Diffusion Simulation Based Tracking And Optimized Gradient Encoding Schemes For Diffusion Magnetic Resonance Imaging
Mang, Sarah
URL:
|
https://ub-madoc.bib.uni-mannheim.de/1913
|
URN:
|
urn:nbn:de:bsz:180-madoc-19131
|
Document Type:
|
Doctoral dissertation
|
Year of publication:
|
2008
|
The title of a journal, publication series:
|
None
|
Place of publication:
|
Mannheim
|
Publishing house:
|
Universität Mannheim
|
University:
|
Universität Mannheim
|
Evaluator:
|
Männer, Reinhard
|
Date of oral examination:
|
11 April 2008
|
Publication language:
|
English
|
Institution:
|
School of Business Informatics and Mathematics > Informatik V (Männer 1992-2008)
|
Subject:
|
500 Science
|
Subject headings (SWD):
|
Magnetische Resonanz
|
Individual keywords (German):
|
Faserrekonstruktion , Gradientenschemata , Diffusions-Tensor-Bildgebung , Tensoren höherer Ordnung
|
Keywords (English):
|
DTI , Fiber Tracking , Higher Order Tensors , Gradient Encoding Schemes
|
Abstract:
|
Diffusion tensor magnetic resonance imaging is the only non-invasive imaging technique that allows the discrimination of different matter types as well as the distinction of matter anatomy. Anatomy investigations are possible because the measured diffusion is stronger in parallel with boundaries, such as for example cell membranes. For the reconstruction of complicated anatomies, especially the pathways of neuronal brain fibers, fiber tracking methods were developed. The classical streamline tracking methods cannot handle voxels that contain multiple fiber orientations well. Examples for such multi-orientation voxels are voxels containing fiber crossing, fiber branching or kissing fibers. The directional heterogeneity in such voxels cannot be modeled with the simple second order diffusion tensor used for standard tracking, which can only model one dominating diffusion direction. I have developed a new diffusion simulation based fiber tracking method that uses time-of-arrival maps to reconstruct the tracts. This method is able to resolve a lot of problems of the commonly used streamline method. The reconstruction can also be performed on simulations that use more advanced diffusion models. A first simple example for such an extension of the diffusion simulation is discussed here. To use more advanced diffusion models, such as the higher order tensor hierarchy, in a clinical environment the extensive measurement time required for the data acquisition for this model needs to be reduced. In my evaluations on gradient encoding schemes I investigated the required number of encoding directions and the distribution of the directions for higher order tensor estimations with several quality measures. I was able to show, that 21 directions are the minimal required number of encoding directions for the higher order tensor hierarchy model and that the paired off force minimizing gradient encoding scheme is the best all purpose scheme for diffusion evaluation with second or higher order tensor models.
|
Translation of the title:
|
Auf Diffusionssimulation basierendes Fibertracking und optimierte Gradientenschemata für Diffusions-Magnetresonanzbildgebung
(German)
|
Translation of the abstract:
|
Diffusionstensor Magnetresonanz Bildgebung ist das einzige nicht-invasive Bildgebungsverfahren, das es erlaubt sowohl verschiedene Gewebearten zu unterscheiden als auch auf die Gewebeanatomie zu schließen. Rückschlüsse auf die Anatomie sind möglich, da die gemessene Diffusion stärker parallel zu begrenzenden Strukturen, wie zum Beispiel Zellmembranen, verläuft. Um komplizierte Anatomien, ins besondere Nervenbahnen im Gehirn, zu rekonstruieren wurden verschiedene Rekonstruktionsmethoden (so genannte ”Fiber Tracking“-Verfahren) entwickelt. Die klassischen ”Streamline“-Rekonstruktionsmethoden können Voxel mit mehreren Faserorientierungen (zum Beispiel Faserkreuzungen oder -verzweigungen) schlecht handhaben. Die in diesen Voxeln vorliegende Heterogenität der Faserrichtungen kann nicht durch das einfach Tensormodell zweiter Ordnung, das von Standardrekonstruktionsverfahren benutzt wird, beschrieben werden, da es maximal eine dominante Diffusionsrichtung adäquat beschreiben kann. Ich habe eine neue diffusionssimulationsbasierte Methode zur Rekonstruktion von Nervenbahnen entwickelt, die Fasern unter der Verwendung von so genannten “Time-of-Arrival Maps“ rekonstruiert. Diese Methode ist in der Lage einige Probleme der gebräuchlichen ”Streamline“-Verfahren zu lösen. Außerdem kann dieses Rekonstruktionsverfahren auf beliebigen Diffusionssimulationen, also auch auf solchen, die kompliziertere Diffusionsmodelle verwenden, aufgesetzt werden. Ein erster Ansatz, eine solche weiterentwickelte Diffusionssimulation zu definieren, wird hier diskutiert. Um kompliziertere Diffusionsmodelle, wie zum Beispiel Tensoren höherer Ordnung, in einem klinischen Kontext zu verwenden, muss die extrem lange Messzeit für die benötigten Daten reduziert werden. In meiner Betrachtung von Gradientenkodierschemata habe ich die benötigte Anzahl von Gradientenrichtungen und deren Verteilung mit verschiedenen Qualitätskriterien untersucht. Ich konnte zeigen, dass 21 Richtungen die minimal benötigte Anzahl an Richtungen für das Tensorhierarchie-Model sind und dass die paarweise Kräfteminimierung zwischen den Gradientenrichtungen die beste allgemeine Verteilung für die Auswertung von Tensoren jeder Ordnung liefert.
(German)
|
Additional information:
|
|
| Das Dokument wird vom Publikationsserver der Universitätsbibliothek Mannheim bereitgestellt. |
Search Authors in
BASE:
Mang, Sarah
Google Scholar:
Mang, Sarah
You have found an error? Please let us know about your desired correction here: E-Mail
Actions (login required)
|
Show item |
|