DTI-Bildgebung und Fibertracking
DTI-Bildgebung und Fibertracking
DTI-Bildgebung und Fibertracking
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>DTI</strong>-<strong>Bildgebung</strong> <strong>und</strong> <strong>Fibertracking</strong><br />
Björn W. Kreher<br />
Ralf Tetzlaff<br />
UNIVERSITY<br />
FREIBURG<br />
HOSPITAL
Gliederung<br />
• Motivation für <strong>DTI</strong> <strong>und</strong> <strong>Fibertracking</strong><br />
• Einführung: Diffusion in der MRT<br />
• Diffusionstensor <strong>Bildgebung</strong> (<strong>DTI</strong>)<br />
• Tracking Algorithmen<br />
• Anwendungen<br />
• Diskussion<br />
Gliederung<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
2
Motivation für <strong>DTI</strong> <strong>und</strong> <strong>Fibertracking</strong><br />
• Erste in vivo Methode zur Bestimmung der Richtungen<br />
von Nervenbahnen.<br />
• Neue Kontraste bei der Gehirnbildgebung.<br />
Motivation<br />
• Klinische Anwendungen<br />
– Neue Marker für Diagnose<br />
– Fiberlokalisation für neurochirurgische Operationsplanung<br />
– ...<br />
• Neurowissenschaftliche Forschung<br />
– Entwicklung des Nervensystem während der Reifungsphase<br />
– Plastizität des Gehirns<br />
– ...<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
3
Gliederung<br />
Gliederung<br />
• Motivation<br />
• Einführung: Diffusion in der MRT<br />
– Was ist Diffusion<br />
– Diffusionsgewichtete MRT<br />
– Anisotrope Diffusion<br />
• Diffusionstensor <strong>Bildgebung</strong> (<strong>DTI</strong>)<br />
• Tracking Algorithmen<br />
• Anwendungen<br />
• Diskussion<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
4
Was ist Diffusion?<br />
Diffusionsgewichtete MRT<br />
21.März 2005<br />
30 µm<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
• Diffusion ist Brownsche<br />
Molekularbewegung<br />
x ∝ 2Dτ<br />
• D hängt von der Mikrostruktur<br />
des Gewebes ab.<br />
– D in Wasser ca. 3*10 -3 mm 2 /s<br />
– D in weißer Gehirnsubstanz ca.<br />
0.7*10 -3 mm 2 /s<br />
– D in grauer Gehirnsubstanz ca.<br />
0.8*10 -3 mm 2 /s<br />
5
Wie wird Diffusion gemessen?<br />
- ohne Diffusion -<br />
G z<br />
G z<br />
Diffusionsgewichtete MRT<br />
Position x<br />
Phasenverschiebung durch Gradienten G z<br />
180° Puls<br />
Phasenverschiebung durch Gradienten G z<br />
21.März 2005<br />
δ<br />
∆<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
Zeit t<br />
Zeit t<br />
Stejskal, Tanner 1965<br />
6
Wie wird Diffusion gemessen?<br />
- mit Diffusion -<br />
G z<br />
G z<br />
Diffusionsgewichtete MRT<br />
Position x<br />
δ ∆<br />
Durch stochastische Bewegungen resultiert eine<br />
stochastische Verteilung der Phasenverschiebung<br />
in einem Ensemble von Spins Signalreduktion<br />
21.März 2005<br />
Diffusion<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
Zeit t<br />
Zeit t<br />
Stejskal, Tanner 1965<br />
7
Anisotrope Diffusion<br />
Diffusionsgewichtete MRT<br />
Keine DW (I 0 ) x-Richtung (I x ) y-Richtung (I y ) z-Richtung (I z )<br />
21.März 2005<br />
I<br />
I<br />
z<br />
0<br />
( − b * D ) wobei b ~ G ∆<br />
= exp<br />
z z<br />
z zδ *<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
8
Gliederung<br />
Gliederung<br />
• Motivation für <strong>DTI</strong> <strong>und</strong> <strong>Fibertracking</strong><br />
• Einführung: Diffusion in der MRT<br />
• Diffusionstensor <strong>Bildgebung</strong> (<strong>DTI</strong>)<br />
– Der Diffusionstensor<br />
