構造磁気共鳴イメージングを用いたヒト小脳灰白質形態測定検査のための標準化されたパイプライン

小脳は歴史的に運動制御^1,2,3に関連する脳の一部であり、遺伝性運動失調^症4などの希少疾患のごく一部にしか関与していないと考えられている。しかし、非ヒト霊長類における解剖学的追跡研究、ならびにヒト病変および神経画像研究からの収束する研究ラインは、認知⁵、6,7、情動^的8,9,10,11、および他の非運動機能^7,12の広い配列における小脳の役割についての説得力のある証拠を提供する(⁶を参照の^こと。 レビュー用)。さらに、小脳の異常は、パーキンソン病13、アルツハイマー病^14,15、てんかん^16,17、統合失調症¹⁸、および自閉症スペクトラム障害¹⁹を含む広範囲の神経学的および精神医学的障害にますます関与している。.したがって、小脳をヒトの脳疾患および規範的行動変動の機能的および構造的モデルに組み込むことが不可欠となっている。

解剖学的には、小脳は、その上軸から下軸に沿って、前葉、後軸、およびフロキュロノドラーの3つの葉に分けることができる。葉はさらにローマ数字I-X ^20,21で示される¹⁰個の小葉に細分される(図1)。小脳はまた、正中線(朱色)および側方(半球)ゾーンにグループ化することができ、これらはそれぞれ脊髄および大脳皮質からの入力を受け取る。小葉I〜Vを含む前葉は、伝統的に運動過程と関連しており、大脳運動皮質²²と相互接続している。小葉VI−IXを含む後葉は、主に非運動プロセス¹¹と関連しており、前頭前野、後頭頂部、および上側頭大脳皮質^8,23と相互接続を有する。最後に、小葉Xを含む球状葉は、姿勢および歩行中の眼球運動および身体平衡を支配する前庭核との相互接続を有する²¹。

機能的ニューロイメージングを用いた最近の研究の増加により、小脳の機能的神経解剖学の理解が解剖学的分裂を超えてさらに洗練されました。例えば、安静状態機能的磁気共鳴画像法(fMRI)技術は、小脳と大脳との間の機能的相互作用のパターンをマッピングするために使用されてきた²⁴。さらに、Kingたち^の研究グループは、タスクベースのパーセレーションアプローチを用いて、小脳がその幅全体にわたって機能的特殊化の豊かで複雑なパターンを示し、さまざまな運動、情動、社会的、認知的タスクに関連する明確な機能的境界によって証明されたことを実証した。これらの研究は、健康な変動性と小脳の構造および/または機能の変化を特徴とする神経学的疾患の両方における小脳の関与の完全な生物学的特徴付けを開発するために、個々の小脳サブユニットを調べることの重要性を強調している。

本研究は、ヒトの構造MRIを用いて小脳容積の局所的変化を定量化する方法に焦点を当てる。一般に、MRIデータを用いた局所脳容積の定量化には、特徴ベースの セグメンテーション と ボクセルベースの登録という2つの基本的なアプローチがある。フィーチャベースのセグメンテーションアプローチでは、解剖学的ランドマークと標準化されたアトラスを使用して、サブリージョン間の境界を自動的に識別します。セグメンテーションのための主流のソフトウェアパッケージには、FreeSurfer²⁵、BrainSuite²⁶、 FSL-FIRST²⁷などがあります。しかしながら、これらのパッケージは、小脳の粗いパーセル化(例えば、各半球における灰白質全体および白質全体を標識する)のみを提供し、したがって個々の小脳小葉を見落とす。これらのアプローチはまた、誤ったセグメンテーション、特に周囲の血管系の過剰包含を起こしやすい。

