تعیین تغییرات در اتصالات عصبی و شبکه ساختارهای میکرونی ماده سفید مغزی در افراد مبتلا به پارکینسون با استفاده از تصویربرداری تانسور پخش (DTI) و الگوریتم های پردازش تصویر

• نقشه و الگوی میکرو استارکچرها در  ماده سفید مغزی مبتنی بر تصاویر  دی تی آی  برای بیماران پارکینسون نسبت به افراد نرمال متفاوت است.
• نقشه و الگوی اتصالات عصبی بین قسمتهای مختلف ماده سفید مغزی مبتنی بر تصاویر  دی تی آی  برای بیماران پارکینسون نسبت به افراد نرمال متفاوت است.
• نقشه و الگوی میکرو استارکچرها در  ماده سفید مغزی مبتنی بر تصاویر  دی تی آی  بین بیماران پارکینسون با درجه بیماری مختلف متفاوت است.
•  
• نقشه و الگوی اتصالات عصبی بین قسمتهای مختلف ماده سفید مغزی مبتنی بر تصاویر  دی تی آی بین بیماران پارکینسون با درجه بیماری مختلف متفاوت است.
• پارامتر میزان خواب آلودگی روزانه (Excessive Daytime Sleepiness) بیماران پارکینسون در نقشه و الگوی اتصالات عصبی مبتنی بر تصاویر دی تی آی  تاثیر دارد.
• پارامتر میزان خواب آلودگی روزانه (Excessive Daytime Sleepiness) بیماران پارکینسون در نقشه و الگوی میکرو استارکچرها مبتنی بر تصاویر دی تی آی  تاثیر دارد.

• تعیین نقشه و الگوی تغییر یافته اتصالات عصبی و میکرو استراکچرها  در افراد مبتلا به پارکینسون با استفاده از تصویربرداری دی تی آی و  الگوریتم  های پردازش تصویر SPM مبتنی بر متلب همانند 

• تعیین نقشه و الگوی میکرو استارکچرها ماده سفید مغزی مبتنی بر تصاویر دی تی آی بیماران پارکینسون نسبت به افراد نرمال 
• تعیین نقشه و الگوی اتصالات عصبی بین قسمتهای مختلف ماده سفید مغزی مبتنی بر تصاویر دی تی آی بیماران پارکینسون نسبت به افراد نرمال 
• تعیین ارتباط بین نقشه و الگوی میکرو استارکچرها مبتنی بر تصاویر دی تی آی بیماران پارکینسون و درجه بیماری پارکینسون 
• تعیین نقشه و الگوی اتصالات عصبی بین قسمتهای مختلف ماده سفید مغزی مبتنی بر تصاویر دی تی آی در بیماران پارکینسون با درجه بیماری پارکینسون 
• تعیین ارتباط میزان خواب آلودگی روزانه (Excessive Daytime Sleepiness) در بیماران پارکینسون و نقشه و الگوی میکرو استارکچرها مبتنی بر تصاویر  دی تی آی  
•  
• تعیین ارتباط میزان خواب آلودگی روزانه (Excessive Daytime Sleepiness) در بیماران پارکینسون و نقشه و الگوی اتصالات عصبی بین قسمتهای مختلف ماده سفید مغزی  
•  

وزارت بهداشت

متلب: محیط نرم افزاری که میتوان در آن برنامه نویسی و کارهایی همانند پردازش تصویر را انجام داد.

Excessive Daytime Sleepiness: خواب آلودگی نامناسب در طول زمان بیداری

توصیفی تحلیلی

معیار ورود در این مطالعه افراد دارای بیماری پارکینسون و شاهد (نرمال) که در پروژه بزرگProgression Markers Initiative (PPMI) شرکت کرده اند، و تصاویر ام آر ای و دی تی آی و پرسشنامه هایی نظیر the 15 -item Geriatric Depression Scale 
(GDS)  برای neuropsychiatric assessment همچنین ESS برای EDS و the REM Sleep Behavior 
Disorder Screening Questionnaire (RBDSQ) برای sleep 
behavior  disorder  (RBD)  از آنها تهیه شده است.

