< Terug naar vorige pagina

Project

Data-gedreven analyse van microstructuur met multidimensionale diffusie MRI in vroege hersenontwikkeling

Inzicht in de ontwikkeling van het menselijke brein rond de tijd van de geboorte is een enorme uitdaging in neurologie, met verreikende gevolgen voor ons begrip van neuropsychiatrische aandoeningen. Diffusie MRI (dMRI) en andere quantitatieve MRI relaxometrie contrasten bieden een unieke modaliteit om de microstructuur te karakteriseren. Analyse van multi-dimensionale dMRI data in baby's en foetussen brengt echter specifieke uitdagingen met zich mee.
Ten eerste zijn huidige microstructuur technieken voornamelijk gebaseerd op modellen ontworpen voor ontwikkeld weefsel die niet goed geschikt zijn voor de snelle weefselveranderingen in vroege breinontwikkeling. We verkiezen daarom een generatieve aanpak waarin het microstructuur model geleerd wordt uit de beschikbare data, met behulp van unsupervised machine learning methodologie met minimale voorkennis.
Ten tweede wordt analyse van MRI beelden in baby’s bemoeilijkt door onvermijdelijke beweging tijdens de scan, hetgeen leidt tot een collectie verspreide slices die gereconstrueerd moeten worden in een anatomische referentie. Bouwend op onze ervaring met dMRI bewegingscorrectie voor foetale en neonatale scans, willen we de eerste geïntegreerde slice-to-volume reconstructie ontwikkelen voor multi-dimensionale dMRI.
Wanneer gecombineerd, kunnen deze ontwikkelingen leiden tot nieuwe inzichten in onderzoek en quantificatie van microstructurele veranderingen, en longitudinale groepsstudies naar normale en abnormale ontwikkeling.
 

Datum:1 okt 2019 →  30 sep 2022
Trefwoorden:Diffusion MRI, Neonatal & foetal neuroimaging, Microstructure imaging, Motion correction, Atlas construction, Unsupervised learning
Disciplines:Biomedische beeldverwerking, Ontwikkelingsneurowetenschappen