Frontiers in Neuroanatomy

Introduktion

Magnetisk resonansdiffusionstensor tractografi (DTT) anvendes i vid udstrækning til sporing af neurale fibre og analyse af specifikke fiberbaner. Den vigtige del af DTT-applikationen til in vivo er, hvordan man indstiller region af interesse (ROI) til DTT-analyseprocessen. Mange forskere har indstillet ROI’er baseret på det anatomiske billede og det beregnede farvekodede fraktionelle anisotropi (FA)-kort i overensstemmelse med deres forskningsformål, generelt (Hong et al., 2009; Kim og Jang, 2013; Li et al., 2013). Selv om der anvendes multi-ROI-baserede analyser til disse tilgange, har de en ulempe med hensyn til resultaternes nøjagtighed på grund af en brugerafhængig ROI-indstilling. For at overvinde denne ulempe er aktiveringsresultaterne fra funktionel MRI (fMRI) blevet kombineret med DTT-analyse (Propper et al., 2010; Li et al., 2013). Denne kombinationstilgang giver en præcis ROI-indstilling end en manuel ROI-indstilling. Imidlertid kunne størrelserne af fMRI-aktiveringsområder muligvis ændres i henhold til den givne statistisk signifikante værdi og den yderligere billedindsamlingsproces, der forårsager tidsforbrug.

I denne undersøgelse anvendte vi Brodmann’s område (BA) skabelon til at indstille ROI’er til nøjagtig DTT-analyse for arcuate fasciculus (AF) fiberbane. Blandt de mange neurale fiberbaner i den menneskelige hjerne er AF en vigtig neurale fiberbane, som forbinder de frontale (Broca’s) og temporale (Wernicke’s) områder, og den er blevet forbundet med sprogfunktioner. Således forårsagede læsioner af AF forskellige typer sprogproblemer som f.eks. konduktionsafasi og taleunderskud (Yamada et al., 2007; Jang, 2013; Li et al., 2013). Derfor er identifikation af de anatomiske karakteristika med dens placering af AF-fiberbanen i den normale menneskelige hjerne eller hos patienter med afasi blevet et vigtigt spørgsmål, fordi det ville være nyttigt for neurovidenskabsforskere eller kliniske forskere til at forudsige den neurale fibergenoprettelsesstatus for afasi og opfølgningsundersøgelser. Desuden er BA-skabelonen en slags standardskabelon, som viser regioner i den menneskelige cortex, der er opdelt i 46 områder baseret på cytoarkitektoniske træk (Thottakara et al., 2006). Ved at anvende BA-skabelonens egenskaber for opdelte cortexregioner som standard giver vores analytiske metoder nøjagtig og nyttig ROI-indstilling til DTT-undersøgelser. Derudover genererede vi fibertrakt sandsynlighedskort for AF for at estimere fibertraktvejen i hjernen.

Materialer og metoder

Subjekter

Tretten sunde forsøgspersoner, ni mænd og fire kvinder, deltog i denne undersøgelse (højrehåndede, gennemsnitsalder: 38.7 ± 6.4 år, aldersinterval: 26-50 år). De havde ingen tidligere historie om neurologisk eller fysisk sygdom. Alle deltagere blev vurderet af en radiolog og en neurolog, og de blev diagnosticeret som normale personer. Alle forsøgspersoner forstod undersøgelsens formål og gav skriftligt informeret samtykke. Denne undersøgelsesprotokol blev godkendt af det lokale Institutional Review Board.

Dataindsamling og analyse

Diffusionstensorafbildningsdata (DTI) blev erhvervet ved hjælp af en 1,5 T MR-scanner (Gyroscan Intera, Philips Healthcare, The Best, Holland) med en seks-kanals phased array sensitivity encoding (SENSE) hovedspole ved hjælp af en single-shot spin echo echo-planar imaging (EPI)-pulssekvens. DTI-dataene blev optaget med følgende parametre: gentagelsestid (TR)/ ekkotid (TE) = 10 726/75 ms, synsfelt (FOV) = 221 mm, optagelsesmatrix = 96 × 96, rekonstruktionsmatrix = 128 × 128, skivetykkelse = 2,3 mm og SENSE-faktor = 2. Diffusionsvægtning blev anvendt langs 32 ikke-kollineære og ikke-koplanære diffusionssensibiliserende gradienter med en b-værdi på 1000 s/mm2. Vi erhvervede 67 sammenhængende tværgående skiver, der dækkede hele hjernen uden skivehuller, og der blev anvendt interleaved skiveindsamling for at minimere krydstaleffekten forårsaget af intet hul mellem skiverne.

