğin sadece kaba parselasyonlarını sağlar (örneğin, her yarım küredeki tüm gri maddeyi ve tüm beyaz maddeyi etiketlemek), böylece bireysel serebellar lobülleri gözden kaçırır. Bu yaklaşımlar aynı zamanda yanlış segmentasyona, özellikle de çevredeki vaskülatürün aşırı dahil edilmesine eğilimlidir.

Örtük Çok Sınırlı Evrim (ACCLAIM28,29), Serebellar Analiz Araç Seti (CATK 30), Çoklu Otomatik Olarak Oluşturulan Şablonlar (MAGeT31), İnsan beyinciğinin ve lobüllerinin hızlı otomatik segmentasyonu (RASCAL32) kullanılarak Serebellar Lobüllerin Otomatik Sınıflandırılması dahil olmak üzere beyinciğin daha doğru ve daha ince taneli parselasyonunu sağlayan yeni makine öğrenimi ve çoklu atlas etiketleme algoritmaları geliştirilmiştir. ), grafik kesim segmentasyonu33 ve CEREbellum Segmentasyonu (CERES34). Son teknoloji ürünü tam otomatik beyincik parselasyon yaklaşımlarını karşılaştıran yakın tarihli bir makalede, CERES2’nin serebellar lobüllerin altın standart manuel segmentasyonuna göre diğer yaklaşımlardan daha iyi performans gösterdiği bulunmuştur35. Daha yakın zamanlarda, Han ve meslektaşları36, CERES2 ile eşit performans gösteren, hem sağlıklı hem de atrofik beyinciklere geniş uygulanabilirliğe sahip, ‘kullanıma hazır’ uygulama için açık kaynaklı Docker ve Tekillik konteyner formatında mevcut olan ve diğer yaklaşımlardan daha zaman verimli olan ACAPULCO (yerel olarak kısıtlanmış optimizasyona sahip U-Net kullanarak Otomatik Serebellum Anatomik Parselasyonu) adlı bir derin öğrenme algoritması geliştirdi. ACAPULCO, beyinciği otomatik olarak 28 anatomik bölgeye ayırır.

Özellik tabanlı segmentasyonun aksine, voksel tabanlı kayıt yaklaşımları, bir MRG’yi bir şablon görüntüsüne tam olarak eşleyerek çalışır. Bu eşlemeyi başarmak için, orijinal görüntüdeki voksellerin boyut ve şekil olarak çarpıtılması gerekir. Bu bozulmanın büyüklüğü, altın standart şablona göre her vokseldeki hacmin bir ölçüsünü etkili bir şekilde sağlar. Bu hacimsel değerlendirme şekli ‘voksel tabanlı morfometri’37 olarak bilinir. FSL-FLIRT38/FNIRT39, SPM birleşik segmentasyon 40 ve CAT1241 gibi tüm beyin voksel tabanlı kayıt yaklaşımları, voksel tabanlı morfometri için yaygın olarak kullanılmaktadır. Bununla birlikte, bu yaklaşımlar beyinciği iyi hesaba katmamakta, bu da infratentorial bölgelerde (beyincik, beyin sapı42) düşük güvenilirlik ve geçerliliğe neden olmaktadır. Bu sınırlamaları hesaba katmak için, beyincik kaydını optimize etmek ve voksel tabanlı morfometri42,43’ün doğruluğunu artırmak için SUIT (Mekansal Tarafsız Kızılötesi Şablon) algoritması geliştirilmiştir.

Bölgesel serebellar hacmin tahmini için özellik tabanlı segmentasyon ve voksel tabanlı kayıt yaklaşımlarının temel güçlü ve zayıf yönleri vardır. Segmentasyon yaklaşımları, anatomik olarak tanımlanmış alanların hacmini ölçmek için önemli ölçüde daha doğrudur (örneğin, lobüller35). Bununla birlikte, beyinciğin farklı fonksiyonel modülleri arasındaki sınırlar, anatomik folia ve çatlaklarına (serebrum7’nin gyri ve sulci’sine eşdeğer) eşlenmez. Kayıt temelli yaklaşımlar anatomik yer işaretleri tarafından kısıtlanmadığından, beyinciğin daha ince taneli mekansal çıkarımı ve yüksek boyutlu yapı-fonksiyon haritalaması mümkündür44. Birlikte ele alındığında, segmentasyon ve kayıt yaklaşımları birbirini tamamlar ve farklı araştırma sorularını cevaplamak için kullanılabilir.

