• Startseite
• Recherche
• Veröffentlichen
• Hilfe

Eingang zum Volltext

Lizenz

Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:bsz:25-opus-32934
URL: http://www.freidok.uni-freiburg.de/volltexte/3293/

Kreher, Björn Wolf

Detektion von Hirnnervenfasern auf der Basis von diffusionsgewichteten Magnetresonanzdaten

Detection of neuronal fibre-pathways based on diffusion-weighted MRI

Kurzfassung in Deutsch

Die Magnetresonanztomographie (MRT) erlaubt die ortsaufgelöste Messung von Gewebeeigenschaften im Inneren des menschlichen Körpers. Zusätzlich zu anatomischen Bildern ist es ebenso möglich, physikalische und physiologische Prozesse, wie die Bewegung von Molekülen entlang einer Richtung, zu quantifizieren. Diffundierende Teilchen sind ein typisches Beispiel für eine mittels der MRT messbare Molekularbewegung. Die Diffusion ermöglicht Rückschlüsse auf die Mikrostruktur des Gewebes. Beispielsweise ist in faserigen Geweben wie in den Nervenbahnen eine wesentlich höhere Diffusion entlang der Bahn als senkrecht zur Faser vorzufinden. Diese Eigenschaft kann zur Rekonstruktion des Verlaufs der Nervenbahnen herangezogen werden, was häufig als 'Fibertracking' bezeichnet wird. Fibertracking eröffnet demzufolge die Möglichkeit, Faserverläufe nicht-invasiv zu bestimmen. Obwohl diese neue Disziplin noch am Anfang der Entwicklung steht, erlangt ihr weitreichendes Potential bereits größere Bedeutung im Bereich der neurologischen Forschung und Klinik.

Allgemein wird bei der Methode des Fibertrackings der Faserverlauf nicht direkt gemessen, sondern indirekt auf der Basis eines physikalischen Modells bestimmt. Viele der publizierten Ansätze basieren auf der Diffusionstensorbildgebung (DTI), bei der ein verhältnismäßig einfaches Modell verwendet wird. Bei stark ausgeprägten Nervenbahnen liefert DTI Ergebnisse, die eine gute Übereinstimmung mit der bekannten Morphologie zeigen. Allerdings rekonstruieren die DTI basierten Methoden vor allem in Regionen mit sich kreuzenden Nervenbahnen falsche Faserverläufe. Aus diesem Grund wurden einige Lösungsansätze zu dieser essentiellen Problematik veröffentlicht. Die meisten dieser Verfahren passen sich nicht der vorliegenden Faserkonfiguration an, so dass die Qualität der Ergebnisse stark von der anatomischen Position abhängt. Dies resultiert in falschen oder unscharfen Ergebnissen oder auch im Verlust von relevanten Informationen.

Die vorliegende Arbeit greift die geschilderte Problematik der Kreuzungsregionen als Kernpunkt auf. Es wird das Verfahren des Multi/Single-Diffusions-Tensor (MDT/SDT) Algorithmus vorgestellt, welches Regionen sich kreuzender Fasern erkennt und mehrere Faserrichtungen innerhalb eines Voxels bestimmt. Zur zusätzlichen Verifizierung der durch den MDT/SDT-Algorithmus bestimmten Faserrichtung wurde ein DTI-basiertes Fibertracking Verfahren für das MDT/SDT-Modell erweitert (mFACT).

Die als Point-Tracking benannte Methode baut auf einer Weiterentwickelung des MDT-Modells auf. Im Gegensatz zu den gängigen Verfahren wird hier von den globalen Eigenschaften der Nervenbahnen ausgegangen und deren Rekonstruktion simultan mit der Modellierung der Diffusion durchgeführt. Diese Herangehensweise erlaubt die Verwendung eines adaptiven MDT-Modells, dessen Komplexität sich den jeweiligen Gegebenheiten anpasst.

Die oben erörterten Methodiken beschäftigen sich primär mit der qualitativen Bestimmung von Nervenbahnverläufen für visuelle Zwecke. Um quantitative Aussagen über die Stärke einer neuronalen Verbindung zweier Gehirnareale vornehmen zu können, sind andere Verfahren notwendig. Eine Möglichkeit der Quantifizierung bieten Karten, die Verbindungswahrscheinlichkeiten zu einem definierten Startpunkt, dem sogenannten Seedpunkt, beschreiben. Allerdings ist in vielen Fragestellungen die Quantifizierung einer bestimmten Nervenverbindung erforderlich, die durch zwei Punkte definiert wird. Daher widmet sich ein weiterer Teil der vorliegenden Arbeit der Entwicklung eines effizienten Verfahrens, Nervenbahnen zu quantifizieren.

