Human Brain Connectivity

download Human Brain Connectivity

of 79

description

Tesis de Master acerca de los metodos y el desarrollo de un software para calcular conexiones entre distintos campos del cerebro

Transcript of Human Brain Connectivity

Conectividad cerebral en humanos

1

ResumenActualmente existe una gran cantidad de programas que calculan la conectividad entre distintas regiones del cerebro. Sin embargo, stos requieren largos tiempos de procesamiento (semanas o meses), ordenadores con memoria suficiente para analizar cientos de imgenes y el uso de diferentes herramientas que en algunas ocasiones no pueden ser instaladas en un mismo sistema operativo. Adems, la intervencin del usuario durante la ejecucin de estos programas es muy elevada, lo cual aumenta la probabilidad de introducir errores si no se tiene un conocimiento muy elevado del software. Una de las herramientas ms conocidas para el clculo de la conectividad cerebral es el FSL. El objetivo principal del presente trabajo es disminuir al mximo los tiempos de procesamiento y eliminar los errores debidos a la intervencin humana. Para esto se ha creado una nueva herramienta llamada AutotrackMG, sta realiza automticamente todo el pre procesamiento estableciendo comunicacin con MATLAB a travs de una librera de java, y la tractografa mediante llamadas al sistema operativo, el cual se encarga de ejecutar el FSL por la lnea de comandos. El resultado final que se obtiene al ejecutar el AutotrackMG es un documento que indica el nmero de fibras entre cada par de regiones del cerebro de los sujetos analizados, tiempos de procesamiento y errores obtenidos. AutotrackMG ha sido desarrollado en Java, debido a la facilidad que presenta el lenguaje en la implementacin del paralelismo mediante el uso de hilos y de sockets, con el fin de procesar simultneamente diferentes regiones y sujetos, reduciendo as los tiempos de ejecucin. Se ha comprobado que gracias a la automatizacin de la tractografa se disminuyen considerablemente los tiempos de ejecucin y los errores obtenidos. Adems, se ha logrado ejecutar diferentes herramientas simultneamente (MATLAB y el FSL) pasando datos y archivos a travs de ellas de manera transparente al usuario. Esto ha permitido realizar un anlisis del FSL y su funcionamiento.

2

Conectividad cerebral en humanos

Conectividad cerebral en humanos

3

Tabla de contenidoResumen ..................................................................................................................................... 1 Glosario de abreviaturas ............................................................................................................. 5 Glosario de trminos ................................................................................................................... 7 Introduccin ................................................................................................................................ 9 1. Adquisicin de las imgenes con IRM: Teora y estado del arte ......................................... 11 2. Anlisis tractogrfico a partir de imgenes obtenidas con IRM ........................................... 17 2.1. Bases del Pre procesamiento de las imgenes en MATLAB. ....................................... 17 2.2. El problema del cruce de fibras y las soluciones existentes .......................................... 22 2.3. La tractografa en el FSL ............................................................................................... 26 3. Materiales y mtodos ............................................................................................................ 31 3.1. Pre procesado manual .................................................................................................... 35 3.1.1. Reorientacin y Corregistro ................................................................................... 35 3.1.2. Segmentacin ......................................................................................................... 36 3.1.3. Normalizacin del atlas .......................................................................................... 37 3.2. Pre procesado semi automtico ..................................................................................... 38 3.2.1. Generacin de las ROIs .......................................................................................... 38 3.2.2. Generacin de scripts para automatizar todo el pre procesamiento ....................... 44 3.3. Procesos necesarios para la reconstruccin de tractos a partir de la DTI ...................... 48 3.3.1. Correccin de las distorsiones creadas por las corrientes de Eddy ........................ 49 3.3.2. Extraccin del cerebro mediante BET .................................................................... 49 3.3.3. Estimacin de los parmetros para la tractografa .................................................. 50 3.3.4. Generacin de los tractos de materia blanca con el ProbtrackX ............................ 51 3.4. Implementacin del AutotrackMG para la automatizacin del proceso ....................... 57

4

Conectividad cerebral en humanos

3.4.1. El paralelismo como herramienta bsica de la automatizacin .............................. 57 3.4.2. Especificaciones del AutotrackMG ........................................................................ 60 4. Resultados............................................................................................................................. 65 5. Conclusiones......................................................................................................................... 75 Bibliografa ............................................................................................................................... 77

Conectividad cerebral en humanos

5

Glosario de abreviaturasAbreviatura ARD PRF DICOM DSI DTI EM FA FSL HARDI IRM ROI SB SG rT1 SO SPM TC TE TR Descripcin Automatic Relevance Determination Pulso de Radio Frecuencia Digital Imaging and COmmunications in Medicine Imgenes por espectro de difusin Imgenes por Tensores de Difusin Expectation - Maximization Fractional Anisotropy FMRIB Software Library Imgenes de difusin con alta resolucin angular Imgenes por Resonancia Magntica Regin de Inters Sustancia Blanca Sustancia Gris Imagen T1 corregistrada Sistema Operativo Statistical Parametric Mapping Tomografa Computarizada Tiempo de Eco Tiempo de Repeticin Pgina 7 Pgina 7 Pgina 12 Pgina 12 Definicin Pgina 27 Pgina 11 Pgina 17 Pgina 24 Pgina 13 Pgina 21 Pgina 14 Pgina 1 Pgina 24 Pgina 11 Pgina 7 Pgina 7 Pgina 7 Pgina 20

6

Conectividad cerebral en humanos

Conectividad cerebral en humanos

7

Glosario de trminosTrmino Regin de Inters Definicin Imagen binaria en 3D que delimita una regin funcional del cerebro previamente definida. Los vxeles pertenecientes a la regin tienen valor de intensidad uno y los dems cero. Tomografa Computarizada Transformada de Fourier Espn Pulso de Radio Frecuencia Tensor de difusin Mtodo utilizado para generar imgenes en 3D del interior de un objeto. Estas estn conformadas por un conjunto de imgenes 2D tomadas con rayos X, alrededor de un mismo eje de rotacin. Operacin matemtica que descompone una seal en sus constituyentes frecuenciales. Propiedad fsica de las partculas subatmicas que indica que stas poseen un momento angular intrnseco que las hace rotar sobre un eje. Campo con oscilaciones que corresponden a las frecuencias de las ondas radio y corrientes alternas que llevan radio seales. Objeto geomtrico que describe la direccin y sentido de la difusin de los protones. Sustancia contenida en los axones Sustancia blanca de las neuronas, que estn

recubiertos por mielina. La sustancia blanca conecta regiones de sustancia gris y permite la transmisin de seales entre las clulas del cerebro. Est formada principalmente por cuerpos de clulas neuronales que

Sustancia gris

pueden tener axones sin mielina (a diferencia de la anterior). Hace parte de regiones del cerebro encargadas del control de los msculos, percepcin sensorial, etc.

Stadistical Parametric Mapping Tracto o ruta neuronal Atlas

Programa que hace parte del software de MATLAB y se utiliza para el procesamiento de imgenes biomdicas.

Conjunto de neuronas que estn unidas por medio de sus axones y transmiten informacin de una regin a otra del cerebro. Imagen en 3D en la cual se encuentran perfectamente diferenciadas las

8

Conectividad cerebral en humanos

regiones del cerebro funcionalmente distintas. Los vxeles de cada regin tienen un valor de intensidad diferente.

Conectividad cerebral en humanos

9

IntroduccinLa tractografa es una tcnica que permite analizar la conectividad entre cualquier conjunto de regiones en el cerebro. Esto es de gran utilidad para la investigacin y seguimiento de muchas patologas, as como para el estudio del regeneramiento de tractos y re activacin de rutas neuronales. Este trabajo es parte de un proyecto llamado Estudio interCIBER de las anomalas de los patrones de activacin de la resonancia magntica funcional en reposo y su relacin con las alteraciones de sustancia blanca detectadas mediante imgenes de DTI en el que participan G04-CIBERSAM y GIB-UB CIBER-BBN, y que busca generar y comparar matrices de conectividad entre los programas ms conocidos de tractografa cerebral con el fin de seleccionar las mejores herramientas. Para poder realizar una comparativa correcta es importante tener una herramienta con la cual comparar todas las dems, no significa esto que sea la mejor, pero si debe ser ampliamente conocida en el mundo de la neuroimagen y tener un buen soporte tcnico. El FSL cumple con stas caractersticas y por lo tanto sera interesante comenzar por el estudio de ste programa. As pues, una de las principales aplicaciones del AutotrackMG es facilitar el anlisis del FSL, seleccionando los mejores parmetros y eliminando la intervencin del usuario en su ejecucin para as poder adjudicar todos los errores obtenidos a la herramienta y no a causas externas. Por lo tanto, se ha hecho una prueba piloto del AutotrackMG analizando el FSL con imgenes cerebrales obtenidas por Resonancia Magntica de algunos sujetos sanos y otros con esquizofrenia. Se calcul el nmero de fibras entre cada par de regiones del cerebro de stas personas (se han dividido stos en 116 zonas), modificando algunos parmetros de ejecucin como el nmero de muestras, umbral de curvatura y longitud de las fibras, y tipo de ROIs (Regiones de inters) utilizadas. Las matrices que se han obtenido como resultado sern utilizadas por el estudio interCIBER para compararlas con las que se obtengan en otros trabajos del proyecto.

