Mozková morfometrie - Brain morphometry

Mozková morfometrie je podoblastí morfometrie a mozkových věd , zabývající se měřením mozkových struktur a jejich změnami během vývoje , stárnutí, učení, nemoci a evoluce . Protože pitva podobná pitvě je u živých mozků obecně nemožná , morfometrie mozku začíná neinvazivními neuroimagingovými daty, typicky získanými z magnetické rezonance (MRI). Tato data se rodí digitální , což umožňuje výzkumníkům dále analyzovat obrazy mozku pomocí pokročilých matematických a statistických metod, jako je kvantifikace tvarů nebo vícerozměrná analýza . To umožňuje vědcům kvantifikovat anatomické rysy mozku, pokud jde o tvar, hmotnost, objem (např. Hippocampus nebo primární versus sekundární vizuální kůra ), a odvodit konkrétnější informace, jako je encefalizační kvocient , hustota šedé hmoty a konektivitu bílé hmoty, gyrifikaci , tloušťku kůry nebo množství mozkomíšního moku . Tyto proměnné pak mohou být mapovány v objemu mozku nebo na povrchu mozku, což poskytuje pohodlný způsob, jak posoudit jejich strukturu a rozsah v průběhu času, mezi jednotlivci nebo dokonce mezi různými biologickými druhy . Pole se rychle vyvíjí spolu s technikami neurozobrazování - které dodávají základní data -, ale také se částečně vyvíjí nezávisle na nich, jako součást vznikající oblasti neuroinformatiky , která se zabývá vývojem a přizpůsobováním algoritmů pro analýzu těchto dat.

Pozadí

Terminologie

Pojem mapování mozku se často používá zaměnitelně s mozkovou morfometrií, přestože mapování v užším smyslu promítání vlastností mozku do mozaiky šablony je, přísně vzato, pouze podobor mozkové morfometrie. Na druhou stranu, ačkoli mnohem zřídka, je neuromorfometrie také někdy používána jako synonymum pro mozkovou morfometrii (zejména v dřívější literatuře, např. Haug 1986 ), ačkoli technicky je pouze jedním z jejích dílčích polí.

Biologie

Morfologie a funkce komplexního orgánu, jako je mozek, jsou výsledkem mnoha biochemických a biofyzikálních procesů, které interagují vysoce komplexním způsobem ve více měřítkách v prostoru a čase ( Vallender et al., 2008 ). Většina genů, o nichž je známo, že řídí tyto procesy během vývoje mozku , zrání a stárnutí, je vysoce konzervovaná ( Holland, 2003 ), ačkoli některé vykazují polymorfismy (srov. Meda et al., 2008 ) a výrazné rozdíly na kognitivní úrovni jsou hojné i mezi blízce příbuzné druhy nebo mezi jednotlivci v rámci druhu ( Roth a Dicke, 2005 ).

Naproti tomu variace v makroskopické anatomii mozku (tj. Na úrovni detailů, které jsou stále rozeznatelné pouhým lidským okem ) jsou dostatečně konzervativní, aby umožňovaly srovnávací analýzy , a přitom dostatečně rozmanité, aby odrážely variace uvnitř i mezi jednotlivci a druhy: Jako morfologické analýzy, které Porovnání mozků v různých ontogenetických nebo patogenních fázích může odhalit důležité informace o postupu normálního nebo abnormálního vývoje v rámci daného druhu, srovnávací studie mezi druhy mají podobný potenciál odhalit evoluční trendy a fylogenetické vztahy.

Vzhledem k tomu, že zobrazovací modality běžně používané pro morfometrická vyšetření mozku jsou v podstatě molekulární nebo dokonce subatomární povahy, může řada faktorů interferovat s odvozenou kvantifikací mozkových struktur. Patří sem všechny parametry uvedené v „aplikacích“, ale také stav hydratace, hormonální stav, léky a zneužívání návykových látek.

Technické požadavky

Existují dva hlavní předpoklady pro morfometrii mozku: Za prvé, mozkové rysy, které nás zajímají, musí být měřitelné, a zadruhé musí být k dispozici statistické metody pro kvantitativní porovnávání měření. Porovnání tvarových prvků tvoří základ lineární taxonomie a dokonce i v případech konvergentní evoluce nebo mozkových poruch stále poskytují velké množství informací o povaze příslušných procesů. Porovnání tvarů je již dlouho omezeno na jednoduchá a hlavně měření založená na objemu nebo řezech, ale má obrovský prospěch z digitální revoluce, protože nyní lze všechny druhy tvarů v libovolném počtu rozměrů zpracovávat numericky.

