병변-증상 매핑(LSM)은 병변 행동 매핑이라고도 하며, 인간의^뇌의기능적 구조를 연구하기 위한 중요한 도구1. 병변 연구에서, 뇌 기능은 후천성 뇌 병변 환자를 연구하여 유추되고 국소화됩니다. 신경 학적 증상을 19 세기에 수행 된 특정 뇌 위치에 연결하는 첫 번째 사례 연구는 이미 언어와 다른 여러 인지 과정의 해부학 적 상관 관계에 대한 근본적인 통찰력을 제공². 그러나, 신경 해부학 인식 및 다른 뇌 기능의 많은 측면의 상관 관계는 애매 남아. 지난 수십 년 동안, 개선 된 구조적 뇌 이미징 방법과 기술 발전은 높은 공간 해상도 (즉, 개별 복셀 또는 관심있는 특정 피질 / 피질 영역의 수준에서) 생체 내 LSM 연구에서 대규모를 가능하게했다^{1 ,2}. 이러한 방법론적 진보를 통해 LSM은 인지 신경 과학에서 점점 더 대중적인 방법이 되었으며 인식 및 신경 학적 증상의 신경 해부학에 대한 새로운 통찰력을 지속적으로 제공합니다^3. 모든 LSM 연구에서 중요한 단계는 병변의 정확한 세분화및 뇌 템플릿에 등록하는 것입니다. 그러나 LSM을 목적으로 뇌 이미징 데이터의 전처리에 대한 포괄적인 튜토리얼은 부족합니다.

여기에 표준화 된 병변 세분화 및 등록 방법에 대한 완전한 튜토리얼이 제공됩니다. 이 방법은 연구원에게 표준화된 뇌 이미지 처리를 위한 파이프라인과 피해야 할 잠재적인 함정에 대한 개요를 제공합니다. 제시된 이미지 처리 파이프라인은 국제 협력을 통해 개발되었으며 최근에 설립된 Meta VCI 맵 컨소시엄의 프레임워크의 일부로, 그 목적은 다중 센터 병변-증상 매핑 연구를 수행하고 있습니다. 혈관 인지 장애 & www.metavcimap.org>⁵. 이 방법은 여러 공급업체의 CT 및 MRI 스캔과 이기종 스캔 프로토콜을 모두 처리하여 서로 다른 소스에서 이미징 데이터 세트를 결합하여 처리할 수 있도록 설계되었습니다. 이 프로토콜에 필요한 RegLSM 소프트웨어 및 기타 모든 소프트웨어는 라이센스가 필요한 MATLAB을 제외하고 자유롭게 사용할 수 있습니다. 이 튜토리얼은 뇌 경색의 세분화 및 등록에 초점을 맞추고 있지만,이 이미지 처리 파이프 라인은 백색 물질 과산화 와 같은 다른 병변에도 사용할 수 있습니다⁶.

LSM 연구를 시작되기 전에 일반적인 개념과 함정에 대한 기본적인 이해가 필요합니다. 몇 가지 상세한 지침과 히치하이커의 가이드를 사용할 수 있습니다^1,3,6. 그러나 이러한 리뷰는 뇌 스캔을 적절한 형식으로 수집하고 변환하고 뇌 경색을 분할하고 스캔을 뇌 템플릿에 등록하는 데 관련된 실용적인 단계에 대한 자세한 실습 자습서를 제공하지 않습니다. 본 문서는 이러한 자습서를 제공합니다. LSM의 일반적인 개념은 주제에 대한 추가 읽기를위한 참조와 함께 소개에 제공됩니다.

병변 – 증상 매핑 연구의 일반적인 목표

인지 신경 심리학의 관점에서, 뇌 손상은 특정 인지 과정의 신경 기초를 더 잘 이해하고 뇌의 인지 구조에 대한 보다 완전한 그림을 얻기 위한 모델 조건으로 사용될 수^{있습니다 1} . 이것은 브로카와 베르니케^2와같은 개척자에 의해 19 세기에 사후 연구에서 처음 적용된 신경 심리학의 고전적인 접근입니다. 기능적인 두뇌 화상 진찰의 시대에, 병변 접근은 특정 두뇌 지구에 있는 병변이 작업 성과를 중단한다는 증거를 제공하기 때문에 신경과학에 있는 중요한 공구남아 있습니다, 기능적인 화상 진찰 연구 결과는 두뇌 지구를 설명하는 동안 작업 성능 중에 활성화됩니다. 따라서 이러한 접근 방식은 상호 보완적인 정보를 제공합니다^1.

