Información

¿Cuáles son las principales diferencias entre el enfoque volumétrico FreeSurfer y el mapeo paramétrico estadístico de SPM?

¿Cuáles son las principales diferencias entre el enfoque volumétrico FreeSurfer y el mapeo paramétrico estadístico de SPM?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

En la investigación moderna del volumen y la función del cerebro hay dos actores principales. FreeSurfer, que es gratuito y de código abierto, y el mapeo paramétrico estadístico más antiguo, pero de uso más frecuente, que en sí mismo también es de código abierto, pero que normalmente se usa dentro de Matlab, que es de código cerrado.

¿Qué debo tener en mente al decidir cuál elegir para mi investigación?


Freesurfer es excelente para mapear el grosor cortical utilizando datos de resonancia magnética anatómica, mientras que SPM se puede usar para comparar dos poblaciones, voxel por voxel. Esto es útil para imágenes de PET. Por ejemplo, puede ver en qué parte del cerebro se produce la captación de amiloide en los pacientes de alzheimer, frente a los controles sanos.

Nuestro laboratorio utiliza Freesurfer para procesar datos de resonancia magnética funcional, por lo que no tengo ninguna experiencia en el uso de SPM para esto. Sin embargo, diré que probablemente la principal diferencia es que muchos de los procesos de Freesurfer son simples a través de la línea de comandos en UNIX, mientras que SPM tiene una interfaz gráfica fácil de usar.

Sin embargo, SPM también tiene funcionalidad de línea de comandos, por lo que si se siente cómodo con eso, es posible que desee explorar eso. La conclusión es que solo tendrá que experimentar con ambos programas para encontrar lo que funcione para usted. Metodológicamente, ambas herramientas deberían darte los mismos resultados, por lo que en realidad es solo una cuestión de preferencia y depende de lo que estés estudiando.


Alteraciones volumétricas en la corteza de asociación heteromodal en niños con trastorno del espectro autista

Investigamos si las alteraciones en las áreas de asociación de orden superior relacionadas con la esquizofrenia, es decir, la corteza de asociación heteromodal (HASC), también son observables en sujetos con trastorno del espectro autista (TEA).

Un grupo de 18 niños con TEA y 18 controles sanos (HC) se sometieron a una resonancia magnética (MRI). El examen comprendió un análisis de las diferencias de grupo en el volumen de la materia gris (GM), el área de superficie (SA) y la lateralización hemisférica.

Se detectaron diferencias en los volúmenes de GM en niños con TEA y HC en áreas frontales y parietales relacionadas con el HASC. Ninguna estructura HASC que mostró cambios en el volumen de GM mostró diferencias en SA. Se observan alteraciones en la lateralización hemisférica entre ASD y HC en un área frontal del HASC.

Nuestros resultados indican que los cambios en las áreas de HASC no se limitan a la esquizofrenia, sino que se extienden a otros trastornos psiquiátricos, a saber, TEA. Las diferencias de grupo que faltan en SA indican que los cambios en el volumen de GM posiblemente sean provocados por otras variables además de SA en niños con TEA.


Introducción

La volumetría cerebral basada en imágenes por resonancia magnética (IRM) es una técnica valiosa para identificar cambios morfométricos subcorticales en vivo y determinar el impacto neurológico regional de la psicopatología, la progresión de la enfermedad y el avance de los regímenes terapéuticos. Este enfoque ha sido útil para caracterizar los efectos de la demencia (Carmichael et al. 2005, Teipel et al. 2008, Thompson et al. 2001), trastornos psiquiátricos (Csernansky et al. 1998, Hickie et al. 2005, Konarski et al. 2008, Styner et al. 2004) y envejecimiento normal (Brickman et al. 2008, élderkin-Thompson et al. 2008, Walhovd et al. 2005), además de descubrir las consecuencias neurológicas regionales y globales de enfermedades sistémicas como el Virus de la Inmunodeficiencia Humana (VIH) (Carmichael et al. 2007, Sporer et al. 2005, Stout et al. 1998, Thompson et al. 2005, Thompson et al. 2006), diabetes (Jongen y Biessels 2008, Perantie et al. 2007, Tiehuis et al. 2008, Wessels et al. 2007) y escoliosis (Liu et al. 2008). A medida que avanzan las técnicas de resonancia magnética, en vivo La medición volumétrica será cada vez más valiosa en el impulso de comprender la evolución y progresión de las lesiones de los trastornos del SNC, así como del envejecimiento típico.

La gama de aplicaciones clínicas para la volumetría de resonancia magnética ha generado un gran interés en maximizar la precisión y la eficiencia de las técnicas de segmentación automatizadas. Durante años, la delineación manual realizada por expertos capacitados se ha mantenido como el & # x0201cgold standard & # x0201d de precisión en análisis volumétricos. Sin embargo, si bien sigue siendo el estándar de referencia actual para la segmentación, la precisión de la volumetría manual en relación con el volumen de la estructura real todavía se debate ampliamente, ya que los resultados pueden verse influenciados por factores como los protocolos anatómicos, la experiencia del trazador, los parámetros de adquisición de escaneo, la calidad de la imagen e incluso el hardware informático empleado en el procedimiento de rastreo (Jack et al. 1990, Jack et al. 1995, Warfield et al. 2004). Además, los trazados manuales requieren mucho tiempo, hasta dos horas por estructura (aunque este tiempo puede variar según la complejidad de la estructura, el grosor del corte y la experiencia del evaluador). Por lo tanto, el tiempo, los recursos financieros y de personal necesarios hacen que la volumetría manual en estudios de cohortes grandes no sea práctica.

Se han desarrollado múltiples métodos automatizados para reducir el tiempo de rastreo y garantizar una excelente confiabilidad (Andersen et al. 2002, Heckemann et al. 2006, Powell et al. 2008). En particular, el paquete de software FreeSurfer (Martinos Center, Boston, MA) y la caja de herramientas Individual Brain Atlases (IBASPM Cuban Neuroscience Center, La Habana, Cuba) del popular paquete Statistical Parametric Mapping (SPM Wellcome Trust Center for Neuroimaging, Reino Unido) son ampliamente utilizados. y tener métodos bien publicados. Ambos paquetes están completamente automatizados, empleando un enfoque de segmentación basado en atlas para generar un mapa de etiquetas anatómicas individualizado para una imagen de paciente espacialmente normalizada, basada en un atlas compuesto de escaneos de referencia trazados manualmente (Aleman-Gomez et al. 2006, Ashburner y Friston 1997, Ashburner et al. 1999, Ashburner y Friston 2005, Fischl et al. 2002, Han y Fischl 2007, Tzourio-Mazoyer et al. 2002).

Si bien ambos paquetes han sido validados por sus creadores, su precisión y / o consistencia pueden variar según la calidad de la imagen, los parámetros de escaneo y el hardware de escaneo (Jovicich et al. 2009, Han y Fischl 2007, Tae et al. 2008). Además, las comparaciones anteriores de métodos automatizados de la competencia han mostrado diferencias notables en su desempeño en relación con la segmentación manual, a pesar de examinar solo un número limitado de estructuras (Cherbuin et al. 2009, Klauschen et al. 2009, Morey et al. 2009, Shen et al. 2009, Tae et al. 2008). Algunos han sugerido que la composición de pacientes del atlas fuente, en particular la inclusión de sujetos sanos o enfermos, puede de hecho influir en la solidez de cada paquete de software con pacientes enfermos o cerebros morfológicamente diferentes (Csapo et al. 2009, Tae et al. 2008, Zhang 1996). Las diferencias en los canales de procesamiento de FreeSurfer e IBASPM, además de la composición del atlas, como los algoritmos para el registro y la aplicación estadística de la información contenida en los atlas, subrayan la importancia de volver a validar estos paquetes antes de analizar los datos obtenidos con parámetros de escaneo o poblaciones de pacientes. que son distintos de los de estudios de validación anteriores, especialmente en el caso de un gran tamaño de muestra o un estudio de múltiples sitios.

El propósito de este estudio fue abordar las inconsistencias descritas anteriormente en los resultados de segmentación subcortical de FreeSurfer e IBASPM mediante el examen de la medición volumétrica automatizada de varias estructuras subcorticales clínicamente relevantes de un gran estudio de consorcio multisitio sobre la infección por VIH. Comparamos la precisión y consistencia de los resultados volumétricos para el caudado, putamen, hipocampo y amígdala obtenidos mediante tres métodos: segmentación AAM, FreeSurfer (Martinos Center for Biomedical Imaging, Boston, MA) e IBASPM (Cuban Neuroscience Center, La Habana, Cuba). ). El deterioro cognitivo es una característica bien descrita de la progresión del VIH, y un pequeño número de estudios lo han relacionado con la atrofia de las estructuras subcorticales (Gonzalez-Scarano y Martin-Garcia 2005, Hall et al. 1996, Pablo et al. 2002, Ragin et al. 2005, Robertson et al. 2007, Stout et al. 1998). Las investigaciones futuras de esta relación requerirán estudios a gran escala que dependerán de procedimientos volumétricos automatizados para obtener datos de manera eficiente. Para garantizar que los datos se interpreten correctamente, será fundamental anticipar y, por lo tanto, minimizar las posibles deficiencias de estos métodos automatizados. Con este fin, intentaremos caracterizar la precisión y variabilidad de estos métodos, así como examinar la capacidad de cada uno de descubrir relaciones válidas significativas cuando se correlacionan con medidas clínicas de progresión del VIH.


Resultados

Comparación del registro de superficie basado en Areal-Feature & # x02013 con la alineación de volumen tradicional de áreas corticales: mapas probabilísticos de áreas corticales.

Usamos regiones binarias de interés (ROI) de las parcelas individuales basadas en clasificadores (16) de cada uno de los 210 sujetos de validación para calcular mapas probabilísticos de cada área cortical (es decir, promedios de sujetos cruzados de las 210 clasificaciones de sujetos individuales de cada área ) (Apéndice SI, Métodos suplementarios M1). Para los análisis basados ​​en volumen, las áreas corticales individuales se mapearon de nuevo al volumen utilizando superficies de sujetos individuales, invirtiendo el proceso mediante el cual los datos se llevaron originalmente a la superficie (Apéndice SI, Métodos suplementarios M2 y M3). La Fig. 1 muestra mapas probabilísticos de cinco áreas ejemplares que abarcan un rango de probabilidades máximas. Cada área se muestra como localizada por características de área y registro de superficie basado en # x02013 (MSMAll) (Fig.1, Inferior, Centro), y según lo localizado por métodos basados ​​en volumen (FNIRT, cortes de volumen parasagital). Un área (3b en la figura 1) tiene una probabilidad máxima de 0.92 en el volumen (naranja, rojo), mientras que las otras cuatro tienen probabilidades pico volumétricas en el rango de 0.35 & # x020130.7 (azul, amarillo). En particular, las probabilidades máximas de estas cinco áreas son todas más altas en la superficie (Fig.1, Más bajo, Centrar) (rango 0,90 & # x020131) que en el volumen, lo que indica que el registro basado en superficie no lineal MSMAll proporciona una alineación funcional sustancialmente mejor entre sujetos que el registro basado en volumen no lineal FNIRT.

Mapas probabilísticos para cinco áreas usando registro de superficie MSMAll areal-feature y # x02013 y alineación de volumen FNIRT. Las probabilidades máximas basadas en el volumen son todas más bajas que las probabilidades basadas en la superficie para estas áreas de ejemplo. Cada área basada en el volumen se muestra en un corte parasagital a través de la probabilidad volumétrica máxima. Ver Apéndice SI, Métodos suplementarios M2 y M3. Los datos están disponibles en https://balsa.wustl.edu/xK0Z.

En la figura 2A , la gráfica de dispersión muestra que las probabilidades máximas de superficie son casi exclusivamente más altas y tienen muchas más áreas con picos al 100% (54 de 360 ​​en la superficie frente a solo 3 en el volumen). Las probabilidades de volumen máximo tienen una media de 0,70 y una DE de 0,17, mientras que las probabilidades de superficie máxima tienen una media mucho más alta (0,94) y una DE más baja (0,06). Solo 5 de las 360 áreas (R_AAIC, R_EC, L_AAIC, L_PoI1 y L_MBelt) tienen un valor pico más alto en el volumen que en la superficie (aquellas debajo de la línea gris), y para estas las diferencias son muy pequeñas. En particular, la mayoría de estas áreas se encuentran en ubicaciones con una buena alineación basada en el plegado pero con una relación señal-ruido (SNR) de fMRI relativamente baja (lo que probablemente reduce la precisión de la alineación basada en la característica de área de MSMAll y # x02013).

(A) Un diagrama de dispersión de la probabilidad de área pico de registro de superficie basado en características de área y # x02013 (MSMAll) versus la probabilidad de área de pico de registro basado en volumen (FNIRT) para las 360 áreas (180 por hemisferio). (B) Un diagrama de dispersión de la señal de área individual capturada por las definiciones de área de grupo (MPM) (Apéndice SI, Métodos suplementarios M6 y M7) en resoluciones de 4 mm funcional (p. ej., datos de fMRI heredados, en verde), funcional de 2 mm (p. ej., fMRI estilo HCP, en azul) y 0,7 mm estructural (p. ej., mielina o fMRI de campo ultra alto, en rojo). En el gráfico de dispersión de la derecha, las líneas grises conectan los tres puntos de datos para cada área (promediados entre hemisferios, 180 en total) que muestran el grado en que los métodos basados ​​en superficie y basados ​​en volumen se benefician de una mayor resolución (con resoluciones intermedias a lo largo de las líneas) . Ver Apéndice SI, Métodos suplementarios M2, M3, M6 y M7.

La probabilidad máxima de área solo representa información en un solo vértice o vóxel para cada área. Para medir mejor la dispersión espacial probabilística de cada área, medimos la proporción de cada área & # x02019s vértices o vóxeles en todos los individuos que estaban contenidos dentro de la definición de grupo del área, simulando la aplicación de la parcela de grupo a los datos (Apéndice SI, Métodos suplementarios M3 y M7). Esta medida se deriva de la idea de que cada área de materia gris cortical generará en algunas situaciones una & # x0201csignal & # x0201d distintiva en relación con otras áreas que es común entre los individuos (es decir, series temporales de resonancia magnética funcional, contenido de mielina, etc.). Usamos este concepto para evaluar y comparar métodos preguntando qué proporción de la señal simulada de individuos & # x02019 se superpone con (o es & # x0201capturada & # x0201d por) las definiciones de área de grupo basadas en la superficie y en el volumen [del mapa de probabilidad máxima ( MPM)] (Apéndice SI, Métodos suplementarios M6). Tanto las medidas basadas en superficie como las basadas en volumen utilizan lo mismo por archivos de volumen individuales para definir la señal simulada.

Figura 2B muestra la fracción de la señal de área que se encuentra dentro de las definiciones de área de grupo, tanto para el volumen como para la superficie. Se simulan varias resoluciones diferentes, incluso cuando los datos se adquieren con vóxeles de 2 mm (puntos azules, simulando datos adquiridos con fMRI de alta resolución estilo HCP), vóxeles de 0,7 mm (puntos rojos, simulando datos adquiridos en estructuras de estilo HCP). resolución, como mapas de mielina o fMRI de campo ultra alto), o vóxeles de 4 mm (puntos verdes, datos de simulación adquiridos con & # x0201clegacy & # x0201d fMRI de baja resolución). En la figura, las líneas grises conectan cada área entre sus valores de 4, 2 y 0,7 mm, lo que revela cuánto se beneficia cada método de los aumentos en la resolución. Esta medida es universalmente más alta en el procesamiento basado en superficie alineado con MSMAll que en el procesamiento basado en volumen alineado con FNIRT, con muy pocas áreas que incluso se acercan a la equivalencia. La mediana en las áreas de la fracción de superficie capturada por MPM es 0,56 para la resolución de adquisición simulada de 2 mm, frente a 0,37 para la fracción de volumen capturada por MPM. Para la resolución de adquisición simulada de 0,7 mm, la mediana de la fracción capturada en la superficie aumenta a 0,67, frente a 0,41 para los métodos basados ​​en volumen, lo que sugiere que una mayor resolución espacial beneficia preferentemente a los análisis basados ​​en la superficie. Para la resolución de adquisición simulada de 4 mm, la mediana de la fracción capturada en la superficie es menor (0,43) como se esperaba, pero sigue siendo más alta que para los métodos basados ​​en volumen (0,29), lo que demuestra los beneficios de los análisis basados ​​en la superficie incluso para baja resolución. , los datos de resonancia magnética funcional heredados [de hecho, los basados ​​en la superficie a 4 mm (0,43) todavía superan a los basados ​​en el volumen a los 0,7 mm (0,41)]. Por lo tanto, en comparación con los análisis basados ​​en superficies alineados con características de área, es mucho más probable que una señal de área individual en análisis basados ​​en volumen se ubique fuera de la definición de área de grupo. De hecho, en promedio, mucho menos de la mitad de la señal se encuentra dentro de la definición de área de grupo en los análisis basados ​​en volumen, incluso antes de tener en cuenta el suavizado que se realiza tradicionalmente (ver Efectos del suavizado espacial en el volumen y en la superficie, debajo).

Comparación del registro de superficie basado en características de área y # x02013 con la alineación de volumen tradicional de áreas corticales: Incertidumbre de área.

Usamos ROI binarios de las parcelas individuales de cada uno de los 210 sujetos para calcular MPM para cada área cortical y para los dominios de tejido no cortical (& # x0201coutside pial & # x0201d y & # x0201cinside white & # x0201d) después del procesamiento a través de diferentes enfoques (Apéndice SI, Métodos suplementarios M1 & # x02013M3, M6, y M8). Como medida objetiva de la calidad de la alineación espacial, calculamos & # x0201 mapas de incertidumbre & # x0201d donde el valor de incertidumbre es igual a 1 menos el valor de probabilidad máximo en cada vértice o vóxel. La Fig.3 muestra la medida de incertidumbre calculada para el registro de superficie basado en características de área y # x02013 (MSMAll SBR) (Fig.3A ) y para cortes parasagitales seleccionados del registro basado en volumen FNIRT (FNIRT VBR) (Fig.3C ). Los valores de incertidumbre para MSMAll SBR son sorprendentemente más bajos (mejores) y más consistentes que los de FNIRT VBR. Para MSMAll SBR, aproximadamente la mitad de la corteza (49,6%) tiene valores de incertidumbre inferiores a 0,2 (probabilidad máxima de área única & # x0003e0,8), y solo un pequeño porcentaje de la corteza tiene valores de incertidumbre superiores a 0,5 (9,0%). Tenga en cuenta que esperamos que la incertidumbre alcance 0,5 en los límites entre dos áreas, y que sea aún mayor en las uniones de más de dos áreas, incluso si los pasos de registro y clasificación hubieran resultado en una superposición casi perfecta de áreas entre sujetos. La transición brusca y constante cerca de los límites de las áreas y los valores generales bajos reflejan tanto la alta calidad de la alineación de áreas en este registro como la consistencia de la parcela entre individuos. Incluso en regiones que suelen ser difíciles de alinear debido a la alta variabilidad de plegamiento (como la corteza prefrontal) (Apéndice SI, Fig. S1), los valores de incertidumbre cercanos a 0,5 se limitan casi por completo a franjas estrechas a lo largo de los límites entre las áreas corticales. El patrón de incertidumbre en gran parte uniforme y de bajo valor, incluso en ubicaciones desafiantes conocidas, indica una excelente alineación entre sujetos con el registro de superficie MSMAll (consulte la Fig. 6 para una comparación con los registros de superficie basados ​​únicamente en el plegado).

Incertidumbre de área de la alineación basada en superficies MSMAll (A) versus alineación basada en volumen FNIRT (C) para las áreas corticales probabilísticas de 210V. El enfoque tradicional basado en el volumen tiene una incertidumbre sustancialmente mayor (verdes, amarillos y naranjas) que el enfoque basado en la superficie estilo HCP como se ve en los histogramas (B y D) así como las imágenes (A y C). En los resultados basados ​​en el volumen, algunas ubicaciones tienen poca incertidumbre (púrpura y negro) y límites relativamente definidos entre áreas (flechas rojas: corteza sensoriomotora temprana, insular y temporal inferior), comparable a lo que se encuentra constantemente en la superficie. Las ROI de volumen que se utilizaron para crear esta figura se generaron mapeando las parcelas de individuos & # x02019 al espacio de la plantilla MNI de 0,7 mm utilizando las superficies de espacio MNI de resolución nativa indiivduals & # x02019 y el método de mapeo de cinta (19).El uso de vóxeles de 0,7 mm minimiza los efectos del tamaño del vóxel en los mapas de probabilidad de grupo, lo que permite investigar el efecto de la alineación por separado del efecto de la resolución del vóxel. En la práctica, las resoluciones típicas de fMRI conducen a una mayor mezcla de señales entre áreas y tejidos no corticales, tanto para análisis de superficie como de volumen (ver Efecto de la resolución de adquisición). Ver Apéndice SI, Métodos suplementarios M2, M3 y M8. Los datos están disponibles en https://balsa.wustl.edu/PGX1.

