Frontiers in Neuroanatomy

Úvod

Difuzní tenzorová traktografie (DTT) pomocí magnetické rezonance se široce používá pro sledování nervových vláken a analýzu specifických vláken. Důležitou částí aplikace DTT na in vivo je způsob nastavení oblasti zájmu (ROI) pro proces analýzy DTT. Mnoho výzkumníků stanovilo ROI na základě anatomického obrazu a vypočtené mapy barevné frakční anizotropie (FA) podle svého výzkumného záměru, obecně (Hong et al., 2009; Kim a Jang, 2013; Li et al., 2013). Ačkoli se pro tyto přístupy používá analýza založená na více ROI, mají nevýhodu, pokud jde o přesnost výsledků, protože nastavení ROI závisí na uživateli. K překonání této nevýhody byly výsledky aktivace funkční MRI (fMRI) kombinovány s analýzou DTT (Propper a kol., 2010; Li a kol., 2013). Tento kombinovaný přístup poskytuje přesnější nastavení ROI než manuální nastavení ROI. Velikosti aktivačních oblastí fMRI se však mohou případně měnit podle dané statisticky významné hodnoty a dalšího procesu pořizování obrazu, což způsobuje časovou náročnost.

V této studii jsme použili šablonu Brodmannovy oblasti (BA) k nastavení ROI pro přesnou analýzu DTT pro trakt vláken arcuate fasciculus (AF). Mezi četnými nervovými vláknovými drahami v lidském mozku je AF důležitou nervovou vláknovou drahou, která spojuje frontální (Brocova) a temporální (Wernickeova) oblast a je spojena s jazykovými funkcemi. Léze AF tak způsobovaly různé typy jazykových problémů, jako je vodivá afázie a deficit řeči (Yamada et al., 2007; Jang, 2013; Li et al., 2013). Proto se identifikace anatomických charakteristik s jejich umístěním dráhy vláken AF v normálním lidském mozku nebo u pacientů s afázií stala důležitou otázkou, protože by pomohla neurovědcům nebo klinickým výzkumníkům předpovědět stav obnovy nervových vláken pro afázii a následné studie. Šablona BA je navíc jakousi standardní šablonou, která ukazuje oblasti lidské mozkové kůry rozdělené do 46 oblastí na základě cytoarchitektonických rysů (Thottakara et al., 2006). Použitím charakteristik šablony BA pro rozdělené oblasti kůry jako standardu poskytují naše analytické přístupy přesné a užitečné nastavení ROI pro studie DTT. Kromě toho jsme vytvořili mapu pravděpodobnosti vláken AF pro odhad dráhy vláken v mozku.

Materiál a metody

Subjekty

Studie se zúčastnilo třináct zdravých subjektů, devět mužů a čtyři ženy (praváci, průměrný věk: 38,7 ± 6,4 let, věkové rozmezí: 26-50 let). V minulosti neměli žádné neurologické ani fyzické onemocnění. Všichni účastníci podstoupili vyšetření radiologem a neurologem a byli diagnostikováni jako normální subjekty. Všichni účastníci rozuměli účelu studie a poskytli písemný informovaný souhlas. Protokol této studie byl schválen místní institucionální revizní komisí.

Získávání a analýza dat

Data z tenzorového zobrazování difuze (DTI) byla získána pomocí 1,5 T MR skeneru (Gyroscan Intera, Philips Healthcare, The Best, Nizozemsko) se šestikanálovou hlavovou cívkou s kódováním citlivosti fázového pole (SENSE) s použitím pulzní sekvence EPI (single-shot spin echo echo-planar imaging). Data DTI byla získána s následujícími parametry: doba opakování (TR)/čas ozvěny (TE) = 10 726/75 ms, zorné pole (FOV) = 221 mm, akviziční matice = 96 × 96, rekonstrukční matice = 128 × 128, tloušťka řezu = 2,3 mm a faktor SENSE = 2. Difuzní vážení bylo použito podél 32 nekolineárních a nekoplanárních difuzně senzitivních gradientů s hodnotou b 1 000 s/mm2. Pořídili jsme 67 sousedících příčných řezů pokrývajících celý mozek bez mezer mezi řezy a k minimalizaci křížových přeslechů způsobených absencí mezer mezi řezy byla použita prokládaná akvizice řezů.

