pmid: "27230218"
title: "O Atlas Brainnetome Humano: Um Novo Atlas Cerebral Baseado em Arquitetura Conectiva"
authors: "Fan L, Li H, Zhuo J, Zhang Y, Wang J, Chen L, Yang Z, Chu C, Xie S, Laird AR, Fox PT, Eickhoff SB, Yu C, Jiang T"
journal: "Cerebral cortex (New York, N.Y. : 1991)"
pubdate: "2016 Aug"
doi: "10.1093/cercor/bhw157"
source: "PMC Full Text"

O Atlas Brainnetome Humano: Um Novo Atlas Cerebral Baseado em Arquitetura Conectiva

Autores

Fan L, Li H, Zhuo J, Zhang Y, Wang J, Chen L, Yang Z, Chu C, Xie S, Laird AR, Fox PT, Eickhoff SB, Yu C, Jiang T

Periodico

Cerebral cortex (New York, N.Y. : 1991) (2016 Aug)

Conteudo

O Atlas Brainnetome Humano: Um Novo Atlas Cerebral Baseado na Arquitetura de Conexões
Os atlas do cérebro humano que permitem correlacionar a anatomia cerebral com funções psicológicas e cognitivas estão em transição de atlas impressos baseados em histologia ex vivo para mapas cerebrais digitais que fornecem informações multimodais in vivo. Muitos atlas atuais do cérebro humano abrangem apenas estruturas específicas, carecem de parcelamentos refinados e não fornecem informações de conectividade funcionalmente importantes. Utilizando técnicas de neuroimagem multimodal não invasivas, projetamos uma estrutura de parcelamento baseada em conectividade que identifica as subdivisões de todo o cérebro humano, revelando a arquitetura de conectividade in vivo. O Atlas Brainnetome Humano resultante, com 210 sub-regiões corticais e 36 subcorticais, fornece um atlas refinado e validado de forma cruzada e contém informações sobre conexões anatômicas e funcionais. Além disso, mapeamos ainda as estruturas delineadas para processos mentais com referência ao banco de dados BrainMap. Ele fornece, assim, um ponto de partida objetivo e estável para explorar as relações complexas entre estrutura, conectividade e função e, eventualmente, melhora a compreensão de como o cérebro humano funciona. O Atlas Brainnetome Humano será disponibilizado gratuitamente para download em [link], de modo que parcelamentos de todo o cérebro, conexões e dados funcionais estarão prontamente disponíveis para os pesquisadores usarem em suas investigações sobre estados saudáveis e patológicos.
Introdução
O cérebro humano contém centenas de estruturas corticais e subcorticais anatomicamente e funcionalmente distintas; definir com precisão esses parcelamentos e mapear suas funções e conexões impõe enormes desafios. No entanto, um atlas cerebral confiável que reflita essa subdivisão é essencial para investigar quantitativamente as características funcionais e estruturais do cérebro humano. Esse atlas permitiria, então, análises de redes cerebrais de forma informada, usando nós definidos a priori, em vez de recorrer a divisões cerebrais arbitrárias ou usar parcelamentos orientados por dados específicos para os sujeitos em questão. Além disso, ofereceria também uma estrutura poderosa para sintetizar os resultados de diferentes estudos de neuroimagem.
Consequentemente, há um esforço de longa data para parcelar o cérebro em áreas com base em características microestruturais, macroestruturais ou de conexão. Os primeiros esforços de parcelamento visavam definir limites regionais, incluindo o amplamente utilizado atlas de Brodmann, que se baseava na arquitetura post-mortem usando amostras limitadas. Embora tais atlas tenham fornecido informações inestimáveis, sua citoarquitetura em microescala é insuficiente para representar completamente a organização cerebral. Em particular, a heterogeneidade microestrutural representa apenas um aspecto da diferenciação cortical, ou seja, as características locais, sendo insensível ao segundo grande determinante da especialização regional, a saber, a heterogeneidade nas conexões de longa distância. Embora o exame histológico seja atualmente a única técnica que realmente mapeia o cérebro diretamente (em vez de inferir parcelamentos a partir de dados registrados), os procedimentos sistemáticos de mapeamento citoarquitetônico são extremamente demorados e devem ser complementados por informações sobre a heterogeneidade dos padrões de conectividade.