Navíc, přestože extrakce morfometrických parametrů, jako je mozková hmota nebo objem alkoholu, může být ve vzorcích post mortem relativně jednoduchá , většina studií na živých subjektech bude nutně muset použít nepřímý přístup: Je získána prostorová reprezentace mozku nebo jeho složek nějakou vhodnou technikou neuroimagingu a sledované parametry pak mohou být analyzovány na tomto základě. Taková strukturální reprezentace mozku je také předpokladem pro interpretaci funkčního neuroimagingu .

Návrh morfometrické studie mozku závisí na více faktorech, které lze zhruba kategorizovat takto: Za prvé, v závislosti na tom, zda jsou cíleny ontogenetické, patologické nebo fylogenetické problémy, lze studii navrhnout jako podélnou (v rámci stejného mozku, měřenou v různých časech) ), nebo průřezové (napříč mozky). Za druhé, obrazová data mozku lze získat pomocí různých způsobů zobrazování neuro . Za třetí, vlastnosti mozku lze analyzovat v různých měřítcích (např. V celém mozku, zájmových oblastech , kortikálních nebo subkortikálních strukturách). Za čtvrté, data mohou být podrobena různým druhům kroků zpracování a analýzy. Mozková morfometrie jako disciplína se zabývá hlavně vývojem nástrojů řešících tento čtvrtý bod a integrací s předchozími.

Metodiky

S výjimkou obvykle plátkem založené na histologii mozku, neuroimaging data jsou obvykle uloženy jako matrice z voxelů . Nejpopulárnější morfometrická metoda je tedy známá jako morfometrie založená na Voxelu (VBM; viz Wright et al., 1995 ; Ashburner a Friston, 2000 ; Good et al., 2001 ). Přestože zobrazovací voxel není biologicky významnou jednotkou, byly vyvinuty další přístupy, které potenciálně nesou bližší soulad s biologickými strukturami: morfometrie založená na deformaci (DBM), povrchová morfometrie (SBM) a sledování vláken na základě difúzně vážených zobrazování (DTI nebo DSI). Všechny čtyři se obvykle provádějí na základě zobrazovacích dat magnetické rezonance (MR) , přičemž první tři běžně používají T1 -vážené (např. Magnetization Prepared Rapid Gradient Echo, MP-RAGE) a někdy T2-vážené pulzní sekvence , zatímco DTI/DSI používají difúzi -vážení. Nedávné vyhodnocení morfometrických algoritmů/softwaru však ukazuje rozpor mezi několika z nich. Z toho vyplývá potřeba systematického a kvantitativního ověřování a hodnocení oboru.

T1 vážená MR morfometrie mozku

Předzpracování

Snímky MR jsou generovány komplexní interakcí mezi statickými a dynamickými elektromagnetickými poli a tkání, o kterou se jedná, konkrétně o mozku, který je zapouzdřen v hlavě subjektu. Surové obrázky tedy obsahují šum z různých zdrojů - jmenovitě pohybů hlavy (sken vhodný pro morfometrii obvykle trvá řádově 10 minut), který lze jen stěží opravit nebo modelovat, a pole zkreslení (ani jedno z příslušných elektromagnetických polí není homogenní napříč celá hlava ani mozek), které lze modelovat.

V následujícím je obraz segmentován na ne-mozkovou a mozkovou tkáň, přičemž tato je obvykle subsegmentována alespoň na šedou hmotu (GM), bílou hmotu (WM) a mozkomíšní mok (CSF). Protože obrazové voxely poblíž hranic třídy obecně neobsahují pouze jeden druh tkáně, následují efekty dílčích objemů, které lze korigovat.

Pro srovnání napříč různými skeny (v rámci nebo mezi subjekty) jsou rozdíly ve velikosti a tvaru mozku eliminovány prostorovou normalizací (tj. Registrací) jednotlivých obrazů do stereotaktického prostoru mozku šablony. Registraci lze provést pomocí metod s nízkým rozlišením (tj. Transformace rigidním tělem nebo afinní transformace ) nebo s vysokým rozlišením (tj. Vysoce nelineární) a šablony lze generovat ze souboru mozků studie, z atlasu mozku nebo odvozené šablony generátor .

