Frontiers in Neuroanatomy

Introduction

A mágneses rezonancia diffúziós tenzortraktográfiát (DTT) széles körben használják az idegi rostok követésére és a specifikus rostpályák elemzésére. A DTT in vivo alkalmazásának fontos része az, hogy hogyan kell beállítani az érdeklődési területet (ROI) a DTT elemzési folyamathoz. Sok kutató a ROI-t az anatómiai kép és a számított színkódolt frakcionális anizotrópia (FA) térkép alapján állította be a kutatási célnak megfelelően, általában (Hong et al., 2009; Kim and Jang, 2013; Li et al., 2013). Bár ezekhez a megközelítésekhez több ROI-alapú elemzést használnak, az eredmények pontossága tekintetében hátrányuk van a felhasználófüggő ROI-beállítások miatt. E hátrány leküzdése érdekében a funkcionális MRI (fMRI) aktivációs eredményeket DTT elemzéssel kombinálták (Propper et al., 2010; Li et al., 2013). Ez a kombinált megközelítés pontos ROI-beállítást biztosít, mint a manuális ROI-beállítás. Azonban az fMRI-aktivációs területek méreteit az adott statisztikailag szignifikáns értéknek és az időfogyasztást okozó további képfelvételi folyamatnak megfelelően lehet esetleg megváltoztatni.

Ebben a tanulmányban a Brodmann-terület (BA) sablont alkalmaztuk a ROI-k beállításához a pontos DTT-elemzéshez az arcuate fasciculus (AF) rostpálya számára. Az emberi agyban található számos neurális rostpálya közül az AF egy fontos neurális rostpálya, amely a frontális (Broca-) és temporális (Wernicke-) területeket köti össze, és a nyelvi funkciókkal hozták összefüggésbe. Így az AF sérülései különböző típusú nyelvi problémákat, például vezetési afáziát és beszédhibákat okoztak (Yamada és mtsai., 2007; Jang, 2013; Li és mtsai., 2013). Ezért az AF rostpálya anatómiai jellemzőinek azonosítása a helyével együtt a normál emberi agyban vagy afáziás betegeknél fontos kérdéssé vált, mert hasznos lenne az idegtudósok vagy a klinikai kutatók számára, hogy megjósolják az idegrostok helyreállítási állapotát az afázia és a nyomonkövetési vizsgálatok esetében. Ezenkívül a BA sablon egyfajta standard sablon, amely az emberi agykéreg 46 területre osztott régióit mutatja be citoarchitekturális jellemzők alapján (Thottakara et al., 2006). A BA sablon jellemzőit standardként alkalmazva az osztott kéregrégiókra, analitikai megközelítéseink pontos és hasznos ROI-beállítást biztosítanak a DTT-vizsgálatokhoz. Ezenkívül az AF rostpálya valószínűségi térképét generáltuk, hogy megbecsüljük a rostpálya útvonalát az agyban.

Anyagok és módszerek

Alanyok

Tizenhárom egészséges alany, kilenc férfi és négy nő vett részt ebben a vizsgálatban (jobbkezes, átlagéletkor: 38,7 ± 6,4 év, életkor tartomány: 26-50 év). Korábban nem volt neurológiai vagy fizikai betegségük. Valamennyi résztvevőt radiológus és neurológus értékelte, és normális alanyként diagnosztizálták őket. Minden alany megértette a vizsgálat célját, és írásbeli beleegyezését adta. A vizsgálati protokollt a helyi intézményi felülvizsgálati bizottság jóváhagyta.

