Vai ai contenuti. | Spostati sulla navigazione | Spostati sulla ricerca | Vai al menu | Contatti | Accessibilità

| Crea un account

De Luca, Alberto (2017) Moving beyond DTI: non-gaussian diffusion in the brain and skeletal muscle. [Tesi di dottorato]

Full text disponibile come:

[img]
Anteprima
Documento PDF - Versione accettata
8Mb

Abstract (inglese)

Diffusion Magnetic Resonance Imaging (dMRI) is a diagnostic technique able to provide in- vivo measures that are related to the microstructure of tissues. Thanks to the sensitivity to microstructural tissue changes, Diffusion Weighted Imaging (DWI) and derived metrics, as the Apparent Diffusion Coefficient (ADC) , became the gold standard for the detection of strokes and ischemia since the early 90‟s. In 1994 Basser and colleagues introduced Diffusion Tensor Imaging (DTI), the first quantification approach able to capture the anisotropy of the diffusion process in in-vivo biological tissues. Chapter II shows the results we obtained applying DTI to investigate white matter alterations of a population affected by Friedreich‟s Ataxia.
After more than 20 years from its introduction, DTI is still widely applied. However, concerns about the limitations of the technique have been increasingly risen over-time, with particular reference to the lack of specificity of the model and the coexistence of tissues with multiple architectures. Additionally, the tensor model can be applied only to a range of “moderate” diffusion sensitizations, after which the presence of biological membranes becomes non-negligible and gives origin to phenomena of “non-Gaussian diffusion”, that violate the assumptions of the model. Chapter III and Chapter IV deal specifically with these limitations, addressing the problem with two different approaches and applications. Another popular technique to investigate the dMRI signal is Spherical Deconvolution (SD), that in Chapter IV is presented in a tissue specific formulation and applied to derive diffusivity metrics specific to white matter, gray matter and cerebrospinal fluid, both in healthy controls and in a patient affected by MS.
Since the early days of dMRI, experiments have been performed not only in the brain but in several body districts, including the skeletal muscle. Back in 1986 Le Bihan et al. observed that the water flowing in the micro vascular network and in the vessels was contributing to the acquisition of data at very low diffusion sensitization, and proposed the “Intra- Voxel Incoherent Motion” (IVIM) model. IVIM can be seen either as a model to obtain measures of pseudo-diffusion, or as a technique to obtain perfusion free ADC measures, thus recognizing it as an artifact. Although dMRI and DTI were applied to the skeletal muscle since its early days, later evolutions as Diffusion Kurtosis Imaging have only recently been applied to the skeletal muscle to fit dMRI data acquired at strong diffusion sensitization. The concepts of IVIM and DKI are developed in Chapter V, where the effects of the first on DTI and DKI, as well as the relation between DTI and DKI metrics are investigated through simulations and MRI data of the calf.
In line with the current dMRI literature, the first 5 chapters of this thesis depict the diffusion signal as a complex measure arising from multiple tissue components. Chapter VI investigates a multi-compartment pseudo-continuous deconvolution approach, a technique that does not require explicit modeling of the tissues. Finally, Chapter VII presents an overview of other research topics I have work on during the PhD.

Abstract (italiano)