Nas últimas duas décadas, as informações obtidas por tecnologias avançadas de mapeamento cerebral, em particular a ressonância magnética multimodal (RM), incluindo RM estrutural, funcional e de difusão, ofereceram maneiras alternativas de enfrentar o desafio da cartografia cortical. A maioria dessas abordagens, ainda em rápido desenvolvimento, baseia-se no conceito mencionado anteriormente de que cada área cortical tem um padrão único de entradas e saídas (uma "impressão digital conectiva"), que, juntamente com a infraestrutura local fornecida pelas propriedades microestruturais mencionadas acima, representa o segundo grande determinante da função dessa área. Portanto, a ideia básica do parcelamento baseado em conectividade é supor que os voxels pertencentes a uma determinada área cerebral compartilham perfis de conectividade semelhantes. Por sua vez, as áreas cerebrais devem, portanto, ser definíveis agregando voxels que mostram padrões de conectividade semelhantes em aglomerados maiores. Um número considerável de estudos já usou parcelamentos baseados em conectividade para formar mapas cartográficos de regiões específicas do cérebro ou mesmo de todo o córtex; no entanto, existem várias inconsistências entre eles e, em particular, um esquema de parcelamento de todo o cérebro baseado em informações de conectividade estrutural ainda está ausente.
O Projeto Brainnetome foi lançado para investigar a hierarquia no cérebro humano, desde a genética até os circuitos neuronais e comportamentos, conceituando 2 componentes (nós e conexões) como a unidade básica de pesquisa. Um dos pré-requisitos fundamentais deste projeto é, portanto, estabelecer um novo atlas do cérebro humano, ou seja, o Atlas Brainnetome, definindo esses nós com base na arquitetura conectiva estrutural. Importante, o Atlas Brainnetome deve seguir o conceito de uma caracterização multimodal, fornecendo não apenas sub-regiões detalhadas com base em padrões de conectividade estrutural, mas complementando-as com padrões detalhados de conectividade funcional para cada área. Além disso, mapear processos cognitivos nesses módulos é central para entender a organização funcional do cérebro humano e, portanto, um mapeamento abrangente de estrutura para função das sub-regiões que formam o Atlas Brainnetome deve ser igualmente realizado. Juntos, esses tipos de informação estabeleceriam então uma nova estrutura para a alocação de ativações e a investigação de matrizes de conectividade de todo o cérebro. Este artigo descreve o progresso atual na formação deste novo atlas do cérebro humano baseado na arquitetura conectiva e sua capacidade de ligar a conectividade cerebral à função, o que juntos podem ajudar a revelar os substratos neurofisiológicos de várias doenças e funções cognitivas.
Materiais e Métodos
Sujeitos e Aquisições de Dados
Dados de 40 adultos saudáveis e não aparentados (idade: 22–35, 17 homens) foram obtidos do lançamento de dados Q3 do banco de dados do Human Connectome Project (HCP). Os dados de RM multimodal consistiram em RM estrutural, RM funcional em estado de repouso (rfMRI) e RM de difusão (dMRI), coletados em um scanner Skyra 3 T (Siemens, Erlangen, Alemanha) usando uma bobina de cabeça de 32 canais. Como os sujeitos 209 733 e 528 446 apresentaram anormalidades cerebrais estruturais, eles foram substituídos por outros 2 sujeitos, 100 408 e 106 016, do grupo de 80 sujeitos não aparentados. Todos os parâmetros de varredura são detalhados e motivados em) e também fornecidos no suplemento. Os dados de RM multimodal do banco de dados foram baixados em uma forma pré-processada, ou seja, após as imagens terem passado pelo pipeline de pré-processamento mínimo (v. 3.2). Os detalhes deste pipeline foram descritos anteriormente e são apenas resumidos no suplemento para completude.
Além disso, outro grupo independente de sujeitos saudáveis foi incluído para realizar a validação de repetibilidade. O conjunto de dados incluiu 40 (20 homens, faixa etária, 17–20 anos, idade, 19,10 ± 0,80 anos, média ± DP) participantes destros. Os dados de RM multimodal de 40 adultos saudáveis foram adquiridos usando um scanner de RM GE 3,0 T (veja para uma descrição completa da amostra de dados e parâmetros de aquisição).
Definição das Máscaras de Semente Iniciais
Estrutura da construção do Atlas Brainnetome baseada na parcelamento por conectividade. (A) Parcelamento inicial utilizando parcelamento automático de superfície e segmentação subcortical. O atlas DK do FreeSurfer produziu os parcelamentos iniciais com base em giros e sulcos. (B) Parcelamento baseado em tractografia com arquitetura conectiva in vivo. Tomando como exemplo o parcelamento do lóbulo paracentral humano por imagem por tensor de difusão, o lóbulo paracentral foi primeiro extraído do atlas DK. A arquitetura conectiva foi então mapeada com tractografia probabilística usando ressonância magnética de difusão, após a qual, pelo cálculo da similaridade/dissimilaridade entre a arquitetura de conectividade, o lóbulo paracentral foi dividido em sub-regiões com padrões de conectividade anatômica distintos. A estabilidade na população e a homologia anatômica inter-hemisférica foram avaliadas para determinar o número final de agrupamentos. (C) Conexões anatômicas e funcionais sub-regionais e decodificação funcional comportamental. A ressonância magnética de difusão combinada com tractografia foi usada para reconstruir os principais feixes de fibras, enquanto a análise de conectividade funcional da ressonância magnética funcional em estado de repouso foi usada para fornecer a conectividade em larga escala in vivo no cérebro humano. Também mapeamos as funções para cada sub-região do lóbulo paracentral por meio da análise de domínio comportamental e paradigma utilizando o Banco de Dados BrainMap.
Primeiro, a imagem T1 de cada sujeito foi parcelada em 34 regiões de interesse (ROIs) corticais por hemisfério e 14 ROIs subcorticais com base no atlas Desikan–Killiany (DK). Em seguida, combinamos ROIs que representam subdivisões (arbitrárias) de um giro maior, bem como aquelas cujos limites são determinados por sulcos que são altamente variáveis (cf. Tabela Suplementar 1). Além disso, combinamos os gânglios da base em uma única região de interesse para parcelamento subsequente. O nome completo e a abreviação de cada máscara de semente cortical e subcortical inicial estão listados na Tabela Suplementar 1. Todas as ROIs volumétricas corticais e subcorticais foram extraídas no espaço MNI com base nos dados estruturais individuais pré-processados. Essas máscaras de semente iniciais em cada sujeito foram então usadas para criar mapas de probabilidade populacional que foram binarizados usando um limiar de 25% para obter as ROIs volumétricas. Essas máscaras resultantes foram usadas como ponto de partida para a análise de parcelamento por conectividade (Fig. 1A).
A tractografia por difusão probabilística foi então usada para mapear as conexões anatômicas in vivo a partir de cada ROI. Foram realizadas cinco execuções separadas de tractografia para cada sujeito, e a conectividade entre as ROIs foi calculada como a proporção de fibras que conectam cada par de ROIs. Essas matrizes de conectividade foram então usadas para definir a arquitetura conectiva de cada ROI. A similaridade entre os padrões de conectividade foi calculada usando a correlação de Spearman, e uma análise de agrupamento hierárquico foi realizada para agrupar os voxels dentro de cada ROI com base em seus perfis de conectividade. O número ideal de agrupamentos foi determinado pela avaliação da estabilidade dos agrupamentos em toda a população e pela homologia inter-hemisférica. O resultado final foi um conjunto de parcelamentos sub-regionais para cada ROI, que foram então nomeados com base na localização anatômica e no padrão de conectividade (Fig. 1A).
Os dados de ressonância magnética de difusão (minimamente pré-processados do HCP) foram processados adicionalmente usando a FMRIB Diffusion Toolbox. Primeiro, a orientação das fibras e as incertezas associadas em cada voxel foram estimadas usando o algoritmo BEDPOSTX do FSL, estimando distribuições de probabilidade para múltiplas direções de fibras em cada voxel. Segundo, as imagens ponderadas em T1 com remoção do crânio de cada sujeito foram co-registradas à imagem não ponderada em difusão do sujeito (b = 0 s/mm²). Com base nessas imagens T1 alinhadas, derivamos transformações não lineares (direta e inversa) entre o espaço de difusão e o template estrutural MNI 152, que foram então usadas para transformar as máscaras de semente no espaço de difusão para cada sujeito. Verificamos a precisão do registro de cada região de semente nos planos coronal, axial e sagital, fatia por fatia, no espaço de difusão nativo e modificamos manualmente as máscaras seguindo o protocolo DK quando necessário. Em seguida, a tractografia probabilística foi aplicada amostrando 5000 fibras streamline para cada voxel na região de semente para estimar seu perfil de conectividade em todo o cérebro. Um pequeno valor de limiar foi então usado para remover informações de conectividade de voxels que foram alcançados por não mais do que 2/5000 amostras e, portanto, muito provavelmente representam conectividade dispersa, ou seja, ruído.
Parcelamento Baseado em Conectividade Através de Tractografia
Para facilitar o armazenamento e a análise dos dados, os perfis de conectividade de todo o cérebro para cada voxel foram reamostrados para voxels isotrópicos de 5 mm. Matrizes de correlação cruzada entre os padrões de conectividade de todos os voxels na máscara de semente foram calculadas e usadas para o parcelamento automático. A matriz de correlação cruzada foi então permutada usando agrupamento espectral para definir agrupamentos distintos. Importante, o número de agrupamentos deve ser definido pelo experimentador ao usar este método. No presente estudo, exploramos parcelamentos de 2 até 12 (dependendo do tamanho da região de semente) agrupamentos (Fig. 1B; ver Figuras Suplementares 2–7). Todas as soluções (por sujeito) foram transformadas no espaço do template MNI usando as transformações não lineares descritas acima.
Devido à rotulagem aleatória dos clusters pelo algoritmo de agrupamento entre os sujeitos, tentamos encontrar o esquema de rotulagem mais consistente entre os sujeitos através das seguintes etapas. Primeiro, os esquemas de rotulagem dos clusters de cada sujeito foram agrupados em uma matriz de correlação cruzada em nível de grupo com limiar, onde cada entrada representa a similaridade conexional de quaisquer 2 voxels na ROI. Em seguida, o algoritmo de agrupamento espectral foi aplicado novamente nesta matriz de similaridade, e um esquema de rotulagem em nível de grupo foi, assim, obtido. Por último, o padrão de rotulagem foi propagado de volta para os clusters de cada sujeito por meio da maximização da sobreposição espacial usando o algoritmo de atribuição de Munkres. Em seguida, calculamos mapas probabilísticos representando a sobreposição desses clusters entre os sujeitos e, portanto, a variabilidade interindividual. Além disso, um mapa de probabilidade máxima (MPM) em todos os sujeitos foi criado para cada solução (número de clusters) atribuindo cada voxel ao cluster mais provável nesta posição. Além disso, se 2 parcelas representando a mesma região entre os hemisférios são fornecidas, o padrão de rotulagem consistente entre os hemisférios também é alcançado antes da propagação do padrão de rotulagem.
Determinação da Solução de Agrupamento Ótima K
Para evitar a escolha arbitrária do número de clusters, usamos validação cruzada para determinar o número de clusters que produziu a consistência ótima entre os sujeitos. Consideramos 2 estratégias gerais para definir o número de clusters otimizado, ou seja, estabilidade entre a população e consistência inter-hemisférica do arranjo topográfico (Fig. 1B; veja Figs. Suplementares 2–7).
O número adequado de sub-regiões foi primeiro avaliado pela reprodutibilidade da parcelização entre conjuntos de metades divididas aleatoriamente, medida pelo V de Cramer. Os participantes foram divididos em 2 grupos aleatórios, e os MPMs dos 2 grupos montados aleatoriamente foram avaliados. A divisão aleatória em metades foi então repetida 100 vezes para calcular a consistência média (e desvio padrão). O K ótimo foi definido pelo pico (local) do V de Cramer, indicando uma melhor reprodutibilidade de divisão em metades do que as soluções vizinhas.
Também avaliamos a distância topológica (TpD) para quantificar a similaridade no arranjo topológico de áreas putativamente homólogas em cada hemisfério. Para este fim, computamos uma matriz de topologia K × K para uma dada parcelização. A entrada (i, j) desta matriz era o número de voxels da região i que estavam em contato espacial (26 vizinhos mais próximos) com voxels da região j. A TpD entre as sub-regiões esquerda e direita dadas em cada hemisfério foi definida como a distância do cosseno das 2 matrizes (normalizadas para soma de 1 e vetorizadas), resultando em pontuações TpD que variam de 0 (topologia idêntica) a 1 (topologia completamente incongruente).
Para mapear o padrão de conectividade anatômica de todo o cérebro para cada sub-região do atlas, realizamos tractografia probabilística extraindo 5000 amostras de cada voxel em cada sub-região (limiar de 25% de probabilidade) para todos os outros voxels de todo o cérebro. Para reduzir o ruído no rastreamento de fibras, as contagens brutas de traços para cada sujeito foram limiarizadas em uma contagem de traços ≥2. Em seguida, obtivemos um mapa populacional dos principais feixes de fibras para cada sub-região, binarizando os tractogramas obtidos por sujeito, normalizando-os para o espaço padrão, computando um mapa probabilístico de feixes de fibras e limiarizando este último a 50% de probabilidade. Além disso, também computamos o conectoma estrutural entre todas as sub-regiões identificadas, novamente binarizando-as usando um limiar de conectividade dispersa de ≥2 e, em seguida, empregamos um teste de sinal não paramétrico de 1 cauda para determinar as conexões consistentes entre os sujeitos. Para reduzir as chances de obter conexões falso-positivas, uma correção de Bonferroni foi usada para ajustar para comparações múltiplas (ou seja, 246 × 245/2 = 30 135 pares de sub-regiões) em P < 0,001.

Mapeamento dos Padrões de Conectividade Funcional em Estado de Repouso

Para mapear o padrão de conectividade funcional em estado de repouso de todo o cérebro para cada sub-região do atlas, reamostramos cada sub-região (limiar de 50% de probabilidade) na resolução de 2 mm dos dados de estado de repouso e computamos sua série temporal média por sujeito. Um mapa de conectividade funcional foi então fornecido pelo coeficiente de correlação de Pearson entre a série temporal média de cada sub-região e a de cada voxel em todo o cérebro. Os coeficientes de correlação obtidos foram normalizados usando a transformação z de Fisher e testados quanto à significância estatística no nível do grupo usando um teste t de 1 amostra (inferência corrigida por FDR em P < 0,05 com um limiar de extensão adicional de 50 voxels).

Decodificação de Função Usando o Banco de Dados BrainMap
A caracterização funcional das sub-regiões obtidas por parcelamento baseado em conectividade foi baseada em rótulos de metadados de domínio comportamental e classe de paradigma do banco de dados BrainMap (cf. ) usando inferências direta e reversa. A inferência direta indica a probabilidade de observar atividade em uma região cerebral dado o conhecimento do processo psicológico, enquanto a inferência reversa é a probabilidade de um processo psicológico estar presente dada a informação sobre a ativação em uma determinada região cerebral. Para a abordagem de inferência direta, o perfil funcional de uma sub-região foi determinado identificando os rótulos taxonômicos para os quais a probabilidade de encontrar ativação em uma sub-região específica foi significativamente maior do que a chance geral (em todo o banco de dados) de encontrar ativação naquela sub-região específica, conforme estabelecido usando um teste binomial (P < 0,05 corrigido). Para a inferência reversa, o perfil funcional de uma sub-região foi determinado identificando os domínios comportamentais e classes de paradigma mais prováveis, dada a ativação nesta sub-região, usando a regra de Bayes. A significância (P < 0,05 corrigido) foi avaliada por meio de um teste χ2.

