Confronto e analisi di metodologie per la ricostruzione trattografica da risonanza magnetica encefalica pesata in diffusione

Background: Tractography reconstructs tracts or fascicles of neural fibres in the brain and is a major investigation tool relevant to connection pathways and their integrity both in neuro-physiology and in clinics. However, virtual fibres (streamlines) are indirectly derived by the local directions of water diffusion along the fibre bundles sensed in MRI by diffusion weighted imaging (DWI). Results are highly sensitive to DWI interpretation model; e.g., diffusion tensor imaging (DTI), Gaussian, with a single main direction; constrained spherical deconvolution (CSD), capable to extract more than a single direction. Furthermore, tracts are selected via their passage through an inclusion ROI (or two or more ROI in AND logic), which were variously defined in the literature. Often the ROI are manually set and tracts next refined through cleaning out fibres touching ROI NOT volumes. Aim: Given 7 major tracts or fascicles, to compare the outcomes of CSD ad DTI with the ROI define by 3 authors (Catani, Jellison, and Wakana) after an accurate refinement of the ROI implemented by the 3 authors and after an accurate definition of ROI NOT sets, for each fascicle. Next, to see if the ROI and ROI NOT settings fixed in a training group could be transported to a validation group, thus permitting an automatic extraction of tracts. Methods: 20 normal subjects were considered as training set and other 20 as validation set. DWI was acquired over 64 directions, thus permitting both DTI and CSD analyses. All subjects’ brains were normalised to the Montreal Neurologica Institute (MNI) space by affine registration. . For each tract, for DTI and CSD, and for each of the 3 ROI definition methods, the ROI and ROI NOT implementation was refined over the training set, leading to ROI common to all subjects in the MNI space. This manual procedure was carried out on the coloured fractional anisotropy (FA) map. The binarised tracts of each subject were averaged in order to construct a probabilistic atlas through subjects. The same tract reconstruction and atlas computation was automatically performed in the validation set, with the previously fixed ROI. Atlases of each tract were compared considering the training set vs. the validation set, DTI vs. CSD, and each pair of the 3 ROI definition methods. Comparison was quantified by the DICE coefficient on the atlases thresholded over probability = 0, 0.25, 0.50, 0.75. Results: the DICE coefficient value computed between the training set and validation set is high ( 0.70-0.90 ) for all the cases and the considered thresholds. Moreover the volumes of corresponding atlases of the training set and the validation set decrease with the same trend as the threshold increases. These results demonstrate that the ROI and NOT ROI of the different selection methods can be used to correctly reconstruct the white matter fascicles on subjects other than the training set. Regarding the quantitative comparison between corresponding CSD and DTI atlases the DICE coefficient has intermediate values (0.50-0.70) for all the fascicles selected with each method and for all the considered thresholds. This is due to the fact that the volumes of CSD atlases are larger than the corresponding DTI atlases. Finally as regards the different methods of definition of ROI the DICE coefficienti is high for all fascicles ( both CSD and DTI ), in particular for null threshold. Increasing the threshold to 0.25 and above the DICE coefficient value decreases for the arcuate fascicle while remaining stable for the other fascicles. This means that the 3 methods reconstruct the arcuate fascicle in different ways. For this reason arcuate fascicle was compared with atlases of the same fascicle present in the literature ( John Hopkins University atlas for DTI reconstructed with Wakana method, De Schotten atlas for CSD reconstructed with Catani method ). The method associated with the highest DICE coefficient corresponds to that used to reconstruct the atlas of the literature. For this reason it is not possible to establish which of the 3 methods is the best one to reconstruct the arcuate fascicle if not defining appropriate anatomical gold-standards. Conclusion: this work is not able to establish which combination of model ( CSD or DTI ) and selection method ( Catani, Jellison, Wakana )is the best one to reconstruct each fascicle. However it has highlighted differences and analogies. Moreover it suggests to use a fixed set of ROI and ROI NOT in order to make comparisons between different subjects or on the same subject over time.

