Отображение искрометного симптома (LSM), также называемое отображением по поражению поведением, является важным инструментом для изучения функциональной архитектуры человеческого мозга¹. В исследованиях поражения, функция мозга выводилась и локализуется путем изучения пациентов с приобретенными поражениями мозга. Первые тематические исследования, связывающие неврологические симптомы с конкретными местоположениями мозга, проведенные в девятнадцатом веке, уже дали фундаментальное представление об анатомических коррелях языка и ряде других когнитивных процессов^2. Тем не менее, нейроанатомические корреляты многих аспектов познания и других функций мозга оставались неуловимыми. В последние десятилетия усовершенствованные структурные методы визуализации мозга и технические достижения позволили провести крупномасштабные исследования in vivo LSM с высоким пространственным разрешением (т.е. на уровне отдельных вокселей или специфических корковых/субкортикальных областей, представляющих интерес)^{1 ,2}. С этими методологическими достижениями, LSM стал все более популярным методом в когнитивной нейронауки и продолжает предлагать новые идеи в нейроанатомии познания и неврологических симптомов³. Важным шагом в любом исследовании LSM является точная сегментация поражений и регистрация в шаблон мозга. Тем не менее, всеобъемлющий учебник для предварительной обработки данных изображения мозга для целей LSM не хватает.

Приведено здесь полный учебник для стандартизированной сегментации поражения и метод регистрации. Этот метод предоставляет исследователям конвейер для стандартизированной обработки изображений мозга и обзор потенциальных ловушек, которые следует избегать. Представленный конвейер обработки изображений был разработан в рамках международного сотрудничества⁴ и является частью рамок недавно основанного консорциума карт Meta VCI, целью которого является проведение многоцентровых картографических исследований сосудистые когнитивные нарушения злт;www.metavcimap.org Этот метод был разработан для обработки Как КТ, так и МРТ от нескольких поставщиков и неоднородных протоколов сканирования, чтобы позволить комбинированную обработку наборов данных изображений из разных источников. Необходимое программное обеспечение RegLSM и все другое программное обеспечение, необходимое для этого протокола, свободно доступны, за исключением MATLAB, который требует лицензии. Этот учебник фокусируется на сегментации и регистрации инфарктов мозга, но этот конвейер обработки изображений также может быть использован для других поражений, таких как гиперинтенсивность белого вещества⁶.

Прежде чем начать исследование LSM, необходимо базовое понимание общих концепций и подводных камней. Несколько подробных руководящих принципов и руководство автостопом доступны^1,3,6. Тем не менее, эти обзоры не обеспечивают подробный практический учебник для практических шагов, участвующих в сборе и преобразовании сканирования мозга в надлежащем формате, сегментации инфаркта мозга, и регистрации сканирования на шаблон мозга. В настоящем документе содержится такой учебник. Общие концепции LSM приводятся во введении со ссылками для дальнейшего чтения по этому вопросу.

Общая цель исследований по картированию поражений и симптомов

С точки зрения когнитивной нейропсихологии, черепно-мозговая травма может быть использована в качестве модельного состояния, чтобы лучше понять нейронные основы некоторых когнитивных процессов и получить более полную картину когнитивной архитектуры мозга¹ . Это классический подход в нейропсихологии, который был впервые применен в посмертных исследований в девятнадцатом веке пионеров, как Брока и Вернике². В эпоху функциональной визуализации мозга, развитие мозга подход остается важным инструментом в неврологии, поскольку он обеспечивает доказательство того, что поражения в конкретной области мозга нарушить задачу производительности, в то время как функциональные исследования изображений демонстрируют области мозга, которые являются активирован во время выполнения задачи. Таким образом, эти подходы обеспечивают дополнительную информацию¹.

С точки зрения клинической неврологии, исследования LSM могут выяснить связь между местом поражения и когнитивного функционирования у пациентов с острыми симптоматическими инфарктами, гиперинтенсивностью белого вещества, лакунами или другими типами поражений (например, опухолями, опухолями ). Недавние исследования показали, что такие поражения в стратегических областях мозга более актуальны в объяснении когнитивных функций, чем глобальное бремя поражения^2,5,7,8. Такой подход может улучшить понимание патофизиологии сложных расстройств (в данном примере, сосудистые когнитивные нарушения) и может предоставить возможности для разработки новых диагностических и прогностиковых инструментов или поддержки лечения стратегии².

LSM также имеет приложения за пределами области познания. На самом деле, любая переменная может быть связана с местом поражения, включая клинические симптомы, биомаркеры и функциональные результаты. Например, недавнее исследование определило инфарктные локации, которые были предсказуемыми функционального исхода после ишемического инсульта^10.

Voxel основе по сравнению с регионом на основе интересов на основе поражения-симптом отображение

Для выполнения отображения поражений-симптомов, поражения должны быть сегментированы и зарегистрированы в шаблон мозга. Во время процедуры регистрации, мозг каждого пациента пространственно выровнены (т.е., нормализованы или зарегистрированы на общий шаблон), чтобы исправить различия в размере мозга, форме и ориентации, так что каждый воксель на карте поражения представляет собой тот же анатомический структура для всех пациентов⁷. В стандартном пространстве может быть выполнено несколько типов анализов, которые кратко обобщены здесь.

