Тип работы:
 Предмет:
 Язык работы:


ВЛИЯНИЕ ЭКСПЕРИМЕНТАЛЬНЫХ ФАКТОРОВ МРТ ИЗМЕРЕНИЯ НА РЕЗУЛЬТАТЫ СЕГМЕНТИРОВАНИЯ СТРУКТУР ГОЛОВНОГО МОЗГА

Работа №32032

Тип работы

Магистерская диссертация

Предмет

физика

Объем работы53
Год сдачи2019
Стоимость5700 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
243
Не подходит работа?

Узнай цену на написание


ВВЕДЕНИЕ 4
1. Литературный обзор 6
1.1 Основные принципы магнитного резонанса 6
1.1.1 Возбуждение системы 6
1.1.2 Т1 релаксация 7
1.1.3 Т2 релаксация 8
1.2 Градиенты магнитного поля 9
1.2.1 Градиент выбора среза 9
1.2.2 Фазо-кодирующий градиент 10
1.2.3 Частотно-кодирующий градиент 11
1.3 Радиочастотные импульсы 12
1.3.1 Селективные радиочастотные импульсы 13
1.4 Импульсные последовательности 14
1.4.1 Градиентное эхо (TR>>T2) 15
1.4.2 Градиентное эхо (TR 1.4.3 Спин эхо 18
1.4.4 Инверсия восстановления 19
1.4.5 Импульсная последовательность MP-RAGE 20
1.5 К-пространство 23
1.5.1 По неполному набору данных Фурье-изображение 24
1.6 Отношение сигнал/шум. Усреднение сигнала 24
1.6.1 Шумы на МР изображении 25
1.7 Локальные неоднородности интенсивности сигнала 26
1.8 Сегментирование головного мозга в программе SPM 27
1.9 Воксельная морфометрия (VBM)
1.10 Метод транспортной морфометрии (TBM) 31
1.11 Деформационная морфометрия (DBM) 32
1.12 Тензорный метод морфометрии (TBM) 34
2. Практическая часть 36
2.1 Моделирование импульсной последовательности MP-RAGE 37
2.3 Моделирование шумов на МР изображении 40
2.4 Моделирование неоднородностей радиочастотного поля B! . 43
Выводы 44
Список публикаций 45
Список литературы: 46
Приложение


Магнитно-резонансная томография (МРТ) - обеспечивает высокое пространственное разрешение и превосходный контраст мягких тканей, что делает его приоритетным выбором для большинства структурных применений визуализации головного мозга.
МРТ используется для дифференциальной диагностики заболеваний, которые выявляют патологические изменения структур головного мозга [1, 2]. Данные изменения в головном мозге, приводящие к потере клеток, проявляются потерей мозговой ткани или атрофией, которая может быть обнаружена с помощью структурной магнитно-резонансной томографией. Традиционные методы диагностику структурных изменений головного мозга на МРТ включают визуальную оценку опытными рентгенологами и ручные измерения объемов интересующих структур [3, 4].
Морфометрия на основе вокселей (VBM) является одной из таких автоматизированных методик. VBM применяется в клинике диагностики заболеваний, в которых идут структурные изменения объемов головного мозга [5]. Было показано, что при болезни Альцгеймера на стадии ранней деменции идут структурные уменьшения участков головного мозга от 13% до 17% чем у здоровых людей [6, 7]. Также проводились исследования, подтверждающие увеличение общего объема белого вещества у субъектов с аутизмом [8]. Морфометрия широко использовалась для оценки состояния головного мозга при нормальном старении и при болезни Альцгеймера [9]. Структурные изменения объемов головного мозга на 1% могут указывать на развитие заболевания на ранней стадии, но также они могут быть связаны с экспериментальными ошибками.
На качество магнитно-резонансного изображения влияют следующие экспериментальные факторы: слегка отличающиеся параметры импульсной последовательности MP-RAGE, шумы и неидеальности радиочастотных катушек. При проведении МРТ исследования вносится случайный шум в
МРТ сигнал, который каждый воксел кодирует как интенсивность серой шкалы. В дополнение к случайному шуму изображения содержат несистематические пространственные изменения в интенсивности
изображения, которые вызваны локальными неоднородностями
радиочастотного (РЧ) поля [10, 11, 12]. Результаты морфометрии зависят от протоколов для получения данных МРТ. Отличающиеся параметры импульсной последовательности MP-RAGE могут привести к схожей интенсивности сигнала от близлежащих тканей [27]. Все эти изменения в интенсивности изображения могут привести к тому, что некоторые пиксели, принадлежащие белому веществу (WM), будут интерпретированы как серое вещество (GM). Эти изменения в интенсивности пикселей вызывают ошибки в разграничении областей мозга, следовательно, могут привести к ошибочным результатам морфологических измерений.
Целью данного исследования является, выявить влияние шумов, неидеальности радиочастотных катушек и использования слегка различающихся параметров импульсной последовательности MP-RAGE на результаты морфометрии.


Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!
ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ
КУРСОВЫЕ СТАТЬИ ВКР

Показано, что такие экспериментальные факторы, как различие в
протоколах измерения и использование в измерениях различных
приемо-передающих МРТ катушек приводят к ошибкам измерения
объемов, которые могут быть интерпретированы врачами как признак
дегенеративных процессов головного мозга.
• Сравнение МРТ данных с заметно различающимся отношением
сигнал-шум недопустимо, поскольку это может вносить значительные
погрешности (>10%).


1. Smith, C. D. Age and gender effects on human brain anatomy: A voxel- based morphometric study in healthy elderly [Text] / C.D. Smith, H. Chebrolu, D.R. Wekstein, et al // Neurobiol Aging - 2007. - 28: 1075-1087.
2. Kawasaki, Y. Multivariate voxel-based morphometry successfully differentiates schizophrenia patients from healthy controls [Text] / Y. Kawasaki, M. Suzuki, F. Kherif, T. Takahashi, S.Y. Zhou, K. Nakamura, et al // NeuroImage - 2007. - 34(1):235-42.
3. Draganski, B. Training-induced structural changes in the adult human brain [Text] / B. Draganski, A. May // Behav. Brain Res - 2008. - 192:137-142.
4. Thomas, A. G. Functional but not structural changes associated with learning: An exploration of longitudinal voxel-based morphometry (VBM) [Text] / A.G. Thomas, A. Marrett, P.A. Bandettini // NeuroImage - 2009. - 48:117-125.
5. Williams, L. M. Voxel-based morphometry in schizophrenia: implications for neurodevelopmental connectivity models, cognition and affect [Text] /
L. M. Williams // Expert Rev Neurother - 2008. - 8:1049-1065.
6. Neuro-degeneration profile of Alzheimer's patients: A brain morphometry study [Text] / SRB da Silva Filho et al // NeuroImage - 2017. - Clinical vol. 15 15-24.
7. Karas, G. B. A comprehensive study of gray matter loss in patients with Alzheimer’s disease using optimized voxel-based morphometry [Text] /
G. B. Karas, E.G. Burton, S.A. Rombouts, R.A. van Schijndel, J.T. O’Brien,
P. Scheltens, I.G. McKeith, D. Williams, C. Ballard, F. Barkhof // Neuroimaging - 2008. - 18:89-907.
8. Riddle, K. Brain structure in autism: a voxel-based morphometry analysis of the Autism Brain Imaging Database Exchange (ABIDE) [Text] / K. Riddle, C.J. Cascio, N.D. Woodward // Brain Imaging Behav - 2017. - 11(2):541- 551.
9. Hiroshi, M. Voxel-based morphometry of brain MRI in normal aging and alzheimer’s disease / M. Hiroshi // Aging Dis - 2013. - 4(1):29-37
10. Belaroussi, B. Intensity non-uniformity correction in MRI: existing methods and their validation [Text] / B. Belaroussi // Med Image Anal - 2013. - 10(2):234-46.
11. Sled, J.G. A nonparametric method for automatic correction of intensity nonuniformity in MRI data [Text] / J.G. Sled, A.P. Zijdenbos, A.C. Evans // IEEE Trans Med Imaging - 1998. - 17:87-97.
12. Vovk, U. A review of methods for correction of intensity inhomogeneity in MRI [Text] / U. Vovk, F. Pernus, B. Likar // IEEE Trans Med Imaging - 2007. - 26:405-21.
13. Ильясов, К.А. Принципы получения изображений в магнитнорезонансной томографии [Текст] / К.А. Ильясов // учебно-методическое пособие для студентов-бакалавров специальностей “Медицинская физика”, “Биотехнические системы и технологии” и магистров по специальностям “Физика магнитных явлений” и ’’Медицинская физика”. Казань, издательство КФУ, 2014. - 30 с.
14. Блинк, Э. Основы магнитно-резонансной томографии: Физика [Текст]/
Э. Блинк // Переведено на русский язык Макаровой Екатериной - 2000.
- 76с.
15. Хорнак, Д. П. Основы МРТ [Текст] / Д.П. Хорнак, перевод с английского Гиппа И.Н. // Изд. "Центр визуализирующих методов, Технологический институт Рочестера" - 2003.
16. Bernstein, M.A. Handbook of MRI pulse sequences [Text] / M.A. Bernstein, K.F. King, X.J. Zhou // New York: Academic Press -2004.