For DTI-dataanalysen blev virkningerne af hvirvelstrømme og hovedbevægelse korrigeret ved at registrere alle DWI-billeder til ikke-diffusionsvægtede billeder (b-værdi = 0 s/mm2) ved hjælp af affin multiskala-registrering ved hjælp af FSL (Smith et al., 2004)1. DTI Studio-software (Department of Radiology, Johns Hopkins University School of Medicine, Baltimore, MD, USA), som var fibertildeling ved hjælp af den kontinuerlige sporingsalgoritme (FACT) og en tilgang med flere ROI’er, blev anvendt til beregning af diffusionsparameterkort og fibersporing (Wakana et al., 2004; Jiang et al., 2006). For at udtrække og evaluere AF-fibersporet fra hvert emne brugte vi to standard hjerneskabeloner , som blev leveret i MRIcro-software2. BA-skabelonen giver en volumenmaske, der er underopdelt i 46 diskrete kortikale regioner, som hver repræsenterer et forskelligt BA-område. Mens vi bruger de foruddefinerede kortikale regioner i BA-skabelonen, kan vi simpelthen vælge eller tegne det specifikke område, som er korreleret med oprindelsen af neurale fiberbaner, til ROI-valg i fibersporingen. På denne måde er det muligt at minimere den fejlagtige faktor, der induceres af brugerafhængig ROI-indstilling. Desuden blev MNI T1w-skabelonen anvendt til normaliseringsprocessen af hjernebilledet. Alle DTI-datasæt erhvervet fra MRI-skanner for hvert emne og det beregnede FA-kort har lidt forskellige orienterings- og placeringsoplysninger. Derfor kan nogle fejlagtige faktorer, der skyldes forskellige strukturer og/eller placeringer mellem emnerne, forhindres ved hjælp af hjernenormaliseringsprocessen. Desuden er normaliseringsprocessen baseret på skabelonbilledet for alle datasæt mere nyttig til at generere sandsynlighedsbanekortet for fiberbaner for at opretholde konsistensen af placeringerne. I denne undersøgelse blev AF-fiberbanen kun analyseret i den dominerende (venstre) hemisfære fra alle forsøgspersoner. Flowdiagrammet for behandlingsprocedurer blev vist i figur 1A, som blev udført i følgende rækkefølge: (i) FA-kortet for forsøgspersonen blev beregnet ved hjælp af DTI Studio-software; (ii) T1w-skabelonen blev samregistreret til FA-kortet for hver forsøgsperson ved hjælp af SPM8-software (Wellcome Department of Cognitive Neurology, London, UK). På grund af den lille forskel i billedkontrasten mellem FA-kortet og T1w-skabelonen er det muligt at minimere fejlfaktoren i samregistreringsprocessen; (iii) for at udføre normaliseringsprocessen mellem BA-skabelonen og diffusionstensor-datasættene blev transformationsmatrixen, som blev genereret i trin (ii), anvendt på BA-skabelonen; (iv) To ROI’er blev tegnet i Broca’s område og Wernicke’s område baseret på den normaliserede BA-skabelon, og AF-fiberbanen for hvert emne blev ekstraheret med følgende kriterier; en voxel med FA-værdien lavere end 0.2 eller en banevinkel på mindre end 80 grader; og (v) der blev genereret binære masker af den ekstraherede fiberbane for hvert emne. De binære masker har kun to værdier; en (voxels for fibertractusplacering) og nul (voxels for ikke-fibertractusplacering). Maskerne for alle forsøgspersoner blev normaliseret ved hjælp af MNI T1w-skabelonen fra MRIcro med en affin registrering med 12 parametre ved hjælp af en omvendt transformationsmatrix fra den oprindelige samregistreringsproces. Disse normaliserede masker for fiberbaner blev summeret og divideret med det samlede antal forsøgspersoner for at generere det probabilistiske banekort for AF. Det probabilistiske banekort blev overlejret på MNI T1w-skabelonen med en anden skala i henhold til sandsynlighedsværdien for en voxel.

Figur 1. Flowdiagram over dataanalyseprocedurer for ROI-indstilling ved fibersporing/probabilistisk banegenerering (A) og måleproces af relative fiberplaceringer (B). For måling af den relative placering af arcuate fasciculus (AF) i probabilistisk banekort angiver (a) metoden til måling af forholdet mellem den mediolaterale placering mellem Xa og Xb, og (b) angiver metoden til måling af forholdet mellem den anteroposterior del mellem Ya og Yb eller Yc. Måleprocesserne af placeringsforhold blev udført i Montreal Neurological Institute (MNI) T1w-skabelonen, som præsenteres på corona radiata-placeringen.

