Messung von Unterschieden der grauen Substanz mittels Voxel-basierter Morphometrie: Das musikalische Gehirn

Quelle: Laboratorien der Jonas T. Kaplan und der Sarah I. Gimbel-Universität von Südkalifornien

Erfahrung prägt das Gehirn. Es ist bekannt, dass unser Gehirn durch lernen unterscheiden. Während viele Erfahrungen im Zusammenhang mit Veränderungen auf der mikroskopischen Ebene, zum Beispiel durch neurochemische Anpassungen im Verhalten einzelner Neuronen manifestieren, können wir auch anatomische Veränderungen an der Struktur des Gehirns auf makroskopischer Ebene untersuchen. Ein berühmtes Beispiel für diese Art von Veränderung kommt aus dem Fall der Londoner Taxifahrer, die zusammen mit lernen die komplexe Routen der Stadt größere Band im Hippocampus, eine Gehirnstruktur, die bekanntermaßen eine Rolle im Navigations Speicher anzeigen. ¹

Viele traditionelle Methoden der Prüfung Anatomie des Gehirns erfordern sorgfältige Rückverfolgung von anatomischen Regionen von Interesse um ihre Größe zu messen. Jedoch können mit modernen Neuroimaging Techniken, wir jetzt die Anatomie des Gehirns über Gruppen von Menschen, die mit automatisierten Algorithmen vergleichen. Während diese Techniken nicht das anspruchsvolle wissen zu tun, die menschliche Neuroanatomists zur Aufgabe zu bringen wahrnehmen, sind sie schnell und empfindlich auf sehr kleine Unterschiede in der Anatomie. In einem strukturellen Magnetresonanz-Bild des Gehirns betrifft die Intensität der einzelnen volumetrischer Pixel oder Voxel, die Dichte der grauen Substanz in dieser Region. Beispielsweise in eine T1-gewichteten MRT-Untersuchung sehr hell Voxel befinden sich an Orten wo gibt es weißen Substanz Faserbündel, während dunkler Voxel grauen Zellen entsprechen dem Zellkörper von Nervenzellen befinden. Die Technik der Quantifizierung und Vergleich der Gehirnstruktur auf ein Voxel von Voxel-Basis heißt Voxel-basierte Morphometrie oder VBM. ² im VBM, registrieren wir alle das Gehirn, einen gemeinsamen Raum, Glättung über grobe Unterschiede in der Anatomie. Wir vergleichen dann die Intensitätswerte die Voxel, lokalisierte, kleine Skala Unterschiede in der Dichte der grauen Substanz zu identifizieren.

In diesem Experiment demonstrieren wir die VBM-Technik, durch den Vergleich der Gehirne von Musikern mit denen der nicht-Musiker. Musiker engagieren sich in intensiven motorischen, visuellen und akustischen Trainings. Es gibt Beweise aus mehreren Quellen, dass die Gehirne von Menschen, die musikalische Ausbildung durchlaufen haben funktionell und strukturell anders als diejenigen, die nicht. Hier folgen wir Gaser und Shlaug³ und Bermudez Et Al. ⁴ mit VBM, um diese strukturellen Unterschiede in den Gehirnen von Musikern zu identifizieren.

(1) 40 Musikern und 40 nicht-Musiker zu rekrutieren.

1. Musiker sollten mindestens 10 Jahre musikalische Ausbildung haben. Training mit einem Musikinstrument ist akzeptabel. Musiker sollten auch aktiv üben ihr Instrument für mindestens eine Stunde pro Tag.
2. Kontrollpersonen sollten wenig formale Ausbildung in ein Musikinstrument zu spielen haben.
3. Alle Teilnehmer sollten Rechtshänder sein.
4. Alle Teilnehmer sollten keine Geschichte der neurologischen, psychiatrischen oder kardiale Störungen haben.
5. Alle Teilnehmer sollten kein Metall in ihrem Körper haben, die sie entfernen können, um sicherzustellen, dass sie MRI-sicher sind.

2. Pre-Scan-Verfahren

1. Prescan Schreibarbeit.
2. Wenn die Teilnehmer ihre fMRI-Scans kommen, haben sie Erstbefüllung ein Metallsieb Formular zu stellen sicher, dass sie keine Kontraindikationen zur MRT, eine Zufallsbefunde Form Zustimmung für ihre Scan von einem Radiologen und eine Einverständniserklärung über die Risiken und Vorteile der Studie betrachtet werden.
3. Bereiten Sie die Teilnehmer in den Scanner zu gehen, indem Sie ihren Körper, einschließlich Gürtel, Brieftaschen, Handys, Haarspangen, Münzen und Schmuck aus Metall entfernen.

