Koniec projektu ABM-BSD

30 czerwca 2025 roku zakończyliśmy realizację projektu we współpracy z Szpitalem Uniwersyteckim w Krakowie. Głównym badaczem była prof. dr hab. Agnieszka Słowik, a koordynatorem prac nad rozwojem i zastosowaniem technologii MRI, ze szczególnym uwzględnieniem DTI i BSD-DTI, prof. dr hab. Artur T. Krzyżak.

Projekt był realizowany w latach 2020–2025 na podstawie umowy z Agencją Badań Medycznych nr 2020/ABM/01/00006, pod tytułem:„Ocena efektywności klinicznej technologii BSD (B-matrix Spatial Distribution) oraz algorytmów opartych na sztucznej inteligencji do analizy obrazów MRI w przebiegu stwardnienia rozsianego (SM).”

Zadania realizowane przez AGH obejmowały rozwój metod obrazowania wykorzystujących zjawisko Magnetycznego Rezonansu Jądrowego w celu:

oceny korzyści klinicznych wynikających z zastosowania badanej technologii,
ustalenia miejsca tej technologii w schemacie postępowania z pacjentami z SM,
dostarczenia danych do opracowania roboczej wersji algorytmów automatyzujących ocenę wyników badań MRI u pacjentów ze stwardnieniem rozsianym.

Aktualnie opublikowane publikacje (2024, 2025):

Krzyżak, A. T., Lasek, J., Schneider, Z., Wnuk, M., Bryll, A., Popiela, T., & Słowik, A. (2024). Diffusion tensor imaging metrics as natural markers of multiple sclerosis-induced brain disorders with a low Expanded Disability Status Scale score. NeuroImage, 290, 120567.
https://doi.org/10.1016/j.neuroimage.2024.120567
Publikacja ta przedstawia wykorzystanie metryk DTI jako wiarygodnych biomarkerów uszkodzeń mózgu u pacjentów ze stwardnieniem rozsianym o niskim stopniu niepełnosprawności, co jest ważne dla wczesnej diagnozy i monitorowania choroby.
Mazur-Rosmus, W., & Krzyżak, A. T. (2024). The effect of elimination of Gibbs ringing, noise and systematic errors on the DTI metrics and tractography in a rat brain. Scientific Reports, 14, 15010.
https://doi.org/10.1038/s41598-024-66076-z
Artykuł opisuje wpływ usuwania artefaktów i błędów systematycznych na poprawę jakości i precyzji metryk DTI oraz rekonstrukcji dróg nerwowych, co ma znaczenie dla dokładności badań neuroobrazowych.
Mazur-Rosmus, W., Spees, W. M., & Krzyżak, A. T. (2024). The added value of diffusion tensor imaging with systematic bias correction for the assessment of liver morphology and physiology. NMR in Biomedicine, e5259.
https://doi.org/10.1002/nbm.5259
Badanie wskazuje na korzyści wynikające z korekcji systematycznych błędów w DTI, które pozwalają na bardziej precyzyjną ocenę morfologii i funkcji wątroby, co może wpłynąć na rozwój diagnostyki poza układem nerwowym.
Lasek, J., Stefańska, A. K., Kierońska-Siwak, S., Obuchowicz, R., & Krzyżak, A. T. (2025). Reduction of systematic errors in diffusion tensor imaging of the human brain as a prospect for increasing the precision of planning neurosurgical operations with particular emphasis on fiber tracking. Computers in Biology and Medicine, 194, 110503.
https://doi.org/10.1016/j.compbiomed.2025.110503
Praca prezentuje metodę redukcji błędów systematycznych w DTI, co znacząco może podnieść dokładność planowania operacji neurochirurgicznych, zwłaszcza w zakresie śledzenia włókien nerwowych, co z kolei może poprawić wyniki leczenia pacjentów.
Krzyżak AT, Lasek J, Słowik A. Diagnostic Performance of a Multi-Shell DTI Protocol and Its Subsets with B-matrix Spatial Distribution Correction in Differentiating Early Multiple Sclerosis Patients from Healthy Controls. Frontiers in Neurology – Applied Neuroimaging 2025;16
https://doi.org/10.3389/fneur.2025.1618582
Publikacja ocenia skuteczność protokołu DTI typu multi-shell i jego wariantów w rozróżnianiu pacjentów z wczesnym stwardnieniem rozsianym od zdrowych ochotników, z zastosowaniem korekcji błędów przestrzennych B-matrix; wyniki pokazują porównywalną zdolność wszystkich protokołów do rozróżniania grup, przy jednoczesnej dużej zmienności wartości metryk między protokołami, co ogranicza użyteczność bezpośredniego porównywania metryk DTI między schematami akwizycji.
Lasek J, Krzyżak AT. AIBSD: Deep learning approach to address spatial systematic errors in diffusion tensor imaging. Computer Methods and Programs in Biomedicine 2025;249:109034
https://doi.org/10.1016/j.cmpb.2025.109034
Publikacja przedstawia metodę uczenia głębokiego do korekcji przestrzennych błędów systematycznych w obrazowaniu tensora dyfuzji, zwiększając precyzję wyznaczania metryk DTI i traktografii w badaniach neurologicznych.

Koniec projektu ABM-BSD

Ostatnie aktualności

30-lecie Diffusion Tensor Imaging (DTI) w Polsce

Wystąpienia na ISMRM 2025

10-lecie LaTiS Akademia Górniczo-Hutnicza w Krakowie

Newsletter