Mätning gyrification (kortikal vikning) i alla åldrar är ett fönster in i hjärnans tidiga utveckling. Därför utvecklade vi tidigare en algoritm för att mäta lokala gyrification på tusentals punkter över halvklotet<sup> 1</sup>. I detta papper, detalj vi beräkningen av denna lokala gyrification index.
Kortikal vikning (gyrification) bestäms under de första månaderna i livet, så att negativa händelser som inträffar under denna tid lämnar spår som kommer att identifieras i alla åldrar. Som nyligen granskats av Mangin och kollegor 2, flera metoder finns för att mäta olika egenskaper hos gyrification. Till exempel kan sulcal morfometri användas för att mäta formen beskrivningar som djup, längd och index av inter-hemisfärisk asymmetri 3. Dessa geometriska egenskaper har fördelen att vara lätta att tolka. Baseras dock sulcal morfometri tätt korrekt identifiering av en viss uppsättning sulci och därmed ger en splittrad beskrivning av gyrification. En mer finkornigt kvantifiering av gyrification kan uppnås med krökning-baserade mätningar, där jämnas absolut betyda krökning vanligtvis beräknas på tusentals punkter över den kortikala ytan 4. Den krökning är dock inte straightforward att förstå, eftersom det fortfarande oklart om det finns någon direkt koppling mellan buktighet och ett biologiskt meningsfullt korrelera som kortikal volym eller yta. För att hantera de olika frågor som mätning av kortikal falsning, utvecklade vi tidigare en algoritm för att kvantifiera lokala gyrification med en utsökt rumslig upplösning och enkel tolkning. Vår metod är inspirerad av Gyrification index 5, en metod som ursprungligen användes i jämförande neuroanatomi att utvärdera kortikala fällbara skillnader mellan arter. I vårt genomförande, som vi namnet L OKALA Gyrification Index (l GI 1), mäter vi hur mycket cortex begravda inom sulcal veck jämfört med mängden synliga cortex i cirkulära områden av intresse. Med tanke på att cortex växer främst genom radiella expansionen 6, var vår metod särskilt utformad för att identifiera tidiga defekter av kortikal utveckling.
I thär artikeln, vi detalj beräkningen av lokala Gyrification Index, som nu är fritt distribueras som en del av FreeSurfer Programvaran ( http://surfer.nmr.mgh.harvard.edu/ , Martinos Center for Biomedical Imaging, Massachusetts General Hospital) . FreeSurfer innehåller en uppsättning automatiserade rekonstruktion verktyg av hjärnans kortikala ytan av strukturella MR-data. Den kortikala ytan utvinnas i den ursprungliga utrymme för bilder med sub-millimeter noggrannhet är sedan vidare används för att skapa en utsida, som kommer att ligga till grund för L GI-beräkningen. En cirkulär regionen av intresse är då avgränsas på utsidan, och dess motsvarande område av intresse på den kortikala ytan identifieras med hjälp av en algoritm som beskrivs i vår valideringsstudie 1. Denna process är ständigt återkommande med i stort sett överlappande regioner av intresse, vilket resulterar i kortikala kartor över gyrification förr efterföljande statistiska jämförelser (Fig. 1). Notera var en annan mätning av lokala gyrification med en liknande inspiration föreslagits av Toro och kollegor 7, där det fällbara index vid varje punkt beräknas som förhållandet mellan kortikala område som ingår i en sfär dividerad med arean av en skiva med samma radie. De två implementationer skiljer sig i att en av Toros et al. bygger på Euclidian avstånd och därmed anser diskontinuerlig fläckar av kortikal område, medan vår använder en strikt geodetisk algoritm och inkluderar endast kontinuerlig patch av kortikal area öppning hjärnan ytan i en cirkulär region av intresse.
Protokollet ovan beskriver hur man mäter lokala Gyrification Index baserat på cerebral T1-viktade MR och utföra statistiska grupp jämförelser. Vår metod har utformats särskilt för att lokalisera tidiga störningar i kortikala expansionen process och som sådan är av särskilt intresse i många nervsystemets utveckling eller psykiatriska tillstånd. Exempel på grupp jämförelser i kliniska prover kan hittas i publikationer av vår grupp 1,12 eller av andra 13-16. Processen är helt automa…
The authors have nothing to disclose.
Denna forskning stöds av National Center of Competence i forskning (NCCR) "SYNAPSY – Den Synaptic Bases av psykiska sjukdomar" som finansieras av den schweiziska National Science Foundation (nr 51AU40_125759). Utvecklingen av den lokala Gyrification Index har finansierats med bidrag från den schweiziska National Research Fund Dr Marie Schaer (323500-111165) och Dr Stephan Eliez (3200-063.135,00 / 1, 3232 till 063.134,00 / 1, PP0033-102.864 och 32473B -121.996) och Centrum för biomedicinsk avbildning (CIBM) i Genève-Lausanne Universitet och EPFL, liksom grunden Leenaards och Louis-Jeantet. Stöd för utveckling av FreeSurfer mjukvara gavs delvis av National Center for Research Resources (P41-RR14075 och NCRR Birn morfometriska Project BIRN002, U24 RR021382), National Institute for Biomedical Imaging och Bioteknik (R01 EB001550, R01EB006758) det nationella institutet för neurologiska sjukdomar och stroke (R01 NS052585-01) samt psykisk sjukdom och neurovetenskap Discovery (sinne) institutet och är en del av National Alliance for Medical Image Computing (misk), som finansieras av National Institutes of Health genom NIH färdplanen för medicinsk forskning, Grant U54 EB005149. Ytterligare stöd kom från The Autism & Dyslexi projekt finansierat av Ellison Medical Foundation.
Material: a Unix or Mac workstation with a processor of 2GHz or faster and a minimum of 4GB of RAM, with FreeSurfer installed (http://surfer.nmr.mgh.harvard.edu/fswiki, preferably the latest version, but no older than version 4.0.3). In order to compute the local Gyrification Index, MATLAB is also required (http://www.mathworks.com/) along with the Image Processing Toolbox.
Data: A sample of good quality (high-resolution, high contrast) cerebral MRI T1-weighted dataset. Your group of subjects must be preferably matched for age and gender. Given the normal inter-individual variability in cerebral morphology, the number of subjects in each group should be sufficient to identify an existing group difference (the more – the better). A reasonable minimum sample size would be around 20 subjects per group (although you can probably go for less if the intensity of changes is large and if your groups are tightly matched for gender and age).
Name of the equipment | Company | Catalogue number | Comments |
FreeSurfer | Martinos Center for Biomedical Imaging, MGH | Version newer than 4.0.3 | |
Matlab | Mathworks | Image Processing Toolbox |