Notre pipeline utilise des approches de pointe pour quantifier le volume des sous-unités cérébelleuses à l’aide d’images de résonance magnétique structurelle humaine. Le processus comprend la parcellation anatomique, la morphométrie à base de voxel et les processus de contrôle de la qualité. Notre pipeline standardisé est principalement automatisé, disponible au format Docker et Singularity, et a une large applicabilité à une gamme de maladies neurologiques.
Pour commencer, assurez-vous que Docker ou Singularity, MATLAB et SPM12 sont installés. Ensuite, à l’aide de la commande make directory dans la ligne de commande, créez des dossiers dans le répertoire de travail et étiquetez-les acapulco, suit et freesurfer. Ensuite, dans le répertoire acapulco, créez un dossier de sortie.
Dans le dossier de sortie, créez un répertoire pour chaque sujet de l’étude contenant l’image pondérée t1 au format NIFTI gz. Pour la parcellation cérébelleuse anatomique, téléchargez le récipient acapulco, puis téléchargez les scripts et conteneurs pertinents requis pour exécuter acapulco. Placez ensuite le conteneur acapulco Docker ou Singularity, le contenu de l’archive QCs_scripts et le conteneur RCIF ou calculate_dicv.
tar dans le répertoire acapulco. Ensuite, ouvrez un terminal et à l’aide de Singularity, tapez la commande indiquée pour exécuter le conteneur acapulco sur une seule image. Attendez cinq minutes pour que le traitement se termine.
Ensuite, parcourez en boucle tous les sujets ou scans de la cohorte. Après le traitement, recherchez les fichiers générés dans les dossiers spécifiques à l’objet. Identifier le masque de cervelet parcellé dans l’original et les volumes pour chacune des 28 sous-unités générées par l’acapulco.
Ensuite, à partir du répertoire des photos, identifiez les images sagittales, axiales et coronales représentatives. Pour la détection statistique des valeurs aberrantes et le contrôle de la qualité, assurez-vous que le contenu des scripts QC se trouve dans le répertoire acapulco. Ensuite, à l’aide de Singularité, tapez la commande indiquée.
Pour examiner les images QC générées par acapulco, ouvrez QC_Images. html dans un navigateur Web et faites défiler rapidement les images pour identifier les échecs évidents ou les problèmes systématiques. Notez les ID d’objet des images parcellées défaillantes ou suspectes pour le suivi.
Ensuite, ouvrez Plots_for_Outliers. html pour cocher les graphiques de case pour les valeurs aberrantes statistiques quantitatives. Identifiez les valeurs aberrantes indiquées par un 1 dans la colonne correspondante des valeurs aberrantes.
fichier csv. et notez le nombre total de segments identifiés comme valeurs aberrantes pour chaque sujet dans la dernière colonne de la section Valeurs aberrantes.csv. Inspectez manuellement chaque image ayant une ou plusieurs valeurs aberrantes.
Si vous utilisez une visionneuse d’images NIFTI standard, superposez le masque acapulco sur l’image d’origine pondérée t1 pour vérifier la qualité de la parcellation tranche par tranche. Si une ou plusieurs régions parcellées doivent être exclues de l’ensemble de données final, exclure cette parcellation de l’analyse en remplaçant l’estimation du volume par NA dans la cellule correspondante de ce sujet. Si des erreurs de parcellation entraînent l’exclusion d’une partie du cervelet du masque, exclure immédiatement le sujet des analyses ultérieures.
Pour les analyses de morphométrie basées sur le voxel à l’aide de SUIT, assurez-vous que le dossier SPM12 et tous les sous-dossiers se trouvent dans le chemin MATLAB. En outre, assurez-vous que les scripts enigma_suit sont enregistrés dans le répertoire de la boîte à outils SPM12 et ajoutés au chemin d’accès MATLAB. Pour vérifier le chemin d’accès MATLAB, tapez pathtool dans la fenêtre de commande MATLAB et cliquez sur Ajouter avec des sous-dossiers pour ajouter les dossiers appropriés.
Ensuite, à l’aide de l’interface utilisateur graphique, tapez suit_enigma_all dans la fenêtre de commande MATLAB pour exécuter le pipeline SUIT pour un ou plusieurs sujets. Dans la première fenêtre contextuelle, sélectionnez les dossiers d’objet dans le répertoire de sortie acapulco à inclure dans l’analyse. Cliquez sur les dossiers individuels sur le côté droit de la fenêtre ou cliquez avec le bouton droit de la souris et sélectionnez tout.
Ensuite, appuyez sur Terminé. Dans la deuxième fenêtre contextuelle, sélectionnez le répertoire SUIT. Pour appeler la fonction à partir de la ligne de commande MATLAB pour un seul sujet, tapez la commande indiquée.
