Dokument: Non-Gaussian Analysis Of Diffusion-Weighted Magnetic Resonance Imaging

Titel:	Non-Gaussian Analysis Of Diffusion-Weighted Magnetic Resonance Imaging
Weiterer Titel:	Nicht-Gaus'sche Analyse der Diffusionsgewichtete Magnetresonanztomographie
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=42979
URN (NBN):	urn:nbn:de:hbz:061-20171006-100727-6
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Pentang, Nadege Gael [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 29,52 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 27.07.2017 / geändert 27.07.2017
Beitragende:	Prof. Dr. rer. nat. Wittsack, Hans-Jörg [Gutachter] Prof. Dr. Görlitz, Axel [Gutachter]
Stichwörter:	MRI, MRT, DWI, magnetic resonance imaging, Kernspintomographie, Diffusion, Bildgebung, image processing, kurtosis, anisotropy
Dewey Dezimal-Klassifikation:	500 Naturwissenschaften und Mathematik » 530 Physik
Beschreibungen:	Diffusion Tensor Imaging (DTI), as conventional extension of Diffusion-Weighted Imaging (DWI), is based on Magnetic Resonance Imaging (MRI). This technique renders in vivo information about biological tissue microstructure non-invasively according to the characteristics of water diffusion. With the novel approach of Diffusion Kurtosis Imaging (DKI), also referred to as non-Gaussian DWI, a more exact analysis of the diffusion characteristics in terms of probability distribution and their variation (Gaussian distribution, kurtosis) is possible. DKI can better model the water molecules movement and provide a better characterisation of tissue microstructure compared to DTI. The purpose of this thesis is the development and optimisation of image reconstruction pre-processing tools and the necessary imaging protocols for practical use of DKI in the clinical routine. Additionally, it aims to explore the additional value of DKI, as a newly introduced medical imaging technique, in characterising biological tissue microstructures in the healthy human brain and kidneys. However, the practical use of DKI in the clinical routine is associated with some challenges: (a) An increased measurement time due to the higher number of measurements necessary to estimate the more complex non-Gaussian model that introduce motion artefacts and, (b) errors that derivate from fitting the low signal-to-noise ratio (SNR) of highly diffusion-weighted (DW) images. Therefore, the first part of this dissertation focusses on developing a robust motion correction method to align DW images prior to DKI computation. A basic concept of information theory called mutual information that better performs than conventional motion correction techniques based on grey values comparison is used as similarity measure. A jointly anisotropic linear minimum mean squared error (jaLMMSE) filter and a non-linear anisotropic diffusion filter (ADF) are implemented and compared, in order to improve the DKI results. Simulations with synthetic and real DKI brain data from healthy volunteers show that the mean structural similarity index (MSSIM) and the peak-signal-to-noise ratio (PSNR) are significantly lower with ADF compared to jaLMMSE. Furthermore, the resulting pre-processing methods for motion and noise correction are applied for neuroimaging and the variability of the diffusion kurtosis measures is evaluated in 80 healthy human brains. The resulting DKI metrics are mapped to the existing well-established anatomical Montreal Neurology Institute (MNI) space to construct the first age- and gender-dependent MRI whole human brain atlas. In the second part of this thesis, DKI is applied for the first time to healthy human kidneys using respiratory triggered acquisitions at 3T showing cortico-medullary differentiation in mean kurtosis images. In addition, experiments are performed to find optimal acquisition parameters (b-value = 0; 500; 1000 s/mm² and 20 diffusion directions) for renal DKI. Diffusion Kurtosis-Bildgebung (DKI) dient als Erweiterung der Diffusions-Tensor-Bildgebung (DTI). Durch die exakte Analyse der Diffusionseigenschaften im Sinne von Wahrscheinlichkeitsverteilungen und deren Abweichungen (Gaußverteilung, Kurtosis) soll die Molekülbeweglichkeit mit DKI besser modelliert werden. Hierdurch können neuartige diagnostische Informationen aus den diffusionsgewichteten (DW) Untersuchungen gewonnen werden, die zu einer verbesserten Differenzierung von pathologischem Gewebe beitragen können. Das Ziel dieser Arbeit ist die Entwicklung und Optimierung der erforderlichen Bildvorverarbeitungstechniken und Bildgebungsprotokolle für die praktische Anwendung von DKI in der klinischen Routine. Zusätzlich soll das Potenzial von DKI, als neulich entwickelte Bildgebungstechnik, für die Charakterisierung von biologischer Gewebemikrostruktur im gesunden menschlichen Gehirn und in Nieren untersucht werden. Die Ergebnisse dieser Arbeit zeigen neue Erkenntnisse für die Diffusionsgewichtete Bildgebung (DWI). Der erste Teil konzentriert sich auf die Entwicklung einer Technik zur Bewegungskorrektur von DW Bildern. Die Grundidee ist es, Mutual Information (MI) - ein grundlegendes Konzept aus der Informationstheorie - als Ähnlichkeitsmaß zu verwenden. Im Vergleich zur herkömmlichen Bewegungskorrekturtechniken, in denen die Grauwerte verglichen werden, erfordert MI keine Angabe über die Geometrie zwischen den beiden Bildern, und eignet sich gut als Kriterium zur Registrierung von Bildern mit unterschiedlichen Kontrasten wie DW Bilder. Zwei Rauschreduktionsverfahren werden zur Verbesserung der DKI-Ergebnisse implementiert und verglichen. Die Anwendung der entwickelten Vorverarbeitungstechniken auf Neuro-Bildgebung dient zur Untersuchung der Variabilität der Diffusionsergebnisse in 80 gesunden menschlichen Gehirnen. Die resultierenden DKI Werte abgebildet auf die gut etablierten anatomischen Montreal Neurologie Institute (MNI) Templates werden zur Erstellung menschlicher DKI-Atlanten des Gehirns in Abhängigkeit von Alter und Geschlecht benutzt. Im zweiten Teil werden gesunde menschliche Niere zum ersten Mal mittels des Verfahrens DKI untersucht. Die Ergebnisse zeigen eine signifikante kortiko-medulläre Differenzierung in Kurtosis-Metriken. Anschließend wird DKI mit optimalen Aufnahmeparametern (b = 0; 500; 1000 s/mm² und 20 Diffusionsrichtungen) in der menschnlichen Niere angewendet.
Lizenz:	Urheberrechtsschutz
Fachbereich / Einrichtung:	Mathematisch- Naturwissenschaftliche Fakultät
Dokument erstellt am:	06.10.2017
Dateien geändert am:	06.10.2017
Promotionsantrag am:	23.01.2017
Datum der Promotion:	13.07.2017