Clustering of fiber tracts and quantitative analysis of white matter fiber bundles in the human brain

Ros, Christian GND

Das Gehirn ist das neuronale Zentrum des menschlichen Körpers und besitzt eine höchst komplexe Mikrostruktur aus Nervengewebe mit untereinander verknüpften Nervenzellen.Die Nervenzellen sind, je nach ihren Aufgaben (wie visuelle Wahrnehmung, motorische Fähigkeiten oder Sprache), in funktionellen Einheiten angeordnet und über ihre Axone miteinander verbunden.Die Axone bilden dabei ein weit verzweigtes neuronales Netzwerk, das Nervenzellen funktionell gleicher Areale untereinander verbindet und die Signalübertragung zwischen den verschiedenen funktionellen Einheiten auch über lange Strecken sicherstellt.Die Entwicklung der Magnetresonanztomographie und insbesondere die Entwicklung der diffusionsgewichteten Bildgebung ermöglichten es, das neuronale Netzwerk des menschlichen Gehirns in bisher ungeahnter Weise nicht-invasiv zu studieren um dessen immanente Komplexität zu entschlüsseln.Durch den Einsatz von Traktographieverfahren können drei-dimensionale Fasertrakte rekonstruiert werden, welche den Verlauf der zugrunde liegenden, mikroskopischen Nervenfasern modellieren.Das daraus resultierende, komplexe Netzwerk von Faserverbindungen approximiert die strukturelle Organisation des neuronalen Netzwerks und erlaubt Rückschlüsse über den Verlauf und die Konnektivität der funktionellen, untereinander verbundenen Areale zu ziehen.Aufgrund der Komplexität des extrahierten Fasernetzwerks und der Ungeordnetheit der darin enthaltenen Fasertrakte ist eine zeitaufwendige und vielschichtige Prozessierung der gewonnenen Daten notwendig, was die Einsetzbarkeit der Traktographie für viele medizinische Anwendungen außerordentlich einschränkt.Um die Anwendungsmöglichkeiten der Traktographie zu verbessern, werden im Rahmen dieser Dissertation neue Konzepte und Strategien vorgestellt, die es ermöglichen Fasertrakte mit Hilfe der Clusteranalyse vollautomatisch zu Faserbündeln zusammenzufassen, welche dem Verlauf der zugrunde liegenden mikrostrukturellen Faserbahnen entsprechen. Hierfür wird mit CATSER (cluster analysis through smartly extracted representatives) eine neue Methode für die automatische Clusteranalyse der Fasertrakte vorgestellt.Diese nutzt die intrinsische Redundanz der Daten, um auch die Analyse großer Datensätze zu ermöglichen.Um die Korrespondenz zwischen den resultierenden Faserbündel und den zugrunde liegenden mikrostrukturellen Faserbahnen weiter zu verbessern, können zusätzliche anatomische Informationen eines Atlanten der weißen Substanz von CATSER berücksichtigt werden.Durch die Nutzung paralleler Rechnerarchitekturen, neuer Algorithmen und Ähnlichkeitsmaße kann die Clusteranalyse in einem vertretbaren Zeitrahmen realisiert werden.Verschiedene Experimente wurden durchgeführt, um die Eigenschaften des vorgestellten Clusteranalyseverfahrens zu untersuchen und seine hohe Performanz nachzuweisen. Die schnelle und zuverlässige Extraktion der Faserbündel mit CATSER eröffnet einer Vielzahl medizinischer Anwendungen die Nutzung traktographischer Daten.Gruppen-basierte Analysemethoden die verwendet werden, um veränderte Diffusion zwischen verschiedenen Gruppen (wie gesunden Probanden vs. Patienten) oder zwischen Untergruppen von Patienten zu untersuchen, sind dabei prädestiniert, um von den zusätzlichen anatomischen Informationen der Faserbündel zu profitieren.Aus diesem Grund präsentiert der zweite Teil der Dissertation ein neues Verfahren für die quantitative Analyse von Diffusionsparameter, welches die Analyse durch Einbeziehung der vorab extrahierten Faserbündel verbessert. Diese neue Technik ermöglicht die voxelbasierte Untersuchung individueller Bündel, beschränkt die Analyse dabei allerdings ausschließlich auf Voxel, die zu dem untersuchten Faserbündel gehören.Überlappende Bereiche anderer Bündel, die nicht Gegenstand der Untersuchung sind, werden mit dieser Technik effektiv ausgeblendet. Um die Anwendbarkeit der vorgestellten Methoden zu eruieren, wurden die neuen Techniken im Rahmen von zwei Studien eingesetzt.Bei gesunden Probanden und schizophrenen Patienten wurde die Diffusion in ausgewählten Faserbündeln der linken und rechten Hemisphäre untersucht und verschiedene Diffusionsparameter miteinander verglichen.Hierbei konnten beide Studien Unterschiede in bestimmten Faserbündeln der linken und rechten Hemisphäre nachweisen und dabei das Potential der vorgestellten Techniken erfolgreich demonstrieren.

