소뇌는 역사적으로 운동 제어 ^1,2,3과 관련된 뇌의 일부이며 유전 된 운동 실조증⁴와 같은 희귀 질환의 작은 세트에만 통합적으로 관여하는 것으로 생각됩니다. 그러나 비인간 영장류의 해부학 적 추적 연구뿐만 아니라 인간 병변 및 신경 영상 연구에서 수렴 된 연구 라인은 광범위한 인지 5,6,7, 정서적 8,9,10,11 및 기타 비 운동 기능 ^7,12에서 소뇌의 역할에 대한 강력한 증거를 제공합니다 (⁶ 참조).  검토를 위해). 또한, 소뇌의 이상은 파 킨슨 병 13, 알츠하이머 병 14,15, 간질^16,17, 정신 분열증 18 및 자폐증 스펙트럼 장애 ¹⁹를 포함한 광범위한 신경 및 정신 질환 장애에 점점 더 연루되어 있습니다. . 따라서 소뇌를 인간의 뇌 질환 및 규범 적 행동 변동성의 기능적, 구조적 모델에 통합하는 것이 필수적이되었습니다.

해부학적으로, 소뇌는 열등한 축보다 우월한 축을 따라 전방, 후부 및 응집체의 세 개의 엽으로 나눌 수 있습니다. 엽은 로마 숫자 I-X ^20,21로 표시된 ¹⁰ 개의 소엽으로 더 세분화됩니다 (그림 1). 소뇌는 또한 척수 및 대뇌 피질로부터 각각 입력을받는 중간 선 (vermis) 및 측면 (반구) 영역으로 그룹화 될 수 있습니다. 소엽 I-V를 포함하는 전엽은 전통적으로 운동 과정과 연관되어 왔으며 대뇌 운동 피질(²²)과 상호 연결되어 있다. 소엽 VI-IX를 포함하는 후엽은 주로 비운동 과정(¹¹)과 연관되며, 전두엽 피질, 후두엽 정수리 및 우수한 측두엽 대뇌 피질^(8,23)과 상호 연결을 갖는다. 마지막으로, 소엽 X를 포함하는 응집성 엽은 자세와 보행²¹ 동안 안구 운동과 신체 평형을 지배하는 전정 핵과 상호 연결을 가지고 있습니다.

기능적 신경 영상을 사용하는 최근의 연구가 늘어나면서 소뇌의 기능적 신경 해부학에 대한 이해가 해부학 적 분열을 넘어 더욱 정교 해졌습니다. 예를 들어, 휴지-상태 기능적 자기 공명 영상(fMRI) 기술은 소뇌와 대뇌(²⁴) 사이의 기능적 상호작용의 패턴을 매핑하기 위해 사용되어 왔다. 또한 작업 기반 파셀레이션 접근법을 사용하여 King과 동료^7은 소뇌가 다양한 운동, 정서적, 사회적 및인지 적 작업과 관련된 뚜렷한 기능적 경계에 의해 입증 된 폭 전반에 걸쳐 풍부하고 복잡한 기능적 전문화 패턴을 보여 준다는 것을 보여주었습니다. 총체적으로,이 연구는 소뇌 구조 및 / 또는 기능의 변화를 특징으로하는 건강한 가변성과 신경 질환 모두에서 소뇌 관여의 완전한 생물학적 특성을 개발하기 위해 개별 소뇌 서브 유닛을 조사하는 것이 중요하다는 것을 강조합니다.

본 연구는 인간의 구조적 MRI를 사용하여 소뇌 부피의 국소 변화를 정량화하는 방법에 중점을 둡니다. 일반적으로 MRI 데이터를 사용하여 지역 뇌량을 정량화하는 두 가지 기본 접근법이 있습니다 : 기능 기반 세분화 및 복셀 기반 등록. 기능 기반 세분화 접근법은 해부학적 랜드마크와 표준화된 아틀라스를 사용하여 하위 영역 간의 경계를 자동으로 식별합니다. 세분화를 위한 주류 소프트웨어 패키지에는 FreeSurfer²⁵, BrainSuite²⁶ 및 FSL-FIRST²⁷이 포함됩니다. 그러나 이러한 패키지는 소뇌의 거친 부분 (예 : 각 반구의 전체 회색 물질과 전체 백색 물질을 표시)만을 제공하므로 개별 소뇌 소엽이 내려다 보입니다. 이러한 접근법은 또한 잘못된 세분화, 특히 주변 혈관 구조의 과다 포함에 취약합니다.

