Biblioteca para el análisis de la conectividad cerebral y su aplicación en base de datos de pacientes con tinnitus.
Loading...
Date
2024
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Concepción
Abstract
La Resonancia Magnética por difusión (dMRI) es una poderosa herramienta, ampliamente empleada para el estudio de la conectividad cerebral estructural tanto en la salud como en la enfermedad. A partir de las dMRI se pueden obtener datos de tractografía cerebral, que contienen fibras cerebrales en 3D representando los tractos de la materia blanca (WM) del cerebro.
Utilizando las dMRI como datos de entrada, tenemos los siguientes dos planteamientos a resolver. Primero, sabemos que el análisis de los datos de tractografía es una tarea compleja debido a la geometría de las fibras, el formato de los archivos y el gran tamaño de los conjuntos de datos. A pesar de la existencia de algoritmos para su análisis, la manipulación de estos datos sigue siendo un desafío significativo. Segundo, la enferdad de tinnitus es la percepción de sonido en ausencia de una fuente externa. Hasta la fecha, según nuestro conocimiento, no se ha descrito completamente cómo los procesos neuronales del cerebro y el sistema auditivo causan esta condición. Creemos que, utilizando las dMRI y herramientas para el análisis de tractografía cerebral, podemos contribuir a una mejor descripción de las alteraciones de la WM cerebral en la enfermedad del tinnitus.
Con el propósito de responder los dos planteamientos anteriores creamos una biblioteca de Python para el análisis de datos de tractografía cerebral. Esta recopila y estructura métodos avanzados de análisis de tractografía cerebral como segmentación, clustering, visualización de fibras cerebrales y además, se integran herramientas para la manipulación de los datos como lectura, escritura, extracción y filtrado de medidas de fibras cerebrales. La principal contribución de nuestra biblioteca es que es de código abierto y compatible con los sistemas operativos Windows y Ubuntu. Además, está disponible en GitHub y cuenta con una extensa documentación que incluye datos y scripts de prueba, facilitando su uso y adopción.
Para resolver la segunda incógnita aplicamos la biblioteca para el estudio de la conectividad cerebral en pacientes con tinnitus, centrándonos en 36 fascículos de f ibras de la WM profunda y 83 de la WM superficial. Analizamos una cohorte chilena de edad avanzada con y sin tinnitus (n=56 y n=40, respectivamente), extrayendo medidas derivadas de las imágenes de tensor de difusión (DTI) como la difusividad axial (AD), la difusividad media (MD), la difusividad radial (RD) y la anisotropía fraccional (FA). El modelo de clasificación Extreme Gradient Boosting (XGB) logró un AUC de 0.93, empleando como características las medidas de la AD en los fascículos de interés. Entre los fascículos más importantes de la WM profunda se encuentran el fascículo arqueado anterior y el longitudinal inferior en el hemisferio derecho, y la radiación talámica motora superior en el hemisferio izquierdo. Por otro lado, los fascículos más significativos de la WM superficial conectaron principalmente regiones del hemisferio izquierdo, como el parietal superior, cuneus, lingual, temporal superior, frontal medio caudal, precentral, fusiforme, postcentral, supramarginal, frontal medio rostral y frontal superior.
Los pacientes con tinnitus mostraron disminuciones en la AD, la MD y la RD, y se registró un aumento de la FA, lo que sugiere una reorganización microestructural de las fibras. Estos cambios pueden reflejar plasticidad adaptativa o maladaptativa en respuesta al daño auditivo. El aumento de la FA podría indicar una respuesta compensatoria, donde las fibras intactas restantes se organizan mejor para mantener la eficiencia del procesamiento auditivo. La reducción en la AD podría reflejar daño axonal, reducción del calibre axonal o una orientación menos coherente de los axones. Mientras tanto, la disminución de la MD y la RD podría indicar un aumento de la integridad de la mielina. Estas alteraciones pueden interrumpir la transmisión de información auditiva y contribuir a la persistencia del tinnitus.
Este trabajo contribuye significativamente a la investigación en curso sobre el tinnitus, ofreciendo valiosas ideas para el desarrollo de herramientas de diagnóstico más precisas. Según nuestro conocimiento, este es el primer estudio que investiga las alteraciones de los fascículos de la WM superficial en pacientes con tinnitus. Además, la metodología de análisis aplicada a la base de datos de pacientes con tinnitus puede ser extendida a otras bases de datos, tanto de pacientes sanos como enfermos.
