Traktografi - Tractography

Traktografi
Traktografisk animeret lateral visning.gif
Traktografi af menneskelig hjerne
Formål bruges til visuelt at repræsentere nervebaner

I neurovidenskab er traktografi en 3D-modelleringsteknik , der bruges til visuelt at repræsentere nervebaner ved hjælp af data indsamlet ved diffusions-MR . Det bruger specielle teknikker til magnetisk resonansbilleddannelse (MR) og computerbaseret diffusions-MR. Resultaterne præsenteres i to- og tredimensionelle billeder kaldet traktogrammer .

Ud over de lange kanaler, der forbinder hjernen med resten af ​​kroppen, er der komplicerede neurale kredsløb dannet af korte forbindelser mellem forskellige kortikale og subkortikale regioner. Eksistensen af ​​disse kanaler og kredsløb er blevet afsløret ved histokemi og biologiske teknikker på post mortem prøver. Nervetrakter kan ikke identificeres ved direkte undersøgelse, CT eller MR- scanninger. Denne vanskelighed forklarer manglen på deres beskrivelse i neuroanatomi- atlasser og den dårlige forståelse af deres funktioner.

Den mest avancerede traktografialgoritme kan producere 90% af bundens sandhedsbundter, men den indeholder stadig en betydelig mængde ugyldige resultater.

MR-teknik

DTI af brachial plexus - se https://doi.org/10.3389/fsurg.2020.00019 for mere information
Traktografisk rekonstruktion af neurale forbindelser ved diffusion tensor imaging (DTI)
MR-traktografi af den humane subthalamiske kerne

Traktografi udføres ved hjælp af data fra diffusions-MR . Den frie vanddiffusion kaldes " isotrop " diffusion. Hvis vandet diffunderer i et medium med barrierer, vil diffusionen være ujævn, hvilket kaldes anisotrop diffusion. I et sådant tilfælde har molekylernes relative mobilitet fra oprindelsen en anden form end en sfære . Denne form modelleres ofte som en ellipsoid , og teknikken kaldes derefter diffusionstensorbilleddannelse . Barrierer kan være mange ting: cellemembraner, axoner, myelin osv .; men i hvidt stof er den primære barriere myelinskeden af axoner . Bundter af axoner tilvejebringer en barriere mod vinkelret diffusion og en sti til parallel diffusion langs fibrenes retning.

Anisotrop diffusion forventes at blive øget i områder med høj moden aksonal orden. Tilstande, hvor myelinet eller strukturen af ​​axonet forstyrres, såsom traumer , tumorer og inflammation reducerer anisotropi, da barrierer påvirkes af ødelæggelse eller disorganisering.

Anisotropi måles på flere måder. En måde er ved et forhold kaldet fraktioneret anisotropi (FA). En FA på 0 svarer til en perfekt sfære, mens 1 er en ideel lineær diffusion. Få regioner har FA større end 0,90. Nummeret giver information om, hvor asfærisk diffusionen er, men siger intet om retningen.

Hver anisotropi er knyttet til en orientering af den dominerende akse (dominerende retning af diffusionen). Efterbehandlingsprogrammer er i stand til at udtrække denne retningsbestemte information.

Disse yderligere oplysninger er vanskelige at repræsentere på 2D-gråskalaer. For at løse dette problem introduceres en farvekode. Grundlæggende farver kan fortælle observatøren, hvordan fibrene er orienteret i et 3D-koordinatsystem, dette kaldes et "anisotropisk kort". Softwaren kunne kode farverne på denne måde:

  • Rød angiver retninger i X- aksen: højre mod venstre eller venstre mod højre.
  • Grønt angiver retninger i Y- aksen: bageste til forreste eller fra forreste til bageste.
  • Blå angiver retninger i Z- aksen: fod-til-hoved-retning eller omvendt.

Teknikken er ude af stand til at skelne mellem den "positive" eller "negative" retning i den samme akse.

Matematik

Ved hjælp af diffusionstensor-MR kan man måle den tilsyneladende diffusionskoefficient ved hver voxel i billedet, og efter multilinær regression på tværs af flere billeder kan hele diffusionstensoren rekonstrueres.

Antag at der er en fiberkanal af interesse i prøven. Efter Frenet-Serret-formlerne kan vi formulere fiberkanalens rumsti som en parametreret kurve:

hvor er kurvens tangentvektor. Den rekonstruerede diffusionstensor kan behandles som en matrix, og vi kan beregne dens egenværdier og egenvektorer . Ved at ligne egenvektoren svarende til den største egenværdi med kurvens retning:

vi kan løse for givne data for . Dette kan gøres ved hjælp af numerisk integration, f.eks. Ved hjælp af Runge – Kutta , og ved at interpolere de vigtigste egenvektorer .

Se også

Referencer