Frontiers in Neuroanatomy

Introduzione

Magnetic resonance diffusion tensor tractography (DTT) è ampiamente utilizzata per il tracciamento delle fibre neurali e l’analisi di specifici tratti di fibre. La parte importante dell’applicazione DTT in vivo è come impostare la regione di interesse (ROI) per il processo di analisi DTT. Molti ricercatori hanno impostato ROI basato sull’immagine anatomica e il colore calcolato mappa anisotropia frazionale (FA) secondo il loro scopo di ricerca, generalmente (Hong et al., 2009; Kim e Jang, 2013; Li et al., 2013). Anche se l’analisi basata su multi-ROI viene utilizzata per questi approcci, hanno uno svantaggio in termini di precisione dei risultati a causa di un’impostazione ROI dipendente dall’utente. Per superare questo inconveniente, i risultati di attivazione MRI funzionale (fMRI) sono stati combinati con analisi DTT (Propper et al., 2010; Li et al., 2013). Questo approccio combinato fornisce un’accurata impostazione ROI rispetto ad un’impostazione ROI manuale. Tuttavia, le dimensioni delle aree di attivazione fMRI potrebbe essere eventualmente cambiato in base al dato valore statisticamente significativo e il processo di acquisizione di immagini aggiuntive causando consumo di tempo.

In questo studio, abbiamo applicato l’area di Brodmann (BA) modello per impostare ROI per l’analisi accurata DTT per arcuato fascicolo (AF) tratto di fibra. Tra i molteplici tratti di fibre neurali nel cervello umano, l’AF è un importante tratto di fibre neurali che collega le aree frontale (di Broca) e temporale (di Wernicke), ed è stato associato alle funzioni linguistiche. Così, le lesioni alla FA hanno causato vari tipi di problemi di linguaggio come l’afasia di conduzione e deficit del linguaggio (Yamada et al., 2007; Jang, 2013; Li et al., 2013). Pertanto, l’identificazione delle caratteristiche anatomiche con la sua posizione del tratto di fibra AF nel cervello umano normale o in pazienti con afasia è diventata una questione importante perché sarebbe utile a neuroscienziati o ricercatori clinici per prevedere lo stato di recupero delle fibre neurali per l’afasia, e studi di follow-up. Inoltre, il modello BA è una sorta di modello standard, che dimostra le regioni della corteccia umana divisa in 46 aree in base alle caratteristiche citoarchitettoniche (Thottakara et al., 2006). Applicando le caratteristiche del modello BA per le regioni della corteccia divisa come standard, i nostri approcci analitici fornisce impostazione ROI accurata e utile per studi DTT. Inoltre, abbiamo generato la mappa di probabilità del tratto di fibra di AF per stimare il percorso del tratto di fibra nel cervello.

Materiali e metodi

Soggetti

Tredici soggetti sani, nove uomini e quattro donne, hanno partecipato a questo studio (mano destra, età media: 38,7 ± 6,4 anni, range di età: 26-50 anni). Non avevano alcuna storia precedente di malattia neurologica o fisica. Tutti i partecipanti sono stati sottoposti a valutazione dal radiologo e dal neurologo, e sono stati diagnosticati come soggetti normali. Tutti i soggetti hanno compreso lo scopo dello studio e hanno fornito il consenso informato scritto. Questo protocollo di studio è stato approvato dal locale Institutional Review Board.

Acquisizione dei dati e analisi

I dati del tensore di diffusione (DTI) sono stati acquisiti utilizzando uno scanner 1.5 T MR (Gyroscan Intera, Philips Healthcare, The Best, Paesi Bassi) con un phased array sei canali sensibilità codifica (SENSE) bobina testa utilizzando un singolo colpo spin eco sequenza di impulsi di imaging echo-planar (EPI). I dati DTI sono stati acquisiti con i seguenti parametri: tempo di ripetizione (TR)/tempo di eco (TE) = 10,726/75 ms, campo visivo (FOV) = 221 mm, matrice di acquisizione = 96 × 96, matrice di ricostruzione = 128 × 128, spessore della fetta = 2.3 mm, e fattore SENSE = 2. Ponderazione di diffusione è stato applicato lungo 32 non-collineare e non-coplanare gradienti sensibilizzazione diffusione con un b-valore di 1000 s/mm2. Abbiamo acquisito 67 fette contigue trasversali che coprono l’intero cervello senza lacune fetta, e l’acquisizione fetta interleaved è stato applicato per ridurre al minimo il cross-talk causato da nessun gap tra le fette.