暗黙的な多境界進化(ACCLAIM^28,29)、小脳分析ツールキット(CATK 30)、複数の自動生成テンプレート(MAGeT³¹)、ヒト小脳とその小葉の迅速な自動セグメンテーション(RASCAL³²)、グラフカットセグメンテーション³³、およびCEREbellum Segmentation(CERES³⁴)。最先端の完全自動化小脳パーセル化アプローチを比較した最近の論文で、CERES2は、小脳小葉のゴールドスタンダードの手動セグメンテーションと比較して、他のアプローチよりも優れていることが判明した³⁵。より最近では、Hanら³⁶は、CERES2と同等に動作し、健康な小脳と萎縮した小脳の両方に幅広い適用性を持ち、オープンソースのDockerおよびSingularityコンテナ形式で「既製」実装に利用可能であり、他のアプローチよりも時間効率が良いACAPULCO(局所的に制約された最適化を伴うU-Netを使用した自動小脳解剖学的解析)と呼ばれる深層学習アルゴリズムを開発した。ACAPULCOは自動的に小脳を28の解剖学的領域にパーセルします。

特徴ベースのセグメンテーションとは対照的に、ボクセルベースの登録アプローチは、MRIをテンプレート画像に正確にマッピングすることによって動作します。このマッピングを実現するには、元のイメージのボクセルのサイズと形状を歪める必要があります。この歪みの大きさは、ゴールドスタンダードテンプレートに対する各ボクセルの体積の尺度を効果的に提供します。この形式の体積評価は、「ボクセルベースのモルフォメトリー」³⁷として知られています。FSL-FLIRT³⁸/FNIRT³⁹、SPM統合セグメンテーション⁴⁰、CAT12⁴¹などの全脳ボクセルベースの登録アプローチは、ボクセルベースの形態測定に一般的に使用されています。しかしながら、これらのアプローチは小脳をうまく説明しておらず、その結果、インフラ領域(小脳、脳幹⁴²)における信頼性および妥当性が乏しい。これらの制限を説明するために、小脳の登録を最適化し、ボクセルベースの形態測定の精度を向上させるために、SUIT(空間的に偏りのないインフラテントリアルテンプレート)アルゴリズムが開発されました^42,43。

局所小脳容積の推定のための特徴ベースのセグメンテーションおよびボクセルベースの登録アプローチには、基本的な長所と短所がある。セグメンテーションアプローチは、解剖学的に定義された領域(例えば、小葉³⁵)の体積を定量化するために実質的により正確である。しかし、小脳の別個の機能モジュール間の境界は、その解剖学的葉および亀裂(大脳^のジャイリおよびスルシ7に相当)にマッピングされない。登録ベースのアプローチは解剖学的ランドマークによって制約されないので、小脳のよりきめ細かい空間推論および高次元構造機能マッピングが可能である⁴⁴。まとめると、セグメンテーションと登録のアプローチは互いに補完的であり、さまざまな研究の質問に答えるために使用できます。

ここでは、これらの既存の検証済みアプローチを統合した新しい標準化されたパイプラインを提示し、体積定量化のための最適化された自動パーセル化(ACAPULCO)およびボクセルベースの小脳の登録(SUIT)を提供します(図2)。パイプラインは、定性的可視化と定量的外れ値検出を使用した品質管理プロトコル、およびFreesurferを使用して頭蓋内容積(ICV)の推定を得るための迅速な方法を含む確立されたアプローチに基づいています。パイプラインは完全に自動化されており、品質管理の出力を確認するためにのみ手動の介入が必要であり、Mac、Windows、およびLinuxオペレーティングシステムで実行できます。パイプラインは、非商業目的での使用に制限なく自由に利用でき、簡単な登録フォーム⁴⁵の完了後、ENIGMAコンソーシアムイメージングプロトコルのWebページ(「ENIGMA小脳容積測定パイプライン」の下)からアクセスできます。

必要なソフトウェアはすべて 資料表に記載されており、ライブデモを含む詳細なチュートリアルは、以下に説明するプロトコルに加えて、パイプラインのダウンロード時に利用できます。最後に、フリードライヒ運動失調症(FRDA)および年齢および性別が一致した健康な対照を有する人々のコホートにおけるパイプラインの実施から、グループレベルの統計的推論分析のための推奨事項とともに、代表的な結果が提供される。