3. Legen Sie den Teilnehmer in den Scanner.

1. Geben Sie die Teilnehmer Ohrstöpsel schützen ihre Ohren vor dem Lärm der Scanner und Ohr Handys zu tragen, so dass sie den Experimentator während des Scans hören, und Sie liegen auf dem Bett mit ihrem Kopf in der Spule.
2. Geben Sie die Teilnehmer den Notfall Squeeze-Ball und weisen sie es im Notfall während des Scans zu quetschen.
3. Einsatz-Schaumstoff-Pads, die Teilnehmer zu sichern den Kopf in der Spule zu vermeiden übermäßige Bewegung während des Scans, und erinnern die Teilnehmer, dass es sehr wichtig, während des Scans als auch die kleinsten Bewegungsunschärfe möglichst ruhig bleiben die Bilder.

(4) die Datenerhebung

1. Sammeln Sie einen hochauflösende anatomische Scan des gesamten Gehirns. Diese Überprüfung sollte eine T1-gewichteten Sequenz wie eine Magnetisierung vorbereitet schnelle Gradient Echo (MP-RAGE) mit 1 mm isotrope Voxel.

(5) Datenanalyse

1. Entfernen Sie den Schädel aus jeder anatomischen Gehirn-Scan mit automatisierten Software. Überprüfen Sie den Schädel stripping für Qualität.
2. Erstellen Sie eine studienspezifischen grauen Substanz Vorlage mit einen iterativen Prozess der linearen und nicht linearen Registrierung (Abbildung 1).
   1. Verwenden Sie automatisierte Software, um jedes Thema Gehirn in weißen Substanz, graue Substanz und CSF basierend auf der Intensität an jedem Voxel zu unterteilen.
   2. Führen Sie eine lineare affine Transformation mit 12 Freiheitsgraden, jedes Thema Gehirn zu einem standard Atlas Raum, wie z. B. der MNI152-Atlas zu registrieren.
   3. Warp jedes Thema grauen Bild in diesem Raum, und sie alle zusammen im Durchschnitt.
   4. Dieses Bild von links nach rechts zu spiegeln und dann durchschnittlich Spiegelbilder zusammen, um die graue Substanz Vorlage Gehirn produzieren.
   5. Neu registrieren Sie jedes Thema Gehirn dieser Vorlage mithilfe einer nichtlinearen Transformation.
   6. Durchschnitt aller neu transformierten Gehirn zusammen.
   7. Ein Spiegelbild dieser neuen Vorlage zu machen, und durchschnittlich zwei Spiegelbilder zusammen, um eine endgültige grauen Vorlage für diese Studie zu produzieren.

Abbildung 1: Erstellung von studienspezifischen grauen Substanz Vorlage. Iterative lineare und nichtlineare Transformationen zu verwenden, ist jedes Gehirn registriert, um einen gemeinsamen Raum und im Durchschnitt zusammen, um ein studienspezifischen grauen Substanz Vorlage Gehirn zu erstellen.

3. Jedes Thema grauen Bild, um die Vorlage zu registrieren und vorverarbeiten.
   1. Verwenden Sie eine nicht-lineare Transformation jedes Thema Gehirn der studienspezifischen Vorlage.
   2. Zum Ausgleich der Höhe jedes Gehirn wurde Struktur gedehnt, die Vorlage Raum passen, multiplizieren Sie mit ein Maß dafür wie viel verziehen geschehen ist. Diese Maßnahme wird die Jacobi das Warp-Feld genannt. Dieser Schritt ist für die Tatsache zu beachten, die die Strukturen erscheinen mag, mehr graue Substanz einfach zu haben weil sie mehr durch den nichtlinearen Registrierungsprozess ausgedehnt worden.
   3. Glätten Sie die Daten mit Hilfe eines Gaußschen Kernels mit einer vollen Breite halbe maximale (FWHM) von 10 mm.
   4. Diese ausgerichtet, geglättete Gehirne dient als die finalen Daten für Voxel-basierte Analyse.
4. Verwenden Sie das allgemeine lineare Modell, um den Unterschied zwischen den Gruppen in jedem Voxel zu analysieren.
   1. Modellieren Sie jede Gruppe von Gehirn mit einem separaten Regressor und berechnen Sie einen Kontrast, der vergleicht die beiden Gruppen, Generierung von statistischen Karten, die die Wahrscheinlichkeit, dass Unterschiede bei jedem Voxel zu quantifizieren.
   2. Schwelle der statistischen Karten, statistisch signifikante Cluster zu identifizieren.
      1. Beschäftigen eine mehrere Vergleiche Korrektur Technik wie False Discovery Rate (FDR) zur Kontrolle für die Tatsache, dass Tausende von gleichzeitigen statistische Tests tun. Mit FDR schätzt ein Q -Wert von 0,01 die Rate von Fehlalarmen über dem Schwellenwert von 1 %.