Před analýzou dat DTI byly korigovány vlivy vířivých proudů a pohybu hlavy registrací všech snímků DWI na nedifuzně vážené snímky (hodnota b = 0 s/mm2) pomocí afinní vícerozměrné registrace FSL (Smith et al., 2004)1 . Pro výpočet map difuzních parametrů a sledování vláken byl použit software DTI Studio (Department of Radiology, Johns Hopkins University School of Medicine, Baltimore, MD, USA), který přiřazoval vlákna pomocí algoritmu kontinuálního sledování (FACT) a přístupu s více ROI (Wakana et al., 2004; Jiang et al., 2006). K extrakci a vyhodnocení dráhy vláken AF každého subjektu jsme použili dvě standardní mozkové šablony , které byly poskytnuty v softwaru MRIcro2. Šablona BA poskytuje objemovou masku, která je rozdělena na 46 diskrétních korových oblastí, z nichž každá představuje jinou oblast BA. Zatímco v šabloně BA používáme předdefinované korové oblasti, pro výběr ROI při sledování vláken můžeme jednoduše vybrat nebo nakreslit konkrétní oblast, která koreluje s původem traktu nervového vlákna. Tímto způsobem je možné minimalizovat chybový faktor vyvolaný nastavením ROI závislým na uživateli. Kromě toho byla pro proces normalizace obrazu mozku použita šablona MNI T1w. Všechny soubory dat DTI získané ze skeneru MRI pro každý subjekt a vypočtená mapa FA mají mírně odlišné informace o orientaci a umístění. Proto lze pomocí procesu normalizace mozku zabránit některým chybným faktorům, které byly vyvolány rozdílnými strukturami a/nebo umístěním mezi subjekty. Kromě toho je proces normalizace založený na šablonovém obrazu pro všechny soubory dat užitečnější pro generování mapy pravděpodobnostních drah vláken, aby se zachovala konzistence umístění. V této studii byl trakt vláken AF analyzován pouze v dominantní (levé) hemisféře od všech subjektů. Vývojové schéma postupů zpracování bylo znázorněno na obrázku 1A, které bylo provedeno v následujícím pořadí: (i) Mapa FA subjektu byla vypočtena pomocí softwaru DTI Studio; (ii) šablona T1w byla koregistrována s mapou FA každého subjektu pomocí softwaru SPM8 (Wellcome Department of Cognitive Neurology, Londýn, Spojené království). Vzhledem k malému rozdílu v kontrastu obrazu mezi mapou FA a šablonou T1w je možné minimalizovat chybový faktor v procesu koregistrace; (iii) Pro provedení procesu normalizace mezi šablonou BA a soubory dat tenzorů difuze byla na šablonu BA aplikována transformační matice, která byla vytvořena v kroku (ii); (iv) Na základě normalizované šablony BA byly nakresleny dvě ROI v Brocově a Wernickeho oblasti a byl extrahován trakt vláken AF každého subjektu s následujícím kritériem; voxel s hodnotou FA nižší než 0. Na základě této matice byly vytvořeny dvě ROI.2 nebo úhel trajektorie nižší než 80 stupňů; a (v) byly vytvořeny binární masky extrahovaného vlákenného traktu pro každý subjekt. Binární masky mají pouze dvě hodnoty: jedna (voxely pro umístění vlákenného traktu) a nula (voxely pro umístění nevlákenného traktu). Masky všech subjektů byly normalizovány pomocí šablony MNI T1w z MRIcro s 12parametrovou afinní registrací pomocí inverzní transformační matice původního procesu koregistrace. Tyto normalizované masky vlákenných drah byly sečteny a vyděleny celkovým počtem subjektů pro vytvoření pravděpodobnostní mapy drah AF. Pravděpodobnostní mapa drah byla překryta šablonou MNI T1w s různým měřítkem podle hodnoty pravděpodobnosti voxelu.

Obrázek 1: Mapa pravděpodobnostních drah AF. Vývojový diagram postupů analýzy dat pro nastavení ROI při sledování vláken/pravděpodobnostním generování drah (A) a proces měření relativních poloh vláken (B). Pro měření relativní polohy arcuate fasciculus (AF) v mapě pravděpodobnostní dráhy (a) označuje metodu měření poměru mediolaterální polohy mezi Xa a Xb a (b) označuje metodu měření poměru anteroposteriorní části mezi Ya a Yb nebo Yc. Procesy měření poměrů polohy byly provedeny v šabloně T1w Montrealského neurologického institutu (MNI), která je prezentována na poloze corona radiata.

