Die Beurteilung der Diagnose und Prognose von Patienten mit Alzheimer- oder Parkinson-Krankheit mit kognitiver Beeinträchtigung mittels Diffusions-MRT

Derzeit werden die Alzheimer-Krankheit (AD) und die Parkinson-Krankheit (PD) hauptsächlich von Neurologen anhand klinischer Symptome diagnostiziert. Für ihre Diagnose stehen jedoch keine objektiven Kriterien zur Verfügung. Obwohl die Magnetresonanztomographie (MRT) häufig in Verbindung mit der klinischen Beurteilung eingesetzt wird, werden die Bilder meist zur Beseitigung anderer Krankheiten und nicht zur Bestätigung der Diagnose verwendet. Andere bildgebende Verfahren wie die Positionsemissionstomographie oder die Computertomographie können bei der Diagnose von AD und Parkinson hilfreich sein, haben jedoch schädliche Auswirkungen auf den menschlichen Körper.

Die Diffusions-MRT und insbesondere die Diffusionstensor-Bildgebung werden häufig zur Beurteilung von Veränderungen der Konnektivität im Zentralnervensystem eingesetzt. Da es nicht-invasiv ist und keine Strahlung erfordert, eignet sich die Diffusions-MRT für Längsschnittstudien. Es wurde mit guten Ergebnissen zur Beurteilung der Faserdichte und des Faserquerschnitts bei vielen Krankheiten eingesetzt, darunter Epilepsie, Multiple Sklerose und Hirntumoren. Mit der Diffusions-MRT können mehrere Messungen durchgeführt werden, darunter die fraktionierte Anisotropie sowie die mittlere, radiale und axiale Diffusionsfähigkeit. Die bei der Diffusions-MRT beobachteten Veränderungen hängen mit Veränderungen des Wassergehalts innerhalb und außerhalb der Zellen zusammen, sodass ein Anstieg des Diffusionskoeffizienten auf eine Erhöhung der Zellmembranpermeabilität zurückzuführen sein könnte, die auf Zelltod und Zellbruch zurückzuführen sein könnte. Ein höherer Diffusionskoeffizient kann auf ein stärkeres Absterben von Neuronen hinweisen. Daher kann der Forscher mithilfe der Diffusionskurtosis möglicherweise die Diagnose der Parkinson-Krankheit verbessern.

Bei der Forschung zu AD stellte der Forscher fest, dass der Diffusionskoeffizient von Patienten mit leichter kognitiver Beeinträchtigung und AD deutlich höher ist als bei Kontrollpatienten. Der Forscher wird eine Analyse von 90 Gehirnregionen durchführen, darunter Gyrus fusiformis, Hippocampus, Parahippocampus und Cingulum. Es wurde beobachtet, dass die aufgeführten Regionen Unterschiede in der mittleren Diffusivität bei AD-Patienten und solchen mit einem AD-Risiko im Vergleich zu normalen Kontrollen aufweisen. In früheren Studien wurden Überlappungen zwischen Bereichen beobachtet, in denen die mittlere Diffusionsfähigkeit zunimmt, und Bereichen, in denen Gehirnregionen schrumpfen, es gibt jedoch mehr Regionen und größere Bereiche, in denen der Diffusionskoeffizient zunimmt. Daher ist die mittlere Diffusivität möglicherweise ein geeigneterer klinischer Index als die aktuelle Methode zur Bestimmung des Gehirnvolumens. Darüber hinaus besteht ein Zusammenhang zwischen einer erhöhten mittleren Diffusivität und dem Schweregrad einer leichten kognitiven Beeinträchtigung oder AD. Die Ablagerung von Amyloid steht im Einklang mit dem Fortschreiten der Krankheit, was ein weiterer Beleg dafür ist, dass die mittlere Diffusionsfähigkeit verwendet werden kann, um das Fortschreiten einer leichten kognitiven Beeinträchtigung und AD widerzuspiegeln.

Der Forscher plant, Compressed Sensing zu verwenden, um die Geschwindigkeit der Diffusions-MRT zu erhöhen. Dazu gehören die Bildvorverarbeitung, die Erfassung von Compressed Sensing-Beobachtungen, die Neukonstruktion des Modells und die Rekonstruktion des Algorithmus. Der Forscher plant außerdem, die aktuellen Einschränkungen der Analyse der interessierenden Regionen zu überwinden. Eine Möglichkeit, dies zu erreichen, ist die voxelweise Analyse. Sie weist jedoch Einschränkungen auf, die durch die Normalisierung des Bildes auf einen Vorlagenraum verursacht werden, und mögliche Probleme bei der Traktographie, die durch Rotation oder Verzerrung des Bildes verursacht werden. Darüber hinaus verhindert die Verwendung einer studienspezifischen Vorlage, dass die Ergebnisse in Brodmann- oder Talairach-Koordinaten verfügbar sind. Am wichtigsten ist, dass die Voxelanalyse nicht auf Gehirnregionen basiert, sodass es schwierig ist, die Eigenschaften jeder Region zu bestimmen, und unserem Algorithmus zufolge würde eine große Menge an Voxeldaten die Auflösung der Statistiken stark verringern und Probleme bei der statistischen Analyse verursachen . Daher muss der Forscher einen gemeinsamen Standardraum verwenden und eine geeignete Bildgebungstechnik entwickeln.

