Vorverarbeitung der kernspintomographischen Daten

Registrierung der strukturellen und funktionellen Daten

In diesem Verarbeitungsschritt wird versucht manuell den Nullpunkt eines jeden struk-turellen Bildes und aller funktioneller Bilder auf die anteriore Kommissur zu positionie-ren, um die Bilder so bereits in eine ähnliche Position im Raum zu bringen. Diese hat vor allem in Bezug auf die Segmentierung und Normalisierung (siehe unten) große Re-levanz.

5. Methode

Bewegungskorrektur der funktionellen Daten

Da für eine fMRT–Studie eine Zeitreihe von Messvolumen („Bilder“) eines Probanden erhoben werden, müssen die Bilder bezüglich der verschiedenen Positionen des Kopfes ausgelöst durch minimale Bewegungen zwischen den einzelnen Messvolumen korrigiert werden. Diese Bewegung wird für jedes Bildervolumen durch drei Translations– und Rotationsparameter ermittelt, wobei die einzelnen Bildervolumen referierend auf das erste Bildervolumen in einem iterativen Verfahren verschoben und gedreht werden.

Dies geschieht mittels Rigid–Body–Transformationen. Die Datenqualität kann durch starke Kopfbewegungen sehr beeinträchtigt werden. Abbildung 3 stellt die sechs Bewe-gungsparameter für einen Probanden dar.

Abbildung 3: Bewegunsparameter, wie sie mit SPM erfasst werden.

Aufgetragen sind die Bewegungsparameter eines Probanden, der an dieser Studie teilnahm. Jedes Messvolumen (in diesem Fall wurden 90 Messvolumina akquiriert) erhält einen Wert im Verhältnis zu einem Referenzvolumen in den drei Transla-tions– und Rotationsebenen.

5. Methode

Koregistrierung struktureller und funktioneller Daten

Dieser Schritt dient zu einer Verbesserung der räumlichen Beschreibung der strukturel-len und funktionelstrukturel-len Daten und ist als eine Vorbereitung für den Verarbeitungsschritt der Normalisierung, zu sehen. Dieser Schritt ist allerdings nicht zwangsläufig notwen-dig. Dabei wird versucht ebenfalls mit Hilfe spezieller Rigid–Body–Transformationen die funktionellen Daten und den strukturellen Datensatz in den gleichen stereotakti-schen Raum zu bringen. Als Referenzbild wurde dafür im Falle dieser Studie ein funktionelles Bild verwendet, an das das strukturelle Bild angepasst wurde. Ein Beispiel für einen koregistrierten Datensatz liefert Abbildung 4.

Abbildung 4: Koregistrierung von T1– und T2–gewichteten Aufnahmen

Ein Beispiel für die Koregistrierung eines funktionellen a) und strukturellen Bil-dervolumens b). Das blaue Fadenkreuz zeigt, dass sich beide Bilder nach der Kogregistierung im gleichen stereotaktischen Raum befinden.

5. Methode

Segmentierung der strukturellen Daten

Bei der Segmentierung der strukturellen Bilder, wird der Anteil des Signals des Bilder-volumens ermittelt, der mit einer gewissen Wahrscheinlichkeit entweder der grauen oder weißen Substanz oder dem Liquor entspricht. Die daraus gewonnene Information kann als zusätzlicher Parameter in die Normalisierung der funktionellen und strukturel-len Daten einfließen. Für die Segmentierung wurde in dieser Studie die in SPM imple-mentierte VBM5 Toolbox verwendet (siehe unten).

Abbildung 5:

Segmentierung in graue

und weiße Substanz und Liquor.

Beispiel für die Segmentierung in Graue Substanz a), weiße Substanz b) und Liquor c) eines Probanden, der an dieser Studie teilnahm.

5. Methode

Normalisierung der funktionellen und strukturellen Daten

Eine spezielle Form der Koregistrierung stellt die Normalisierung dar. Dabei findet eine Anpassung der individuellen strukturellen und funktionellen Daten an ein Standardge-hirn (“Template“) statt, wobei ein bestimmtes Template verwendet wird. In diesem Fall wurde das ICBM MNI–152 (Montreal Neurological Institute) T1–Template verwendet, welches sich im Talairach–Raum befindet, wobei die drei Raumachsen des Templates in der anterioren Kommissur ihren Schnittpunkt haben. Es ist allerdings zu beachten, dass die MNI–Koordinaten und die Talairakoordinaten in einem gewissen Maße vonei-nander abweichen (Evans, Collines & Milner, 1992).

Bei der Normalisierung können Informationen, die aus der Segmentierung ge-wonnen wurden mit einfließen. Durch die Normalisierung wird erreicht, dass sich die Daten aller Probanden im gleichen stereotaktischen Raum befinden, da die interindivi-duelle Varianz hinsichtlich einzelner Gehirnstrukturen verschiedener Probanden sehr groß ist. Ein Beispiel für ein Gehirn vor und nach der Normalisierung ist in Abbildung 6 dargestellt.

Abbildung 6: Darstellung eines strukturellen Datensatzes.

a) und nach b) der Normalisierung. c) zeigt das Template, das zu dieser Normali-sierung verwendet wurde.

5. Methode

Räumliche Glättung der strukturellen und funktionellen Daten

Diese Glättung erfolgt durch die Faltung jedes Bildervolumens durch eine räumliche Gaußglockenfunktion. Diese Glättung reduziert zwar zum einen die Auflösung der Bil-dervolumina, zum anderen aber auch das anteilige Rauschen. Durch die Glättung verlie-ren die Bildervolumina ihre räumliche Komplexität, was für gruppenanalytische Fragen vorteilhaft ist, da so Aktivierungen bei den einzelnen Probanden trotz der Normali-sierung nie an der gleichen Stelle liegen und somit eine größere Schnittmenge von akti-vierten Datenpunkten erfolgen kann. Ein Beispiel für einen T2*–gewichteten Datensatz vor und nach der Glättung ist in Abbildung 7 dargestellt.

Abbildung 7: Glättung eines T2*–gewichteten Datensatzes vor a) und nach b) der Glättung.

In diesem Falle wurde ein Filter von 8 mm verwendet.

Voxelbasierte Morphometrie (VBM)

Die VBM ermöglicht, gehirnvolumetrische strukturelle Veränderungen bezüglich ein-zelner Gehirnregionen zwischen verschiedenen Populationsgruppen darzustellen.

In dieser Studie wurden dazu die in SPM5 implementierte Toolbox VBM5 verwendet, die auf der Methode der optimierten VBM2 (Good, Johnsrude, Ashburner, Henson, Friston, Frakowiak et al., 2001) basiert. Dabei werden die strukturellen Bilder zuerst segmentiert, um die individuelle Information auf den nächsten Schritt, die Norma-lisierung in einem gemeinsamen stereotaktischen Raum, anzuwenden. Daraufhin

wer-5. Methode

den diese normalisierten Bilder abermals segmentiert, um schließlich eine Glättung der normalisierten Segmente der grauen und weißen Substanz durchzuführen. Danach kön-nen inferenzstatistische Verfahren angewendet werden (siehe unten) um einzelne Grup-pen miteinander zu vergleichen.

5.1.4. Inferenzstatistische Analyse der kernspintomographischen