Bevezetés

A diffúziós mágneses rezonancia képalkotás (dMRI) a központi idegrendszer klinikai célú vizsgálatainak egyik legfontosabb modalitása, emellett a kvantitatív MRI-kutatások ígéretes területe [1]. A képalkotásban is használt gradiens-terek megfelelő alkalmazásával a vízmolekulák mikrométeres nagyságrendű elmozdulása alapján új, független kontraszt hozható létre, mellyel az extracelluláris tér tulajdonságai számszerűsíthetők. Az agyi fehérállomány rostjaival párhuzamos irány mentén erősebb elmozdulás alapján a különböző agyterületeket összekötő axon-kötegek, akár voxelenként több rost-populációt elkülönítve, azonosíthatók; ennek egyik, újabban egyre nagyobb figyelmet kapó megközelítése a CSD-traktográfia („constrained spherical deconvolution”) [2].

Az elmúlt években a Semmelweis Egyetem Orvosi Képalkotó Klinika Neuroradiológia Tanszékén több klinikai kutatási projektben is alkalmazásra került olyan mérési szekvencia, mellyel a CSD-számításokhoz szükséges részletességű dMRI adat nyerhető. A központi idegrendszer betegségeinek vizsgálatában ígéretes terület a teljes agy kapcsolataiból felépített gráfok elemzése, az egyes agyterületek szegmentációja azonban, amik a hálózatok csomópontjait adják, jelentősen befolyásolja az azonosított kapcsolatok számát és megbízhatóságát [3, 4].

A hallgató feladatai:

• A dMRI mérés és adatfeldolgozás módszertani alapjainak, a jellemző műtermékeknek, valamint ezek kezelési eljárásainak megismerése
• Az NRT-n gyűjtött adatoknál alkalmazott eljárások és feldolgozó szoftverek megismerése.
• A dMRI-szekvenciánál jellemző műtermékek hatásának vizsgálata az érintett agyterületek kapcsolataira.
• A szegmentáció subcorticalis fehérállományra történő kiterjesztésének vizsgálata gráfelméleti mérőszámokkal.

Referenciák:

1.            Bashir U, Y.J., Rasuli B, et al., Diffusion-weighted imaging. . Radiopaedia.org, 2023. Reference article( (Accessed on 17 Nov 2023) ).

2.            Tournier, J.D., et al., Direct estimation of the fiber orientation density function from diffusion-weighted MRI data using spherical deconvolution. Neuroimage, 2004. 23(3): p. 1176-85.

3.            Chapter 1 - An Introduction to Brain Networks, in Fundamentals of Brain Network Analysis, A. Fornito, A. Zalesky, and E.T. Bullmore, Editors. 2016, Academic Press: San Diego. p. 1-35.

4.            Chapter 2 - Nodes and Edges, in Fundamentals of Brain Network Analysis, A. Fornito, A. Zalesky, and E.T. Bullmore, Editors. 2016, Academic Press: San Diego. p. 37-88.