임상 신경학의 관점에서, LSM 연구는 급성 증상 경색, 백색 물질 고열, lacunes, 또는 다른 병변 유형 (예를 들어, 종양)을 가진 환자에서 병변 위치와 인지 기능 사이의 관계를 명확히 할 수 있습니다 ). 최근 연구에 따르면 전략적 뇌 영역에서 이러한 병변은 글로벌 병변 부담^{2,5,7,8보다}인지 능력을 설명하는 데 더 관련이 있는 것으로 나타났다. 이 접근법은 복잡한 장애의 병리생리학에 대한 이해를 향상시킬 수 있는 잠재력을 가지고 있으며(이 예에서 혈관 인지 장애) 새로운 진단 및 예후 도구를 개발하거나 치료를 지원할 수 있는 기회를 제공할 수 있습니다. 전략².

LSM은 또한 인식 분야를 넘어서는 응용 분야를 가지고 있습니다. 사실, 임의의 변수는 임상 증상, 바이오마커 및 기능적 결과를 포함하는 병변 위치와 관련될 수 있다. 예를 들어, 최근 연구는 허혈성 뇌졸중¹⁰후 기능적 결과를 예측한 경색 위치를 결정했다.

복셀 기반 대 관심 기반 병변 증상 매핑 영역

병변-증상 매핑을 수행하려면 병변을 분할하여 뇌 템플릿에 등록해야 합니다. 등록 절차 도중, 각 환자의 두뇌는 병변 지도에 있는 각 복셀이 동일 해부학을 나타내도록 두뇌 크기, 모양 및 방향에 있는 다름을 정정하기 위하여 공간적으로 정렬됩니다 (즉, 정규화되거나 일반적인 템플릿에 등록) 모든 환자를위한 구조⁷. 표준 공간에서 여러 유형의 분석을 수행할 수 있으며 여기에 간략하게 요약되어 있습니다.

결핍이 없는 환자에 비해 결핍 환자에서 병변 분포의 차이를 보여주기 위해 조병변-감산 분석을 수행할 수 있습니다. 결과 빼기지도는 적자가 있는 환자에서 더 수시로 손상되고 적자 없이 환자에서 절약되는 지구를 보여줍니다^1. 병변 빼기 분석은 특정 기능의 상관 관계로 몇 가지 통찰력을 제공 할 수 있지만, 그것은 통계적 증거를 제공하지 않으며, 샘플 크기가 복셀 기반 병변 – 증상에 대한 충분한 통계 적 힘을 제공하기에 너무 낮을 때 주로 사용된다 매핑.

복셀 계 병변-증상 매핑에서, 병변의 존재와 인지 성능 사이의 연관성은 뇌의 각 개별 복셀 수준에서 결정된다(그림1). 이 방법의 주요 장점은 높은 공간 해상도입니다. 전통적으로 이러한 분석은 여러 테스트에 대한 보정을 보증하고 고려되지 않은 복셀 간 상관 관계로 인한 공간 편향을 도입하는 대량 단변량 접근법에서 ^{수행되었습니다. , 11}. 최근 개발 된 접근법은 voxel 상호 상관 관계를 고려합니다 (일반적으로 베이지안 분석^13,지원 벡터 회귀^4와같은 다변량 병변 – 증상 매핑 방법이라고함) ^{도 14,}또는 다른 기계 학습 알고리즘¹⁵⁾유망한 결과를 보여주고 기존의 방법에 비해 복셀 와이즈 LSM 분석에서 결과의 민감도 및 특이성을 향상시키는 것으로 나타났다. 복셀 와이즈 LSM에 대한 다변량 방법의 추가 개선 및 검증은 지속적인 프로세스입니다. 특정 병변-증상 매핑에 대한 최선의 방법은 병변 분포, 결과 변수 및 방법의 기본 통계 적 가정을 포함한 많은 요인에 따라 달라집니다.

