BSD

Metoda BSD-DTI (B-matrix spatial distribution in DTI)

Metoda detekcji i eliminacji wpływu błędów systematycznych związanych z niejednorodnością gradientów pola magnetycznego w eksperymentach DWI/DTI.

Termin BSD-DTI, początkowo określający metodę kalibracji skanera MR, zaprezentowaną w 2008 roku [1], został wprowadzony w 2012 roku [2]. W kolejnych latach metoda była teoretycznie rozwijana i stosowana na skanerach przedklinicznych [3] i klinicznych [4]. Ponadto zaproponowano teoretyczne rozwiązanie uwzględniające obserwowaną rzeczywistość eksperymentalną, czyli przestrzenną niejednorodność gradientów pola magnetycznego [5].

Ma to szczególne znaczenie, ponieważ aktualnie powszechnie stosowane podejścia i formalizmy matematyczne (np. przejście z przestrzeni k do przestrzeni gęstości spinów za pomocą FFT) zakładają stałość gradientów pola magnetycznego w przestrzeni.

Skontaktuj się z nami

Metoda BSD-DTI (B-matrix spatial distribution in DTI)

Istota metody BSD

Polega na wyznaczaniu przestrzennego rozkładu gradientów pola magnetycznego podczas eksperymentów DWI/DTI. Do tego celu stosuje się fantomy o znanym tensorze dyfuzji (wzorce), anizotropowe i/lub izotropowe [5,3,4]. Niejednorodne przestrzennie gradienty pola magnetycznego są źródłem systematycznych błędów powodujących niedokładności (bias) obliczania metryk DTI [6] oraz błędów w traktografii [7]. Ich wpływ na metryki DTI został niedawno potwierdzony w dużym badaniu klinicznym [8]. Najnowsze rozwiązania umożliwiają również wykorzystanie fantomów izotropowych [9].

Idea BSD-DTI

Idea BSD-DTI

Powstała z obserwacji równania Stejskala-Tannera oraz konstatacji o możliwości zamiany zmiennych. Jeśli wartości tensorów dyfuzji są znane, można dokładnie obliczyć macierz b dla każdego punktu badanej przestrzeni [9–12]. W praktyce metoda polega na:

  • Pomiarze fantomów DTI tym samym protokołem MR i identycznym ułożeniu w cewce RF jak obiekt badany (np. głowa),
  • Wykorzystaniu fantomów jako wzorców tensorów dyfuzji (anizotropowych i/lub izotropowych),
  • Obliczeniu macierzy b dla każdego woksela danych DTI,
  • Użyciu algorytmów analizy DTI, metryk DTI i traktografii w wersji BSD, czyli z uwzględnieniem przestrzennego rozkładu macierzy b w analizie danych DTI.

Publikacje [8,10–12] przedstawiają aktualne możliwości metody BSD-DTI oparte na badaniach klinicznych i przedklinicznych. Oprogramowanie BSD-DTI jest dostępne do zastosowań naukowych na stronie https://nmrlab.agh.edu.pl/bsd

Literatura

  1. Krzyżak A.T. Anisotropic Diffusion Phantom for Calibration of Diffusion Tensor Imaging Pulse Sequence Used in MRI. Zgłoszenie patentowe, 2008; patenty przyznane: US 8,643,369 B2 (2014); JP 6270174 B2 (2018); EP 2286258 B1 (2018). Link do patentu
  2. Krzyżak A.T. Poster: ESMRMB 2012, 29th Annual Scientific Meeting, Lisbon, Portugal, 4–6 October 2012. Opublikowane w: Magnetic Resonance Materials in Physics, Biology and Medicine. 2012;25:339–628. Link do artykułu
  3. Krzyżak A.T., Olejniczak Ż. Improving the accuracy of PGSE DTI experiments using the spatial distribution of b matrix. Magnetic Resonance Imaging. 2015;33:286–295. https://doi.org/10.1016/j.mri.2014.10.007
  4. Kłodowski K., Krzyżak A.T. Innovative Anisotropic Phantoms for Calibration of DTI Sequences. Magnetic Resonance Imaging. 2016;34:404–409. https://doi.org/10.1016/j.mri.2015.12.010
  5. Borkowski K., Krzyżak A.T. The Generalized Stejskal–Tanner Equation for Non-Uniform Magnetic Field Gradients. Journal of Magnetic Resonance. 2018;296:23–28. https://doi.org/10.1016/j.jmr.2018.08.010
  6. Borkowski K., Krzyżak A.T. Assessment of Systematic Errors Caused by Diffusion Gradient Inhomogeneity in DTI – Computer Simulations. NMR in Biomedicine. 2019;32:e4130. https://doi.org/10.1002/nbm.4130
  7. Borkowski K., Krzyżak A.T. Analysis and Correction of DTI Tractography Errors Caused by Gradient Inhomogeneity. Journal of Magnetic Resonance. 2018;296:5–11. https://doi.org/10.1016/j.jmr.2018.08.011
  8. Krzyżak A.T., Lasek J., Schneider Z., Wnuk M., Bryll A., Popiela T., Słowik A. Diffusion tensor imaging metrics as natural markers of multiple sclerosis-induced brain disorders with a low Expanded Disability Status Scale score. NeuroImage. 2024;290:120567. https://doi.org/10.1016/j.neuroimage.2024.120567
  9. Krzyżak A.T., Figura B. Method of Imaging in Nuclear Magnetic Resonance Experiment. Patent; 2021. (Numer patentu niepodany)
  10. Mazur-Rosmus W., Krzyżak A.T. The effect of elimination of Gibbs ringing, noise and systematic errors on the DTI metrics and tractography in a rat brain. Scientific Reports. 2024;14:15010. https://doi.org/10.1038/s41598-024-66076-z
  11. Mazur-Rosmus W., Spees W.M., Krzyżak A.T. The added value of diffusion tensor imaging with systematic bias correction for the assessment of liver morphology and physiology. NMR in Biomedicine. 2024; e5259. https://doi.org/10.1002/nbm.5259
  12. Lasek J., Stefańska A.K., Kierońska-Siwak S., Obuchowicz R., Krzyżak A.T. 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. 2025;194:110503. https://doi.org/10.1016/j.compbiomed.2025.110503

Newsletter

Zapisz się do naszego newslettera aby otrzymywać informacje o aktualnościach, nowych projektach badawczych czy publikacjach.