Please use this identifier to cite or link to this item: http://dx.doi.org/10.25673/34030
Full metadata record
DC FieldValueLanguage
dc.contributor.refereeSpeck, Oliver-
dc.contributor.authorLüsebrink, Jann Falk Silvester-
dc.date.accessioned2020-07-30T10:21:31Z-
dc.date.available2020-07-30T10:21:31Z-
dc.date.issued2020-
dc.date.submitted2019-
dc.identifier.urihttps://opendata.uni-halle.de//handle/1981185920/34225-
dc.identifier.urihttp://dx.doi.org/10.25673/34030-
dc.description.abstractIn neurowissenschaftlichen und klinischen Studien werden zur quantitativen Bestimmung von Gehirnstrukturen üblicherweise in vivo T1-gewichteten Magnetresonanztomographiedaten mit einer isotropen Auflösung von 1 mm und in Ausnahmefällen bis zu 500 μm akquiriert. Basierend auf diesen Bilddaten wird die orthologische Entwicklung des Gehirns oder die Progression von neurodegenerativen sowie psychiatrischen Erkrankungen untersucht. Eine Erhöhung der Messauflösung sollte die Genauigkeit bei der Quantifizierung verbessern und damit auch subtile Veränderungen aufzeigen können, da der Partialvolumeneffekt reduziert ist und mehr Mess-punkte zur Verfügung stehen. Dies könnte für die personalisierte Medizin, insbesondere bei der Frühdiagnostik und Verlaufskontrolle bei Therapien von Wichtigkeit sein. Daher ist eines der Hauptziele der hier vorliegenden Dissertation ultrahochaufgelöste MRT Daten des gesamten menschlichen Gehirns in vivo aufzunehmen. Um ein akzeptables Signal zu Rausch Verhältnis zu erreichen werden insgesamt acht Datensätze mit einem 7 T MRT aufgenommen. Aufgrund der sehr langen Akquisitionszeit wird die Aufnahme auf fünf verschiedene Sitzungen über einen Zeit-raum von drei Monaten aufgeteilt. Zur Vermeidung von Bewegungsartefakten wird eine pros-pektive Bewegungskorrektur verwendet, die selbst kleinste rigide Bewegungen aufgrund des Herzschlags während der Datenakquisition korrigieren kann. Um schließlich die Daten der ver-schiedenen Sitzungen zu kombinieren wird eine Methode zur retrospektiven Mittelung von Da-ten etabliert. Die somit gewonnenen Daten haben eine in vivo bisher unerreichte nominelle iso-trope Auflösung von 250 μm und sind damit 64-Mal höher aufgelöst im Vergleich zur Standard-auflösung von 1 mm. Damit gewähren sie einerseits einen detaillierten Einblick der ansonsten nur in post mortem Studien möglich ist. Andererseits wird eine Brücke zwischen MRT und Mik-roskopie geschlagen, welche die Transponierung von histologischen Ergebnissen auf in vivo MRT ermöglichen kann. Der klinische Einsatz solch hochaufgelöster Daten ist noch weit entfernt, aber sie zeigen was durch noch höhere Feldstärken und Verbesserungen von Methoden zur Akquisi-tion sowie Rekonstruktion zukünftig in neurowissenschaftlichen Studien möglich sein könnte. Aktuell können die Daten zur Erstellung einer akkuraten Kartographierung von Hirnstrukturen oder zur Verbesserung von bestehenden Algorithmen verwendet werden. Der Datensatz, beste-hend sowohl aus Rohdaten als auch rekonstruierten sowie verarbeiteten Daten, wurde der Öf-fentlichkeit im März 2017 ohne jegliche Einschränkungen frei zur Verfügung gestellt und seither über 60.000-Mal heruntergeladen. Ultrahochaufgelöste Daten können innerhalb eines realistischen Zeitraums derzeit nur mit Hilfe von ultrahohen Feldstärken ab 7 T aufgenommen werden. Da mit höheren Feldstärken die Homogenität des Bildes abnimmt, werden in dieser Dissertation Bild- und Software-basierte Me-thoden der Inhomogenitätskorrektur untersucht. Dabei wird ein Fokus darauf gelegt subkorti-kale Strukturen nicht zu überkorrigieren. Die Anpassung der Parameter an die Gegebenheiten von 7 T Daten ermöglicht erheblich bessere Ergebnisse. Insbesondere sollte bei den Algorithmen N3 und N4 eine Gehirnmaske zur Verbesserung der Inhomogenitätskorrektur verwendet wer-den. Von den Software-basierten Methoden schneidet SPM am besten ab, allerdings wird die größte Homogenität durch Kombination der Software-basierten Methode mit der Bild-basierten Methode erzielt. Allerdings kann dadurch die Akquisitionszeit verdoppelt werden und Rauschen des zweiten Datensatzes propagiert in das finale Bild. Entsprechend ist diese Methode ungeeig-net für die Aufnahme von