관심 영역(ROI)-기반 병변-증상 매핑에서, 특정 뇌 영역 내의 병변 부담과 인지 성능 사이의 연관성이 결정된다(그림에 대한 비에스브룩^{등에서 그림} 1 참조). 이 방법의 주요 장점은 해부학 적 구조 내에서 누적 병변 부담을 고려한다는 것입니다. 한편, ROI 기반 분석은 영역^16의복셀의 서브세트에만 존재하는 패턴을 검출하기 위한 제한된 전력을 가지고 있다. 일반적으로 ROI 기반 병변-증상 매핑은 로지스틱 또는 선형 회귀를 사용하여 수행됩니다. 최근에는 공선성을 더 잘 다루는 다변량 방법이 도입되었습니다(예: Bayesian 네트워크 분석^17,지원 벡터 회귀^4,18,또는 기타 기계 학습 알고리즘¹⁹⁾ 병변- 증상 매핑 연구에서 발견의 특이성을 향상.

환자 선택

LSM 연구에서, 환자는 일반적으로 특정 병변 유형 (예를 들어, 뇌 경색 또는 백색 물질 고혈압)과 진단과 신경 심리적 평가 사이의 시간 간격 (예를 들어, 급성 대 만성 뇌졸중)에 따라 선택됩니다. 최적의 연구 디자인은 연구 질문에 따라 달라집니다. 예를 들어, 인간 뇌의 기능적 구조를 연구할 때, 급성 뇌졸중 환자는 기능적 재구성이 아직 이 단계에서 발생하지 않았기 때문에 이상적으로 포함되는 반면, 만성 뇌졸중 환자는 연구할 때 포함되어야 한다. 인식에 뇌졸중의 장기 효과. 환자 선택의 고려 사항과 함정에 대한 자세한 설명은 다른 곳에서 제공됩니다^7.

병변-증상 매핑을 목적으로 하는 뇌 이미지 전처리

일반적인 두뇌 템플릿에 정확한 병변 분할 및 등록은 병변 현상 매핑에 있는 결정적인 단계입니다. 병변의 수동 세분화는 경색^7을포함하여 많은 병변 모형을 위한 금 본위제 남아 있습니다. 제공된 것은 급성 및 만성 단계 모두에서 CT 스캔, 확산 가중 이미징 (DWI) 및 유체 감쇠 반전 복구 (FLAIR) MRI 서열에 대한 수동 경색 분절에 대한 기준에 대한 자세한 튜토리얼입니다. 세분화된 경색(즉, 3D 이진 병변 맵)은 모든 주제 간 분석을 수행하기 전에 등록해야 합니다. 이 프로토콜은 다중 센터 설정^4에서개발된 등록 메서드 RegLSM을 사용합니다. RegLSM은 CT 및 MRI 모두에 대한 엘라스틱^20을 기반으로 하는 선형 및 비선형 등록 알고리즘을 적용하며, CT 스캔^21의등록 품질을 향상시키기 위해 특별히 설계된 추가 CT 처리 단계를 적용합니다. 더욱이, RegLSM은 연령별 CT/MRI^{템플릿(22)에}상이한 표적 뇌 템플릿 및 (선택적) 중간 등록 단계를 사용할 수 있다. CT 및 MRI 스캔과 중간 및 대상 뇌 템플릿에 대한 사용자 정의 기능을 모두 처리할 수 있는 가능성으로 RegLSM은 LSM에 매우 적합한 이미지 처리 도구가 됩니다. CT/MRI 스캔을 준비하고 세분화하는 전체 프로세스, 뇌 템플릿 등록 및 수동 교정(필요한 경우)이 다음 섹션에 설명되어 있습니다.

그림 1: 복셀 계 병변-증상 매핑의 개념에 대한 개략적 그림. 상부는 병변(이 경우 급성 경색)을 분할한 다음 뇌 템플릿(이 경우 MNI-152 템플릿)에 등록하는 것으로 구성된 뇌 이미지 전처리 단계를 보여줍니다. 아래, 동일한 환자의 등록된 이진 병변 맵의 일부가 3D 그리드로 표시되며, 여기서 각 큐브는 복셀을 나타낸다. 99명의 다른 환자의 병변 지도와 함께 취해, 병변 오버레이 지도가 생성됩니다. 각 복셀에 대해, 병변 상태와 인지 성능 사이의 연관성을 결정하기 위해 통계 적 검사가 수행됩니다. 여기에 표시된 카제곱 테스트는 예에 불과하며 모든 통계 검정을 사용할 수 있습니다. 일반적으로 수십만 개의 복셀이 뇌 전체에 걸쳐 테스트되고 여러 비교에 대한 수정이 뒤따릅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.