Comparación de cuatro alineaciones basadas en la superficie: MSMAll areal-feature & # x02013based registration (Cima), Registro basado en plegado MSMSulc (segunda fila), registro basado en plegado FreeSurfer (tercera fila) y una alineación de rotación esférica rígida basada en el registro FreeSurfer (Fondo). los Izquierda La columna muestra seis áreas probabilísticas para cada enfoque de registro con contornos amarillos que representan los límites del área del MPM de 210V. los Centrar La columna muestra los mapas de incertidumbre del área (1 menos la probabilidad máxima en cada vértice), como en la Fig.3. los Derecha La columna muestra los histogramas de los mapas de incertidumbre. Ver Apéndice SI, Métodos suplementarios M4. Los datos están disponibles en https://balsa.wustl.edu/1616.

En la alineación basada en el volumen de FNIRT, algunas ubicaciones de baja variabilidad de plegado muestran una concordancia entre sujetos razonablemente buena, como el surco central y la ínsula (Fig. 3, flechas rojas). En estos lugares, las incertidumbres más altas se restringen localmente a límites obvios entre áreas, o entre la corteza y el líquido cefalorraquídeo (LCR) o sustancia blanca. Sin embargo, muy poca corteza tiene una incertidumbre por debajo de 0,2 (solo el 3,3% de los vóxeles donde la corteza es el tejido más probable), y casi dos tercios de la corteza tiene una incertidumbre por encima de 0,5 (65,5% de los vóxeles donde la corteza es el tejido más probable) . La mayor incertidumbre se concentra en regiones de alta variabilidad de plegamiento cortical (ver también Apéndice SI, Fig. S1). Además, los mapas de incertidumbre basados ​​en el volumen contienen tanto la incertidumbre en la alineación de la materia gris como la incertidumbre en la alineación del área (ver también Apéndice SI, Fig. S2). Estas altas incertidumbres muestran que el registro basado en el volumen no logró alinear las áreas HCP-MMP1.0 entre sujetos en muchas ubicaciones. En particular, la mayoría de los valores muy bajos en el histograma de volumen (Fig.3D ) son de las franjas amplias de baja incertidumbre que se encuentran en la materia blanca del atlas y el LCR, en lugar de en ubicaciones que son materia gris de mayor probabilidad (Apéndice SI, Fig. S3). Por el contrario, los bajos valores de la incertidumbre superficial (Apéndice SI, Fig. S3, Parte superior derecha) ocurren exclusivamente dentro de las áreas corticales de la sustancia gris. Tomados en conjunto, estos datos indican que el análisis de volumen basado en FNIRT no puede discriminar de manera confiable entre áreas corticales en gran parte del neocórtex.

MPM volumétricos de área.

Se han informado MPM volumétricos (vMPM) para áreas corticales en otros estudios (por ejemplo, ref.28), y generamos MPM volumétricos para la parcelación HCP-MMP1.0, como se describe en Apéndice SI, Métodos suplementarios M6. Encontramos que en regiones donde la cinta probabilística de materia gris tiene valores relativamente altos y bajas incertidumbres de área, el vMPM forma una cinta continua gruesa, aproximadamente comparable al grosor cortical promedio en estas regiones. En tales regiones, la alineación basada en el volumen no presenta una gran desventaja con respecto a la alineación basada en la superficie. En contraste, para las regiones donde la materia gris cortical probabilística está menos alineada y la incertidumbre del área es consistentemente alta, el vMPM es más delgado que el grosor cortical promedio. De hecho, en unos pocos lugares hay espacios abiertos que carecen de un área cortical ganadora, identificando regiones donde la sustancia blanca o el LCR es más probable que cualquier área cortical individual (ver Izquierda lado de Apéndice SI, Fig. S4). Esto contrasta con la alineación precisa de cada tema individual & # x02019s parcelación, mapeado al volumen usando las superficies del sujeto & # x02019s y mostrado en el volumen individual & # x02019s T1w, que se superpone completamente al mapa de la materia gris individual & # x02019s (ver Derecha lado de Apéndice SI, Fig. S4). De manera más general, los mapas probabilísticos volumétricos para las áreas ejemplares que se muestran en la Fig.1 representan la distribución esperada de los datos generados por estas áreas en cualquier conjunto de datos que se haya registrado con FNIRT utilizando la configuración FNIRT de HCP & # x02019s sin suavizado espacial. El resultado neto es que cada área en el vMPM es mucho más pequeña que su mapa probabilístico correspondiente, de modo que una gran fracción de cada área y la probabilidad de grupo (y, por lo tanto, la señal) caerá fuera de la parcela vMPM. Cuantificamos este efecto anteriormente en la Fig. 2 para el registro basado en superficie MSMAll frente a la alineación basada en volumen FNIRT (ver Fig. 8 para enfoques de análisis adicionales). Esta mala alineación de las áreas corticales del sujeto individual con el MPM del grupo es un problema fundamental para el uso de un MPM volumétrico para representar áreas corticales. A continuación, demostramos que este problema se ve agravado drásticamente por el suavizado espacial que se usa comúnmente en los estudios basados ​​en volumen.

(Izquierda) Gráficos de caja y bigotes de la probabilidad máxima de cada área para varios métodos SBR y para el registro basado en volumen FNIRT, más los efectos de diferentes cantidades de superficie (4, 8 y 15 mm FWHM) y suavizado de volumen (4 - y FWHM de 8 mm). Los métodos de registro menos óptimos y un mayor suavizado reducen constantemente la probabilidad de área máxima. El suavizado basado en el volumen tiene el mayor impacto, seguido de la alineación basada en el volumen frente a la basada en la superficie. La disminución de FreeSurfer en comparación con MSMSulc es similar en magnitud a la de suavizar los datos de MSMAll en 4 mm FWHM. (Derecha) Fracción de área capturada por MPM usando vóxeles espaciales MNI de 2 mm para los mismos 10 métodos, mostrando un patrón similar. En particular, las áreas que lo hacen peor en el nuevo MSMAllStrain generalmente están bien alineadas mediante el plegado, mientras que las áreas que lo hacen mejor en MSMAllStrain tienen más variabilidad entre los sujetos (el nuevo MSMAllStrain permite distorsiones más leves a moderadas mientras sujeta las distorsiones máximas). La línea roja es la mediana, los bordes de la caja son los percentiles 25 & # x0201375, los bigotes son 2,7 DE y los puntos positivos rojos son valores atípicos más allá de 2,7 DE. Ver Apéndice SI, Métodos suplementarios M2 & # x02013M7.

Efectos del suavizado espacial en el volumen y en la superficie.

El suavizado de datos volumétricos se utiliza ampliamente como una forma de reducir el ruido de los vóxeles, aumentar las medidas de significación estadística y satisfacer los supuestos estadísticos. También se presume a menudo que compensa la alineación imperfecta de las áreas corticales entre los sujetos. Desafortunadamente, el suavizado en el volumen mezcla datos a través de los compartimentos de tejido y a través de los límites de las áreas, incluidas las áreas no contiguas en los bancos opuestos de los pliegues circunvales y sulcales (9). Al tratar las parcelaciones binarias de individuo-sujeto como parches de señal idealizada, podemos mostrar el efecto del suavizado en la pureza y extensión de la señal de área (Apéndice SI, Métodos suplementarios M3 y M4). Este efecto es visible como una reducción en la probabilidad de área máxima y una expansión de los mapas de probabilidad de área basados ​​en el volumen en la Fig. 4, que muestra tres áreas ejemplares después de diferentes cantidades de suavizado. Área 3b (Fig.4, Cima fila) tiene una distribución probabilística relativamente estrecha sin ningún suavizado (Fig.4, Cima, Izquierda), pero el valor pico se reduce notablemente y la extensión espacial aumenta con el suavizado volumétrico medio máximo (FWHM) de ancho completo de 4 mm, tendencias deletéreas que empeoran con el suavizado FWHM de 8 mm. Las áreas 55b y LIPv comienzan con una mayor dispersión en la condición sin suavizado, por lo que los efectos del suavizado volumétrico no son tan dramáticos visualmente, pero son sustanciales en ambos casos. Niveles comparables de suavizado basado en la superficie aplicados a las mismas tres áreas registradas por MSMAll (Fig.4, Fondo row) muestran un efecto mucho menor, aunque el suavizado todavía erosiona la localización.

Efectos del alisado basado en volumen y en superficie en áreas corticales de ejemplo. los Cima tres filas muestran cortes sagitales agrandados de mapas probabilísticos volumétricos a través de la probabilidad máxima de tres áreas ejemplares, antes (Izquierda) y después de un suavizado gaussiano basado en volumen sin restricciones de 4 mm (Centrar) o de 8 mm (Derecha) FWHM. En cada fila, los puntos blancos están en las posiciones correspondientes como referencia. los Fondo La fila muestra las mismas cantidades de suavizado gaussiano basado en la superficie aplicado a las mismas tres áreas después del registro basado en características de área y # x02013 (MSMAll). Los valores de probabilidad de área disminuyen en el volumen después del alisado sustancialmente más que en la superficie con la misma cantidad en milímetros FWHM de alisado. Ver Apéndice SI, Métodos suplementarios M3 y M4. Los datos están disponibles en https://balsa.wustl.edu/7Blg.

Desde el punto de vista de la localización cortical, el suavizado basado en el volumen erosiona sustancialmente la fidelidad con la que se pueden realizar las asignaciones de áreas. Este efecto se ilustra en las dos filas superiores de la Fig.5, que muestra mapas de incertidumbre del área (Fig.5, segunda fila) e histogramas (Fig.5, Cima fila) sin suavizar (Fig.5, Izquierda) y después del suavizado volumétrico de los mapas de probabilidad de grupo mediante FWHM de 4 mm (Fig.5, Centrar) y FWHM de 8 mm (Fig.5, Derecha), que son niveles de suavizado volumétrico comúnmente utilizados en estudios de resonancia magnética funcional. Sobre la mayor parte de la cinta cortical, la incertidumbre del área en los mapas suavizados por volumen excede 0.5 (verde / amarillo), especialmente para el suavizado FWHM de 8 mm, lo que indica que la identificación neuroanatómica a nivel de áreas corticales individuales en la parcela HCP-MMP1.0 es bastante limitado de hecho. Suavizado basado en la superficie de los mapas de probabilidad areal a 4 y 8 mm FWHM (Fig.5, Más bajo filas) también provoca cierta confusión en los límites de las áreas. Sin embargo, a diferencia del suavizado basado en el volumen, no se difumina en los surcos ni en las categorías de tejidos, por lo que los efectos generales son sustancialmente menos perjudiciales. Ver Apéndice SI, Fig. S5 para niveles adicionales de suavizado de volumen de 2, 6 y 10 mm FWHM que se han informado para estudios de resonancia magnética funcional (17). Apéndice SI, La Fig. S6 muestra el nivel de suavizado de superficie adicional de FWHM de 15 mm que se ha informado en la literatura (29) y que se acerca a los valores de incertidumbre del área observados en la alineación basada en volumen sin suavizar junto con los mismos tres niveles de suavizado (4, 8 y 15 mm) con una alineación FreeSurfer.

Comparación de diferentes grados de suavizado (columnas) para ambos basados ​​en volumen (Superior dos filas) y en superficie (Más bajo dos filas) se acerca. Se muestran tanto histogramas como mapas de incertidumbre de área. Estos se calcularon suavizando los mapas de probabilidad, lo que equivale a suavizar los ROI por sujeto antes de promediar. Los granos alisados ​​en la superficie tienen claramente efectos menos perjudiciales que los granos alisados ​​del mismo tamaño en el volumen, porque el alisado de la superficie evita el alisado a través de los surcos o hacia otros tejidos. Como en la Fig. 3, los histogramas basados ​​en volumen tienen colas sustanciales de & # x0201clow incertidumbre & # x0201d que surgen de una mala alineación de la cinta cortical y de la cola del núcleo de suavizado gaussiano dentro de la sustancia blanca y el LCR. Ver Apéndice SI, Métodos suplementarios M3, M4 y M8. Los datos están disponibles en https://balsa.wustl.edu/6MB7.

El suavizado basado en el volumen también desplaza la ubicación de la probabilidad máxima de materia gris hacia la parte central de los surcos llena de LCR y hacia la parte de materia blanca de los giros (Apéndice SI, Figura S7). Las características en las regiones de baja variabilidad de plegamiento (p. Ej., La corteza insular y la circunvolución temporal superior) se definen con precisión sin suavizar, al igual que el límite entre la materia gris y blanca en tales regiones. Con el suavizado, los fondos sulcales no solo están borrosos, sino que la ubicación aparente de la transición entre la materia gris y blanca se desplaza sustancialmente, particularmente para niveles altos de suavizado (p. Ej., FWHM de 8 mm).

Comparación de la calidad de alineación de área de diferentes métodos de registro basados ​​en superficies.

Comparamos la calidad de alineación de cuatro métodos de registro diferentes basados ​​en superficies (Apéndice SI, Métodos suplementarios M4). La figura 6 muestra los resultados para el registro MSMAll (función de área & # x02013based), MSMSulc (plegable & # x02013based, con menos distorsión que FreeSurfer), FreeSurfer (plegable & # x02013based) y una alineación rígida de rotación de esfera (que tiene solo 3 grados) -of-freedom, mientras que los warpfield esféricos a menudo tienen miles) derivados del registro de FreeSurfer. Cada fila de la figura muestra mapas probabilísticos de superficie para seis áreas corticales representativas, mapas de incertidumbre de área e histogramas de valores de incertidumbre. Las tres formas de representar los datos demuestran que MSMAll proporciona la alineación más ajustada de los mapas probabilísticos HCP-MMP1.0 (probabilidades máximas más altas y agrupaciones más estrictas). MSMSulc es intermedio, aunque solo ligeramente mejor que FreeSurfer, que a su vez es ligeramente mejor que la rotación esférica en general. El método de rotación esférica y la alineación # x02019s está impulsado principalmente por similitudes en la inflación esférica entre sujetos. Las probabilidades de área máximas y el grado de dispersión de área que se encuentran aquí para el registro basado en plegamiento de FreeSurfer son comparables a los informados en estudios anteriores que usaron el registro de FreeSurfer con otras parcelas (12, 30, 31). Tenga en cuenta que la máxima superposición posible en la superficie (o en el volumen) es inferior al 100% para algunas áreas porque el clasificador de áreas no detecta el 100% de todas las áreas en todas las materias y porque hay topologías atípicas en algunas áreas en algunas materias. que evitan que cualquier topología que conserve el registro logre una superposición perfecta entre los sujetos (Apéndice SI, Métodos suplementarios M1).

Efecto de la resolución de adquisición.

De las tres opciones principales de adquisición y análisis realizadas en estudios de neuroimagen que impactan directamente en la fidelidad espacial (resolución de adquisición, método de alineación entre sujetos y método y cantidad de suavizado), encontramos que las opciones de resolución de adquisición de resonancia magnética funcional comúnmente utilizadas tienen el menor impacto general (Apéndice SI, Métodos suplementarios M2). La figura 7 compara cómo el procesamiento basado en superficie y basado en volumen se ve afectado por la combinación de efectos de alineación tisular de volumen parcial y basado en volumen, con las resoluciones de adquisición de resonancia magnética funcional 3T de última generación (isotrópico de 2 mm) y otras cinco resoluciones simuladas (0,7 y # x020134,0 mm). Muestra que los efectos de volumen parcial en la superficie disminuyen sustancialmente (aumenta la fracción de señal de materia gris) cuando se adquieren datos con tamaños de vóxel más pequeños. En particular, para el análisis basado en la superficie, el patrón espacial promedio de grupo en esta medida está determinado en gran medida por el grosor cortical y es muy uniforme en gran parte de la corteza. Por el contrario, los histogramas de los datos de volumen promedio de grupo se mantienen en gran medida sin cambios, a pesar de los aumentos en la resolución de adquisición, porque las imprecisiones de la alineación basada en el volumen dominan en gran medida la medida, lo que muestra que los análisis tradicionales basados ​​en el volumen no pueden aprovechar por completo los valores más altos. datos de resolución. La fracción de señal cortical de grupo basada en el volumen máximo también varía considerablemente en diferentes regiones de la corteza (por ejemplo, entre el surco central y la corteza parietal superior), lo que sugiere heterogeneidad espacial en el poder estadístico y la precisión de localización para los análisis basados ​​en el volumen.

El efecto de la resolución de adquisición sobre la separación de la señal cortical de la señal no cortical, para la superficie basada (Izquierda dos columnas) y basado en volumen (Centrar dos columnas) procesamiento. La medida que se muestra es la fracción de materia gris cortical promedio del grupo de cada vértice o vóxel. los Derecha-La columna más grande muestra un volumen de fracción cortical individual & # x02019s (sujeto HCP 121618) para las mismas seis resoluciones, como ejemplo de las entradas a los análisis. No se aplicó suavizado. La fracción de señal cortical se degrada algo en el borde de la corteza (vóxeles verdes) en muchas regiones, incluso con una resolución de 2 mm (aunque esto es menor que el grosor cortical medio) y se degrada severamente (muchos vóxeles verdes y azules) en Resoluciones utilizadas tradicionalmente entre 3 y 4 mm. Ver Apéndice SI, Métodos suplementarios M2. Los datos están disponibles en https://balsa.wustl.edu/5gMx.

Aunque la resolución de adquisición tiene el impacto más bajo entre las tres opciones de procesamiento mencionadas anteriormente, una resolución de adquisición más fina, especialmente por debajo del grosor cortical medio de 2,6 mm, es muy útil para los estudios basados ​​en la superficie, que no están limitados por la alineación entre sujetos basada en el volumen. Las resoluciones más altas (por ejemplo, el tamaño de vóxel de 1,6 mm para los datos de resonancia magnética funcional HCP 7T) reducirán los efectos de volumen parcial y permitirán análisis más avanzados, como los que se centran en las diferencias laminares dentro de la cinta cortical (9) (Apéndice SI, Figura S8). Sin embargo, tales análisis requerirán avances técnicos en la adquisición de MRI y la optimización de las compensaciones entre el tamaño del vóxel, la SNR y la velocidad de adquisición.

Medidas de localización resumidas para diferentes registros y niveles de suavizado.

La Fig. 8 proporciona una comparación resumida valiosa a través de una variedad de enfoques, utilizando las medidas de captura de área y probabilidad máxima antes mencionadas (Fig. 2) para cada una de las 360 áreas corticales. En particular, esta figura también incluye un nuevo registro basado en la superficie MSMAll regularizado por cepas (20), que no se usó para definir la parcelación o entrenar el clasificador de área, pero que, sin embargo, muestra un rendimiento muy similar al MSMAll original. los Izquierda Los diagramas de caja y bigotes de la Fig.8 muestran las probabilidades máximas de cada área, y la Fig.8, Derecha muestra las medidas de la señal de área capturada por MPM para los mismos 10 métodos (usando ponderación de volumen parcial de resolución de 2 mm). Estas medidas dan la misma clasificación a las medianas de cada método, que se tabulan en Apéndice SI, Tabla S1. Una comparación particularmente importante muestra que el nivel de suavizado más comúnmente utilizado (17) en el enfoque tradicional (FNIRT + suavizado de volumen FWHM de 8 mm) es solo un 35% tan bueno como el mejor método basado en superficie (MSMAll) usando medidas de pico medio probabilidad de área (0.340 versus 0.967) y fracción de área capturada por MPM mediana (0.200 versus 0.564). La comparación del análisis basado en la superficie utilizando solo la rotación rígida para la alineación esférica con el análisis basado en el volumen sin suavizar revela los beneficios logrados al simplificar el problema de registro cortical entre sujetos más desafiante de 3D a 2D y resolver el problema de segmentación de tejido más manejable para manejar la tercera dimensión. Estas mejoras conceptuales reflejan la ventaja fundamental que tienen los enfoques basados ​​en la superficie sobre los enfoques basados ​​en el volumen (Apéndice SI, Discusión complementaria D2). Grandes cantidades de suavizado basado en la superficie (FWHM de 15 mm) degradan sustancialmente la localización del área cortical a niveles similares a la alineación basada en volumen sin suavizado.

Asignación de resultados de volumen promedio de grupos heredados en la superficie.

Los análisis tradicionales basados ​​en el volumen a menudo mapean los resultados basados ​​en el volumen promedio del grupo en las superficies promedio del grupo para fines de visualización utilizando, por ejemplo, el enfoque & # x0201caverage fiducial mapping & # x0201d (24). Si bien este enfoque tiene limitaciones conocidas, su precisión no se ha analizado previamente con cuidado. Usamos una forma modificada de este enfoque, que llamamos mapeo de superficie promedio (ASM), empleando la técnica de mapeo de volumen a superficie basada en cinta (19) y el promedio de grupo MSMA Todas las superficies blancas y piales (Apéndice SI, Métodos suplementarios M9). En Apéndice SI, Fig. S9 ilustramos el escollo principal de este enfoque: los contornos de superficie promedio de grupo no siguen consistentemente la cinta cortical promedio de grupo, particularmente en regiones de alta variabilidad de plegado (ver Apéndice SI, Figura S9 B, 2). Incluso cuando se utiliza el registro de superficie basado en el plegado, los patrones de plegado topológicamente incompatibles (p. Ej., Dos circunvoluciones en algunos sujetos donde típicamente solo hay uno) conducen a reducciones en el área de superficie cortical promedio del grupo que & # x0201cshrink & # x0201d la superficie hacia la dirección de plegado, ya que estos patrones no se pueden alinear y, por lo tanto, dan como resultado una variabilidad significativa de coordenadas entre sujetos. El detalle de plegado de la superficie promedio de grupo se reduce aún más cuando se utilizan superficies promedio de datos registrados por MSMAll en lugar de alineación basada en plegado debido a discrepancias entre la función y los pliegues (Apéndice SI, Fig. S1). De hecho, las superficies promedio del grupo MSMAll solo muestran detalles de plegado significativos en ubicaciones que tienen una buena correspondencia entre pliegues y áreas. Por lo tanto, el mapeo de datos de volumen promedio de grupo en superficies promedio de grupo tendrá sesgos adicionales (además de los efectos de desenfoque de desalineación y suavizado y los efectos de sesgo de suavizado de la corteza plegada que se muestran en Apéndice SI, Figura S7). Las superficies promedio plegables serán solo modestamente mejores que las superficies MSMAll en general.