Prima dell’analisi dei dati DTI, gli effetti delle correnti parassite e movimento della testa sono stati corretti registrando tutte le immagini DWI a non-immagini pesate in diffusione (b-value = 0 s / mm2) utilizzando affine multi-scala di registrazione FSL (Smith et al., 2004) 1. DTI Studio software (Dipartimento di Radiologia, Johns Hopkins University School of Medicine, Baltimora, MD, USA), che è stato l’assegnazione fibra dal continuo inseguimento (FACT) algoritmo e un approccio ROIs multipli, è stato utilizzato per il calcolo delle mappe dei parametri di diffusione e fibra di monitoraggio (Wakana et al., 2004; Jiang et al., 2006). Per estrarre e valutare il tratto di fibra AF da ogni soggetto, abbiamo usato due modelli di cervello standard, che sono stati forniti nel software MRIcro2. Il modello BA fornisce una maschera di volume che è suddiviso in 46 regioni corticali discrete, ognuna delle quali rappresenta una zona diversa BA. Mentre usiamo le regioni corticali predefinite nel modello BA, possiamo semplicemente selezionare o disegnare l’area specifica regione, che è correlato con l’origine del tratto di fibra neurale, per la selezione ROI nel monitoraggio fibra. In questo modo, è possibile ridurre al minimo il fattore erroneo indotto dall’impostazione ROI dipendente dall’utente. Inoltre, il modello MNI T1w è stato utilizzato per il processo di normalizzazione delle immagini cerebrali. Tutti i set di dati DTI acquisiti da scanner MRI per ogni soggetto e calcolato mappa FA hanno orientamento leggermente diverso e informazioni sulla posizione. Pertanto, alcuni fattori errati che sono stati indotti da diverse strutture e/o posizioni tra i soggetti possono essere evitati utilizzando il processo di normalizzazione del cervello. Inoltre, il processo di normalizzazione basato sull’immagine modello per tutti i set di dati è più utile per generare la mappa del percorso di probabilità del tratto di fibra al fine di mantenere la coerenza delle posizioni. In questo studio, il tratto di fibra AF è stato analizzato solo nell’emisfero dominante (sinistro) di tutti i soggetti. Il diagramma di flusso delle procedure di elaborazione è stato mostrato in Figura 1A, che è stato eseguito nei seguenti ordini: (i) La mappa FA soggetto è stato calcolato utilizzando il software DTI Studio, (ii) Il modello T1w è stato co-registrato alla mappa FA di ogni soggetto utilizzando SPM8 (Wellcome Dipartimento di Neurologia Cognitiva, Londra, UK) software. A causa della piccola differenza nel contrasto dell’immagine tra la mappa FA e il modello T1w, è possibile ridurre al minimo il fattore errato nel processo di co-registrazione; (iii) Per eseguire il processo di normalizzazione tra il modello BA e i set di dati del tensore di diffusione, la matrice di trasformazione, che è stato generato sul passo (ii), è stato applicato al modello BA; (iv) Due ROI sono state disegnate nell’area di Broca e nell’area di Wernicke sulla base del modello BA normalizzato, e il tratto di fibra AF di ogni soggetto è stato estratto con i seguenti criteri; un voxel con il valore FA inferiore a 0.2 o l’angolo di traiettoria inferiore a 80 gradi; e (v) sono state generate maschere binarie del tratto di fibra estratto per ogni soggetto. Le maschere binarie hanno solo due valori: uno (voxel per la posizione del tratto delle fibre) e zero (voxel per la posizione del tratto non delle fibre). Le maschere di tutti i soggetti sono stati normalizzati utilizzando il modello MNI T1w da MRIcro con una registrazione affine 12 parametri utilizzando matrice di trasformazione inversa del processo di co-registrazione originale. Queste maschere normalizzate del tratto delle fibre sono state sommate e divise per il numero totale di soggetti per generare la mappa probabilistica del percorso della FA. La mappa percorso probabilistico è stato sovrapposto al modello MNI T1w con una scala diversa a seconda del valore di probabilità di un voxel.

Figura 1. Diagramma di flusso delle procedure di analisi dei dati per l’impostazione ROI in fibra di monitoraggio / generazione percorso probabilistico (A) e il processo di misurazione delle posizioni relative fibre (B). Per il fascicolo arcuato (AF) misurazione posizione relativa in mappa percorso probabilistico, (a) indica il metodo di misurazione mediolaterale rapporto posizione tra Xa e Xb, e (b) indica il metodo di misurazione anteroposteriore porzione rapporto tra Ya e Yb o Yc. I processi di misurazione dei rapporti di posizione sono stati eseguiti nel Montreal Neurological Institute (MNI) T1w modello, che è presentato sulla posizione corona radiata.