Burada, optimize edilmiş ve otomatik parselasyon (ACAPULCO) ve hacimsel niceleme için beyinciğin (SUIT) voksel tabanlı kaydını sağlamak için bu mevcut, doğrulanmış yaklaşımları entegre eden yeni bir standartlaştırılmış boru hattı sunulmaktadır (Şekil 2). Boru hattı, kalitatif görselleştirme ve nicel aykırı değer tespiti kullanarak kalite kontrol protokollerini ve Freesurfer kullanarak kafa içi hacmin (ICV) tahminini elde etmek için hızlı bir yöntem kullanarak belirlenmiş yaklaşımlara dayanmaktadır. İşlem hattı tamamen otomatiktir, yalnızca kalite kontrol çıkışlarını kontrol etmek için manuel müdahale gerekir ve Mac, Windows ve Linux işletim sistemlerinde çalıştırılabilir. Boru hattı, ticari olmayan amaçlar için kullanımına ilişkin herhangi bir kısıtlama olmaksızın serbestçe kullanılabilir ve kısa bir kayıt formu45’in doldurulmasının ardından ENIGMA Konsorsiyumu Görüntüleme Protokolleri web sayfasından (“ENIGMA Cerebellum Volumetrics Pipeline” altında) erişilebilir.

Gerekli tüm yazılımlar Malzeme Tablosunda listelenmiştir ve aşağıda açıklanan protokole ek olarak, işlem hattının indirilmesi üzerine canlı bir gösterim de dahil olmak üzere ayrıntılı öğreticiler mevcuttur. Son olarak, boru hattının Friedreich ataksi (FRDA) ve yaş ve cinsiyet uyumlu sağlıklı kontrolleri olan bir kohortta uygulanmasından ve grup düzeyinde istatistiksel çıkarımsal analizler için önerilerden temsili sonuçlar sağlanmaktadır.

Protocol

NOT: Bu çalışmada kullanılan veriler, Monash Üniversitesi İnsan Araştırmaları Etik Kurulu (proje 7810) tarafından onaylanan bir projenin parçasıdır. Katılımcılar yazılı bilgilendirilmiş onam verdiler. İşlem hattı Mac, Windows veya Linux işletim sistemlerinde çalıştırılabilirken, ACAPULCO, SUIT ve QC işlem hatları Linux (Ubuntu) ve Mac (Catalina, Big Sur v11.0.1) işletim sistemlerinde açıkça test edilmiştir. 1. Modül 1: AKAPULKO (anatomik parselasyon)</…

Representative Results

Beyincik parselasyonu (ACAPULCO) Beyincik parsellenmiş maskelerin kalite kontrolü:Aşağıdaki örnekler ACAPULCO parsellenmiş çıktılarını göstermekte ve a) parsellenmiş maskenin bireysel düzeyde kalitesi ve b) belirli bir lobülün (ler) istatistiksel analizlere daha sonra dahil edilmesi veya hariç tutulması hakkında karar vermeyi yönlendirmektedir. Nihayetinde, bir konuyu dahil etme veya hariç tutma kararı özneldir; Burada çeşitli sa?…

Discussion

Beyincik, çok çeşitli insan motor3, bilişsel 58, duygusal10 ve dil 7,59 fonksiyonları için kritik öneme sahiptir ve birçok nörolojik ve psikiyatrik hastalıkta rol oynar. Bölgesel serebellar hacimlerin nicelleştirilmesi için standartlaştırılmış ve kolayca uygulanabilir bir yaklaşımın mevcudiyeti, giderek daha ayrıntılı ‘tüm beyin’ yapı-fonksiyon haritalamasına, eksik…

Declarações

The authors have nothing to disclose.

Acknowledgements

Bu makalede sunulan çalışma, Avustralya Ulusal Sağlık ve Tıbbi Araştırma Konseyi (NHMRC) Fikir Bursu: APP1184403 tarafından finanse edilmiştir.

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