חלקים מהעבודה זו, כלומר מחקר על QC ותיקון לכיווני שיפוע פגום ביישום על נתונים של חולים עם הפרעות ההיפרקינטיות, נתמכו על ידי HD הרשת האירופית (EHDN פרויקט 070). בסריקות MRI במחקר מסוים זה נרכשו כחלק מעוקבת אתר לונדון Track-HD.

שיטות ניתוח: טרום וpostprocessing המשימה של הפרוטוקול הבא היא לנתח את מאפייני דיפוזיה voxelwise בתוך שטחי חומר לבנים שיכול להיות - בשל זיהוי voxelwise - או איזוטרופיים או אניסוטרופי, וכתוצאה מtensors דיפוזיה המוארכת או oblate לvoxels בהתאמה. Parameterization של טנסור voxel משמש גם החישוב של FA-מפות או זיהוי fibertracts (איור 1). על מנת לקבל תוצאות ניתוח כפי שניתן לראות בדוגמא הבאה, השתמש בתוכנת ההדמיה טנסור החבילה ומעקב סיבים (Tift) 17. Tift מספק כלי ניתוח עבור בדרישות הבאות: <ul style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> ניתוח במונחים של מדדי DTI, למשל FA-מפות, </li><li style=";text-align:right;direction:rtl"> הנורמליזציה stereotaxic </li><li style=";text-align:right;direction:rtl"> השוואה במונחים של קבוצה אנגלי או מדדי DTI אחרים </li><li style=";text-align:right;direction:rtl"> גישות ניתוח שונים של FT </li><li style=";text-align:right;direction:rtl"> FT בקבוצת ממוצע Dנתוני TI והניתוחים הסטטיסטיים המתאימים. </li></ul> תכונות אלו מאפשרות מגוון רחב של ניתוחים בסביבת תוכנה אחת 17,29,30,31. תוכנת Tift היא כל הזמן בפיתוח לאפשרויות חדשות בניתוח נתוני DTI. איור 2 נותן סקירה סכמטית כיצד לנתח את נתוני DTI ברמת הקבוצה לאחר נורמליזציה מרחבית על ידי שתי גישות משלימות, כלומר הן על ידי ועל ידי WBSS TFAS סוף סוף להשיג הבדלים בין דגימות נושא ברמת הקבוצה, מוח חולה למשל לעומת קבוצת ביקורת בריאה. הנה, WBSS מטרת זיהוי משוחד voxelwise של אזורים עם הבדלים ברמת הקבוצה, ואילו TFAS מבוסס על fibertracts מוגדר מראש; את TFAS החל אזורים או יכול להיות שנבחר באופן חופשי, או ניתן להסיק מתוצאות WBSS (`` של נקודות חמות שינה באופן משמעותי FA). השוואת אורכי הפרט FA-המפות מתבצעת על ידי detecההבדלים בטינג FA-מפות של מדידות timepoints השונות לאחר יישור stereotaxic affine (איור 2). <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> בדיקת איכות (QC) ובכלל זה תיקון לכיווני שיפוע פגום במקרה של הפרעות תנועה במהלך הרכישה, כלומר במקרה של כרכים פגומים, גידול יחס אות לרעש מתקבל על ידי השמטת כיווני שיפוע חד (ה &#39;) לחישוב מותח. לצורך כך, בדיקת איכות (QC) אלגוריתם 32 פותחה. בקיצור, עבור סריקות שהכילו פגומות כרכים, גידול SNR מושגת על ידי השמטת יווני שיפוע אחד ואחד בכל פעם, לפני ההערכה מותח: עבור כל GD, השונות המשוקללת מחושבת מכל עבר שנותר ברצף על ידי שקלול עם הזווית ב שבו הם שונים מGD המדד. <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> לבצע תיקון חפץ על ידי איתור GD עם פרוסה אחת לפחות מראה עוצמת ירידה, ממצא תנועה כלומר נגרמים על ידי su הספונטני<html> תנועת bject (איור 3, פנל העליון). עבור כל נפח משוקלל דיפוזיה, לחשב את עוצמת הממוצעת של כל פרוסה ולהשוות את עוצמתו עם אותו הפרוסה בכל כרכים האחרים על ידי שימוש בגישת ממוצע משוקלל - גורם הניפוח הוא התוצר של נקודת וקטורים של שני GD <img alt="משוואה 8" fo:src="/files/ftp_upload/50427/50427eq8highres.jpg" src="/files/ftp_upload/50427/50427eq8.jpg" /> : <img alt="משוואה 9" fo:src="/files/ftp_upload/50427/50427eq9highres.jpg" src="/files/ftp_upload/50427/50427eq9.jpg" /> <img alt="משוואה 10" fo:src="/files/ftp_upload/50427/50427eq10highres.jpg" src="/files/ftp_upload/50427/50427eq10.jpg" /> <img alt="משוואת 11" fo:src="/files/ftp_upload/50427/50427eq11highres.jpg" src="/files/ftp_upload/50427/50427eq11.jpg" /> מציין את עוצמת ממוצע אריתמטי של הפרוסה תחת השגחה ו427eq12.jpg &quot;/&gt; פרוסה להשוואה. סטיית העצמה הממוצעת יחסית <img alt="משוואה 13" fo:src="/files/ftp_upload/50427/50427eq13highres.jpg" src="/files/ftp_upload/50427/50427eq13.jpg" /> משוקלל במוצר הנקודה של GD. לפיכך, על מנת להגדיר פרמטר גלובלי: <img alt="משוואה 14" fo:src="/files/ftp_upload/50427/50427eq14highres.jpg" src="/files/ftp_upload/50427/50427eq14.jpg" /> משקף את המינימום של השוואות slicewise של כל הפרוסות. </li><li style=";text-align:right;direction:rtl"> אם Q הוא מתחת לסף מסוים (בדוגמא, סף של 0.8 משמש למטרה זו), שכולו לחסל את הנפח, או GD. רף של 0.8 נחשב לפתרון יציב 32. איור 3 ממחיש ממצא תנועה גלוי בשחזורי sagittal ומזוהה על ידי אלגוריתם בקרת האיכות. בדוגמה זו, מתוך המספר הכולל של GD (נקודות כחולות באיור 3 ג), 17 היו מתחת לקו האדום אשר תואם את Q = 0.8 ושוLD להתבטל. דוגמה של נפח נתונים סטטיסטיים חיסול לכל מחקר שהוצגה באיור 3D. במחקר למופת זה, נתוני DTI של 29 נבדקי HD presymptomatic הושוו לנתוני DTI של 30 פקדים. פרטים נוספים על אלגוריתם זה מוצגים ב32, 33. </li></ol></li><li style=";text-align:right;direction:rtl"> עיבוד מקדים ונורמליזציה המרחבי <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> לבצע את התיקון של עיוותים גיאומטריות-Induced הנוכחי אדי של נתוני ההדמיה הד מישורי קובע לפי השיטה שהוצעה על ידי 34. </li><li style=";text-align:right;direction:rtl"> לנורמליזצית stereotaxic, ליצור מחקר ספציפי (ב = 0) - תבנית וFA-תבנית כפי שתואר לעיל 17,28,31. בעיקרון, נורמליזציה stereotaxic שאינו ליניארי שלם מורכבת משלושה מרכיבי עיוות. כתוצאה מכך, מותח דיפוזיה כתוצאה <img alt="משוואה 15" fo:src="/files/ftp_upload/50427/50427eq15highres.jpg" src="/files/ftp_upload/50427/50427eq15.jpg" /> של כל voxel אני חייב להיות rotatאד פי כל הסיבובים שפורטו לעיל (איור 4): <ol class="lroman" style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> איור 4 א מציג שינוי מוח נוקשה כדי ליישר את מסגרות קואורדינטות הבסיסיות. הסיבוב <img alt="משוואה 16" fo:src="/files/ftp_upload/50427/50427eq16highres.jpg" src="/files/ftp_upload/50427/50427eq16.jpg" /> כתוצאה מהיישור למסגרת הקואורדינטות הבסיסית צריכה להיות מיושמת <img alt="משוואה 17" fo:src="/files/ftp_upload/50427/50427eq17highres.jpg" src="/files/ftp_upload/50427/50427eq17.jpg" /></li><li style=";text-align:right;direction:rtl"> איור 4 מציג את עיוות ליניארי על פי ציוני דרך. הרכיבים של וקטורים העצמיים <img alt="משוואה 5" fo:src="/files/ftp_upload/50427/50427eq5highres.jpg" src="/files/ftp_upload/50427/50427eq5.jpg" /> צריך להיות מותאם על פי פרמטרי הנורמליזציה של שישה S (תלוי באזור במוח,, = 1 ... 