Resultados
Esquema de Parcelamento do Cérebro Humano no Atlas Brainnetome
Com base na arquitetura de conectividade derivada da tractografia probabilística usando dados de dMRI in vivo, subdividimos o cérebro em um total de 210 áreas corticais e 36 regiões subcorticais com base na reprodutibilidade do parcelamento entre os sujeitos, caracterizada usando o V de Cramer, e na consistência inter-hemisférica das relações topológicas entre os agrupamentos, caracterizada pela distância topográfica (TpD).

Esquema de parcelamento do cérebro humano no Atlas Brainnetome. O MPM para cada uma das sub-regiões corticais foi criado no espaço MNI padrão ((A) vista lateral, (B) vista medial, (C) vista ventral) e visualizado usando ITK-SNAP (). O atlas combina principalmente informações ontológicas e de nomenclatura de 2 fontes, ou seja, descrições anatômicas e citoarquitetônicas modificadas. Para conveniência, esses 2 tipos de descrições são exibidos separadamente nos hemisférios esquerdo e direito. Os detalhes dos resultados do parcelamento para cada sub-região estão listados na Tabela 1, e a versão online está disponível em . Veja também as Figuras Suplementares 1–5.

Ontologia e nomenclatura das áreas cerebrais e suas abreviações no Atlas Brainnetome
Lobo Giro Hemisférios esquerdo e direito ID do rótulo E ID do rótulo D Citoarquitetônico modificado MNI E (X,Y,Z) MNI D (X, Y, Z) Lobo frontal SFG, Giro frontal superior SFG_E(D)_7_1 1 2 A8m, área medial 8 −5 ,15, 54 7, 16, 54 SFG_E(D)_7_2 3 4 A8dl, área dorsolateral 8 −18, 24, 53 22, 26, 51 SFG_E(D)_7_3 5 6 A9l, área lateral 9 −11, 49, 40 13, 48, 40 SFG_E(D)_7_4 7 8 A6dl, área dorsolateral 6 −18, −1, 65 20, 4, 64 SFG_E(D)_7_5 9 10 A6m, área medial 6 −6, −5, 58 7, −4, 60 SFG_E(D)_7_6 11 12 A9m, área medial 9 −5, 36, 38 6, 38, 35 SFG_E(D)_7_7 13 14 A10m, área medial 10 −8, 56, 15 8, 58, 13 MFG, Giro frontal médio MFG_E(D)_7_1 15 16 A9/46d, área dorsal 9/46 −27, 43, 31 30, 37, 36 MFG_E(D)_7_2 17 18 IFJ, junção frontal inferior −42, 13, 36 42, 11, 39 MFG_E(D)_7_3 19 20 A46, área 46 −28, 56, 12 28, 55, 17 MFG_E(D)_7_4 21 22 A9/46v, área ventral 9/46 −41, 41, 16 42, 44, 14 MFG_E(D)_7_5 23 24 A8vl, área ventrolateral 8 −33, 23, 45 42, 27, 39 MFG_E(D)_7_6 25 26 A6vl, área ventrolateral 6 −32, 4, 55 34, 8, 54 MFG_E(D)_7_7 27 28 A10l, área lateral 10 −26, 60, −6 25, 61, −4 IFG, Giro frontal inferior IFG_E(D)_6_1 29 30 A44d, área dorsal 44 −46, 13, 24 45, 16, 25 IFG_E(D)_6_2 31 32 IFS, sulco frontal inferior −47, 32, 14 48, 35, 13 IFG_E(D)_6_3 33 34 A45c, área caudal 45 −53, 23, 11 54, 24, 12 IFG_E(D)_6_4 35 36 A45r, área rostral 45 −49, 36, −3 51, 36, −1 IFG_E(D)_6_5 37 38 A44op, área opercular 44 −39, 23, 4 42, 22, 3 IFG_E(D)_6_6 39 40 A44v, área ventral 44 −52, 13, 6 54, 14, 11 OrG, Giro orbital OrG_E(D)_6_1 41 42 A14m, área medial 14 −7, 54, −7 6, 47, −7 OrG_E(D)_6_2 43 44 A12/47o, área orbital 12/47 −36, 33, −16 40, 39, −14 OrG_E(D)_6_3 45 46 A11l, área lateral 11 −23, 38, −18 23, 36, −18 OrG_E(D)_6_4 47 48 A11m, área medial 11 −6, 52, −19 6, 57, −16 OrG_E(D)_6_5 49 50 A13, área 13 −10, 18, −19 9, 20, −19 OrG_E(D)_6_6 51 52 A12/47l, área lateral 12/47 −41, 32, −9 42, 31, −9 PrG, Giro pré-central PrG_E(D)_6_1 53 54 A4hf, área 4 (região da cabeça e face) −49, −8, 39 55, −2, 33 PrG_E(D)_6_2 55 56 A6cdl, área dorsolateral caudal 6 −32, −9, 58 33, −7, 57 PrG_E(D)_6_3 57 58 A4ul, área 4 (região do membro superior) −26, −25, 63 34, −19, 59 PrG_E(D)_6_4 59 60 A4t, área 4 (região do tronco) −13, −20, 73 15, −22, 71 PrG_E(D)_6_5 61 62 A4tl, área 4 (região da língua e laringe) −52, 0, 8 54, 4, 9 PrG_E(D)_6_6 63 64 A6cvl, área ventrolateral caudal 6 −49, 5, 30 51, 7, 30 PCL, Lóbulo paracentral PCL_E(D)_2_1 65 66 A1/2/3ll, área
1/2/3 (região do membro inferior) −8, −38, 58 10, −34, 54 PCL_L(R)_2_2 67 68 A4ll, área 4, (região do membro inferior) −4, −23, 61 5, −21, 61 Lobo temporal STG, Giro temporal superior STG_L(R)_6_1 69 70 A38m, área medial 38 −32, 14, −34 31, 15, −34 STG_L(R)_6_2 71 72 A41/42, área 41/42 −54, −32, 12 54, −24, 11 STG_L(R)_6_3 73 74 TE1.0 e TE1.2 −50, −11, 1 51, −4, −1 STG_L(R)_6_4 75 76 A22c, área caudal 22 −62, −33, 7 66, −20, 6 STG_L(R)_6_5 77 78 A38l, área lateral 38 −45, 11, −20 47, 12, −20 STG_L(R)_6_6 79 80 A22r, área rostral 22 −55, −3, −10 56, −12, −5 MTG, Giro temporal médio MTG_L(R)_4_1 81 82 A21c, área caudal 21 −65, −30, −12 65, −29, −13 MTG_L(R)_4_2 83 84 A21r, área rostral 21 −53, 2, −30 51, 6, −32 MTG_L(R)_4_3 85 86 A37dl, área dorsolateral 37 −59, −58, 4 60, −53, 3 MTG_L(R)_4_4 87 88 aSTS, sulco temporal superior anterior −58, −20, −9 58, −16, −10 ITG, Giro temporal inferior ITG_L(R)_7_1 89 90 A20iv, área ventral intermediária 20 −45, −26, −27 46, −14, −33 ITG_L(R)_7_2 91 92 A37elv, área extremo lateroventral 37 −51, −57, −15 53, −52, −18 ITG_L(R)_7_3 93 94 A20r, área rostral 20 −43, −2, −41 40, 0, −43 ITG_L(R)_7_4 95 96 A20il, área lateral intermediária 20 −56, −16, −28 55, −11, −32 ITG_L(R)_7_5 97 98 A37vl, área ventrolateral 37 −55, −60, −6 54, −57, −8 ITG_L(R)_7_6 99 100 A20cl, área caudolateral 20 −59, −42, −16 61, −40, −17 ITG_L(R)_7_7 101 102 A20cv, área caudoventral 20 −55, −31, −27 54, −31, −26 FuG, Giro fusiforme FuG_L(R)_3_1 103 104 A20rv, área rostroventral 20 −33, −16, −32 33, −15, −34 FuG_L(R)_3_2 105 106 A37mv, área medioventral 37 −31, −64, −14 31, −62, −14 FuG_L(R)_3_3 107 108 A37lv, área lateroventral 37 −42, −51, −17 43, −49, −19 PhG, Giro para-hipocampal PhG_L(R)_6_1 109 110 A35/36r, área rostral 35/36 −27, −7, −34 28, −8, −33 PhG_L(R)_6_2 111 112 A35/36c, área caudal 35/36 −25, −25, −26 26, −23, −27 PhG_L(R)_6_3 113 114 TL, área TL (PPHC lateral, giro para-hipocampal posterior) −28, −32, −18 30, −30, −18 PhG_L(R)_6_4 115 116 A28/34, área 28/34 (EC, córtex entorrinal) −19, −12, −30 19, −10, −30 PhG_L(R)_6_5 117 118 TI, área TI (córtex insular agranular temporal) −23, 2, −32 22, 1, −36 PhG_L(R)_6_6 119 120 TH, área TH (PPHC medial) −17, −39, −10 19, −36, −11 pSTS, Sulco temporal superior posterior pSTS_L(R)_2_1 121 122 rpSTS, sulco temporal superior rostroposterior −54, −40, 4 53, −37, 3 pSTS_L(R)_2_2 123 124 cpSTS, sulco temporal superior caudoposterior −52, −50,
11 57, −40, 12 Lobo parietal SPL, Lóbulo parietal superior SPL_L(R)_5_1 125 126 A7r, área rostral 7 −16, −60, 63 19, −57, 65 SPL_L(R)_5_2 127 128 A7c, área caudal 7 −15, −71, 52 19, −69, 54 SPL_L(R)_5_3 129 130 A5l, área lateral 5 −33, −47, 50 35, −42, 54 SPL_L(R)_5_4 131 132 A7pc, área pós-central 7 −22, −47, 65 23, −43, 67 SPL_L(R)_5_5 133 134 A7ip, área intraparietal 7(hIP3) −27, −59, 54 31, −54, 53 IPL, Lóbulo parietal inferior IPL_L(R)_6_1 135 136 A39c, área caudal 39(PGp) −34, −80, 29 45, −71, 20 IPL_L(R)_6_2 137 138 A39rd, área rostrodorsal 39(Hip3) −38, −61, 46 39, −65, 44 IPL_L(R)_6_3 139 140 A40rd, área rostrodorsal 40(PFt) −51, −33, 42 47, −35, 45 IPL_L(R)_6_4 141 142 A40c, área caudal 40(PFm) −56, −49, 38 57, −44, 38 IPL_L(R)_6_5 143 144 A39rv, área rostroventral 39(PGa) −47, −65, 26 53, −54, 25 IPL_L(R)_6_6 145 146 A40rv, área rostroventral 40(PFop) −53, −31, 23 55, −26, 26 Pcun, Pré-cúneo PCun_L(R)_4_1 147 148 A7m, área medial 7(PEp) −5, −63, 51 6, −65, 51 PCun_L(R)_4_2 149 150 A5m, área medial 5(PEm) −8, −47, 57 7, −47, 58 PCun_L(R)_4_3 151 152 dmPOS, sulco parieto-occipital dorsomedial(PEr) −12, −67, 25 16, −64, 25 PCun_L(R)_4_4 153 154 A31, área 31 (Lc1) −6, −55, 34 6, −54, 35 PoG, Giro pós-central PoG_L(R)_4_1 155 156 A1/2/3ulhf, área 1/2/3(região do membro superior, cabeça e face) −50, −16, 43 50, −14, 44 PoG_L(R)_4_2 157 158 A1/2/3tonIa, área 1/2/3(região da língua e laringe) −56, −14, 16 56, −10, 15 PoG_L(R)_4_3 159 160 A2, área 2 −46, −30, 50 48, −24, 48 PoG_L(R)_4_4 161 162 A1/2/3tru, área 1/2/3(região do tronco) −21, −35, 68 20, −33, 69 Lobo insular INS, Giro insular INS_L(R)_6_1 163 164 G, ínsula hipergranular −36, −20, 10 37, −18, 8 INS_L(R)_6_2 165 166 vIa, ínsula agranular ventral −32, 14, −13 33, 14, −13 INS_L(R)_6_3 167 168 dIa, ínsula agranular dorsal −34, 18, 1 36, 18, 1 INS_L(R)_6_4 169 170 vId/vIg, ínsula disgranular e granular ventral −38, −4, −9 39, −2, −9 INS_L(R)_6_5 171 172 dIg, ínsula granular dorsal −38, −8, 8 39, −7, 8 INS_L(R)_6_6 173 174 dId, ínsula disgranular dorsal −38, 5, 5 38, 5, 5 Lobo límbico CG, Giro do cíngulo CG_L(R)_7_1 175 176 A23d, área dorsal 23 −4, −39, 31 4, −37, 32 CG_L(R)_7_2 177 178 A24rv, área rostroventral 24 −3, 8, 25 5, 22, 12 CG_L(R)_7_3 179 180 A32p, área pré-genual 32 −6, 34, 21 5, 28, 27 CG_L(R)_7_4 181 182 A23v, área ventral 23 −8, −47, 10 9, −44, 11 CG_L(R)_7_5 183 184 A24cd, área caudodorsal 24 −5, 7, 37 4, 6, 38
