Robuuste kwantificatie van diffusie kurtosis parameters.

Diffusie-gewogen magnetische resonantie beeldvorming is een niet-invasieve techniek om de microstructurele eigenschappen van de hersenen te onthullen door de lokale diffusie van watermoleculen te meten. Door mathematische modellen toe te passen op diffusie-MRI-gegevens kan kwantitatieve informatie worden geëxtraheerd en van deze modellen wordt het diffusietensormodel (DTI) het meest toegepast. Recente literatuur heeft echter aangetoond dat het diffusie kurtosis imaging (DKI) model meer accurate schattingen van de diffusie tensor eigenschappen kan geven, alsmede aanvullende informatie in klinische toepassingen. Helaas wordt de kwaliteit van de diffusiemetrieken aangetast door verschillende acquisitie artefacten, zoals Gibbs ringing, wervelstroom-vervormingen en gevoeligheid-geïnduceerde artefacten. Naast deze bekende artefacten kunnen voxels in DW-beelden nog andere problemen vertonen: ● signaalintensiteitsuitschieters als gevolg van beweging, pulsatie van het hart of instabiliteit van het systeem kunnen de parameterschattingen zodanig in gevaar brengen dat zij niet langer bruikbaar zijn; ● beeldvoxels zijn relatief groot (2 tot 3 mm isotroop) en dus gevoelig voor partiële volume-effecten, hetgeen vooral een probleem is bij hersenbeelden wanneer signaal van het cerebrospinaal vocht het diffusiesignaal verstoort waardoor de interpretatie van diffusiemarkers dubbelzinnig wordt en niet langer weefselspecifiek is. Een eerste doelstelling van dit project is het verbeteren en valideren van een outlier-robuust raamwerk voor diffusie en kurtosis parameterschatting. Tijdens de eerste fase van het doctoraatsproject werden de prestaties van een dergelijk raamwerk beoordeeld in simulatie-experimenten, waarbij ruimtelijke correlaties van uitbijters werden genegeerd. Als een logische stap voor het verbeteren van de methode zal voorafgaande informatie over hoe uitschieters correleren binnen een slice worden opgenomen. Vervolgens zal een validatiestudie worden uitgevoerd om de reproduceerbaarheid van DKI metrieken in echte test-retest datasets te beoordelen. In het tweede en derde jaar van het doctoraatsproject is een geavanceerd bi-compartimentmodel op basis van de combinatie van diffusie- en relaxometriegegevens voorgesteld voor de correctie van vrij-waterverontreiniging in multi-shell multi-echo diffusiegegevens. Dit werk heeft geresulteerd in een tijdschriftartikel dat in het tweede kwartaal van 2021 zal worden ingediend. Deze veelbelovende aanpak maakt gebruik van de combinatie van diffusie- en relaxometriegegevens als een rijke bron van informatie, maar is niet toepasbaar op datasets die zijn verkregen met één echotijd, die typisch worden verkregen in de klinische praktijk. Om deze reden is ons volgende onderzoeksdoel het implementeren en valideren van benaderingen voor gedeeltelijke volume correctie in single/multi-shell single-echo acquisities. Hiervoor zal het potentieel van artificiële intelligentie oplossingen worden onderzocht om om te gaan met het slecht geconditioneerde parameterschattingsprobleem. Als onderdeel van het initiële opleidingsnetwerk (ITN) B-Q MINDED van Horizon 2020 zal het uiteindelijke doel van het project zijn om de ontwikkelde technieken te integreren in een door de regelgevende instanties goedgekeurd kwantitatief MR-product dat kan worden gebruikt in klinische studies en, in een later stadium, in de dagelijkse klinische praktijk voor een betere beoordeling van de werkzaamheid van geneesmiddelen en de follow-up van patiënten.

Trefwoorden:MAGNETISCHE RESONANTIE BEELDVORMING (MRI)

Disciplines:Gezondheidsinformatiesystemen van medische informatica