6 ים) של העיוות ליניארי. v W, J </sub&gt;&#39;&#39; &#39;= S w V, J&#39;&#39;&#39; w = 1,2,3 ו j = x, y, z. </li><li style=";text-align:right;direction:rtl"> איור 4C מציג נורמליזציה אינה ליניארי השוואת הבדלי צורת מוח שאינו ליניארי. משמרות וקטור 3-D הן שונות עבור כל voxel מוביל לשינוי נפרד לכל voxel של מערך voxel 3-D <img alt="משוואה 18" fo:src="/files/ftp_upload/50427/50427eq18highres.jpg" src="/files/ftp_upload/50427/50427eq18.jpg" /> ). טריגונומטריה הסטנדרטית נותנת מטריצת סיבוב באופן עצמאי לכל voxel, וכתוצאה מהווקטור 3-D המשמרות בעקבות המושגים של 16 על מנת לשמר את היחסים בין וקטורים עצמיים של כיוונית voxels בשכנות. לפיכך, במשמרות של שני voxels בשכנות שונות לגרום לסיבובים של וקטורים העצמיים המתאימים. השתמש במטריצות התרחבות ליישור של טנסור <img alt="משוואה 15" fo:src="/files/ftp_upload/50427/50427eq15highres.jpg" src="/files/ftp_upload/50427/50427eq15.jpg" /> של כל voxel לאת voxels שמסביב. <img alt="משוואה 19" fo:src="/files/ftp_upload/50427/50427eq19highres.jpg" src="/files/ftp_upload/50427/50427eq19.jpg" /> <img alt="משוואה 20" fo:src="/files/ftp_upload/50427/50427eq20highres.jpg" src="/files/ftp_upload/50427/50427eq20.jpg" /> הם המרכיבים של <img alt="משוואה 18" fo:src="/files/ftp_upload/50427/50427eq18highres.jpg" src="/files/ftp_upload/50427/50427eq18.jpg" /></li></ol> כל תהליך הנורמליזציה הוא איטרטיבי, כלומר ליצור, סורק ורצף ספציפי (ב = 0) - תבנית למחקר זה בשלב הראשון על ידי ממוצע חשבונאי (ב = 0) - כרכים של כל הנבדקים לאחר טרנספורמציה לינארית על פי אופן ידני ציוני דרך קבע. לאחר הנורמליזציה ראשונה זה, ליצור תבניות משופרות על מנת לייעל את מטריצות הנורמליזציה. השלבים עד 1.2.5 1.2.3 הבאים הם דמיינו סכמטי באיור 5 א. </li><li style=";text-align:right;direction:rtl"> לאחר הליך נורמליזציה אדם זה (stEP (i) - DTI-נתונים ש0), משתמש בכל נתוני DTI האדם מגדיר ליצירת מחקר ספציפי (ב = 0) - התבנית וFA-תבנית (שלב (ii) - תבניות T 1). כרישום שאינו affine לFA-תבנית יש את היתרון שהוא מספק יותר לעומת בהשוואה ל( ב = 0) 10 תמונות, להגדיר FA-תבנית על ידי ממוצעים נגזר כל בנפרד FA-מפות של החולים והבקרות. </li><li style=";text-align:right;direction:rtl"> בשלב שני, לאחר שהרעיונות הבסיסיים של Ashburner וFriston 35, לבצע נורמליזציה משרד תשתיות לאומית שאינו ליניארי (שלב (III)) של נתוני DTI קובע על ידי צמצום חוסר ההתאמה בין עוצמות אזוריות של FA-המפה כדי להיות מצוידת ושל FA-תבנית בהתאם להבדלים בריבוע (X 2) - בדרך זו, אתה מקבל נתונים DTI אני 1. </li><li style=";text-align:right;direction:rtl"> בהתבסס על נתונים אלה, תבניות חדשות T 2 נגזרות (שלב (ד)). חזור על פעולה זו עד שתהליך איטרטיבי המתאם בין פרט FA-מפות ולאהוא FA-התבנית הוא&gt; 0.7. בדרך כלל זה מגיע לאחר שתי חזרות. </li></ol></li><li style=";text-align:right;direction:rtl"> סטטיסטיקה מרחבית מבוססת מוח שלמה השלבים הבאים 1.3.1 עד 1.3.5 הם דמיינו סכמטי באיור 5. <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> חישוב FA-מפות מנתוני DTI מנורמלים ביחס להליך נורמליזציה של 1.2. על מנת לשמר את המידע כיוונית (שלב (i)). </li><li style=";text-align:right;direction:rtl"> כצעד עיבוד מקדים לפני ההשוואה סטטיסטית voxelwise, להחיל מסנן החלקה (שלב (II)) למנורמלים FA-מפות הפרט. להחלקה, העובדה שגודל המסנן משפיע על התוצאות של ניתוח נתוני DTI 36 דורשת יישום של משפט המסנן המתאים אשר קובע כי רוחבו של המסנן המשמש לעיבוד הנתונים צריך להיות מותאם לגודלו של הפער הצפוי, כמפורט בבקשות קודמות לנתוני DTI של חולים עם הפרעות ניווניות (למשל 28). </li><li style=";text-align:right;direction:rtl"> בצע הסטטיסטי compאריסון בין הקבוצות החולה וvoxelwise קבוצת הביקורת המקבילה על ידי מבחן t של סטודנט, כלומר להשוות בין ערכי FA של המטופלים FA-מפות עם ערכי FA של פקדים &#39;FA-מפות, לכל voxel בנפרד (שלב (iii )). ערכי FA מתחת 0.2 אינם נחשבים לחישוב מאז חומר אפור בקליפת המוח מראה ערכי FA 37 עד 0.2. </li><li style=";text-align:right;direction:rtl"> תוצאות סטטיסטיים צריכים להיות מתוקנות להשוואות מרובות באמצעות גילוי השיעור שגוי (רוזוולט) האלגוריתם בp &lt;0.05 38 (שלב (ד)). יש הפחתה נוספת של שגיאת אלפא להתבצע על ידי אלגוריתם מתאם המרחבי (התקבצות - צעד (V)) שבוטל voxels בודד או קבוצות קטנות ומבודדות של voxels בטווח הגודל של הקרנל ההחלקה, מה שמוביל לגודל אשכול סף של 512 voxels. </li><li style=";text-align:right;direction:rtl"> כדי להציג את התוצאות על רקע מורפולוגי (שלב (V)), לנרמל את 3 D-T1 נתונים המשוקללים קובע למרחב ומשרד תשתיות הלאומיים ממוצע חשבונאי. בצע עמ &#39;הנורמליזציה זוrocedure על ידי שימוש בתבנית מחקר ספציפי באנלוגיה לנורמליזציה מיושמת על נתוני DTI קובע 17. </li></ol></li></ol> איור 6 מציג תוצאות הסטטיסטיקה מרחבית מבוססת מוח שלמה (WBSS) של חולי ALS לעומת בקרה. איור 6 א מציג את המקסימום המקומי של ערכי FA ירד בsagittal, עורקים כליליים וצירית תצוגה (thresholded בp &lt;0.01, תיקן למספר רב של השוואות). איור 6 מציג FT projectional עם נקודתי פתיחה במערכת corticospinal משמשת כבסיס לTFAS. איור 6C מראה הבדלים בין קבוצות בFA-מפות שאותרו על ידי המוח כולו מבוסס סטטיסטיקה מרחבית (WBSS) בין מדגם של חולי ALS וביקורות תואמות ב הדמיה slicewise. <ol start="4" style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> Tractography וסטטיסטיקת אנאיזוטרופיה השבר tractwise (TFAS) איור 7 ממחיש את התהליך של FT מבוסס קבוצה הכולל TFAS כפי שתואר ב1.4.1 עד 1.4.4. <ol style=";text-align:right;direction:rtl"><li style=";text-align:right;direction:rtl"> על מנת ליישם אלגוריתמי FT קבוצה מבוסס, ליצור ממוצע DTI ערכות נתונים מ&#39;נתונים ומהפקדים &#39;את מטופלי נתוני ביחד לפי השיטות שתוארו קודם לכן 17. מיצוע זה דורש טיפול זהיר של מידע orientational שנשמר במהלך תהליך הנורמליזציה לפי טכניקות שתוארו על ידי 16 - 30 לפרטים ראו. </li><li style=";text-align:right;direction:rtl"> בצע tractography בערכות נתונים DTI ממוצעים של קבוצות בכפוף על ידי יישום של טכניקה לייעל את מעקב אחר 31. לזהות נקודות זרעים שהוגדרו באופן ידני סמוכות למקסימום המקומי על ידי מנתח FA מבוסס מוח שלם המהווה את הבסיס לניתוח FT ברציפות. לאחר זיהוי את הזרעים, לבצע tractography ולהגדיר את voxels של סיבים שמסומנים כמסיכה קבוצתית ספציפית לTFAS הבא 30. </li><li style=";text-align:right;direction:rtl"> על מנת לכמת את תוצאות tractography, להחיל את הטכניקה של TFAS באמצעות הקטעי סיבים אלקטרוניים שנוצרו על DTI נתונים ממוצעים של סטים של כל הנושאים של כל קבוצה (נתוני מטופל ונתוני בקרה יחד) עבור הבחירה של voxels שתורמים להשוואה בין החולים והבקרות &quot;FA-מפות. </li><li style=";text-align:right;direction:rtl"> לשקול את כל voxels כתוצאה מכך עם ערך אנגלי מעל 0.2 לניתוח סטטיסטי על ידי מבחן t של סטודנט. </li><li style=";text-align:right;direction:rtl"> אם תרצה, טכניקת TFAS יכולה להיות מיושמת על כל נגזרות מדדי DTI, כגון diffusivity הממוצעת (MD), אנאיזוטרופיה רדיאלי, אנאיזוטרופיה צירית, וכו &#39;(לדוגמה, ראה 28). </li><li style=";text-align:right;direction:rtl"> התוצאות מוצגות על רקע מורפולוגי המורכב מסטי D-3-המנורמלים משרד תשתיות הלאומיים T1-משוקללים נתונים </li></ol></li></ol>