L’Imaging mediante Risonanza Magnetica pesata in diffusione (diffusion-weighted Magnetic Resonance Imaging, dMRI) è una tecnica diagnostica in grado di fornire metriche correlate alla microstruttura dei tessuti. L’imaging pesato in diffusione (Diffusion Weigted Imaging, DWI) e tecniche derivate, quali il coefficiente di diffusione apparente (Apparent Diffusion Coefficient, ADC), in virtù della loro sensibilità ai cambiamenti microstrutturali nei tessuti, possono essere considerate lo stato dell’arte nella diagnosi di ictus ed ischemia cerebrale dai primi anni 90.
Nel 1994 Basser e colleghi hanno introdotto l’imaging basato sul tensor di diffusione (Diffusion Tensor Imaging, DTI), la prima tecnica di quantificazione in grado di descrivere l’anisotropia del processo diffusivo nei tessuti biologici. Nel capitolo II sono illustrati i risultati di uno studio effettuato sulla sostanza bianca di pazienti affetti da Atassia di Friedreich con il modello DTI.
Dopo oltre 20 anni dalla sua presentazione il modello DTI è ancora ampiamente utilizzato, tuttavia molteplici limitazioni sono state dimostrate spingendo verso un suo superamento, con particolare riferimento alla bassa specificità del modello e alla coesistenza di molteplici tessuti caratterizzati da architetture differenti. Inoltre, il modello tensoriale può essere applicato solo a dati acquisiti in uno specifico intervallo di pesature in diffusione, al di fuori del quale l’effetto delle membrane biologiche è non trascurabile originando fenomeni detti di diffusione non-gaussiana, che violano gli assunti del modello. Su questi argomenti vertono i capitoli III e IV, proponendo due differenti approcci per superare le limitazioni del DTI. Un’altra tecnica molto diffusa per analizzare il segnale dMRI è la deconvoluzione sferica (Spherical Deconvolution, SD), presentata nel capitolo IV in una formulazione tessuto-specifica ed applicata a soggetti di controllo e un paziente affetto da sclerosi multipla per derivare metriche specifiche a sostanza bianca, grigia e fluido cerebro-spinale.
Storicamente, la dMRI è stata applicata non solo all’encefalo ma a diversi distretti periferici, incluso il muscolo scheletrico. Nel 1986 Le Bihan e colleghi osservarono come il segnale proveniente dall’acqua fluente nei vasi periferici e nella rete micro vascolare contribuissero al segnale dMRI acquisito con piccolo pesatura in diffusione, proponendo il modello “Intra- Voxel Incoherent Motion” (IVIM) per spiegarlo. IVIM può essere visto come un modello per ottenere misure di pseudo-diffusione o come una tecnica per ottenere misure di ADC ripulite dall’effetto della perfusione, categorizzandola come un artefatto. Nonostante la dMRI e il DTI siano stati applicati al muscolo scheletrico sin dalle origini, solo in tempi recenti evoluzioni quali il Diffusion Kurtosis Imaging sono state sperimentate con successo su dati muscolari acquisiti a forte pesatura in diffusione. I concetti di IVIM e DKI sono sviluppati nel capitolo V, dove gli effetti del primo su DTI e DKI, nonchè la relazione tra DTI e DKI sono analizzate mediante simulazioni e dati MRI della gamba inferiore.
In linea con l’attuale letteratura dMRI, i primi 5 capitoli di questa tesi mostrano il segnale in diffusione come misura eterogenea. Il capitolo VI propone l’analisi di un metodo di deconvoluzione multi-compartimentale e pseudo-continuo, tecnica che non richiede di modellizzare esplicitamente il segnale dMRI. Infine, il capitolo VII presenta un sommario di altri argomenti di ricerca sviluppati nel corso degli studi di dottorato.

Statistiche Download - Aggiungi a RefWorks
Tipo di EPrint:Tesi di dottorato
Relatore:Bertoldo, Alessandra
Dottorato (corsi e scuole):Ciclo 29 > Corsi 29 > INGEGNERIA DELL'INFORMAZIONE
Data di deposito della tesi:31 Gennaio 2017
Anno di Pubblicazione:Febbraio 2017
Parole chiave (italiano / inglese):magnetic resonance imaging, water diffusion, gaussian, skeletal muscle, risonanza magnetica, DTI, diffusion MRI, muscolo scheletrico, diffusione, noddi, spherical deconvolution, deconvoluzione, ivim, perfusion
Settori scientifico-disciplinari MIUR:Area 09 - Ingegneria industriale e dell'informazione > ING-INF/06 Bioingegneria elettronica e informatica
Struttura di riferimento:Dipartimenti > Dipartimento di Ingegneria dell'Informazione
Codice ID:10090
Depositato il:17 Nov 2017 09:25
Simple Metadata
Full Metadata
EndNote Format

Bibliografia

I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione.

Basser, P. J., Mattiello, J., & LeBihan, D. (1994). MR diffusion tensor spectroscopy and imaging. Biophysical Journal, 66(1), 259–67. https://doi.org/10.1016/S0006- 3495(94)80775-1 Vai! Cerca con Google

Marschar, A. M., Kuder, T. A., Stieltjes, B., Nagel, A. M., Bachert, P., & Laun, F. B. (2015). In vivo imaging of the time-dependent apparent diffusional kurtosis in the human calf muscle. Journal of Magnetic Resonance Imaging, 41(6), 1581–1590. https://doi.org/10.1002/jmri.24743 Vai! Cerca con Google

Jensen, J. H., Helpern, J. a, Ramani, A., Lu, H., & Kaczynski, K. (2005). Diffusional kurtosis imaging: the quantification of non-gaussian water diffusion by means of magnetic resonance imaging. Magnetic Resonance in Medicine : Official Journal of the Society of Magnetic Resonance in Medicine / Society of Magnetic Resonance in Medicine, 53(6), 1432–40. https://doi.org/10.1002/mrm.20508 Vai! Cerca con Google