10

Conectividad cerebral en humanos

Conectividad cerebral en humanos

11

Captulo 1

Adquisicin de las imgenes con IRM: Teora y estado del arteLa tractografa es un procedimiento utilizado para encontrar rutas neuronales a travs de todo el cerebro o entre ciertas ROIs. Ya que los tractos cerebrales no son identificables a travs de un examen directo, TC, o IRM, se necesitan tcnicas especiales de IRM y anlisis de imgenes basado en computador. Como la tractografa se basa en la IRM por difusin, es importante entender primero en qu consiste sta tcnica y cmo es la adquisicin de las imgenes por IRM. La IRM se utiliza para generar imgenes mdicas a travs de las cuales se podr visualizar detalladamente estructuras internas del cuerpo. Para generar stas imgenes, se basa en la propiedad de la resonancia magntica de los tomos dentro del cuerpo. Segn sta propiedad, los ncleos de los tomos al ser sometidos a un campo magntico absorben y re emiten energa electromagntica de forma diferente para cada tejido y se pueden alinear en direccin al campo aplicado. Cuando un paciente es introducido en el escner de IRM, se somete a un potente y constante campo magntico, lo cual causar que los protones de las molculas de agua en el cuerpo cambien su momento magntico y se alineen en direccin al campo, unos en el mismo sentido y otros en sentido opuesto. Ya que la mayora de protones se alinearn en el mismo sentido entonces se crea un campo magntico inducido. Despus, un pulso de radio frecuencia (PRF) de menor intensidad y variable es producido, con el fin de alterar el alineamiento provocado por la magnetizacin ocurrida previamente. Entre mayor sea la duracin e intensidad de ste campo, entonces ms protones se vern

12

Conectividad cerebral en humanos

afectados y por lo tanto tambin cambiar el sentido del campo macroscpico generado por la suma de los pequeos campos de cada protn. Este PRF no es constante, por lo tanto, cada que es interrumpido, los espn de las partculas decaern a su estado original (antes de aplicar el campo). Cuando el PRF es aplicado y el espn de los protones cambia, esto causa un campo magntico rotacional, y dependiendo del tipo de tomos en el tejido, el espn rotar a diferentes

velocidades. As pues, se puede obtener una informacin espacial en 3D sabiendo los gradientes en cada direccin. Adems, cuando el campo magntico es aplicado en diferentes direcciones, la intensidad de ste depender de la posicin dentro del cuerpo, de modo que la frecuencia que lleva el fotn liberado ser dependiente de la posicin de donde ste proviene de una forma predecible. As, la informacin sobre sta posicin puede ser recuperada a travs de la Transformada de Fourier y se puede construir la imagen. Segn se seleccionen ciertos parmetros de adquisicin de las imgenes, entonces se conseguir un determinado contraste entre diferentes tejidos de modo que se harn ms o menos visibles algunas partes del cuerpo. En la resonancia magntica de difusin se controlan especialmente el tiempo de eco TE y el tiempo de repeticin TR. El primero es el tiempo desde el cual el pulso de radio frecuencia comienza hasta que se obtiene el mximo de la seal. Y el segundo es el intervalo entre sucesivas excitaciones del pulso emitido, si ste tiempo es lo suficientemente largo, todas las partculas alcanzaran a volver a su estado original, pero eso repercutira en tiempos de adquisicin muy altos. Cuando tanto TE como TR son cortos, entonces se obtendr una imagen T1, en la cual el agua y los tejidos que contienen fluidos se vern ms oscuros, mientras que los tejidos con gran contenido de grasa se vern brillantes. Este tipo de imgenes se utilizan en etapas importantes previas a la tractografa como en la generacin de ROIs de SB o mscaras de SG, ya que tienen un buen contraste entre sustancia blanca (SB) y gris (SG). T1 es tambin el tiempo en el cual los espines recuperan el 63% de su posicin inicial, despus de haber sido sometidos a un pulso de radiofrecuencia de 90, gracias a que ste tiempo es muy diferente entre la SG y la SB, entonces las imgenes T1 diferencian muy bien ste tipo de tejidos. Existe otra variable tambin ampliamente utilizada para visualizar imgenes de IRM que es el T2 o tiempo de relajacin de los espines. Caracteriza el tiempo de decaimiento de la seal e indica cuando sta ha alcanzado un 37% del valor inicial. Una

Conectividad cerebral en humanos

13

imagen T2 se consigue mediante tiempos TE y TR largos, y es bastante sensible a patologas ya que permite distinguir claramente el tejido enfermo de tejido normal. Al contrario de las imgenes T1, en las imgenes T2 se ven ms brillantes los tejidos con fluidos y agua y ms opacos aquellos que tienen grasa. En la siguiente imagen se muestra la T1 y T2 de uno de los sujetos utilizados en el estudio. Se puede ver claramente la diferencia en la apariencia de las imgenes y adems explica visualmente la representacin de ambos tiempos.

Fig. 1.1 Imgenes T1 y T2 para un sujeto sano. Una vez entendido cmo funciona la generacin de imgenes por IRM, entonces se puede explicar la IRM por difusin, para la cual existen diversas tcnicas que se utilizan en la tractografa. Principalmente est la DTI, DSI y HARDI, las cuales se explicarn a continuacin. La DTI se basa en el principio de anisotropa, segn el cual las molculas de agua cuando se encuentran en el cuerpo humano (por ejemplo, en el cerebro viajan en medio de los axones y la mielina) se difunden principalmente en una direccin, lo cual se denomina eje de difusin y se representa mediante un tensor. Este eje de difusin es paralelo a la direccin de las fibras, por lo tanto, sabiendo el efecto que genera el PRF aplicado, se pueden utilizar algunas frmulas para convertir la atenuacin de la seal percibida por la mquina en una medida de la difusin. Este PRF se aplica entonces en distintas direcciones (mnimo seis) y se mide la

14

Conectividad cerebral en humanos

difusin en cada una de ellas. Finalmente, la difusin ser mayor en el eje perpendicular a las fibras de los axones y ser menor en el eje que corta las fibras. Esto permite representar la difusin del agua en cualquier punto del cerebro como una elipse cuyo eje mayor ser entonces el eje de difusin. Si se obtienen las principales direcciones de difusin en sucesivos voxeles, entonces se podrn construir los tractos a partir de sta informacin. Adems, hay una relacin directa entre el nmero de fibras y el grado de anisotropa (que tan asimtrica es la difusin del agua) en cierto punto. Existe un parmetro, el FA, que describe la anisotropa, de modo que si la difusin es totalmente anisotrpica (es decir, va en una sola direccin, lo cual sera el caso ideal) entonces tendr valor uno y cuando es totalmente isotrpica (se difunde de igual manera en todas las direcciones) la FA ser igual a cero. En la figura 1.2 se muestra la diferencia entre la difusin isotrpica y anisotrpica y cmo se utiliza esto en la tractografa.

Fig. 1.2 Uso de la anisotropa para la reconstruccin de tractos. La elipse que representa la difusin en cada vxel del cerebro tiene principalmente tres ejes, los cuales se denotan por el smbolo . El eje ms largo, que seala la direccin principal de difusin ser el , los otros dos representarn la anchura y profundidad de la elipse y sern

muy importantes para calcular el grado de restriccin a la difusin de partculas a travs de la membrana (difusividad radial), dato que se puede utilizar para medir la severidad de ciertas patologas como la esclerosis mltiple, en la cual la mielina que rodea los axones de la clula est desgastada, disminuyendo el grado de anisotropa y haciendo que la difusin sea menos laminar.

Conectividad cerebral en humanos

15

En la figura 1.3 se pueden observar los diferentes ejes de los que se ha estado hablando. Sin embargo, la forma de la difusin no necesariamente ser siempre elptica. Su forma refleja el grado de anisotropa, a diferencia de la longitud de sus ejes que representan el grado de difusin. Cuando la anisotropa es total, entonces tendr forma de elipse, pero entre ms isotrpica sea entonces se ir volviendo ms esfrica. Esta medida tambin es muy importante para detectar ciertas enfermedades inflamatorias del cerebro que disminuyen las barreras que hay en las membranas y las molculas comienzan a difundirse en un mayor grado en otras direcciones diferentes a la del axn.

Fig. 1.3. Medida de difusividad a lo largo de los tres ejes. No obstante, cuando FA = 0 la difusin quedar representada como un crculo y todos los tendrn el mismo valor, y cuando FA = 1 ser una lnea, de modo que 2 = 3 = 0. As pues, entre ms isotrpico sea los valores de 2 y 3 irn disminuyendo.