Der Forscher entscheidet sich für die Verwendung der automatischen anatomischen Markierung (AAL), da dies ein häufig verwendetes System in der neurowissenschaftlichen Forschung ist. Der Prüfer verwendet auch die Vorlage 152 des Montreal Neuroscience Institute (MNI152) als Standardvorlage. Bei der Bildgebung und Verarbeitung des gesamten Gehirns verwendet der Forscher die Affine Transformation, wie sie üblicherweise für MRT und Diffusions-MRT verwendet wird. Dazu gehören Camino, FSL und SPM. Der Forscher wird untersuchen, wie die Alterung eines gesunden Gehirns die Diffusions-MRT verändert und Vergleiche zwischen dem Altern bei Männern und Frauen anstellen.

Der Forscher wird Deep Learning auch nutzen, um die Sensitivität und Spezifität zu erhöhen und die Genauigkeit der Klassifizierung und Diagnose durch Vorverarbeitung von Datensatzprobenzuordnungsdaten und tiefes neuronales Netzwerkdesign zu verbessern.

Mithilfe von AAL wird eine Parzellierung des gesamten Gehirns durchgeführt, um Diffusions-MRT-Informationen von Regionen im Gehirn zu erhalten. Betroffene Regionen werden identifiziert und analysiert. Der Forscher hofft, dass die Diffusions-MRT unter Verwendung ganzer Hirnregionen zur Differenzialdiagnose und zur Identifizierung von Regionen mit hoher Korrelation zum klinischen Schweregrad sowie zur genauen Krankheitsdiagnose und -prognose verwendet werden kann, um als Referenz für Kliniker zu dienen.

Ziel des Forschers ist es, mithilfe der Diffusions-MRT die kognitive Funktion zu beurteilen und zu beurteilen, ob sie sich bei Patienten mit neurodegenerativen Erkrankungen verschlechtert. Darüber hinaus hofft der Forscher, mithilfe der Diffusions-MRT den Schweregrad und die Prognose der Erkrankung bestimmen zu können. Eine Verschlechterung der Neurodegeneration und der kognitiven Fähigkeiten führt zu einer erhöhten Sterblichkeit und einer schlechteren Lebensqualität. Der Zusammenhang zwischen Diffusions-MRT-Ergebnissen und der Schwere der Erkrankung könnte eine objektive Methode sein, die es Ärzten ermöglicht, diese Krankheiten mit größerer Sicherheit und früher im Krankheitsausbruch zu diagnostizieren, bevor sich die Symptome verschlimmern.

Die Studie wird in drei Phasen über einen Zeitraum von drei Jahren abgeschlossen. Im ersten Jahr hofft der Forscher, ein optimales, qualitativ hochwertiges Bildkomprimierungserfassungsschema und einen Bilddatenwiederherstellungsprozess für die Diffusions-MRT zu etablieren. Der Forscher hofft außerdem, eine optimale Methode zur Gehirnparzellierung zu entwickeln und Deep Learning zu nutzen, um die Diagnose von Patienten mit leichter kognitiver Beeinträchtigung zu verbessern.

Im zweiten Jahr hofft der Forscher, mithilfe von Deep Learning einen Prozess zur Vorhersage der Prognose von Patienten mit typischer und atypischer Parkinson-Krankheit zu etablieren. Der Forscher hofft auch, unsere Evaluierung des Einsatzes von Deep Learning zur Diagnose leichter kognitiver Beeinträchtigungen abschließen zu können.

Im dritten Jahr möchte der Forscher die Entwicklung einer Methode zur Vorhersage der Prognose von Patienten mit typischer und atypischer Parkinson-Krankheit abschließen. Der Prüfer wird auch unsere Methode zur Verwendung von Deep Learning zur Bewertung etablieren und vervollständigen, ob Patienten mit leichter kognitiver Entwicklung werden AD entwickeln. Darüber hinaus vervollständigt der Prüfer die Benutzeroberfläche für die Bildverarbeitung.