יש מחברים אין לחשוף.

מיצוע בין הנושא של DTI נתונים ניתן להשיג ביחס למשרעת דיפוזיה (על ידי שימוש במידע FA) וכיוון דיפוזיה (המבוסס על FT), בהתאמה. ממוצע של FA מפות מאפשר השוואה הסטטיסטית של קבוצות בכפוף ידי WBSS וTFAS. מסגרת המתודולוגית זה נותן מבוא לטכניקות DTI עם מיצוע בין הנושא והשוואה לקבוצה. נורמל?...

הדמיה מותח דיפוזיה במוח האנושי העניין (WM) שטחים הלבנים במערכת העצבים המרכזית מורכבים מאקסונים צפופים בנוסף לסוגים שונים של neuroglia ואוכלוסיות קטנות אחרות של תאים. קרום axonal כמו גם את סיבי החלבון המיושרים היטב בתוך האקסון מגביל ניצב דיפוזיה מים לכיוון הסיבים, מה שמוביל לפיזור מים במוח אניסוטרופי WM 1. נדני המיאלין סביב האקסונים עשויים גם לתרום אנאיזוטרופיה עבור שניהם התוך תאיים ומים 2. תיאור כמותי של אנאיזוטרופיה זה יכול להיות מזוהה על ידי מותח דיפוזי הדמיה (DTI). DTI מפיק תמונות של רקמות משוקלל עם המאפיינים המקומיים של microstructural דיפוזיה מים. את תמונת העוצמות-בכל עמדה הן מוחלשים, תלוי בכח ואת הכיוון של מה שנקרא שיפוע דיפוזיה המגנטי (מיוצג בB-הערך), כמו גם על מיקרו המקומי שבו מולקולות המים לפזר 3, דיפוזיה המקדם D, ערך סקלר: <img alt="משוואת 1" fo:src="/files/ftp_upload/50427/50427eq1highres.jpg" src="/files/ftp_upload/50427/50427eq1.jpg" /> עם זאת, בנוכחות אנאיזוטרופיה בWM, כבר לא יכולה להיות מאופיינת דיפוזיה במקדם סקלרי אחת, אבל דורשת טנסור <img alt="משוואה 3" fo:src="/files/ftp_upload/50427/50427eq3highres.jpg" src="/files/ftp_upload/50427/50427eq3.jpg" /> אשר בקירוב הראשון מתאר את הניידות מולקולרית לאורך כל כיוון ומתאם בין הכיוונים אלה 4. אנאיזוטרופיה דיפוזיה נגרמת בעיקר על ידי הכיוון של קטעי סיבים בWM ומושפעת מתכונות מייקרו וmacrostructural. מהתכונות microstructural, ארגון intraaxonal נראה כי ההשפעה הגדולה ביותר על אנאיזוטרופיה דיפוזיה, מלבד הצפיפות של סיביםאריזת תא ND, מידת myelination, וקוטר סיב בודד. בקנה מידה מקרוסקופי, ההשתנות בכיוון של כל שטחי WM בvoxel ההדמיה משפיעה על מידת אנאיזוטרופיה 5 שלה. במדידות DTI טיפוסיות, את ממדי voxel נמצאים בצו של מילימטרים. לפיכך, voxel תמיד מכיל את המידע הממוצע של מולקולות המים בתוך הנפח זיהה כי בדרך כלל מכסה מספר האקסונים, כמו גם את מולקולות מים הסמוכות. למרות סביבת multidirectional זה, DTI הוא רגיש לכיוון של הציר הראשי הגדול ביותר שמיישר לכיוון axonal הדומיננטי, כלומר תרומת axonal שולטת אות הנמדדת 2. DTI מספק שני סוגים של מידע על הנכס של דיפוזיה מים: ראשית, כיוון שאינו תלויה במידה של אנאיזוטרופיה דיפוזיה 5 ושנית, הכיוון העיקרי של המים בדיפוזיה מתאר לעצמיvoxels הדואר, כלומר הנטייה דיפוזיה 6. הפרוטוקולים הנוכחיים אמורים לספק מסגרת של טכניקות ניתוח DTI להשוואת כמותית של קבוצות נושא ברמת הקבוצה, כפי שמתוארים בחלק הבא. כימות של נכסי דיפוזיה - ניתוח פרמטרים האלמנטים של טנסור הסימטרי ניתן למדוד על ידי הדרגתיים דיפוזיה יחד לפחות שישה כיוונים הלא קוליניאריות ולא coplanar כך שB (משוואת 1) הפך למותח, וכתוצאה מכך הנחתה אות <img alt="משוואה 2" fo:src="/files/ftp_upload/50427/50427eq2highres.jpg" src="/files/ftp_upload/50427/50427eq2.jpg" /> משוואה זו דורשת חשבונאית לאינטראקציות אפשריות בין הדמיה והדרגות דיפוזיה המיושמות בכיוונים מאונך (מבחינת קרוס) ואפילו בין הדרגות הדמיה שחלותבכיוונים מאונך 4. טנסור דיפוזיה מהדרגה השנייה <img alt="משוואה 3" fo:src="/files/ftp_upload/50427/50427eq3highres.jpg" src="/files/ftp_upload/50427/50427eq3.jpg" /> תמיד יכול להיות diagonalized משאיר רק שלושה אלמנטים שאינם אפס לאורך האלכסון הראשי של טנסור, כלומר הערכים העצמיים ( <img alt="משוואה 4" fo:src="/files/ftp_upload/50427/50427eq4highres.jpg" src="/files/ftp_upload/50427/50427eq4.jpg" /> ). הערכים העצמיים משקפים את הצורה או תצורה של אליפסה. היחסים מתמטיים בין הקואורדינטות העיקריות של אליפסה ומסגרת המעבדה מתוארים על ידי וקטורים העצמיים <img alt="משוואה 5" fo:src="/files/ftp_upload/50427/50427eq5highres.jpg" src="/files/ftp_upload/50427/50427eq5.jpg" /> מאחר שיש כמה אתגרים בהצגת נתונים מותחים, הרעיון של ellipsoids דיפוזיה הוצע 3. את Eigendiffusivities של דואר אלהllipsoids מייצג את מקדמי דיפוזיה unidimensional בכיוון העיקרי של diffusivities של המדיום, כלומר הציר הראשי של אליפסה מייצג את כיוון ההתפשטות העיקרי בvoxel אשר עולה בקנה אחד עם הכיוון של הסיבים, ואילו האקסצנטרית של אליפסה מספק מידע על מידת אנאיזוטרופיה והסימטריה שלו. לכן, יכולים להיות מוגדרים מדדי אנאיזוטרופיה דיפוזיה כגון אנאיזוטרופיה השבר (FA) 7. <img alt="משוואה 6" fo:src="/files/ftp_upload/50427/50427eq6highres.jpg" src="/files/ftp_upload/50427/50427eq6.jpg" /> <img alt="משוואה 7" fo:src="/files/ftp_upload/50427/50427eq7highres.jpg" src="/files/ftp_upload/50427/50427eq7.jpg" /> הוא ממוצע אריתמטי של כל הערכים העצמיים. גישה נוספת היא להשתמש