– Visualisierung <strong>und</strong> Quantifizierung in <strong>DTI</strong><br />
– Probleme <strong>und</strong> neue Ansätze<br />
• Tracking Algorithmen<br />
• Anwendungen<br />
• Diskussion<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
9
Diffusionstensor<br />
z<br />
Diffusionsverteilung wird<br />
durch einen symmetrischen<br />
Tensor angenähert:<br />
Tensor <strong>Bildgebung</strong><br />
x<br />
λ 2<br />
21.März 2005<br />
λ 1<br />
λ 3<br />
y<br />
D<br />
=<br />
r<br />
T<br />
[ v v v ] 0 λ 0 [ v v v ]<br />
1<br />
r<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
2<br />
⎡D<br />
⎢<br />
D = ⎢D<br />
⎢<br />
⎣D<br />
r<br />
3<br />
xx<br />
xy<br />
xz<br />
⎡λ1<br />
⎢<br />
⎢<br />
⎢⎣<br />
0<br />
D<br />
D<br />
D<br />
0<br />
2<br />
0<br />
xy<br />
yy<br />
yz<br />
D<br />
D<br />
D<br />
0 ⎤<br />
⎥<br />
⎥<br />
λ ⎥<br />
3⎦<br />
xz<br />
yz<br />
zz<br />
r<br />
⎤<br />
⎥<br />
⎥<br />
⎥<br />
⎦<br />
Pierpaoli, Basser 1996<br />
1<br />
r<br />
2<br />
10<br />
r<br />
3
Diffusionstensor <strong>Bildgebung</strong><br />
Tensor <strong>Bildgebung</strong><br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
11
Maße für die Diffusion bei <strong>DTI</strong><br />
Tensor <strong>Bildgebung</strong><br />
• Maß für die mittlere Diffusion (ADC):<br />
• Maß für den Grad der Anisotropie:<br />
FA liegt im Intervall [0; 1]<br />
– 0 für isotrope Diffusion<br />
– 1 für stark anisotrope Diffusion<br />
21.März 2005<br />
FA<br />
MeanDiff<br />
=<br />
3*<br />
( ( ) )<br />
2<br />
λ − Trace(D)<br />
∑<br />
=<br />
1<br />
3<br />
i<br />
2*<br />
∑ i = 1,2,3<br />
∑<br />
λ<br />
2<br />
i<br />
λ<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
i<br />
λ 1<br />
λ 2<br />
λ 3<br />
12
Darstellung von Richtungen<br />
Tensor <strong>Bildgebung</strong><br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
13
Grenzen von <strong>DTI</strong><br />
Partial Volumen<br />
Faserkreuzung<br />
„kiss“ oder „cross“<br />
D Isotrop +<br />
D Anisotrop<br />
Tensor <strong>Bildgebung</strong><br />
21.März 2005<br />
= ?<br />
Feine Fasern<br />
werden nicht<br />
gef<strong>und</strong>en<br />
‘Disk-form’<br />
DT λ 1 =λ 2 >λ 3<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
Innerhalb eines<br />
Voxels sind beide<br />
Fälle äquivalent<br />
14
Multitensor Modell<br />
Konventionelle <strong>DTI</strong>:<br />
Richtungskarte<br />
FA-map<br />
MDT:<br />
Richtungskarte<br />
Tensor <strong>Bildgebung</strong><br />
Andere Methoden:<br />
• L.R. Frank, MRM, 2002<br />
• K.M. Jansons, Invers.Prob. 2003<br />
• O. Ozarslan, MRM, 2003<br />
21.März 2005<br />
Sagittale Ansicht:<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
A<br />
H<br />
F<br />
P<br />
Submitted (MRM):<br />
Kreher et al 2004<br />
15
Gliederung<br />
Gliederung<br />
• Motivation für <strong>DTI</strong> <strong>und</strong> <strong>Fibertracking</strong><br />
• Einführung: Diffusion in der MRT<br />
• Diffusionstensor <strong>Bildgebung</strong> (<strong>DTI</strong>)<br />
• Tracking Algorithmen<br />
– Streamline Algorithmen<br />
– Wahrscheinlichkeitsbasierte Algorithmen<br />
– Tool zum Tracken<br />
• Anwendungen<br />
• Diskussion<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
16
Streamline Algorithmen<br />
Tracking Algorithmen<br />
Idee:<br />
• Hauptdiffusionsrichtungen bilden<br />
Vektorfeld.<br />
• Kurven werden an Vektorfeld<br />
angefittet.<br />
Varianten:<br />
• Mori et al. 1999<br />