Per indagare la posizione del percorso fibra AF tratto su ogni soggetto, la posizione relativa è stata misurata dal rapporto occupato del tratto AF sulla base di emisfero sinistro. I processi di misurazione sono stati eseguiti con la parte mediolaterale e la parte anteroposteriore utilizzando il percorso generato probabilistico del tratto di fibra AF sul modello MNI T1w (Figura 1B). La posizione mediolaterale è stata misurata dal rapporto tra la lunghezza dalla fessura longitudinale al confine più laterale dell’emisfero cerebrale sinistro (Xa) e la lunghezza dalla posizione mediale a laterale della parte orizzontale di AF (Xb) come segue: (Xa/Xb) × 100. Il rapporto di localizzazione anteroposteriore è stato misurato tra la lunghezza dal confine più anteriore al confine più posteriore (Ya) e la lunghezza dal confine anteriore a quello posteriore della parte verticale della FA (Yb o Yc). Il rapporto di localizzazione anteroposteriore, più dettagliato, è stato misurato separatamente in base alla confluenza della parte orizzontale (rapporto tra Ya e Yb) e verticale (rapporto tra Ya e Yc) come segue: (Ya/Yb) × 100 e (Ya/Yc) × 100.

Risultati

Le mappe percorso probabilistico del tratto di fibra AF per tutti i soggetti gruppo sono mostrati nella Figura 2. La scala di colori indica la probabilità di un voxel di essere parte del percorso della fibra AF tratto. In questa mappa percorso probabilistico del tratto di fibra AF, il rapporto misurato posizione mediolaterale era 18%. Il rapporto misurato della posizione anteroposteriore era 35% basato sul punto di curvatura AF. Il rapporto è stato misurato con la porzione superiore 15% e la porzione inferiore 20%, rispettivamente. Sulla base dei risultati, la porzione mediolaterale misurata di AF rappresenta 1/5 della lunghezza mediolaterale totale dell’emisfero sul modello MNI T1w. La porzione misurata anteroposteriore di AF era 1/2 lunghezza rispetto alla lunghezza totale anteroposteriore dell’emisfero. Inoltre, il tratto estratto fibra AF che è stato sovrapposto al piano di immagine trasversale del modello MNI T1w non è stato pienamente mostrato la forma complessiva della struttura del tratto di fibra AF a causa della caratteristica di forma curva del tratto di fibra AF in vivo; tuttavia, in particolare, estratto tratto di fibra AF per ogni soggetto, che è stato creato da immagine maschera nella procedura di analisi (Figura 1), e ricostruito mappa di probabilità (Figura 2) ha descritto che il tratto di fibra AF dai nostri risultati è stato collegato due regioni del cervello tra l’area di Broca nel giro frontale inferiore e l’area di Wernicke nel giro temporale superiore posteriore. Inoltre, la mappa percorso probabilistico generato chiaramente mostrato che le distribuzioni di combinato tratto di fibra AF, che è stato estratto dal modello BA per l’impostazione ROI da ogni soggetto, era ben posizionato e definito nel cervello umano senza errori di dislocazione.

Figura 2. Le mappe percorso probabilistico del tratto di fibra AF nelle posizioni multi-slice. La barra della scala dei colori indica i valori probabilistici del tratto di fibra.

Discussione

Il BA è ben definito regioni corteccia cerebrale umana di 46 aree secondo le loro funzioni uniche. Molti ricercatori hanno usato il modello BA per indicare luoghi specifici di attività cerebrale nei loro studi come pazienti con malattie neurologiche o strategie di trattamento perché il BA differenzia le regioni non solo anatomicamente distinte ma anche funzionalmente. In particolare, tra i BA, l’area di Broca e l’area di Wernicke che sono collegati attraverso il tratto di fibra neurale AF che si curva intorno alla fessura silviana che collega le aree temporali e frontali del linguaggio (Rilling et al., 2008; Jang, 2013; Tak e Jang, 2014). L’AF potrebbe essere previsto per essere il tratto di fibra più importante associato con le funzioni linguistiche, ed è ha una forma distinta di una curva combinata diverse direzioni a differenza di altri tratti di fibra come il tratto corticospinale (rappresentativo superiore-inferiore direzione della fibra) o corpo calloso (rappresentativo sinistra-destra direzione della fibra). Dal momento che il tratto di fibra AF è altamente associato con i pazienti che hanno ostacolato le competenze linguistiche come l’afasia, l’identificazione della posizione accurata del tratto di fibra AF è significativamente considerato nella prospettiva clinica. Molti degli approcci con tecniche di imaging multi-modalità e/o chirurgia invasiva intra-operatoria è stata eseguita per trovare le caratteristiche neuroanatomiche del tratto delle fibre AF e per valutare il ruolo critico per il controllo feed-forward e feedback della produzione del linguaggio (Duffau et al., 2002; Breier et al., 2008; Hosomi et al., 2009; Marchina et al., 2011; Zhao et al., 2012; Yamao et al., 2014). Il metodo DTT, che è stato introdotto in passato per tracciare il tratto di fibra neurale, è ampiamente utilizzato per dimostrare le caratteristiche della fibra neurale utilizzando fenomeni di diffusione calcolati delle molecole di acqua in vivo. Questo approccio è adeguato per la visualizzazione del tratto di fibra, così come la facilità di applicazione. A causa di queste caratteristiche, il metodo DTT e il suo sviluppo tecnico ha permesso la visualizzazione di tratti di fibre associate alla materia bianca in vivo. Tuttavia, anche se la valutazione dei tratti di fibra è stato progredito con il metodo DTT, c’è una limitazione ancora rimasto a causa della precisione di impostazione ROI in DTT.