בכיוון העיקרי של טנסור דיפוזיה כדי לטפל בקישוריות WM של המוח, המקבילה לapproa tractographyפרק שבו יש כוונה לחקור אילו חלקים של המוח מחובר זה לזה. בהנחת שהכיוון של הרכיב המרכזי של טנסור דיפוזיה מייצג את הכיוון של שטחי axonal הדומיננטיים, שדה וקטורי 3-D מסופק בו כל וקטור מייצג את כיוון הסיבים. נכון לעכשיו, יש כמה גישות שונות כדי לשחזר קטעי WM אשר יכול להיות מחולק לשני סוגים: הסוג הראשון מבוסס על אלגוריתמי התפשטות קו באמצעות המידע מותח המקומי עבור כל שלב של התפשטות מערכת סיבי 2,8,9. הקטגוריה השנייה מבוססת על מזעור אנרגיה העולמית כדי למצוא את הנתיב האנרגטי החיובי ביותר בין שני אזורי WM, וכתוצאה מכך הגישה לסטטיסטיקה מרחביים המבוססת על מערכת (TBSS) 10 בו נעשה שימוש באלגוריתמים אחרים כגון נתונים סטטיסטיים אנאיזוטרופיה השבר tractwise (TFAS - ראה טקסט פרוטוקול, סעיף 2.4).. הפיכת דוכן stereotaxicארד החלל כמו בשיטות MRI מתקדמות אחרות, DTI-ומחקרים מבוססי FT בהקשר קליני להמשיך את המטרה הסופית לקטלג מורפולוגיה המוח של המטופל על מנת להקל על תהליך האבחון מבוסס על כמה אפליה מדד 11. מחקרים ברמת הקבוצה הם רלוונטיים ביותר אם הפנוטיפ הקליני הנפוץ אמור להיות בשל נזק לאחד או יותר מאזורים מסוימים במוח או רשת neuroanatomical ספציפית. כאן, עם הממוצע של תוצאות עבור נבדקים שונים הוא שימושי כדי להעריך דפוסים נפוצים של שינויי microstructural. לכל אחד יש מוח אדם להיות מועבר לתוך חלל stereotaxic כך, בשלב שני, בממוצע אריתמטי של התוצאות ברמת voxel-by-voxel אפשרי. נורמליזציה המרחבי אפשרה למיצוע אריתמטי של התוצאות המתקבלות מנושאים שונים על מנת לשפר את יחס אות לרעש (SNR) ולבצע השוואה של דגימות של חולים והמשךrols על מנת לנתח pathoanatomy חישובית של הפרעה מסוימת, למשל מחלות ניווניות אשר מזוהה עם העמדת של מערכת מסוימת במוח. הגישה המוקדמת של נורמליזציה למרחב stereotaxic טופל על ידי 12 הציעה אלגוריתם לשינוי אטלס סטנדרטי הכולל זיהוי של אתרים שונים במוח וטיפי טיפין דרוג של רביעים מוח. כיום, רוב חבילות ניתוח נתונים המתקדמות MRI להשתמש נורמליזציה לנוירולוגיות מונטריאול המכון (משרד התשתיות הלאומי) stereotaxic שטח 13. לשינוי הזה, אלגוריתמי רישום מוח חצי אוטומטיים ואוטומטיים תוך שימוש בתבניות ספציפיות לימוד פותחו 14,15. בDTI, יש תשומת לב מיוחדת להיגרר לשמירת המידע כיוונית במהלך תהליך הנורמליזציה 16,17. היישום של שינויים מרחביים לתמונות DT-MR שנדרש לנורמליזציה המרחביאוספים של ערכות נתונים הוא, בניגוד לתמונות שיטתיות השתאה, מסובכות על ידי העובדה שהזיות טרופות מכילות מידע orientational אשר מושפע שוב על ידי השינוי. השפעה זו חייבת להיות מטופלת על מנת להבטיח את התקינות אנטומית של התמונה השתנתה. הנה, טכניקות ליישום שינויי affine לערכות נתונים DTI מוצגות. יישום של DTI למחלות מוח ההשוואה של נתוני DTI אורכי דורשת יישור / רישום של הנתונים של נושא אחד בין זה לזה. בהקשר זה, שימור המידע כיוונית הכרחי (כלומר סיבוב של טנסור דיפוזיה במהלך תמורות affine). יישומים אפשריים להפרעות ניווניות כבר דיווחו בעבר (למשל 18,19). DTI כבר נקבע ככלי טכני לא פולשנית חזק לחקור in vivo neuropathology של שטחים עצביים WM (למשל 11,20,21,22). מדדים כמותיים המבוססים על DTI של תהליך דיפוזיה, למשל אנגלי, שכבר הוכח כסמנים רגישים ללימוד מגוון רחב של פתולוגיות WM, כגון שבץ 20, טרשת נפוצה 23, amyotrophic 24 טרשת לרוחב, בן 25, מחלת אלצהיימר 26 , וכמה הפרעות WM 27,28 אחרות. בנוסף, ניתן להשתמש DTI עם FT לזהות קטעי WM 23. טכניקה זו, ועדיין לא בשימוש קליני שגרתי, מתגלה ככלי רב עוצמה להערכה של הפרעות במסלול ספציפי במחל נוירולוגית. בתוך השטחים שזוהו, מדדי כמותיים MRI שונים הנגזרים מDTI ורכישות נוספות (למשל תמונות ו / או העברת המגנטיזציה (MT) הדמיה T2 משוקללות) שהם בחינה אנטומית coregistered לנתוני DTI ניתן היה למדוד. הנני, כל אחד יכול להיות מדד Calculated כפונקציה של מיקום בתוך המערכת, המתייחס לחלקות המתארות וריאציה המרחבי שלהם, כמו פרופילים בדרכי. בסריקות הבאות, אדם DTI שבוצעו על 1.5 טסלה MRI-סורקים (Siemens Medical, Erlangen, גרמניה) הייתה בשימוש כדי לחקור את הפוטנציאל של טכניקות ניתוח שונות לאיתור ליקויים בחומר לבן בקבוצות חולה, כמו גם ביחידים. לאחר בדיקת איכות אוטומטית לחיסולה של תנועת כרכים-פגומים ונפחים עם סוגים אחרים של חפצים, נהלים סטנדרטיים postprocessing הכנת נתוני DTI עבור הניתוח ברציפות. ניתוח גישות שונות שתודגמנה בחלק הבא, כלומר המוח הראשון, המבוסס כולו סטטיסטיקה מרחבית (WBSS), שני, FT, וסטטיסטיקת השבר שלישית, Tractwise אנאיזוטרופיה (TFAS). WBSS היא שיטה שפועלת באנלוגיה לmorphometry מבוסס voxel (VBM) שהוא בדרך כלל ידוע כmorphometry מבוסס voxel / סטטיסטיקה על נתוני DTI (VBM / DTI) <eמ &#39;&gt;. VBM הוא שיטה הפועלת על מקור תמונות שבו הבדלים בניגוד ניגוד בסריקות נפרדות צריכים להיפתר תוך WBSS הוא שיטה המשתמשת בהשוואת voxelwise של פרמטר פיזי. לכן, על אף אלגוריתמי דומה, מינוח המבדיל WBSS וVBM ישמש את הבאים.