Registrované obrazy i deformační pole generovaná při registraci lze použít pro morfometrické analýzy, čímž poskytnou základ pro morfometrii založenou na Voxelu (VBM) a morfometrii založenou na deformaci (DBM). Obrázky segmentované do tříd tkáně lze také použít k převodu hranic segmentace na parametrické povrchy, na jejichž analýzu se zaměřuje povrchová morfometrie (SBM).

Morfometrie založená na Voxelu

Poté, co jsou jednotlivé obrázky segmentovány, jsou zaregistrovány do šablony. Každý voxel pak obsahuje míru pravděpodobnosti, podle které patří do konkrétní třídy segmentace. U šedé hmoty je toto množství obvykle označováno jako hustota šedé hmoty (GMD) nebo koncentrace šedé hmoty (GMC) nebo pravděpodobnost šedé hmoty (GMP).

Aby se opravily změny objemu v důsledku registrace, lze objem šedé hmoty (GMV) v původním mozku vypočítat vynásobením GMD jakobijskými determinanty deformací použitých k registraci mozku do šablony. Svazky specifické pro třídu pro WM a CSF jsou definovány analogicky.

Místní rozdíly v hustotě nebo objemu různých tříd segmentace pak mohou být statisticky analyzovány napříč skeny a interpretovány anatomickými termíny (např. Jako atrofie šedé hmoty). Vzhledem k tomu, že VBM je k dispozici pro mnoho hlavních softwarových balíčků pro neuroimaging (např. FSL a SPM ), poskytuje účinný nástroj k testování nebo generování konkrétních hypotéz o změnách mozku v průběhu času. Je pozoruhodné, že na rozdíl od DBM komunita lékařských obrazových počítačů vyrovnala značnou kritiku a slova opatrnosti ohledně správné interpretace výsledků VBM

Deformační morfometrie

V DBM se používají vysoce nelineární registrační algoritmy a statistické analýzy se neprovádějí na registrovaných voxelech, ale na deformačních polích použitých k jejich registraci (což vyžaduje vícerozměrné přístupy) nebo z nich odvozených skalárních vlastností, což umožňuje univariační přístupy. Jedna běžná varianta-někdy označovaná jako tenzorová morfometrie (TBM)-je založena na jakobijském determinantu deformační matice.

Pro takové nelineární deformační postupy samozřejmě existuje několik řešení a aby se vhodně vyvážilo mezi potenciálně protichůdnými požadavky na globální a lokální přizpůsobení tvaru, vyvíjejí se stále sofistikovanější registrační algoritmy. Většina z nich je však výpočetně nákladná, pokud je použita s mřížkou s vysokým rozlišením. Největší výhodou DBM oproti VBM je jeho schopnost detekovat jemné změny v longitudinálních studiích. Vzhledem k velké rozmanitosti registračních algoritmů však neexistuje široce přijímaný standard pro DBM, což také brání jeho začlenění do hlavních softwarových balíčků pro neuroimaging.

Vzorová morfometrie

Vzorová morfometrie (PBM) je metoda mozkové morfometrie, která byla poprvé uvedena v PBM. Staví na DBM a VBM. PBM je založen na aplikaci řídkého slovníkového učení na morfometrii. Na rozdíl od typických přístupů založených na voxelu, které závisí na jednosměrných statistických testech na konkrétních místech voxelů, PBM extrahuje vícerozměrné vzory přímo z celého obrazu. Výhodou je, že závěry se nevytvářejí lokálně jako ve VBM nebo DBM, ale globálně. To umožňuje metodě zjistit, zda jsou kombinace voxelů vhodnější k oddělení studovaných skupin, a nikoli k jednotlivým voxelům. Tato metoda je také odolnější vůči variacím v základních registračních algoritmech ve srovnání s typickou analýzou DBM

Povrchová morfometrie

Jakmile je mozek segmentován, může být hranice mezi různými třídami tkáně rekonstruována jako povrch, na kterém může probíhat morfometrická analýza (např. Směrem ke gyrifikaci ), nebo na který lze promítat výsledky takových analýz .