Pro zkoumání polohy dráhy vláken AF na každém subjektu byla relativní poloha měřena podle poměru obsazení dráhy AF na základě levé hemisféry. Procesy měření byly provedeny s mediolaterální částí a anteroposteriorní částí pomocí vygenerované pravděpodobnostní dráhy dráhy vláken AF na šabloně MNI T1w (obr. 1B). Mediolaterální poloha byla měřena poměrem mezi délkou od podélné štěrbiny k nejvíce laterální hranici levé mozkové hemisféry (Xa) a délkou od mediální k laterální poloze horizontální části AF (Xb) následovně: (Xa/Xb) × 100. Poměr předozadní polohy byl měřen mezi délkou od nejpřednější hranice k nejzadnější hranici (Ya) a délkou od přední k zadní hranici vertikální části AF (Yb nebo Yc). Podrobnější poměr předozadní polohy byl měřen zvlášť na základě souběhu horizontální části (poměr mezi Ya a Yb) a vertikální části (poměr mezi Ya a Yc) takto: (Ya/Yb) × 100 a (Ya/Yc) × 100.

Výsledky

Mapy pravděpodobnostních drah dráhy vláken AF pro všechny skupiny subjektů jsou uvedeny na obrázku 2. Rozsah barevné škály označuje pravděpodobnost, že voxel je součástí dráhy vláken AF. V této pravděpodobnostní mapě dráhy traktu vláken AF byl naměřený poměr mediolaterální polohy 18 %. Naměřený poměr anteroposteriorní polohy byl 35 % na základě bodu zakřivení AF. Poměr byl naměřen u horní části 15 % a u dolní části 20 %. Na základě výsledků připadá na naměřenou mediolaterální část AF 1/5 celkové mediolaterální délky hemisféry na šabloně MNI T1w. Naměřená anteroposteriorní část AF představovala 1/2 délky ve srovnání s celkovou anteroposteriorní délkou hemisféry. Kromě toho extrahovaný trakt vláken AF, který byl překryt na příčnou rovinu obrazu šablony MNI T1w, plně nezobrazoval celkový tvar struktury traktů vláken AF kvůli charakteristickému zakřivenému tvaru traktů vláken AF in vivo; nicméně zejména extrahovaný trakt vláken AF pro každý subjekt, který byl vytvořen pomocí masky obrazu v postupu analýzy (obr. 1), a rekonstruovaná mapa pravděpodobnosti (obr. 2) popsaly, že trakt vláken AF z našich výsledků spojoval dvě oblasti mozku mezi Brocovou oblastí v dolním frontálním gyru a Wernickeho oblastí v zadním horním temporálním gyru. Vytvořená pravděpodobnostní mapa drah navíc jasně ukázala, že distribuce kombinované dráhy vláken AF, která byla extrahována pomocí šablony BA pro nastavení ROI od každého subjektu, byla v lidském mozku dobře lokalizována a definována bez jakýchkoli dislokačních chyb.

Obrázek 2. Pravděpodobnostní mapy drah vláken AF v místech s více řezy. Barevný pruh označuje pravděpodobnostní hodnoty dráhy vláken.

Diskuse

Ba je dobře definovaná oblast lidské mozkové kůry o 46 oblastech podle jejich jedinečných funkcí. Mnoho výzkumníků používá šablonu BA k označení konkrétních míst mozkové aktivity ve svých studiích, například u pacientů s neurologickým onemocněním nebo při léčebných strategiích, protože BA rozlišuje oblasti nejen anatomicky odlišné, ale i funkčně. Zejména mezi BA, Brocovou oblastí a Wernickeho oblastí, které jsou propojeny prostřednictvím dráhy nervových vláken AF, která se stáčí kolem sylvijské štěrbiny, jež spojuje temporální a frontální jazykové oblasti (Rilling et al., 2008; Jang, 2013; Tak a Jang, 2014). Dalo by se očekávat, že AF je nejdůležitější vláknová dráha spojená s jazykovými funkcemi a má výrazný tvar křivky kombinující různé směry na rozdíl od jiných vláknových drah, jako je kortikospinální dráha (reprezentativní směr vláken superior-inferior) nebo corpus callosum (reprezentativní směr vláken vlevo-vpravo). Vzhledem k tomu, že dráha vláken AF je vysoce spojena s pacienty, kteří mají ztížené jazykové schopnosti, jako je afázie, je identifikace přesné lokalizace dráhy vláken AF významně zvažována z klinického hlediska. Bylo provedeno mnoho přístupů s multimodálními zobrazovacími technikami a/nebo invazivní intraoperační operací s cílem zjistit neuroanatomické charakteristiky traktu AF vláken a vyhodnotit kritickou roli pro zpětnovazební a zpětnovazební řízení jazykové produkce (Duffau et al., 2002; Breier et al., 2008; Hosomi et al., 2009; Marchina et al., 2011; Zhao et al., 2012; Yamao et al., 2014). Metoda DTT, která byla v minulosti zavedena pro sledování dráhy nervových vláken, se široce používá k prokázání charakteristik nervových vláken pomocí vypočtených difuzních jevů molekul vody in vivo. Tento přístup je adekvátní pro vizualizaci traktů vláken a také snadno použitelný. Díky těmto vlastnostem umožnila metoda DTT a její technický vývoj vizualizaci traktů vláken spojených s bílou hmotou in vivo. Ačkoli však hodnocení vlákenných traktů pomocí metody DTT pokročilo, stále zůstává omezení způsobené přesností nastavení ROI v DTT.