<table><tbody><tr><td>MR scanner</td><td></td><td></td><td>Siemens 1.5 T Magnetom Symphony</td></tr><tr><td>analysis software </td><td></td><td></td><td>TIFT - Tensor Imaging and Fiber Tracking</td></tr></tbody></table>

diffusion tensor magnetic resonance imaging in the analysis of neurodegenerative diseases

המותחת דיפוזי הדמיה (DTI) טכניקות לספק מידע על תהליכי microstructural של החומר הלבן במוח (WM) in vivo. היישומים הנוכחיים נועדו לחקור הבדלים של דפוסי מעורבות WM במחלות שונות במוח, הפרעות ניווניות במיוחד, על ידי שימוש בניתוחי DTI שונים בהשוואה לביקורות תואמות. ניתוח נתוני DTI מתבצע באופנה משתנה, כלומר השוואת voxelwise של מדדים אזוריים דיפוזיה מבוסס כיוון כגון אנאיזוטרופיה השבר (FA), יחד עם מעקב סיבים (FT) מלווה בנתונים סטטיסטיים אנאיזוטרופיה השבר tractwise (TFAS) ברמת הקבוצה במטרה כדי לזהות הבדלים באנגלים לאורך מבני WM, מכוון להגדרה של דפוסים אזוריים של שינויי WM ברמת הקבוצה. הפיכת שטח סטנדרטי stereotaxic היא תנאי הכרחי ללימודים בקבוצה ודורשת נתונים יסודיים עיבוד לשמר דבין תלות irectional. היישומים הנוכחיים מראים גישות טכניות מותאמים במיוחד לשימור של מידע כמותי וכיוונית במהלך נורמליזציה המרחבי בניתוח הנתונים ברמת הקבוצה. על בסיס זה, ניתן ליישם טכניקות FT לנתונים ממוצעים של קבוצה על מנת לכמת מדדי מידע כהגדרתו על ידי FT. בנוסף, יישום של שיטות DTI, כלומר בהבדלי FA-מפות לאחר יישור stereotaxic, בניתוח אורך על בסיס פרטני נושא לחשוף מידע על ההתקדמות של הפרעות נוירולוגיות. שיפור איכות נוספת של תוצאות מבוססות DTI ניתן להשיג במהלך עיבוד מקדים על ידי יישום של חיסול מבוקר של כיווני שיפוע עם רמות רעש גבוהות. לסיכום, DTI משמש להגדרת pathoanatomy WM מובהק של מחלות שונות במוח על ידי שילוב של כל ניתוח מוח DTI מבוסס והמבוסס בדרכי.