CG_L(R)_7_6 185 186 A23c, área caudal 24 −7, −23, 41 6, −20, 40 CG_L(R)_7_7 187 188 A32sg, área subgenual 32 −4, 39, −2 5, 41, 6 Lobo occipital MVOcC, Córtex occipital medioventral MVOcC _L(R)_5_1 189 190 cLinG, giro lingual caudal −11, −82, −11 10, −85, −9 MVOcC _L(R)_5_2 191 192 rCunG, giro cuneiforme rostral −5, −81, 10 7, −76, 11 MVOcC _L(R)_5_3 193 194 cCunG, giro cuneiforme caudal −6, −94, 1 8, −90, 12 MVOcC _L(R)_5_4 195 196 rLinG, giro lingual rostral −17, −60, −6 18, −60, −7 MVOcC _L(R)_5_5 197 198 vmPOS, sulco parieto-occipital ventromedial −13, −68, 12 15, −63, 12 LOcC, Córtex occipital lateral LOcC_L(R)_4_1 199 200 mOccG, giro occipital médio −31, −89, 11 34, −86, 11 LOcC _L(R)_4_2 201 202 V5/MT+, área V5/MT+ −46, −74, 3 48, −70, −1 LOcC _L(R)_4_3 203 204 OPC, córtex polar occipital −18, −99, 2 22, −97, 4 LOcC_L(R)_4_4 205 206 iOccG, giro occipital inferior −30, −88, −12 32, −85, −12 LOcC_L(R)_2_1 207 208 msOccG, giro occipital superior medial −11, −88, 31 16, −85, 34 LOcC_L(R)_2_2 209 210 lsOccG, giro occipital superior lateral −22, −77, 36 29, −75, 36 Núcleos subcorticais Amyg, Amígdala Amyg_L(R)_2_1 211 212 mAmyg, amígdala medial −19, −2, −20 19, −2, −19 Amyg_L(R)_2_2 213 214 lAmyg, amígdala lateral −27, −4, −20 28, −3, −20 Hipp, Hipocampo Hipp_L(R)_2_1 215 216 rHipp, hipocampo rostral −22, −14, −19 22, −12, −20 Hipp_L(R)_2_2 217 218 cHipp, hipocampo caudal −28, −30, −10 29, −27, −10 BG, Gânglios da base BG_L(R)_6_1 219 220 vCa, caudado ventral −12, 14, 0 15, 14, −2 BG_L(R)_6_2 221 222 GP, globo pálido −22, −2, 4 22, −2, 3 BG_L(R)_6_3 223 224 NAC, núcleo accumbens −17, 3, −9 15, 8, −9 BG_L(R)_6_4 225 226 vmPu, putâmen ventromedial −23, 7, −4 22, 8, −1 BG_L(R)_6_5 227 228 dCa, caudado dorsal −14, 2, 16 14, 5, 14 BG_L(R)_6_6 229 230 dlPu, putâmen dorsolateral −28, −5, 2 29, −3, 1 Tha, Tálamo Tha_L(R)_8_1 231 232 mPFtha, tálamo pré-frontal medial −7, −12, 5 7, −11, 6 Tha_L(R)_8_2 233 234 mPMtha, tálamo pré-motor −18, −13, 3 12, −14, 1 Tha_L(R)_8_3 235 236 Stha, tálamo sensorial −18, −23, 4 18, −22, 3 Tha_L(R)_8_4 237 238 rTtha, tálamo temporal rostral −7, −14, 7 3, −13, 5 Tha_L(R)_8_5 239 240 PPtha, tálamo parietal posterior −16, −24, 6 15, −25, 6 Tha_L(R)_8_6 241 242 Otha, tálamo occipital −15, −28, 4 13, −27, 8 Tha_L(R)_8_7 243 244 cTtha, tálamo temporal caudal −12, −22, 13 10, −14, 14 Tha_L(R)_8_8 245 246 lPFtha, tálamo pré-frontal lateral −11, −14, 2 13, −16,
7
Dado que os mapas de conectividade anatômica de cada sub-região identificada em nível de cérebro inteiro foram gerados, usamos as 245 sub-regiões restantes como alvos de semente para construir uma matriz de conectividade 246 × 246 na qual cada item representa a conectividade estrutural de todas as sub-regiões, e cada linha representa a impressão digital de uma sub-região. Para complementar a validade da distância topológica (TpD), aqui, comparamos a similaridade da impressão digital de conectividade de cada par putativo entre os 2 hemisférios. Dado uma ROI especificada, uma matriz K × K foi derivada da matriz de conectividade de cada sujeito. Nesta matriz, K denota o número do rótulo das sub-regiões, a linha e a coluna representam o número do rótulo das sub-regiões em ordem crescente no hemisfério esquerdo e direito, respectivamente, e cada entrada representa a similaridade (1 − distância cosseno) entre as impressões digitais de 2 sub-regiões nesta ROI (veja detalhes nas Figuras Suplementares 2–7). A partir da nomenclatura relacionando o número do rótulo e o nome correspondente, podemos concluir que TpD é um índice eficaz que é capaz de encontrar a parte contralateral com o perfil de conectividade mais semelhante de uma sub-região. Para o atlas final, o MPM incluindo todas essas sub-regiões foi criado em um espaço MNI padrão (Fig. 2; veja Fig. Suplementar 1). Os detalhes dos resultados de parcelamento para cada região inicial (e os resultados de validação de repetibilidade usando um conjunto de dados independente) estão listados nas Figuras Suplementares 2–7.
Um dos desafios que surgem no contexto de novos esquemas de parcelamento cerebral é a nomeação das sub-regiões resultantes no Brainnetome Atlas. Para denominar as sub-regiões identificadas no Brainnetome Atlas, empregamos, portanto, 2 tipos de nomenclatura (cf. Tabela Suplementar 1). Em particular, seguimos a estratégia primária de usar os rótulos do atlas DK que fornecem o parcelamento macroanatômico inicial, seguido por uma rotulagem numérica dos agrupamentos. Embora preferível por não implicar uma correspondência potencialmente injustificada com mapas cerebrais (microestruturais) anteriores, esta solução tem a desvantagem de ser bastante difícil de acompanhar. Reconhecendo que a maioria dos pesquisadores estará mais familiarizada com esquemas de rotulagem (amplamente) baseados no atlas de Brodmann, fornecemos, portanto, rótulos provisórios seguindo esta nomenclatura, incorporando refinamentos mais recentes quando disponíveis. Para facilitar o uso do atlas atual e sua comparação com outros atlas, consideramos cuidadosamente nossos resultados de parcelamento para máxima consistência com parcelamentos arquitetônicos existentes baseados em cito-, mielo- ou receptores, conforme a seguir. A nomeação das sub-regiões no lobo frontal é semelhante à de), e. A nomeação das sub-regiões no lobo insular é semelhante à de. A nomeação das sub-regiões no lobo parietal é semelhante à de e. A nomeação das sub-regiões no giro do cíngulo é semelhante à de. A nomeação das sub-regiões no lobo temporal é semelhante às descrições de Brodmann. Devido à incompatibilidade com os mapas arquitetônicos existentes, mantivemos as descrições macroanatômicas para nomear as sub-regiões no lobo occipital.
Brainnetome Atlas do giro frontal médio direito. (A) A ROI do MFG direito (à esquerda) e o MPM das 7 sub-regiões usando um parcelamento baseado em conectividade (à direita). Identificamos a área 10l, área 46, divisões dorsal e ventral da área 9/46, área 6vl, área 8vl e a sub-região IFJ no MFG. (B) O Cramer's V médio para cada número de agrupamento de 2 a 12. O Cramer's V mostra que 7 foi a solução mais estável para o MFG direito. O TpD mostrou a similaridade da solução 7 para o arranjo topológico entre os 2 hemisférios. (C) Os mapas de probabilidade populacional para cada sub-região do MFG. (D) Usando o MFG-5, ou seja, A8vl, como exemplo: Esta figura mostra os padrões de conectividade funcional em estado de repouso (esquerda), as assinaturas tractográficas do A8vl (meio) e a decodificação comportamental funcional (direita).
Atlas Brainnetome do córtex insular direito. (A) O ROI da INS direita (à esquerda) e o MPM das 6 sub-regiões usando a parcelização baseada em conectividade (à direita). Seis sub-regiões foram identificadas no córtex insular, incluindo as áreas G, vIa, dIa, vId/vIg, dIg e dId. (B) O V de Cramer indicou que 6 era um pico local em comparação com as soluções próximas para a INS direita. O TpD mostrou a similaridade da solução 6 para o arranjo topológico entre os dois hemisférios. (C) Os mapas de probabilidade populacional para cada sub-região da INS. (D) Usando a INS-3, isto é, a área dId, como exemplo, esta figura mostra os padrões de conectividade funcional em estado de repouso (esquerda), as assinaturas tractográficas da área dId (meio) e a decodificação comportamental funcional (direita).
