Accounting for Complex Structure in Diffusion Weighted Imaging Data using Volume Fraction Representations (Rekening houden met complexe structuur in diffusie gewogen beeldvorming data door gebruik van volume fractie representaties)

Het domein van diffusie gewogen beeldvorming (diffusion weighted imaging, DWI) is ver geëvolueerd sinds zijn initiële ontwikkeling in het midden van de jaren 1980.  Doorheen de tijd hebben we betere inzichten verworven in de bijhorende technieken en noodzakelijke verwerkingsstappendie hierbij betrokken zijn, wat op zich geleid heeft tot een rijkdom aan nieuwe inzichten in de ingewikkelde werking van de (menselijke) hersenen.  De introductie van diffusie tensor beeldvorming (diffusion tensor imaging, DTI) heeft een cruciale rol gespeeld in dit proces, aangezien dit het eerste model leverde dat bewust omging met anisotrope diffusie; een specifieke eigenschap waargenomen in de witte stof (white matter,WM), in tegenstelling tot de andere gangbare 'weefsel' types in de menselijke hersenen, i.e. de grijze stof (gray matter, GM) en de cerebrospinale vloeistof (cerebrospinal fluid, CSF).
Gedurende het laatste decennium, echter, zijn we er ons van bewust geworden dat het DTI model ernstig tekort schiet in zijn mogelijkheden om voxels voor te stellen die zogenaamde 'kruisende vezels' bevatten; een algemene benaming typisch gebruikt om te verwijzen naar een waaier van complexe geometrische vezel configuraties veroorzaakt door het partiële volume effect.
In deze doctoraatsthesis was het onze bedoeling om bepaalde voorstellingen voor (informatie uit) DWI data te ontwikkelen, welke de voorgenoemde waaier aan complexe geometrische configuraties in rekening brengen.  Onze nieuwe voorstellingen bieden een betere flexibiliteit aan die inherent verschillende bestaande problemen (e.g. segmentatie en registratie) triviaal maken; maar ze maken evenwel zo weinig mogelijk veronderstellingen over de aard van de data of de specifieke eigenschappen van de onderliggende structuren.
Een eerste grote bijdrage bestaat in een generisch frameworkvoor multi-schil multi-weefsel (multi-shell multi-tissue, MSMT) voorstellingen, en een specifieke implementatie afgestemd op het voorstellen van WM, GM en CSF in de menselijke hersenen.  Deze voorstelling is specifiek ontworpen om het retransformatie probleem triviaal te maken.  Dit probleem kon eenvoudig opgelost worden door een nieuwe behoud vanhoofdzakelijke volume fracties (preservation of principal volume fractions, PPVF) retransformatie strategie.
Een tweede grote bijdrage bestaat in een meer tastbare track richtingsverdeling (track orientation distribution, TOD) voorstelling voor complexe vezel track verdelingen. Onze nieuw ontwikkelde methode om zo'n TOD te verkrijgen, heet track richtingdichtheids beeldvorming (track orientation density imaging, TODI).  Deze techniek liet ons toe om verdere inzichten te verwerven in de amplitude van een korte-tracks TOD, welke nu kan geïnterpreteerd worden als een maat voor track-achtige lokale ondersteuning (track-like localsupport, TLS).  Bovendien toonden we aan dat het gebruik van deze laatste voor TOD-gebaseerde tractografie leidt tot het sturen van trackslangsheen richtingen die met grotere waarschijnlijkheid overeenstemmen met continue structuur over een langere afstand; i.e. track-achtige structuur!
Beide voorstellingen (MSMT en de TOD) die voortkomen uit deze grote bijdrages, laten ook een verruimd inzicht toe in vele andere aspecten van de data die ze omschrijven, en leveren een grote waaier aan opportuniteiten voor toekomstig onderzoek.