داده  های  تصویربرداری  kzdv  ام آر آی، سی تی ، پت و DTI  این پروژه بزرگ  در حیطه بیماری های پارکینسون و آلزایمر

(http://www.ppmi-info.org) جهت استفاده و ارزیابی های  بیشتر و متفاوت  محققاندر اینترنت قرار گرفته اند.  محققان از سراسر دنیا از جمله ایران بر روی این تصاویر تحقیقات مورد نظر را انجام میدهند و سالانه تعداد زیادی مقالات در این زمینه چاپ می شود.

طبق پروتوکل موجود در پروژه  قبل از انجام آزمون تصویربرداری، کلیه مراحل کار برای بیمار توضیح داده شده و در صورت وجود هرگونه ابهام، از بیمار درخواست شده تا فرم رضایت نامه را مطالعه کند. تشخیص وجود بیماری پارکیسون در بیماران توسط یک متخصصان مغز و اعصاب  با توجه به علائم بالینی، MRI، و آزمایش های کلینیکی و پرسشنامه های روانشناسی  انجام شده است.

این مطالعه بر روی بیماران دارای پارکینسون با شدت محتلف، و مشکلات عصبی نظیر ESD صورت گرفته است.

با توجه به اینکه بر طبق مطالعات قبلی، احتمال تغییرات  در WM  مغزی در بیماران دارای پارکینسون با درجه بیماری حفیف تا شدید از تحمین 30  تا  100 درصد برحوردار است. با احتساب P با ماکزیمم اثر P=30%)) همچنین با توجه به توان %80 و آلفای 0.05 (سطح اطمینان %95 ) و با در نظرگرفتن حداقل %25 مقدار اشتباه براورد نسبت به عنوان اندازه‌ی اثر پیش بینی شده، حجم نمونه با فرمول زیر محاسبه گردید و بر طبق آن تعداد 13 نفر در هر گروه وارد مطالعه خواهند شدکه از پایگاه PPMI انتخاب می شود. همچنین 10 بیمار از افراد  سالم از این پایگاه داده  به عنوان گروه کنترل از این پایگاه انتخاب شد.

n=  Z²p(1-p)                      

   d²                             

افراد  از این پروژه به صورت تصادفی انتخاب خواهند شد.

محیط نرم افزار ی متلب و تولباکس هایی نظیر SPM و پردازش تصویر در این نرم افزار

محیط نرم افزاری FreeSurfer

در مرحله اول تصویر برداری آناتومیکی MRI بر وزن T1 و تصویربرداری دی تی آی  که با پارامتر های زیر انجام شده است، انتخاب گردید.

تصویربرداری  T1-Weighted با استفاده از پروتکل با مشخصات زیر است.TE/TR = 45/2340ms  و زاویه انحراف  60ᵒ و ماترکس سایز و میدان دید به ترتیب image matrix = 128⨯128, FOV = 23⨯23cm2 انجام شد. ضحامت اسلایس 1 میلیمتر بود و number of measurements = 50 at 1 sec/volume and number of slices = 21.

1. پردازش تصویر  و استخراج نواحی دارای آتروفی

مراحل پروتوکل پردازش تصویر  و استخراج نواحی دارای آتروفی در زیر نشان داده شده است.

