Multimodale superresolutietomografie van neurodegeneratieve muizenhersenen.

Neurodegeneratieve ziekten ontwikkelen zich snel als een sluipende epidemie en vormen een aanzienlijke uitdaging vanwege hun beperkte therapeutische opties. Hoewel magnetische resonantie beeldvorming (MRI) onmisbaar is geworden voor het monitoren van ziekteprogressie in zowel de klinische als preklinische omgeving, blijft het vermogen ervan om de onderliggende pathofysiologische mechanismen vast te leggen beperkt. Ons eerdere werk heeft aangetoond dat geavanceerde contrasten verkregen uit diffusiegewogen MRI (DWI) of arteriële spinlabeling (ASL) veelbelovend zijn bij het detecteren van respectievelijk subtiele microstructurele en perfusieveranderingen. Hun gevoeligheid en resolutie worden echter belemmerd door tijdsbeperkingen. Light sheet microscopie (LSM) kan deze in vivo beeldvormingsmodaliteiten aanvullen met moleculaire informatie, maar lijdt evenzeer onder een suboptimale beeldkwaliteit. Door het complementaire potentieel van deze modaliteiten en hun bestaande beperkingen te erkennen, is het onze bedoeling om multimodale beeldvorming van de hersenen vooruit te helpen door MRI- en LSM-beelden te verbeteren door middel van modelgebaseerde superresolutie-reconstructie. Ons voorgestelde raamwerk is gebaseerd op het uitgangspunt dat isotrope beelden met een hoge resolutie kunnen worden geschat op basis van een verzameling beelden met een lagere resolutie die onder verschillende hoeken zijn opgenomen. We plannen dit te bereiken door iteratieve algoritmen en deep learning-technieken te gebruiken, waardoor de berekeningen efficiënter worden. In het bijzonder proberen we reconstructie met superresolutie te ontwikkelen die een nauwkeurige schatting van de neuronale dichtheid op basis van DWI, een reproduceerbare schatting van de cerebrale bloedstroom op basis van ASL en uitgebreide kwantificering van subcellulaire structuren op basis van LSM mogelijk zullen maken. Na succesvolle ontwikkeling zullen we deze verbeterde beeldvormingstechnieken valideren met behulp van een goed gekarakteriseerd muismodel voor de ziekte van Huntington, een aandoening die een holistische benadering met hoge resolutie vereist. Door de verschillende beeldvormingsmodaliteiten te correleren, willen we beeldvorming met ultrahoge informatie inhoud van de hersenen mogelijk maken, waardoor uiteindelijk ingewikkelde relaties tussen gemeten parameters en pathologische defecten op individueel niveau aan het licht komen. Ons team bestaat uit experts uit diverse disciplines, waaronder beeldverwerking en modellering (VLAB), neuro-georiënteerde MRI (BIL) en geavanceerde microscopie (CBH). Deze multidisciplinaire samenwerking plaatst ons in een ideale positie om onze ambitieuze doelstellingen te verwezenlijken. Bovendien hebben we, als leden van het µNEURO onderzoeksexcellentieconsortium, samen met onze rol als vertegenwoordigers van kernfaciliteiten en coördinatoren van twee valorisatieplatforms, een robuust platform opgezet om de impact van ons project te vergroten. Deze strategische positionering zorgt ervoor dat de resultaten van ons onderzoek een verstrekkend effect zullen hebben op het bevorderen van ons begrip van neurodegeneratieve ziekten door middel van geavanceerde beeldtechnologieën.

Trefwoorden:NEURO-MRI, LIGHT SHEET MICROSCOPIE, NEURO-BEELDVORMING

Disciplines:Biomedische beeldverwerking, Medische beeldvorming en therapie niet elders geclassificeerd, Neurologische en neuromusculaire ziekten