Strona główna » Zagadnienia badawcze » Detekcja i korekta błędów systematycznych w obrazowaniu tensora dyfuzji metodą BSD-DTI » Przestrzenny rozkład macierzy b(r) określony metodą BSD-DTI dla skanera 3T
Przestrzenny rozkład macierzy b(r) określony metodą BSD-DTI dla skanera 3T
Rysunek. Przykład rozkładów 3D znormalizowanych przestrzennych rozkładów macierzy b(r) i ich przekrojów 2D dla jednego kierunku wektora gradientu dyfuzji (DWI). Pokazano odpowiednio składowe diagonalne macierzy 3x3, b(r), i ich sumę, składowe b: a – bxx(r), b – byy(r), c – bzz(r), d – ślad macierzy b = (bxx+byy+bzz)/3
W celu zwiększenia precyzji ilościowej analizy danych DTI w obrazowaniu mózgu, zastosowano autorską metodę korekcji przestrzennej BSD-DTI. Metoda ta pozwala na wyznaczenie przestrzennie zmiennej macierzy b(r), która w standardowym podejściu błędnie zakładana jest jako jednorodna w całej objętości obrazowania. Na rysunku przedstawiono rzeczywisty rozkład wartości b(r) uzyskany dla danych pozyskanych na klinicznym skanerze 3T. Algorytm BSD-DTI został rozwinięty i walidowany w trakcie kilkuletniego badania klinicznego, w ramach którego wykazano istnienie systematycznych błędów pomiarowych wynikających z niejednorodności gradientów pola magnetycznego. Co istotne, metoda umożliwia detekcję oraz eliminację wpływu tych błędów na metryki tensora dyfuzji, takie jak FA (fractional anisotropy) czy MD (mean diffusivity), co przekłada się na wyższą powtarzalność i wiarygodność wyników [1,4].
Finalny algorytm został zintegrowany z procesem obliczania map DTI i wykorzystany do przetworzenia danych projektowych obejmujących skany głowy pacjentów. W analizie wykorzystano dane referencyjne oraz pomiary fantomowe, a skuteczność podejścia BSD potwierdzono w warunkach klinicznych na rzeczywistych skanerach MRI różnych producentów [2,3].
Metoda BSD-DTI została opracowana z myślą o zastosowaniach translacyjnych i umożliwia ujednolicenie analizy danych DTI między różnymi ośrodkami. Znaczenie eliminacji błędów systematycznych zostało szczegółowo przeanalizowane i przedstawione w kolejnej publikacji [4].
Referencje
- Krzyżak AT, 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.
- Mazur‑Rosmus, A. T. Krzyżak. The effect of elimination of gibbs ringing, noise and systematic errors on the DTI metrics and tractography in a rat brain, W.; Scientific Reports 2024; 14:15010. https://doi.org/10.1038/s41598-024-66076-z
- Mazur‑Rosmus W, Spees WM, Krzyżak AT. The added value of diffusion tensor imaging with systematic bias correction for the assessment of liver morphology and physiology. NMR Biomed 2024; e5259. https://doi.org/10.1002/nbm.5259
- Lasek J, Stefańska AK, Kierońska‑Siwak S, Obuchowicz R, Krzyżak AT. 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. Comput Biol Med 2025; 194:110503. https://doi.org/10.1016/j.compbiomed.2025.110503