Auf der Basis der bearbeiteten Themen gliedert sich die vorliegende Arbeit folgendermaßen: Kapitel 1 führt in die allgemeinen Grundlagen der Diffusion, der Grundprinzipien der diffusionsgewichteten MRT sowie der Anatomie und Physiologie des menschlichen Gehirns ein. Kapitel 2 erörtert die für die Arbeit notwendigen informations- und wahrscheinlichkeitstheoretischen Grundlagen. Dabei wird vor allem auf die sogenannten räumlichen Punktprozesse eingegangen, welche die Basis der entwickelten Point-Tracking Methode repräsentiert. Anschließend gibt Kapitel 3 einen Überblick über die existierenden Modelle zur Beschreibung der Diffusionsverteilung und über die existierenden Ansätze zur Nervenbahnrekonstruktion.

Aufbauend auf den dargestellten Grundlagen der Kapitel 1 bis 3 präsentieren die Kapitel 4 bis 7 die im Rahmen der Promotion erarbeiteten Methoden und Ergebnisse. Kapitel 4 stellt den MDT/SDT-Algorithmus vor und demonstriert seine Leistung anhand von Simulationen und in vivo. Darauf aufbauend werden in Kapitel 5 die zwei Verfahren mFACT und Point-Tracking vorgestellt, welche die Rekonstruktion der Nervenbahnen in Kreuzungen ermöglichen. Kapitel 6 beschreibt ein Verfahren zur quantitativen Bestimmung neuronaler Verbindungen. Das letzte Kapitel fasst die Ergebnisse dieser Arbeit noch einmal zusammen und gibt einen kurzen Ausblick auf mögliche Weiterentwicklungen der vorgestellten Methoden.

Kurzfassung in Englisch

Magnetic-Resonance Imaging (MRI) allows the quantification of physical processes like the diffusivity of water inside the human body. When repeating the diffusion sensitive MR-measurement with various diffusion encoding directions, the spherical distribution of diffusion coefficients can be sampled. In fibrous tissue, like in neuronal fibres bundles of the white matter in brain, the highest diffusion coefficient will be along the fibre direction. This property can be used to reconstruct fibre pathways non-invasively. This very new method is called fibre tracking.

Most fibre tracking methods are based on Diffusion Tensor Imaging (DTI). Thereby, the spherical diffusion distribution is simplified by a tensor for each voxel. For very dominant fibre pathways, the DTI based fibre tracking methods are able to reconstruct a good approximation to the known morphology. But especially in areas of crossing fibres, the tensor model cannot resolve the different directions of the underlying fibres.

One central topic of this work deals with the above described issue of the fibre reconstruction methods. A Multi-Diffusion-Tensor (MDT) based method is introduced to identify and resolve crossing fibres. Based on this approach, a deterministic and a probabilistic method for fibre reconstruction in crossing regions was developed.
Besides the main topic, an efficient, DTI based method to quantify fibre connections was developed and is introduced in this work.

The first three chapters of this work give a brief introduction to the concerning fields and provides an overview of the fibre tracking related methods. Thereby, the first chapter describes the basics of the diffusivity in vivo and their quantification by MRI. The second chapter provides an introduction to the used probability and computer science related methodologies. Especially, spatial point processes and their simulation by Monte Carlo Markov Chains (MCMC) are described in this chapter. Chapter three gives an overview of the available methods and models to describe the spherical diffusion distribution and for reconstruction of the fibre-trajectories.

Chapter four, five, and six provide the methods and results of the new approaches developed in this work. Chapter four introduces the so called MDT/SDT-approach to identify and resolve the direction of crossing fibre pathways. The following fifth chapter describes the two fibre-tracking methods, which are capable to reconstruct crossing fibre pathways. The deterministic mFACT method is based on the results of the MDT/SDT-approach. This method is also used to verify the local fibre directions determined by the MDT/SDT-method. The second so called Point-Tracking method is based on spatial point-processes. Here, the spherical diffusion distribution is simulated by an adaptive MDT-model. All trajectories in the brain are determined simultaneously by minimising the residuals and a global error term scoring the trajectories. The sixth chapter introduces a new DTI-based method to quantify fibre connections by combining different connectivity maps. Finally, the whole work is summarised in the last chapter, containing a short outlook to the further work.