Un enfoque alternativo para mapear datos de volumen promedio de grupo en superficies es el método & # x0201cmmapeo multifiducial & # x0201d, que utiliza superficies anatómicas de grosor medio (fiduciales) de muchos individuos como intermedios (24). Aquí modificamos de manera similar este método utilizando el mapeo de cinta y lo llamamos & # x0201cmmapeo individual múltiple & # x0201d (MIM). El mapa de fracción de materia gris cortical de este enfoque es más suave, mostrando menos sensibilidad a los patrones de plegado, pero también tiene un valor general más bajo, como se muestra en Apéndice SI, Fig. S9 (ver Apéndice SI, Leyenda de la figura de la Fig. S9 y Apéndice SI, Métodos suplementarios M2 y M9). Este efecto se produce porque la desalineación del tejido de FNIRT se aplica dos veces: una vez al hacer la cinta cortical de promedio de grupo basada en el volumen y otra vez al mapear el promedio de grupo en las superficies individuales & # x02019. Este método también da como resultado una mayor mezcla entre las clases de tejidos, disminuyendo la contribución cortical a los valores mapeados en la superficie.

Estos efectos también son evidentes cuando se observan áreas corticales. De hecho, después de promediar los mapas de área de espacio MNI de 2 mm en el volumen, mapear este resultado en un gran conjunto de superficies individuales y promediar en la superficie, los mapas de área resultantes cambian drásticamente en relación con el enfoque de mapeo basado en la superficie. cada sujeto individual y los volúmenes de área # x02019s en sus propias superficies antes de promediar (Apéndice SI, Figura S10). Estos efectos se extienden también a los mapas de volumen parcial máximo (Fig. 9). En regiones con alta variabilidad de plegamiento, es un desafío para las áreas corticales dominar las clases de tejidos no corticales (materia blanca en particular), como lo muestran las extensas regiones de color amarillo brillante en las dos filas superiores para el mapeo FNIRT + ASM (Fig.9, columna 2) y su extensión aún mayor para FNIRT + MIM (Fig.9, columna 4). Estos efectos se ven agravados aún más por el suavizado basado en el volumen (Fig. 9, columnas 3 y 5). En particular, para algunas áreas corticales que están bien alineadas por pliegues, como las de la ínsula, los métodos son esencialmente idénticos en los enfoques sin suavizar (aunque nuevamente, el suavizado basado en el volumen es universalmente perjudicial). Sin embargo, al analizar toda la corteza, es mucho mejor mapear datos individuales en superficies individuales y alinear los datos en la superficie si se quiere relacionarlos con datos basados ​​en la superficie, incluida la parcelación multimodal de HCP & # x02019s.

Comparación del mapa de volumen parcial máximo basado en la superficie con los mapas producidos después del análisis basado en el volumen con ASM o MIM, y el suavizado basado en el volumen FWHM de 4 mm antes de ASM y MIM. La figura utiliza los mismos métodos que Apéndice SI, Fig. S10, y luego usa la fracción máxima para etiquetar los vértices de la superficie. En el Superior dos filas, el amarillo brillante es la etiqueta de la materia blanca y el naranja brillante es la etiqueta del LCR (que se presenta sólo en unos pocos parches pequeños). Las regiones sustanciales de la corteza no se separan en áreas corticales después del análisis basado en volumen y MIM, y ASM muestra franjas significativas donde las coronas giratorias están decapitadas. Por otro lado, en regiones de menor variabilidad de plegado y variabilidad de áreas frente a pliegues, como la ínsula, los métodos basados ​​en el volumen reproducen la parcelación encontrada con el enfoque basado en la superficie, particularmente si no se usa el suavizado. Ver Apéndice SI, Métodos suplementarios M2 y M9. Los datos están disponibles en https://balsa.wustl.edu/nKvx.


Software clínicamente disponible para la volumetría cerebral automática: comparaciones de medidas de volumen y validación de la confiabilidad entre métodos

Este es un artículo de acceso abierto distribuido bajo los términos de la licencia de atribución no comercial de Creative Commons (http://creativecommons.org/licenses/by- nc / 4.0 /) que permite el uso, la distribución y la reproducción no comerciales sin restricciones en cualquier medio, siempre que la obra original esté debidamente citada.

Comparar dos software de volumetría de RM disponibles clínicamente, NeuroQuant® (NQ) e Inbrain® (IB), y examinar la fiabilidad entre métodos y las diferencias entre ellos.

Este estudio incluyó a 172 sujetos (rango de edad, edad media de 55 a 88 años, 71,2 años), que comprendían 45 sujetos sanos normales, 85 pacientes con deterioro cognitivo leve y 42 pacientes con enfermedad de Alzheimer. Las imágenes por resonancia magnética se analizaron con IB y NQ. Las diferencias medias se compararon con las t prueba. La confiabilidad entre métodos se evaluó con los coeficientes de correlación de Pearson y los coeficientes de correlación intraclase (CCI). También se obtuvieron tamaños de efecto para documentar las diferencias de medias estandarizadas.

El emparejado t La prueba mostró diferencias de volumen significativas en la mayoría de las regiones, excepto en la amígdala, entre los dos métodos. No obstante, las mediciones entre métodos entre IB y NQ mostraron una fiabilidad de buena a excelente (0,72 & lt r & lt 0.96, 0.83 & lt ICC & lt 0.98) excepto el pallidum, que mostró poca confiabilidad (izquierda: r = 0.03, ICC = 0.06 derecha: r = −0,05, CCI = −0,09). Para las mediciones del tamaño del efecto, las diferencias de volumen fueron grandes en la mayoría de las regiones (0.05 & lt r & lt 6,15). El tamaño del efecto fue mayor en el pallidum y menor en el cerebelo.

Las comparaciones entre IB y NQ mostraron medidas de volumen significativamente diferentes con grandes tamaños de efecto. Sin embargo, mostraron una confiabilidad entre métodos de buena a excelente en las mediciones volumétricas para todas las regiones del cerebro, con la excepción del pallidum. Los médicos que utilizan este software comercial deben tener en cuenta que se pueden obtener diferentes medidas de volumen según el software utilizado.

Las mediciones volumétricas de la atrofia cerebral han demostrado una estrecha correlación con la atrofia real, los cambios neuropatológicos y el deterioro cognitivo en diversas enfermedades neurodegenerativas (1, 2, 3, 4). La atrofia del hipocampo y / o lobar temporal medial ya se ha integrado en el marco de diagnóstico de la enfermedad de Alzheimer (EA) (5). Aunque la evaluación visual de la atrofia cerebral se ha realizado con frecuencia en la práctica clínica, adolece de una alta variabilidad interobservador y una baja sensibilidad (6, 7). En contraste, el método de medición volumétrica cuantitativa es un método objetivo con buena repetibilidad y confiabilidad (8, 9). Por tanto, la medición volumétrica de la atrofia cerebral podría usarse como un marcador de imagen para el diagnóstico diferencial clínico y la predicción de la progresión de la enfermedad.

Hay varios paquetes de software disponibles gratuitamente para mediciones de volumen cerebral: FSL (10), Morfometría basada en vóxeles (11), FreeSurfer (12) y Mapeo paramétrico estadístico (13). Sin embargo, la naturaleza laboriosa de este software de investigación ha limitado la generalización a la práctica clínica habitual hasta la introducción del software clínicamente disponible (3).

Actualmente, la FDA ha aprobado varios software disponibles comercialmente para mediciones de volumen: NeuroQuant (14, 15, 16), Neuroreader (7) y MSmetrix (17, 18). Entre estos, NeuroQuant® (NQ, CorTechs Labs) es el software más utilizado debido a su rápido tiempo de procesamiento y al suministro de información sobre las cortezas de ambos hemisferios y el volumen de materia blanca. Además, proporciona información normalizada de los datos de los pacientes considerando el volumen intracraneal (ICV) y el informe de atrofia relativa en comparación con los datos normales emparejados por edad (8, 9, 15).

El software clínicamente disponible más recientemente introducido es Inbrain® (IB, MIDAS Information Technology Co., Ltd.), que es un software coreano aprobado por la FDA basado en la plataforma FreeSurfer mejorado con su propio algoritmo de aprendizaje profundo (19, 20). Mientras que NQ solo proporciona mediciones de volumen de estructuras cerebrales, IB proporciona no solo mediciones de volumen sino también espesores corticales. En un estudio anterior que utilizó IB, IB pudo clasificar el estado de la enfermedad y predecir la progresión a la EA utilizando el grosor cortical en pacientes con deterioro cognitivo leve (DCL) (20). Sin embargo, aún no se ha validado en términos de confiabilidad con software establecido como NQ o FreeSurfer. Por lo tanto, en este estudio, nuestro objetivo fue evaluar la confiabilidad entre métodos de los dos software disponibles comercialmente, IB y NQ, para la volumetría cerebral en sujetos sanos normales, así como en sujetos con DCL y EA.

Este estudio retrospectivo recibió la aprobación de la Junta de Revisión Institucional y se renunció al requisito de consentimiento informado por escrito de acuerdo con los requisitos de un estudio retrospectivo.

La tabla 1 muestra los datos demográficos de la población de estudio. En la Figura 1 se muestra un diagrama de flujo que detalla el reclutamiento de sujetos. Como parte de una iniciativa de investigación de desarrollo de guías de práctica clínica de la Sociedad Coreana de Neurorradiología, este estudio utilizó la base de datos de imágenes de 102 y 51 pacientes con DCL y EA, respectivamente, que se sometieron a imágenes de resonancia magnética (MRI) del cerebro y visitaron las clínicas de memoria entre Septiembre de 2016 y diciembre de 2017. El diagnóstico de DCL y EA fue confirmado por dos especialistas en demencia (un neurólogo y un psiquiatra), con base en los criterios del Manual Diagnóstico y Estadístico de Trastornos Mentales (4a edición), del Instituto Nacional de Neurología y Trastornos de la comunicación y accidente cerebrovascular y la Asociación de Enfermedad de Alzheimer y Trastornos Relacionados, McKhann et al. (21) y Petersen et al. (22). Después de excluir a los pacientes que tenían otras formas de demencia, los menores de 55 años, los pacientes con mala calidad de imagen, 85 pacientes con DCL (33 hombres y 52 mujeres rango de edad, 57-85 años de edad media, 71,76 años) y 42 finalmente se incluyeron pacientes con EA (rango de edad 14 varones y 28 mujeres, edad media 67-88 años, 79,00 años). A modo de comparación, buscamos en la base de datos de imágenes de 119 sujetos sanos normales que se sometieron a resonancia magnética cerebral en el centro de detección de salud durante el mismo período de tiempo. Los criterios de inclusión para los controles sanos fueron los siguientes: mayores de 55 años, sin evidencia clínica de síntomas neurológicos o psiquiátricos evaluados por un médico. Por último, se incluyeron 45 sujetos sanos normales (23 hombres, 22 mujeres, rango de edad de 55 a 74 años, 62,76 años). Los pacientes con DCL y EA fueron diagnosticados mediante evaluaciones neuropsiquiátricas como el Mini Examen del Estado Mental, la Clasificación de Demencia Clínica, la Batería de Cribado Neuropsicológico de Seúl o el Consorcio para Establecer un Registro de la Enfermedad de Alzheimer.

Todos los pacientes fueron sometidos a resonancia magnética en una unidad 3T (Discovery MR750 GE Healthcare). Se obtuvo MRI cerebral de rutina con imágenes de volumen T1 adicionales en todos los sujetos. Durante el período de tiempo, todos los sujetos con DCL y EA fueron escaneados en busca de imágenes de volumen T1 con un grosor de corte de 1 o 1,2 mm según la preferencia del médico remitente. Sin embargo, todos los sujetos sanos normales fueron escaneados en busca de imágenes de volumen T1 con un grosor de corte de 1 mm. El uso preferido de 1,2 mm se basó en una recomendación de los desarrolladores de NQ, mientras que se prefirió 1 mm basándose en la suposición de que proporciona una resolución espacial más alta. Los parámetros del eco sagital de recuperación de gradiente rápido estropeado volumétrico ponderado en T1 fueron los siguientes: tiempo de repetición / tiempo de eco (TR / TE), espesor de sección 8.224 / 3.192, matriz de 1 mm, ángulo de volteo de 256 × 256, campo de visión de 12 ° (FOV), 250 × 250 mm o TR / TE, espesor de sección de 5.692 / 2.36, matriz de 1.2 mm, ángulo de volteo de 192 × 192, FOV de 8 °, 240 × 240 mm. En general, se obtuvieron imágenes T1 tridimensionales (3D) con un grosor de corte de 1 y 1,2 mm en 96 y 76 sujetos, respectivamente. Todos los sujetos sanos normales fueron escaneados con un grosor de corte de 1 mm, y los 85 pacientes con DCL fueron escaneados con grosores de corte de 1 y 1,2 mm en 42 y 43 pacientes, respectivamente. Los pacientes con EA fueron escaneados con grosores de corte de 1 y 1,2 mm en 9 y 33 pacientes, respectivamente.

Volumetría de resonancia magnética

Se utilizaron imágenes volumétricas ponderadas en T1 sagital para el análisis con los métodos de segmentación automatizados. Los datos de la resonancia magnética del cerebro de cada sujeto se cargaron en el servidor de la herramienta.

El procesamiento en NQ fue el siguiente: extracción del cuero cabelludo, cráneo y meninges, inflación del cerebro a una forma esférica, mapeo del cerebro esférico a un espacio esférico común compartido con el atlas de Talairach, identificación de coordenadas de regiones cerebrales segmentadas y deflación del cerebro. cerebro a su forma original. El volumen de cada región del cerebro se corrigió para las diferencias de tamaño de la cabeza normalizándolo al ICV, y la producción resultante se expresó como un porcentaje. El resultado se comparó con los datos de los controles sanos, que se guardaron en la base de datos NQ. La región del cerebro del sujeto se clasificó como anormalmente pequeña si caía por debajo del quinto percentil normativo. Además, la herramienta automatizada proporcionó un informe de atrofia relacionada con la edad, que contenía el volumen absoluto y el volumen relativo como porcentaje del ICV del hipocampo, los ventrículos laterales y los ventrículos laterales inferiores. El tiempo de procesamiento fue de 10 a 15 minutos.

IB (https://www.inbrain.co.kr/index.html) es similar al método de segmentación de FreeSurfer, que se basa en la segmentación volumétrica y basada en la superficie y utiliza un enfoque basado en plantillas (12, 23 ). El procesamiento en IB fue el siguiente: predicción de fallas de análisis, normalización de intensidad, extracción de cerebro, registro en el atlas de volumen y superficie, segmentación de materia blanca, suavizado de superficie de materia blanca, corrección de topología, optimización de superficie de materia blanca y pial, comparaciones entre resultados de salida y base de datos y gestión de la calidad del análisis. Finalmente, se obtuvo el volumen de las estructuras cerebrales regionales y de espesor cortical. Se aplicó un algoritmo de aprendizaje profundo a los múltiples pasos, incluida la predicción de fallas en el análisis, la extracción del cerebro, la segmentación de la materia blanca y la gestión de la calidad del análisis para mejorar la calidad de los resultados de la segmentación. El procesamiento tomó alrededor de 4 horas.

El emparejado t Se utilizó la prueba para comparar la media de las medidas de volumen entre IB y NQ y se utilizó la correlación de Pearson para evaluar las relaciones entre los dos métodos. La concordancia entre métodos entre los dos programas se evaluó mediante el coeficiente de correlación intraclase (CCI). Los tamaños del efecto se obtuvieron para la evaluación de la diferencia media estandarizada entre los dos programas mediante la siguiente ecuación: tamaño del efecto = diferencia media / desviación estándar combinada (15, 24). Los tamaños del efecto se definieron de la siguiente manera: pequeño, 0,2 mediano, 0,5 y grande, 0,8 (15, 24). Además, las comparaciones se realizaron por separado para los sujetos sanos normales y los subgrupos de DCL y EA. Realizamos el análisis de subgrupos en función del grosor del corte. Los análisis estadísticos se realizaron utilizando software disponible comercialmente (SPSS, versión 24 para Windows IBM Corp.).

Los resultados estadísticos se muestran en la Tabla 2. Entre IB y NQ, hubo diferencias medias significativas para la mayoría de las regiones. El volumen medio en la sustancia gris cortical, la sustancia gris cerebral, la sustancia blanca cerebral, el putamen y el tálamo en NQ fueron mayores que los de IB. El volumen medio del caudado, pálido, hipocampo y cerebelo en IB fue mayor que en NQ. Especialmente, hubo diferencias medias significativas en el volumen del putamen y pálido (pag & lt 0,001). El volumen del putamen en NQ fue mayor que en IB (5,50 ± 0,79 ml frente a 3,90 ± 0,62 ml en el hemisferio izquierdo, 5,26 ± 0,72 ml frente a 3,99 ± 0,62 ml en el hemisferio derecho). El volumen de pallidum en NQ fue menor que en IB (0,50 ± 0,17 ml frente a 1,81 ± 0,25 ml en el hemisferio izquierdo, 0,47 ± 0,17 ml frente a 1,82 ± 0,26 ml en el hemisferio derecho). La Figura 2 muestra las imágenes codificadas por colores de NQ e IB. En estas imágenes representativas, el pálido de NQ parece más pequeño que el de IB, mientras que el putamen de NQ parece más grande que el de IB.

El análisis de correlación de Pearson entre IB y NQ mostró una correlación lineal significativamente fuerte (0,72 & lt r & lt 0,96), excepto el pallidum (Tabla 3). ICC también mostró correlaciones significativamente buenas a excelentes entre IB y NQ (0,83 & lt ICC & lt 0,98) (Tabla 3), excepto para el pallidum. No hubo una correlación significativa entre los dos programas en el pallidum (r = 0.03, pag = 0,67 en la izquierda y r = −0.05, pag = 0.52 a la derecha, ICC = 0.06, pag = 0.34 en la izquierda e ICC = −0.09, pag = 0,72 a la derecha).

Con respecto al tamaño del efecto, el putamen y el pallidum mostraron los tamaños de efecto más grandes entre las regiones del cerebro: los tamaños del efecto del putamen fueron 2.25 y 1.89 en los hemisferios izquierdo y derecho, respectivamente, y el del pallidum fue de 6.13 y 6.15 en los hemisferios izquierdo y derecho, respectivamente.

Cuando los sujetos se dividieron en los grupos de control normal, DCL y EA, se demostraron resultados similares en cada grupo (Tablas 2, 3). Para el grupo de control normal, la mayoría de las regiones mostraron diferencias medias significativas entre los dos métodos (pag & lt 0,001). No hubo diferencias significativas en el hipocampo y el cerebelo (pag = 0,65 y 0,46). Para el grupo MCI, el cerebelo (pag = 0,14) y amígdala (pag = 0,33) no mostró diferencias significativas. Para el grupo de EA, la amígdala (pag = 0,14) y sustancia blanca cerebral (pag = 0,12) no mostró diferencias medias significativas. El análisis de correlación de Pearson mostró correlaciones lineales significativamente moderadas a fuertes en cada subgrupo, excepto para el pallidum: 0.64 & lt r & lt 0,96 en el grupo de control normal, 0,65 & lt r & lt 0,95 en el grupo MCI y 0,59 & lt r & lt 0,94 en el grupo AD. El ICC también fue de bueno a excelente: 0,78 & lt ICC & lt 0,98 en el grupo de control normal, 0,75 & lt ICC & lt 0,97 en el grupo MCI y 0,67 & lt ICC & lt 0,97 en el grupo AD. Los tamaños del efecto estuvieron dentro de un amplio rango, desde 0,03 en el cerebelo hasta 6,98 en el pallidum en el grupo de control normal, y desde 0,05 en el cerebelo hasta 6,72 en el pallidum en el grupo de DCL. Asimismo, el tamaño del efecto fue el menor con 0,12 en el cerebelo y el mayor con 7,45 en el pallidum en los pacientes con EA.