به ترتیب آنالیز های زیر در تصاویر ام آرآی با استفاده از نرم افزار SPM و برنامه مطلب (MATLAB) انجام می شود :

1. کاهش ذاتی غیریکنواحتی تصاویر ام آر آی  ناشی از کویل

2.            بحشبندی(segmentation) تصاویر  ام آر آی به نواحی مختلف

3.            انطباق اتوماتیک تصاویر ام آر آی   با Dartel Tempalte

4.            انتقال تصاویر  ام آر آی به فضای MNI و نرمالایز آن به اطلس MNI

5.فرایند mask ناحیه GM و smoothing آن

6.            تولید Z score  map  با استفاده از تصاویر GM بیماران و افراد نرمال

7. استخراج نواحی دارای اتصالات عصبی و نرونی متفاوت با افراد نرمال با استفاده از تکنیک tersholding

7. استخراج میکرو استراکچرهای  با شکل  و الگوی متفاوت   از افراد نرمال با استفاده از تکنیک tersholding

جهت مقایسه نتایج بین گروههای مستقل از آزمون تی تست و بین چند گروه از آزمون آنالیز واریانس POST HOC استفاده شد.

افراد شرکت کننده در پروژه PPMI ناشناس بوده و هویت آنها با توجه به قوانین پروژه فاش نخواهد شد.

ندارد

پارکینسون، تصویربرداری DTI، اتصلات عصبی نورونی، بین قسمتهای مختلف مغز ، ام آرآی، خواب آلودگی روزانه (ESD)

1.            Lang AE, Lozano AM. Parkinson's Disease. New England Journal of Medicine. 1998;339(15):1044-53.

2.            Hosseini Tabatabaei N, Babakhani B, Hosseini Tabatabaei A, Vahabi Z, Soltanzadeh A. Non-genetic factors associated with the risk of Parkinson's disease in Iranian patients. Functional neurology. 2013;28(2):107-13.

3.            Chaudhuri KR, Rizos A, Sethi KD. Motor and nonmotor complications in Parkinson's disease: an argument for continuous drug delivery? Journal of neural transmission. 2013;120(9):1305-20.

4.            Gelb DJ, Oliver E, Gilman S. Diagnostic criteria for Parkinson disease. Archives of neurology. 1999;56(1):33-9.

5.            Lang AE, Lozano AM. Parkinson's disease. First of two parts. The New England journal of medicine. 1998;339(15):1044-53.

6.            Meijer FJ, Goraj B. Brain MRI in Parkinson's disease. Frontiers in bioscience (Elite edition). 2014;6:360-9.

7.            Tessa C, Giannelli M, Della Nave R, Lucetti C, Berti C, Ginestroni A, et al. A whole-brain analysis in de novo Parkinson disease. AJNR American journal of neuroradiology. 2008;29(4):674-80.

8.            Lenfeldt N, Hansson W, Larsson A, Nyberg L, Birgander R, Forsgren L. Diffusion tensor imaging and correlations to Parkinson rating scales. J Neurol. 2013;260(11):2823-30.

9.            Fornito A, Bullmore ET. Connectomics: A new paradigm for understanding brain disease. European neuropsychopharmacology : the journal of the European College of Neuropsychopharmacology. 2014.

10.          Hattori T, Orimo S, Aoki S, Ito K, Abe O, Amano A, et al. Cognitive status correlates with white matter alteration in Parkinson's disease. Human brain mapping. 2012;33(3):727-39.

11.          Matsui H, Nishinaka K, Oda M, Niikawa H, Kubori T, Udaka F. Dementia in Parkinson's disease: diffusion tensor imaging. Acta neurologica Scandinavica. 2007;116(3):177-81.

12.          Matsui H, Nishinaka K, Oda M, Niikawa H, Komatsu K, Kubori T, et al. Wisconsin Card Sorting Test in Parkinson's disease: diffusion tensor imaging. Acta neurologica Scandinavica. 2007;116(2):108-12.

13.          Karagulle Kendi AT, Lehericy S, Luciana M, Ugurbil K, Tuite P. Altered diffusion in the frontal lobe in Parkinson disease. AJNR American journal of neuroradiology. 2008;29(3):501-5.

14.          Chan LL, Rumpel H, Yap K, Lee E, Loo HV, Ho GL, et al. Case control study of diffusion tensor imaging in Parkinson's disease. Journal of neurology, neurosurgery, and psychiatry. 2007;78(12):1383-6.