Background: la trattografia ricostruisce tratti o fascicoli di fibre neurali nel cervello ed è un importante strumento d’inadagine per studiare le connessioni e la loro integrità sia in neuro-fisiologia che in ambito clinico. Le fibre virtuali ( streamlines ) sono derivate indirettamente dalle direzioni locali di diffusione dell’acqua lungo fasci di fibre rilevati dalla risonanza magnetica pesata in diffusione (DWI). I risultati sono molto sensibili al modello di interpretazione DWI; e.g. diffusion tensor imaging (DTI), Gaussiano, con una singola direzione principale; constrained spherical deconvolution (CSD), in grado di ottenere più di una singola direzione. Inoltre, i fasci sono selezionati tramite il loro passaggio attraverso una ROI di inclusione ( o 2 o più ROI in AND logico ), che sono state definite in vari modi nella letteratura. Spesso le ROI sono definite manualmente e i tratti ottenuti sono poi rifiniti rimuovendo le fibre che attraversano i volumi delle ROI NOT. Obbiettivo: dati 7 tratti o fascicoli rilevanti, confrontare gli esiti di CSD e DTI ottenuti con le ROI definite da 3 autori (Catani, Jellison e Wakana) dopo un’accurata rifinitura delle ROI implementate dai 3 autori e dopo un’accurata definizione delle ROI NOT, per ogni fascicolo. Successivamente, vedere se le ROI e le ROI NOT fissate in un training set possano essere trasportate su validation set, permettendo così un’estrazione automatica dei tratti. Metodi: 20 soggetti sani sono stati considerati come training set e altri 20 sani, come validation set. I dati DWI sono stati acquisiti lungo 64 direzioni, permettendo così l’analisi sia CSD che DTI. Gli encefali di tutti i soggetti sono stati normalizzati nello spazio del Montreal Neurological Institute (MNI) tramite registrazione affine. Per ogni fascio, sia CSD che DTI, e per ognuno dei 3 metodi di definizione delle ROI, l’implementazione delle ROI e delle ROI NOT è stata rifinita sul training set così da ottenere ROI comuni a tutti i soggetti nello spazio MNI. Questa procedura manuale è stata effettuata sulla mappa colorata di anisotropia frazionaria (FA). È stata calcolata la media delle maschere binarie dei tratti di ogni soggetto allo scopo di ottenere degli atlanti probabilistici. La medesima ricostruzione dei tratti ed il medesimo calcolo degli atlanti è stato effettuato automaticamente nel validation set, con le ROI precedentemente fissate. Gli atlanti sono stati confrontati in base al set su cui sono stati calcolati ( training o validation ), al modello di diffusione (CSD o DTI) e al metodo di definizione delle ROI ( Catani, Jellison, Wakana ). I confronti sono stati quantificati con il coefficiente DICE per differenti valori di soglia minima sulla probabilità degli atlanti ( 0, 0.25, 0.50, 0.75 ). Risultati: il valore del coefficiente DICE calcolato tra training set e validation set è alto (0.70-0.90) per tutti i casi e le soglie sulla probabilità considerate. Inoltre i volumi di atlanti corrispondenti del training set e del validation set diminuiscono con lo stesso andamento all’aumentare della soglia. Questi risultati dimostrano che le ROI e le ROI NOT dei differenti metodi di selezione possono essere usate per ricostruire correttamente i fascicoli di materia bianca di nuovi soggetti estranei a quelli del training set. Per quanto riguarda il confronto quantitativo tra atlanti CSD e DTI corrispondenti il coefficiente DICE assume valori intermedi (0.50-0.70) per tutti i fasci selezionati con ciascun metodo e per tutte le soglie considerate. Questo è dovuto al fatto che i volumi degli atlanti CSD sono maggiori di quelli dei corrispondenti atlanti DTI. Infine relativamente al confronto tra i diversi metodi di definizione delle ROI il coefficiente DICE è elevato per tutti i fasci ( sia CSD che DTI ), in particolare per la soglia nulla. Aumentando la soglia 0.25 e oltre il valore del coefficiente DICE diminuisce per il fascicolo arcuato mentre rimane stabile per gli altri fascicoli. Questo significa che i 3 metodi di selezione ricostruiscono il fascicolo arcuato in modo differente. Per questo motivo il fascicolo arcuato è stato confrontato quantitativamente con atlanti del medesimo fascicolo presenti in letteratura ( l’atlante della John Hopkins University ottenuto con il metodo di selezione di Wakana nel caso della DTI, l’atlante di De Schotten ottenuto con il metodo di Catani nel caso della CSD ). Il metodo che presenta il coefficiente DICE più elevato corrisponde a quello usato per ricostruire l’atlante della letteratura. Per questo motivo non è possibile stabilire quale dei 3 metodi è il migliore per ricostruire il fascicolo arcuato se non definendo dei gold-standard anatomici di riferimento adeguati. Conclusion: this work is not able to establish which combination of model ( CSD or DTI ) and selection method ( Catani, Jellison, Wakana ) is the best one to reconstruct each fascicle. However it has highlighted differences and analogies. Moreover it suggests to use a fixed set of ROI and ROI NOT in order to make comparisons between different subjects or on the same subject over time. Conclusioni: questo lavoro non è in grado di definire quale combinazione di modello (CSD o DTI) e metodo di selezione (Catani, Jellison, Wakana) è il migliore per ricostruire ciascun fascio. Comunque ha evidenziato differenze ed analogie. Inoltre suggerisce di applicare un set fissato di ROI e ROI NOT per effettuare confronti tra soggetti diversi o su uno stesso soggetto nel corso del tempo.