El análisis de subgrupos basado en el grosor de corte de imágenes 3D T1 se realizó en pacientes con DCL y EA, porque se obtuvieron imágenes 3D T1 con un grosor de corte de 1 mm de todos los sujetos sanos. Los resultados basados ​​en el grosor del corte de las imágenes 3D T1 fueron similares (Tablas complementarias 1, 2). Hubo diferencias medias significativas entre los dos programas informáticos en la mayoría de las regiones (pag & lt 0,001), excepto en la amígdala derecha, el cerebelo y la sustancia blanca cerebral. Los volúmenes obtenidos a partir de imágenes con un grosor de corte de 1 mm fueron diferentes a los obtenidos con un grosor de corte de 1,2 mm en cada software. Para la sustancia gris cortical, el caudado, el hipocampo y la sustancia gris cerebral, las imágenes con un grosor de corte de 1 mm dieron como resultado un volumen mayor que aquellas con un grosor de corte de 1,2 mm tanto en NQ como en IB. Para el tálamo y la sustancia blanca cerebral, las imágenes con un grosor de corte de 1,2 mm dieron como resultado un volumen mayor que aquellas con un grosor de corte de 1 mm tanto en NQ como en IB. La confiabilidad entre métodos para imágenes con un grosor de corte de 1 mm mostró mejores correlaciones que las imágenes con un grosor de corte de 1,2 mm en la mayoría de las regiones.

En este estudio de validación de la confiabilidad entre métodos, encontramos correlaciones y confiabilidad de buenas a excelentes entre IB y NQ para la mayoría de las regiones del cerebro. Sin embargo, encontramos que hubo diferencias significativas en el volumen entre IB y NQ. Las mediciones del volumen de materia gris cortical dieron como resultado una diferencia media significativa entre los dos métodos con tamaños de efecto medios. Además, las diferencias observadas para algunas estructuras de materia gris profunda, especialmente el pallidum, no fueron despreciables, lo que puede ser un obstáculo potencial en la aplicación clínica de la volumetría.

Desde la introducción de NQ en 2009 (8), muchos estudios han investigado el uso clínico de NQ (6, 7, 8, 15, 17, 25, 26). Varios estudios han comparado NQ con FreeSurfer, MSmetrix o Neuroreader (7, 15, 16, 25, 26). Los resultados volumétricos de NQ fueron comparables a los de FreeSurfer, un estándar de referencia de volumetría (15, 26). Aunque el método de segmentación de NQ es similar a FreeSurfer, NQ utiliza un atlas diferente, una base de código independiente y métodos separados para la normalización de la intensidad y la corrección de la distorsión del gradiente para adaptarse a las diferencias de nivel de adquisición específicas del escáner (15). En lugar de proporcionar cada grosor de giro como en FreeSurfer, NQ solo proporciona el volumen de la corteza, la sustancia blanca y la sustancia gris profunda, logrando así un tiempo de procesamiento más rápido.

Desde la introducción de IB en 2017 (19), solo ha habido unos pocos estudios clínicos sobre IB (20, 27). Además, aún no se ha realizado un estudio de validación en términos de confiabilidad. A diferencia de NQ, IB utiliza el mismo atlas de registro que el de FreeSurfer, y el método de segmentación de IB es casi idéntico al de FreeSurfer (20). IB ha agregado varios pasos al proceso en FreeSurfer, como la predicción de fallas en el análisis, la extracción del cerebro, la segmentación de la materia blanca y la gestión de la calidad del análisis mediante la aplicación de la técnica de aprendizaje profundo para reducir las tasas de error.

En este estudio, encontramos que las medidas de volumen podrían ser diferentes según el software utilizado. Hubo diferencias medias significativas entre los dos métodos en la mayoría de las regiones, excepto en la amígdala. Además, las regiones subcorticales de materia gris mostraron grandes tamaños de efecto. El pallidum mostró el tamaño de efecto más grande. En este estudio, el volumen del pallidum en NQ fue menor que en IB, y el volumen del putamen en NQ fue mayor que en IB. Dado que el IB utiliza la plataforma FreeSurfer, nuestro hallazgo está ampliamente en línea con la observación anterior sobre la diferencia en las mediciones de volumen del pallidum entre NQ y FreeSurfer (15). Se ha informado que la diferencia en los volúmenes del pallidum parece surgir del problema fundamental de intensidades similares del pallidum y la sustancia blanca en imágenes ponderadas en T1, lo que dificulta la segmentación precisa del pallidum de la sustancia blanca (15, 28). Además de eso, especulamos que los diferentes resultados entre los dos software se pueden atribuir principalmente a la diferente canalización, incluido el atlas de registro. El atlas es la base para la segmentación: NQ usa un atlas probabilístico diferente al de FreeSurfer (14), e IB usa el mismo atlas que el de FreeSurfer. El efecto potencial del tipo de atlas sobre los resultados volumétricos se ha demostrado en un estudio mediante el uso de diferentes atlas para la segmentación del hipocampo, lo que resultó en diferencias en la precisión según el atlas utilizado (29). Nuestros hallazgos sugieren que al menos algunas estructuras de materia gris profunda, como el putamen y el pallidum, todavía son susceptibles al uso de diferentes atlas a pesar de la buena confiabilidad general.

Estudios anteriores demostraron que los pacientes con EA presentaban atrofia cortical de las regiones temporal medial, temporoparietal, cingulada posterior y precuneus (30, 31); sin embargo, ningún estudio se ha centrado en las mediciones de volumen de los ganglios basales. Sin embargo, se han informado disminuciones en el volumen de materia gris subcortical, incluidos el putamen y el pálido, en pacientes con EA en estudios previos (32, 33). Esta disminución en el volumen de los ganglios basales podría explicarse por la pérdida neuronal causada por el depósito de amiloide y los ovillos neurofibrilares (33). Además, debido a que el depósito de hierro (34) y la patología de tau (35) pueden influir en los ganglios basales en pacientes con EA, no se pueden descuidar los cambios en el volumen de los ganglios basales. En consecuencia, los usuarios del software deben ser conscientes del hecho de que los resultados de volumen de los ganglios basales pueden ser marcadamente diferentes dependiendo del software utilizado.

La atrofia del hipocampo se ha considerado un marcador de imagen de la EA (36). El volumen del hipocampo fue significativamente mayor con IB que con NQ en pacientes con DCL y EA. La correlación entre IB y NQ tendió a ser menor en pacientes con EA en comparación con controles normales y pacientes con DCL. Para el volumen del hipocampo, hubo una diferencia mayor entre los pacientes con DCL y EA en NQ que en IB.

En este estudio, usamos los tamaños del efecto en el análisis estadístico. Los tamaños del efecto se definen como medidas estandarizadas del tamaño de la diferencia media entre los grupos de estudio (24). El tamaño del efecto se puede obtener con la diferencia media entre dos grupos dividida por la desviación estándar. Por lo tanto, cuando un resultado muestra la misma diferencia media, la desviación estándar determina el tamaño del efecto. El emparejado t La prueba mostró diferencias significativas en la amígdala, el cerebelo y la sustancia blanca cerebral, sin embargo, mostraron tamaños de efecto pequeños. Esto significó que la diferencia media estandarizada entre los dos métodos fue pequeña, aunque mostraron diferencias estadísticamente significativas. Además, otras estructuras de materia gris profunda como el pálido, el putamen y el tálamo mostraron grandes tamaños de efecto. Este resultado del tamaño del efecto implica que los resultados entre los dos programas no fueron idénticos. Por lo tanto, creemos que los resultados para estas estructuras más pequeñas deben interpretarse con cuidado porque la interpretación podría diferir según el software utilizado para las mediciones de volumen.

La principal limitación de este estudio fue que utilizamos dos secuencias de resonancia magnética (RM) diferentes para las mediciones volumétricas. No consideramos la repetibilidad en el mismo escáner en términos de las diferentes secuencias de RM que se aplicaron. En realidad, el volumen de sustancia blanca cerebral en pacientes con EA fue mayor que el de pacientes con DCL en IB. Sin embargo, esto es difícil de explicar, podría estar relacionado con el protocolo de exploración, donde un grosor de corte de 1,2 mm se utilizó con más frecuencia en el grupo de EA que en los otros 2 grupos. Debido a que la sustancia blanca cerebral tendía a mostrar mayores volúmenes en exploraciones con un grosor de corte de 1,2 mm en comparación con aquellas con un grosor de corte de 1 mm tanto en NQ como en IB, diferentes parámetros de exploración por RM podrían afectar las mediciones de volumen de una manera diferente. En segundo lugar, no investigamos la reproducibilidad en un escáner de RM diferente. Los resultados de las mediciones de volumen podrían ser diferentes en un escáner de resonancia magnética diferente porque la volumetría cerebral generalmente se ve influenciada por varios factores técnicos, incluida la intensidad del campo de la resonancia magnética y el modelo de escáner, así como por problemas relacionados con el posprocesamiento (23). Se necesitan más estudios en el futuro para una validación metodológica completa. Finalmente, no comparamos el resultado de NQ e IB con el de FreeSurfer o la segmentación manual, que es el estándar de referencia. Por lo tanto, no pudimos determinar qué software podría producir resultados similares a los de FreeSurfer o la segmentación manual.

En conclusión, comparamos dos software comerciales para mediciones de volumen automatizadas de regiones cerebrales. En general, mostraron una correlación de buena a excelente. Sin embargo, mostraron diferencias medias significativas y tamaños de efecto grandes. Por lo tanto, los médicos y los investigadores deben tener en cuenta el tipo de software utilizado al interpretar los resultados de las mediciones de volumen obtenidas con software comercial.


Declaraciones de ética

Conflicto de intereses

Los autores declaran no tener ningún conflicto de intereses.

Aprobación ética

El estudio de investigación cumple con todas las regulaciones éticas requeridas por el comité de ética en Tel-Aviv Sourasky Medical Center (Número de referencia 0207/14). Todos los sujetos dieron su consentimiento informado por escrito de acuerdo con la Declaración de Helsinki. Este estudio está registrado en ClinicalTrials.gov (número de registro: NCT03756545): https://clinicaltrials.gov/ct2/show/NCT03756545.


Discusión

La confiabilidad de diferentes programas automáticos de segmentación cerebral como SPM, FreeSurfer y FSL se evaluó recientemente en pacientes con enfermedad de Alzheimer o deterioro cognitivo leve (19), y cuando se examinaron resonancias magnéticas con calidad de imagen limitada, los resultados de segmentación obtenidos utilizando el Los programas de SPM fueron más robustos que los obtenidos con FreeSurfer o FSL (19). Con base en esos hallazgos, decidimos utilizar dos versiones de la caja de herramientas SPM ampliamente aplicada (es decir, VBM8 y CAT12) en nuestro estudio. Investigamos las diferencias y superposiciones entre los hallazgos de alteración de GM y WM en controles sanos y pacientes con RTE-HS, RTLE-no, LTLE-HS y LTLE-no revelados por los análisis de VBM realizados con estas cajas de herramientas. Nuestros hallazgos indicaron diferentes patrones de anomalías en la materia gris y blanca en TLE basados ​​en los programas VBM8 y CAT12, como discutimos en detalle a continuación.

Alteraciones GM

En el análisis VBM usando la caja de herramientas más antigua (es decir, VBM8), observamos una ligera reducción en GM en comparación con los controles sanos solo en la región del hipocampo derecho de los pacientes RTLE-HS, mientras que el análisis VBM usando el programa más nuevo CAT12 reveló una significativa Reducciones de GM en las regiones del hipocampo izquierdo y derecho en los pacientes LTLE-HS y RTLE-HS, respectivamente. Nuestro análisis de VBM con resultados de CAT12 está en línea con los de los estudios que informaron reducciones del volumen temporal mesial ipsilateral en el GM de pacientes con TLE-HS en comparación con individuos sanos (20 & # x0201322). Además, los resultados que obtuvimos usando CAT12 son ampliamente consistentes con el conocimiento basado en patología que describe la pérdida neuronal en el hipocampo de pacientes con TLE-HS (23). Los resultados de VBM obtenidos utilizando la caja de herramientas CAT12 deben, por lo tanto, considerarse más representativos de la atrofia de GM en TLE.

En nuestras comparaciones directas entre los pacientes con un diagnóstico sin HS versus los controles sanos, observamos una inflamación significativa de GM en la amígdala en los pacientes RTLE-no en el análisis VBM usando la caja de herramientas VBM8 y en el mismo análisis usando la caja de herramientas CAT12. Este hallazgo está de acuerdo con los de estudios anteriores que demostraron TLE con agrandamiento de la amígdala (24 & # x0201327).

Alteraciones de WM

Nuestra comparación de las alteraciones de la WM en nuestros pacientes con TLE-HS versus los controles sanos mostró que las reducciones de la WM temporal mesial ipsilateral fueron identificadas por el análisis VBM usando CAT12, mientras que el análisis VBM usando VBM8 no detectó ninguna reducción de la WM en LTLE-HS y RTLE -Pacientes con HS. La razón de esto puede deberse a los algoritmos de segmentación mejorados y / o nuevos incorporados en SPM12 en comparación con SPM8. Nuestro análisis de VBM con hallazgos de CAT12 son ampliamente consistentes con estudios que describen anomalías de WM ipsolaterales en pacientes con TLE-HS en comparación con controles sanos (21, 28). Por lo tanto, los resultados de VBM obtenidos con la caja de herramientas CAT12 deben considerarse más representativos de la atrofia de WM en TLE en comparación con los resultados de VBM obtenidos con VBM8.

Una limitación de nuestro estudio podría ser que los grupos de sujetos tenían desequilibrio de género, el grupo LTLE-HS en particular era predominantemente femenino, y los controles sanos eran en su mayoría hombres. Además, dado que la significación estadística a veces puede verse afectada por varios factores, debemos prestar mucha atención a la interpretación de la significación de los resultados.

Los autores de la Ref. (29) compararon los volúmenes de la amígdala y el hipocampo utilizando procedimientos FreeSurfer y VBM8 con segmentación manual. Como parte de un estudio futuro, planeamos evaluar los volúmenes de la amígdala y el hipocampo como las principales regiones afectadas por la epilepsia, utilizando diferentes enfoques como SPM (es decir, VBM8, CAT12), FreeSurfer y FSL con segmentación manual en pacientes con TLE. Aunque en la presente investigación utilizamos estadísticas sólidas y obtuvimos resultados que son concordantes con estudios anteriores, estudios posteriores que utilicen diferentes muestras y métodos podrían ser informativos.


Un examen sistemático de anomalías volumétricas cerebrales en la esquizofrenia de inicio reciente utilizando análisis morfométricos basados ​​en voxel, basados ​​en la superficie y basados ​​en la región de interés

Las anomalías morfométricas cerebrales en la esquizofrenia se han informado ampliamente en la literatura. La mayoría de los estudios informan casi universalmente las reducciones volumétricas de todo el cerebro, independientemente de las características de las muestras estudiadas (p. Ej., Crónicas / de inicio reciente medicadas / sin tratamiento neuroléptico, etc.). Sin embargo, no se puede decir lo mismo de las anomalías morfométricas regionales notificadas en la esquizofrenia. Si bien ciertas anomalías morfométricas regionales se informan con más frecuencia que otras, no existen tales anomalías que se informen universalmente en todos los estudios. La variabilidad de las características sociodemográficas y clínicas entre las muestras de estudio, así como los problemas técnicos y metodológicos relacionados con la adquisición y el análisis de imágenes estructurales del cerebro, pueden contribuir a la inconsistencia de los hallazgos morfométricos del cerebro en la esquizofrenia. Por lo tanto, el objetivo del presente estudio fue examinar sistemáticamente la morfometría cerebral en pacientes con esquizofrenia de inicio reciente para averiguar si hay diferencias volumétricas regionales o de todo el cerebro significativas detectables en el umbral de significancia apropiado, después de intentar controlar varios factores de confusión que podría afectar los volúmenes cerebrales.

Métodos

Se adquirieron imágenes de resonancia magnética estructural de 90 sujetos (esquizofrenia = 45 sujetos sanos = 45) utilizando un imán de 3 Tesla. Los análisis morfométricos se llevaron a cabo siguiendo las líneas de análisis estándar de las tres estrategias más utilizadas, a saber, morfometría basada en vóxeles de todo el cerebro, morfometría basada en la superficie de todo el cerebro y comparaciones entre grupos de volúmenes regionales generados por segmentación y parcelación automatizadas.

Resultados

En nuestra muestra de pacientes con esquizofrenia de aparición reciente con exposición limitada a neurolépticos, no se observaron anomalías morfométricas cerebrales completas o regionales significativas en los umbrales de significación estadística apropiados con o sin incluir la edad, el sexo y el volumen intracraneal o el volumen cerebral total en la estadística. análisis.

Conclusiones

En el contexto de los hallazgos contradictorios en la literatura, nuestros hallazgos indican que las anomalías morfométricas cerebrales pueden no estar directamente relacionadas con el fenotipo de la esquizofrenia. El análisis de las razones de los resultados inconsistentes entre los estudios, así como la consideración de fuentes alternativas de variabilidad de la morfología cerebral en la esquizofrenia, como los mecanismos epistáticos y epigenéticos, tal vez podrían avanzar en nuestra comprensión de las alteraciones cerebrales estructurales en la esquizofrenia.


Palabras clave

Los dos primeros autores contribuyeron igualmente a este trabajo.

Los datos utilizados en la preparación de este artículo se obtuvieron de la base de datos de la Iniciativa de neuroimagen de la enfermedad de Alzheimer (ADNI) (adni.loni.ucla.edu). Como tal, los investigadores dentro de ADNI contribuyeron al diseño e implementación de ADNI y / o proporcionaron datos, pero no participaron en el análisis o redacción de este informe. Se puede encontrar una lista completa de investigadores de ADNI en: http://adni.loni.ucla.edu/wp-content/uploads/how_to_apply/ADNI_Acknowledgement_List.pdf.


Introducción

La corteza cerebral del cerebro humano está muy plegada con un grosor promedio de alrededor de 2,5 mm, que varía entre 1 y 4,5 mm en diferentes regiones del cerebro.1 El análisis del grosor cortical (TC) permite la adquisición de valiosos en vivo información sobre neuroanatomía normal y anormal en el cerebro humano sano y enfermo. Esto es de particular interés cuando se investigan los participantes en los que se investiga el deterioro cognitivo o incluso la demencia, como la enfermedad de Alzheimer (EA). La EA es un trastorno neurodegenerativo, caracterizado por la acumulación de proteínas beta amiloide y tau, que se asocian con la neurodegeneración en forma de deterioro sináptico, neuronal y axonal que afecta la memoria y la función cognitiva.2 La neurodegeneración en la EA suele comenzar en las regiones del lóbulo temporal antes. que afectan la neocorteza.3 Estos patrones atróficos se pueden observar con métodos de resonancia magnética estructural (MRI). se ven afectados por la neurodegeneración en la EA5, 6. Para evaluar estas alteraciones cerebrales en forma de atrofia cerebral, se necesitan métodos que proporcionen estimaciones fiables de la TC.

Ya se han introducido varios métodos para las estimaciones de TC7 y pueden clasificarse en términos generales como basados ​​en superficie y # x02010 o en volumen y # x02010.8 Mientras que los métodos basados ​​en volumen y # x02010 comparten la ventaja de tiempos de procesamiento más bajos, los enfoques basados ​​en superficie y # x02010 sobresalen en términos de precisión, ya que se modela toda la superficie. FreeSurfer es un conjunto de software establecido que utiliza el enfoque basado en la superficie y se puede considerar el estándar de oro en las mediciones de TC. Se utiliza con frecuencia para la estimación de TC automatizada con alta precisión9 donde se reconstruye toda la superficie cortical (ver Fig. & # X200B Fig1). 1). Más específicamente, se lleva a cabo un paso de reconstrucción en el que el límite exterior, basado en el límite interior, se reconstruye mediante una deformación de la superficie interior basada en el modelo.1, 10 Aunque el método proporciona estimaciones de espesor precisas, los tiempos de procesamiento extensos son inevitables. Sin embargo, para algunas preguntas de investigación, estos pasos extensos de reconstrucción de la superficie no son necesarios.

Flow & # x02010chart que comprende ambos enfoques metodológicos.

Recientemente, la caja de herramientas de anatomía computacional (CAT12: http://www.neuro.uni-jena.de/cat/) para SPM (software de mapeo estadístico paramétrico, http://www.fil.ion.ucl.ac.uk/ spm /), que ofrece un enfoque alternativo rápido y fácil de & # x02010to & # x02010use para las estimaciones de TC sin la reconstrucción extensa de la superficie. Este enfoque basado en volumen utiliza un espesor basado en proyección (PBT) 11, donde se utiliza un esquema de proyección, utilizando la información de los surcos borrosos para crear un mapa CT correcto. Con el espesor basado en vóxeles, la estimación de PBT permite la creación fácil de la superficie central, que se cree que tiene mejores propiedades que la materia blanca (WM) o la superficie pial. Esta superficie central se genera en el límite de distancia del 50% entre la materia gris (GM) / WM y el GM / líquido cefalorraquídeo (LCR) .11 Ahora es posible incluir la estimación de la CT y la superficie central de ambos hemisferios, con base en en el método PBT.11 La reconstrucción de la superficie incluye la corrección de topología, que tiene en cuenta los defectos topológicos utilizando armónicos esféricos.12 Además, se aplica el mapeo esférico para reparametrizar la malla de la superficie en un sistema de coordenadas común, 13 mientras que el registro esférico adapta el volumen & # algoritmo DARTEL difeomórfico basado en x0201014 a la superficie.

