Atlas-guided tractography of diffusion-weighted MR images for group-wise comparison and temporal analysis of pathology.

Het structurele netwerk van het menselijk brein in kaart brengen is een fundamentele uitdaging in de wetenschap, en een die ons begrip en de behandeling van neurologische en neuropsychiatrische aandoeningen kan verbeteren. Diffusie-gewogen magnetische resonantie beeldvorming (diffusion-weighted imaging, DWI) is momenteel de enige niet-invasieve techniek om de structurele connectiviteit in de hersenen te onderzoeken in vivo. Het principe ervan is gebaseerd op een indirecte meting van de anisotrope diffusie van water in het weefsel, die gerelateerd is aan de onderliggende microstructuur. Op basis van een biofysisch model van diffusie in witte stof, kan hieruit een schatting worden bekomen voor de lokale configuratie van de axonale vezels. Dergelijke lokale schattingen kunnen vervolgens geïntegreerd worden doorheen het beeld om de globale, structurele connecties te reconstrueren, een proces gekend als tractografie.

Vele geavanceerde DWI analyse methoden bouwen op sterke modelaannames over het signaal in witte stof, welke moeilijk te valideren zijn en soms niet veralgemenen naar andere weefsels of pathologie. In deze thesis beogen we daarom om de lokale en globale wittestofbanen in het brein te reconstrueren met zo weinig mogelijk a priori veronderstellingen over de microstructuur. Daartoe hebben we data-gedreven methoden ontwikkeld die enkel gebruik maken van ruimtelijke voorkennis, voorkennis geleerd uit een populatie, en het signaal zelf.

Vanuit dat perspectief ontwikkelen we een globale tractografie methode waarin ruimtelijke voorkennis over de continuiteit van wittestofbanen geïntegreerd wordt met een minimaal, convolutief multi-weefsel model voor DWI in de hersenen, op basis van een vezel-responsfunctie die geschat wordt uit en dus aangepast is aan de data. In deze methode informeren lokale schattingen van de vezelrichting de globale track configuratie en vice versa, zodoende de lokale en globale schaal verenigend in \'e\'en Markov-keten Monte-Carlo optimalisatiekader. De resultaten tonen verbeterde specificiteit van het aantal geldige verbindingen en behouden een kwantitatief verband tussen de track-dichtheid en de schijnbare wittestofvezel-dichtheid in de data.

Vervolgens introduceren we populatie-gebaseerde voorkennis in de vorm van atlassen van de lokale vezelrichting of van globale labels van de wittestofbundels waartoe de individuele tracks behoren. Zodoende is de tractografie in individuen geïnformeerd door gemeenschappelijke structuur in een groep subjecten. De resultaten wijzen uit dat dergelijke voorkennis de specificiteit van tractografie kunnen verbeteren.

Tenslotte ontwikkelen we een blinde signaalscheidingstechniek voor multi-shell DWI, waarin we de data ontbinden als een convolutieve combinatie van niet-negatieve distributiefuncties van de lokale weefselori\"entatie en overeenkomstige responsfuncties, zonder die laatste als gekend te beschouwen en dus volledig ongesuperviseerd. In data van het gezonde menselijke brein zijn de resulterende componenten geassocieerd met wittestofbanen, grijze stof en cerebrospinaal vocht. Deze factorisatie is gelijkwaardig aan gesuperviseerde methoden, zoals aangetoond in Monte-Carlo simulaties om accuraatheid en precisie te evalueren. Omdat onze methode volledig data-gedreven is, is ze in staat om ongeziene weefselstructuur te ontdekken zoals in aanwezigheid van oedeem, en is ze ook toepasbaar op niet-humane data.

Samengevat hebben we methoden ontwikkeld voor lokale en globale reconstructie van de wittestofbanen uit DWI die de stand der techniek verbeteren en uitbreiden naar toepassingen in preklinische data en pathologie.