암시적 다중 경계 진화를 이용한 소뇌 소엽 자동 분류(ACCLAIM^28,29), 소뇌 분석 툴킷(CATK 30), 다중 자동 생성 템플릿(MAGeT³¹), 인간 소뇌와 그 소엽의 신속한 자동 세분화(RASCAL³² 포함)를 포함하여 소뇌의 보다 정확하고 세밀한 파셀레이션을 제공하는 새로운 기계 학습 및 다중 아틀라스 라벨링 알고리즘이 개발되었습니다. ), 그래프 컷 세그멘테이션(³³), 및 CEREbellum 세그멘테이션(CERES³⁴). 최첨단 완전 자동화 소뇌 파셀레이션 접근법을 비교한 최근 논문에서, CERES2는 소뇌 소엽(³⁵)의 금 표준 수동 분할에 비해 다른 접근법보다 성능이 뛰어난 것으로 밝혀졌다. 최근에, Han과 동료³⁶은 ACAPULCO(국부적으로 제한된 최적화를 가진 U-Net을 이용한 자동 소뇌 해부학적 Parcellation)라는 딥 러닝 알고리즘을 개발했는데, CERES2와 동등하게 수행되고, 건강한 소뇌와 위축된 소뇌 모두에 광범위한 적용 가능성을 가지며, ‘기성품’ 구현을 위해 오픈 소스 Docker 및 Singularity 컨테이너 형식으로 제공되며, 다른 접근법보다 시간 효율적이다. ACAPULCO는 소뇌를 28 개의 해부학 적 영역으로 자동 분할합니다.

기능 기반 세분화와는 달리, 복셀 기반 등록 접근법은 MRI를 템플릿 이미지에 정확하게 매핑하여 작동합니다. 이 매핑을 수행하려면 원본 이미지의 복셀이 크기와 모양으로 왜곡되어야합니다. 이 왜곡의 크기는 금 표준 템플릿에 상대적인 각 복셀에서 부피의 척도를 효과적으로 제공합니다. 이러한 형태의 체적 평가는 ‘복셀 기반 형태측정법’³⁷으로 알려져 있다. FSL-FLIRT³⁸/FNIRT³⁹, SPM 통합 세분화(⁴⁰) 및 CAT12⁴¹과 같은 전뇌 복셀 기반 등록 접근법은 복셀 기반 형태측정에 일반적으로 사용된다. 그러나 이러한 접근법은 소뇌를 잘 설명하지 못하여 인프라 영역 (소뇌, 뇌간⁴²)에서 신뢰성과 유효성이 떨어집니다. 이러한 한계를 설명하기 위해 SUIT (공간적으로 편향되지 않은 인프라-텐토리얼 템플릿) 알고리즘은 소뇌 등록을 최적화하고 복셀 기반 형태 측정법^42,43의 정확도를 향상시키기 위해 개발되었습니다.

지역 소뇌량 추정을위한 기능 기반 세분화 및 복셀 기반 등록 접근법은 근본적인 강점과 약점을 가지고 있습니다. 세분화 접근법은 해부학적으로 정의된 영역(예를 들어, 소엽(³⁵))의 부피를 정량화하기 위해 실질적으로 더 정확하다. 그러나 소뇌의 뚜렷한 기능 모듈 사이의 경계는 해부학 적 잎과 균열 (대뇌⁷의 gyri 및 sulci와 동일)에 매핑되지 않습니다. 등록 기반 접근법이 해부학적 랜드마크에 의해 제약받지 않기 때문에, 소뇌의 보다 세밀한 공간 추론 및 고차원 구조-기능 매핑이 가능하다⁽⁴⁴). 종합하면, 세분화 및 등록 접근법은 서로 보완적이며 다른 연구 질문에 대답하는 데 사용할 수 있습니다.

여기에서는 용적 정량화를 위해 최적화되고 자동화된 파셀레이션(ACAPULCO) 및 복셀 기반 소뇌 등록(SUIT)을 제공하기 위해 기존의 검증된 접근 방식을 통합하는 새로운 표준화된 파이프라인이 제시됩니다(그림 2). 이 파이프라인은 정성적 시각화 및 정량적 이상값 감지를 사용하는 품질 관리 프로토콜과 Freesurfer를 사용하여 두개내 부피(ICV)의 추정치를 얻기 위한 신속한 방법을 포함하는 확립된 접근 방식을 기반으로 합니다. 파이프라인은 품질 관리 출력을 확인하는 데만 필요한 수동 개입으로 완전히 자동화되어 있으며 Mac, Windows 및 Linux 운영 체제에서 실행할 수 있습니다. 파이프 라인은 비상업적 목적으로의 사용 제한없이 자유롭게 사용할 수 있으며 간단한 등록 양식⁴⁵를 완료 한 후 ENIGMA 컨소시엄 이미징 프로토콜 웹 페이지 ( “ENIGMA 소뇌 체적 파이프 라인”아래)에서 액세스 할 수 있습니다.

필요한 모든 소프트웨어는 자료 표에 나열되어 있으며 라이브 데모를 포함한 자세한 자습서는 아래에 설명 된 프로토콜 외에도 파이프 라인을 다운로드 할 때 사용할 수 있습니다. 마지막으로, Friedreich 운동 실조 (FRDA) 및 연령 및 성별 일치 건강한 대조군을 가진 사람들의 코호트에서 파이프 라인을 구현하고 그룹 수준의 통계 추론 분석에 대한 권장 사항과 함께 대표적인 결과가 제공됩니다.