En resumen, este nuevo método PBT conduce a una tremenda reducción en el tiempo de procesamiento ya que no se realiza una reconstrucción extensa de la superficie. Además, una interfaz gráfica de usuario integrada en SPM simplifica el proceso para los usuarios que no están familiarizados con la línea de comandos. Sin embargo, queda por investigar si ambos métodos ofrecen resultados comparables. Aquí, evaluamos las estimaciones de TC utilizando ambos métodos comparando una cohorte de EA con controles sanos (HC).

Los datos de resonancia magnética de los HC y de una cohorte de EA se procesaron con ambos enfoques de TC y se llevó a cabo una comparación de región de interés (ROI) & # x02010wise. Primero, evaluamos las diferencias generales en las estimaciones de CT para ambos métodos y cada ROI. Posteriormente, la TC se comparó directamente entre pacientes con EA y HC para evaluar la aplicabilidad en la investigación clínica. En un último paso, se realizó un análisis de prueba & # x02010retest para obtener información sobre la confiabilidad de ambos métodos.


Alteraciones volumétricas en la corteza de asociación heteromodal en niños con trastorno del espectro autista

Investigamos si las alteraciones en las áreas de asociación de orden superior relacionadas con la esquizofrenia, es decir, la corteza de asociación heteromodal (HASC), también son observables en sujetos con trastorno del espectro autista (TEA).

Un grupo de 18 niños con TEA y 18 controles sanos (HC) se sometieron a una resonancia magnética (MRI). El examen comprendió un análisis de las diferencias de grupo en el volumen de la materia gris (GM), el área de superficie (SA) y la lateralización hemisférica.

Se detectaron diferencias en los volúmenes de GM en niños con TEA y HC en áreas frontales y parietales relacionadas con el HASC. Ninguna estructura HASC que mostró cambios en el volumen de GM mostró diferencias en SA. Se observan alteraciones en la lateralización hemisférica entre ASD y HC en un área frontal del HASC.

Nuestros resultados indican que los cambios en las áreas de HASC no se limitan a la esquizofrenia, sino que se extienden a otros trastornos psiquiátricos, a saber, TEA. Las diferencias de grupo que faltan en SA indican que los cambios en el volumen de GM posiblemente sean provocados por otras variables además de SA en niños con TEA.


Software clínicamente disponible para la volumetría cerebral automática: comparaciones de medidas de volumen y validación de la confiabilidad entre métodos

Este es un artículo de acceso abierto distribuido bajo los términos de la licencia de atribución no comercial de Creative Commons (http://creativecommons.org/licenses/by- nc / 4.0 /) que permite el uso, la distribución y la reproducción no comerciales sin restricciones en cualquier medio, siempre que la obra original esté debidamente citada.

Comparar dos software de volumetría de RM disponibles clínicamente, NeuroQuant® (NQ) e Inbrain® (IB), y examinar la fiabilidad entre métodos y las diferencias entre ellos.

Este estudio incluyó a 172 sujetos (rango de edad, edad media de 55 a 88 años, 71,2 años), que comprendían 45 sujetos sanos normales, 85 pacientes con deterioro cognitivo leve y 42 pacientes con enfermedad de Alzheimer. Las imágenes por resonancia magnética se analizaron con IB y NQ. Las diferencias medias se compararon con las t prueba. La confiabilidad entre métodos se evaluó con los coeficientes de correlación de Pearson y los coeficientes de correlación intraclase (CCI). También se obtuvieron tamaños de efecto para documentar las diferencias de medias estandarizadas.

El emparejado t La prueba mostró diferencias de volumen significativas en la mayoría de las regiones, excepto en la amígdala, entre los dos métodos. No obstante, las mediciones entre métodos entre IB y NQ mostraron una fiabilidad de buena a excelente (0,72 & lt r & lt 0.96, 0.83 & lt ICC & lt 0.98) excepto el pallidum, que mostró poca confiabilidad (izquierda: r = 0.03, ICC = 0.06 derecha: r = −0,05, CCI = −0,09). Para las mediciones del tamaño del efecto, las diferencias de volumen fueron grandes en la mayoría de las regiones (0.05 & lt r & lt 6,15). El tamaño del efecto fue mayor en el pallidum y menor en el cerebelo.

Las comparaciones entre IB y NQ mostraron medidas de volumen significativamente diferentes con grandes tamaños de efecto. Sin embargo, mostraron una confiabilidad entre métodos de buena a excelente en las mediciones volumétricas para todas las regiones del cerebro, con la excepción del pallidum. Los médicos que utilizan este software comercial deben tener en cuenta que se pueden obtener diferentes medidas de volumen según el software utilizado.

Las mediciones volumétricas de la atrofia cerebral han demostrado una estrecha correlación con la atrofia real, los cambios neuropatológicos y el deterioro cognitivo en diversas enfermedades neurodegenerativas (1, 2, 3, 4). La atrofia del hipocampo y / o lobar temporal medial ya se ha integrado en el marco de diagnóstico de la enfermedad de Alzheimer (EA) (5). Aunque la evaluación visual de la atrofia cerebral se ha realizado con frecuencia en la práctica clínica, adolece de una alta variabilidad interobservador y una baja sensibilidad (6, 7). En contraste, el método de medición volumétrica cuantitativa es un método objetivo con buena repetibilidad y confiabilidad (8, 9). Por tanto, la medición volumétrica de la atrofia cerebral podría usarse como un marcador de imagen para el diagnóstico diferencial clínico y la predicción de la progresión de la enfermedad.

Hay varios paquetes de software disponibles gratuitamente para mediciones de volumen cerebral: FSL (10), Morfometría basada en vóxeles (11), FreeSurfer (12) y Mapeo paramétrico estadístico (13). Sin embargo, la naturaleza laboriosa de este software de investigación ha limitado la generalización a la práctica clínica habitual hasta la introducción del software clínicamente disponible (3).

Actualmente, la FDA ha aprobado varios software disponibles comercialmente para mediciones de volumen: NeuroQuant (14, 15, 16), Neuroreader (7) y MSmetrix (17, 18). Entre estos, NeuroQuant® (NQ, CorTechs Labs) es el software más utilizado debido a su rápido tiempo de procesamiento y al suministro de información sobre las cortezas de ambos hemisferios y el volumen de materia blanca. Además, proporciona información normalizada de los datos de los pacientes considerando el volumen intracraneal (ICV) y el informe de atrofia relativa en comparación con los datos normales emparejados por edad (8, 9, 15).

El software clínicamente disponible más recientemente introducido es Inbrain® (IB, MIDAS Information Technology Co., Ltd.), que es un software coreano aprobado por la FDA basado en la plataforma FreeSurfer mejorado con su propio algoritmo de aprendizaje profundo (19, 20). Mientras que NQ solo proporciona mediciones de volumen de estructuras cerebrales, IB proporciona no solo mediciones de volumen sino también espesores corticales. En un estudio anterior que utilizó IB, IB pudo clasificar el estado de la enfermedad y predecir la progresión a la EA utilizando el grosor cortical en pacientes con deterioro cognitivo leve (DCL) (20). Sin embargo, aún no se ha validado en términos de confiabilidad con software establecido como NQ o FreeSurfer. Por lo tanto, en este estudio, nuestro objetivo fue evaluar la confiabilidad entre métodos de los dos software disponibles comercialmente, IB y NQ, para la volumetría cerebral en sujetos sanos normales, así como en sujetos con DCL y EA.

Este estudio retrospectivo recibió la aprobación de la Junta de Revisión Institucional y se renunció al requisito de consentimiento informado por escrito de acuerdo con los requisitos de un estudio retrospectivo.

La tabla 1 muestra los datos demográficos de la población de estudio. En la Figura 1 se muestra un diagrama de flujo que detalla el reclutamiento de sujetos. Como parte de una iniciativa de investigación de desarrollo de guías de práctica clínica de la Sociedad Coreana de Neurorradiología, este estudio utilizó la base de datos de imágenes de 102 y 51 pacientes con DCL y EA, respectivamente, que se sometieron a imágenes de resonancia magnética (MRI) del cerebro y visitaron las clínicas de memoria entre Septiembre de 2016 y diciembre de 2017. El diagnóstico de DCL y EA fue confirmado por dos especialistas en demencia (un neurólogo y un psiquiatra), con base en los criterios del Manual Diagnóstico y Estadístico de Trastornos Mentales (4a edición), del Instituto Nacional de Neurología y Trastornos de la comunicación y accidente cerebrovascular y la Asociación de Enfermedad de Alzheimer y Trastornos Relacionados, McKhann et al. (21) y Petersen et al. (22). Después de excluir a los pacientes que tenían otras formas de demencia, los menores de 55 años, los pacientes con mala calidad de imagen, 85 pacientes con DCL (33 hombres y 52 mujeres rango de edad, 57-85 años de edad media, 71,76 años) y 42 finalmente se incluyeron pacientes con EA (rango de edad 14 varones y 28 mujeres, edad media 67-88 años, 79,00 años). A modo de comparación, buscamos en la base de datos de imágenes de 119 sujetos sanos normales que se sometieron a resonancia magnética cerebral en el centro de detección de salud durante el mismo período de tiempo. Los criterios de inclusión para los controles sanos fueron los siguientes: mayores de 55 años, sin evidencia clínica de síntomas neurológicos o psiquiátricos evaluados por un médico. Por último, se incluyeron 45 sujetos sanos normales (23 hombres, 22 mujeres, rango de edad de 55 a 74 años, 62,76 años). Los pacientes con DCL y EA fueron diagnosticados mediante evaluaciones neuropsiquiátricas como el Mini Examen del Estado Mental, la Clasificación de Demencia Clínica, la Batería de Cribado Neuropsicológico de Seúl o el Consorcio para Establecer un Registro de la Enfermedad de Alzheimer.

Todos los pacientes fueron sometidos a resonancia magnética en una unidad 3T (Discovery MR750 GE Healthcare). Se obtuvo MRI cerebral de rutina con imágenes de volumen T1 adicionales en todos los sujetos. Durante el período de tiempo, todos los sujetos con DCL y EA fueron escaneados en busca de imágenes de volumen T1 con un grosor de corte de 1 o 1,2 mm según la preferencia del médico remitente. Sin embargo, todos los sujetos sanos normales fueron escaneados en busca de imágenes de volumen T1 con un grosor de corte de 1 mm. El uso preferido de 1,2 mm se basó en una recomendación de los desarrolladores de NQ, mientras que se prefirió 1 mm basándose en la suposición de que proporciona una resolución espacial más alta. Los parámetros del eco sagital de recuperación de gradiente rápido estropeado volumétrico ponderado en T1 fueron los siguientes: tiempo de repetición / tiempo de eco (TR / TE), espesor de sección 8.224 / 3.192, matriz de 1 mm, ángulo de volteo de 256 × 256, campo de visión de 12 ° (FOV), 250 × 250 mm o TR / TE, espesor de sección de 5.692 / 2.36, matriz de 1.2 mm, ángulo de volteo de 192 × 192, FOV de 8 °, 240 × 240 mm. En general, se obtuvieron imágenes T1 tridimensionales (3D) con un grosor de corte de 1 y 1,2 mm en 96 y 76 sujetos, respectivamente. Todos los sujetos sanos normales fueron escaneados con un grosor de corte de 1 mm, y los 85 pacientes con DCL fueron escaneados con grosores de corte de 1 y 1,2 mm en 42 y 43 pacientes, respectivamente. Los pacientes con EA fueron escaneados con grosores de corte de 1 y 1,2 mm en 9 y 33 pacientes, respectivamente.

Volumetría de resonancia magnética

Se utilizaron imágenes volumétricas ponderadas en T1 sagital para el análisis con los métodos de segmentación automatizados. Los datos de la resonancia magnética del cerebro de cada sujeto se cargaron en el servidor de la herramienta.

El procesamiento en NQ fue el siguiente: extracción del cuero cabelludo, cráneo y meninges, inflación del cerebro a una forma esférica, mapeo del cerebro esférico a un espacio esférico común compartido con el atlas de Talairach, identificación de coordenadas de regiones cerebrales segmentadas y deflación del cerebro. cerebro a su forma original. El volumen de cada región del cerebro se corrigió para las diferencias de tamaño de la cabeza normalizándolo al ICV, y la producción resultante se expresó como un porcentaje. El resultado se comparó con los datos de los controles sanos, que se guardaron en la base de datos NQ. La región del cerebro del sujeto se clasificó como anormalmente pequeña si caía por debajo del quinto percentil normativo. Además, la herramienta automatizada proporcionó un informe de atrofia relacionada con la edad, que contenía el volumen absoluto y el volumen relativo como porcentaje del ICV del hipocampo, los ventrículos laterales y los ventrículos laterales inferiores. El tiempo de procesamiento fue de 10 a 15 minutos.

IB (https://www.inbrain.co.kr/index.html) es similar al método de segmentación de FreeSurfer, que se basa en la segmentación volumétrica y basada en la superficie y utiliza un enfoque basado en plantillas (12, 23 ). El procesamiento en IB fue el siguiente: predicción de fallas de análisis, normalización de intensidad, extracción de cerebro, registro en el atlas de volumen y superficie, segmentación de materia blanca, suavizado de superficie de materia blanca, corrección de topología, optimización de superficie de materia blanca y pial, comparaciones entre resultados de salida y base de datos y gestión de la calidad del análisis. Finalmente, se obtuvo el volumen de las estructuras cerebrales regionales y de espesor cortical. Se aplicó un algoritmo de aprendizaje profundo a los múltiples pasos, incluida la predicción de fallas en el análisis, la extracción del cerebro, la segmentación de la materia blanca y la gestión de la calidad del análisis para mejorar la calidad de los resultados de la segmentación. El procesamiento tomó alrededor de 4 horas.

El emparejado t Se utilizó la prueba para comparar la media de las medidas de volumen entre IB y NQ y se utilizó la correlación de Pearson para evaluar las relaciones entre los dos métodos. La concordancia entre métodos entre los dos programas se evaluó mediante el coeficiente de correlación intraclase (CCI). Los tamaños del efecto se obtuvieron para la evaluación de la diferencia media estandarizada entre los dos programas mediante la siguiente ecuación: tamaño del efecto = diferencia media / desviación estándar combinada (15, 24). Los tamaños del efecto se definieron de la siguiente manera: pequeño, 0,2 mediano, 0,5 y grande, 0,8 (15, 24). Además, las comparaciones se realizaron por separado para los sujetos sanos normales y los subgrupos de DCL y EA. Realizamos el análisis de subgrupos en función del grosor del corte. Los análisis estadísticos se realizaron utilizando software disponible comercialmente (SPSS, versión 24 para Windows IBM Corp.).

Los resultados estadísticos se muestran en la Tabla 2. Entre IB y NQ, hubo diferencias medias significativas para la mayoría de las regiones. El volumen medio en la sustancia gris cortical, la sustancia gris cerebral, la sustancia blanca cerebral, el putamen y el tálamo en NQ fueron mayores que los de IB. El volumen medio del caudado, pálido, hipocampo y cerebelo en IB fue mayor que en NQ. Especialmente, hubo diferencias medias significativas en el volumen del putamen y pálido (pag & lt 0,001). El volumen del putamen en NQ fue mayor que en IB (5,50 ± 0,79 ml frente a 3,90 ± 0,62 ml en el hemisferio izquierdo, 5,26 ± 0,72 ml frente a 3,99 ± 0,62 ml en el hemisferio derecho). El volumen de pallidum en NQ fue menor que en IB (0,50 ± 0,17 ml frente a 1,81 ± 0,25 ml en el hemisferio izquierdo, 0,47 ± 0,17 ml frente a 1,82 ± 0,26 ml en el hemisferio derecho). La Figura 2 muestra las imágenes codificadas por colores de NQ e IB. En estas imágenes representativas, el pálido de NQ parece más pequeño que el de IB, mientras que el putamen de NQ parece más grande que el de IB.

El análisis de correlación de Pearson entre IB y NQ mostró una correlación lineal significativamente fuerte (0,72 & lt r & lt 0,96), excepto el pallidum (Tabla 3). ICC también mostró correlaciones significativamente buenas a excelentes entre IB y NQ (0,83 & lt ICC & lt 0,98) (Tabla 3), excepto para el pallidum. No hubo una correlación significativa entre los dos programas en el pallidum (r = 0.03, pag = 0,67 en la izquierda y r = −0.05, pag = 0.52 a la derecha, ICC = 0.06, pag = 0.34 en la izquierda e ICC = −0.09, pag = 0,72 a la derecha).

Con respecto al tamaño del efecto, el putamen y el pallidum mostraron los tamaños de efecto más grandes entre las regiones del cerebro: los tamaños del efecto del putamen fueron 2.25 y 1.89 en los hemisferios izquierdo y derecho, respectivamente, y el del pallidum fue de 6.13 y 6.15 en los hemisferios izquierdo y derecho, respectivamente.

Cuando los sujetos se dividieron en los grupos de control normal, DCL y EA, se demostraron resultados similares en cada grupo (Tablas 2, 3). Para el grupo de control normal, la mayoría de las regiones mostraron diferencias medias significativas entre los dos métodos (pag & lt 0,001). No hubo diferencias significativas en el hipocampo y el cerebelo (pag = 0,65 y 0,46). Para el grupo MCI, el cerebelo (pag = 0,14) y amígdala (pag = 0,33) no mostró diferencias significativas. Para el grupo de EA, la amígdala (pag = 0,14) y sustancia blanca cerebral (pag = 0,12) no mostró diferencias medias significativas. El análisis de correlación de Pearson mostró correlaciones lineales significativamente moderadas a fuertes en cada subgrupo, excepto para el pallidum: 0.64 & lt r & lt 0,96 en el grupo de control normal, 0,65 & lt r & lt 0,95 en el grupo MCI y 0,59 & lt r & lt 0,94 en el grupo AD. El ICC también fue de bueno a excelente: 0,78 & lt ICC & lt 0,98 en el grupo de control normal, 0,75 & lt ICC & lt 0,97 en el grupo MCI y 0,67 & lt ICC & lt 0,97 en el grupo AD. Los tamaños del efecto estuvieron dentro de un amplio rango, desde 0,03 en el cerebelo hasta 6,98 en el pallidum en el grupo de control normal, y desde 0,05 en el cerebelo hasta 6,72 en el pallidum en el grupo de DCL.Asimismo, el tamaño del efecto fue el menor con 0,12 en el cerebelo y el mayor con 7,45 en el pallidum en los pacientes con EA.

El análisis de subgrupos basado en el grosor de corte de imágenes 3D T1 se realizó en pacientes con DCL y EA, porque se obtuvieron imágenes 3D T1 con un grosor de corte de 1 mm de todos los sujetos sanos. Los resultados basados ​​en el grosor del corte de las imágenes 3D T1 fueron similares (Tablas complementarias 1, 2). Hubo diferencias medias significativas entre los dos programas informáticos en la mayoría de las regiones (pag & lt 0,001), excepto en la amígdala derecha, el cerebelo y la sustancia blanca cerebral. Los volúmenes obtenidos a partir de imágenes con un grosor de corte de 1 mm fueron diferentes a los obtenidos con un grosor de corte de 1,2 mm en cada software. Para la sustancia gris cortical, el caudado, el hipocampo y la sustancia gris cerebral, las imágenes con un grosor de corte de 1 mm dieron como resultado un volumen mayor que aquellas con un grosor de corte de 1,2 mm tanto en NQ como en IB. Para el tálamo y la sustancia blanca cerebral, las imágenes con un grosor de corte de 1,2 mm dieron como resultado un volumen mayor que aquellas con un grosor de corte de 1 mm tanto en NQ como en IB. La confiabilidad entre métodos para imágenes con un grosor de corte de 1 mm mostró mejores correlaciones que las imágenes con un grosor de corte de 1,2 mm en la mayoría de las regiones.

En este estudio de validación de la confiabilidad entre métodos, encontramos correlaciones y confiabilidad de buenas a excelentes entre IB y NQ para la mayoría de las regiones del cerebro. Sin embargo, encontramos que hubo diferencias significativas en el volumen entre IB y NQ. Las mediciones del volumen de materia gris cortical dieron como resultado una diferencia media significativa entre los dos métodos con tamaños de efecto medios. Además, las diferencias observadas para algunas estructuras de materia gris profunda, especialmente el pallidum, no fueron despreciables, lo que puede ser un obstáculo potencial en la aplicación clínica de la volumetría.

Desde la introducción de NQ en 2009 (8), muchos estudios han investigado el uso clínico de NQ (6, 7, 8, 15, 17, 25, 26). Varios estudios han comparado NQ con FreeSurfer, MSmetrix o Neuroreader (7, 15, 16, 25, 26). Los resultados volumétricos de NQ fueron comparables a los de FreeSurfer, un estándar de referencia de volumetría (15, 26). Aunque el método de segmentación de NQ es similar a FreeSurfer, NQ utiliza un atlas diferente, una base de código independiente y métodos separados para la normalización de la intensidad y la corrección de la distorsión del gradiente para adaptarse a las diferencias de nivel de adquisición específicas del escáner (15). En lugar de proporcionar cada grosor de giro como en FreeSurfer, NQ solo proporciona el volumen de la corteza, la sustancia blanca y la sustancia gris profunda, logrando así un tiempo de procesamiento más rápido.