In questo studio, abbiamo impiegato l’impostazione ROI non dipendente dall’utente per DTT basato sul modello BA. Le ROI definite dal modello BA hanno un vantaggio per la coerenza del tratto di fibra neurale rispetto alle impostazioni ROI dipendente dall’utente. Inoltre, abbiamo normalizzato tratto individuale AF al modello MNI T1w per indagare la tendenza della posizione AF e il suo percorso probabilistico nel cervello umano. Il percorso probabilistico potrebbe fornire una migliore stima delle probabilità di connessione del tratto di fibra per un gruppo di soggetti. Fino ad ora, le procedure di selezione ROI per l’analisi DTT sono stati generalmente eseguiti con l’impostazione ROI dipendente dall’utente, e può causare errori analitici in parti di identità e riproducibilità anche se il ROI è stato ben definito da ricercatori esperti. In particolare, l’approccio complessivo di analisi proposto per il monitoraggio in vivo fibra neurale umana, che ha eseguito con la selezione ROI basato sul modello BA, ha la forza analitica per consentire l’acquisizione di tratti di fibra più accurata indipendentemente da qualsiasi contaminazione degli errori di impostazione ROI da parte degli utenti o ricercatori. In termini di mantenere l’identificazione e la riproducibilità dei risultati, può essere fornito gli accordi elevati a causa delle due principali procedure di analisi come la normalizzazione del cervello e l’estrazione di area ROI dal modello BA senza alcuna impostazione manuale. Inoltre, i nostri approcci potrebbero essere facilmente adattati all’analisi per studi DTT, e portare all’analisi di connessione delle fibre di BA in altre aree del cervello con precisione.

Ci sono alcune limitazioni di questo studio. In primo luogo, abbiamo una limitazione alla nostra procedura di analisi DTT a causa della considerazione della fibra deterministica algoritmo di tracciamento. Pertanto, crediamo che l’applicazione di altri algoritmi di tracciamento delle fibre basati sull’algoritmo di tracciamento probabilistico delle fibre con modello BA e studi di confronto saranno forniti con informazioni più utili per valutare il modello BA basato impostazione ROI in ricerche cliniche. In secondo luogo, per il reclutamento del soggetto, abbiamo considerato solo soggetti normali con popolazioni relativamente basse. Nello studio futuro, con un gran numero di soggetti e / o pazienti che avevano malattie nel tratto di fibra AF sarà partecipato, crediamo che i risultati danno anche più affidabilità.

In conclusione, abbiamo dimostrato il tracking fibra AF con il modello BA per la selezione ROI e il suo percorso probabilistico nel cervello umano. Crediamo che i nostri approcci analitici proposti sono sufficientemente estesi ad altri studi DTT per l’impostazione ROI, e questi possono essere forniti informazioni accurate tratto di fibra neurale e impostazioni di ricerca clinica.

Contributi degli autori

D-HL, D-WL e B-SH progettato e coordinato lo studio. D-HL e B-SH hanno acquisito i dati. D-HL e D-WL hanno analizzato i dati. D-HL ha redatto il manoscritto. B-SH ha fatto da mentore allo studio.

Conflict of Interest Statement

Gli autori dichiarano che la ricerca è stata condotta in assenza di relazioni commerciali o finanziarie che potrebbero essere interpretate come un potenziale conflitto di interessi.

Abbreviazioni

BA, area di Brodmann; ROI, regione di interesse; AF, fascicolo arcuato; DTT, diffusion tensor tractography; DTI, diffusion tensor imaging; MNI, Montreal Neurological Institute; FA, anisotropia frazionale.

Footnotes

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