Difúzní vážená MR morfometrie mozku

Techniky sledování vláken

Techniky sledování nervových vláken jsou nejnovějšími potomky této sady morfologických přístupů založených na MR. Určují trakt nervových vláken v mozku pomocí difuzního tenzoru nebo zobrazení pomocí difuzního spektra (např. Douaud et al., 2007 a O'Donnell et al., 2009 ).

Diffeomorfometrie

Diffeomorfometrie je zaměřena na srovnání tvarů a forem s metrickou strukturou založenou na diffeomorfismech a je ústředním bodem v oblasti výpočetní anatomie . Diffeomorfní registrace, zavedená v 90. letech, je nyní důležitým hráčem, který využívá výpočetní postupy pro konstrukci korespondence mezi souřadnicovými systémy založenými na řídkých funkcích a hustých obrázcích, jako jsou ANTS, DARTEL, DEMONS, LDDMM nebo StationaryLDDMM. Morfometrie založená na Voxelu (VBM) je důležitou metodou postavenou na mnoha z těchto principů. Metody založené na diffeomorfních tocích se používají v Například deformacemi mohou být diffeomorfismy okolního prostoru, což má za následek rámec LDDMM ( Large Deformation Diffeomorphic Metric Mapping ) pro porovnávání tvarů. Jednou z takových deformací je správná invariantní metrika výpočetní anatomie, která zobecňuje metriku nestlačitelných eulerovských toků tak, aby zahrnovala Sobolevovu normu, zajišťující plynulost toků. Byly také definovány metriky, které jsou spojeny s hamiltonovskými kontrolami diffeomorfních toků.

Aplikace

Kvalitativně největší změny uvnitř jedince obecně nastávají během raného vývoje a jemnější během stárnutí a učení, zatímco patologické změny se mohou velmi lišit svým rozsahem a interindividuální rozdíly se zvyšují jak během života, tak napříč životem. Výše popsané morfometrické metody poskytují prostředky k kvantitativní analýze těchto změn a zobrazování MR bylo aplikováno na stále více populací mozku relevantních pro tato časová měřítka, a to jak u lidí, tak napříč druhy. V současné době má však většina aplikací mozkové morfometrie založené na MR klinické zaměření, tj. Pomáhají diagnostikovat a monitorovat neuropsychiatrické poruchy, zejména neurodegenerativní onemocnění (jako je Alzheimerova choroba) nebo psychotické poruchy (jako schizofrenie).

Vývoj mozku

MR zobrazování se zřídka provádí během těhotenství a novorozeneckého období, aby se zabránilo stresu pro matku a dítě. V případě porodních komplikací a jiných klinických příhod se však taková data získávají. Například Dubois et al., 2008 analyzovali gyrifikaci u předčasně narozených novorozenců při narození a zjistili, že je prediktivní pro funkční skóre v termínu ekvivalentního věku, a Serag et al. vybudoval 4D atlas vyvíjejícího se novorozeneckého mozku, což vedlo ke konstrukci křivek růstu mozku od 28–44 týdnů postmenstruačního věku. Kromě předčasných těhotenství byla provedena řada rozsáhlých podélných MR-morfometrických studií (často kombinovaných s průřezovými přístupy a jinými neuroimagingovými modalitami) normálního vývoje mozku u lidí. Pomocí studií založených na voxelu a řady komplementárních přístupů tyto studie odhalily (nebo neinvazivně potvrdily z pohledu předchozích histologických studií, které nemohou být podélné), že zrání mozku zahrnuje rozdílný růst šedé a bílé hmoty, že časový průběh zrání není lineární a že se výrazně liší napříč oblastmi mozku. Aby bylo možné interpretovat tato zjištění, je třeba vzít v úvahu buněčné procesy, zejména ty, které řídí prořezávání axonů, dendritů a synapsí, dokud se nedosáhne dospělého modelu konektivity celého mozku (což lze nejlépe sledovat pomocí technik vážených difúzí) .