Desde la introducción de IB en 2017 (19), solo ha habido unos pocos estudios clínicos sobre IB (20, 27). Además, aún no se ha realizado un estudio de validación en términos de confiabilidad. A diferencia de NQ, IB utiliza el mismo atlas de registro que el de FreeSurfer, y el método de segmentación de IB es casi idéntico al de FreeSurfer (20). IB ha agregado varios pasos al proceso en FreeSurfer, como la predicción de fallas en el análisis, la extracción del cerebro, la segmentación de la materia blanca y la gestión de la calidad del análisis mediante la aplicación de la técnica de aprendizaje profundo para reducir las tasas de error.

En este estudio, encontramos que las medidas de volumen podrían ser diferentes según el software utilizado. Hubo diferencias medias significativas entre los dos métodos en la mayoría de las regiones, excepto en la amígdala. Además, las regiones subcorticales de materia gris mostraron grandes tamaños de efecto. El pallidum mostró el tamaño de efecto más grande. En este estudio, el volumen del pallidum en NQ fue menor que en IB, y el volumen del putamen en NQ fue mayor que en IB. Dado que el IB utiliza la plataforma FreeSurfer, nuestro hallazgo está ampliamente en línea con la observación anterior sobre la diferencia en las mediciones de volumen del pallidum entre NQ y FreeSurfer (15). Se ha informado que la diferencia en los volúmenes del pallidum parece surgir del problema fundamental de intensidades similares del pallidum y la sustancia blanca en imágenes ponderadas en T1, lo que dificulta la segmentación precisa del pallidum de la sustancia blanca (15, 28). Además de eso, especulamos que los diferentes resultados entre los dos software se pueden atribuir principalmente a la diferente canalización, incluido el atlas de registro. El atlas es la base para la segmentación: NQ usa un atlas probabilístico diferente al de FreeSurfer (14), e IB usa el mismo atlas que el de FreeSurfer. El efecto potencial del tipo de atlas sobre los resultados volumétricos se ha demostrado en un estudio mediante el uso de diferentes atlas para la segmentación del hipocampo, lo que resultó en diferencias en la precisión según el atlas utilizado (29). Nuestros hallazgos sugieren que al menos algunas estructuras de materia gris profunda, como el putamen y el pallidum, todavía son susceptibles al uso de diferentes atlas a pesar de la buena confiabilidad general.

Estudios anteriores demostraron que los pacientes con EA presentaban atrofia cortical de las regiones temporal medial, temporoparietal, cingulada posterior y precuneus (30, 31); sin embargo, ningún estudio se ha centrado en las mediciones de volumen de los ganglios basales. Sin embargo, se han informado disminuciones en el volumen de materia gris subcortical, incluidos el putamen y el pálido, en pacientes con EA en estudios previos (32, 33). Esta disminución en el volumen de los ganglios basales podría explicarse por la pérdida neuronal causada por el depósito de amiloide y los ovillos neurofibrilares (33). Además, debido a que el depósito de hierro (34) y la patología de tau (35) pueden influir en los ganglios basales en pacientes con EA, no se pueden descuidar los cambios en el volumen de los ganglios basales. En consecuencia, los usuarios del software deben ser conscientes del hecho de que los resultados de volumen de los ganglios basales pueden ser marcadamente diferentes dependiendo del software utilizado.

La atrofia del hipocampo se ha considerado un marcador de imagen de la EA (36). El volumen del hipocampo fue significativamente mayor con IB que con NQ en pacientes con DCL y EA. La correlación entre IB y NQ tendió a ser menor en pacientes con EA en comparación con controles normales y pacientes con DCL. Para el volumen del hipocampo, hubo una diferencia mayor entre los pacientes con DCL y EA en NQ que en IB.

En este estudio, usamos los tamaños del efecto en el análisis estadístico. Los tamaños del efecto se definen como medidas estandarizadas del tamaño de la diferencia media entre los grupos de estudio (24). El tamaño del efecto se puede obtener con la diferencia media entre dos grupos dividida por la desviación estándar. Por lo tanto, cuando un resultado muestra la misma diferencia media, la desviación estándar determina el tamaño del efecto. El emparejado t La prueba mostró diferencias significativas en la amígdala, el cerebelo y la sustancia blanca cerebral, sin embargo, mostraron tamaños de efecto pequeños. Esto significó que la diferencia media estandarizada entre los dos métodos fue pequeña, aunque mostraron diferencias estadísticamente significativas. Además, otras estructuras de materia gris profunda como el pálido, el putamen y el tálamo mostraron grandes tamaños de efecto. Este resultado del tamaño del efecto implica que los resultados entre los dos programas no fueron idénticos. Por lo tanto, creemos que los resultados para estas estructuras más pequeñas deben interpretarse con cuidado porque la interpretación podría diferir según el software utilizado para las mediciones de volumen.

La principal limitación de este estudio fue que utilizamos dos secuencias de resonancia magnética (RM) diferentes para las mediciones volumétricas. No consideramos la repetibilidad en el mismo escáner en términos de las diferentes secuencias de RM que se aplicaron. En realidad, el volumen de sustancia blanca cerebral en pacientes con EA fue mayor que el de pacientes con DCL en IB. Sin embargo, esto es difícil de explicar, podría estar relacionado con el protocolo de exploración, donde un grosor de corte de 1,2 mm se utilizó con más frecuencia en el grupo de EA que en los otros 2 grupos. Debido a que la sustancia blanca cerebral tendía a mostrar mayores volúmenes en exploraciones con un grosor de corte de 1,2 mm en comparación con aquellas con un grosor de corte de 1 mm tanto en NQ como en IB, diferentes parámetros de exploración por RM podrían afectar las mediciones de volumen de una manera diferente. En segundo lugar, no investigamos la reproducibilidad en un escáner de RM diferente. Los resultados de las mediciones de volumen podrían ser diferentes en un escáner de resonancia magnética diferente porque la volumetría cerebral generalmente se ve influenciada por varios factores técnicos, incluida la intensidad del campo de la resonancia magnética y el modelo de escáner, así como por problemas relacionados con el posprocesamiento (23). Se necesitan más estudios en el futuro para una validación metodológica completa. Finalmente, no comparamos el resultado de NQ e IB con el de FreeSurfer o la segmentación manual, que es el estándar de referencia. Por lo tanto, no pudimos determinar qué software podría producir resultados similares a los de FreeSurfer o la segmentación manual.

En conclusión, comparamos dos software comerciales para mediciones de volumen automatizadas de regiones cerebrales. En general, mostraron una correlación de buena a excelente. Sin embargo, mostraron diferencias medias significativas y tamaños de efecto grandes. Por lo tanto, los médicos y los investigadores deben tener en cuenta el tipo de software utilizado al interpretar los resultados de las mediciones de volumen obtenidas con software comercial.


Discusión

La confiabilidad de diferentes programas automáticos de segmentación cerebral como SPM, FreeSurfer y FSL se evaluó recientemente en pacientes con enfermedad de Alzheimer o deterioro cognitivo leve (19), y cuando se examinaron resonancias magnéticas con calidad de imagen limitada, los resultados de segmentación obtenidos utilizando el Los programas de SPM fueron más robustos que los obtenidos con FreeSurfer o FSL (19). Con base en esos hallazgos, decidimos utilizar dos versiones de la caja de herramientas SPM ampliamente aplicada (es decir, VBM8 y CAT12) en nuestro estudio. Investigamos las diferencias y superposiciones entre los hallazgos de alteración de GM y WM en controles sanos y pacientes con RTE-HS, RTLE-no, LTLE-HS y LTLE-no revelados por los análisis de VBM realizados con estas cajas de herramientas. Nuestros hallazgos indicaron diferentes patrones de anomalías en la materia gris y blanca en TLE basados ​​en los programas VBM8 y CAT12, como discutimos en detalle a continuación.

Alteraciones GM

En el análisis VBM usando la caja de herramientas más antigua (es decir, VBM8), observamos una ligera reducción en GM en comparación con los controles sanos solo en la región del hipocampo derecho de los pacientes RTLE-HS, mientras que el análisis VBM usando el programa más nuevo CAT12 reveló una significativa Reducciones de GM en las regiones del hipocampo izquierdo y derecho en los pacientes LTLE-HS y RTLE-HS, respectivamente. Nuestro análisis de VBM con resultados de CAT12 está en línea con los de los estudios que informaron reducciones del volumen temporal mesial ipsilateral en el GM de pacientes con TLE-HS en comparación con individuos sanos (20 & # x0201322). Además, los resultados que obtuvimos usando CAT12 son ampliamente consistentes con el conocimiento basado en patología que describe la pérdida neuronal en el hipocampo de pacientes con TLE-HS (23). Los resultados de VBM obtenidos utilizando la caja de herramientas CAT12 deben, por lo tanto, considerarse más representativos de la atrofia de GM en TLE.

En nuestras comparaciones directas entre los pacientes con un diagnóstico sin HS versus los controles sanos, observamos una inflamación significativa de GM en la amígdala en los pacientes RTLE-no en el análisis VBM usando la caja de herramientas VBM8 y en el mismo análisis usando la caja de herramientas CAT12. Este hallazgo está de acuerdo con los de estudios anteriores que demostraron TLE con agrandamiento de la amígdala (24 & # x0201327).

Alteraciones de WM

Nuestra comparación de las alteraciones de la WM en nuestros pacientes con TLE-HS versus los controles sanos mostró que las reducciones de la WM temporal mesial ipsilateral fueron identificadas por el análisis VBM usando CAT12, mientras que el análisis VBM usando VBM8 no detectó ninguna reducción de la WM en LTLE-HS y RTLE -Pacientes con HS. La razón de esto puede deberse a los algoritmos de segmentación mejorados y / o nuevos incorporados en SPM12 en comparación con SPM8. Nuestro análisis de VBM con hallazgos de CAT12 son ampliamente consistentes con estudios que describen anomalías de WM ipsolaterales en pacientes con TLE-HS en comparación con controles sanos (21, 28). Por lo tanto, los resultados de VBM obtenidos con la caja de herramientas CAT12 deben considerarse más representativos de la atrofia de WM en TLE en comparación con los resultados de VBM obtenidos con VBM8.

Una limitación de nuestro estudio podría ser que los grupos de sujetos tenían desequilibrio de género, el grupo LTLE-HS en particular era predominantemente femenino, y los controles sanos eran en su mayoría hombres. Además, dado que la significación estadística a veces puede verse afectada por varios factores, debemos prestar mucha atención a la interpretación de la significación de los resultados.

Los autores de la Ref. (29) compararon los volúmenes de la amígdala y el hipocampo utilizando procedimientos FreeSurfer y VBM8 con segmentación manual. Como parte de un estudio futuro, planeamos evaluar los volúmenes de la amígdala y el hipocampo como las principales regiones afectadas por la epilepsia, utilizando diferentes enfoques como SPM (es decir, VBM8, CAT12), FreeSurfer y FSL con segmentación manual en pacientes con TLE. Aunque en la presente investigación utilizamos estadísticas sólidas y obtuvimos resultados que son concordantes con estudios anteriores, estudios posteriores que utilicen diferentes muestras y métodos podrían ser informativos.


Declaraciones de ética

Conflicto de intereses

Los autores declaran no tener ningún conflicto de intereses.

Aprobación ética

El estudio de investigación cumple con todas las regulaciones éticas requeridas por el comité de ética en Tel-Aviv Sourasky Medical Center (Número de referencia 0207/14). Todos los sujetos dieron su consentimiento informado por escrito de acuerdo con la Declaración de Helsinki. Este estudio está registrado en ClinicalTrials.gov (número de registro: NCT03756545): https://clinicaltrials.gov/ct2/show/NCT03756545.


Introducción

La corteza cerebral del cerebro humano está muy plegada con un grosor promedio de alrededor de 2,5 mm, que varía entre 1 y 4,5 mm en diferentes regiones del cerebro.1 El análisis del grosor cortical (TC) permite la adquisición de valiosos en vivo información sobre neuroanatomía normal y anormal en el cerebro humano sano y enfermo. Esto es de particular interés cuando se investigan los participantes en los que se investiga el deterioro cognitivo o incluso la demencia, como la enfermedad de Alzheimer (EA). La EA es un trastorno neurodegenerativo, caracterizado por la acumulación de proteínas beta amiloide y tau, que se asocian con la neurodegeneración en forma de deterioro sináptico, neuronal y axonal que afecta la memoria y la función cognitiva.2 La neurodegeneración en la EA suele comenzar en las regiones del lóbulo temporal antes. que afectan la neocorteza.3 Estos patrones atróficos se pueden observar con métodos de resonancia magnética estructural (MRI). se ven afectados por la neurodegeneración en la EA5, 6. Para evaluar estas alteraciones cerebrales en forma de atrofia cerebral, se necesitan métodos que proporcionen estimaciones fiables de la TC.

Ya se han introducido varios métodos para las estimaciones de TC7 y pueden clasificarse en términos generales como basados ​​en superficie y # x02010 o en volumen y # x02010.8 Mientras que los métodos basados ​​en volumen y # x02010 comparten la ventaja de tiempos de procesamiento más bajos, los enfoques basados ​​en superficie y # x02010 sobresalen en términos de precisión, ya que se modela toda la superficie. FreeSurfer es un conjunto de software establecido que utiliza el enfoque basado en la superficie y se puede considerar el estándar de oro en las mediciones de TC. Se utiliza con frecuencia para la estimación de TC automatizada con alta precisión9 donde se reconstruye toda la superficie cortical (ver Fig. & # X200B Fig1). 1). Más específicamente, se lleva a cabo un paso de reconstrucción en el que el límite exterior, basado en el límite interior, se reconstruye mediante una deformación de la superficie interior basada en el modelo.1, 10 Aunque el método proporciona estimaciones de espesor precisas, los tiempos de procesamiento extensos son inevitables. Sin embargo, para algunas preguntas de investigación, estos pasos extensos de reconstrucción de la superficie no son necesarios.

Flow & # x02010chart que comprende ambos enfoques metodológicos.

Recientemente, la caja de herramientas de anatomía computacional (CAT12: http://www.neuro.uni-jena.de/cat/) para SPM (software de mapeo estadístico paramétrico, http://www.fil.ion.ucl.ac.uk/ spm /), que ofrece un enfoque alternativo rápido y fácil de & # x02010to & # x02010use para las estimaciones de TC sin la reconstrucción extensa de la superficie. Este enfoque basado en volumen utiliza un espesor basado en proyección (PBT) 11, donde se utiliza un esquema de proyección, utilizando la información de los surcos borrosos para crear un mapa CT correcto. Con el espesor basado en vóxeles, la estimación de PBT permite la creación fácil de la superficie central, que se cree que tiene mejores propiedades que la materia blanca (WM) o la superficie pial. Esta superficie central se genera en el límite de distancia del 50% entre la materia gris (GM) / WM y el GM / líquido cefalorraquídeo (LCR) .11 Ahora es posible incluir la estimación de la CT y la superficie central de ambos hemisferios, con base en en el método PBT.11 La reconstrucción de la superficie incluye la corrección de topología, que tiene en cuenta los defectos topológicos utilizando armónicos esféricos.12 Además, se aplica el mapeo esférico para reparametrizar la malla de la superficie en un sistema de coordenadas común, 13 mientras que el registro esférico adapta el volumen & # algoritmo DARTEL difeomórfico basado en x0201014 a la superficie.

En resumen, este nuevo método PBT conduce a una tremenda reducción en el tiempo de procesamiento ya que no se realiza una reconstrucción extensa de la superficie. Además, una interfaz gráfica de usuario integrada en SPM simplifica el proceso para los usuarios que no están familiarizados con la línea de comandos. Sin embargo, queda por investigar si ambos métodos ofrecen resultados comparables. Aquí, evaluamos las estimaciones de TC utilizando ambos métodos comparando una cohorte de EA con controles sanos (HC).

Los datos de resonancia magnética de los HC y de una cohorte de EA se procesaron con ambos enfoques de TC y se llevó a cabo una comparación de región de interés (ROI) & # x02010wise. Primero, evaluamos las diferencias generales en las estimaciones de CT para ambos métodos y cada ROI. Posteriormente, la TC se comparó directamente entre pacientes con EA y HC para evaluar la aplicabilidad en la investigación clínica. En un último paso, se realizó un análisis de prueba & # x02010retest para obtener información sobre la confiabilidad de ambos métodos.


Un examen sistemático de anomalías volumétricas cerebrales en la esquizofrenia de inicio reciente utilizando análisis morfométricos basados ​​en voxel, basados ​​en la superficie y basados ​​en la región de interés

Las anomalías morfométricas cerebrales en la esquizofrenia se han informado ampliamente en la literatura. La mayoría de los estudios informan casi universalmente las reducciones volumétricas de todo el cerebro, independientemente de las características de las muestras estudiadas (p. Ej., Crónicas / de inicio reciente medicadas / sin tratamiento neuroléptico, etc.). Sin embargo, no se puede decir lo mismo de las anomalías morfométricas regionales notificadas en la esquizofrenia.Si bien ciertas anomalías morfométricas regionales se informan con más frecuencia que otras, no existen tales anomalías que se informen universalmente en todos los estudios. La variabilidad de las características sociodemográficas y clínicas entre las muestras de estudio, así como los problemas técnicos y metodológicos relacionados con la adquisición y el análisis de imágenes estructurales del cerebro, pueden contribuir a la inconsistencia de los hallazgos morfométricos del cerebro en la esquizofrenia. Por lo tanto, el objetivo del presente estudio fue examinar sistemáticamente la morfometría cerebral en pacientes con esquizofrenia de inicio reciente para averiguar si hay diferencias volumétricas regionales o de todo el cerebro significativas detectables en el umbral de significancia apropiado, después de intentar controlar varios factores de confusión que podría afectar los volúmenes cerebrales.

Métodos

Se adquirieron imágenes de resonancia magnética estructural de 90 sujetos (esquizofrenia = 45 sujetos sanos = 45) utilizando un imán de 3 Tesla. Los análisis morfométricos se llevaron a cabo siguiendo las líneas de análisis estándar de las tres estrategias más utilizadas, a saber, morfometría basada en vóxeles de todo el cerebro, morfometría basada en la superficie de todo el cerebro y comparaciones entre grupos de volúmenes regionales generados por segmentación y parcelación automatizadas.

Resultados

En nuestra muestra de pacientes con esquizofrenia de aparición reciente con exposición limitada a neurolépticos, no se observaron anomalías morfométricas cerebrales completas o regionales significativas en los umbrales de significación estadística apropiados con o sin incluir la edad, el sexo y el volumen intracraneal o el volumen cerebral total en la estadística. análisis.

Conclusiones

En el contexto de los hallazgos contradictorios en la literatura, nuestros hallazgos indican que las anomalías morfométricas cerebrales pueden no estar directamente relacionadas con el fenotipo de la esquizofrenia. El análisis de las razones de los resultados inconsistentes entre los estudios, así como la consideración de fuentes alternativas de variabilidad de la morfología cerebral en la esquizofrenia, como los mecanismos epistáticos y epigenéticos, tal vez podrían avanzar en nuestra comprensión de las alteraciones cerebrales estructurales en la esquizofrenia.


Resultados

Comparación del registro de superficie basado en Areal-Feature & # x02013 con la alineación de volumen tradicional de áreas corticales: mapas probabilísticos de áreas corticales.

Usamos regiones binarias de interés (ROI) de las parcelas individuales basadas en clasificadores (16) de cada uno de los 210 sujetos de validación para calcular mapas probabilísticos de cada área cortical (es decir, promedios de sujetos cruzados de las 210 clasificaciones de sujetos individuales de cada área ) (Apéndice SI, Métodos suplementarios M1). Para los análisis basados ​​en volumen, las áreas corticales individuales se mapearon de nuevo al volumen utilizando superficies de sujetos individuales, invirtiendo el proceso mediante el cual los datos se llevaron originalmente a la superficie (Apéndice SI, Métodos suplementarios M2 y M3). La Fig. 1 muestra mapas probabilísticos de cinco áreas ejemplares que abarcan un rango de probabilidades máximas. Cada área se muestra como localizada por características de área y registro de superficie basado en # x02013 (MSMAll) (Fig.1, Inferior, Centro), y según lo localizado por métodos basados ​​en volumen (FNIRT, cortes de volumen parasagital). Un área (3b en la figura 1) tiene una probabilidad máxima de 0.92 en el volumen (naranja, rojo), mientras que las otras cuatro tienen probabilidades pico volumétricas en el rango de 0.35 & # x020130.7 (azul, amarillo). En particular, las probabilidades máximas de estas cinco áreas son todas más altas en la superficie (Fig.1, Más bajo, Centrar) (rango 0,90 & # x020131) que en el volumen, lo que indica que el registro basado en superficie no lineal MSMAll proporciona una alineación funcional sustancialmente mejor entre sujetos que el registro basado en volumen no lineal FNIRT.

Mapas probabilísticos para cinco áreas usando registro de superficie MSMAll areal-feature y # x02013 y alineación de volumen FNIRT. Las probabilidades máximas basadas en el volumen son todas más bajas que las probabilidades basadas en la superficie para estas áreas de ejemplo. Cada área basada en el volumen se muestra en un corte parasagital a través de la probabilidad volumétrica máxima. Ver Apéndice SI, Métodos suplementarios M2 y M3. Los datos están disponibles en https://balsa.wustl.edu/xK0Z.