Donde Ecuacin 1. Ecuacin del FA. Adems de dar una medida del nivel de degeneracin en ciertas patologas, la tractografa es tambin de gran utilidad para calcular cualquier dficit en la materia blanca, definir la severidad de una lesin traumtica en el cerebro, estudiar el re generamiento de tractos o activacin de rutas neuronales, distinguir entre diferentes tipos de demencia, localizar tumores, y hacer planeamiento de cirugas mediante el conocimiento de la proximidad entre ciertos tractos y el tumor, entre otras aplicaciones. Es conocido que el cerebro en general puede adaptarse cuando hay ciertas lesiones en las cuales los tractos de materia blanca, que conectan las regiones de materia gris, se ven interrumpidos disminuyendo la conectividad. La forma que en se adapta es encontrando rutas

16

Conectividad cerebral en humanos

alternativas entre esas ROIs. No obstante, no hay un claro conocimiento en cmo sucede esto, y la tractografa es una herramienta que podra llegar a favorecer en gran medida la investigacin en ste campo.

Conectividad cerebral en humanos

17

Captulo 2

Anlisis tractogrfico a partir de imgenes obtenidas con IRMEn el presente captulo se har una breve explicacin sobre los diferentes pasos que se deben llevar a cabo en la realizacin de la tractografa a partir de IRM. Se explicar tambin las diferentes herramientas utilizadas a lo largo del procedimiento y los parmetros que deben introducirse en stas para obtener los resultados deseados.

2.1. Bases del Pre procesamiento de las imgenes en MATLAB.Una vez capturadas las imgenes mediante el proceso descrito en el capitulo uno, ests son almacenadas en un formato universal llamado DICOM. ste es el formato estndar para el manejo, almacenamiento y transmisin de imgenes mdicas, que adems permite guardar la informacin del paciente para que sta nunca se pierda. No obstante, tanto para el pre procesado de las imgenes como para la tractografa se utilizan programas que soportan archivos en formato NifTI y no DICOM. Existen muchos tipos de software para la conversin entre ambos formatos, por ejemplo dcm2nii. NifTI ha sido diseado para el anlisis cientfico de imgenes cerebrales. El formato es simple, compacto y verstil. Las imgenes pueden ser guardadas como un par de archivos (hdr/img, lo cual es compatible con la mayora de visualizadores de imgenes analyze), o como un nico archivo (.nii). Algo muy importante acerca del formato NifTI es que intenta mantener la informacin sobre la orientacin espacial esto permite que software cmo el SPM sea ms preciso a la hora de realizar el corregistro, ya que todas las imgenes de un

18

Conectividad cerebral en humanos

individuo pueden utilizar la posicin del escner como una estimacin inicial para el alineamiento.1 Es necesario realizar un procesamiento previo de las imgenes antes de hacer la tractografa, para no obtener ningn error ms adelante y alcanzar resultados lo ms fiables posibles. Este proceso est compuesto por una serie de etapas que se llevan a cabo una vez se tienen las imgenes en formato Nifti, y deben ser realizadas siempre, independientemente de la herramienta que ms adelante se vaya a utilizar para el anlisis de la conectividad cerebral. 1. Reorientacin y corregistro de las imgenes. Tanto el atlas como la imagen T1 y la DTI se encuentran en espacios diferentes, es decir, como se muestra en la figura 2.1, antes del corregistro las dos imgenes no se pueden superponer. Esto es porque las tres imgenes tienen tamaos diferentes al igual que sus vxeles, y un espaciado distinto entre vxel y vxel. Como se desea trabajar con las tres imgenes hay que corregistrarlas de modo que queden todas en un mismo espacio y tengan la misma forma. Sin embargo, para que el corregistro sea exitoso las imgenes deben de estar centradas en el mismo punto, para ello se hace una pequea etapa previa de re orientacin en la cual se especfica un nuevo origen para la imagen, esto solo modifica la cabecera. En el apartado tres se especifica cmo se ha llevado a cabo la reorientacin de todas las imgenes. Para realizar el corregistro de dos imgenes se puede utilizar, entre otros software, el SPM de MATLAB. El mtodo de interpolacin utilizado normalmente es el trilinear, mediante el cual se pueden determinar qu valores de vxeles son computados entre dos localizaciones desconocidas. ste mtodo de interpolacin permite aproximar el valor de puntos intermedios de un cubo, utilizando los valores de los puntos ya conocidos. Es equivalente a hacer tres interpolaciones lineales consecutivas o una bilinear y una linear. Todos los clculos matemticos los realiza el programa internamente, lo nico que hay que especificarle es la ruta de las imgenes a corregistrar, el tipo de interpolacin que se desea utilizar, y el prefijo que se le va a poner al nombre de la imagen resultado para distinguirla de la que no se ha procesado. En la parte izquierda de la Figura 2.1 se puede observar la superposicin de la T1 (en blanco y negro) con la DTI (en rojo). Se puede ver que no es posible colocar una imagen encima la otra, sus tamaos y orgenes son totalmente diferentes. A la derecha se observa la

Conectividad cerebral en humanos

19

superposicin de las mismas dos imgenes despus del corregistro. Ahora si se pueden solapar sus vxeles. Este paso del pre procesado, es muy importante y su resultado debera de ser revisado siempre, ya que si se trabaja con imgenes que se encuentran en espacios diferentes, los resultados sern totalmente impredecibles y aleatorios, y por lo tanto la tractografa no ser fiable.

Fig. 2.1 Resultado del corregistro en el SPM de MATLAB. Es posible que algunas imgenes requieran de algn pre procesamiento adicional diferente a la re orientacin antes del corregistro, como alineamientos o giros entre otras cosas. Eso depender de cada imagen y del ruido que sta contenga. 2. Segmentacin de la SB y SG. La segmentacin, en pocas palabras, realiza una extraccin de diferentes estructuras del cerebro (como la SB y la SG). Para la tractografa es muy importante tener una imagen con cada una de las sustancias por separado. Ya que lo que se desea reconstruir son los tractos de materia blanca que unen regiones de sustancia gris, entonces el mapa de SB se utilizar para generar las ROI, puesto que aquellos vxeles que no pertenecen a sta sustancia no necesitan ser analizados ya que no formarn parte de ningn tracto, y tan solo aumentarn el tiempo de procesamiento.

20

Conectividad cerebral en humanos

El mapa de SG ser enmascarado (convertido en una imagen con solo dos valores: cero para los vxeles que no son de SG y uno para los que s) y utilizado como lmite para la tractografa, de modo que cualquier tracto que cruce con algn punto de las mscara con valor uno ser interrumpido, pues habr llegado al interior de una de las regiones. Adems, esto evita errores, porque por un mismo punto no puede hacer parte de la SB y la SG al tiempo. Como se explic en el apartado 1 y la Figura 1.1 del presente documento, la imagen T1 contiene un buen contraste entre la SB y la SG, apareciendo la primera ms luminosa y la segunda opaca. Por lo tanto, es a partir de la T1 corregistrada (rT1) que se hace la segmentacin. La segmentacin en el SPM genera cuatro archivos que se utilizarn ms adelante: La matriz de transformacin directa, matriz de transformacin inversa, imagen C1 (SG), imagen C2 (SB).A continuacin se muestra el resultado que genera la segmentacin.

Fig. 2.2 Resultado de la segmentacin con el SPM. El SPM usa una tcnica de clustering denominada Mixturas Gausianas para la segmentacin. Es una tcnica basada en modelos que se utiliza cuando la distribucin de los datos es conocida. Se modelan los datos como una suma de un conjunto de distribuciones paramtricas, como las Gausianas y se calculan los parmetros de esas distribuciones utilizando un clasificador de mxima verosimilitud a travs del algoritmo EM para la segmentacin de imgenes, utilizado la primera vez por Wells (J.V. Manjn).

Conectividad cerebral en humanos El algoritmo EM se basa en dos pasos que se repiten de forma iterativa. Sea un conjunto x de N datos (estos pueden ser mono o multiespectrales) y sus correspondientes probabilidades de pertenencia a cada clase que llamaremos y. Donde yik es la probabilidad de que el dato xi pertenezca a la clase k. La distribucin de probabilidad de los datos (en este caso Gaussiana) se describe mediante f(x|), en la que son sus parmetros (media, varianza y frecuencia relativa). El algoritmo empieza asignando valores iniciales a los parmetros y calculando las probabilidades condicionales a posteriori a partir de los parmetros iniciales usando para ello la regla de Bayes Se utilizan las probabilidades a posteriori para realizar una mejor estimacin de los parmetros. Este proceso se itera hasta que la verosimilitud converge a su valor mximo.2 3. Generacin de las ROI. Este paso depende los resultados que se deseen obtener en concreto y cmo se quiera realizar la tractografa. Las ROIs se generan a partir de una imagen en 3D en la cual se encuentran perfectamente diferenciadas las regiones del cerebro funcionalmente distintas. Los vxeles de cada regin tienen un valor de intensidad diferente. Esta imagen es el atlas y segn el atlas que se utilice y el tipo de conectividad a calcular obtendremos regiones diferentes. Sin embargo, siempre debe incluir la normalizacin del atlas al cerebro del sujeto actual ya que ste es una imagen universal y no tiene la forma del cerebro del paciente. La desnormalizacin es un proceso mediante el cual el atlas, que est en un espacio estndar, se pasa al espacio de la rT1 del paciente, es decir, su forma y dimensiones se ajustan al cerebro del sujeto actual. Esto se hace mediante la aplicacin de la matriz de transformacin inversa obtenida en el paso anterior. Despus de ste punto entonces ya todas las imgenes estarn en el mismo espacio y tendrn la misma forma. Previamente se debe obtener la informacin de las dimensiones de los voxeles de la rT1 ya que es un parmetro de entrada que pide el SPM. Para conseguir esto se puede utilizar cualquier visualizador de imgenes NifTI como por ejemplo el MRIcro, sin embargo, en el apartado de la automatizacin del procesamiento se explicar el script generado para hacerlo automticamente. En la siguiente figura se pueden observar los pasos a seguir para la normalizacin con el SPM as como los parmetros que se introducen.