• Conturo et al. 1999<br />
• Basser et al. 2000<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
17
FACT-Algorithmus<br />
Tracking Algorithmen<br />
• Basiert auf<br />
– Erste Hauptachse des Diffusionsellipsoiden<br />
– FA-index<br />
• Innerhalb eines Voxels verläuft Kurve<br />
parallel zur ersten Hauptachse.<br />
• Seed Punkte sind die Mittelpunkte aller<br />
Voxel (brute-force)<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
Mori et al 1999<br />
18
FACT-Algorithm<br />
Tracking Algorithmen<br />
Abbruchkriterien:<br />
• FA-index vom aktuellen Voxel ist<br />
kleiner als bestimmter Grenzwert<br />
(z.B. 0.2).<br />
• Kurve würde von einem Voxel zu<br />
einem andern zu stark abknicken<br />
(z.B. acos(0.75) ~ 41°).<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
19
FACT-Algorithm<br />
Selektieren rekonstruierter Fibers mit Hilfe von ROIs.<br />
Tracking Algorithmen<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
ROI for fiber<br />
selection<br />
20
Wahrscheinlichkeitsbasierte Algorithmen<br />
Tracking Algorithmen<br />
Idee:<br />
• Bestimme Wahrscheinlichkeitsverteilung an<br />
Hand des Diffusionstensor (DT).<br />
• Bestimme Verbindungswahrscheinlichkeit<br />
durch Summation der Wahrscheinlichkeiten<br />
aller möglichen Pfade.<br />
Problem:<br />
• Bis jetzt existiert keine Transformation<br />
zwischen DT <strong>und</strong><br />
Wahrscheinlichkeitsverteilung der<br />
Faserrichtung.<br />
• Zwischen zwei Punkten existieren unendliche<br />
viele Pfade.<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
21
Particle Jump Algorithmus<br />
Tracking Algorithmen<br />
• Monte-Carlo Simulation mit<br />
Random-Walk Paradigma.<br />
• Simulation von Diffusionsbewegung.<br />
• Wahrscheinlichkeitskarte ergibt sich<br />
aus der Häufigkeit eines Besuches.<br />
• Sprünge ausschließlich zwischen<br />
den Mittelpunkten benachbarter<br />
Voxel.<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
Koch et al 2001<br />
22
Particle Jump Algorithmus<br />
Tracking Algorithmen<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
23
Tool für <strong>Fibertracking</strong> am<br />
Universitätsklinikum Freiburg<br />
Tracking Algorithmen<br />
Noch kein einheitlicher<br />
Standard für Auswertung<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
24
Zusammenfassung<br />
Tracking Algorithmen<br />
Streamline:<br />
• Berechnet Punkt zu Punkt Verbindungen (keine<br />
Verbindungswahrscheinlichkeit).<br />
• Keine Erkennung von Verzweigungen.<br />
Wahrscheinlichkeitsbasierte Algorithmen:<br />
• Berechnet Wahrscheinlichkeitsverteilung (kein<br />
Nervenbahnverlauf).<br />
• Bis jetzt existiert keine Transformation zwischen DT<br />
<strong>und</strong> Faserrichtung.<br />
Allgemein:<br />
• Ergebnisse schwer vergleichbar, da sich noch kein<br />
Standard etabliert hat.<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
25
Gliederung<br />
• Motivation für <strong>DTI</strong> <strong>und</strong> <strong>Fibertracking</strong><br />
• Diffusion in der MRT<br />
• Einführung: Diffusionstensor <strong>Bildgebung</strong> (<strong>DTI</strong>)<br />
• Tracking Algorithmen<br />
• Anwendungen<br />
• Diskussion<br />
Gliederung<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
26
Klinische Anwendungen Prinzipien<br />
Charakterisierung von pathologischen Veränderungen<br />
erfolgt in der Regel über Betrachtung von:<br />
– der mittleren Diffusivität (ADC)<br />
