Improved reliability of fiber orientation estimation and graph theoretical analysis of structural brain networks with diffusion MRI

Datum: 2 juni 2017

Locatie: UAntwerpen, Campus Middelheim, A.143 - Middelheimlaan 1 - 2020 Antwerpen (route: UAntwerpen, Campus Middelheim)

Tijdstip: 16 uur

Promovendus: Timo Roine

Promotor: J. Sijbers, A. Leemans & B. Jeurissen

Korte beschrijving: Doctoraatsverdediging Timo Roine - Faculteit Wetenschappen, Departement Fysica



Abstract

In deze doctoraatsthesis worden verbeteringen voorgesteld voor het schatten van vezeloriëntaties vanuit diffusie magnetische resonantie (diffusie MRI) data, samen met richtlijnen voor een reproduceerbare analyse van structurele netwerken van de hersenen. De thesis is samengesteld uit twee delen. Deel I met beschrijft achtergrondinformatie m.b.t. de ontwikkelde methoden en Deel II beschrijft de hoofdbijdragen van de thesis.

Diffusie MRI is de enige method om de microstructuur en structurele connectiviteit van de hersenen niet-invasief en in vivo te meten. Tot voor kort was de juistheid van de gereconstrueerde neurale banen echter gelimiteerd omdat diffusie tensor MRI (DTI) kruisende banen, die veelvuldig aanwezig zijn in de witte stof, niet kan onderscheiden. Recent voorgestelde hoge angulaire resolutie diffusie beeldvorming (HARDI) voorkomt dit probleem en laat toe structurele hersenconnectiviteit beter te karakteriseren. Constrained sferische deconvolutie (CSD) is zoń methode die de volledige vezeloriëntatiedistributie betrouwbaar kan schatten via deconvolutie van de diffusie MRI data met een responsfunctie die één enkele, coherent georiënteerde vezelpopulatie beschrijft. Echter, niet-witte-materie partiële volume effecten kunnen de precisie van de geïndentificeerde vezeloriëntaties significant verminderen, met name aan de rand van de witte en grijze stof in de hersenen. Deze effecten beïnvloeden drastisch de reconstructie van neurale banen in diffusion MRI. De volledige reconstructie van de neurale banen, het connectoom, vormt een uitgebreid en complex network dat verschillende hersenstructuren met elkaar verbindt. Zowel globale als lokale netwerkeigenschappen kunnen geëxtraheerd worden van het connectoom via graaf theoretische analyse. Echter, de reproduceerbaarheid van de netwerkeigenschappen en hun intercorrelaties in CSD-gebaseerde structurele connectomen werden nog niet grondig bestudeerd.

Deze thesis heeft tot doel de betrouwbaarheid van het reconstrueren van neurale hersenvezels te verbeteren, rekening houdend met niet-witte-materie partieel volume-effecten in CSD. Bovendien geeft het inzicht in de reproduceerbaarheid en intercorrelatie in graaf-theoretische analyse van structurele hersennetwerken. Vooreerst werden de vezeloriëntaties die geschat worden met CSD bij niet-witte-materie partiële volume effecten (PVEs) geanalyseerd, en werd berekend dat deze PVEs in 35–50% van de witte materie voxels een significant effect hebben. Deze resultaten staan beschreven in Hoofdstuk 4. Via simulaties achterhaalden we dat de niet-witte-materie PVEs de precisie van de geschatte vezeloriëntaties vermindert en het aantal verkeerd geïndentificeerde vezeloriëntaties toeneemt. Om met deze niet-witte-materie PVEs in CSD rekening te houden, ontwikkelde we een nieuwe method: de geïnformeerde CSD, beschreven in hoofdstuk 5. We toonden met simulaties aan dat door rekening te houden met de PVEs de responsfunctie die in CSD gebruikt wordt, de precisie van de geschatte vezeloriëntaties verbeterd kan worden en het aantal vals-positieven verkleind. Deze resultaten werden bevestigd met reële diffusie MRI experimenten. Via residuele bootstrapping werd de reproduceerbaarheid van graaf-theoretische analyse van structurele hersennetwerken onderzocht. De methoden en resultaten van dit deel staan beschreven in hoofdstuk 6 van de thesis. De resultaten toonden dat een reconstructiedichtheid tussen 500k en 1M stroomlijnen vereist is voor een geode reproduceerbaarheid en dat netwerken binair gemaakt zou moeten worden met significant hogere drempelwaarden dan bij slechts 1 stroomlijn. Tot slot worden richtlijnen voorzien voor een reproduceerbare analyse van structurele hersennetwerken.



Url: http://www.uantwerpen.be/wetenschappen