The human brain as the neural processing center consists of a highly complex microstructure that is primarily composed of interconnected nerve cells.While the nerve cells are arranged in functional units, dedicated to perform certain unique tasks (e.g., visual perception, motor control or speech), their axons form a complex network that interconnects nerve cells of the same area and enables long-range signal propagation between different functional units. With the advent of magnetic resonance imaging and, in particular, the introduction of diffusion weighted imaging researchers began to study the fiber network of the human brain, pursuing the goal to unravel its inherent complexity non-invasively.The employment of tractography facilitated this process and enabled the approximation of the structural organization of the fiber network with three-dimensional fiber tracts, which opened the unique opportunity to study the course and the integrity of the microstructure in unprecedented ways. For many medical applications, the automatic parcellation of fiber tracts into bundles that represent the underlying microstructure is of extraordinary importance, but often too time consuming and too complicated, thus limiting the usability of fiber tractography. In order to improve the applicability of fiber tractography, this thesis introduces novel concepts and strategies towards automatic parcellation of fiber tracts by using cluster analysis.With CATSER (cluster analysis through smartly extracted representatives), a new method for the automated clustering of fiber tracts is presented that exploits the intrinsic redundancy of the data to make cluster analysis applicable to large tractography datasets.In order to improve the grouping of tracts into bundles that represent the underlying microstructure more correctly, CATSER can be used together with a white matter atlas.By using parallel computing and random sampling as well as novel similarity measures, the cluster analysis of fiber tracts can be performed in reasonable time. To study properties of the introduced cluster analysis framework and to demonstrate its performance in a multiprocessing environment, various experiments were conducted. The fast and consistent extraction of fiber bundles with CATSER aids a multitude of medical applications.Group-based analyses methods that are used to study altered diffusion between groups of subjects (e.g., healthy volunteers vs. patients) or between subgroups of patients are particularly suited candidates to benefit from the additional anatomical information of fiber bundles.For this reason, this thesis introduces a novel fiber bundle-driven technique that takes advantage of fiber bundles to enhance quantitative group-based analyses.This new technique enables selective, voxel-wise analysis of local diffusivity properties for individual bundles and restricts the analysis to voxels that belong to the bundle of interest.Contributions of other regions or bundles that are not part of the analyzed bundle are thereby suppressed.To investigate the applicability of these new methods, diffusion-associated hemispheric differences were studied in selected fiber bundles of healthy volunteers and schizophrenic patients.Alterations of diffusion-related parameters between corresponding bundles of the left and right hemisphere were detected in various bundles of both groups.With these two studies the potential of the novel techniques was successfully demonstrated.

Zitieren

Zitierform:

Ros, Christian: Clustering of fiber tracts and quantitative analysis of white matter fiber bundles in the human brain. 2015.

Zugriffsstatistik

Gesamt:
Volltextzugriffe:
Metadatenansicht:
12 Monate:
Volltextzugriffe:
Metadatenansicht:

Grafik öffnen

Export