Tomando como exemplo os resultados da parcelização do giro frontal médio direito (MFG) e do córtex insular direito, identificamos 7 sub-regiões no MFG direito e 6 sub-regiões na ínsula direita com base na avaliação da confiabilidade split-half (V de Cramer mostrado nas Figs 3B e 4B). Os MPMs para as sub-regiões resultantes (Figs 3A e 4A) nos 40 sujeitos indicam a topografia das sub-regiões definidas. Verificou-se que o MFG continha MFG-1 (divisão dorsal da área 9/46), MFG-2 (junção frontal inferior, JFI), MFG-3 (área 46), MFG-4 (divisão ventral da área 9/46), MFG-5 (área 8 ventrolateral, A8vl), MFG-6 (área 6 ventrolateral, A6vl) e MFG-7 (área lateral, 10l). O córtex insular era composto por INS-1 (ínsula hipergranular, G), INS-2 (ínsula agranular ventral, vIa), INS-3 (ínsula agranular dorsal, dIa), INS-4 (ínsula disgranular e granular ventral, vId/vIg), INS-5 (ínsula granular dorsal, dIg) e INS-6 (ínsula disgranular dorsal, dId). Além disso, a distribuição de probabilidade para cada sub-região do MFG e da ínsula foi calculada para caracterizar a variância individual (Figs 3C e 4C).
Padrões de Conectividade Anatômica e Funcional no Atlas Brainnetome
Matrizes de conexão e conectograma do Atlas Brainnetome. (A) A matriz de conexão intra-hemisférica do hemisfério esquerdo. (B) A matriz de conexão intra-hemisférica do hemisfério direito. (C) A matriz de conexão inter-hemisférica entre os dois hemisférios. (D) Exemplos dos conectogramas sub-regionais para áreas do MFG-5 direito, isto é, A8vl. Os conectogramas são representados usando a ferramenta de visualização de dados Circos, com a metade esquerda representando o hemisfério esquerdo e a metade direita representando o hemisfério direito. Os hemisférios são divididos em lobo frontal, córtex insular, lobo límbico, lobo temporal, lobo parietal, lobo occipital e estruturas subcorticais.
Recursos do Brainnetome Atlas: pipeline, Brainnetome Atlas Viewer e site interativo. (A) Pipeline Automático de Parcelamento Baseado em Tractografia (ATPP): A versão GUI é orientada a uma única ROI; portanto, é um método amigável que pode modificar alguns parâmetros para parcelar uma região cerebral específica. A versão de linha de comando é orientada a múltiplas ROIs, que pode ser usada para parcelar muitas regiões cerebrais simultaneamente. (B) Site interativo do Brainnetome Atlas: O site disponibiliza todas as informações do Brainnetome Atlas para os pesquisadores. Ele fornece uma árvore hierárquica das estruturas cerebrais no painel esquerdo (B1). O painel direito contém um visualizador do atlas (B2 e B3) que mostra visualizações de cortes juntamente com um visualizador de conectograma (B4). (C) O Brainnetome Atlas Viewer (V1.0): A janela principal do software contém botões, listas suspensas e caixas de seleção para diferentes módulos de função (C1), como seleção de sub-região, seleção de template/superfície e visualização de conectividade. Todo o Brainnetome Atlas contém 246 sub-regiões e pode ser visualizado como um mapa probabilístico máximo em uma visão triplanar (C2). A sub-região pode ser visualizada como uma sobreposição 2D no template estrutural selecionado (C3) e um patch 3D pode ser renderizado na superfície cortical (C6). Usando as caixas de seleção, as conectividades estrutural e funcional da sub-região selecionada podem ser visualizadas tanto em visualizações triplanares 2D (C4 e C5) quanto em renderizações 3D (C7 e C8) como mapas probabilísticos.
Para revelar em detalhes os padrões de conectividade das sub-regiões identificadas, primeiro delineamos os principais feixes de fibras que conectam a respectiva sub-região com o resto do cérebro usando a tractografia probabilística de fibras de todo o cérebro (Figs 3D e 4D). Todos os mapas de conectividade anatômica serão lançados com o Brainnetome Atlas Viewer (Fig. 6C4,7) e apresentados no site interativo (Fig. 6B2). Em segundo lugar, obtivemos uma matriz de conectividade representando a conectividade estrutural entre todas as sub-regiões identificadas, conforme mostrado na Figura 5A,B para conexões intra-hemisféricas e na Figura 5C para conexões inter-hemisféricas. Os mapas de conectividade anatômica e funcional, bem como o conectograma detalhado para cada sub-região cerebral, são mostrados no site (; Fig. 6B2,4). Tomando o MFG-5 direito, ou seja, área 8vl, como exemplo, descobrimos que esta área apresentou conexões com as principais sub-regiões frontais (incluindo áreas 44v, 45c, sulco frontal inferior (IFS), 6vl, 8vl, 9/46d, 9m, 6m, 6dl, 9l, 8m e 8dl), a área límbica 24rv, as sub-regiões parietais (incluindo áreas 7pc, 39rv e 40rd) e as conexões subcorticais com o tálamo e sub-regiões dos gânglios da base (Fig. 5D).
Além disso, adquirimos mapas de conectividade rfMRI de todo o cérebro para todas as sub-regiões do Brainnetome Atlas. Os mapas de conectividade funcional são compartilhados online (Fig. 6B2) e serão disponibilizados para uso com o Brainnetome Atlas Viewer (Fig. 6C5,8). Por exemplo, as Figs 3D e 4D ilustram os mapas de conectividade funcional da sub-região direita do MFG (MFG-5, A8vl) e da sub-região insular direita (INS-3, dIa).
Mapeamento das Associações Região-Tarefas do Brainnetome Atlas
As caracterizações funcionais de cada sub-região no Brainnetome Atlas são ilustradas com base em seus domínios comportamentais e rótulos de metadados de classe de paradigma seguindo a taxonomia do BrainMap (). Para as 2 regiões cerebrais macroanatômicas usadas para ilustrar o processo do Brainnetome Atlas (MFG e INS, cf. acima), a caracterização funcional de uma das sub-regiões resultantes é mostrada nas Figuras 3D e 4D, respectivamente. Mostrou que A8vl estava significativamente associada a processos cognitivos, por exemplo, raciocínio, memória explícita, memória de trabalho e processos relacionados à ação, como inibição. Em termos de classes de paradigma, esta área estava significativamente associada a tarefas de flanker, tarefas n-back e reconhecimento explícito com pistas. A dIa estava envolvida em percepção, por exemplo, somestesia de dor, ação, como inibição, e cognição. Observou-se que esta sub-região insular era significativamente ativada por paradigmas associados a monitoramento/discriminação de dor, tarefas de recompensa e tarefas de Sternberg. A caracterização funcional para todas as sub-regiões do Brainnetome Atlas estará novamente disponível através do visualizador do atlas em nosso site.
Pipeline Automático de Parcelamento Baseado em Tratografia
Como parte deste trabalho, desenvolvemos um “Pipeline Automático de Parcelamento Baseado em Tratografia (ATPP)” integrado para realizar o parcelamento usando processamento automático e computação massivamente paralela (Fig. 6A) que compartilhamos com o atlas. O ATPP é uma plataforma que combina tratografia usando a toolbox de difusão do FMRIB com scripts MATLAB internos para parcelamento. Ele utiliza o Oracle Grid Engine e o Parallel Computing Toolbox do MATLAB para computação paralela entre e dentro de máquinas. Tanto uma versão de linha de comando quanto uma versão de interface gráfica do usuário (GUI) estão disponíveis. A versão GUI é orientada a uma única ROI e, portanto, um método amigável que permite a análise direcionada de qualquer região cerebral definida, por exemplo, por achados funcionais ou estruturais. Ou seja, enquanto o Brainnetome Atlas fornece um parcelamento de todo o cérebro em um nível (necessariamente) mais grosseiro, a distribuição do ATPP permitirá que pesquisadores usem a mesma estrutura para abordar questões específicas sobre a organização cerebral local.
Visualizador Interativo do Site
O site do Brainnetome Atlas, disponível em , permite explorar completamente o atlas e as diversas informações associadas a cada sub-região (Fig. 6B). Para melhorar a interação do usuário, as seguintes funcionalidades foram incluídas: 1) Clicar em um nome de estrutura na árvore revelará essa sub-região no visualizador de cortes. Ao mesmo tempo, os resultados da análise de domínio comportamental e classe de paradigma, juntamente com os padrões de conectividade anatômica e funcional, são atualizados no visualizador do atlas. 2) Mapas de conectividade estrutural e funcional são exibidos com a possibilidade de rotação em ângulo total. 3) Ao selecionar uma barra que indica outra estrutura no visualizador de conectograma, o usuário pode navegar pela estrutura conectada e visualizar as informações relacionadas no visualizador do atlas. 4) Os usuários podem pesquisar uma estrutura de interesse. Todos os ramos com palavras-chave relacionadas são destacados para que o usuário possa clicar para visualizar o nó.