21

22

Conectividad cerebral en humanos

Fig. 2.3 Desormalizacin del atlas (aal.img) con el SPM de MATLAB. En la figura 2.4 se muestra el resultado que se debe obtener con la desnormalizacin. En la imagen de la izquierda est el atlas superpuesto al primer volumen de la DTI y a la izquierda est sobre la rT1. Estas deben tener aproximadamente la misma forma (normalmente no ser todo tan exacto y habrn algunos errores).

Fig. 2.4 Superposicin del atlas desnormalizado a las imgenes del sujeto pep_0004.

2.2. El problema del cruce de fibras y las soluciones existentesUna vez terminado el pre procesamiento de las imgenes nombrado anteriormente y que se han obtenido todas las ROIs deseadas entonces se inicia con el proceso de la tractografa en s,

Conectividad cerebral en humanos

23

para lo cual se ha utilizado la herramienta FSL. Es importante por lo entender cmo funciona para poder interpretar los resultados que se obtienen con ste programa. Se comenzar por explicar cmo soluciona el FSL el problema del cruce de fibras y despus se explicarn las diferentes etapas de procesamiento. Sin embargo, antes es importante analizar un problema que comnmente se presenta en la tractografa. Despus se explicar cmo el FSL lo soluciona. Debido a los lmites de resolucin en la IRM y de los tiempos de procesamiento necesarios, es bastante probable que por un vxel cruce ms de una fibra. En caso que esto ocurriera, puede que estas fibras tengan una orientacin diferente entre ellas, por lo que no habr una sola direccin preferente de difusin. Ms all de esto, cuando ocurre lo difcil es diferenciar ste caso a aquel en el que las fibras se doblan un pequeo ngulo. La siguiente imagen muestra dos casos muy diferentes en los que las direcciones de difusin son las mismas.

Fig. 2.5. El problema del cruce de fibras en la tractografa. En la figura 2.5, se muestran lneas de dos colores por el medio de las fibras, con el fin de identificar qu partes pertenecen a qu fibra. El camino por donde va una fibra est sealado en un color ms oscuro y el de la otra en un color ms claro. En la imagen de la izquierda las fibras se cruzan y hay dos direcciones principales de difusin. En el segundo caso las fibras apenas se tocan y una de ellas tiene un grado de curvatura un poco mayor que el de la otra, aqu tambin hay dos direcciones preferentes de difusin. En ste punto la dificultad es que al seguir los tractos es difcil distinguir cmo saber si la fibra se est curvando o es simplemente una diferente. Adems, estas configuraciones se encuentran presentes en todo el cerebro (Behrens et al., 2007). A pesar de la gran habilidad que tiene la tcnica de DTI en determinar las direcciones de los axones neuronales, tambin posee ciertas limitaciones y entre ellas su incapacidad de resolver el problema del cruce de fibras, por lo cual la comunidad cientfica comenz a buscar nuevos mtodos y algoritmos que pudieran solucionar el problema. Se han implementado algoritmos

24

Conectividad cerebral en humanos

deterministicos, probabilsticos y basados en el anlisis bayesiano de imgenes neurolgicas. Entre los mtodos ms conocidos se encuentran la DSI y HARDI. La tcnica de DSI describe la difusin para cada vxel mediante una funcin general, la funcin de densidad de probabilidad (PDF), que especifica para cada vxel, la distribucin 3D de los desplazamientos de los espines que contiene y son visibles por IRM3. A pesar que sta tcnica tiene gran capacidad de detectar y representar las fibras que se cruzan y que ha sido un gran avance en la IRM para la conectividad neuro anatmica, tambin se caracteriza por la adquisicin de un gran nmero de imgenes aplicando gradientes magnticos en mltiples direcciones con una alta sensibilidad al movimiento. Esto no solo resulta en grandes tiempos de adquisicin pero tambin requiere de un hardware de muy alto rendimiento, tpicamente sistemas de 3 Teslas, gradientes magnticos muy fuertes, y bobinas multicanal.3 Por lo tanto, debido a la complejidad de la DSI, la tcnica de DTI an es ampliamente usada a pesar de sus limitaciones. Sin embargo, algunas soluciones intermedias han emergido como es el caso de un mtodo de alta resolucin: HARDI. Esta ltima tcnica se ha hecho muy popular ya que resuelve el problema del cruce de fibras sin necesidad de tener tiempos de adquisicin tan grandes ni un hardware tan avanzado. HARDI remplaza el uso de tensores para representar los datos de difusin anisotrpica por el uso de distribuciones probabilsticas, geometra tomogrfica (generacin de imgenes por cortes) y matemtica de vectores. Bsicamente se analizan los vxeles desde diferentes direcciones y se detectan las lneas de direccin por donde se ha detectado una mayor medida de anisotropa. De modo que por un determinado vxel slo pasa un fibra, entonces habrn slo dos mximos que estarn apuntando en direcciones opuestas. Y si hay un cruce de n fibras, entonces habr n pares de mximos. Sin embargo, los problemas de resolucin espacial y angular permanecen, y a pesar de que se soluciona el cruce de fibras, aparece el kisscrossing problem como la imagen de la derecha de la figura 2.5 (Hagmann P, et al). La tabla 2.1 hace un resumen de los ms exitosos en la tractografa segn Hagmann P, et al.

Conectividad cerebral en humanos

25

Tabla 2.1 Clasificacin de los algoritmos tracogrficos publicados ms importantes dependiendo de la tcnica de propagacin y de imagen por difusin4. Como se observa en la tabla 2.1, no solo existen diversas tcnicas de imagen por difusin si no tambin algoritmos de propagacin, como tambin se haba nombrado anteriormente. En la tabla 2.2 se muestra una comparativa entre la tractografa deterministica y la probabilstica, ambas son complementarias, de hecho algunos estudios utilizan algoritmos de ambos tipos para verificar y complementar resultados (Bing H. et al). Tractografa deterministica Asume una nica orientacin en cada vxel. Da una estimacin de los parmetros del modelo. Dibuja una sola lnea de difusin por vxel. Tractografa probabilstica Asume una distribucin de orientaciones. Da la probabilidad de la estimacin de los parmetros del modelo. Mltiples lneas de difusin por vxel (dibujadas a partir de una distribucin de probabilidad). Programas de tractografa deterministica: TrackVis5 MedINRIA6 Camino7 Volume one Programas de tractografa probabilstica: FSL (ProbtrackX)8 Camino BrainVISA9

26

Conectividad cerebral en humanos

Brain visa

10

Tabla 2.2 Tractografa deterministica vs probabilstica. Como se puede observar en la tabla 2.2, existen muchos programas para hacer tractografa, cada uno utiliza tcnicas y algoritmos diferentes. Sin embargo, no existe ningn estudio hasta el momento que haga una comparativa de estos programas, analizndolos robustamente y comparando sus tiempos de procesamiento y resultados. Esto sera bastante til para poder estandarizar las utilidades de los programas y usar los que sean realmente fiables para cada caso. Para esto, se necesita seleccionar uno de los programas como modelo para as comparar los resultados de todos con los de ste. Debe ser un programa que de resultados fiables tanto visual como numricamente, y con el cual se tenga la experiencia suficiente para seleccionar los mejores parmetros de ejecucin. Ya que en el laboratorio de imgenes mdicas del IDIBAPS se tiene ms experiencia con el FSL se ha procedido a comenzar el estudio con sta herramienta, se han hecho pruebas con diferentes pacientes y se han encontrado los mejores parmetros, para utilizar los resultados obtenidos con los que se obtengan en un futuro con otras herramientas.