En la figura 2A , la gráfica de dispersión muestra que las probabilidades máximas de superficie son casi exclusivamente más altas y tienen muchas más áreas con picos al 100% (54 de 360 ​​en la superficie frente a solo 3 en el volumen). Las probabilidades de volumen máximo tienen una media de 0,70 y una DE de 0,17, mientras que las probabilidades de superficie máxima tienen una media mucho más alta (0,94) y una DE más baja (0,06). Solo 5 de las 360 áreas (R_AAIC, R_EC, L_AAIC, L_PoI1 y L_MBelt) tienen un valor pico más alto en el volumen que en la superficie (aquellas debajo de la línea gris), y para estas las diferencias son muy pequeñas. En particular, la mayoría de estas áreas se encuentran en ubicaciones con una buena alineación basada en el plegado pero con una relación señal-ruido (SNR) de fMRI relativamente baja (lo que probablemente reduce la precisión de la alineación basada en la característica de área de MSMAll y # x02013).

(A) Un diagrama de dispersión de la probabilidad de área pico de registro de superficie basado en características de área y # x02013 (MSMAll) versus la probabilidad de área de pico de registro basado en volumen (FNIRT) para las 360 áreas (180 por hemisferio). (B) Un diagrama de dispersión de la señal de área individual capturada por las definiciones de área de grupo (MPM) (Apéndice SI, Métodos suplementarios M6 y M7) en resoluciones de 4 mm funcional (p. ej., datos de fMRI heredados, en verde), funcional de 2 mm (p. ej., fMRI estilo HCP, en azul) y 0,7 mm estructural (p. ej., mielina o fMRI de campo ultra alto, en rojo). En el gráfico de dispersión de la derecha, las líneas grises conectan los tres puntos de datos para cada área (promediados entre hemisferios, 180 en total) que muestran el grado en que los métodos basados ​​en superficie y basados ​​en volumen se benefician de una mayor resolución (con resoluciones intermedias a lo largo de las líneas) . Ver Apéndice SI, Métodos suplementarios M2, M3, M6 y M7.

La probabilidad máxima de área solo representa información en un solo vértice o vóxel para cada área. Para medir mejor la dispersión espacial probabilística de cada área, medimos la proporción de cada área & # x02019s vértices o vóxeles en todos los individuos que estaban contenidos dentro de la definición de grupo del área, simulando la aplicación de la parcela de grupo a los datos (Apéndice SI, Métodos suplementarios M3 y M7). Esta medida se deriva de la idea de que cada área de materia gris cortical generará en algunas situaciones una & # x0201csignal & # x0201d distintiva en relación con otras áreas que es común entre los individuos (es decir, series temporales de resonancia magnética funcional, contenido de mielina, etc.). Usamos este concepto para evaluar y comparar métodos preguntando qué proporción de la señal simulada de individuos & # x02019 se superpone con (o es & # x0201capturada & # x0201d por) las definiciones de área de grupo basadas en la superficie y en el volumen [del mapa de probabilidad máxima ( MPM)] (Apéndice SI, Métodos suplementarios M6). Tanto las medidas basadas en superficie como las basadas en volumen utilizan lo mismo por archivos de volumen individuales para definir la señal simulada.

Figura 2B muestra la fracción de la señal de área que se encuentra dentro de las definiciones de área de grupo, tanto para el volumen como para la superficie. Se simulan varias resoluciones diferentes, incluso cuando los datos se adquieren con vóxeles de 2 mm (puntos azules, simulando datos adquiridos con fMRI de alta resolución estilo HCP), vóxeles de 0,7 mm (puntos rojos, simulando datos adquiridos en estructuras de estilo HCP). resolución, como mapas de mielina o fMRI de campo ultra alto), o vóxeles de 4 mm (puntos verdes, datos de simulación adquiridos con & # x0201clegacy & # x0201d fMRI de baja resolución). En la figura, las líneas grises conectan cada área entre sus valores de 4, 2 y 0,7 mm, lo que revela cuánto se beneficia cada método de los aumentos en la resolución. Esta medida es universalmente más alta en el procesamiento basado en superficie alineado con MSMAll que en el procesamiento basado en volumen alineado con FNIRT, con muy pocas áreas que incluso se acercan a la equivalencia. La mediana en las áreas de la fracción de superficie capturada por MPM es 0,56 para la resolución de adquisición simulada de 2 mm, frente a 0,37 para la fracción de volumen capturada por MPM. Para la resolución de adquisición simulada de 0,7 mm, la mediana de la fracción capturada en la superficie aumenta a 0,67, frente a 0,41 para los métodos basados ​​en volumen, lo que sugiere que una mayor resolución espacial beneficia preferentemente a los análisis basados ​​en la superficie. Para la resolución de adquisición simulada de 4 mm, la mediana de la fracción capturada en la superficie es menor (0,43) como se esperaba, pero sigue siendo más alta que para los métodos basados ​​en volumen (0,29), lo que demuestra los beneficios de los análisis basados ​​en la superficie incluso para baja resolución. , los datos de resonancia magnética funcional heredados [de hecho, los basados ​​en la superficie a 4 mm (0,43) todavía superan a los basados ​​en el volumen a los 0,7 mm (0,41)]. Por lo tanto, en comparación con los análisis basados ​​en superficies alineados con características de área, es mucho más probable que una señal de área individual en análisis basados ​​en volumen se ubique fuera de la definición de área de grupo. De hecho, en promedio, mucho menos de la mitad de la señal se encuentra dentro de la definición de área de grupo en los análisis basados ​​en volumen, incluso antes de tener en cuenta el suavizado que se realiza tradicionalmente (ver Efectos del suavizado espacial en el volumen y en la superficie, debajo).

Comparación del registro de superficie basado en características de área y # x02013 con la alineación de volumen tradicional de áreas corticales: Incertidumbre de área.

Usamos ROI binarios de las parcelas individuales de cada uno de los 210 sujetos para calcular MPM para cada área cortical y para los dominios de tejido no cortical (& # x0201coutside pial & # x0201d y & # x0201cinside white & # x0201d) después del procesamiento a través de diferentes enfoques (Apéndice SI, Métodos suplementarios M1 & # x02013M3, M6, y M8). Como medida objetiva de la calidad de la alineación espacial, calculamos & # x0201 mapas de incertidumbre & # x0201d donde el valor de incertidumbre es igual a 1 menos el valor de probabilidad máximo en cada vértice o vóxel. La Fig.3 muestra la medida de incertidumbre calculada para el registro de superficie basado en características de área y # x02013 (MSMAll SBR) (Fig.3A ) y para cortes parasagitales seleccionados del registro basado en volumen FNIRT (FNIRT VBR) (Fig.3C ). Los valores de incertidumbre para MSMAll SBR son sorprendentemente más bajos (mejores) y más consistentes que los de FNIRT VBR. Para MSMAll SBR, aproximadamente la mitad de la corteza (49,6%) tiene valores de incertidumbre inferiores a 0,2 (probabilidad máxima de área única & # x0003e0,8), y solo un pequeño porcentaje de la corteza tiene valores de incertidumbre superiores a 0,5 (9,0%). Tenga en cuenta que esperamos que la incertidumbre alcance 0,5 en los límites entre dos áreas, y que sea aún mayor en las uniones de más de dos áreas, incluso si los pasos de registro y clasificación hubieran resultado en una superposición casi perfecta de áreas entre sujetos. La transición brusca y constante cerca de los límites de las áreas y los valores generales bajos reflejan tanto la alta calidad de la alineación de áreas en este registro como la consistencia de la parcela entre individuos. Incluso en regiones que suelen ser difíciles de alinear debido a la alta variabilidad de plegamiento (como la corteza prefrontal) (Apéndice SI, Fig. S1), los valores de incertidumbre cercanos a 0,5 se limitan casi por completo a franjas estrechas a lo largo de los límites entre las áreas corticales. El patrón de incertidumbre en gran parte uniforme y de bajo valor, incluso en ubicaciones desafiantes conocidas, indica una excelente alineación entre sujetos con el registro de superficie MSMAll (consulte la Fig. 6 para una comparación con los registros de superficie basados ​​únicamente en el plegado).

Incertidumbre de área de la alineación basada en superficies MSMAll (A) versus alineación basada en volumen FNIRT (C) para las áreas corticales probabilísticas de 210V. El enfoque tradicional basado en el volumen tiene una incertidumbre sustancialmente mayor (verdes, amarillos y naranjas) que el enfoque basado en la superficie estilo HCP como se ve en los histogramas (B y D) así como las imágenes (A y C). En los resultados basados ​​en el volumen, algunas ubicaciones tienen poca incertidumbre (púrpura y negro) y límites relativamente definidos entre áreas (flechas rojas: corteza sensoriomotora temprana, insular y temporal inferior), comparable a lo que se encuentra constantemente en la superficie. Las ROI de volumen que se utilizaron para crear esta figura se generaron mapeando las parcelas de individuos & # x02019 al espacio de la plantilla MNI de 0,7 mm utilizando las superficies de espacio MNI de resolución nativa indiivduals & # x02019 y el método de mapeo de cinta (19). El uso de vóxeles de 0,7 mm minimiza los efectos del tamaño del vóxel en los mapas de probabilidad de grupo, lo que permite investigar el efecto de la alineación por separado del efecto de la resolución del vóxel. En la práctica, las resoluciones típicas de fMRI conducen a una mayor mezcla de señales entre áreas y tejidos no corticales, tanto para análisis de superficie como de volumen (ver Efecto de la resolución de adquisición). Ver Apéndice SI, Métodos suplementarios M2, M3 y M8. Los datos están disponibles en https://balsa.wustl.edu/PGX1.

Comparación de cuatro alineaciones basadas en la superficie: MSMAll areal-feature & # x02013based registration (Cima), Registro basado en plegado MSMSulc (segunda fila), registro basado en plegado FreeSurfer (tercera fila) y una alineación de rotación esférica rígida basada en el registro FreeSurfer (Fondo). los Izquierda La columna muestra seis áreas probabilísticas para cada enfoque de registro con contornos amarillos que representan los límites del área del MPM de 210V. los Centrar La columna muestra los mapas de incertidumbre del área (1 menos la probabilidad máxima en cada vértice), como en la Fig.3. los Derecha La columna muestra los histogramas de los mapas de incertidumbre. Ver Apéndice SI, Métodos suplementarios M4. Los datos están disponibles en https://balsa.wustl.edu/1616.

En la alineación basada en el volumen de FNIRT, algunas ubicaciones de baja variabilidad de plegado muestran una concordancia entre sujetos razonablemente buena, como el surco central y la ínsula (Fig. 3, flechas rojas). En estos lugares, las incertidumbres más altas se restringen localmente a límites obvios entre áreas, o entre la corteza y el líquido cefalorraquídeo (LCR) o sustancia blanca. Sin embargo, muy poca corteza tiene una incertidumbre por debajo de 0,2 (solo el 3,3% de los vóxeles donde la corteza es el tejido más probable), y casi dos tercios de la corteza tiene una incertidumbre por encima de 0,5 (65,5% de los vóxeles donde la corteza es el tejido más probable) . La mayor incertidumbre se concentra en regiones de alta variabilidad de plegamiento cortical (ver también Apéndice SI, Fig. S1). Además, los mapas de incertidumbre basados ​​en el volumen contienen tanto la incertidumbre en la alineación de la materia gris como la incertidumbre en la alineación del área (ver también Apéndice SI, Fig. S2). Estas altas incertidumbres muestran que el registro basado en el volumen no logró alinear las áreas HCP-MMP1.0 entre sujetos en muchas ubicaciones. En particular, la mayoría de los valores muy bajos en el histograma de volumen (Fig.3D ) son de las franjas amplias de baja incertidumbre que se encuentran en la materia blanca del atlas y el LCR, en lugar de en ubicaciones que son materia gris de mayor probabilidad (Apéndice SI, Fig. S3). Por el contrario, los bajos valores de la incertidumbre superficial (Apéndice SI, Fig. S3, Parte superior derecha) ocurren exclusivamente dentro de las áreas corticales de la sustancia gris. Tomados en conjunto, estos datos indican que el análisis de volumen basado en FNIRT no puede discriminar de manera confiable entre áreas corticales en gran parte del neocórtex.

MPM volumétricos de área.

Se han informado MPM volumétricos (vMPM) para áreas corticales en otros estudios (por ejemplo, ref.28), y generamos MPM volumétricos para la parcelación HCP-MMP1.0, como se describe en Apéndice SI, Métodos suplementarios M6. Encontramos que en regiones donde la cinta probabilística de materia gris tiene valores relativamente altos y bajas incertidumbres de área, el vMPM forma una cinta continua gruesa, aproximadamente comparable al grosor cortical promedio en estas regiones. En tales regiones, la alineación basada en el volumen no presenta una gran desventaja con respecto a la alineación basada en la superficie. En contraste, para las regiones donde la materia gris cortical probabilística está menos alineada y la incertidumbre del área es consistentemente alta, el vMPM es más delgado que el grosor cortical promedio. De hecho, en unos pocos lugares hay espacios abiertos que carecen de un área cortical ganadora, identificando regiones donde la sustancia blanca o el LCR es más probable que cualquier área cortical individual (ver Izquierda lado de Apéndice SI, Fig. S4). Esto contrasta con la alineación precisa de cada tema individual & # x02019s parcelación, mapeado al volumen usando las superficies del sujeto & # x02019s y mostrado en el volumen individual & # x02019s T1w, que se superpone completamente al mapa de la materia gris individual & # x02019s (ver Derecha lado de Apéndice SI, Fig. S4). De manera más general, los mapas probabilísticos volumétricos para las áreas ejemplares que se muestran en la Fig.1 representan la distribución esperada de los datos generados por estas áreas en cualquier conjunto de datos que se haya registrado con FNIRT utilizando la configuración FNIRT de HCP & # x02019s sin suavizado espacial. El resultado neto es que cada área en el vMPM es mucho más pequeña que su mapa probabilístico correspondiente, de modo que una gran fracción de cada área y la probabilidad de grupo (y, por lo tanto, la señal) caerá fuera de la parcela vMPM. Cuantificamos este efecto anteriormente en la Fig. 2 para el registro basado en superficie MSMAll frente a la alineación basada en volumen FNIRT (ver Fig. 8 para enfoques de análisis adicionales). Esta mala alineación de las áreas corticales del sujeto individual con el MPM del grupo es un problema fundamental para el uso de un MPM volumétrico para representar áreas corticales. A continuación, demostramos que este problema se ve agravado drásticamente por el suavizado espacial que se usa comúnmente en los estudios basados ​​en volumen.

(Izquierda) Gráficos de caja y bigotes de la probabilidad máxima de cada área para varios métodos SBR y para el registro basado en volumen FNIRT, más los efectos de diferentes cantidades de superficie (4, 8 y 15 mm FWHM) y suavizado de volumen (4 - y FWHM de 8 mm). Los métodos de registro menos óptimos y un mayor suavizado reducen constantemente la probabilidad de área máxima. El suavizado basado en el volumen tiene el mayor impacto, seguido de la alineación basada en el volumen frente a la basada en la superficie. La disminución de FreeSurfer en comparación con MSMSulc es similar en magnitud a la de suavizar los datos de MSMAll en 4 mm FWHM. (Derecha) Fracción de área capturada por MPM usando vóxeles espaciales MNI de 2 mm para los mismos 10 métodos, mostrando un patrón similar. En particular, las áreas que lo hacen peor en el nuevo MSMAllStrain generalmente están bien alineadas mediante el plegado, mientras que las áreas que lo hacen mejor en MSMAllStrain tienen más variabilidad entre los sujetos (el nuevo MSMAllStrain permite distorsiones más leves a moderadas mientras sujeta las distorsiones máximas). La línea roja es la mediana, los bordes de la caja son los percentiles 25 & # x0201375, los bigotes son 2,7 DE y los puntos positivos rojos son valores atípicos más allá de 2,7 DE. Ver Apéndice SI, Métodos suplementarios M2 & # x02013M7.

Efectos del suavizado espacial en el volumen y en la superficie.

El suavizado de datos volumétricos se utiliza ampliamente como una forma de reducir el ruido de los vóxeles, aumentar las medidas de significación estadística y satisfacer los supuestos estadísticos. También se presume a menudo que compensa la alineación imperfecta de las áreas corticales entre los sujetos. Desafortunadamente, el suavizado en el volumen mezcla datos a través de los compartimentos de tejido y a través de los límites de las áreas, incluidas las áreas no contiguas en los bancos opuestos de los pliegues circunvales y sulcales (9).Al tratar las parcelaciones binarias de individuo-sujeto como parches de señal idealizada, podemos mostrar el efecto del suavizado en la pureza y extensión de la señal de área (Apéndice SI, Métodos suplementarios M3 y M4). Este efecto es visible como una reducción en la probabilidad de área máxima y una expansión de los mapas de probabilidad de área basados ​​en el volumen en la Fig. 4, que muestra tres áreas ejemplares después de diferentes cantidades de suavizado. Área 3b (Fig.4, Cima fila) tiene una distribución probabilística relativamente estrecha sin ningún suavizado (Fig.4, Cima, Izquierda), pero el valor pico se reduce notablemente y la extensión espacial aumenta con el suavizado volumétrico medio máximo (FWHM) de ancho completo de 4 mm, tendencias deletéreas que empeoran con el suavizado FWHM de 8 mm. Las áreas 55b y LIPv comienzan con una mayor dispersión en la condición sin suavizado, por lo que los efectos del suavizado volumétrico no son tan dramáticos visualmente, pero son sustanciales en ambos casos. Niveles comparables de suavizado basado en la superficie aplicados a las mismas tres áreas registradas por MSMAll (Fig.4, Fondo row) muestran un efecto mucho menor, aunque el suavizado todavía erosiona la localización.

Efectos del alisado basado en volumen y en superficie en áreas corticales de ejemplo. los Cima tres filas muestran cortes sagitales agrandados de mapas probabilísticos volumétricos a través de la probabilidad máxima de tres áreas ejemplares, antes (Izquierda) y después de un suavizado gaussiano basado en volumen sin restricciones de 4 mm (Centrar) o de 8 mm (Derecha) FWHM. En cada fila, los puntos blancos están en las posiciones correspondientes como referencia. los Fondo La fila muestra las mismas cantidades de suavizado gaussiano basado en la superficie aplicado a las mismas tres áreas después del registro basado en características de área y # x02013 (MSMAll). Los valores de probabilidad de área disminuyen en el volumen después del alisado sustancialmente más que en la superficie con la misma cantidad en milímetros FWHM de alisado. Ver Apéndice SI, Métodos suplementarios M3 y M4. Los datos están disponibles en https://balsa.wustl.edu/7Blg.

Desde el punto de vista de la localización cortical, el suavizado basado en el volumen erosiona sustancialmente la fidelidad con la que se pueden realizar las asignaciones de áreas. Este efecto se ilustra en las dos filas superiores de la Fig.5, que muestra mapas de incertidumbre del área (Fig.5, segunda fila) e histogramas (Fig.5, Cima fila) sin suavizar (Fig.5, Izquierda) y después del suavizado volumétrico de los mapas de probabilidad de grupo mediante FWHM de 4 mm (Fig.5, Centrar) y FWHM de 8 mm (Fig.5, Derecha), que son niveles de suavizado volumétrico comúnmente utilizados en estudios de resonancia magnética funcional. Sobre la mayor parte de la cinta cortical, la incertidumbre del área en los mapas suavizados por volumen excede 0.5 (verde / amarillo), especialmente para el suavizado FWHM de 8 mm, lo que indica que la identificación neuroanatómica a nivel de áreas corticales individuales en la parcela HCP-MMP1.0 es bastante limitado de hecho. Suavizado basado en la superficie de los mapas de probabilidad areal a 4 y 8 mm FWHM (Fig.5, Más bajo filas) también provoca cierta confusión en los límites de las áreas. Sin embargo, a diferencia del suavizado basado en el volumen, no se difumina en los surcos ni en las categorías de tejidos, por lo que los efectos generales son sustancialmente menos perjudiciales. Ver Apéndice SI, Fig. S5 para niveles adicionales de suavizado de volumen de 2, 6 y 10 mm FWHM que se han informado para estudios de resonancia magnética funcional (17). Apéndice SI, La Fig. S6 muestra el nivel de suavizado de superficie adicional de FWHM de 15 mm que se ha informado en la literatura (29) y que se acerca a los valores de incertidumbre del área observados en la alineación basada en volumen sin suavizar junto con los mismos tres niveles de suavizado (4, 8 y 15 mm) con una alineación FreeSurfer.

Comparación de diferentes grados de suavizado (columnas) para ambos basados ​​en volumen (Superior dos filas) y en superficie (Más bajo dos filas) se acerca. Se muestran tanto histogramas como mapas de incertidumbre de área. Estos se calcularon suavizando los mapas de probabilidad, lo que equivale a suavizar los ROI por sujeto antes de promediar. Los granos alisados ​​en la superficie tienen claramente efectos menos perjudiciales que los granos alisados ​​del mismo tamaño en el volumen, porque el alisado de la superficie evita el alisado a través de los surcos o hacia otros tejidos. Como en la Fig. 3, los histogramas basados ​​en volumen tienen colas sustanciales de & # x0201clow incertidumbre & # x0201d que surgen de una mala alineación de la cinta cortical y de la cola del núcleo de suavizado gaussiano dentro de la sustancia blanca y el LCR. Ver Apéndice SI, Métodos suplementarios M3, M4 y M8. Los datos están disponibles en https://balsa.wustl.edu/6MB7.