17. Markl, M. Gradient echo imaging [Text] / M. Markl, J. Leupold // J. Magn. Reson. Imaging - 2012. - 35: 1274-1289.
18. Ernst, R. Principles of nuclear magnetic resonance in one and two dimensions [Text] / R. Ernst, G. Bodenhausen, A. Wokaun // Oxford: Clarendon Press - 1987.
19. Wang, J. Optimizing the Magnetization-Prepared Rapid Gradient-Echo (MP-RAGE) Sequence [Text] / J. Wang, L. He, H. Zheng, Z.-L.Lul. - 2014.
- Vol7. - P-1-16.
20. Аганов, А. В. Введение в медицинскую ядерную магнитнорезонансную томографию [Текст] / А.В. Аганов // Учебное пособие для бакалавров и магистров. Казань, издательство КФУ, 2012. - 60 с.
21. Gunter, J. L. Measurement of MRI scanner performance with the ADNI phantom [Text] / J.L. Gunter, M.A. Bernstein, B.J. Borowski, C.P. Ward, P.J. Britson, J.P. Felmlee, N. Schuff, M. Weiner, C.R. Jack // Med Phys -
2009. - 36:2193-2205.
22. Jovicich, J. Reliability in multi-site structural MRI studies: Effects of gradient non-linearity correction on phantom and human data [Text] / J. Jovicich, S. Czanner, D. Greve, E. Haley, A. van der Kouwe, R. Gollub, D. Kennedy, F. Schmitt, G. Brown, J. MacFall, B. Fischl, A. Dale // NeuroImage - 2006. - 30:436-443.
23. Tao, S. Partial fourier and parallel MR image reconstruction with integrated gradient nonlinearity correction [Text] / S. Tao, J.D. Trzasko, Y. Shu, P.T.
48
Weavers, J. Huston, 3rd, E.M. Gray & M.A. Bernstein // Magnetic resonance in medicine - 2015. - 75(6), 2534-2544.
24. Belaroussi, B. Intensity non-uniformity correction in MRI: Existing methods and their validation [Text] / B. Belaroussi, J. Milles, S. Carme, Y.M. Zhu & H. Benoit-Cattin // Medical Image Analysis - 2006. - 10(2), 234-246.
25. Kundu, S. Discovery and visualization of structural biomarkers from MRI using transport-based morphometry [Text] / S. Kundu, S. Kolouri, K.I. Erickson, A.F. Kramer, E. McAuley & G.K. Rohde // NeuroImage - 2018. - 167, 256-275.
26. Van der Kouwe, A. Anatomical MRI for Human Brain Morphometry [Text] / A. Van der Kouwe & B. Fischl // Brain Mapping: An Encyclopedic Reference. 1. 3-28. 10.1016/B978-0-12-397025-1.00001-4.
27. Andrea, M. Voxel-based morphometry of the human brain: Methods and applications [Text] / M. Andrea, Price J. Cathy, Friston J. Karl, and A. John // Current Medical Imaging Reviews - 2005. - 1(2): 105-113.
28. Douglas, N., Greve, M. An Absolute Beginner’s Guide to Surface- and Voxel-based Morphometric Analysis [Text] / N. Douglas, M. Greve // Center for Biomedical Imaging, Massachusetts General Hospital Harvard Medical School.
29. Kolouri, S. Optimal Mass Transport: Signal processing and machinelearning applications [Text] / S. Kolouri, R. Park, M. Thorpe, D. Slepcev, G. K. Rohde // IEEE Signal Processing Magazine 34 - 2017. - 43-59.
30. Hue, X., et al. Unbiased tensor-based morphometry: improved robustness and sample size estimates for Alzheimer’s disease clinical trials [Text] / X. Hue, et al // NeuroImage - 2013. - 66, 648 -661.
31. Ashburner, J. Voxel-based morphometry - the methods [Text] / J. Ashburner, K. J. Friston // NeuroImage - 2000. - 11:805-821.
32. Xin, Z. The Conjoint Analysis of Microstructural and Morphological Changes of Gray Matter During Aging [Text] / Z. Xin, W. Qiong, C.
Yuanyuan, X. Song, N. Hongyan, M. Dong // Front Neurol - 2019. - 10: 184. Published online - 2019.
33. Neuro-degeneration profile of Alzheimer's patients: A brain morphometry study [Text] / SRB da Silva Filho et al // NeuroImage. Clinical - 2017. -
vol. 15 15-24. 3.
34. Craig, S. M. Depressive Symptomatology, Racial Discrimination Experience, and Brain Tissue Volumes Observed on Magnetic Resonance Imaging: The CARDIA Study [Text] / S.M. Craig, P.J. Schreiner, K. Lim,
H. Battapady, L.J. Launer // Am J Epidemiol - 2019. - 188(4): 656-663

Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ
.