Adatgyűjtés és elemzés

A diffúziós tenzoros képalkotás (DTI) adatait 1,5 T MR-szkennerrel (Gyroscan Intera, Philips Healthcare, The Best, Hollandia), hatcsatornás fázisos elrendezésű érzékenységi kódoló (SENSE) fejtekercs segítségével, egylövetű spin echo echo-planar imaging (EPI) impulzusszekvenciával nyertük. A DTI-adatokat a következő paraméterekkel vettük fel: ismétlési idő (TR)/visszhangidő (TE) = 10 726/75 ms, látómező (FOV) = 221 mm, felvételi mátrix = 96 × 96, rekonstrukciós mátrix = 128 × 128, szeletvastagság = 2,3 mm és SENSE faktor = 2. Diffúziós súlyozást alkalmaztunk 32 nem kollineáris és nem koplanáris diffúzióérzékenyítő gradiens mentén, 1000 s/mm2 b-értékkel. 67 összefüggő, az egész agyat lefedő, keresztirányú szeletet vettünk fel szelethézagok nélkül, és interleaved szeletfelvételt alkalmaztunk a szelethézagok hiányából adódó keresztbeszélgetések minimalizálása érdekében.

A DTI-adatok elemzése előtt az örvényáramok és a fejmozgás hatásait korrigáltuk az összes DWI-kép nem diffúziós súlyozott képekhez (b-érték = 0 s/mm2) való regisztrálásával, az FSL (Smith et al., 2004)1 affin több skálájú regisztrálásával. A diffúziós paramétertérképek kiszámításához és a rostkövetéshez a DTI Studio szoftvert (Department of Radiology, Johns Hopkins University School of Medicine, Baltimore, MD, USA) használtuk, amely a folyamatos követési (FACT) algoritmussal és több ROI megközelítéssel történt rostkiosztás (Wakana et al., 2004; Jiang et al., 2006). Az AF-rostpálya kivonásához és értékeléséhez minden alanyból két standard agyi sablont használtunk , amelyeket az MRIcro szoftver2 biztosított. A BA sablon egy térfogatmaszkot biztosít, amely 46 különálló agykérgi régióra van felosztva, amelyek mindegyike egy-egy különböző BA területet képvisel. Míg a BA sablonban az előre definiált agykérgi régiókat használjuk, a rostkövetésben a ROI kiválasztásához egyszerűen kiválaszthatjuk vagy lerajzolhatjuk az adott régió területét, amely korrelál a neurális rostpálya eredetével. Ily módon minimalizálható a felhasználófüggő ROI-beállítás által indukált hibás tényező. Ezenkívül az MNI T1w sablont használtuk az agyi kép normalizálási folyamatához. Az egyes alanyok MRI-szkennerrel szerzett összes DTI-adatkészlete és a számított FA-térkép kissé eltérő orientációs és helyzeti információkkal rendelkezik. Ezért az agyi normalizálási folyamat használatával megelőzhető néhány hibás tényező, amelyet az egyes alanyok eltérő struktúrái és/vagy helyei indukáltak. Ezenkívül az összes adatkészletre vonatkozó sablonképen alapuló normalizálási folyamat hasznosabb a rostpálya valószínűségi útvonaltérképének létrehozásához a helyek konzisztenciájának fenntartása érdekében. Ebben a tanulmányban az AF-rostpályát csak a domináns (bal) féltekén elemeztük minden alanyból. A feldolgozási eljárások folyamatábráját az 1A. ábra mutatja, amelyet a következő sorrendben végeztünk: (i) Az alany FA-térképét a DTI Studio szoftver segítségével számoltuk ki; (ii) A T1w-sablont az SPM8 (Wellcome Department of Cognitive Neurology, London, Egyesült Királyság) szoftver segítségével társregisztráltuk az egyes alanyok FA-térképéhez. Az FA-térkép és a T1w-sablon közötti kis képkontrasztkülönbség miatt a ko-regisztrációs folyamat során minimalizálható a hibás tényező; (iii) A BA-sablon és a diffúziós tenzor adatkészletek közötti normalizálási folyamat elvégzéséhez a (ii) lépésben generált transzformációs mátrixot alkalmaztuk a BA-sablonra; (iv) A normalizált BA sablon alapján két ROI-t rajzoltunk a Broca-területre és a Wernicke-területre, és az egyes alanyok AF-rostpályáját a következő kritériumok alapján extraháltuk; a 0-nál alacsonyabb FA-értékkel rendelkező voxel.2 vagy a pálya szöge kisebb, mint 80 fok; és v) minden egyes alany esetében bináris maszkokat generáltunk a kivont rostpályáról. A bináris maszkoknak csak két értéke van; egy (a rostpálya helyét jelző voxelek) és nulla (a nem rostpálya helyét jelző voxelek). Az összes alany maszkjait az MRIcro-ból származó MNI T1w sablon segítségével normalizáltuk 12 paraméteres affin regisztrációval, az eredeti ko-regisztrációs folyamat inverz transzformációs mátrixának felhasználásával. Ezeket a normalizált rostpálya-maszkokat összegeztük, és elosztottuk az alanyok teljes számával, hogy létrehozzuk az AF valószínűségi pályatérképét. A valószínűségi pályatérképet az MNI T1w sablonra helyeztük rá, a voxel valószínűségi értékének megfelelően eltérő skálával.

