Statistische Strukturmodelle zur automatisierten Erstellung individueller, neuronaler Vernetzungsprofile für die Demenzforschung

扩散的图像体积的Auswertung用于识别和定量分析单个神经元的行为，即复杂的神经元对Geirns的识别。Aktuelle Verfahren zur Auswertung von diffusionsgewichteten Bildern haben großes Potential in der Demenzforschung bewiesen，sind aber often stark von manuellen Eingaben abhängig und örtlich begrenzt auf eine or der einige wenige Zielregionen.基于体素的技术在skalaren Werten和verlieren的Auswertung上有很大的提高--或者是Vernetzunginformationen。同样，对于一个注册过的图片或一个醒目的图片，我们也很欣赏。Viele der relevanten Nervenbündel sind sehr dünn，stark gekrümmt，liegen toucht beeinander or der kreuzen sich gegenseitig. Teilweise sind sie auch努尔an bestimmten Stellen komberert，was eine vollständige Identifizierung ohne Kenntnis des normalen Verlaufes schwierig macht.在解剖结构验证的基础上，并在此基础上进行验证，这是一种非常有效的方法，可以使相关的神经节保持健壮和再生。这些研究表明，相关结构的特征和基本特征是可以建模的，并且在特定结构的相互作用中具有先验知识。这两种统计结构模型的概念在Krebsforschungszentrum中得到了广泛的应用，并在一种统计形式模型中得到了广泛的应用。这是一种用于自动识别个体化患者的方法，神经元的Vernetzungsprofile和特征性Schädigungsmustern am Beispiel neurodegenerativer Erkrankungen wie der Demenz vom Alzheimer Type的能力。Die Vorgehensweise verspricht Benutzerunabhängigkeit，geeigneten Umgang mit Partialvolumeneffekten and eine hypothesenfreie Betrachtung der Veränderungen in der neuronalen Vernetzungstruktur.

Die Auswertung von diffusionsgewichteten Bildvolumina erlaubt die Identifizierung und quantitative Beurteilung von Schädigungen der aus einzelnen Nervenfasern bestehenden, komplexen neuronalen Vernetzung des Gehirns. Aktuelle Verfahren zur Auswertung von diffusionsgewichteten Bildern haben großes Potential in der Demenzforschung bewiesen, sind aber oft stark von manuellen Eingaben abhängig und örtlich begrenzt auf eine oder einige wenige Zielregionen. Voxelbasierte Techniken beschränken zudem häufig auf die Auswertung von skalaren Werten und verlieren somit wertvolle Richtungs- oder Vernetzungsinformationen. Auch die Abhängigkeit von einer korrekten Bildregistrierung oder einer starken Glättung der Bilder ist hoch. Viele der relevanten Nervenbündel sind sehr dünn, stark gekrümmt, liegen dicht beieinander oder kreuzen sich gegenseitig. Teilweise sind sie auch nur an bestimmten Stellen komprimiert, was eine vollständige Identifizierung ohne Kenntnis des normalen Verlaufes schwierig macht. Aufgrund der Verschiedenheit der anatomischen Strukturen und deren Vernetzung untereinander gibt es bis heute kein Verfahren, welches eine umfassende Auswertung aller relevanten Nervenbündel robust und reproduzierbar erlaubt. Ziel dieses Forschungsvorhabens ist es, die Eigenschaften und besonderen Merkmale der relevanten Strukturen geeignet zu modellieren und als a priori Wissen bei der Betrachtung spezifischer Strukturen einzubinden. Das zu diesem Zweck entwickelte Konzept der statistischen Strukturmodelle baut auf den am Krebsforschungszentrum bereits an anderen Organen erfolgreich im Einsatz befindlichen statistischen Formmodellen auf. Es beinhaltet einen Ansatz für eine automatisierte Erstellung patientenindividueller, neuronaler Vernetzungsprofile und die Ableitung von charakteristischen Schädigungsmustern am Beispiel neurodegenerativer Erkrankungen wie der Demenz vom Alzheimer Typ. Die Vorgehensweise verspricht Benutzerunabhängigkeit, geeigneten Umgang mit Partialvolumeneffekten und eine hypothesenfreie Betrachtung der Veränderungen in der neuronalen Vernetzungstruktur.