Visualisering av sentralnervesystemet (CNS) MRI - fra nano til makro D xx D xy D xz D yx D yy D yz D zx D zy D zz Prof. dr. med Laboratorium for nevroinformatikk og bildeanalyse Institutt for biomedisin C( x Δx, t) C ( x, t) C( x + Δx, t) FL FR MED1NEVRO Aging cognition, / BMED251 imaging and genetics 15. mai 2012 arvid_lundervold_introduksjon_til_mri_20120515.pptx
Organisme Organ Vev Musculo-skeletal system Circulatory system Respiratory system Digestive system Nervous system Urinary system Reproductive system Endocrine system Lymphoidal system Muscle tissue Nerve tissue Connective tissue Epithelial tissue Blood Celle Organelle Mitochondria Nucleus Endoplasmic reticulum Cell membrane Physiomics Protein DNA Grand challenges i beregningsorientert biologi/medisin: Fler-skala avbildning og -modellering
Et hjerne-preparat Den levende, intakte hjerne avbildet med MRI Siemens Vision plus Haukeland University Hospital 512 x 512
Intervensjons-MRI Åpen magnet Minimalt invasiv terapi
MRI prinsipper... Resonans z M(t)! y Magnetisk B 0! ω x B 1! RF! sende/ motta ADC ms Rådata K-space Fourierrommet 2D FFT Imaging tomografi
Vi avbilder:: Kontrastmekanismer ω B 0! vann-protoner i cellulært miljø MRI... gjennom: eksperimentelll manipulasjon av proton-spinn populasjoner Pulssekvenser ved bruk av: Fourier transform ( 2D FFT ) for k y Bilde rekonstruksjon n k x ω O H H A - m
Roterende magnetfelt M xy (t) induserer strøm i en spole B 0 Strøm (A) M xy (t) Spole / Antenne Tid (ms) Indusert signal (FID) FID = Free Induction Decay
MRI en familie av ulike måleteknikker / pulssekevenser (multimodal MRI) Fourier coding k-space
STØY i MR-bilder NAC = 1 NAC = 81 Signal-to-Noise Ratio (SNR) 10 sek & k-space midling av multiple akkvisisjoner (NAC) NAC = 9 NAC = 36 NAC = 144 NAC = 324 Arvid 10Lundervold min
Multispektral / multimodal MRI Proton-vektet T1-vektet T2-vektet
Multispektral 3D MRI FLASH DESS FISP T1-vektet T2-vektet -vektet OpenViz
Vevs-segmentering For hvert voxel i : Beregn P (vevstype data) [ GM ] [ WM ] [ CSF ] Trenings-områder for vevsspesifikk parameter-estimering Grå substans Hvit substans Cerebrospinalvæske
Mønstergjenkjenning / statistisk klassifikasjon (eng. pattern recognition ) Objekt (PASIENT) Måleverdier (eng. feature vector ) Måling sensor, scanner x Mønstergjenkjenning system Klasser / diagnoser 1! 2. Egenskapsrom Egenskap 3 (eng. feature space ) R 3 x 3 x=(x 1,x 2,x 3 ) x 2 Egenskap 2 (x) = i! Klassifikasjonsregel x 1 Egenskap1
csf wm gm Vevs-spesifikk fordeling av MRI signalintensiteter muskel luft fett # 1 # 2 # 3 # 4 F L A S H luft mus fett gm wm csf D E S S F I S P F L A S H
Vevs-klassifikasjon subject #1 slice 55 NN LVQ FLASH wm gm NN ML MRF luft fett csf muskel NN = Nearest Neighbour ML = Maximum Likelihood LVQ = Learning Vector Quantization MRF = Markov Random Field
Visualisering av ulike vev og hjernestrukturer # 1 NN Sag. Hvit substans (NN) # 2 794 ml 3D conn.comp. Vol (wm) = 511 ml Axi. Cor. Sideventrikler (NN) 24 ml 3D sammenhengskomponent
Visualisering basert på segmentering fmri flikkerlys stimulering ved 8 Hz Bildeopptak på Haukeland sykehus Siemens Expert 1.0 T MR scanner Cand.scient. Pål Magne Hisdal UiB (VTK)
Hjerne-morfometri fra T1-vektet 3D MRI http://surfer.nmr.mgh.harvard.edu/ Hjernebarkens overflate
Flate-modell (triangularisering / mesh )
Kart over hjernebarkens tykkelse [mm] (sett fra lateral-siden) mm
Kart over hjernebarkens tykkelse [mm] (sett fra medial-siden) mm
Anatomisk navngivning av de ulike farge-kodete barkområder (sett fra lateral-siden) Superior parietal Parsopercularis Supramarginal Inferior parietal Pars triangularis Lateral orbitofrontal Middle temporal Inferior temporal Lateral occipital
Anatomisk navngivning av de ulike farge-kodete barkområder (sett fra medial-siden) Posterior cingulate CC Cuneus CC Lateral occipital Lingual Fusiform Parahippocampal Entorhinal Medial orbitofrontal Temporal pole Frontal pole
Hippocampus segmentering Subject Fp06: Hippocampus coronally projected on slice 110 Subject Fp06: Hippocampus axially projected on slice 111 (hippocampus er sete for episodisk hukommelse) 50 50 100 100 150 150 200 200 250 50 100 150 200 250 250 50 100 150 200 250
Multispektral analyse PD T2 FA RGB (e 1x,e 1y,e 1z ) ADC mean Subcortical 85 13 13 13 13 13 ( RL = 16.4 o ) Fiber tracking (DTI-Studio) Cortical parsellering (FreeSurfer) scc gcc plic Anderlik et al, ICAD 2006 13 fs501
Hjernens anatomi - hvit substans myeliniserte fiberbaner for rask informasjonsoverføring Vanndiffusion i Vanndiffusion i isotrope strukturer anisotrope strukturer Synsnervekrysnimngen Synsstrålingen
Fiber tracking ( fra DTI opptak ) Hjernens konnektivitet Prinsipal diffusjonsretning som 3D vektorfelt
Diffusjon tensor avbildning (DTI) og fremstilling av fiberbaner (traktografi)
Hjernens blodkar, blodstrøm, og perfusjon MR angiografi (MRA) Blodkarsegmentering 3D MRI data The 3D vascular model Modellering og simulering av drug delivery (Kocinski) Kompartment-modellering av vaskulær lekkasje under antagelse om diffusiv og konvektiv transport COMSOL Multiphysics I samarbeid med Dr. Marek Kocinski, Technical University of Lodz, PL model_ns_br_br20051127_6_permt_closed_outflows.avi Bolus injeksjon
fmri eksperiment med visuelle stimuli... Objekt-gjenkjenning FMRI.avi
Voxler (volum-elementer) og ders innhold i fmri hjerneavbildning Ulike skalaer: 5 mill. nerveceller 50 millrd. synapser 250 km nerveutløpere Vev (hjerne-parenkym) Celler og blodkapillærer Vannmolekyler / protoner
Hvilke kilder bidrar til det målte fmri-signal i hvert voxel? Oppgaven Aktivering som ikke er relatret til oppgaven (f.eks. grad av årvåkenhet) Maskin-støy Målt signal Pulsasjoner (hjerte-rytme) ICA Independent Component Analysis Antagelse: varierende romlige aktiveringsmønstre fra de ulike kilder er statistisk uavhengige og ikke normalfordelte