1. QC ותיקון לכיווני שיפוע פגום ביישום על נתונים של חולים עם הפרעות ההיפרקינטיות כדוגמה להשפעת היישום של QC וההדרה נפח שלאחר מכן (כתוצאה מהתיקון לGD הפגום), איור 8 מראה הבדלים בכל סטטיסטיקה מרחבית מבוססת מוח עם ובלי הדרת נפח לה...

Watch this Scientific Journal Video about Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases at JoVE.com

Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases

המותחת דיפוזי הדמיה (DTI) בעצם משמשת ככלי מבוסס MRI כדי לזהות<em&gt; In vivo</em&gt; מיקרו של המוח ותהליכים פתולוגיים בשל הפרעות נוירולוגיות בתוך החומר לבן במוח. ניתוחים מבוססי DTI לאפשר ליישום למחלות מוח גם ברמת הקבוצה והן בנתונים נושא אחד.

הדמיית תהודה מגנטית מותחת דיפוזי בניתוח של מחלות ניווניות

Diffusion tensor imaging (DTI) techniques provide information on the microstructural processes of the cerebral white matter (WM) in vivo. The present ...

diffusion-tensor-magnetic-resonance-imaging-analysis

Universidad de Cartagena UDEC

Research

JoVE Journal

Medicine

28.1K Views.  University of Ulm. המותחת דיפוזי הדמיה (DTI) בעצם משמשת ככלי מבוסס MRI כדי לזהות In vivo מיקרו של המוח ותהליכים פתולוגיים בשל הפרעות נוירולוגיות בתוך החומר לבן במוח. ניתוחים מבוססי DTI לאפשר ליישום למחלות מוח גם ברמת הקבוצה והן בנתונים נושא אחד.

Video: Diffusion Tensor Magnetic Resonance Imaging in the Analysis of Neurodegenerative Diseases

Registered Bioimaging of Nanomaterials for Diagnostic and Therapeutic Monitoring

Nanomedications can be carried by blood borne monocyte-macrophages into the reticuloendothelial system (RES; spleen, liver, lymph nodes) and to end organs. The latter include the lung, RES, and brain and are operative during human immunodeficiency virus type one (HIV-1) infection. Macrophage entry into tissues is notable in areas of active HIV-1 replication and sites of inflammation. In order to assess the potential of macrophages as nanocarriers, superparamagnetic iron-oxide and/or drug laden particles coated with surfactants were parenterally injected into HIV-1 encephalitic mice. This was done to quantitatively assess particle and drug biodistribution. Magnetic resonance imaging (MRI) test results were validated by histological coregistration and enhanced image processing. End organ disease as typified by altered brain histology were assessed by MRI. The demonstration of robust migration of nanoformulations into areas of focal encephalitis provides '"proof of concept" for the use of advanced bioimaging techniques to monitor macrophage migration. Importantly, histopathological aberrations in brain correlate with bioimaging parameters making the general utility of MRI in studies of cell distribution in disease feasible. We posit that using such methods can provide a real time index of disease burden and therapeutic efficacy with translational potential to humans.

Bioimaging methods used to assess cell biodistribution of nanoparticles are applicable for therapeutic and diagnostic monitoring of nanoformulated compounds. The methods described herein are sensitive and specific when assessed by histological coregistration. The methodologies provide a translational pathway from rodent to human applications.

Bioimaging רשום של ננו לניטור האבחון והטיפול

Nanomedications can be carried by blood borne monocyte-macrophages into the reticuloendothelial system (RES; spleen, liver, lymph nodes) and to end ...

Bioengineering

Probing the Brain in Autism Using fMRI and Diffusion Tensor Imaging

Newly emerging theories suggest that the brain does not function as a cohesive unit in autism, and this discordance is reflected in the behavioral symptoms displayed by individuals with autism. While structural neuroimaging findings have provided some insights into brain abnormalities in autism, the consistency of such findings is questionable. Functional neuroimaging, on the other hand, has been more fruitful in this regard because autism is a disorder of dynamic processing and allows examination of communication between cortical networks, which appears to be where the underlying problem occurs in autism. Functional connectivity is defined as the temporal correlation of spatially separate neurological events1. Findings from a number of recent fMRI studies have supported the idea that there is weaker coordination between different parts of the brain that should be working together to accomplish complex social or language problems2,3,4,5,6. One of the mysteries of autism is the coexistence of deficits in several domains along with relatively intact, sometimes enhanced, abilities. Such complex manifestation of autism calls for a global and comprehensive examination of the disorder at the neural level. A compelling recent account of the brain functioning in autism, the cortical underconnectivity theory,2,7 provides an integrating framework for the neurobiological bases of autism. The cortical underconnectivity theory of autism suggests that any language, social, or psychological function that is dependent on the integration of multiple brain regions is susceptible to disruption as the processing demand increases. In autism, the underfunctioning of integrative circuitry in the brain may cause widespread underconnectivity. In other words, people with autism may interpret information in a piecemeal fashion at the expense of the whole. Since cortical underconnectivity among brain regions, especially the frontal cortex and more posterior areas 3,6, has now been relatively well established, we can begin to further understand brain connectivity as a critical component of autism symptomatology.
A logical next step in this direction is to examine the anatomical connections that may mediate the functional connections mentioned above. Diffusion Tensor Imaging (DTI) is a relatively novel neuroimaging technique that helps probe the diffusion of water in the brain to infer the integrity of white matter fibers. In this technique, water diffusion in the brain is examined in several directions using diffusion gradients. While functional connectivity provides information about the synchronization of brain activation across different brain areas during a task or during rest, DTI helps in understanding the underlying axonal organization which may facilitate the cross-talk among brain areas. This paper will describe these techniques as valuable tools in understanding the brain in autism and the challenges involved in this line of research.

Neuroimaging techniques, such as functional MRI and Diffusion Tensor Imaging have become increasingly useful in characterizing the cognitive and neural deficits in autism. An examination of brain connectivity in autism at a network level along with adaptations for scanning children with developmental disabilities is presented.

לחקור את המוח באוטיזם באמצעות fMRI ו דימות מותח דיפוזי

Newly emerging theories suggest that the brain does not function as a cohesive unit in autism, and this discordance is reflected in the behavioral ...