Visualizador Independente do Brainnetome Atlas

Da mesma forma, fornecemos um Visualizador Independente do Brainnetome Atlas executado em MATLAB com uma interface gráfica amigável (Fig. 6C), apresentando seleção de sub-região, seleção de template/superfície e visualização de conectividade. Todo o Brainnetome Atlas pode ser visualizado como um mapa probabilístico máximo em uma visão triplanar. A navegação pelo Brainnetome Atlas pode ser sincronizada com uma coleção de templates/atlas canônicos amplamente utilizados. Uma vez que uma sub-região é selecionada, várias informações sobre essa estrutura são exibidas. Publicações relacionadas à sub-região selecionada, se houver, podem ser visitadas no PubMed. As sub-regiões podem ser visualizadas como uma sobreposição 2D da representação MPM ou do mapa probabilístico no template estrutural selecionado, e um patch 3D pode ser renderizado na superfície cortical. Provavelmente, o recurso principal, no entanto, é a possibilidade de gerar uma máscara de ROI para análises posteriores, selecionando estruturas do atlas e limites de probabilidade.

Discussão
Aproveitando os dados de imagem de alta resolução fornecidos pelo Human Connectome Project e seguindo o conceito fundamental de que a conectividade de longa distância deve representar 1 determinante crucial da especialização regional, apresentamos aqui o Brainnetome Atlas, representando um parcelamento baseado em conectividade do cérebro em 246 sub-regiões. É importante ressaltar que essas sub-regiões são extensivamente caracterizadas em termos de seus padrões de conectividade estrutural e funcional, bem como das funções associadas, conforme revelado por neuroimagem baseada em tarefas. O Brainnetome Atlas fornece, assim, uma nova estrutura para a pesquisa do cérebro humano e, em particular, para a análise do conectoma, que supera várias desvantagens dos esquemas de parcelamento anteriores: 1) estabelece um esquema de parcelamento cerebral a priori, biologicamente válido, de toda a massa cinzenta cortical e subcortical em sub-regiões que apresentam um padrão coerente de conexões anatômicas; 2) fornece caracterizações detalhadas dos padrões de conectividade estrutural e funcional para estas; e 3) decodifica as funções cerebrais ao estabelecer as tarefas e contrastes que ativaram a respectiva área acima do acaso em estudos anteriores de neuroimagem funcional baseada em tarefas.
Brainnetome Atlas: Rumo a uma Estrutura para Integração de Informações Multimodais
Parcelas anatômicas robustas e biologicamente plausíveis: Um número crescente de estudos de neuroimagem in vivo demonstrou que são necessários parcelamentos refinados de grandes regiões do cérebro humano. O Brainnetome Atlas não apenas confirmou várias diferenciações de mapas citoarquitetônicos anteriores, mas também revelou inúmeras subdivisões anatômicas que não foram descritas anteriormente. Por exemplo, no atlas, o córtex insular foi subdividido em 6 sub-regiões (Fig. 2; ver Fig. Suplementar 5A). Embora o parcelamento correto do córtex insular humano tenha sido contestado, o parcelamento atual, que apresenta a maior confiabilidade de divisão em metades (split-half) de todas as soluções de agrupamento, relaciona-se bem com mapas funcionais e histológicos anteriores do córtex insular, identificando um aspecto dorsal e ventral da ínsula anterior, um agrupamento central, um componente mais ventral e (2) sub-regiões posteriores. Como outro exemplo, o giro frontal inferior contém 6 sub-regiões que foram robustamente identificadas entre os sujeitos: as porções dorsal/ventral da área 44, as subdivisões rostral e caudal da área 45, o sulco frontal inferior e 1 agrupamento no opérculo frontal, que correspondem a uma combinação das áreas op8 e op9 (Fig. 2; ver Fig. Suplementar 2C). Este parcelamento se compara bem com um esquema de parcelamento proposto com base na distribuição diferencial de receptores de neurotransmissores e na inclusão diferencial em redes de ativação de tarefas.
Descrição detalhada das conexões anatômicas e funcionais: Uma das principais desvantagens de vários atlas anteriores é que eles apresentam informações bastante isoladas, ou seja, são apenas reflexivos da organização cerebral a partir de uma única perspectiva. O Brainnetome Atlas, por sua vez, foi projetado para enriquecer nossa compreensão da organização do cérebro humano a partir de uma perspectiva multimodal. A combinação de ressonância magnética de difusão com tractografia poderia permitir a reconstrução dos principais feixes de fibras, enquanto as análises de conectividade funcional dos dados de ressonância magnética funcional BOLD também poderiam fornecer uma maneira não invasiva de avaliar in vivo a conectividade em larga escala do cérebro humano. Essas abordagens devem permitir que os pesquisadores identifiquem padrões de conectividade e relacionem essas informações às parcelas do Brainnetome Atlas. Isso deve ser útil em investigações detalhadas de subsistemas específicos.

Interpretação funcional do Brainnetome Atlas: Um dos principais desafios na pesquisa do cérebro humano é reconciliar a segregação regional do córtex em módulos distintos com a representação das funções mentais fornecida pelos dados de neuroimagem baseados em tarefas. Por ter sido projetado como uma estrutura para uma variedade de recursos, o Brainnetome Atlas é adequado para integrar uma riqueza de informações de estudos de neuroimagem existentes. Neste estudo, usamos o BrainMap, atualmente o maior banco de dados de estudos de ativação cerebral, para fornecer uma avaliação inicial dos processos mentais que podem ser sustentados por cada sub-região do Brainnetome Atlas. Essas descrições, que são compartilhadas com a comunidade, fornecem assim uma diretriz objetiva para as interpretações funcionais de quaisquer efeitos observados dentro de uma determinada sub-região do Brainnetome Atlas.

Compartilhamento de dados: O Brainnetome Atlas pode ser flexivelmente incorporado em espaços de referência comuns, como o espaço MNI volumétrico, o FreeSurfer baseado em vértices ou o modelo de superfície Caret. O atlas, juntamente com seu software relacionado, está disponível para download para servir como um recurso comunitário compartilhado (, Fig. 6B). O software do pipeline é aberto à comunidade para facilitar o parcelamento de regiões cerebrais específicas de interesse (Fig. 6A). O Visualizador do Brainnetome Atlas foi codificado em MATLAB para que possa ser facilmente implementado em pipelines comuns de processamento de ressonância magnética cerebral (Fig. 6C). Além disso, o atlas será útil para a definição de máscaras para semear regiões corticais ou redes de interesse a priori específicas em estudos prospectivos de neuroimagem.
Devido à variedade de necessidades de diferentes campos dentro da neurociência e às deficiências dos atlas cerebrais existentes, um novo atlas do cérebro humano com uma estrutura para integrar informações multimodais é urgentemente necessário. Consequentemente, muitos estudos têm utilizado diferentes modalidades de RM para identificar regiões cerebrais individuais ou fornecer mapas mais abrangentes do córtex cerebral. Embora se reconheça que não há consenso sobre qual modalidade ou aspecto da organização cerebral pode ser mais reflexivo da organização “verdadeira” do cérebro (e, de fato, pode não haver uma única resposta para essa questão), os atlas cerebrais são cruciais para avançar a compreensão do cérebro humano, dado que marcos macroanatômicos ou sistemas de coordenadas não são indicadores válidos de especialização regional. O Brainnetome Atlas atende a essa necessidade ao fornecer um parcelamento de todo o cérebro humano em sub-regiões distintas com base na arquitetura de conectividade estrutural local, ou seja, identificando sub-regiões que são maximamente diferentes entre si e maximamente homogêneas internamente em termos de suas conexões de substância branca. Assim, ele fornece um ponto de partida objetivo e estável a partir do qual explorar as complexas relações entre estrutura, conectividade e função, apresentando as seguintes vantagens.

Relação Entre Arquitetura de Conectividade e Organização Microestrutural

Estudos em animais indicaram que a arquitetura de conectividade e a organização microestrutural são duas propriedades anatômicas complementares do cérebro. Por exemplo, ao observar a organização laminar de áreas no córtex pré-frontal do macaco, descobriu-se que a estrutura cortical poderia prever o padrão e a distribuição laminar relativa das conexões córtico-corticais.

Além disso, foi demonstrado que os padrões de conectividade córtico-cortical exercem fortes efeitos tanto nas características anatômicas quanto funcionais de uma região cerebral específica.

Avaliar a relação entre microestrutura e conectividade é importante para avançar nossa compreensão da organização cerebral, mas uma comparação direta entre estudos funcionais in vivo e anatômicos post mortem é possível apenas em animais experimentais.

Por sua vez, estudos sobre a relação entre microestrutura e função ou conectividade em humanos precisam se basear em análises entre sujeitos por meio de mapas citoarquitetônicos probabilísticos em espaço padrão.