Stárnutí

Zatímco bílá hmota se v průběhu raného vývoje a dospívání zvyšuje a ubývá šedé hmoty v tomto období obecně nezahrnuje těla neuronálních buněk, je situace odlišná po věku kolem 50 let, kdy atrofie ovlivňuje šedou a případně i bílou hmotu. Nejpřesvědčivějším vysvětlením je, že jednotlivé neurony umírají, což vede ke ztrátě jak jejich těl buněk (tj. Šedé hmoty), tak jejich myelinizovaných axonů (tj. Bílé hmoty). Změny šedé hmoty lze pozorovat jak hustotou šedé hmoty, tak gyrifikací. Že ztráta bílé hmoty není zdaleka tak jasná jako u šedé hmoty, naznačuje, že ke změnám dochází také v neurální tkáni, např. Ve vaskulatuře nebo mikroglii.

Učení a plasticita

Snad dosud nejhlubší dopad mozkové morfometrie na naše chápání vztahů mezi strukturou a funkcí mozku poskytla řada studií VBM zaměřených na znalosti různých výkonů: Bylo zjištěno, že licencovaní řidiči taxíku v Londýně vykazují dvoustranně zvýšenou šedou hmotu objem v zadní části hippocampu , a to jak ve vztahu k kontrolám z běžné populace, tak k řidičům londýnských autobusů odpovídajících zkušenostem z řízení a úrovni stresu . Podobně bylo také zjištěno, že změny šedé hmoty korelují s profesionální zkušeností hudebníků, matematiků a meditujících a se znalostí druhého jazyka.

Navíc, bilaterální změny šedé hmoty v zadní a laterální parietální kůře studentů medicíny, kteří se učili nazpaměť pro mezilehlou zkoušku, bylo možné detekovat během pouhých tří měsíců.

Tyto studie odborného výcviku inspirovaly otázky týkající se limitů morfometrie založené na MR z hlediska časových období, během nichž lze detekovat strukturální změny mozku. Důležitými determinanty těchto limitů jsou rychlost a prostorový rozsah samotných změn. Samozřejmě, některé události, jako jsou nehody, mrtvice, nádorové metastázy nebo chirurgický zákrok, mohou během velmi krátkých období zásadně změnit strukturu mozku a tyto změny lze vizualizovat pomocí MR a dalších technik neuroimagingu. Vzhledem k časovým omezením za takových podmínek je mozková morfometrie zřídka zapojena do diagnostiky, ale používá se spíše k monitorování pokroku v průběhu týdnů a měsíců a déle.

Jedna studie zjistila, že žonglérští nováčci vykazovali bilaterální expanzi šedé hmoty v mediální časové vizuální oblasti (také známé jako V5) po dobu tří měsíců, během nichž se naučili udržovat kaskádu tří koulí po dobu nejméně jedné minuty. U kontrolní skupiny, která se nezabývala žonglováním, nebyly pozorovány žádné změny. Rozsah těchto změn u kejklířů se snížil během následujícího tříměsíčního období, kdy žonglování necvičili. Aby se dále vyřešil časový průběh těchto změn, experiment se opakoval s další mladou kohortou skenovanou v kratších intervalech a do té doby již bylo možné najít typické změny ve V5 po pouhých sedmi dnech praxe žonglování. Pozorované změny byly větší v počáteční fázi učení než během dalšího tréninku.

Zatímco předchozí dvě studie zahrnovaly studenty ve věku kolem dvaceti let, experimenty se nedávno opakovaly se starší kohortou a odhalily stejný druh strukturálních změn, i když oslabené nižší žonglovací výkonností této skupiny.

Při použití úplně jiného druhu intervence-aplikace transkraniální magnetické stimulace v denních sezeních po dobu pěti dnů-byly pozorovány změny v cílových oblastech TMS a v jejich blízkosti, stejně jako v bazálních gangliích dobrovolníků ve věku kolem dvaceti let, ve srovnání s kontrolní skupinou. který dostal placebo. Je však možné, že tyto změny jednoduše odrážejí vaskularizační efekty.

Dohromady tyto morfometrické studie silně podporují myšlenku, že plasticita mozku - změny struktury mozku - zůstává možná po celý život a může být adaptací na změny v mozkové funkci, u nichž se také ukázalo, že se mění se zkušeností. Název této části to měl zdůraznit, a to, že plasticita a učení poskytují dvě perspektivy - funkční a strukturální - na stejný jev, mozek, který se v průběhu času mění.

Mozková nemoc

Mozkové choroby jsou oblastí, na kterou se mozková morfometrie nejčastěji používá, a objem literatury o tom je obrovský.