1. ábra. Az adatelemzési eljárások folyamatábrája a ROI beállításához a rostkövetés/probabilisztikus útvonalgenerálásban (A) és a relatív rosthelyzetek mérési folyamata (B). Az arcuate fasciculus (AF) relatív helyének mérésére a probabilisztikus pályatérképben az (a) az Xa és Xb közötti mediolaterális helyarány mérésének módszerét, a (b) pedig a Ya és Yb vagy Yc közötti anteroposterior részarány mérésének módszerét jelöli. A helyarányok mérési folyamatait a Montreali Neurológiai Intézet (MNI) T1w sablonjában végeztük, amely a corona radiata helyére van bemutatva.

Az AF-rostpálya helyének vizsgálatához az egyes alanyokon a relatív helyet az AF-nyomvonal elfoglalt arányával mértük a bal félteke alapján. A mérési folyamatokat mediolaterális részen és anteroposterior részen végeztük az MNI T1w sablonon az AF rostpálya generált valószínűségi útvonalának felhasználásával (1B. ábra). A mediolaterális elhelyezkedést a hosszanti hasadéktól a bal agyfélteke legkülső határáig terjedő hossz (Xa) és az AF horizontális részének mediális és laterális elhelyezkedése közötti hossz (Xb) arányával mértük az alábbiak szerint: (Xa/Xb) × 100. Az anteroposterior elhelyezkedési arányt a legelülső határtól a leghátsó határig terjedő hossz (Ya) és az AF függőleges részének elülső és hátsó határától számított hossz (Yb vagy Yc) között mértük. Az anteroposterior elhelyezkedési arányt, részletesebben, a vízszintes rész (Ya és Yb közötti arány) és a függőleges rész (Ya és Yc közötti arány) összefolyása alapján külön-külön mértük az alábbiak szerint: (Ya/Yb) × 100 és (Ya/Yc) × 100.