ultrahochaufgelösten Daten. Trotz der Aufnahme von acht Datensät-zen ist das Signal zu Rausch Verhältnis der ultrahochaufgelösten Daten vergleichsweise gering. Daher wird die Anfälligkeit der retrospektiven Mittelung gegenüber Rauschen untersucht, eine Methode zur komplexen Mittelung von Daten über verschiedene Sitzungen hinweg etabliert und es wird eine Methode zur Rauschfilterung während der Rekonstruktion samt eigener Rekon-struktionspipeline aufgebaut. Bei der retrospektiven Mittelung zeigt sich, dass diese nahezu in-variant gegenüber Rauschen ist. Die komplexe Mittelung der Daten bietet quantitativ keinen Vorteil, qualitativ nimmt die Datenqualität in Bereichen mit niedrigem SNR, wie den Temporall-appen aber zu. Mit der Rauschfilterung während der Rekonstruktion kann die Datenqualität um bis zu 40 % gesteigert werden ohne feine Strukturen zu kompromittieren. Das zweite Hauptziel der Dissertation ist die Quantifizierung von Gehirnstrukturen basierend auf ultrahochaufgelösten Daten. Daher wird die kortikale Dicke und die Volumina von sowohl der weißen als auch grauen Substanz sowie von subkortikalen Strukturen in Abhängigkeit der Messauflösung mit CAT12 und FreeSurfer quantifiziert. Bei den Volumina kann widererwartend kein auflösungsbedingter Unterschied festgestellt werden. Hingegen zeigt sich bei der Bestim-mung der kortikalen Dicke eine Reduktion der gemessenen Dicke mit besser werdender Auflö-sung. Die Reduktion der über den Kortex gemittelten Dicke bestimmt mit FreeSurfer beträgt fast 800 μm und entspricht damit einer Abnahme von etwa einem Drittel zwischen einer Auflösung von 1 mm und 250 μm. Bei CAT12 beträgt die Reduktion etwa 300 μm und damit 12 %. Während bei CAT12 eine lineare Korrelation zwischen den Ergebnissen der unterschiedlichen Auflösungen besteht, konnte bei FreeSurfer eine quadratische Korrelation festgestellt werden. Diese scheint aber zu einem großen Teil nicht von der Methode zur Bestimmung der kortikalen Dicke zu stam-men, sondern scheint seinen Ursprung in einem allgemeinen Problem bei der Segmentierung von ultrahochaufgelösten Daten mit FreeSurfer zu haben.ger
dc.description.abstractTo quantify brain structures, usually in vivo T1-weighted magnetic resonance imaging data is usually acquired with an isotropic resolution of 1 mm and occasionally of up to 500 μm in clinical and neuroscientific studies. Based on these data the orthological development of the brain or the progression of neurodegenerative as well as psychiatric disorders is researched. Higher im-age resolution can improve the precision of the quantification and, therefore, identify even sub-tle changes, e.g. due to a reduced partial volume effect and more measurement points. This can potentially be of importance in personalized medicine, especially in early diagnosis or therapy progression. Therefore, one of the main goals of this dissertation is the acquisition of ultrahigh resolution MRI data in vivo. To achieve a reasonable signal to noise ratio eight volumes are ac-quired at a field strength of 7 T. Due to the exceptionally long acquisition time the acquisition is split into five sessions across three months. To remediate motion artifacts, a prospective motion correct methods is utilized, which even corrects rigid motion based on the heartbeat or breath-ing cycle. Finally, in order to combine the data of the different sessions, a method to average the data retrospectively is established. The resulting data has a nominal isotropic resolution of 250 μm. It has, therefore, a 64 times higher resolution than the neuroscientific standard of 1 mm and is far beyond anything published so far. On the one hand, this allows a level detail, which is otherwise achievable in post mortem studies only. On the other hand, this kind of data can be used to transpose findings of histology onto in vivo MRI data as the gap in resolution is bridged. Currently, the acquisition of data with such high resolution is beyond clinical application, how-ever, it allows a glimpse into the future of what may become possible with even higher magnetic field strength, more advanced acquisition schemes as well as better reconstruction methods. Now, such data can be used to more