2.3. La tractografa en el FSLA pesar que el FSL utiliza imgenes de DTI y como se dijo anteriormente sta tcnica tiene problemas en detectar el cruce de fibras, los ingenieros que trabajan en sta herramienta han encontrado cmo utilizar el anlisis bayesiano para identificar las fibras que se cruzan. El

Conectividad cerebral en humanos

27

anlisis bayesiano permite inferir informacin desconocida a partir de informacin que se conoce. Por lo tanto, la probabilidad que en un determinado vxel hayan ciertas direcciones con mayor difusin, no viene determinada solo por los parmetros calculados en ese punto, sino que tambin interfieren las lneas de difusin calculadas en los vxeles vecinos. Se tiene adems en cuenta la probabilidad de encontrar falsos positivos y falsos negativos en la conectividad entre dos puntos, las estadsticas Bayesianas brindan una herramienta para inferir en cualquier modelo seleccionado, y garantizan que la incertidumbre ser manejada correctamente11. Existen varios modelos Bayesianos que permiten predecir ciertos parmetros en las imgenes, especialmente shrinkage priors o Automatic Relevance Determination (ARD). La ARD permite determinar la contribucin relativa de cada conjunto de fibras estimando a partir de sta informacin el nmero de fibras que se cruzan en cada vxel (T.E.J. Behrens, et al). Ya que la forma en que se hace sta estimacin est fuera del mbito de ste proyecto, no se estudiar a fondo cmo funciona el modelo de ARD. Sin embargo, se tiene en cuenta la fiabilidad que ha demostrado ste mtodo en la deteccin del nmero de orientaciones de fibras en cada vxel (T.E.J. Behrens, et al) para seleccionar el FSL como el programa estndar para la presente investigacin. A continuacin se explican las diferentes etapas que normalmente se llevan a cabo para el clculo de conectividad cerebral en humanos una vez se tienen las imgenes en el formato NifTi. 1. Correccin de las distorsiones creadas por las corrientes de Eddy. Las corrientes de Eddy en las bobinas de la mquina de IRM inducen (aproximadamente) artefactos en las imgenes de difusin. Estas distorsiones son diferentes para las diferentes direcciones del gradiente. Las correcciones de Eddy eliminan estas distorsiones as como simples movimientos de cabeza realizando un registro afn con un volumen de referencia8. Estas corrientes son inducidas en todos los conductores que estn expuestos a un campo magntico cambiante. Esto hace que se cree una corriente de electrones dentro del conductor que inducir otro campo magntico que se opondr al original. Cuanto ms grande sea el campo magntico aplicado mayores sern las corrientes, generando mayores artefactos de ruido.

28

Conectividad cerebral en humanos

2. Extraccin del cerebro. Para extraer el cerebro del resto de cosas se utiliza el BET (Brain Extraction Tool) del FSL. Esto se hace por que el resto de estructuras no se necesitan para la tractografa y se le aplica a la DTI obtenida del paso anterior (despus de haber aplicado las correcciones de Eddy). Bsicamente, el proceso se basa en analizar el ndice de anisotropa de los diferentes tejidos, eligiendo entonces solo aquellas partes donde hay un ndice de anisotropa cercano el de los tejidos cerebrales. A partir de esto se obtienen dos imgenes resultado: el cerebro sin todo lo de afuera y la mscara de la anterior, los vxeles externos valen cero y los de adentro valen uno. A continuacin se muestran las dos imgenes. El resultado obtenido con ste procedimiento se muestra en la figura 2.6.

Fig. 2.6 Resultados de la extraccin del cerebro con el FSL. 3. Tractografa y la estimacin de sus parmetros. La estimacin de los parmetros se realiza mediante la rutina bedpostX del FSL. BEDPOSTX significa Bayesian Estimation of Diffusion Parameters Obtained using Sampling Techniques (en espaol: estimacin Bayesiana de los parmetros de difusin obtenidos utilizando tcnicas de muestreo). La X al final de la frase significa que se modela tambin el cruce de fibras en cada vxel del cerebro. Para detalles sobre el modelo utilizado, ver Behrens et al, Neuroimage 2007, 34:144-55.8

Conectividad cerebral en humanos

29

El bedpostX normalmente debera tardar 24 horas, pero esto depende del ordenador con la que trabaje, en el captulo cuatro donde se analizan los resultados se ver que el tiempo que ha empleado en algunos casos ha sido mucho mayor. Los resultados generados en ste paso son la entrada al ProbtrackX que realiza la tractografa en s calculando el nmero de fibras entre cada par de ROIs y guardando eso en un fichero. El bedpostX tambin genera una imagen muy importante que es el mapa de FA visualizado en colores y con lneas que representan la direccin principal de difusin en cada vxel o todas las direcciones principales en caso de haber ms de una. En la figura 2.7 se muestran los resultados para sta etapa del procesamiento.

Fig 2.7 Imgenes generadas por el bedpostX en la estimacin de parmetros para la tractografa. Adems de calcular los tractos, el ProbtrackX tambin genera unas imgenes, que si se superponen con las ROIs a las cuales se les ha calculado la conectividad, permiten ver por dnde pasan los tractos de materia blanca (aproximadamente) que unen stas regiones. La siguiente imagen muestra un ejemplo de ello.

30

Conectividad cerebral en humanos

Fig. 2.8. Imagen generada por el ProbtrackX. Representa la conectividad entre las dos regiones.

Conectividad cerebral en humanos

31

Captulo 3

Materiales y mtodosAntes de comenzar la etapa de implementacin del AutotrackMG, se deben tener claros los parmetros que necesitan los programas MATLAB y FSL para ejecutar correctamente las diferentes rutinas, adems de tener un esquema de los scripts que se han de generar dinmicamente a travs del proceso. Por lo tanto, la etapa inicial del desarrollo del proyecto ha sido ejecutar todo el pre procesamiento de forma manual, tomando nota de las entradas y salidas de cada una de las rutinas que hacen parte del pre procesado as como el orden que se debe llevar a cabo. A continuacin se han estudiado los scripts que genera el SPM y a partir de stos se han generado nuevos scripts en forma de funciones, para que parmetros tales como las rutas de los archivos, entre otros, puedan variar dinmicamente. Estos scripts se han probado directamente en MATLAB, lo cual ha sido un proceso cclico de realizacin de pruebas y correccin de errores. Esta etapa se ha llamado pre procesado semi automtico ya que tiene una parte manual que es la escritura de las funciones en MATLAB pero tambin tiene una parte automtica que es la ejecucin de las diferentes rutinas a partir de esos scripts y no utilizando la interfaz grfica como en el paso anterior. Como se puede ver, a medida que va avanzando el proyecto se logran niveles mayores de automatizacin. El siguiente paso, sin embargo, fue de nuevo manual: La ejecucin de la tractografa con el FSL. Para esto se utiliz la interfaz grfica y se modificaron algunos parmetros que se explicarn a lo largo de ste captulo hasta encontrar los valores que mejores resultados daban. Ya que el FSL es una herramienta que permite que se ejecuten sus subrutinas a travs de la lnea de comandos del sistema operativo, automatizar esto fue muy fcil una vez obtenidos los parmetros correctos. Despus de analizadas las herramientas que se comunicarn con el AutotrackMG, entonces se ha diseado el software dividindolo en mdulos con el fin de facilitar futuras modificaciones

32

Conectividad cerebral en humanos

y ampliaciones. Finalmente se le ha hecho una mejora al programa mediante la implementacin de un modelo cliente servidor que se encuentra en ste momento en periodo de prueba. En la figura 3.1 se resume el proceso explicado anteriormente y ms adelante se explicarn de forma ms detallada cada una de las etapas.

Conectividad cerebral en humanos

33

Fig. 3.1. Etapas de desarrollo del proyecto.

34

Conectividad cerebral en humanos

Como se observa en el diagrama de flujo anterior, hay un orden cronolgico descrito mediante las flechas as como la dependencia en resultados anteriores. En general, el resultado de cualquier etapa ha sido la entrada de la etapa siguiente, por lo tanto, al final de cada una de las fases realizadas manualmente se ha hecho una revisin de los resultados. La etapa de automatizacin del proceso ha sido un procedimiento iterativo y complejo, por lo que se har un diagrama de flujo aparte en el apartado correspondiente. Los sujetos cuyas imgenes se utilizaron en las diferentes etapas se han nombrado de la siguiente manera (sta identificacin ser utilizada para mostrar los resultados en el captulo 4): GE1.5_p02, GE1.5_p03 (las imgenes de stos dos han sido adquiridas con la mquina de resonancia de General Electric de 1.5 T), PEP_0004, PEP_0081, PEP_0082, PEP_0084, PEP_OO86x (las imgenes obtenidas para stos ltimos han sido obtenidas con la mquina de Siemens de 3 T). Tanto el pre procesado de las imgenes como la tractografa probabilstica con el FSL se hicieron manualmente con PEP_0004, los dems sujetos fueron procesados con el autotrackMG. En los apartados 3.1 y 3.2 se explicar detalladamente el procedimiento seguido. Las estadsticas fueron todas hechas a mano con ayuda de MATLAB y Excel. Adems, se ha utilizado el atlas del MRIcro, no obstante, ste es el mismo atlas que hay en la mayora de programas como es el FSL. A continuacin se muestran ilustraciones del atlas utilizado, ste divide el cerebro en 116 ROIs que se han utilizado para generar las matrices de conectividad a partir de la tractografa. Se ha normalizado para cada control y se ha pasado a tonos de gris para distinguir computacionalmente cada regin. Para la visualizacin de las imgenes se utiliz tanto el FSL View como el MRIcro.