Le Bihan, D., Breton, E., Lallemand, D., Grenier, P., Cabanis, E., & Laval-Jeantet, M. (1986). MR imaging of intravoxel incoherent motions: application to diffusion and perfusion in neurologic disorders. Radiology, 161(2), 401–7. https://doi.org/10.1148/radiology.161.2.3763909 Vai! Cerca con Google

Le Bihan, D., & Breton, E. (1985). Imagerie de diffusion in-vivo par résonance magnétique nucléaire. Comptes-Rendus de l’Académie Des Sciences, 93(5), 27–34. Cerca con Google

Le Bihan, D. (2013). Apparent diffusion coefficient and beyond: what diffusion MR imaging can tell us about tissue structure. Radiology, 268(2), 318–22. https://doi.org/10.1148/radiol.13130420 Vai! Cerca con Google

A. De Luca, A Bertoldo, M Froeling: “Effects of perfusion on DTI and DKI estimates in Cerca con Google

the skeletal muscle”, Magnetic Resonance in Medicine 2016 Aug 19, PMID: 27538923 Cerca con Google

DOI:10.1002/mrm.26373. Cerca con Google

M. Calabrese, M. Castellaro, A. Bertoldo, A. De Luca, FB Pizzini, GK Ricciardi, M Pitteri, S Zimatore, R Magliozzi, MD Benedetti, P Manganotti, R Reynolds, A Gajofatto, S Monaco: “Epilepsy in multiple sclerosis: The role of temporal lobe damage”, Multiple Sclerosis Journal, 2016 June 3, PMID:27260699 DOI: 10.1177/1352458516651502. Cerca con Google

A De Luca, A Bertoldo, M Froeling: “Effects of perfusion on DTI and DKI estimates of Cerca con Google

the skeletal muscle”. ISMRM Diffusion Workshop 2016, Lisbon, Portugal, 11-16 Cerca con Google

September 2016. Cerca con Google

A De Luca, A Bertoldo, M Froeling: “A correlation study of free diffusion and kurtosis Cerca con Google

changes in longitudinal acquisition of the skeletal muscle”. ISMRM Diffusion Workshop Cerca con Google

2016, Lisbon, Portugal, 11-16 September 2016. Cerca con Google

A De Luca, A Bertoldo, F Arrigoni, M Froeling: “Hindered diffusion, free water and Cerca con Google

pseudo-diffusion quantification in the brain: a comparison of Stejskal-Tanner and Flow- Compensated gradients.”. ISMRM Diffusion Workshop 2016, Lisbon, Portugal, 11-16 September 2016. Cerca con Google

A De Luca, A Bertoldo, M Froeling: “Effects of perfusion on DTI and DKI estimates in the skeletal muscle”. ISMRM 2016, Singapore, 07-13 May 2016 Cerca con Google

A De Luca, G D‟Angelo, D Peruzzo, F Triulzi, A Bertoldo, F Arrigoni: “Multi- parametric assessment of thigh muscles in patients with limb girdle muscular dystrophies (LGMD): preliminary results.”, ISMRM 2016, Singapore, 07-13 May 2016. Cerca con Google

A. De Luca, M. Castellaro, S. Montemezzi, M. Calabrese, A. Bertoldo: “Tissue separation of multi-shell DW-MRI with a physiologically constrained multi compartment model and spherical deconvolution.”, ISMRM 2015, Toronto, Canada, 29 May – 06 June 2015. Cerca con Google

A. De Luca, M. Castellaro, S. Montemezzi, M. Calabrese, A. Bertoldo: “Hippocampi and epilepsy in MS patients: a diffusion weighted imaging study with NODDI.”, ISMRM 2015, Toronto, Canada, 29 May – 06 June 2015. Cerca con Google

A. De Luca, D. Peruzzo, F. Triulzi, F. Arrigoni, A. Bertoldo: “An automatic classificator based on local fractal features for the identification of cortical malformations”, ISMRM 2015, Toronto, Canada, 29 May – 06 June 2015. Cerca con Google

M. Vavla, F. Arrigoni, E. Petacchi, A. Nordio, A. De Luca, E. Russo, S. Pizzighello, G. Paparella, E. Brighina, G. D‟Angelo, E. Carraro, A. Martinuzzi: “Potential neuroimaging biomarkers validated in Friedrich‟s Ataxia: DTI and Functional magnetic resonance findings”, IARC 2015, Berkshire, England, 25-28 March 2015. Cerca con Google

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record