15.          Vaillancourt DE, Spraker MB, Prodoehl J, Abraham I, Corcos DM, Zhou XJ, et al. High-resolution diffusion tensor imaging in the substantia nigra of de novo Parkinson disease. Neurology. 2009;72(16):1378-84.

16.          Rolheiser TM, Fulton HG, Good KP, Fisk JD, McKelvey JR, Scherfler C, et al. Diffusion tensor imaging and olfactory identification testing in early-stage Parkinson's disease. J Neurol. 2011;258(7):1254-60.

17.          Ibarretxe-Bilbao N, Junque C, Marti MJ, Valldeoriola F, Vendrell P, Bargallo N, et al. Olfactory impairment in Parkinson's disease and white matter abnormalities in central olfactory areas: A voxel-based diffusion tensor imaging study. Movement disorders : official journal of the Movement Disorder Society. 2010;25(12):1888-94.

18.          Tessitore A, Giordano A, De Micco R, Russo A, Tedeschi G. Sensorimotor connectivity in Parkinson's disease: the role of functional neuroimaging. Frontiers in neurology. 2014;5:180.

19.          Chou KH, Lin WC, Lee PL, Tsai NW, Huang YC, Chen HL, et al. Structural covariance networks of striatum subdivision in patients with Parkinson's disease. Human brain mapping. 2014.

20.          Zalesky A, Fornito A, Bullmore ET. Network-based statistic: identifying differences in brain networks. NeuroImage. 2010;53(4):1197-207.

21.          Besson P, Dinkelacker V, Valabregue R, Thivard L, Leclerc X, Baulac M, et al. Structural connectivity differences in left and right temporal lobe epilepsy. NeuroImage. 2014;100:135-44.

22.          Korgaonkar MS, Fornito A, Williams LM, Grieve SM. Abnormal structural networks characterize major depressive disorder: a connectome analysis. Biological psychiatry. 2014;76(7):567-74.

23.          Buchanan CR, Pettit LD, Storkey AJ, Abrahams S, Bastin ME. Reduced structural connectivity within a prefrontal-motor-subcortical network in amyotrophic lateral sclerosis. Journal of magnetic resonance imaging : JMRI. 2014.

24.          Meoded A, Katipally R, Bosemani T, Huisman TA, Poretti A. Structural connectivity analysis reveals abnormal brain connections in agenesis of the corpus callosum in children. European radiology. 2014.

25.          Poudel GR, Stout JC, Dominguez DJ, Salmon L, Churchyard A, Chua P, et al. White matter connectivity reflects clinical and cognitive status in Huntington's disease. Neurobiology of disease. 2014;65:180-7.

26.          Xia S, Foxe JJ, Sroubek AE, Branch C, Li X. Topological organization of the 'small-world' visual attention network in children with attention deficit/hyperactivity disorder (ADHD). Frontiers in human neuroscience. 2014;8:162.

با توجه به اینکه از داده های تصاویر ام آر و دی تی آی بیماران پارکیسون در پروژه  بزرگ PPMI که مربوط به بیماران پارکیسون است، استفاده می شود.  این قسمت عملا نیاز به تکمیل ندارد.

اطلاعات بیمار در این پروژه فاش نشده است .

با توجه به اینکه یکی از اهداف این مطالعه، بررسی اثر فاکتورهایی نظیر  ESD در نقشه اتصالات بین نرونی قسمتهای مختلف مغز  و تغییرات در میکرواستارکچر ها  در white matter  ، در بیماران پارکینسونی است . پرسشنامه هایی نظیر the 15 -item Geriatric Depression Scale 
(GDS)  برای neuropsychiatric assessment همچنین ESS برای EDS و the REM Sleep Behavior 
Disorder Screening Questionnaire (RBDSQ) برای sleep 
behavior  disorder  (RBD)  از آنها تهیه شده است.