Tais análises forneceram evidências de distinções entre áreas (vizinhas) definidas histologicamente em termos de seus padrões de conectividade estrutural e funcional.
A importância da conectividade na determinação da especialização funcional, no entanto, sugere que a parcelização das regiões cerebrais com base em sua arquitetura conexional pode fornecer informações complementares importantes sobre a organização do cérebro humano. Por exemplo, um estudo recente previu quais partes do giro fusiforme estão envolvidas no reconhecimento facial com base em padrões de conectividade estrutural. Além disso, foi demonstrado que a parcelização baseada em conectividade pode seguir de perto as subdivisões histológicas, mas também revelar subdivisões adicionais. Este último caso não é particularmente surpreendente, considerando que as características intrínsecas (citoarquitetura ou receptorarquitetura) e extrínsecas (conectividade de longa distância) definem conjuntamente a propriedade funcional de uma determinada localização cerebral. Ou seja, pode ser a interseção entre mapas microestruturais e de conectividade que define a especialização.

Fechar a lacuna entre essas duas abordagens de parcelização ainda precisa ser abordado. Especificamente, são necessários trabalhos adicionais para desvendar a complexa relação entre a organização microestrutural do cérebro e sua arquitetura de conectividade, bem como seus papéis na determinação da organização funcional do cérebro. Em um estudo recentemente publicado, pesquisadores realizaram um exame em múltiplas escalas e descobriram que a organização da conectividade em macroescala derivada de dados de ressonância magnética de difusão se correlaciona com a variação cortical na citoarquitetura, em particular com o tamanho dos neurônios na camada 3 do córtex. Outros estudos também forneceram as primeiras evidências experimentais de que a função cerebral surge de uma combinação de infraestrutura local (características microestruturais/moleculares) e conectividade. Portanto, combinar os resultados da parcelização baseada em conectividade com mapas probabilísticos de microestrutura pode ser muito promissor para relacionar a estrutura cerebral à função em escala macroscópica.
Parcelização Baseada em Conectividade Usando Informações de Conectividade Multimodal
Muitas abordagens para parcelar o cérebro em sub-regiões usando diferentes características de conectividade tornaram-se recentemente disponíveis. Estas incluem conectividade anatômica baseada em tractografia, conectividade funcional em estado de repouso, covariância estrutural e coativação funcional baseada em meta-análise. No entanto, a base biológica desses métodos e o que podemos inferir a partir dessas modalidades de imagem ainda não são totalmente compreendidos. A versão atual do Atlas Brainnetome foi criada usando padrões de conectividade estrutural estimados por imagem ponderada por difusão e, portanto, depende principalmente de conexões diretas, em oposição a interações indiretas e multissinápticas reveladas, por exemplo, pela conectividade funcional em estado de repouso ou baseada em tarefas. Vários estudos focaram na relação entre conectividade anatômica e funcional, indicando que a conectividade em estado de repouso e as coativações meta-analíticas refletem, pelo menos até certo ponto, a arquitetura de conectividade anatômica subjacente do cérebro humano. Finalmente, foi demonstrado que os padrões de covariância estrutural estão amplamente de acordo com os métodos mencionados anteriormente. Embora seu significado biológico permaneça controverso, assume-se, portanto, que a conectividade funcional deve pelo menos contribuir para os padrões de covariância estrutural.

O outro aspecto importante a considerar na construção de atlas cerebrais, ou de forma mais geral, na definição de regiões cerebrais é a distinção entre métodos focados no agrupamento (clustering) ou na detecção de bordas. Embora semelhantes em sua aparência final, os primeiros são impulsionados pela agregação de locais (voxels) com propriedades semelhantes, enquanto os últimos visam identificar mudanças abruptas na respectiva característica. O segundo aspecto diz respeito à natureza das características, sendo elas locais (como citoarquitetura ou receptorarquitetura) ou globais (como perfis de conectividade). Para sintetizar os estudos existentes de parcelamento cerebral, podemos, portanto, distinguir uma matriz “2 × 2” de maneiras que têm sido usadas para gerar atlas cerebrais: regional versus global e por agrupamento ou por detecção de bordas. O atlas citoarquitetônico JuBrain e outros atlas baseados em histologia são exemplos de detecção de bordas regionais, enquanto estudos de parcelamento de todo o cérebro baseados em rfMRI ou dMRI podem ser realizados por detecção de bordas global ou agrupamento global. Nesse quadro, o Atlas Brainnetome representaria um exemplo de agrupamento baseado em uma característica global (conectividade).
Dada a heterogeneidade tanto das características quanto dos métodos que podem ser usados para parcelar o cérebro em sub-regiões distintas, um dos desafios particulares será examinar a consistência ou inconsistência das parcelações resultantes e avaliar diferentes esquemas de parcelação cerebral. Usando conectividade em estado de repouso, coativação meta-analítica e covariância estrutural, mas não rastreamento de fibras, encontrou-se um padrão consistente nas parcelações da ínsula. Em nosso trabalho recente, identificamos consistentemente 5 sub-regiões no lóbulo parietal superior de cada hemisfério com base em suas conexões anatômicas, bem como em seus padrões de conectividade em estado de repouso e coativação. Uma comparação sistemática adicional — entre modalidades, características e métodos — dos mapas que podem ser computados usando parcelação baseada em conectividade ainda é necessária. Tal integração não seria apenas crucial para obter uma imagem mais abrangente da organização do cérebro humano, mas em particular também para entender melhor a relação entre as diferentes abordagens e chegar a uma relação mecanicista entre os diferentes aspectos da organização cerebral.