Fig. 3.2 Atlas utilizado durante el procesamiento.

Conectividad cerebral en humanos

35

3.1. Pre procesado manualPara todos los pasos que hacen parte del pre procesado manual se han utilizado las imgenes del sujeto PEP_0004 y la interfaz grfica del SPM8 de MATLAB.

3.1.1. Reorientacin y CorregistroComo se explic en el captulo dos, la reorientacin es el primer paso a llevar a cabo en la preparacin de las imgenes para la tractografa. Es un paso fcil y rpido, sin embargo, es la nica etapa de todo el procesamiento que no se ha logrado automatizar. El inconveniente que presenta es que hay que localizar visualmente el punto que se desea sea el centro de la imagen, en ste caso la parte inferior del cuerpo calloso. Aun realizando la segmentacin del sta estructura, habra que disear un algoritmo que pudiera encontrar el punto ms inferior, lo cual est fuera del alcance del presente proyecto. Primero se ha ubicado el centro original de la imagen y despus se ha encontrado la distancia de ste hasta el nuevo origen. Esa distancia se ha restado a cada una de las coordenadas y despus el programa automticamente guarda la transformacin en la cabecera, de modo que cualquier software para la visualizacin de imgenes mdicas al abrirla leer su cabecera y centrar la imagen correctamente. El archivo con extensin .img no es modificado, solo el .hdr. La siguiente imagen explica visualmente cmo se ha hecho ste paso.

36

Conectividad cerebral en humanos

Fig. 3.3 Reorientacin de las imgenes en el SPM de MATLAB. La imagen de referencia para el corregistro ha sido la DTI y la imagen fuente la T1. El proceso seguido ha sido el ya descrito en el captulo dos y los resultados se presentarn en captulo cuatro.

3.1.2. SegmentacinPara la segmentacin se ha seguido el proceso descrito en el captulo dos. La imagen a segmentar ha sido el resultado de la etapa anterior y las imgenes generadas en ste apartado (SB, SG y matrices de transformacin) se han utilizado para la normalizacin del atlas y generacin de las ROIs. El resultado de la segmentacin son dos mapas de probabilidades (uno para la SB y otro para la SG) en los cuales en cada punto se tiene el valor de la probabilidad que ese vxel sea de SB o de SG respectivamente. Para poder visualizar estas probabilidades entonces se representan a modo de intensidad, de forma que para la imagen de SB, los vxeles con intensidad uno son aquellos que tienen una probabilidad del 100% de de hacer parte de la SB, los que tienen intensidad cero no tienen

Conectividad cerebral en humanos

37

probabilidad de ser de SB y a medida que se acerca a uno o cero tendrn mayor o menor probabilidad. Una vez hecha la segmentacin, se ha escrito un script de MATLAB para generar una imagen binaria a partir de la SG, la cual ha sido utilizada como mscara de finalizacin de tractos en la tractografa. Los parmetros utilizados han sido: inputImage (imagen de entrada): La de SG. threshold (umbral): 0.5. Todos los vxeles con probabilidad menor que ste nmero valdrn cero, los dems uno.

Fig. 3.4 Cdigo MATLAB para la binarizacin de una imagen.

3.1.3. Normalizacin del atlasUna vez realizada la segmentacin se ha procedido a la normalizacin del atlas utilizando las matrices de transformacin obtenidas anteriormente. Al programa se le entrega el atlas original y la T1, y devuelve un nuevo atlas con la misma forma y tamao que la T1. Al igual que la etapa anterior, en el capitulo dos se ha descrito ya cmo se realiza la normalizacin a travs de la interfaz grfica del SPM, y en el apartado 3.2.2 se describe cmo se ha automatizado ste proceso. Es importante recordar en ste punto que antes se ha de leer la cabecera de la imagen T1 para saber cul es el espacio entre sus vxeles, dato necesario para normalizar el atlas. La lectura de la cabecera tambin se puede hacer mediante un script como se explicar ms adelante. Los resultados se discutirn en el siguiente captulo.

38

Conectividad cerebral en humanos

3.2. Pre procesado semi automtico3.2.1. Generacin de las ROIsLa generacin de las ROI se ha hecho a partir del atlas normalizado a la cabeza de cada uno de los sujetos. Es una etapa de fundamental importancia ya que las 116 regiones a travs de las cuales se encontrarn tractos son las creadas en ste apartado con scripts de MATLAB. Ya que las regiones se pueden crear de diferentes maneras entonces se han construido ROIs de distintos tipos, en concreto cuatro tipos. Y se ha medido el error producido en la tractografa realizada con cada uno de las cuatro clases de ROI, con el fin de encontrar aquellas con las que se pueden conseguir resultados ms fiables. En el apartado de resultados se analizarn las estadsticas obtenidas con cada una. A continuacin se describen los diferentes tipos de ROIs. 1. ROIs completas: Son sencillamente las regiones con diferentes valores de intensidad, el algoritmo recorre el atlas en las tres direcciones y todos los vxeles que contengan el mismo valor de intensidad entonces los agrupa en una misma regin.

Este tipo de ROIs aumentan mucho el tiempo de procesamiento de la tractografa, ya que tractografa recorre vxel por vxel de cada regin para analizar si hay un tracto de SB que vaya de ste vxel a cualquier otro de otra regin, lo que hace el proceso dependiente del tamao de las regiones, y ests sern las ROI con mayor nmero de vxeles. Adems, muchos de stos que no sern de SB por lo que se procesarn sin necesidad y adems pueden aumentar los errores.

Por lo tanto, no se han utilizado en el procesamiento con el FSL, solo se ha hecho la prueba con un par de regiones para cada sujeto con el fin de hacer una comparativa estadstica y comprobar que tanto el tiempo de procesamiento como el error aumenta. El cdigo que se presenta a continuacin adems genera un documento descriptor del conjunto de ROIs, en el cual se guarda la cantidad de vxeles que hacen parte de cada una. Esto es de gran utilidad para hacer comparaciones entre el tamao de las regiones y los errores obtenidos. La ruta del archivo donde se guardan los valores de intensidad de cada ROI y la cantidad de vxeles que pertenecen a sta, se hace genrica ms

Conectividad cerebral en humanos

39

adelante durante la automatizacin de todo el pre procesamiento, ser entonces la misma ruta que la imagen T1 corregistrada. Ya que estos scripts sern generados automticamente en Java, el programa sabr dnde estn guardados los archivos que se estn utilizando.

Fig. 3.5 Cdigo MATLAB para la generacin de ROIs completas. 2. ROIs de SB: Este tipo de ROIs contiene solo los vxeles de cada regin por los cuales pasan los tractos de materia blanca. Se han obtenido primero haciendo una suma del atlas normalizado con el mapa de sustancia blanca obtenido con la segmentacin, proceso llamado enmascaramiento del atlas. Despus de esto, se ha utilizado el mismo script anterior, la nica diferencia es que el atlas seleccionado ser ahora el que contiene solo las partes de SB.

Con esto se ha logrado una gran mejora en el tiempo de procesamiento y reduccin de los errores, sin embargo, an se pueden presentar problemas con la tractografa, ya que si un tracto pasa por N vxeles de la ROI podr ser contado N veces por el FSL (a no ser que sea detenido por la mscara de SG). Para el enmascaramiento del atlas se han escrito dos scripts de MATLAB, los cuales hacen llamadas al SPM.

40

Conectividad cerebral en humanos

File2_name se remplaza por el nombre del archivo donde est el script secundario para el enmascaramiento. Y patientID se remplaza por la identificacin del sujeto al cual pertenecen las imgenes que se estn analizando, con el fin de distinguir los archivos que contienen los resultados de diferentes personas.

Fig. 3.6 Script principal de MATLAB para el enmascaramiento del atlas. Aqu file2_name es la ruta del script secundario que se muestra a continuacin.

Fig. 3.7 Script secundario de MATLAB para el enmascaramiento del atlas. Aqu normalizedAtlas es la ruta del atlas normalizado y en lugar de grayMap se ha introducido la ruta de la imagen de SB (si se deseara enmascarar con la sustancia gris entonces se utilizara la imagen de SG) 3. ROIs huecas: Se han creado con el objetivo de eliminar el problema planteado anteriormente con las ROIs de materia blanca. Pues estas contienen solo el contorno de cada regin y eliminan todos los vxeles del interior, con lo que no repetir tantas veces la cuenta de un mismo tracto.

Se espera que a lo mximo cuente dos veces cada tracto (cuando entra y sale de la regin). Como lo que interesa no es saber los vxeles por donde pasan los tractos si no

Conectividad cerebral en humanos

41

el nmero de fibras que entra a la ROI, entonces se estaran obteniendo aproximadamente los resultados deseados, o al menos reduciendo el error. En el apartado de los resultados se analizar si es verdad la premisa que con ste tipo de ROIs se hay un menor error y tiempo de procesamiento comparado con las anteriores. Para ste caso se ha generado un script diferente que tambin recorre el atlas en las tres dimensiones, pero le asigna valor uno solo a aquellos vxeles que contienen algn vecino con diferente valor de intensidad (estos son entonces los que pertenecen al contorno de la ROI) y todos los otros vxeles para los cuales todos sus vecinos tienen el mismo valor de intensidad que ellos o tenan ya valor cero antes (los que no pertenecen al cerebro del sujeto), se les asigna un valor cero. El tiempo de generacin de ste tipo de ROIs es mucho mayor que el anterior ya que por cada vxel hay que recorrer los 26 vxeles que le rodean. Como las imgenes no son tan grandes ste tiempo no es tan significativo, pero en el apartado de los resultados se analizar qu tanto se justifica esto.

