Rozbieżności w orientacji włókien w DTI wskutek niejednorodności gradientów: teoria, symulacje i walidacja kliniczna

Rysunek. Zrekonstruowane numerycznie włókna przechodzące przez środek fantomu P2 otrzymano przy użyciu standardowego DTI (po lewej) i BSD-DTI (po prawej).

Prace [1, 3] w postaci symulacji numerycznych jak i analizy wyników eksperymentalnych dotyczyły oceny wpływu niejednorodności gradientów pola magnetycznego na traktografię włókien neuronalnych [1] jak i metryki tensora dyfuzji [3].

Z kolei praca [2] usuwa sprzeczność teoretyczną jaką napotykamy powszechnie używając aparatu matematyczno-fizycznego zakładającego stałość wektora gradientu pola magnetycznego i macierzy b w przestrzeni, przy jednoczesnej rejestracji w eksperymentach niejednorodności tego gradientu. Wprowadzona przestrzeń krzywoliniowa, w której wektor gradientu jest stały pozwala na użycie podobnych formalizmów matematycznych.

Dodatkowo ta praca w połączeniu z wynikami eksperymentalnymi nadaje nowe znaczenie terminowi BSD-DTI, de facto prawidłowe DTI powinno być przeprowadzone według reguł i aparatu matematycznego proponowanego przez BSD-DTI. Symulacje numeryczne [1] wykazały, że niejednorodność gradientu dyfuzji, jeśli nie zostanie skorygowana, prowadzi do błędnego wskazania kierunku włókna (rys.). Średnie i maksymalne odchylenia wynosiły odpowiednio około 1 i 15 stopni. Co ciekawe, odchylenie pomiędzy rzeczywistą i zmierzoną orientacją włókien jest zależne od kierunku, co zostało potwierdzone w pomiarze MRI.

Błędy odchyleń można skutecznie skorygować poprzedzając pomiar DTI kalibracją BSD-DTI. W publikacji z 2025 roku po raz pierwszy wykazujemy kliniczne znaczenie tych zagadnień w eksperymencie obrazowania włókien neuronalnych mózgu wolontariusza [4].

Referencje

  1. Borkowski K, Krzyżak AT. Analysis and correction of errors in DTI-based tractography due to diffusion gradient inhomogeneity. J Magn Reson. 2018; 296:5–11.
    https://doi.org/10.1016/j.jmr.2018.08.011
  2. Borkowski K, Krzyżak AT. The generalized Stejskal–Tanner equation for non–uniform magnetic field gradients. J Magn Reson. 2018; 296:23–28.
    https://doi.org/10.1016/j.jmr.2018.08.010
  3. Borkowski K, Krzyżak AT. Assessment of the systematic errors caused by diffusion gradient inhomogeneity in DTI – computer simulations. NMR in Biomedicine. 2019; e4130.
    https://doi.org/10.1002/nbm.4130
  4. 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

Newsletter

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