Eredmények

Az AF-rostpálya valószínűségi pályatérképeit az összes alanycsoportra vonatkozóan a 2. ábra mutatja. A színskála tartománya jelzi annak valószínűségét, hogy egy voxel az AF rostpálya része. Az AF-rostpálya e valószínűségi pályatérképén a mért mediolaterális helyzetarány 18% volt. Az AF-görbületi pont alapján az anteroposterior pozíció mért aránya 35% volt. A mért arány a felső résznél 15%, az alsó résznél 20% volt. Az eredmények alapján az AF mért mediolaterális része a félteke teljes mediolaterális hosszának 1/5-ét teszi ki az MNI T1w sablonon. Az AF mért anteroposterior része a félteke teljes anteroposterior hosszához képest 1/2 hossz volt. Ezenkívül a kivont AF-rostpálya, amelyet az MNI T1w sablon keresztirányú képsíkjára helyeztünk, nem mutatta meg teljes mértékben az AF-rostpálya szerkezetének teljes alakját, mivel az in vivo AF-rostpálya görbült alakja jellemző; azonban, nevezetesen, az egyes alanyok extrahált AF-rostpályája, amelyet az elemzési eljárás során a maszk képével hoztak létre (1. ábra), és a rekonstruált valószínűségi térkép (2. ábra) leírta, hogy az AF-rostpálya az eredményeink alapján két agyi régiót kötött össze a Broca-terület között az alsó frontális gyrusban és a Wernicke-terület között a hátsó felső temporális gyrusban. Továbbá, a generált valószínűségi útvonaltérkép egyértelműen megmutatta, hogy a kombinált AF-rostpálya eloszlása, amelyet a BA-sablonnal extraháltunk a ROI beállításához minden egyes alanyból, jól lokalizálódott és definiált volt az emberi agyban, mindenféle diszlokációs hiba nélkül.

2. ábra. Az AF-rostpálya valószínűségi pályatérképek a több szeletet tartalmazó helyszíneken. A színskálás sáv a rostpálya valószínűségi értékeit jelzi.

Diszkusszió

A BA jól definiált emberi agykéreg régiói 46 területből állnak egyedi funkcióik szerint. Számos kutató használta a BA-sablont az agyi aktivitás meghatározott helyeinek megjelölésére tanulmányaikban, például neurológiai betegségben szenvedő betegek vagy kezelési stratégiák esetében, mivel a BA nemcsak anatómiailag, hanem funkcionálisan is megkülönbözteti a régiókat. Különösen a BA, a Broca-terület és a Wernicke-terület között, amelyek az AF neurális rostpályán keresztül kapcsolódnak egymáshoz, amely a sylviai hasadék körül kanyarog, és amely összeköti a temporális és frontális nyelvi területeket (Rilling és mtsai., 2008; Jang, 2013; Tak és Jang, 2014). Az AF várhatóan a legfontosabb, a nyelvi funkciókhoz kapcsolódó rostpálya lehet, és határozott görbe alakja különböző irányokat kombinál, ellentétben más rostpályákkal, mint például a corticospinalis traktus (reprezentatív superior-inferior rostirány) vagy a corpus callosum (reprezentatív bal-jobb rostirány). Mivel az AF-rostpálya nagymértékben összefügg az olyan betegekkel, akiknek akadályozott nyelvi készségei vannak, mint például az afázia, az AF-rostpálya pontos helyének azonosítása klinikai szempontból jelentős jelentőséggel bír. Számos megközelítést végeztek multimodális képalkotó technikákkal és/vagy invazív intraoperatív műtéttel az AF-rostpálya neuroanatómiai jellemzőinek feltárására és a nyelvi produkció feed-forward és feedback kontrolljában betöltött kritikus szerepének értékelésére (Duffau et al., 2002; Breier et al., 2008; Hosomi et al., 2009; Marchina et al., 2011; Zhao et al., 2012; Yamao et al., 2014). A DTT-módszert, amelyet korábban az idegrostpálya követésére vezettek be, széles körben használják az idegrostok jellemzőinek bemutatására az in vivo vízmolekulák számított diffúziós jelenségeinek felhasználásával. Ez a megközelítés megfelelő a rostpálya vizualizációjához, valamint az egyszerű alkalmazáshoz. E jellemzőknek köszönhetően a DTT-módszer és annak technikai fejlesztése lehetővé tette a fehér anyaghoz kapcsolódó rostpályák in vivo vizualizálását. Azonban, bár a rostpályák kiértékelése a DTT-módszerrel előrehaladt, a DTT-ben a ROI beállításának pontossága miatt még mindig maradt egy korlátozás.