42

Conectividad cerebral en humanos

Fig. 3.8 Script en MATLAB para la generacin del atlas de contornos. 4. ROIs huecas de SB: Es una mezcla de las dos anteriores. El gran problema es que no son regiones continuas y se pueden estar perdiendo muchos tractos. Cualquier error en la suma del atlas con la imagen de SB podra ser muy significativo en el momento de realizar la tractografa con ste tipo de ROIs. Al igual que las ROIs completas, solo se ha utilizado con un par de regiones para hacer la comparativa ya que los resultados no han sido fiables.

Para conseguir las ROIs huecas de materia blanca se ha generado primero el atlas de contornos con el script de la Figura 3.8, despus se ha enmascarado el resultado

Conectividad cerebral en humanos

43

utilizando los script de las figuras 3.6 y 3.7. Finalmente, con el cdigo de la Figura 3.5 se consiguen las ROIs.

Evidentemente es un proceso mucho ms largo e ineficiente, pero se han hecho las pruebas para ver si el aumento en la generacin de las ROIs se ve justificado con la disminucin en el procesamiento de la tractografa y en los errores obtenidos. En el captulo de resultados se analizar lo obtenido con cada tipo de ROIs y se concluir cuales son las ms adecuadas para la tractografa. En las siguientes imgenes se puede observar la diferencia entre los cuatro tipos de ROIs y la cantidad de vxeles para cada una de las 116 Regiones de inters utilizadas. Se numeran de la dos a la 116 ya que la ROI1 sera lo que no pertenece al cerebro.

Fig. 3.9 Ejemplo de los diferentes tipos de ROIs utilizadas. A = ROIs completas, B = ROIs de SB, C = ROIs huecas, D = ROIs huecas de SB.

44

Conectividad cerebral en humanos

Fig. 3.10 Nmero de vxeles para todas las ROI de cada tipo.

3.2.2. Generacin de scripts para automatizar todo el pre procesamientoComo se puede observar, los resultados de cada una de las diferentes etapas de procesamiento son la entrada a la etapa siguiente. Si en algn punto se generase algn error, ste pasara de una a otra etapa y los resultados finales seran incorrectos. Por lo tanto, es importante asegurar que desde un principio los fallos son mnimos y dependen slo de la herramienta en s. Sin embargo, cuando los procedimientos se hacen manualmente hay grandes posibilidades de introducir errores humanos, como equivocaciones en la seleccin de imgenes o parmetros. De igual modo la intervencin de las personas aumenta en gran medida los tiempos de procesamiento (mientras se seleccionan los archivos, se leen las cabeceras, etc.). Por ste motivo se han generado unos scripts de MATLAB que automticamente hacen las llamadas al

Conectividad cerebral en humanos

45

SPM. Como estos scripts son funciones cuyos parmetros dependen del sujeto que se est analizando en cada momento (ya que la ruta donde estn guardadas las imgenes y sus nombres cambiarn cada vez), para no tener que seleccionar siempre estos parmetros, entonces el programa en Java escribe el script cada vez y mediante llamadas al sistema operativo lo ejecuta. Ya que el programa sabe dnde ha guardado los resultados de la etapa anterior, sabe entonces las rutas de las entradas a la etapa siguiente. Todos los script mostrados en el apartado 3.2 se han modificado para que el usuario no tenga que intervenir de ninguna forma. Por ejemplo, en la generacin de las ROIs completas la primera lnea donde se selecciona el atlas se ha eliminado para que ste entre como parmetro de una funcin. Para el corregistro, segmentacin y normalizacin se han escrito entonces nuevos cdigos en MATLAB despus de haber hecho numerosas pruebas manuales con las imgenes de uno de los sujetos y seleccionados los mejores parmetros (que ya se han explicado en el pre procesamiento manual). Para la normalizacin hay que leer la cabecera de la imagen y obtener el tamao de los vxeles en las tres dimensiones. Por lo tanto, tambin se ha creado un script que hace esto. A continuacin se muestran el esquema de los cdigos utilizados. A la funcin que lee la cabecera le puede entrar cualquier imagen y sta no solo devolver el tamao de los vxeles si no otra informacin importante.

46

Conectividad cerebral en humanos

Fig. 3.11 Cdigo para la lectura automtica de la cabecera de las imgenes con MATLAB. Para el corregistro son dos archivos. El principal (que es llamado directamente desde Java) tiene en la segunda lnea escrito file2.getAbsolutePath(), aqu ir la ruta del segundo archivo (que es llamado desde el primero y ejecuta la funcin en MATLAB).

Fig. 3.12 Script principal para la ejecucin automtica del corregistro de las imgenes en el SPM. En el siguiente script referenceImage es la ruta de la imagen de referencia (DTI) y sourceImage la de la T1. Los dems parmetros son los que da el SPM por default.

Conectividad cerebral en humanos

47

Fig. 3.13 Script secundario para la ejecucin automtica del corregistro de las imgenes en el SPM. En la siguiente imagen path_segment_job es la ruta del script secundario de segmentacin.

Fig. 3.14 Script principal para la ejecucin automtica de la segmentacin en el SPM. El programa en java, a la hora de generar el script secundario utiliza la ruta donde se ha guardado el resultado de la etapa anterior, lo cual guarda en una variable denominada path_corregisteredT1 como se puede ver a continuacin. Las imgenes grey.nii, white.nii y csf.nii son seleccionadas por el usuario al comienzo cuando se inicia la ejecucin del programa. Estos archivos se encuentran en la carpeta de MATLAB y son utilizados por el SPM como referencia para la segmentacin.

48

Conectividad cerebral en humanos

Fig. 3.15 Script secundario para la ejecucin automtica de la segmentacin en el SPM.

Fig. 3.16 Script principal para la ejecucin automtica de la normalizacin en el SPM. transformationMatrix en el script anterior la ruta del archivo de la matriz de transformacin inversa generada despus de la segmentacin, y atlas_path es la ruta del atlas a normalizar.

Fig 3.17 Script secundario para la ejecucin automtica de la normalizacin en el SPM.

3.3. Procesos necesarios para la reconstruccin de tractos a partir de la DTI

Conectividad cerebral en humanos

49

Una vez terminado el pre procesamiento de las imgenes, stas estn listas para introducirlas en el FSL y realizar la tractografa. Primero se ha utilizado la interfaz grfica para ejecutar cada uno de los pasos que se describen a continuacin, usando las imgenes correspondientes al sujeto PEP_004 (el mismo que se ha utilizado anteriormente). Cada una de las etapas genera como resultados una serie de archivos que ya se comentaron a lo largo del captulo dos, adems de un fichero que contiene el comando del SO equivalente a lo que se ha hecho a travs de la interfaz grfica. Este comando fue utilizado en la automatizacin del proceso que se explicar en el apartado 3.4.

3.3.1. Correccin de las distorsiones creadas por las corrientes de EddyLos parmetros utilizados para las correcciones de Eddy son los que vienen por defecto en la interfaz grfica y el comando generado por el FSL es el siguiente: eddy_correct ruta_DTI.nii rutaYnombre_resultado.nii 0. La DTI es una imagen en 4D formada por 31 volmenes en 3D, el volumen de referencia en todos los casos es el cero (el primero), ya que ste ha sido adquirido sin introducir ningn gradiente. Como se ha tomado el gradiente en 30 direcciones diferentes, entonces las correcciones sern aplicadas a los otros 30 volmenes.

3.3.2. Extraccin del cerebro mediante BETEn la siguiente imagen se pueden ver los parmetros utilizados para realizar la extraccin del cerebro utilizando la interfaz grfica y la lnea de comandos.

50

Conectividad cerebral en humanos

Fig. 3.18 Ejecucin de la extraccin del cerebro a travs de la interfaz grfica y la lnea de comandos del SO.

