Metodi di Neuroimaging in Neuroscienze Cognitive: tecniche e analisi

Metodiche di risonanza magnetica: tecniche anatomiche

0000Tecniche anatomiche

• Consentono di produrre immagini relative alle strutture e/o delle connessioni del cervello
• Morfometria
• DiffusioneTecniche di morfometria

-31.4362 25.1901Tecniche di morfometria

• Differenze di ** Forma Configurazione Volume
• Studi trasversali (es. pazienti vs. controlli) e longitudinali (modificazioni fisiologiche e patologiche)Principali tecniche
• Morfometria basata sulla deformazione
• Morfometria basata sul tensore
• Morfometria basata sul voxel
• Mappatura dello spessore corticale
• Mappatura dei pattern di folding corticale (e.g. gyrification, fractal dimension, sulcal depth) Tecniche che studiano la morfologia cerebrale attraverso campi di deformazione Tecniche che studiano la morfologia cerebrale attraverso la densità di volume Tecniche basate sull'analisi di superficieProcessi (più o meno) comuni

· NB: Necessario usare sequenze RM con alta risoluzione spaziale

• Preprocessing (ri-orientamento in asse ac-pc, normalizzazione, segmentazione e smoothing)
• Riduzione delle componenti, per eliminare le componenti che spiegano solo una piccola parte di varianza (PCA)
• Analisi dei dati (analisi della varianza e regressione, l'output è una mappa statistica parametrica che può essere visualizzata)

-31.4362 25.1901

Morfometria basata sulla deformazione

• Tecniche di indagine di livello macroscopico: misurazione differenze globali nella forma (es. dimensioni dei ventricoli, asimmetria destra/sinistra)
• Ogni cervello viene mappato in uno spazio standard di riferimento (e.g. MNI) usando campi di deformazione
• Deformazione: cambiamento di forma dovuto ad una forza applicata (= mappatura da una forma ad un'altra)
• Studio della deformazione: rilevamento differenze tra due forme simili: · Cervello A deformato per farlo corrispondere al template standard · Processo analogo per cervello B · Confronto matrici di deformazioni di A e B (quanto ciascuna si discosta dal template standard) lungo i tre assi, x, y e z: quanta deformazione si è dovuta applicare per ottenere l'oggetto standard?

Morfometria basata sulla deformazione: Pre-processing

Originale Deformato Standard Pre-processing: - Ri-orientamento in ac-pc - Normalizzazione (sul template standard o sul gruppo di controllo) Si ottiene un campo di deformazione 3D, costituito dai vettori di spostamento sugli assi x y e z a livello dei singoli voxel - Creata matrice con coefficienti di deformazione - Smoothing della matrice (filtro spaziale gaussiano che «media» i voxel circostanti per aumentare il rapporto segnale-rumore) - Applicata una PCA per ridurre il numero di componenti (coefficienti) che spiegano una porzione trascurabile di varianza

Morfometria basata sulla deformazione: Confronti tra gruppi

• Confronti tra gruppi (gruppo A e gruppo B): analisi dei campi di deformazione · Quanta deformazione si è dovuta applicare alle immagini originali del Gruppo A? · Quanta deformazione si è dovuta applicare alle immagini originali del Gruppo B? · Ci sono differenze significative tra i campi di deformazione applicati ai due gruppi? · Analisi della Varianza Multivariata (= più VD) · VI: Gruppo (A vs. B) · VD: spostamento lungo l'asse x-y-z (3 VD) · Valore di p indica la significatività

Morfometria basata sulla deformazione: Rilevamento spostamenti

In breve: · Rileva gli spostamenti necessari a far combaciare due immagini/insiemi di immagini · Tali spostamenti danno informazioni su differenze posizionali tra le immagini: si identificano strutture cerebrali che si trovano in posizioni relative diverse nelle immagini > indicazioni di larga scala sulle differenze di forma delle immagini confrontate · NB: Non localizza direttamente specifiche regioni cerebrali con forma diversa! Per la localizzazione di differenze locali, necessario applicare tecniche di morfometria basata sul tensore

Morfometria basata sul tensore

• Differenze di forma a livello locale
• Producono mappe statistiche che indicano le regioni la cui forma differisce tra gruppi (disegno between-subjects) o nel tempo (disegno within-subjects, longitudinale) > es. confronto tra pazienti con grado e tipo di deterioramento diverso, monitoraggio in caso di tumore (crescita di tessuto) o di atrofia

Morfometria basata sul tensore: Preprocessing

• Come per la morfometria basata sulla deformazione, immagini vengono preprocessate · Ri-allineamento · Applicazione di campi di deformazione 3D per riconfigurare l'immagine sul templatee
• A differenza della morfometria basata sulla deformazione - che usa il campo vettoriale delle deformazioni - la morfometria basata sul tensore usa una derivata del campo vettoriale delle deformazioni, detta campo tensore

Morfometria basata sul tensore: Determinante Jacobiana

• Per ogni voxel, gli spostamenti in x-y-z sono trasformati in un'unica derivata spaziale (tensore), detta determinante Jacobiana
• La determinante Jacobiana caratterizza i cambiamenti locali di volume (allargamenti o restringimenti) causati dal modellamento Se tutti i vettori che circondano un voxel sono diretti verso l'esterno vuol dire che si è dovuto «allargare» il cervello di origine intorno a quel voxel e che quindi quella zona in origine era più piccola del modello (valore positivo) Se, viceversa, i vettori sono diretti verso l'interno, significa che si è dovuto operare un restringimento (valore negativo)