For at undersøge placeringen af AF-fiberbanens bane på hvert emne blev den relative placering målt ved det besatte forhold af AF-banen på grundlag af venstre hjernehalvdel. Måleprocesserne blev udført med mediolateral del og anteroposterior del ved hjælp af den genererede probabilistiske vej af AF-fiberbaner på MNI T1w-skabelonen (figur 1B). Den mediolaterale placering blev målt ved forholdet mellem længden fra den longitudinale fissur til den mest laterale grænse af venstre hjernehalvdel (Xa) og længden fra den mediale til laterale placering af den horisontale del af AF (Xb) som følger: (Xa/Xb) × 100. Forholdet mellem den anteroposterior placering blev målt mellem længden fra den mest anteriore grænse til den mest posteriore grænse (Ya) og længden fra den anteriore til posteriore grænse af den vertikale del af AF (Yb eller Yc). Det anteroposterior beliggenhedskvotient, der er mere detaljeret, blev målt separat på grundlag af sammenløbet af den horisontale del (forholdet mellem Ya og Yb) og den vertikale del (forholdet mellem Ya og Yc) som følger: (Ya/Yb) × 100 og (Ya/Yc) × 100.

Resultater

De probabilistiske banekort over AF-fibersporet for alle faggrupper er vist i figur 2. Farveskalaen angiver sandsynligheden for, at en voxel er en del af AF-fibersporet. I dette probabilistiske banekort over AF-fiberbaner var det målte mediolaterale positionsforhold 18 %. Det målte forhold for den anteroposterior position var 35 % baseret på AF-krumningspunktet. Forholdet blev målt med den øverste del på henholdsvis 15 % og den nederste del på 20 %. På baggrund af resultaterne udgør den målte mediolaterale del af AF 1/5 af den samlede mediolaterale længde af hemisfæren på MNI T1w-skabelonen. Den målte anteroposterior del af AF udgjorde 1/2 længde i forhold til den samlede anteroposterior længde af hemisfæren. Desuden har den ekstraherede AF-fiberbane, der blev overlejret på det tværgående billedplan på MNI T1w-skabelonen, ikke fuldt ud vist den overordnede form af AF-fiberbanestrukturen på grund af den karakteristiske kurvede form af AF-fiberbanen in vivo; Men især den ekstraherede AF-fiberbane for hvert emne, som blev skabt ved hjælp af maskebillede i analyseproceduren (figur 1), og det rekonstruerede sandsynlighedskort (figur 2) beskrev, at AF-fiberbanen fra vores resultater var forbundet med to hjerneområder mellem Brocas område i den nedre frontale gyrus og Wernickes område i den bageste, overlegne temporale gyrus. Desuden viste det genererede probabilistiske banekort klart, at fordelingerne af kombineret AF-fibersporet, som blev ekstraheret af BA-skabelonen til ROI-indstilling fra hvert emne, var velplaceret og defineret i den menneskelige hjerne uden nogen dislokationsfejl.

Figur 2. De probabilistiske banekort over AF-fibersporet i multi-slice-placeringerne. Baren på farveskalaen angiver de probabilistiske værdier af fiberbanen.

Diskussion

Den BA er veldefinerede menneskelige hjernebarkregioner med 46 områder i henhold til deres unikke funktioner. Mange forskere har brugt BA-skabelonen til at angive specifikke steder for hjerneaktivitet i deres undersøgelser som f.eks. patienter med neurologiske sygdomme eller behandlingsstrategier, fordi BA differentierer regioner, der ikke kun er anatomisk forskellige, men også funktionelt. Især blandt BA, Broca’s område og Wernicke’s område, der er forbundet via AF-neuralfibrebanen, der er buet rundt om sylvian fissuren, der forbinder de temporale og frontale sprogområder (Rilling et al., 2008; Jang, 2013; Tak og Jang, 2014). AF kunne forventes at være den vigtigste fiberbane, der er forbundet med sprogfunktioner, og det er har en tydelig form af en kurve kombineret forskellige retninger i modsætning til andre fiberbaner såsom kortikospinalbaner (repræsentativ superior-inferior fiberretning) eller corpus callosum (repræsentativ venstre-højre fiberretning). Da AF-fiberbanen er stærkt forbundet med de patienter, der har hæmmede sprogfærdigheder som f.eks. afasi, er identifikation af den nøjagtige placering af AF-fiberbanen af stor betydning i det kliniske perspektiv. Mange tilgange med multimodale billeddannelsesteknikker og/eller invasiv intraoperativ kirurgi er blevet udført for at finde de neuroanatomiske egenskaber ved AF-fiberbanen og for at evaluere den kritiske rolle for feed-forward- og feedback-kontrollen af sprogproduktion (Duffau et al., 2002; Breier et al., 2008; Hosomi et al., 2009; Marchina et al., 2011; Zhao et al., 2012; Yamao et al., 2014). DTT-metoden, som tidligere er blevet introduceret til at spore neurale fiberbaner, anvendes i vid udstrækning til at demonstrere neurale fiberkarakteristika ved hjælp af beregnede diffusionsfænomener af vandmolekyler in vivo. Denne fremgangsmåde er tilstrækkelig til fiberbanens visualisering, såvel som den er let at anvende. På grund af disse egenskaber har DTT-metoden og dens tekniske udvikling gjort det muligt at visualisere fiberbaner i den hvide substans in vivo. Men selv om evalueringen af fiberbaner blev udviklet med DTT-metoden, er der stadig en begrænsning på grund af nøjagtigheden af ROI-indstillingen i DTT.