3.3.3. Estimacin de los parmetros para la tractografaLa estimacin de los parmetros para la tractografa se hace mediante la rutina BEDPOSTX del FSL. El programa requiere que se le introduzca una carpeta con todos los archivos que necesita para ejecutarse. Si se hiciera manualmente habra que crear sta nueva carpeta, guardar ah los correspondientes ficheros y seleccionarla a travs de la interfaz grfica, o introducir su ubicacin si se ejecuta la rutina por la lnea de comandos. Sin embargo, AutotrackMG, como se explicar ms adelante, hace esto automticamente, facilitando las cosas y ahorrando tiempo. Despus, agrega la ruta de la nueva carpeta al comando que se mandar al sistema operativo. La carpeta de entrada al BEDPOSTX contiene los siguientes archivos: - DTI con el cerebro extrado (resultado del paso anterior). - Mascar del cerebro extrado (tambin generada en el paso anterior). - Archivo de bvecs - Archivo de bvals

Conectividad cerebral en humanos

51

Se recomienda hacer una revisin al inicio de la ejecucin para comprobar que los archivos que contiene la carpeta de entrada son los correctos, as como sus nombres y el formato. Esto solo se puede hacer a travs de la lnea de comandos. Los resultados generados ya se explicaron en el captulo dos. stos se han guardado automticamente en una carpeta con el mismo nombre que la carpeta cuyo contenido se ha descrito arriba, pero al final se le agrega .bedpostx. sta es la entrada al proceso de tractografa que va a continuacin. El resto de parmetros, aparte del directorio de entrada, son los que vienen por defecto en la interfaz grfica, y lo que se debe introducir por la lnea de comandos del SO para la revisin de los archivos nombrados anteriormente y la ejecucin del BEDPOSTX es lo siguiente: Comando para la revisin del directorio de entrada: bedpostx_datacheck directorio_entrada Comando para la ejecucin del BEDPOSTX: bedpostx directorio_entrada

3.3.4. Generacin de los tractos de materia blanca con el ProbtrackXEste ltimo paso es el ms importante, largo y complicado de todo el procesamiento. La idea del proyecto es precisamente comparar los resultados ac obtenidos utilizando diferentes parmetros de entrada y tipos de ROIs. La tractografa se ejecuta a travs de la rutina PROBTRACKX del FSL. En general los parmetros que hay que tener en cuenta son los siguientes: 1. Numero de muestras (valor por defecto: 5000): Determina el nmero de caminos o

muestras que se dibujarn a travs de las distribuciones de probabilidad de las direcciones principales de las fibras. Con este nmero (5000) se consigue una buena convergencia de los resultados. Sin embargo, al reducirlo se acelerar el proceso y puede ser til para estudios preliminares o exploratorios8. Este parmetro no ha sido modificado en ninguno de los ensayos y se ha dejado el valor por defecto.

2.

Umbral de curvatura (valor por defecto: 0.2): Es el lmite a la curvatura aceptada

para una fibra. Si la curvatura es mayor que ste valor, entonces se excluir el camino. Este

52

Conectividad cerebral en humanos

nmero es el coseno del ngulo mnimo entre dos pasos, el valor por defecto corresponde entonces a 80 grados. Este valor tampoco se ha modificado en ninguno de los ensayos.

Fig. 3.19 Explicacin del ngulo lmite de curvatura para la tractografa. 3. Nmero mximo de pasos (valor por defecto: 2000): Una vez llegado al nmero

mximo de pasos se dar por terminado el tracto, a no ser que antes cruce con alguna mscara de terminacin o con el lmite del cerebro (que de por s es otra mscara, la obtenida en el apartado de extraccin del cerebro). Este parmetro junto al siguiente fijan la longitud mxima de las fibras, y por lo tanto si uno de los valores se modifica se debera modificar tambin el otro (de lo contrario se estara aceptando fibras ms largas o ms cortas). Al reducir ste nmero disminuye el tiempo de procesamiento pero se pueden estar descartando fibras ms largas (si es que las hay).

Inicialmente se han modificado ambos parmetros, pero como finalmente se ha utilizado una mscara de terminacin que es la de sustancia gris SG que va por todo el cerebro, entonces se han dejado los valores por defecto, ya que independientemente de stos la tractografa se terminar antes, pues en algn momento cruzar con los vxeles de SG.

4.

Longitud de cada paso (valor por defecto: 0.5mm): Por lo tanto, la longitud

mxima de las fibras, por defecto ser longitud de cada paso * nmero mximo de pasos = 0.005 m/paso * 2000 pasos = 1 metro. Lo cual es ms que suficiente ya que en el cerebro no hay fibras de longitud de ms de un metro.

5.

Utilizar la anisotropa para restringir el seguimiento de las fibras (por defecto

desactivado): Indica si se debe tener en cuenta el mapa de FA generado por el BEDPOSTX. Las fibras sern interrumpidas si llegan a un vxel cuyo valor de anisotropa en la imagen de FA es menor que un valor aleatorio entre cero y uno. Ya que ste valor no puede ser seleccionado entonces ha permanecido desactivado en todos los experimentos. Adems como

Conectividad cerebral en humanos

53

finalmente se ha utilizado la mscara de sustancia gris, entonces de todas formas los tractos sern interrumpidos al llegar a estas zonas, donde la anisotropa es diferente.

6.

Mscaras: Este parmetro indica el nmero de mscaras (ROIs) que se desean utilizar

para la tractografa. La opcin de una nica ROI permite calcular la conectividad de sta con el resto del cerebro, indicando el nmero de fibras que salen de ella y atraviesan cualquier otra regin. Por supuesto, ste no es el caso de inters para ste proyecto, ya que se desea conocer la conectividad entre cada par de regiones. La opcin de mltiples mscaras sirve entonces para obtener la cantidad de tractos que salen de cada una de las regiones y atraviesan cualquier otra regin. Como resultado se obtendr un documento que contiene un nmero por cada ROI seleccionada como mscara y que representar la conectividad de sta hacia todas las dems. A pesar de que sera bastante ms rpido ejecutar todas de una vez, para saber exactamente como se conectan dos regiones debemos elegir en cada ejecucin solo dos mscaras, por lo que habr entonces que ejecutar el programa 116x116 veces para cada sujeto.

Si se tuviera que realizar el procedimiento manualmente, tardara demasiado tiempo ya que entre cada par de ROIs habra que seleccionar los ficheros correspondientes, es est otra ventaja que presenta el AutotrackMG y que se explicar en el siguiente apartado.

La forma en que el FSL realiza ste clculo es recorriendo vxel a vxel la regin inicial (ROI1) y calculando la probabilidad de que una fibra salga de ese vxel y atraviese cualquier vxel de la otra regin (ROI2). Si la probabilidad de que estos dos vxeles estn conectados es mayor que un cierto valor, entonces aumenta en uno el nmero de fibras que conectan las dos regiones. Si una fibra pasa por N vxeles de la ROI1 y M vxeles de la ROI2 entonces la contar NxM veces. Por lo tanto, la forma de disminuir ste error sera disminuyendo el nmero de vxeles que contienen las regiones. La Figura 3.20 representa visualmente el problema. Se ha dibujado el contorno de un corte de dos regiones imaginarias, los cuadrados dentro de estos contornos representan los vxeles de la cada ROI. Imaginar que hay una fibra de SB que atraviesa ambas ROIs pasando por el camino sealado en rosado, en una situacin como sta el programa contar la fibra nueve veces: Si se representa una fibra como vxel inicial vxel final, entonces sumar las

54

Conectividad cerebral en humanos

siguientes fibras: 14, 15, 16, 24, 25, 26, 34, 35 y 36. Si se tuvieran en cuenta solo los vxeles que pertenecen al contorno (1, 3, 4 y 6) entonces la contara cuatro veces (14, 16, 34, 36). La disminucin del error ha sido del 5.56%, sin embargo, entre ms grandes sean las regiones mayor ser la disminucin del error al descartar todos los vxeles del interior. Segn esto el error debera ser el mismo con las ROIs completas y las de SB, en el apartado de resultados se estudiar si est premisa es cierta o no.

Fig. 3.20 Problema del FSL en la cuenta de fibras que van de una ROI a la otra. En un caso como el de la Figura 3.20, el error ser siempre proporcional al nmero de vxeles por los que pasa la fibra en ambas regiones. En este caso eliminar el error sera muy sencillo, simplemente dividiendo por ste valor, que puede ser calculado leyendo las intensidades de la imagen 3D de conectividad generada por el FSL. Sin embargo, esto no es lo que ocurre normalmente y por lo tanto calcular el error no es tan sencillo. En la Figura 3.21 se muestra el caso en el que varias fibras atraviesan las dos ROI e incluso pasan por un mismo vxel. En estos casos, es imposible calcular el error exacto ya que la imagen 3D de conectividad nos dice solo los vxeles por los que es probable que pasen fibras que conectan estas dos regiones, pero no nos indica a que fibra corresponde cada vxel. Por lo tanto, para todos los tipos de ROI menos para las huecas, no se ha encontrado la forma de hallar el error.

Conectividad cerebral en humanos

55

Fig. 3.21 Problema del FSL en la cuenta de fibras que van de una ROI a la otra. Sin embargo, en el caso de las ROIs huecas s es posible calcular un rango de error, ya que a lo mximo cada tracto ser contado cuatro veces (cuando entra y sale de cada una de las dos regiones) y a lo mnimo ser contado una sola vez, en el caso que el tracto entre pero no atraviese ninguna de las dos ROIs (esto es muy poco probable, tendra que nacer en la ROI1 y terminar en la ROI2, lo cual es muy difcil que pase, pero se contempla la posibilidad). Por lo tanto, dado un numero N de fibras calculadas por el FSL, el valor real estar en el rango . Si N