El suavizado basado en el volumen también desplaza la ubicación de la probabilidad máxima de materia gris hacia la parte central de los surcos llena de LCR y hacia la parte de materia blanca de los giros (Apéndice SI, Figura S7). Las características en las regiones de baja variabilidad de plegamiento (p. Ej., La corteza insular y la circunvolución temporal superior) se definen con precisión sin suavizar, al igual que el límite entre la materia gris y blanca en tales regiones. Con el suavizado, los fondos sulcales no solo están borrosos, sino que la ubicación aparente de la transición entre la materia gris y blanca se desplaza sustancialmente, particularmente para niveles altos de suavizado (p. Ej., FWHM de 8 mm).

Comparación de la calidad de alineación de área de diferentes métodos de registro basados ​​en superficies.

Comparamos la calidad de alineación de cuatro métodos de registro diferentes basados ​​en superficies (Apéndice SI, Métodos suplementarios M4). La figura 6 muestra los resultados para el registro MSMAll (función de área & # x02013based), MSMSulc (plegable & # x02013based, con menos distorsión que FreeSurfer), FreeSurfer (plegable & # x02013based) y una alineación rígida de rotación de esfera (que tiene solo 3 grados) -of-freedom, mientras que los warpfield esféricos a menudo tienen miles) derivados del registro de FreeSurfer. Cada fila de la figura muestra mapas probabilísticos de superficie para seis áreas corticales representativas, mapas de incertidumbre de área e histogramas de valores de incertidumbre. Las tres formas de representar los datos demuestran que MSMAll proporciona la alineación más ajustada de los mapas probabilísticos HCP-MMP1.0 (probabilidades máximas más altas y agrupaciones más estrictas). MSMSulc es intermedio, aunque solo ligeramente mejor que FreeSurfer, que a su vez es ligeramente mejor que la rotación esférica en general. El método de rotación esférica y la alineación # x02019s está impulsado principalmente por similitudes en la inflación esférica entre sujetos. Las probabilidades de área máximas y el grado de dispersión de área que se encuentran aquí para el registro basado en plegamiento de FreeSurfer son comparables a los informados en estudios anteriores que usaron el registro de FreeSurfer con otras parcelas (12, 30, 31). Tenga en cuenta que la máxima superposición posible en la superficie (o en el volumen) es inferior al 100% para algunas áreas porque el clasificador de áreas no detecta el 100% de todas las áreas en todas las materias y porque hay topologías atípicas en algunas áreas en algunas materias. que evitan que cualquier topología que conserve el registro logre una superposición perfecta entre los sujetos (Apéndice SI, Métodos suplementarios M1).

Efecto de la resolución de adquisición.

De las tres opciones principales de adquisición y análisis realizadas en estudios de neuroimagen que impactan directamente en la fidelidad espacial (resolución de adquisición, método de alineación entre sujetos y método y cantidad de suavizado), encontramos que las opciones de resolución de adquisición de resonancia magnética funcional comúnmente utilizadas tienen el menor impacto general (Apéndice SI, Métodos suplementarios M2). La figura 7 compara cómo el procesamiento basado en superficie y basado en volumen se ve afectado por la combinación de efectos de alineación tisular de volumen parcial y basado en volumen, con las resoluciones de adquisición de resonancia magnética funcional 3T de última generación (isotrópico de 2 mm) y otras cinco resoluciones simuladas (0,7 y # x020134,0 mm). Muestra que los efectos de volumen parcial en la superficie disminuyen sustancialmente (aumenta la fracción de señal de materia gris) cuando se adquieren datos con tamaños de vóxel más pequeños. En particular, para el análisis basado en la superficie, el patrón espacial promedio de grupo en esta medida está determinado en gran medida por el grosor cortical y es muy uniforme en gran parte de la corteza. Por el contrario, los histogramas de los datos de volumen promedio de grupo se mantienen en gran medida sin cambios, a pesar de los aumentos en la resolución de adquisición, porque las imprecisiones de la alineación basada en el volumen dominan en gran medida la medida, lo que muestra que los análisis tradicionales basados ​​en el volumen no pueden aprovechar por completo los valores más altos. datos de resolución. La fracción de señal cortical de grupo basada en el volumen máximo también varía considerablemente en diferentes regiones de la corteza (por ejemplo, entre el surco central y la corteza parietal superior), lo que sugiere heterogeneidad espacial en el poder estadístico y la precisión de localización para los análisis basados ​​en el volumen.

El efecto de la resolución de adquisición sobre la separación de la señal cortical de la señal no cortical, para la superficie basada (Izquierda dos columnas) y basado en volumen (Centrar dos columnas) procesamiento. La medida que se muestra es la fracción de materia gris cortical promedio del grupo de cada vértice o vóxel. los Derecha-La columna más grande muestra un volumen de fracción cortical individual & # x02019s (sujeto HCP 121618) para las mismas seis resoluciones, como ejemplo de las entradas a los análisis. No se aplicó suavizado. La fracción de señal cortical se degrada algo en el borde de la corteza (vóxeles verdes) en muchas regiones, incluso con una resolución de 2 mm (aunque esto es menor que el grosor cortical medio) y se degrada severamente (muchos vóxeles verdes y azules) en Resoluciones utilizadas tradicionalmente entre 3 y 4 mm. Ver Apéndice SI, Métodos suplementarios M2. Los datos están disponibles en https://balsa.wustl.edu/5gMx.

Aunque la resolución de adquisición tiene el impacto más bajo entre las tres opciones de procesamiento mencionadas anteriormente, una resolución de adquisición más fina, especialmente por debajo del grosor cortical medio de 2,6 mm, es muy útil para los estudios basados ​​en la superficie, que no están limitados por la alineación entre sujetos basada en el volumen. Las resoluciones más altas (por ejemplo, el tamaño de vóxel de 1,6 mm para los datos de resonancia magnética funcional HCP 7T) reducirán los efectos de volumen parcial y permitirán análisis más avanzados, como los que se centran en las diferencias laminares dentro de la cinta cortical (9) (Apéndice SI, Figura S8). Sin embargo, tales análisis requerirán avances técnicos en la adquisición de MRI y la optimización de las compensaciones entre el tamaño del vóxel, la SNR y la velocidad de adquisición.

Medidas de localización resumidas para diferentes registros y niveles de suavizado.

La Fig. 8 proporciona una comparación resumida valiosa a través de una variedad de enfoques, utilizando las medidas de captura de área y probabilidad máxima antes mencionadas (Fig. 2) para cada una de las 360 áreas corticales. En particular, esta figura también incluye un nuevo registro basado en la superficie MSMAll regularizado por cepas (20), que no se usó para definir la parcelación o entrenar el clasificador de área, pero que, sin embargo, muestra un rendimiento muy similar al MSMAll original. los Izquierda Los diagramas de caja y bigotes de la Fig.8 muestran las probabilidades máximas de cada área, y la Fig.8, Derecha muestra las medidas de la señal de área capturada por MPM para los mismos 10 métodos (usando ponderación de volumen parcial de resolución de 2 mm). Estas medidas dan la misma clasificación a las medianas de cada método, que se tabulan en Apéndice SI, Tabla S1. Una comparación particularmente importante muestra que el nivel de suavizado más comúnmente utilizado (17) en el enfoque tradicional (FNIRT + suavizado de volumen FWHM de 8 mm) es solo un 35% tan bueno como el mejor método basado en superficie (MSMAll) usando medidas de pico medio probabilidad de área (0.340 versus 0.967) y fracción de área capturada por MPM mediana (0.200 versus 0.564). La comparación del análisis basado en la superficie utilizando solo la rotación rígida para la alineación esférica con el análisis basado en el volumen sin suavizar revela los beneficios logrados al simplificar el problema de registro cortical entre sujetos más desafiante de 3D a 2D y resolver el problema de segmentación de tejido más manejable para manejar la tercera dimensión. Estas mejoras conceptuales reflejan la ventaja fundamental que tienen los enfoques basados ​​en la superficie sobre los enfoques basados ​​en el volumen (Apéndice SI, Discusión complementaria D2). Grandes cantidades de suavizado basado en la superficie (FWHM de 15 mm) degradan sustancialmente la localización del área cortical a niveles similares a la alineación basada en volumen sin suavizado.

Asignación de resultados de volumen promedio de grupos heredados en la superficie.

Los análisis tradicionales basados ​​en el volumen a menudo mapean los resultados basados ​​en el volumen promedio del grupo en las superficies promedio del grupo para fines de visualización utilizando, por ejemplo, el enfoque & # x0201caverage fiducial mapping & # x0201d (24). Si bien este enfoque tiene limitaciones conocidas, su precisión no se ha analizado previamente con cuidado. Usamos una forma modificada de este enfoque, que llamamos mapeo de superficie promedio (ASM), empleando la técnica de mapeo de volumen a superficie basada en cinta (19) y el promedio de grupo MSMA Todas las superficies blancas y piales (Apéndice SI, Métodos suplementarios M9). En Apéndice SI, Fig. S9 ilustramos el escollo principal de este enfoque: los contornos de superficie promedio de grupo no siguen consistentemente la cinta cortical promedio de grupo, particularmente en regiones de alta variabilidad de plegado (ver Apéndice SI, Figura S9 B, 2). Incluso cuando se utiliza el registro de superficie basado en el plegado, los patrones de plegado topológicamente incompatibles (p. Ej., Dos circunvoluciones en algunos sujetos donde típicamente solo hay uno) conducen a reducciones en el área de superficie cortical promedio del grupo que & # x0201cshrink & # x0201d la superficie hacia la dirección de plegado, ya que estos patrones no se pueden alinear y, por lo tanto, dan como resultado una variabilidad significativa de coordenadas entre sujetos. El detalle de plegado de la superficie promedio de grupo se reduce aún más cuando se utilizan superficies promedio de datos registrados por MSMAll en lugar de alineación basada en plegado debido a discrepancias entre la función y los pliegues (Apéndice SI, Fig. S1). De hecho, las superficies promedio del grupo MSMAll solo muestran detalles de plegado significativos en ubicaciones que tienen una buena correspondencia entre pliegues y áreas. Por lo tanto, el mapeo de datos de volumen promedio de grupo en superficies promedio de grupo tendrá sesgos adicionales (además de los efectos de desenfoque de desalineación y suavizado y los efectos de sesgo de suavizado de la corteza plegada que se muestran en Apéndice SI, Figura S7). Las superficies promedio plegables serán solo modestamente mejores que las superficies MSMAll en general.

Un enfoque alternativo para mapear datos de volumen promedio de grupo en superficies es el método & # x0201cmmapeo multifiducial & # x0201d, que utiliza superficies anatómicas de grosor medio (fiduciales) de muchos individuos como intermedios (24). Aquí modificamos de manera similar este método utilizando el mapeo de cinta y lo llamamos & # x0201cmmapeo individual múltiple & # x0201d (MIM). El mapa de fracción de materia gris cortical de este enfoque es más suave, mostrando menos sensibilidad a los patrones de plegado, pero también tiene un valor general más bajo, como se muestra en Apéndice SI, Fig. S9 (ver Apéndice SI, Leyenda de la figura de la Fig. S9 y Apéndice SI, Métodos suplementarios M2 y M9). Este efecto se produce porque la desalineación del tejido de FNIRT se aplica dos veces: una vez al hacer la cinta cortical de promedio de grupo basada en el volumen y otra vez al mapear el promedio de grupo en las superficies individuales & # x02019. Este método también da como resultado una mayor mezcla entre las clases de tejidos, disminuyendo la contribución cortical a los valores mapeados en la superficie.

Estos efectos también son evidentes cuando se observan áreas corticales. De hecho, después de promediar los mapas de área de espacio MNI de 2 mm en el volumen, mapear este resultado en un gran conjunto de superficies individuales y promediar en la superficie, los mapas de área resultantes cambian drásticamente en relación con el enfoque de mapeo basado en la superficie. cada sujeto individual y los volúmenes de área # x02019s en sus propias superficies antes de promediar (Apéndice SI, Figura S10). Estos efectos se extienden también a los mapas de volumen parcial máximo (Fig. 9). En regiones con alta variabilidad de plegamiento, es un desafío para las áreas corticales dominar las clases de tejidos no corticales (materia blanca en particular), como lo muestran las extensas regiones de color amarillo brillante en las dos filas superiores para el mapeo FNIRT + ASM (Fig.9, columna 2) y su extensión aún mayor para FNIRT + MIM (Fig.9, columna 4). Estos efectos se ven agravados aún más por el suavizado basado en el volumen (Fig. 9, columnas 3 y 5). En particular, para algunas áreas corticales que están bien alineadas por pliegues, como las de la ínsula, los métodos son esencialmente idénticos en los enfoques sin suavizar (aunque nuevamente, el suavizado basado en el volumen es universalmente perjudicial). Sin embargo, al analizar toda la corteza, es mucho mejor mapear datos individuales en superficies individuales y alinear los datos en la superficie si se quiere relacionarlos con datos basados ​​en la superficie, incluida la parcelación multimodal de HCP & # x02019s.

Comparación del mapa de volumen parcial máximo basado en la superficie con los mapas producidos después del análisis basado en el volumen con ASM o MIM, y el suavizado basado en el volumen FWHM de 4 mm antes de ASM y MIM. La figura utiliza los mismos métodos que Apéndice SI, Fig. S10, y luego usa la fracción máxima para etiquetar los vértices de la superficie. En el Superior dos filas, el amarillo brillante es la etiqueta de la materia blanca y el naranja brillante es la etiqueta del LCR (que se presenta sólo en unos pocos parches pequeños). Las regiones sustanciales de la corteza no se separan en áreas corticales después del análisis basado en volumen y MIM, y ASM muestra franjas significativas donde las coronas giratorias están decapitadas. Por otro lado, en regiones de menor variabilidad de plegado y variabilidad de áreas frente a pliegues, como la ínsula, los métodos basados ​​en el volumen reproducen la parcelación encontrada con el enfoque basado en la superficie, particularmente si no se usa el suavizado. Ver Apéndice SI, Métodos suplementarios M2 y M9. Los datos están disponibles en https://balsa.wustl.edu/nKvx.


Introducción

La volumetría cerebral basada en imágenes por resonancia magnética (IRM) es una técnica valiosa para identificar cambios morfométricos subcorticales en vivo y determinar el impacto neurológico regional de la psicopatología, la progresión de la enfermedad y el avance de los regímenes terapéuticos. Este enfoque ha sido útil para caracterizar los efectos de la demencia (Carmichael et al. 2005, Teipel et al. 2008, Thompson et al. 2001), trastornos psiquiátricos (Csernansky et al. 1998, Hickie et al. 2005, Konarski et al. 2008, Styner et al. 2004) y envejecimiento normal (Brickman et al. 2008, élderkin-Thompson et al. 2008, Walhovd et al. 2005), además de descubrir las consecuencias neurológicas regionales y globales de enfermedades sistémicas como el Virus de la Inmunodeficiencia Humana (VIH) (Carmichael et al. 2007, Sporer et al. 2005, Stout et al. 1998, Thompson et al. 2005, Thompson et al. 2006), diabetes (Jongen y Biessels 2008, Perantie et al. 2007, Tiehuis et al. 2008, Wessels et al. 2007) y escoliosis (Liu et al. 2008). A medida que avanzan las técnicas de resonancia magnética, en vivo La medición volumétrica será cada vez más valiosa en el impulso de comprender la evolución y progresión de las lesiones de los trastornos del SNC, así como del envejecimiento típico.

La gama de aplicaciones clínicas para la volumetría de resonancia magnética ha generado un gran interés en maximizar la precisión y la eficiencia de las técnicas de segmentación automatizadas. Durante años, la delineación manual realizada por expertos capacitados se ha mantenido como el & # x0201cgold standard & # x0201d de precisión en análisis volumétricos. Sin embargo, si bien sigue siendo el estándar de referencia actual para la segmentación, la precisión de la volumetría manual en relación con el volumen de la estructura real todavía se debate ampliamente, ya que los resultados pueden verse influenciados por factores como los protocolos anatómicos, la experiencia del trazador, los parámetros de adquisición de escaneo, la calidad de la imagen e incluso el hardware informático empleado en el procedimiento de rastreo (Jack et al. 1990, Jack et al. 1995, Warfield et al. 2004). Además, los trazados manuales requieren mucho tiempo, hasta dos horas por estructura (aunque este tiempo puede variar según la complejidad de la estructura, el grosor del corte y la experiencia del evaluador). Por lo tanto, el tiempo, los recursos financieros y de personal necesarios hacen que la volumetría manual en estudios de cohortes grandes no sea práctica.

Se han desarrollado múltiples métodos automatizados para reducir el tiempo de rastreo y garantizar una excelente confiabilidad (Andersen et al. 2002, Heckemann et al. 2006, Powell et al. 2008). En particular, el paquete de software FreeSurfer (Martinos Center, Boston, MA) y la caja de herramientas Individual Brain Atlases (IBASPM Cuban Neuroscience Center, La Habana, Cuba) del popular paquete Statistical Parametric Mapping (SPM Wellcome Trust Center for Neuroimaging, Reino Unido) son ampliamente utilizados. y tener métodos bien publicados. Ambos paquetes están completamente automatizados, empleando un enfoque de segmentación basado en atlas para generar un mapa de etiquetas anatómicas individualizado para una imagen de paciente espacialmente normalizada, basada en un atlas compuesto de escaneos de referencia trazados manualmente (Aleman-Gomez et al. 2006, Ashburner y Friston 1997, Ashburner et al. 1999, Ashburner y Friston 2005, Fischl et al. 2002, Han y Fischl 2007, Tzourio-Mazoyer et al. 2002).

Si bien ambos paquetes han sido validados por sus creadores, su precisión y / o consistencia pueden variar según la calidad de la imagen, los parámetros de escaneo y el hardware de escaneo (Jovicich et al. 2009, Han y Fischl 2007, Tae et al. 2008). Además, las comparaciones anteriores de métodos automatizados de la competencia han mostrado diferencias notables en su desempeño en relación con la segmentación manual, a pesar de examinar solo un número limitado de estructuras (Cherbuin et al. 2009, Klauschen et al. 2009, Morey et al. 2009, Shen et al. 2009, Tae et al. 2008). Algunos han sugerido que la composición de pacientes del atlas fuente, en particular la inclusión de sujetos sanos o enfermos, puede de hecho influir en la solidez de cada paquete de software con pacientes enfermos o cerebros morfológicamente diferentes (Csapo et al. 2009, Tae et al. 2008, Zhang 1996). Las diferencias en los canales de procesamiento de FreeSurfer e IBASPM, además de la composición del atlas, como los algoritmos para el registro y la aplicación estadística de la información contenida en los atlas, subrayan la importancia de volver a validar estos paquetes antes de analizar los datos obtenidos con parámetros de escaneo o poblaciones de pacientes. que son distintos de los de estudios de validación anteriores, especialmente en el caso de un gran tamaño de muestra o un estudio de múltiples sitios.

El propósito de este estudio fue abordar las inconsistencias descritas anteriormente en los resultados de segmentación subcortical de FreeSurfer e IBASPM mediante el examen de la medición volumétrica automatizada de varias estructuras subcorticales clínicamente relevantes de un gran estudio de consorcio multisitio sobre la infección por VIH. Comparamos la precisión y consistencia de los resultados volumétricos para el caudado, putamen, hipocampo y amígdala obtenidos mediante tres métodos: segmentación AAM, FreeSurfer (Martinos Center for Biomedical Imaging, Boston, MA) e IBASPM (Cuban Neuroscience Center, La Habana, Cuba). ). El deterioro cognitivo es una característica bien descrita de la progresión del VIH, y un pequeño número de estudios lo han relacionado con la atrofia de las estructuras subcorticales (Gonzalez-Scarano y Martin-Garcia 2005, Hall et al. 1996, Pablo et al. 2002, Ragin et al. 2005, Robertson et al. 2007, Stout et al. 1998). Las investigaciones futuras de esta relación requerirán estudios a gran escala que dependerán de procedimientos volumétricos automatizados para obtener datos de manera eficiente. Para garantizar que los datos se interpreten correctamente, será fundamental anticipar y, por lo tanto, minimizar las posibles deficiencias de estos métodos automatizados. Con este fin, intentaremos caracterizar la precisión y variabilidad de estos métodos, así como examinar la capacidad de cada uno de descubrir relaciones válidas significativas cuando se correlacionan con medidas clínicas de progresión del VIH.


Palabras clave

Los dos primeros autores contribuyeron igualmente a este trabajo.

Los datos utilizados en la preparación de este artículo se obtuvieron de la base de datos de la Iniciativa de neuroimagen de la enfermedad de Alzheimer (ADNI) (adni.loni.ucla.edu). Como tal, los investigadores dentro de ADNI contribuyeron al diseño e implementación de ADNI y / o proporcionaron datos, pero no participaron en el análisis o redacción de este informe. Se puede encontrar una lista completa de investigadores de ADNI en: http://adni.loni.ucla.edu/wp-content/uploads/how_to_apply/ADNI_Acknowledgement_List.pdf.