Lors de l’exécution de SUIT à partir de la ligne de commande, si les répertoires SPM12 ou enigma_suit ne sont pas enregistrés de manière permanente dans le chemin MATLAB, cette étape doit être ajoutée à la ligne de commande. Pour appeler la fonction à partir de la fenêtre du terminal en dehors de MATLAB pour un seul sujet, tapez la commande affichée. Vérifiez le dossier de chaque sujet pour les résultats finaux.
Pour inspecter visuellement les images modulées normalisées à la recherche de défaillances majeures, tapez spm_display_4d dans MATLAB. Ensuite, pour sélectionner les images requises, accédez au répertoire SUIT et tapez la commande indiquée dans la zone de filtre. Ensuite, appuyez sur le bouton Récursif, suivi de Terminé.
Faites défiler les images pour vous assurer qu’elles sont toutes bien alignées. Ensuite, pour vérifier la covariance spatiale des valeurs aberrantes, tapez check_spatial_cov dans MATLAB. Ensuite, sélectionnez les images modulées précédemment et, lorsque vous y êtes invité, définissez Prop.
mise à l’échelle à yes, Variable à covariance à no, Slice à 48 et Gap à 1. Enfin, regardez le diagramme en boîte affichant la covariance spatiale moyenne de chaque image par rapport à toutes les autres de l’échantillon. Identifiez les points de données qui sont supérieurs à deux écarts-types en dessous de la moyenne dans la fenêtre de commande MATLAB.
Pour ces points de données, inspectez les images appropriées dans le dossier SUIT à la recherche d’artefacts et de problèmes de qualité d’image. ou des erreurs de prétraitement. On voit ici un cervelet fortement atrophié d’un patient atteint d’ataxie spino-cérébelleuse 2.
Malgré la perte de tissu observée sur les bords, SUIT a assez bien déformé cette image au modèle. Cela ne justifierait pas une exclusion. Ici, il y a un gradient clair de haut en bas du cervelet et l’image est assez brouillonne, justifiant une exclusion.
Enfin, dans cet exemple, le masquage n’a pas bien fonctionné. Les bords ne sont pas propres et l’image est plus lisse que ceux qui sortent généralement du pipeline SUIT. Cela justifierait une exclusion.
Des exemples de bonnes parcellations, y compris des cervelets sains et fortement atrophiés, sont montrés ici, tandis que des exemples de mauvaiscellations avec des inclusions subtiles de lobules de cervelet individuels peuvent être vus ici. Ces types d’erreurs nécessitent généralement l’exclusion des lobules individuels qui sont affectés, tandis que le reste du cervelet parcellé peut être conservé. En revanche, les échecs globaux nécessitent une exclusion complète du sujet.
Lorsque l’acapulco a été exécuté sur un échantillon de 31 personnes atteintes d’ataxie de Friedreich et de 37 témoins sains, le lobule gauche IX et le lobule droit Crus, j’avais les taux d’exclusion les plus élevés. La comparaison des volumes de 28 lobules anatomiques cérébelleux dans l’ataxie de Friedreich et les individus témoins sains a montré une réduction significative de la substance blanche dans le corps médullaire dans l’ataxie de Friedreich. Il n’y avait pas d’autres différences significatives entre les groupes.
Des exemples d’images bien alignées provenant à la fois de témoins sains et de l’ataxie de Friedreich sont présentés ici, tandis que des exemples d’exclusions peuvent être vus ici. Après avoir testé la covariance spatiale de toutes les images normalisées, deux scans ont été détectés comme des valeurs statistiques aberrantes en fonction de leur covariance spatiale moyenne avec le reste de l’échantillon. Des tests de permutation non paramétriques ont été effectués dans SNPM pour tester les différences significatives entre les groupes dans les volumes de matière grise du cervelet.
Les résultats de l’analyse SUIT ont montré que les patients atteints d’ataxie de Friedreich avaient un volume de matière grise significativement réduit dans le lobule antérieur bilatéral I à V, et dans les régions du lobe postérieur médian, y compris Vermis VI et Vermis IX.It est crucial de vérifier manuellement les masques cérébelleux pour s’assurer que la couverture cérébelleuse complète a été atteinte, et d’inspecter également les masques pour détecter les inclusions excessives et insuffisantes de lobules cérébelleux. Ce pipeline facilite la réalisation d’analyses statistiques multi-sites au niveau du groupe qui s’intéressent à l’examen de la structure de la matière grise du cervelet. D’autres techniques, telles que la connectivité fonctionnelle, peuvent également être utilisées pour explorer la connectivité entre les lobules cérébelleux individuels et le cerveau.