V této studii jsme použili nastavení ROI, které není závislé na uživateli, pro DTT na základě šablony BA. ROI definované na základě šablony BA mají ve srovnání s uživatelsky závislým nastavením ROI výhodu pro konzistenci traktu nervových vláken. Kromě toho jsme normalizovali jednotlivé dráhy AF na šablonu MNI T1w, abychom prozkoumali tendenci umístění AF a její pravděpodobnostní dráhu v lidském mozku. Pravděpodobnostní dráha by mohla poskytnout lepší odhad pravděpodobnosti spojení vlákenných drah pro skupinu subjektů. Dosavadní postupy výběru ROI pro analýzu DTT se obvykle prováděly s nastavením ROI závislým na uživateli, což může způsobit analytické chyby v částech identity a reprodukovatelnosti, i když byla ROI dobře definována zkušenými výzkumníky. Je pozoruhodné, že celkový navrhovaný přístup analýzy pro sledování lidských nervových vláken in vivo, který se provádí s výběrem ROI na základě šablony BA, má analytickou sílu, která umožňuje získat přesnější dráhy vláken bez ohledu na jakoukoli kontaminaci chybami nastavení ROI uživateli nebo výzkumníky. Pokud jde o zachování identifikace a reprodukovatelnosti výsledků, lze zajistit vysokou shodu díky dvěma hlavním analytickým postupům, jako je normalizace mozku a extrakce oblasti ROI ze šablony BA bez jakéhokoli manuálního nastavení. Kromě toho by naše přístupy mohly být snadno přizpůsobeny analýze pro studie DTT a vést k přesné analýze spojení vláken BA v jiných oblastech mozku.

Existují určitá omezení této studie. Za prvé, náš postup analýzy DTT je omezen z důvodu zohlednění deterministického algoritmu sledování vláken. Proto se domníváme, že použití jiných algoritmů sledování vláken založených na pravděpodobnostním algoritmu sledování vláken se šablonou BA a srovnávací studie poskytnou užitečnější informace pro vyhodnocení nastavení ROI na základě šablony BA v klinických výzkumech. Za druhé, pro nábor subjektů jsme uvažovali pouze normální subjekty s relativně nízkou populací. Věříme, že v budoucí studii, které se zúčastní větší počet subjektů a/nebo pacientů, kteří měli onemocnění v dráze vláken AF, poskytnou výsledky také větší spolehlivost.

Závěrem jsme prokázali sledování vláken AF pomocí šablony BA pro výběr ROI a jeho pravděpodobnostní dráhu v lidském mozku. Věříme, že námi navržené analytické přístupy jsou dostatečně rozšířeny na další studie DTT pro stanovení ROI, a ty mohou poskytnout přesné informace o dráze nervových vláken a nastavení klinického výzkumu.

Příspěvky autorů

D-HL, D-WL a B-SH navrhli a koordinovali studii. D-HL a B-SH získali data. D-HL a D-WL analyzovali data. D-HL vypracoval návrh rukopisu. B-SH byl mentorem studie.

Prohlášení o střetu zájmů

Autoři prohlašují, že výzkum byl prováděn bez jakýchkoli komerčních nebo finančních vztahů, které by mohly být chápány jako potenciální střet zájmů.

Zkratky

BA, Brodmannova oblast; ROI, oblast zájmu; AF, arcuate fasciculus; DTT, difuzní tenzorová traktografie; DTI, difuzní tenzorové zobrazování; MNI, Montreal Neurological Institute; FA, frakční anizotropie.

Poznámky

1. ^ www.fmrib.ox.ac.uk/fsl, Analysis Group, FMRIB, Oxford, UK.
2. ^ www.mricro.com, Chris Rorden, CA, USA.

.