Co-analysis of Brain Structure and Function using fMRI and Diffusion-weighted Imaging

The study of complex computational systems is facilitated by network maps, such as circuit diagrams. Such mapping is particularly informative when studying the brain, as the functional role that a brain area fulfills may be largely defined by its connections to other brain areas. In this report, we describe a novel, non-invasive approach for relating brain structure and function using magnetic resonance imaging (MRI). This approach, a combination of structural imaging of long-range fiber connections and functional imaging data, is illustrated in two distinct cognitive domains, visual attention and face perception. Structural imaging is performed with diffusion-weighted imaging (DWI) and fiber tractography, which track the diffusion of water molecules along white-matter fiber tracts in the brain (Figure 1). By visualizing these fiber tracts, we are able to investigate the long-range connective architecture of the brain. The results compare favorably with one of the most widely-used techniques in DWI, diffusion tensor imaging (DTI). DTI is unable to resolve complex configurations of fiber tracts, limiting its utility for constructing detailed, anatomically-informed models of brain function. In contrast, our analyses reproduce known neuroanatomy with precision and accuracy. This advantage is partly due to data acquisition procedures: while many DTI protocols measure diffusion in a small number of directions (e.g., 6 or 12), we employ a diffusion spectrum imaging (DSI)1, 2 protocol which assesses diffusion in 257 directions and at a range of magnetic gradient strengths. Moreover, DSI data allow us to use more sophisticated methods for reconstructing acquired data. In two experiments (visual attention and face perception), tractography reveals that co-active areas of the human brain are anatomically connected, supporting extant hypotheses that they form functional networks. DWI allows us to create a "circuit diagram" and reproduce it on an individual-subject basis, for the purpose of monitoring task-relevant brain activity in networks of interest.

We describe a novel approach for simultaneous analysis of brain function and structure using magnetic resonance imaging (MRI). We assess brain structure with high-resolution diffusion-weighted imaging and white-matter fiber tractography. Unlike standard structural MRI, these techniques allow us to directly relate anatomical connectivity to functional properties of brain networks.

שיתוף ניתוח של מבנה המוח ותפקודו באמצעות fMRI ודיפוזיה משוקללת הדמיה

The study of complex computational systems is facilitated by network maps, such as circuit diagrams. Such mapping is particularly informative when ...

Neuroscience

DTI of the Visual Pathway - White Matter Tracts and Cerebral Lesions

DTI is a technique that identifies white matter tracts (WMT) non-invasively in healthy and non-healthy patients using diffusion measurements. Similar to visual pathways (VP), WMT are not visible with classical MRI or intra-operatively with microscope. DTI will help neurosurgeons to prevent destruction of the VP while removing lesions adjacent to this WMT. We have performed DTI on fifty patients before and after surgery between March 2012 to January 2014. To navigate we used a 3DT1-weighted sequence. Additionally, we performed a T2-weighted and DTI-sequences. The parameters used were, FOV: 200 x 200 mm, slice thickness: 2 mm, and acquisition matrix: 96 x 96 yielding nearly isotropic voxels of 2 x 2 x 2 mm. Axial MRI was carried out using a 32 gradient direction and one b0-image. We used Echo-Planar-Imaging (EPI) and ASSET parallel imaging with an acceleration factor of 2 and b-value of 800 s/mm&#178;. The scanning time was less than 9 min.
The DTI-data obtained were processed using a FDA approved surgical navigation system program which uses a straightforward fiber-tracking approach known as fiber assignment by continuous tracking (FACT). This is based on the propagation of lines between regions of interest (ROI) which is defined by a physician. A maximum angle of 50, FA start value of 0.10 and ADC stop value of 0.20 mm&#178;/s were the parameters used for tractography.
There are some limitations to this technique. The limited acquisition time frame enforces trade-offs in the image quality. Another important point not to be neglected is the brain shift during surgery. As for the latter intra-operative MRI might be helpful. Furthermore the risk of false positive or false negative tracts needs to be taken into account which might compromise the final results.

Diffusion tensor imaging (DTI) was performed to try to depict the major parts of the visual pathway. The goal was to use an FDA approved standard commercial workstation which could be used for everyday routine in order to try to reduce postoperative damage of the visual pathway in the patients.

קטעי חומר לבנים ופצעי מוחין - DTI של הנתיב החזותי

DTI is a technique that identifies white matter tracts (WMT) non-invasively in healthy and non-healthy patients using diffusion measurements. Similar to ...

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

Breast cancer is the most common cause of cancer among women worldwide. Early detection of breast cancer has a critical role in improving the quality of life and survival of breast cancer patients. In this paper a new approach for the detection of breast cancer is described, based on tracking the mammary architectural elements using diffusion tensor imaging (DTI). 
The paper focuses on the scanning protocols and image processing algorithms and software that were designed to fit the diffusion properties of the mammary fibroglandular tissue and its changes during malignant transformation. The final output yields pixel by pixel vector maps that track the architecture of the entire mammary ductal glandular trees and parametric maps of the diffusion tensor coefficients and anisotropy indices. 
The efficiency of the method to detect breast cancer was tested by scanning women volunteers including 68 patients with breast cancer confirmed by histopathology findings. Regions with cancer cells exhibited a marked reduction in the diffusion coefficients and in the maximal anisotropy index as compared to the normal breast tissue, providing an intrinsic contrast for delineating the boundaries of malignant growth. Overall, the sensitivity of the DTI parameters to detect breast cancer was found to be high, particularly in dense breasts, and comparable to the current standard breast MRI method that requires injection of a contrast agent. Thus, this method offers a completely non-invasive, safe and sensitive tool for breast cancer detection.

We describe how to obtain parametric and vector maps of the diffusion tensor of the breast using magnetic resonance imaging. The protocol and final output following imaging processing are tailored for tracking breast architectural features and detecting breast malignancy.

סרטן שד מעקב מאפיינים אדריכליים החלב וזיהוי עם דימות מותחת דיפוזי תהודה מגנטית

Breast cancer is the most common cause of cancer among women worldwide. Early detection of breast cancer has a critical role in improving the quality of ...

Quantitative Magnetic Resonance Imaging of Skeletal Muscle Disease

Quantitative magnetic resonance imaging (qMRI) describes the development and use of MRI to quantify physical, chemical, and/or biological properties of living systems. Neuromuscular diseases often exhibit a temporally varying, spatially heterogeneous, and multi-faceted pathology. The goal of this protocol is to characterize this pathology using qMRI methods. The MRI acquisition protocol begins with localizer images (used to locate the position of the body and tissue of interest within the MRI system), quality control measurements of relevant magnetic field distributions, and structural imaging for general anatomical characterization. The qMRI portion of the protocol includes measurements of the longitudinal and transverse relaxation time constants (T1 and T2, respectively). Also acquired are diffusion-tensor MRI data, in which water diffusivity is measured and used to infer pathological processes such as edema. Quantitative magnetization transfer imaging is used to characterize the relative tissue content of macromolecular and free water protons. Lastly, fat-water MRI methods are used to characterize fibro-adipose tissue replacement of muscle. In addition to describing the data acquisition and analysis procedures, this paper also discusses the potential problems associated with these methods, the analysis and interpretation of the data, MRI safety, and strategies for artifact reduction and protocol optimization.

Neuromuscular diseases often exhibit a temporally varying, spatially heterogeneous, and multi-faceted pathology. The goal of this protocol is to characterize this pathology using non-invasive magnetic resonance imaging methods.

דימות תהודה מגנטית כמותי של מחלת שריר שלד

Quantitative magnetic resonance imaging (qMRI) describes the development and use of MRI to quantify physical, chemical, and/or biological properties of ...