I denne undersøgelse anvendte vi den ikke brugerafhængige ROI-indstilling til DTT baseret på BA-skabelonen. De ROI’er, der er defineret ud fra BA-skabelonen, har en fordel for konsistensen af neurale fiberbaner i sammenligning med brugerafhængige ROI-indstillinger. Desuden normaliserede vi individuelle AF-baner til MNI T1w-skabelonen for at undersøge tendensen til AF-placering og dens probabilistiske vej i den menneskelige hjerne. Den probabilistiske vej kunne give en bedre vurdering af sandsynligheden for fiberbanernes forbindelsesmuligheder for en gruppe af forsøgspersoner. Hidtil er ROI-valgprocedurerne til DTT-analyse generelt blevet udført med brugerafhængig ROI-indstilling, og det kan forårsage analytiske fejl i dele af identiteten og reproducerbarheden, selv om ROI’en var veldefineret af erfarne forskere. Den samlede foreslåede analysetilgang til in vivo sporing af neurale fibre hos mennesker, som udføres med ROI-valg baseret på BA-skabelonen, har en analytisk styrke, der gør det muligt at erhverve mere nøjagtige fiberbaner uanset brugernes eller forskernes forurening med ROI-indstillingsfejl. Med hensyn til opretholdelse af resultaternes identifikation og reproducerbarhed kan der opnås høje aftaler på grund af de to vigtigste analytiske procedurer såsom normalisering af hjernen og udtrækning af ROI-områder fra BA-skabelonen uden manuelle indstillinger. Desuden kunne vores tilgange let tilpasses til analyse for DTT-undersøgelser og føre til fiberforbindelsesanalyse af BA i andre hjerneområder nøjagtigt.

Der er nogle begrænsninger i denne undersøgelse. For det første har vi en begrænsning af vores DTT-analyseprocedure på grund af overvejelsen af den deterministiske fibersporingsalgoritme. Derfor mener vi, at anvendelsen af andre fibersporingsalgoritmer baseret på den probabilistiske fibersporingsalgoritme med BA-skabelon og sammenligningsundersøgelser vil blive forsynet med mere nyttige oplysninger til at evaluere BA-skabelonbaseret ROI-indstilling i kliniske undersøgelser. For det andet, for rekruttering af forsøgspersoner, overvejede vi kun normale forsøgspersoner med relativt lave populationer. I den fremtidige undersøgelse, med et stort antal emner og / eller patienter, der havde sygdomme i AF-fiberbanen, vil blive deltaget, mener vi, at resultaterne også giver mere pålidelighed.

I konklusionen demonstrerede vi AF-fibersporing med BA-skabelonen til ROI-valg og dens probabilistiske vej i den menneskelige hjerne. Vi mener, at vores foreslåede analytiske tilgange er tilstrækkeligt udvidet til andre DTT-undersøgelser til ROI-indstilling, og disse kan leveres nøjagtige neurale fiberbaner oplysninger og kliniske forskningsindstillinger.

Author Contributions

D-HL, D-WL og B-SH designede og koordinerede undersøgelsen. D-HL og B-SH erhvervede dataene. D-HL og D-WL analyserede dataene. D-HL udarbejdede manuskriptet. B-SH var mentor for undersøgelsen.

Interessekonflikt erklæring

Forfatterne erklærer, at forskningen blev udført uden kommercielle eller økonomiske relationer, der kunne opfattes som en potentiel interessekonflikt.

Abkortninger

BA, Brodmanns område; ROI, region af interesse; AF, arcuate fasciculus; DTT, diffusion tensor tractography; DTI, diffusion tensor imaging; MNI, Montreal Neurological Institute; FA, fraktionel anisotropi.

Fodnoter

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