Die VBM-Analyse ergab lokalisierte Steigerungen in der grauen Substanz Dichte im Musiker Gehirne im Vergleich zu nicht-Musiker Kontrollen. Diese Unterschiede fanden sich in der überlegenen Temporallappen auf beiden Seiten. Die größte und bedeutendste Cluster wurde auf der rechten Seite und umfasst den hinteren Anteil der Heschl Gyrus (Abbildung 2). Heschl Gyrus befindet sich die primäre Hörrinde und der umgebenden Rinde komplexe auditive Verarbeitung beteiligt sind. Diese Ergebnisse sind konsistent mit früheren Ergebnissen der morphologischen Unterschiede zwischen Musiker und Nichtmusiker im auditiven Hirnregionen.

Abbildung 2: Graue Substanz Unterschiede zwischen Gruppen. Die Musiker zeigten deutlich höheren Dichte der grauen Substanz im überlegenen Temporallappen auf beiden Seiten mit den größten Unterschieden auf der rechten Seite. Diese Region umfasst Teil Heschl Gyrus, den primären auditorischen Cortex.

Die VBM-Technik hat das Potential, lokalisierte Unterschiede in der grauen Substanz zwischen Gruppen von Menschen, oder in Verbindung mit einer Messung, die auf eine Gruppe von Menschen variiert zu demonstrieren. Neben der Suche nach strukturelle Unterschiede, die verschiedenen Formen der Weiterbildung beziehen, kann diese Technik anatomischen Unterschiede offenbaren, die weit reichende neuropsychologischen Erkrankungen wie Depressionen, Legasthenie⁵ ,⁶ oder Schizophrenie zugeordnet sind. ⁷

Es ist wichtig zu beachten, dass es mehrere Erklärungen für die Existenz von zwischen-Gruppe Unterschiede in der Anatomie des Gehirns gibt. Bei Musikern könnte zum Beispiel ein Self-Selection Bias. Wir können solche Unterschiede auftreten, wenn Menschen mit einer bestimmten Gehirn-Anatomie wahrscheinlicher sind, Musiker zu werden. Um festzustellen, ob strukturelle Unterschiede zwischen Gruppen von Menschen das Ergebnis von Erfahrung sind, ist die definitive Methode, eine Langzeitstudie zu beschäftigen, die Menschen im Laufe der Zeit folgt.

1. Maguire, E.A., et al. Navigation-related structural change in the hippocampi of taxi drivers. Proc Natl Acad Sci U S A 97, 4398-4403 (2000).
2. Ashburner, J. & Friston, K.J. Voxel-based morphometry--the methods. Neuroimage 11, 805-821 (2000).
3. Gaser, C. & Schlaug, G. Brain structures differ between musicians and non-musicians. J Neurosci 23, 9240-9245 (2003).
4. Bermudez, P., Lerch, J.P., Evans, A.C. & Zatorre, R.J. Neuroanatomical correlates of musicianship as revealed by cortical thickness and voxel-based morphometry. Cereb Cortex 19, 1583-1596 (2009).
5. Bora, E., Fornito, A., Pantelis, C. & Yucel, M. Gray matter abnormalities in Major Depressive Disorder: a meta-analysis of voxel based morphometry studies. J Affect Disord 138, 9-18 (2012).
6. Richlan, F., Kronbichler, M. & Wimmer, H. Structural abnormalities in the dyslexic brain: a meta-analysis of voxel-based morphometry studies. Hum Brain Mapp 34, 3055-3065 (2013).
7. Zhang, T. & Davatzikos, C. Optimally-Discriminative Voxel-Based Morphometry significantly increases the ability to detect group differences in schizophrenia, mild cognitive impairment, and Alzheimer's disease. Neuroimage 79, 94-110 (2013).