Diffusion Imaging in the Rat Cervical Spinal Cord

Magnetic resonance imaging (MRI) is the state of the art approach for assessing the status of the spinal cord noninvasively, and can be used as a diagnostic and prognostic tool in cases of disease or injury. Diffusion weighted imaging (DWI), is sensitive to the thermal motion of water molecules and allows for inferences of tissue microstructure. This report describes a protocol to acquire and analyze DWI of the rat cervical spinal cord on a small-bore animal system. It demonstrates an imaging setup for the live anesthetized animal and recommends a DWI acquisition protocol for high-quality imaging, which includes stabilization of the cord and control of respiratory motion. Measurements with diffusion weighting along different directions and magnitudes (b-values) are used. Finally, several mathematical models of the resulting signal are used to derive maps of the diffusion processes within the spinal cord tissue that provide insight into the normal cord and can be used to monitor injury or disease processes noninvasively.

The goal of this protocol is to obtain high-quality diffusion weighted magnetic resonance imaging (DWI) of the rat spinal cord for noninvasive characterization of tissue microstructure. This protocol describes optimizations of the MRI sequence, radiofrequency coil, and analysis methods to enable DWI images free from artifacts.

ההדמיה דיפוזיה בחוט השדרה עכברוש צוואר הרחם

Magnetic resonance imaging (MRI) is the state of the art approach for assessing the status of the spinal cord noninvasively, and can be used as a ...

Diffusion Tensor Magnetic Resonance Imaging in Chronic Spinal Cord Compression

Chronic spinal cord compression is the most common cause of spinal cord impairment in patients with nontraumatic spinal cord damage. Conventional magnetic resonance imaging (MRI) plays an important role in both confirming the diagnosis and evaluating the degree of compression. However, the anatomical detail provided by conventional MRI is not sufficient to accurately estimate neuronal damage and/or assess the possibility of neuronal recovery in chronic spinal cord compression patients. In contrast, diffusion tensor imaging (DTI) can provide quantitative results according to the detection of water molecule diffusion in tissues. In the present study, we develop a methodological framework to illustrate the application of DTI in chronic spinal cord compression disease. DTI fractional anisotropy (FA), apparent diffusion coefficients (ADCs), and eigenvector values are useful for visualizing microstructural pathological changes in the spinal cord. Decreased FA and increases in ADCs and eigenvector values were observed in chronic spinal cord compression patients compared to healthy controls. DTI could help surgeons understand spinal cord injury severity and provide important information regarding prognosis and neural functional recovery. In conclusion, this protocol provides a sensitive, detailed, and noninvasive tool to evaluate spinal cord compression.

Here, we present a protocol for the application of diffusion tensor imaging parameters to evaluate spinal cord compression.

דיפוזיה זנסור הדמיה מגנטית באמצעות דחיסת חוט השדרה כרונית

Chronic spinal cord compression is the most common cause of spinal cord impairment in patients with nontraumatic spinal cord damage. Conventional magnetic ...

Advanced Diffusion Imaging in The Hippocampus of Rats with Mild Traumatic Brain Injury

Mild traumatic brain injury (mTBI) is the most common type of acquired brain injury. Since patients with traumatic brain injury show a tremendous variability and heterogeneity (age, gender, type of trauma, other possible pathologies, etc.), animal models play a key role in unraveling factors that are limitations in clinical research. They provide a standardized and controlled setting to investigate the biological mechanisms of injury and repair following TBI. However, not all animal models mimic the diffuse and subtle nature of mTBI effectively. For example, the commonly used controlled cortical impact (CCI) and lateral fluid percussion injury (LFPI) models make use of a craniotomy to expose the brain and induce widespread focal trauma, which are not commonly seen in mTBI. Therefore, these experimental models are not valid to mimic mTBI. Thus, an appropriate model should be used to investigate mTBI. The Marmarou weight drop model for rats induces similar microstructural alterations and cognitive impairments as seen in patients who sustain mild trauma; therefore, this model was selected for this protocol. Conventional computed tomography and magnetic resonance imaging (MRI) scans commonly show no damage following a mild injury, because mTBI induces often only subtle and diffuse injuries. With diffusion weighted MRI, it is possible to investigate microstructural properties of brain tissue, which can provide more insight into the microscopic alterations following mild trauma. Therefore, the goal of this study is to obtain quantitative information of a selected region-of-interest (i.e., hippocampus) to follow up disease progression after obtaining a mild and diffuse brain injury.

The overall goal of this procedure is to obtain quantitative microstructural information of the hippocampus in a rat with mild traumatic brain injury. This is done using an advanced diffusion-weighted magnetic resonance imaging protocol and region-of-interest based analysis of parametric diffusion maps.

הדמיה מתקדמת דיפוזיה בהיפוקמפוס של חולדות עם פגיעה מוחית טראומטית מתון

Mild traumatic brain injury (mTBI) is the most common type of acquired brain injury. Since patients with traumatic brain injury show a tremendous ...

Magnetic Resonance Imaging of Multiple Sclerosis at 7.0 Tesla

The overall goal of this article is to demonstrate a state-of-the-art ultrahigh field (UHF) magnetic resonance (MR) protocol of the brain at 7.0 Tesla in multiple sclerosis (MS) patients. MS is a chronic inflammatory, demyelinating, neurodegenerative disease that is characterized by white and gray matter lesions. Detection of spatially and temporally disseminated T2-hyperintense lesions by the use of MRI at 1.5 T and 3 T represents a crucial diagnostic tool in clinical practice to establish accurate diagnosis of MS based on the current version of the 2017 McDonald criteria. However, the differentiation of MS lesions from brain white matter lesions of other origins can sometimes be challenging due to their resembling morphology at lower magnetic field strengths (typically 3 T). Ultrahigh field MR (UHF-MR) benefits from increased signal-to-noise ratio and enhanced spatial resolution, both key to superior imaging for more accurate and definitive diagnoses of subtle lesions. Hence, MRI at 7.0 T has shown encouraging results to overcome the challenges of MS differential diagnosis by providing MS-specific neuroimaging markers (e.g., central vein sign, hypointense rim structures and differentiation of MS grey matter lesions). These markers and others can be identified by other MR contrasts other than T1 and T2 (T2*, phase, diffusion) and substantially improve the differentiation of MS lesions from those occurring in other neuroinflammatory conditions such as neuromyelitis optica and Susac syndrome. In this article, we describe our current technical approach to study cerebral white and grey matter lesions in MS patients at 7.0 T using different MR acquisition methods. The up-to-date protocol includes the preparation of the MR setup including the radio-frequency coils customized for UHF-MR, standardized screening, safety and interview procedures with MS patients, patient positioning in the MR scanner and acquisition of dedicated brain scans tailored for examining MS.

Here, we present a protocol to acquire magnetic resonance (MR) images of multiple sclerosis (MS) patient brains at 7.0 Tesla. The protocol includes preparation of the setup including the radio-frequency coils, standardized interview procedures with MS patients, subject positioning in the MR scanner and MR data acquisition.

הדמיית תהודה מגנטית של טרשת נפוצה ב 7.0 טסלה

The overall goal of this article is to demonstrate a state-of-the-art ultrahigh field (UHF) magnetic resonance (MR) protocol of the brain at 7.0 Tesla in ...