Morfometria basata sul tensore: Esempio di crescita

Tensor-based morphometry - u GROWTH RATE IN COS PATIENTS B MALES & FEMALES ANNUAL GROWTH RATE +2% growth +1% -1% -2% loss D SIGNIFICANCE SIGNIFICANT GROWTH 0.05 0.04 0.03 0.02 0.01 0.00 p-value Tratta da Gogtay et al., 2008

Morfometria basata sul tensore: Analisi dei dati

• A differenza della morfometria basata sulla deformazione - in cui si usano tecniche multivariate per l'analisi dei dati (3 VD, spostamento su assi x-y-z) - nella morfometria basata sul tensore si usano tecniche univariate di analisi dei dati (1 VD, determinante Jacobiana)
• Queste tecniche univariate forniscono un'informazione relativa alla grandezza strutturale regionale
• Analisi locali delle contrazioni e delle espansioni permettono di identificare differenze di forma e volume tra gruppi o tra tempi diversi di acquisizione
• Queste differenze vengono visualizzate come immagini con colori ed intensità diverse, per distinguere zone con maggiore o minore volume

Morfometria basata sul tensore: Atrofia corticale

1 anno 1 anno e mezzo 2 anni Allargamento dei ventricoli Perdita di volume Tratta da Apostolova & Thompson, 2007: paziente con atrofia corticale posteriore Le mappe mostrano il fattore di espansione o compressione necessario per allineare l'immagine di base alle immagini di follow-up

Morfometria basata sul voxel (VBM)

• Identifica differenze nel volume cerebrale regionale e nella composizione locale (densità) del tessuto cerebrale · Sostanza grigia · Sostanza bianca · Liquido cerebrospinale
• In questo caso la normalizzazione viene applicata (a differenza delle precedenti tecniche di deformazione) per normalizzare le immagini a livello spaziale, eliminando le differenze macroscopiche tra cervelli
• Le immagini vengono quindi confrontate voxel-per-voxel (voxelwise) su tutto il cervello per rilevare eventuali differenze
• Differenze di volume tra gruppi o tra tempi diversi

Morfometria basata sul voxel: Pipeline di analisi

1. Normalizzazione spaziale (su template standard) per svolgere le analisi in un spazio comune
2. Segmentazione delle immagini con metodi di classificazione (cluster analysis): i voxel vengono classificati come appartenenti a
   1. Sostanza grigia
   2. Sostanza bianca
   3. Liquido cerebrospinale sulla base dell'intensità del segnale RM e sulla probabilità statistica di trovare un certo tipo di tessuto in quella specifica porzione dello spazio cerebrale
3. Smoothing: procedura di «smussamento» per cui ogni voxel rappresenta la media di se stesso e dei voxel vicini (4-6 mm) (aumenta rapporto segnale-rumore e riduce variabili confondenti derivanti da differenze individuali nei giri)
4. Analisi dei dati: test statistici parametrici voxel per voxel (t-test, correlazioni ... ) > differenze di intensità nel segnale RM riflettono differenze nella quantità di materia grigia (TIV come covariata)

Morfometria basata sul voxel: Esempio di segmentazione

Original Normalized GM Segment Modulated GM Smoothed GM Normalization Segmentation Modulation Smoothing Template GM prior WM prior CSF prior Gaussian Kernel

Morfometria basata sul voxel: Cambiamenti cerebrali

• Nello sviluppo
• Nell'invecchiamento
• In patologie neurologiche o psichiatriche
• Abuso di sostanze
• Alterazioni periferiche (e.g. amputazioni) Box 6.1 di Neuroimaging per lo studio del cervello umano · Il cervello dei tassisti londinesi · Musicisti si nasce o si diventa?

Mappatura dello spessore corticale

• In alcune zone della corteccia molto convolute, volume può fornire dati spuri (es. aree con molte curvature, lobo temporale)
• In queste aree valori di spessore corticale potrebbero essere preferibili

Mappatura dello spessore corticale: Tecniche

• Tecniche basate sulla ricostruzione della superficie corticale (surface-based)
• Tecniche basate sul volume (voxel-based) Pial surface Thickness White surface Grey matter volume Grey matter volume Surface area

Mappatura dello spessore corticale: Surface-based

• Queste tecniche generano un modello di superficie corticale sul quale calcolare le differenze di spessore
• Normalizzazione
• Segmentazione: identificazione dei confini della sostanza grigia · Confine interno, rispetto alla sostanza bianca · Confine esterno, rispetto alla pia madre
• Produzione di mappe di superficie

Mappatura dello spessore corticale: Produzione mappe di superficie

1. Per ciascun soggetto, sulle mappe di materia grigia vengono tracciati punti di riferimento corrispondenti a solchi e giri
2. Applicato un sistema sferico di coordinate
3. Mappe tridimensionali di superficie con topologia di una sfera
4. I punti di riferimento vengono fatti combaciare tra i soggetti
5. Ad ogni coordinata spaziale vengono calcolati i valori di spessore corticale
6. Lo spessore corticale viene calcolato utilizzando le misure di distanza di ogni voxel di sostanza grigia tra il confine interno (sostanza bianca) ed esterno (pia madre)