Fibertracking

Inledning

Grund för Fibertracking

Fibertracking är baserat på diffusion tensor imaging (DTI), som är mätningen av diffusionsanisotropi i hjärnan med användning av diffusionsviktade bilder som skannades med magnetfältgradienter applicerade i flera riktningar. Programmet Fibertracking använder scanningar för att beräkna diffusionsriktningen av vattenmolekylerna längs potentiella fibrer av vit hjärnsubstans för hela datavolymen.



Algoritmen försöker identifiera kanalerna av vit hjärnsubstans genom att följa den huvudsakliga diffusionsriktningen från ett steg till nästa så länge FA-värdet som återspeglar mängden anisotropi är över en viss tröskel.

Med Fibertracking kan du spåra fiberstrukturer i ett definierat intresseområde, baserat på diffusionsviktade MR-bilder. Genom att spåra den lokala diffusionens riktning kan fiber rekonstrueras som en linje genom att förbinda ett antal punkter. Inom detta område spårar algoritmen alla fibrer som passerar genom intresseområdet som uppfyller de valda spårningsparametrarna.

En uppsättning standard- och anpassade spårningsmallar tillhandahålls och fibrer kan också spåras interaktivt inom definierade parametrar.

Komma igång

För att kunna utföra Fibertracking behövs särskilda MR-data. Dessa data består av diffusionsviktade bilder som inhämtas med hjälp av snabba EPI-sekvenser. Som minst måste det finnas 7 scanningar som inkluderar:

  • En baslinjescanning utan diffusionsvikt (B0) eller med ett homogent magnetfält.
  • Minst sex scanningar med magnetfältgradienter (diffusionsviktade) applicerade från olika riktningar.

Med dessa scanningar kan en diffusionstensor beräknas som ger information om den lokala diffusionen i varje bildvoxel. Detta kallas DTI-data.

Ladda ett DTI-studie till den aktuella behandlingsplanen för att använda Fibertracking.

DTI-data

Fibertracking använder en tjänst som körs i bakgrunden för att automatiskt upptäcka och förbehandla giltiga DTI-data. Programvaran konverterar data till en DTI-studie som innehåller båda:

  • De förregistrerade bilduppsättningarna: B0-, ADC- och FA-mappningar.
  • Diffusionstensorn som krävs för Fibertracking.

DTI-studien kan väljas från Patient Selection (se Content Manager eller Patient Selection Användarhandbok för programvara).

DTI-färgkodning

Fibertracking bygger på mätning av diffusionsanisotropi i hjärnan med hjälp av diffusionsviktade bilder som tas i flera olika riktningar. DTI-data ger riktningen för lokal diffusion som kan visualiseras i färgkodade mappningar i 3D. Dessa färgkartor ger information om vattendiffusionens riktning längs potentiella fibrer inom snitten.

Mångfärgade fibrer färgsätts enligt följande neurologiska konvention:

Fiberfärg

Diffusionsriktning

Röd

Vänster-höger

Grön

Anterior-posterior

Blå

Huvud-fot

DTI-förbehandling

Beräkningen av ett diffusionstensorfält från DTI-bilderna och beräkningen av ADC- och FA-kartor är baserad på metoder och algoritmer som redan är kollegialt granskade och publicerade:

  1. Le Bihan D, Mangin JF, Poupon C, Clark CA, Pappata S, Molko N, Chabriat H. Diffusion tensor imaging: concepts and applications. J Magn Reson Imaging 2001;13(4):534-546.

  2. Masutani Y, Aoki S, Abe O, Hayashi N, Otomo K. MR diffusion tensor imaging: recent advance and new techniques for diffusion tensor visualization. Eur J Radiol 2003;46(1):53-66.

  3. Peled S, Friman O, Jolesz F, Westin C. Geometrically constrained two-tensor model for crossing tracts in DWI: J Magn Reson Imaging 2006;24(9):1263-1270.

Fibertracking-algoritm

Fibertracking är baserat på algoritmen FACT (fiberbedömning genom kontinuerlig spårning), som först publicerades av Mori et al. 2002 (Mori S, van Zijl PC. Fiber tracking: principles and strategies – A technical review. NMR Biomed 2002;15(7-8):468-480).

För att uppnå jämna resultat trots den låga upplösningen av konventionella DTI-skanningar interpoleras tensorer från de omgivande voxlarna med hänsyn till den inkommande riktningen från föregående steg. Detta försök att passera områden med tvetydiga riktningar beskrevs först av Weinstein et all 1999 och kallas TEND (tensor-avböjning). Weinstein D, Kindlmann G, Lundberg E.: Tensorlines. Advection-diffusion based propagation through diffusion tensor fields. Center for Scientific Computing and Imaging, Department of Computer Science, University of Utah. Proceedings of the conference on visualization ’99.

Varning
Varning
Art. nr 60919-74SV

Ausstellungsdatum: 2020-02-26