Анализ грубого поражения-вычитания может быть выполнен, чтобы показать разницу в распределении поражений у пациентов с дефицитом по сравнению с пациентами без дефицита. В результате вычитания карта показывает регионов, которые чаще всего повреждены у пациентов с дефицитом и пощадил у пациентов без дефицита¹. Хотя анализ поражения-вычитания может дать некоторое представление о коррелятах конкретной функции, он не дает статистических доказательств и в настоящее время в основном используется, когда размер выборки слишком низок, чтобы обеспечить достаточную статистическую мощность для вокселя на основе поражения-симптома Сопоставление.

В voxel основе поражения-симптом отображения, связь между наличием поражения и когнитивных функций определяется на уровне каждого отдельного вокселя в головном мозге (Рисунок 1). Основным преимуществом этого метода является высокое пространственное разрешение. Традиционно, эти анализы были выполнены в массовом univariate подход, который требует коррекции для нескольких испытаний и вводит пространственные предубеждения, вызванные межвоксель корреляции, которые не принимаются во внимание^{1,10 , 11}. Недавно разработанные подходы, которые принимают межвоксель корреляции во внимание (обычно называют многовариантные поражения-симптомы картирования методы, такие как байесовский анализ¹³, поддержка вектор регрессии^{4, 14}, или другие алгоритмы машинного обучения¹⁵) показывают многообещающие результаты и, как представляется, улучшить чувствительность и специфичность выводов из воксел-мудрый анализ LSM по сравнению с традиционными методами. Дальнейшее совершенствование и проверка многовариантных методов для lsM с вокселем- мудрым является непрерывным процессом. Наилучший выбор метода для конкретного отображения поражений и симптомов зависит от многих факторов, включая распределение поражений, переменных результатов и базовых статистических предположений методов.

В области интереса (ROI) на основе поражения-симптома отображение, связь между бременем поражения в конкретной области мозга и когнитивных функций определяется (см. Рисунок 1 в Biesbroek и др.² для иллюстрации). Основным преимуществом этого метода является то, что он рассматривает кумулятивное бремя поражения в анатомической структуре, которая в некоторых случаях может быть более информативным, чем поражения в одном вокселе. С другой стороны, анализы на основе окупаемостью имеют ограниченную мощность для обнаружения закономерностей, которые присутствуют только в подмножестве вокселей в регионе^16. Традиционно, ROI основе поражения-симптом отображение осуществляется с использованием логистической или линейной регрессии. В последнее время, многовариантные методы, которые лучше справляются с коллинериальностью были введены (например, Байесийский анализ сети¹⁷, поддержка регрессии вектора^4,18, или других алгоритмов машинного обучения¹⁹), которые могут улучшить специфичность выводов, полученных в ходе исследований по картированию поражений и симптомов.

Выбор пациентов

В исследованиях LSM, пациенты, как правило, выбираются на основе конкретного типа поражения (например, инфарктов головного мозга или гиперинтенсивности белого вещества) и интервал времени между диагностикой и нейропсихологической оценки (например, острый против хронического инсульта). Оптимальная конструкция исследования зависит от исследовательского вопроса. Например, при изучении функциональной архитектуры человеческого мозга, пациенты с острым инсультом идеально включаются, потому что функциональная реорганизация еще не произошла на данном этапе, в то время как пациенты с хроническим инсультом должны быть включены при изучении долгосрочное воздействие инсульта на познание. Подробное описание соображений и подводных камней при отборе пациентов представлено в другом месте⁷.

Предобработка изображения мозга с целью отображения поражений-симптомов

Точная сегментация поражения и регистрация на общий шаблон мозга являются важнейшими шагами в отображении поражений-симптомов. Ручная сегментация поражений остается золотым стандартом для многих типов поражений, включая инфаркты⁷. При условии, подробный учебник по критериям для ручного инфаркта сегментации на КТ, диффузии взвешенной визуализации (DWI), и жидкости ослабленной инверсии восстановления (FLAIR) МРТ последовательностей в острых и хронических стадиях. Сегментированные инфаркты (т.е. 3D-карты бинарных поражений) должны быть зарегистрированы до проведения анализа по всему предмету. Этот протокол использует метод регистрации RegLSM, который был разработан в многоцентровой настройке^4. RegLSM применяет линейные и нелинейные алгоритмы регистрации на основе elastix²⁰ как для КТ, так и для МРТ, с дополнительным шагом обработки КТ, специально предназначенным для повышения качества регистрации КТ^21. Кроме того, RegLSM позволяет использовать различные шаблоны мозга-мишени и (необязательный) промежуточный шаг регистрации для возрастного шаблона CT/MRI^22. Возможность обработки как КТ, так и МРТ и его настраиваемость в отношении промежуточных и целевых шаблонов мозга делают RegLSM очень подходящим инструментом обработки изображений для LSM. Весь процесс подготовки и сегментации КТ/МРТ, регистрации на шаблон мозга и ручных исправлений (при необходимости) описан в следующем разделе.

Рисунок 1: Схематическая иллюстрация концепции вокселя на основе поражения-симптома отображения. Верхняя часть показывает изображение мозга предобработки шаги, состоящие из сегментирования поражения (острый инфаркт в данном случае), а затем регистрации в шаблон мозга (шаблон MNI-152 в данном случае). Ниже, часть зарегистрированной бидорожной карты поражения одного и того же пациента отображается как 3D сетка, где каждый куб представляет собой воксель. В совокупности с картами поражения 99 других пациентов создается карта наложения поражения. Для каждого вокселя проводится статистический тест для определения связи между состоянием поражения и когнитивными способности. Тест чи-квадрат, показанный здесь, является лишь примером, любой статистический тест может быть использован. Как правило, сотни тысяч вокселей тестируются по всему мозгу, а затем коррекции для нескольких сравнений. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.