Ebben a tanulmányban a BA-sablonon alapuló, nem felhasználófüggő ROI-beállítást alkalmaztunk a DTT-hez. A BA sablon alapján meghatározott ROI-k előnyösek az idegrostpálya konzisztenciája szempontjából a felhasználófüggő ROI-beállításokkal szemben. Ezenkívül az egyes AF-traktusokat az MNI T1w sablonra normalizáltuk, hogy megvizsgáljuk az AF helyének és valószínűségi útvonalának tendenciáját az emberi agyban. A valószínűségi útvonal jobb becslést adhat a rostpálya-kapcsolati valószínűségekről egy alanycsoport esetében. Eddig a DTT-elemzés ROI-kiválasztási eljárásait általában felhasználófüggő ROI-beállítással végezték, és ez analitikai hibákat okozhat az azonosság és a reprodukálhatóság egyes részeiben, még akkor is, ha a ROI-t tapasztalt kutatók jól határozták meg. Figyelemre méltó, hogy az in vivo emberi neurális szálak követésére javasolt általános elemzési megközelítés, amelyet a BA-sablonon alapuló ROI-kiválasztással végeztek, analitikai erővel rendelkezik, amely lehetővé teszi a pontosabb rostpályák megszerzését, függetlenül a felhasználók vagy a kutatók által elkövetett ROI-beállítási hibák szennyeződésétől. Az eredmények azonosításának és reprodukálhatóságának fenntartása szempontjából a két fő analitikai eljárás, mint például az agy normalizálása és a ROI terület kivonása a BA sablonból kézi beállítások nélkül, magas szintű megállapodásokat biztosíthat. Továbbá, megközelítéseink könnyen adaptálhatók a DTT-vizsgálatok elemzéséhez, és pontosan vezethetnek a BA más agyterületeken lévő rostkapcsolatainak elemzéséhez.

A tanulmánynak vannak bizonyos korlátai. Először is, van egy korlátozásunk a DTT elemzési eljárásunkban a determinisztikus szálkövetési algoritmus figyelembevétele miatt. Ezért úgy gondoljuk, hogy a valószínűségi szálkövető algoritmuson alapuló más szálkövető algoritmusok alkalmazása a BA-sablonnal és összehasonlító vizsgálatokkal hasznosabb információkat fog nyújtani a BA-sablonon alapuló ROI-beállítás értékeléséhez a klinikai kutatásokban. Másodszor, a vizsgálati alanyok toborzása során csak viszonylag alacsony populációjú normál alanyokat vettünk figyelembe. A jövőbeli vizsgálatban, nagyszámú alany és/vagy olyan betegek részvételével, akiknek betegségei voltak az AF rostpályán, úgy gondoljuk, hogy az eredmények is nagyobb megbízhatóságot adnak.

Összefoglalva, bemutattuk az AF rostkövetést a BA-sablonnal a ROI kiválasztásához és annak valószínűségi útvonalát az emberi agyban. Úgy gondoljuk, hogy a javasolt analitikai megközelítéseink kellőképpen kiterjeszthetők más DTT vizsgálatokra a ROI beállításához, és ezek pontos neurális rostpálya információkat és klinikai kutatási beállításokat biztosíthatnak.

A szerzők hozzájárulása

D-HL, D-WL és B-SH tervezte és koordinálta a vizsgálatot. D-HL és B-SH szerezte be az adatokat. D-HL és D-WL elemezte az adatokat. D-HL megszerkesztette a kéziratot. B-SH mentorálta a tanulmányt.

Enyilatkozat az összeférhetetlenségről

A szerzők kijelentik, hogy a kutatást olyan kereskedelmi vagy pénzügyi kapcsolatok hiányában végezték, amelyek potenciális összeférhetetlenségként értelmezhetők.

Rövidítések

BA, Brodmann-terület; ROI, region of interest; AF, arcuate fasciculus; DTT, diffúziós tenzortraktográfia; DTI, diffúziós tenzoros képalkotás; MNI, Montreali Neurológiai Intézet; FA, frakcionális anizotrópia.

Footnotes

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