– der Anisotropie (FA)<br />
Veränderung ADC FA<br />
Extrazellul. Ödem + -<br />
Anwendungen<br />
Zelluntergang / gestörte<br />
Gewebsentwicklung<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
+ -<br />
Zelldichter Tumor - -<br />
Intrazellul. (zytotox.) Ödem - + (WM)<br />
27
Spezielle klinische Anwendungen<br />
Anwendungen<br />
Fragestellung ADC FA<br />
Hirnreifung - +<br />
Normale Hirnalterung + -<br />
Akuter Hirninfarkt (zytotox. / intrazell. Ödem) - +<br />
Chron. Hirninfarkt + -<br />
Epilepsie – Hippocampussklerose + -<br />
Epilepsie – Kortikale Dysplasie + -<br />
Metabolische Erkrankungen - dysmyelinisierend + -<br />
Metabolische Erkrankungen - demyelinisierend + --<br />
Niedriggradige Gliome + -<br />
Hochgradige Gliome (zellreich) - -<br />
Nekrose + -<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
28
Beispiel: X-linked Adrenoleukodystrophy<br />
P1, T 2 +<br />
D’–D’<br />
D’ a.m.norm .m.norm>2<br />
>2σ<br />
Anwendungen<br />
FA–FA<br />
a.m.norm<br />
>2σ<br />
P2, T 2 -<br />
21.März 2005<br />
no clinical<br />
signs!<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
Schneider, Il‘Yasov et al 2003<br />
29
Differenzierung von Hirnstrukturen mit<br />
<strong>Fibertracking</strong>, Beispiel Thalamus<br />
• Thalamuskerne in MR-<strong>Bildgebung</strong> nicht identifizierbar.<br />
• Über die Darstellung der Projektionen der<br />
Thalamuskerne können diese differenziert werden<br />
Gyrus precentralis<br />
Anwendungen<br />
21.März 2005<br />
CGL<br />
Visueller Cortex<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
Nucl. ventr. lat.<br />
Mader et al 2004<br />
30
Beispiel: Epilepsiechirurgie<br />
Anwendungen<br />
Präoperativ<br />
• Patient mit symptomatischer<br />
Epilepsie bei Zustand nach<br />
intrazerebraler Blutung rechts.<br />
Postoperativ:<br />
• Anfallsfrei.<br />
• Linksseitige Einschränkung des<br />
Gesichtsfeldes.<br />
• Halbseitenlähmung, langsam<br />
rückläufig unter Cortisontherapie.<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
MR mit Läsion<br />
31
Beispiel: Epilepsiechirurgie<br />
- Postoperatives MR -<br />
Operierte Seite<br />
Ges<strong>und</strong>e Seite<br />
Anwendungen<br />
Ziel: Darstellung eloquenter Faserbahnen<br />
im Operationsgebiet mit<br />
Stereotaxiesystemen.<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
32
Gliederung<br />
• Motivation für <strong>DTI</strong> <strong>und</strong> <strong>Fibertracking</strong><br />
• Einführung: Diffusion in der MRT<br />
• Diffusionstensor <strong>Bildgebung</strong> (<strong>DTI</strong>)<br />
• Tracking Algorithmen<br />
• Anwendungen<br />
• Diskussion<br />
Gliederung<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
33
Diskussion<br />
Diskussion<br />
• <strong>DTI</strong> stellt neue Marker zur Verfügung, welche<br />
Diagnosen verbessern.<br />
• Sowohl in der Klinik wie auch in Neuroforschung<br />
hat <strong>Fibertracking</strong> ein hohes Potential.<br />
aber<br />
• Der Diffusionstensor ist in manchen Hirnregionen<br />
unzureichend.<br />
• Noch kein standardisierter Algorithmus für<br />
Nervenbahnrekonstruktion.<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
34
Herzlichen Dank für Ihre Aufmerksamkeit<br />
Prof. Jürgen Hennig<br />
Dr. Kamil A. Il‘yasov<br />
Dr. Irina Mader<br />
Prof. Dr. Ernst Martin<br />
21.März 2005<br />
Röntgendiagnostik,<br />
Universitätsklinikum Freiburg<br />
UNIVERSITY<br />
FREIBURG<br />
HOSPITAL<br />
35
Change language