accurately map brain structures or to improve existing algorithms for segmentation and quantification of brain structures. The dataset acquired within this thesis, consisting of raw, reconstructed, and processed data, was freely published in March 2017 and downloaded more than 60,000 times since then. Ultrahigh resolution data can be acquired realistically at ultrahigh field strength only. However, with increasing field strength the image’s homogeneity is reduced. Therefore, image- and soft-ware-based inhomogeneity correction methods for use on 7 T data are investigated. A special focus is placed on not overcorrecting subcortical structures. By adjusting parameters to the cir-cumstances of 7 T data accordingly, significantly better results can be achieved. A brain mask should be used with the algorithms N3 and N4 for better inhomogeneity correction. Even better results are achieved using the correction method of SPM. By combining image- and software based correction methods results in best correction. However, this can double acquisition times and noise propagates from the additionally acquired image into the resulting image. Thus, being an impractical approach for ultrahigh resolution imaging. Although eight ultrahigh resolution volumes are averaged the signal to noise ratio is relatively low. Therefore, the vulnerability of the retrospective averaging in relation to noise is investigated, a method to average complex data across multiple sessions is established and a method to denoise data during image recon-struction within a self-built reconstruction pipeline is shown. As a result, the retrospective aver-aging is nearly invariant against noise. The complex averaging does not show any advantages quantitatively. However, qualitatively data quality is improved in low SNR regions, e.g. the tem-poral lobes. Denoising during reconstruction yields higher data quality of up to 40 % without compromising fine details. The second major goal of this thesis is the quantification of brain structures based on ultrahigh resolution MRI data. Therefore, cortical thickness and volumes of white and grey matter as well as subcortical structures is quantified as a function of imaging resolution with CAT12 and Free-Surfer. Unexpectedly, no resolution-induced bias is found in the quantification of volumes. Con-trary to that, a reduction in cortical thickness measurements is found with increasing resolution. The averaged cortical thickness is reduced by nearly 800 μm in measurements of 250 μm data compared to 1 mm data with FreeSurfer. This relates to a reduction in thickness of approxi-mately one third. With CAT12 this reduction is much less pronounced. Between the 250 μm and 1 mm data, the average cortical thickness is reduced by less than 0.3 mm and, therefore, by roughly 12 %. While a linear correlation between the results as a function of imaging resolution is found with CAT12, a quadratic correlation was identified for FreeSurfer. A closer look reveals that this may not be entirely related to the quantification method solely. The effect seems to originate from issues in segmenting the pial surface correctly using ultrahigh resolution data with FreeSurfer.eng
dc.format.extent144 Seiten-
dc.language.isoger-
dc.rights.urihttps://creativecommons.org/licenses/by-sa/4.0/-
dc.subjectMedizinische Physikger
dc.subject.ddc610.153-
dc.titleDie Aufnahme ultrahochaufgelöster Magnetresonanztomographiedaten des menschlichen Gehirns in vivo und deren quantitative Analyseger
dcterms.dateAccepted2020-
dcterms.typeHochschulschrift-
dc.typeDoctoral Thesis-
dc.identifier.urnurn:nbn:de:gbv:ma9:1-1981185920-342254-
local.versionTypeacceptedVersion-
local.publisher.universityOrInstitutionOtto-von-Guericke-Universität Magdeburg, Fakultät für Naturwissenschaften-
local.openaccesstrue-
dc.identifier.ppn1725935481-
local.publication.countryXA-DE-ST-
cbs.sru.importDate2020-07-30T10:15:53Z-
local.accessrights.dnbfree-
local.accessrights.dnbfree-
Appears in Collections:Fakultät für Naturwissenschaften

Files in This Item:
File Description SizeFormat 
Luesebrink_Jann_Falk_Silvester_Dissertation_2020.pdfDissertation6.29 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons