Ocena diagnozy i rokowania pacjentów z chorobą Alzheimera lub chorobą Parkinsona z zaburzeniami funkcji poznawczych za pomocą dyfuzyjnego rezonansu magnetycznego

Obecnie choroba Alzheimera (AD) i choroba Parkinsona (PD) są diagnozowane głównie przez neurologów na podstawie objawów klinicznych. Nie ma jednak obiektywnych kryteriów ich rozpoznania. Chociaż obrazowanie metodą rezonansu magnetycznego (MRI) jest często stosowane w połączeniu z oceną kliniczną, obrazy są najczęściej używane w celu wyeliminowania innych chorób, a nie w celu potwierdzenia diagnozy. Inne metody obrazowania, takie jak pozycyjna tomografia emisyjna czy tomografia komputerowa, mogą pomóc w diagnostyce AD ​​i PD, ale mają szkodliwy wpływ na organizm ludzki.

MRI dyfuzyjne, aw szczególności obrazowanie tensora dyfuzji, są często wykorzystywane do oceny zmian w łączności w ośrodkowym układzie nerwowym. Ponieważ jest nieinwazyjny i nie wiąże się z promieniowaniem, dyfuzyjny MRI nadaje się do stosowania w badaniach podłużnych. Stosowano ją do oceny gęstości i przekroju poprzecznego włókien w wielu chorobach, w tym w padaczce, stwardnieniu rozsianym i guzach mózgu, z dobrymi wynikami. Z dyfuzyjnego rezonansu magnetycznego można uzyskać kilka pomiarów, w tym ułamkową anizotropię oraz średnią, promieniową i osiową dyfuzyjność. Zmiany obserwowane w MRI dyfuzyjnym są związane ze zmianami zawartości wody wewnątrz i na zewnątrz komórek, więc wzrost współczynnika dyfuzji może odzwierciedlać wzrost przepuszczalności błony komórkowej, co można przypisać śmierci i pękaniu komórek. Wyższy współczynnik dyfuzji może wskazywać na większą śmierć neuronów. Dlatego stosując kurtozę dyfuzyjną, badacz może poprawić diagnozę PD.

Na podstawie badań nad AD badacz stwierdził, że współczynnik dyfuzji u pacjentów z łagodnymi zaburzeniami poznawczymi i AD jest znacznie wyższy niż u pacjentów z grupy kontrolnej. Badacz przeprowadzi analizę 90 obszarów mózgu, w tym zakrętu wrzecionowatego, hipokampu, parahipokampu i zakrętu obręczy. Zaobserwowano, że wymienione regiony mają różnice w średniej dyfuzyjności dla pacjentów z AD i tych zagrożonych AD, w porównaniu z normalnymi kontrolami. We wcześniejszych badaniach zaobserwowano nakładanie się obszarów, w których średnia dyfuzyjność wzrasta, i obszarów, w których obszary mózgu się kurczą, ale jest więcej regionów i większych obszarów, w których współczynnik dyfuzji wzrasta. Dlatego średnia dyfuzyjność może być bardziej odpowiednim wskaźnikiem klinicznym niż obecna metoda objętości mózgu. Ponadto istnieje korelacja między zwiększoną średnią dyfuzyjnością a nasileniem łagodnych zaburzeń poznawczych lub AD. Odkładanie się amyloidu jest zgodne z postępem choroby, co dodatkowo potwierdza, że ​​średnia dyfuzyjność może być wykorzystana do odzwierciedlenia postępu łagodnych zaburzeń poznawczych i AD.

Badacz planuje użyć Compressed Sensing w celu zwiększenia szybkości dyfuzyjnego rezonansu magnetycznego. Obejmuje to wstępne przetwarzanie obrazu, akwizycję obserwacji Compressed Sensing, przebudowę modelu i rekonstrukcję algorytmu. Badacz planuje również przezwyciężyć obecne ograniczenia analizy regionu zainteresowania. Jednym ze sposobów osiągnięcia tego celu jest analiza wokselowa, jednak ma ona ograniczenia spowodowane normalizacją obrazu do przestrzeni szablonu oraz możliwymi problemami w traktografii spowodowanymi obrotem lub zniekształceniem obrazu. Ponadto użycie szablonu specyficznego dla badania zapobiega dostępności wyników we współrzędnych Brodmanna lub Talairach. Co najważniejsze, analiza wokseli nie opiera się na obszarach mózgu, więc trudno jest określić właściwości każdego regionu, a zgodnie z naszym algorytmem duża ilość danych wokseli znacznie zmniejszyłaby rozdzielczość statystyk i spowodowała problemy w analizie statystycznej . Dlatego badacz musi korzystać ze wspólnej standardowej przestrzeni i opracować odpowiednią technikę obrazowania.