Considerações Metodológicas
O Brainnetome Atlas fornece uma parcelação robusta e validada cruzadamente em nível de grupo do cérebro humano, mas, em última análise, parcelações individuais em nível de sujeito serão necessárias para refletir a variabilidade interindividual na localização dos módulos cerebrais. Nesse contexto, observamos que o esquema de parcelação atual é consistente com nossas parcelações anteriores de regiões específicas, incluindo o polo frontal, polo temporal, região parahipocampal e lóbulos parietais superior e inferior, com base em um conjunto diferente de sujeitos. Embora reconfortante, ainda resta testar quão confiavelmente cérebros individuais podem ser parcelados usando informações de conectividade estrutural e como os mapas resultantes se relacionam com outros aspectos da variabilidade interindividual, como idade e sexo.
Ao formar o Atlas Brainnetome, identificamos as seguintes questões-chave para consideração adicional: 1) O desenvolvimento de algoritmos de agrupamento confiáveis e medidas eficazes para validar a qualidade das parcelizações precisa ser mais explorado. Aqui, usamos a consistência entre sujeitos como o principal critério de validade do agrupamento, o que está de acordo com trabalhos anteriores, mas pode introduzir um viés contra padrões mais (espacialmente) variáveis. 2) Manter a anatomia sulcal e giram macroscópica visível para que pudéssemos fornecer uma descrição intuitiva da localização das ativações, motivada pelo uso do atlas DK como parcelização inicial. Tentamos seguir as convenções anatômicas amplamente aceitas e, em seguida, dividir ainda mais as regiões cerebrais em sub-regiões usando parcelização baseada em tractografia. Deve-se reconhecer, no entanto, que os limites do atlas DK fornecem uma parcelização a priori que pode não estar relacionada à diferenciação real do córtex em áreas distintas com base em perfis de conectividade puros. Além disso, a macroanatomia é geralmente um preditor bastante pobre dos limites microestruturais e, portanto, mais trabalho pode ser justificado sobre a relação entre o Atlas Brainnetome e as parcelizações funcionais ou microestruturais em várias escalas. 3) Para calcular os mapas probabilísticos baseados na população, é vital registrar os resultados individuais da parcelização no espaço MNI comumente usado. Recentemente, alguns grupos começaram a tentar trabalhar com o registro baseado em conectividade estrutural ou fundir as informações de conectividade com a anatomia cortical. No entanto, esse tipo de método de registro baseado em conectividade estrutural ainda é muito experimental e não está bem desenvolvido. O registro baseado em macroanatomia ainda é o padrão da área, e estamos mantendo a abordagem estabelecida na formação do Atlas Brainnetome. 4) A outra questão importante para este quadro é a validação do atlas cerebral baseado em conectividade. Os limites baseados em conectividade dentro das áreas corticais macroanatômicas iniciais são validados usando outro conjunto de dados independente com parâmetros de varredura diferentes. Os resultados reproduzíveis do conjunto de dados independente mostram boa consistência com os resultados da parcelização baseados nos dados do HCP.
Conclusões e Perspectivas
O objetivo de longo prazo do Projeto Brainnetome é compreender os princípios organizacionais do cérebro. A versão atual do Atlas Brainnetome facilitará as investigações sobre as relações estrutura-função e é promissora para a identificação de novos biomarcadores para estudos diagnósticos e clínicos. No futuro, no entanto, novas metodologias e técnicas de mapeamento cerebral devem evoluir e permitir uma avaliação aprimorada da estrutura, função e mudanças espaço-temporais no cérebro humano em diferentes escalas espaciais e temporais. O Atlas Brainnetome deve, portanto, ser considerado um ponto de partida, que permitirá a geração de futuros atlas cerebrais ainda mais refinados e que avancem de descrições anatômicas singulares para um atlas integrado que inclua estrutura, função e conectividade, juntamente com outras fontes potenciais de informação. A próxima etapa do Atlas Brainnetome será multimodal em vez de unimodal e dinâmica em vez de estática, incluindo informações sobre mudanças espaço-temporais durante o desenvolvimento normal ou envelhecimento, bem como efeitos relacionados a doenças. Por fim, a integração com dados de expressão gênica deve fornecer insights inteiramente novos sobre a organização do cérebro humano. Um estudo recente que analisou dados de imagem cerebral e expressão gênica descobriu que as redes cerebrais funcionais em estado de repouso em larga escala se correlacionavam com a expressão de genes que codificam canais iônicos e outras funções sinápticas. Em um estudo preliminar sobre a relação entre genética e parcelamento cerebral, investigamos de forma não invasiva as influências genéticas em um arranjo topológico refinado do córtex cerebral humano usando dados de ressonância magnética de gêmeos. Embora longe de ser compreendida e prontamente utilizada, tal informação genética será crucial para o atlas cerebral de próxima geração, ligando efeitos observados fenotipicamente a causas genéticas. Embora a criação de atlas cerebrais humanos não seja apenas um empreendimento que vem ocorrendo há mais de um século, mas também um que verá mudanças e refinamentos constantes, o Atlas Brainnetome atual representa um passo importante neste desenvolvimento ao fornecer o primeiro parcelamento de cérebro inteiro baseado em informações estruturais (de conectividade) com base em uma validação cruzada robusta em um conjunto de dados in vivo de alta qualidade.
Contribuições dos Autores
T.J. propôs o conceito e desenhou o protocolo. L.F., H.L., J.Z., J.W. e Y.Z. realizaram experimentos e analisaram dados. C.C., L.C., Z.Y. e S.X. desenvolveram o software e o site. A.R.L., P.T.F. e S.B.E forneceram o banco de dados BrainMap e ferramentas de análise adicionais. T.J., L.F. e C.Y. lideraram o projeto e supervisionaram os experimentos. Todos os autores contribuíram para a redação do manuscrito.
Material Suplementar
Material suplementar pode ser encontrado em: http://www.cercor.oxfordjournals.org/.
Este trabalho foi parcialmente apoiado pelo (973) (Grant No. e ), pelo (Grant No. ), pelo (Grant Nos. , , , e ), pelo (DFG, ; ), pelo () e pelo e pelo () sob o acordo de subvenção no. (Human Brain Project), e (Grant ).
Material Suplementar
Referências
Imagem da covariância estrutural entre regiões do cérebro humano
Atlas interoperáveis do cérebro humano
Região de Broca: novos princípios organizacionais e mapeamento de múltiplos receptores
Mapeamento arquitetônico do cérebro humano além de Brodmann
Parcelação baseada em conectividade da área de Broca
Conexões corticais gerais e pré-frontais especiais: princípios da estrutura à função
A estrutura cortical prediz o padrão de conexões corticocorticais
A parcelação no córtex parietal lateral esquerdo é semelhante em adultos e crianças
Parcelação baseada em conectividade do córtex cingulado humano e sua relação com a especialização funcional
Tratografia por difusão probabilística com múltiplas orientações de fibras: o que podemos ganhar?
Mapeamento não invasivo de conexões entre o tálamo humano e o córtex usando imagem por difusão
Citoarquitetura, mapas de probabilidade e funções do polo frontal humano
O problema de concordância de atlas cerebrais: comparação quantitativa de parcelações anatômicas
O problema da localização funcional no cérebro humano
O lóbulo parietal inferior humano no espaço estereotáxico
Quantos agrupamentos no córtex insular?
Decodificando o papel da ínsula na cognição humana: parcelação funcional e inferência reversa em larga escala
Existe “um” DLPFC no controle de ação cognitiva? Evidências de heterogeneidade a partir da parcelação baseada em co-ativação
Abordando a natureza multifuncional da região de Broca meta-analiticamente: parcelação baseada em co-ativação da área 44
Definindo áreas funcionais em cérebros humanos individuais usando ressonância magnética funcional de conectividade em repouso
Subdivisão baseada em covariância do estriado humano usando ressonância magnética ponderada em T1
Um atlas de fMRI de cérebro inteiro gerado por agrupamento espectral com restrição espacial
Efeitos genéticos na regionalização cortical humana de granulação fina
O conectoma baseado em parcelação: limitações e extensões
Um sistema de rotulagem automatizada para subdividir o córtex cerebral humano em exames de ressonância magnética em regiões de interesse baseadas em giros
Em louvor à anatomia tediosa
Padrões de co-ativação distinguem módulos corticais, sua conectividade e diferenciação funcional
Abordagens para a análise integrada de estrutura, função e conectividade do cérebro humano
Conectividade anatômica e funcional de áreas citoarquitetônicas dentro do opérculo parietal humano
Uma nova caixa de ferramentas SPM para combinar mapas citoarquitetônicos probabilísticos e dados de imagem funcional
Parcelação baseada em conectividade: crítica e implicações
Modelos e atlas cerebrais
Parcelação baseada em conectividade do polo temporal humano usando imagem por tensor de difusão
Processamento hierárquico distribuído no córtex cerebral de primatas
Atlas médios não tendenciosos apropriados para a idade em estudos pediátricos
Meta-análise em neuroimagem humana: modelagem computacional de bancos de dados em larga escala
Os pipelines mínimos de pré-processamento para o Projeto Connectoma Humano
Projeções córtico-corticais no córtex visual do camundongo são funcionalmente específicas ao alvo
Mapeamento de padrões de conectividade anatômica do córtex cerebral humano usando tractografia por imagem de tensor de difusão in vivo
Geração e avaliação de um parcelamento de área cortical a partir de correlações de estado de repouso
Registro de superfícies corticais baseado em conectividade estrutural de todo o cérebro e análise de conectividade contínua
Reprodutibilidade entre sessões e variabilidade entre sujeitos de medidas de RM de difusão e tractografia
Diferenças citoarquitetônicas são um determinante chave das origens das projeções laminares no córtex visual
Prevendo a conectividade funcional de estado de repouso humana a partir da conectividade estrutural
Medindo conexões cerebrais macroscópicas in vivo
Otimização aprimorada para o registro linear robusto e preciso e correção de movimento de imagens cerebrais
Fsl
Brainnetome: um novo -oma para entender o cérebro e seus distúrbios
Mudanças nos perfis de conectividade definem regiões funcionalmente distintas no córtex frontal medial humano
Integridade da substância branca no corpo caloso correlaciona-se com habilidades de coordenação bimanual
Uma arquitetura funcional convergente da ínsula emerge através de modalidades de imagem
Definindo sub-regiões funcionais da SMA e pré-SMA no MFC humano usando fMRI de estado de repouso: método de parcelamento baseado em conectividade funcional
Parcelamento baseado em conectividade do córtex humano usando RM de difusão: estabelecendo reprodutibilidade, validade e independência do observador em BA 44/45 e SMA/pré-SMA
Citoarquitetura e mapas probabilísticos do córtex insular posterior humano
Uma ligação entre os sistemas: diferenciação e integração funcional dentro da ínsula humana revelada por meta-análise
A estratégia BrainMap para padronização, compartilhamento e meta-análise de dados de neuroimagem
Fluxos de trabalho de meta-análise ALE via banco de dados brainmap: progresso em direção a um atlas funcional probabilístico do cérebro
Sistema funcional e organização areal de um cérebro humano individual altamente amostrado
Parcelamento baseado em conectividade em grupo de toda a superfície cortical humana usando redução de dimensão orientada por watershed
Parcelamento baseado em conectividade do polo frontal humano com imagem por tensor de difusão
Parcelamento do córtex orbitofrontal humano baseado na covariância do volume de substância cinzenta
Separando a faculdade computacional central da linguagem humana da memória de trabalho
Covariância estrutural no córtex humano
A ínsula humana: organização arquitetônica e registro de RM post mortem
Um método hierárquico para parcelamento baseado em conectividade de todo o cérebro
Parcelamento baseado em co-ativação do córtex pré-frontal lateral delineia a área de junção frontal inferior
Algoritmos para os problemas de atribuição e transporte
Um esquema de parcelamento para o córtex parietal lateral esquerdo humano
Comparação das áreas do córtex frontal ventral humano para controle cognitivo e linguagem com áreas do córtex frontal de macacos
Subdivisão arquitetônica do córtex pré-frontal orbital e medial humano
Organização funcional das áreas corticais subgenuais humanas: relação entre segregação arquitetônica e heterogeneidade conectiva
A base anatômica da localização funcional no córtex
Análise citoarquitetônica comparativa do córtex pré-frontal ventrolateral humano e do macaco e padrões de conexão corticocortical no macaco
Córtex pré-frontal dorsolateral: análise citoarquitetônica comparativa no cérebro humano e do macaco e padrões de conexão corticocortical
O padrão laminar de conexões entre os córtices pré-frontal e temporal anterior no macaco rhesus está relacionado à estrutura e função cortical
Expressão gênica correlacionada suporta atividade síncrona em redes cerebrais
Padrões de conectividade anatômica predizem seletividade facial no giro fusiforme
Análise de conectividade no córtex cerebral do gato
Mapeamento citoarquitetônico independente do observador do córtex parietal superior humano
Vinculando a organização analítica de grafos em macroescala à neuroarquitetônica em microescala no conectoma do macaco
Ressonância magnética funcional em estado de repouso no Projeto Conectoma Humano
Cartografia cerebral e conectômica
Rumo a atlas multimodais do cérebro humano
Métricas anatomicamente informadas para parcelamento cortical baseado em conectividade a partir de ressonância magnética de difusão
Análise funcional baseada em conectividade da liberação de dopamina no estriado usando ressonância magnética ponderada por difusão e tomografia por emissão de pósitrons
Rotulagem anatômica automatizada de ativações no SPM usando um parcelamento anatômico macroscópico do cérebro de sujeito único da ressonância magnética MNI
Redes em estado de repouso funcionalmente ligadas refletem a arquitetura de conectividade estrutural subjacente do cérebro humano
Unindo citoarquitetônica e conectômica no córtex cerebral humano
Cartografia e conectomas
O Projeto Conectoma Humano WU-Minn: uma visão geral
Córtex cingulado humano: características de superfície, mapas planos e citoarquitetura
Parcelamento baseado em tractografia do lóbulo parietal inferior esquerdo humano
Arquitetura funcional convergente do lóbulo parietal superior desvendada com abordagens multimodais de neuroimagem
Registro de imagem por tensor de difusão usando características híbridas de conectividade e tensor
Uma abordagem para parcelamento de áreas corticais humanas usando correlações de estado de repouso
Identificando subdivisões funcionais no cérebro humano usando parcelamento baseado em modelagem de ativação meta-analítica
Parcelamento cerebral robusto usando representação esparsa em ressonância magnética funcional de estado de repouso
Perfis de conectividade revelam uma subárea de transição na região para-hipocampal que integra os sistemas temporal anterior e medial posterior
Centenário do mapa de Brodmann—concepção e destino