Vývoj mozku

Změny mozku se také hromadí po delší období, než je individuální život, ale přestože dvojčata prokázala, že struktura lidského mozku je vysoce dědičná, morfometrické studie mozku s takto rozšířeným rozsahem jsou vzácné. V souvislosti s poruchami se známou nebo podezřelou dědičnou složkou však řada studií porovnávala mozkovou morfometrii pacientů jak s neovlivněnými kontrolami, tak se subjekty s vysokým rizikem vzniku poruchy. Druhá skupina obvykle zahrnuje členy rodiny.

Ještě větší časové mezery lze překlenout porovnáním lidských populací s dostatečně dlouhou historií genetické separace, jako jsou Středoevropané a Japonci. Jedna povrchová studie porovnávala tvar mozku mezi těmito dvěma skupinami a zjistila rozdíl v jejich asymetriích mozku závislých na pohlaví. Neuroimagingové studie tohoto druhu v kombinaci s funkčními a daty o chování poskytují slibné a dosud do značné míry neprozkoumané cesty k pochopení podobností a rozdílů mezi různými skupinami lidí.

Podobně jako morfologické analýzy, které porovnávají mozky v různých ontogenetických nebo patogenetických stádiích, mohou odhalit důležité informace o normálním nebo abnormálním vývoji v rámci daného druhu, mají srovnávací studie mezi druhy podobný potenciál odhalit evoluční trendy a fylogenetické vztahy. Porovnání tvarů (ačkoli historicky s důrazem na kvalitativní kritéria) skutečně tvořilo základ biologické taxonomie před érou genetiky. Pro srovnávací evoluční výzkumy existují tři hlavní zdroje: Fosílie, čerstvě konzervované posmrtné studie nebo studie in vivo .

Fosilnímu záznamu dominují struktury, které již byly biomineralizovány během života příslušného organismu (v případě obratlovců hlavně zuby a kosti). Mozky, stejně jako ostatní měkké tkáně, zřídka zkamenějí, ale občas ano. Pravděpodobně nejstarší mozek obratlovců, který je dnes znám, patřil krysovi, který žil asi před 300 miliony let ( Pradel et al., 2009 ). Zatímco technikou, která je nejrozšířenější pro zobrazení fosilií, je počítačová tomografie (CT), tento konkrétní vzorek byl zobrazen pomocí synchrotronové tomografie a nedávné MR zobrazovací studie s fosiliemi naznačují, že tuto metodu lze použít k zobrazení alespoň podskupiny zkamenělých mozků.

MR snímky byly také získány z mozku 3200 let staré egyptské mumie . Perspektivy jsou však mizivé, že jakýkoli trojrozměrný zobrazovací datový soubor fosilního, polofosilního nebo mumifikovaného mozku bude někdy velmi užitečný pro morfometrické analýzy zde popsaného druhu, protože procesy mumifikace a fosilizace silně mění strukturu měkkých tkání způsobem specifickým pro jednotlivé vzorky a subregiony v nich.

Posmrtné vzorky živých nebo nedávno vyhynulých druhů na druhé straně obecně umožňují získat kvality obrazu MR dostatečné pro morfometrické analýzy, i když by musely být vzaty v úvahu artefakty zachování. Předchozí MR zobrazovací studie zahrnují vzorky konzervované ve formalinu, zmrazením nebo v alkoholu.

Třetí řadou srovnávacích důkazů by byly mezidruhové in vivo MR zobrazovací studie podobné té od Rilling & Insel (1998), která zkoumala mozky z jedenácti druhů primátů pomocí VBM, aby vrhla nové světlo na vývoj mozku primátů. Jiné studie kombinovaly morfometrické s behaviorálními opatřeními a evoluce mozku se netýká pouze primátů: Gyrifikace se vyskytuje v mozcích savců, pokud dosahují velikosti několika centimetrů - s kytovci dominujícími na horním konci spektra - a obecně se s celkovou velikostí mozku zvyšuje pomalu podle mocenského zákona.

Reference

• Tento článek včlení materiál z článku Citizendium „ Brain morphometry “, který je licencován pod licencí Creative Commons Attribution-ShareAlike 3.0 Unported, ale nikoli pod GFDL .