Badacz wybiera automatyczne etykietowanie anatomiczne (AAL), ponieważ jest to powszechnie stosowany system stosowany w badaniach neurologicznych. Badacz używa również szablonu Montreal Neuroscience Institute 152 (MNI152) jako standardowego szablonu. W obrazowaniu i przetwarzaniu całego mózgu badacz stosuje transformację afiniczną, ponieważ jest ona powszechnie stosowana w MRI i dyfuzyjnym MRI. Obejmuje to Camino, FSL i SPM. Badacz zbada, w jaki sposób starzenie się zdrowego mózgu zmienia dyfuzyjny MRI i dokona porównań między starzeniem się mężczyzn i kobiet.

Badacz wykorzysta również głębokie uczenie się, aby zwiększyć czułość i specyficzność oraz poprawić dokładność klasyfikacji i diagnozy, poprzez wstępne przetwarzanie danych alokacji zbioru danych oraz projektowanie głębokich sieci neuronowych.

Za pomocą AAL zostanie przeprowadzona parcelacja całego mózgu w celu uzyskania informacji o dyfuzji MRI regionów mózgu. Dotknięte regiony zostaną zidentyfikowane i przeanalizowane. Badacze mają nadzieję, że dyfuzyjny MRI wykorzystujący całe obszary mózgu będzie można wykorzystać do diagnostyki różnicowej i identyfikacji obszarów, które mają wysoką korelację z ciężkością kliniczną, a także do dokładnego diagnozowania i prognozowania choroby, aby służyć jako punkt odniesienia dla klinicystów.

Celem badacza jest wykorzystanie dyfuzyjnego rezonansu magnetycznego do oceny funkcji poznawczych i oceny, czy ulegają one pogorszeniu u pacjentów z chorobami neurodegeneracyjnymi. Ponadto badacz ma nadzieję na wykorzystanie dyfuzyjnego rezonansu magnetycznego do określenia ciężkości choroby i rokowania. Pogorszenie neurodegeneracji i zdolności poznawczych powoduje zwiększoną śmiertelność i gorszą jakość życia. Związek między wynikami dyfuzyjnego rezonansu magnetycznego a ciężkością choroby może zapewnić obiektywną metodę umożliwiającą klinicystom diagnozowanie tych chorób z większą pewnością i na wcześniejszym początku choroby, przed pogorszeniem objawów.

Badanie zostanie zakończone w trzech etapach, w ciągu trzech lat. W pierwszym roku badacz ma nadzieję na ustalenie optymalnego schematu wykrywania kompresji obrazu wysokiej jakości i procesu przywracania danych obrazu dla dyfuzyjnego MRI. Badacz ma również nadzieję na opracowanie optymalnej metody parcelacji mózgu i wykorzystanie głębokiego uczenia się do poprawy diagnozy pacjentów z łagodnymi zaburzeniami poznawczymi.

W drugim roku badacz ma nadzieję ustanowić proces przewidywania rokowania pacjentów z typową i atypową chorobą Parkinsona, wykorzystując głębokie uczenie się. Badacz ma również nadzieję, że zakończy naszą ocenę wykorzystania głębokiego uczenia się do diagnozy łagodnych zaburzeń poznawczych.

W trzecim roku badacz dąży do zakończenia opracowania metody przewidywania rokowania pacjentów z typową i atypową chorobą Parkinsona. Badacz ustali również i uzupełni naszą metodę wykorzystania głębokiego uczenia się do oceny, czy u pacjentów z łagodnym rozwojem poznawczym rozwinie się AD. Ponadto badacz uzupełni interfejs użytkownika do przetwarzania obrazu.