对数据驱动的多组件T2分析的验证,用于量化多发性硬化症的cuprizone小鼠模型中的髓含量

科学领域:

• 神经成像和神经科学 神经成像和神经科学
• 生物医学工程 生物医学工程

背景情况:

• 髓定量对于诊断神经退行性疾病至关重要.
• 传统的voxel-wise多元件T2 (mcT2) 分析面临信号模两可,特别是在具有强烈成像梯度的临床前环境中.
• 现有的方法缺乏准确测量髓蛋白的黄金标准.

研究的目的:

• 评估一种新的数据驱动方法,用于在临床前神经成像中进行mcT2分析.
• 利用整个组织的信息,以改善健康和脱髓化组织的声音智能信号分析.
• 建立组织特定的多T2信号组合作为 mcT2 适配的基础函数.

主要方法:

• 基于数据的mcT2分析对7只cuprizone小鼠和7只健康对照进行了应用.
• 在六个大脑区域评估了髓水分 (MWF).
• 与髓基本蛋白免疫组织化学 (IHC) 的相关性在体中进行.

主要成果:

• 数据驱动的方法显示出与组织学髓基蛋白染色的强烈一致.
• 使用数据驱动方法进行预处理,与传统分析相比,提高了绘图准确性.
• 在健康和非髓化群体之间实现了统计学上显著的分离,与组织学有很好的相关性 (cuprizone的R2 = 0.64,对照的R2 = 0.61).

结论:

• 拟议的数据驱动算法为临床前成像中髓量化提供了一种可靠的方法.
• 这种方法可以准确地分类健康和非髓化组织.
• 它为研究多发性硬化症的cuprizone小鼠模型提供了一个有价值的工具.