Diffusion Magnetic Resonance Imaging (dMRI) is a powerful tool widely used for studying structural brain connectivity in both health and disease. From dMRI, brain tractography data can be obtained, which contains 3D brain fibers representing the white matter (WM) tracts of the brain. Using dMRI as input data, we have the following two issues to address. First, we know that analyzing tractography data is a complex task due to the geometry of the fibers, the file formats, and the large size of the datasets. Despite the existence of algorithms for their analysis, manipulating these data remains a significant challenge. Second, tinnitus is the perception of sound in the absence of an external source. To date, to the best of our knowledge, it has not been fully described how neuronal processes in the brain and the auditory system cause this condition. We believe that by using dMRI and tools for brain tractography analysis, we can contribute to a better description of the alterations in brain WM in tinnitus disease. To address the two previous propositions, we created a Python library for the analysis of brain tractography data. This library collects and structures advanced tractography analysis methods such as segmentation, clustering, visualization of brain fibers, and integrates tools for data manipulation such as reading, writing, extracting, and filtering fiber measurements. The library is open source and is compatible with Windows and Ubuntu operating systems. It is available on GitHub and comes with extensive documentation, including data and test scripts. Addressing the second question, we applied the library to study brain connectivity in patients with tinnitus, focusing on 36 deep white matter (WM) fiber bundles and 83 superficial WM fiber bundles. We analyzed an elderly Chilean cohort with and without tinnitus (n=56 and n=40, respectively), extracting measures derived from diffusion tensor imaging (DTI) such as axial diffusivity (AD), mean diffusivity (MD), radial diffusivity (RD), and fractional anisotropy (FA). The Extreme Gradient Boosting (XGB) model achieved an AUC of 0.93, using AD measurements in the bundles of interest as a feature. Among the most important deep WMbundles were the anterior arcuate fasciculus and the inferior longitudinal fasciculus in the right hemisphere, and the superior motor thalamic radiation in the left hemisphere. On the other hand, the most significant superficial WM v bundles primarily connected regions in the left hemisphere, such as the superior parietal, cuneus, lingual, superior temporal, caudal middle frontal, precentral, fusiform, postcentral, supramarginal, rostral middle frontal, and superior frontal areas. Patients with tinnitus showed decreases in AD, MD, and RD, and an increase in FA, suggesting microstructural reorganization of the fibers. These changes may reflect adaptive or maladaptive plasticity in response to auditory damage. The increase in FA could indicate a compensatory response, where the remaining intact fibers are better organized to maintain the efficiency of auditory processing. The reduction in AD could reflect axonal damage, reduced axonal caliber, or less coherent orientation of axons. Meanwhile, the decrease in MD and RD could indicate increased myelin integrity. These alterations may disrupt the transmission of auditory information and contribute to the persistence of tinnitus. This work contributes significantly to the ongoing research on tinnitus, offering valuable insights for the development of more accurate diagnostic tools. To our knowledge, this is the first study to investigate alterations in superficial WM tracts in tinnitus patients. Additionally, the analysis methodology applied to the tinnitus patient database can be extended to other databases of both healthy and diseased patients.
Diffusion Magnetic Resonance Imaging (dMRI) is a powerful tool widely used for studying structural brain connectivity in both health and disease. From dMRI, brain tractography data can be obtained, which contains 3D brain fibers representing the white matter (WM) tracts of the brain. Using dMRI as input data, we have the following two issues to address. First, we know that analyzing tractography data is a complex task due to the geometry of the fibers, the file formats, and the large size of the datasets. Despite the existence of algorithms for their analysis, manipulating these data remains a significant challenge. Second, tinnitus is the perception of sound in the absence of an external source. To date, to the best of our knowledge, it has not been fully described how neuronal processes in the brain and the auditory system cause this condition. We believe that by using dMRI and tools for brain tractography analysis, we can contribute to a better description of the alterations in brain WM in tinnitus disease. To address the two previous propositions, we created a Python library for the analysis of brain tractography data. This library collects and structures advanced tractography analysis methods such as segmentation, clustering, visualization of brain fibers, and integrates tools for data manipulation such as reading, writing, extracting, and filtering fiber measurements. The library is open source and is compatible with Windows and Ubuntu operating systems. It is available on GitHub and comes with extensive documentation, including data and test scripts. Addressing the second question, we applied the library to study brain connectivity in patients with tinnitus, focusing on 36 deep white matter (WM) fiber bundles and 83 superficial WM fiber bundles. We analyzed an elderly Chilean cohort with and without tinnitus (n=56 and n=40, respectively), extracting measures derived from diffusion tensor imaging (DTI) such as axial diffusivity (AD), mean diffusivity (MD), radial diffusivity (RD), and fractional anisotropy (FA). The Extreme Gradient Boosting (XGB) model achieved an AUC of 0.93, using AD measurements in the bundles of interest as a feature. Among the most important deep WMbundles were the anterior arcuate fasciculus and the inferior longitudinal fasciculus in the right hemisphere, and the superior motor thalamic radiation in the left hemisphere. On the other hand, the most significant superficial WM v bundles primarily connected regions in the left hemisphere, such as the superior parietal, cuneus, lingual, superior temporal, caudal middle frontal, precentral, fusiform, postcentral, supramarginal, rostral middle frontal, and superior frontal areas. Patients with tinnitus showed decreases in AD, MD, and RD, and an increase in FA, suggesting microstructural reorganization of the fibers. These changes may reflect adaptive or maladaptive plasticity in response to auditory damage. The increase in FA could indicate a compensatory response, where the remaining intact fibers are better organized to maintain the efficiency of auditory processing. The reduction in AD could reflect axonal damage, reduced axonal caliber, or less coherent orientation of axons. Meanwhile, the decrease in MD and RD could indicate increased myelin integrity. These alterations may disrupt the transmission of auditory information and contribute to the persistence of tinnitus. This work contributes significantly to the ongoing research on tinnitus, offering valuable insights for the development of more accurate diagnostic tools. To our knowledge, this is the first study to investigate alterations in superficial WM tracts in tinnitus patients. Additionally, the analysis methodology applied to the tinnitus patient database can be extended to other databases of both healthy and diseased patients.
Description
Tesis presentada para optar al grado académico de Doctor en Ciencias de la Ingeniería con Mención en Ingeniería Eléctrica
Keywords
Neurotecnología (Bioingeniería), Sistemas de recolección automática de datos, Enfermedades del oído