Entwicklung von Techniken zur Segmentierung, Quantifizierung und Parametrisierung des zerebralen arteriellen und venösen Gefäßsystems auf der Grundlage von MRT-Daten

点击翻译按钮获取中文摘要

Ziel dieses Kooperationsprojektes zwischen ist die Entwicklung eines umfassenden Frameworks zur morphologischen und biophysikalischen Charakterisierung des zerebralen Blutgefäßsystems im Menschen. Hierfür wird die bereits im vorherigen Projekt etablierte ToF-SWI-Sequenz eingesetzt, um intrinsisch registrierte ToFund SWI-Daten zu akquirieren sowie magnetische Suszeptibilitätskarten zu berechnen. Anhand dieser Daten werden arterielle und venöse Gefäßbäume mit angepassten level set Methoden extrahiert. Die Validierung der Gefäßsegmentierung erfolgt unter Zuhilfenahme eines aus MRT-Daten manuell segmentierten, numerischen Gehirnmodells, das ebenso für Simulationen mit verschiedenen MRT-Akquisitionsparametern verwendet wird. Mit Hilfe dieser Simulationen sollen zunächst quantitative Parameter für eine detaillierte Beschreibung des normalen Blutgefäßnetzwerks extrahiert werden, die auch der Charakterisierung pathologischer Gefäßveränderungen (z.B. Aneurysma, Stenose, etc.) dienen können. Eine Verknüpfung makroskopischer mit mikroskopischer Gefäßinformation erfolgt durch Hinzunahme von Ergebnissen aus Gefäßgrößenmessungen (vessel size imaging). Zur quantitativen Beschreibung von kleinen Gefäßen, Kapillaren oder dem Flüssigkeitsaustausch mit Gewebe werden die segmentierten (makroskopischen) arteriellen und venösen Gefäßbäume in den mesoskopischen Bereich fortgesetzt, indem ein künstliches Gefäßbaumwachstum an den Endpunkten der segmentierten Gefäßbäume initiiert wird. Die so fortgesetzten Gefäßbäume werden anschließend statistisch untersucht (z.B. mit Hilfe der Texturanalyse), um eine Beziehung zwischen künstlichen und realistischen Gefäßgrößen herzustellen. Die im Rahmen dieses Projektes implementierten Algorithmen werden in ein Programmpaket zur Analyse des zerebralen Blutgefäßsystems integriert und Forschern und Klinikern zur Verfügung gestellt.