Preview

Бюллетень сибирской медицины

Расширенный поиск

Диффузионные данные магнитно-резонансной томографии: разработка методологии и инструментов использования в диагностике и лечении заболеваний головного мозга

https://doi.org/10.20538/1682-0363-2021-2-191-201

Полный текст:

Аннотация

 Использование различных карт количественных характеристик диффузии несет в себе большой потенциал для медицинской  диагностики и терапии патологии головного мозга, так как  позволяет классифицировать опухоли, определять степень их  злокачественности, дифференцировать различные  морфологические структуры опухолевых и неопухолевых  патологических процессов (таких как строма опухоли, зоны некроза, кисты, различные виды отека и т.д.), прогнозировать  течение и исход заболеваний, в частности клинический ответ на проведенное лечение. На основе диффузионно-взвешенной томографии возможна реализация трехмерной реконструкции волокон белого вещества головного мозга, называемая  трактографией. Помимо уникальной возможности  визуализировать расположение трактов относительно  интракраниальных патологических изменений, данная  технология позволяет строить и анализировать комплексные карты сложных сетей связей в головном мозге (коннектомика).
Обзор посвящен обсуждению физико-технической концепции диффузионно-взвешенной томографии, ключевых направлений применения в случае опухолевых и неопухолевых процессов, а также проблем, затрудняющих процесс корректной интерпретации результатов. Так как в настоящий момент остается актуальной задача применения программного  обеспечения для работы с диффузионными показателями магнитно-резонансной томографии, то в представленном  обзоре показан собственный опыт разработки приложения в рамках проекта по созданию эффективных методик  интерпретации диффузионных данных и построению трактов белого вещества головного мозга.
 

Об авторах

К. А. Уразова
Научный медицинский исследовательский центр (НМИЦ) нейрохирургии имени академика Н.Н. Бурденко; Московский государственный университет (МГУ) имени М.В. Ломоносова
Россия

 инженер-физик, отделение радиохирургии и радиотерапии; аспирант, кафедра физики ускорителей и радиационной медицины

Россия, 125047, г. Москва, 4-я Тверская-Ямская ул., 16 

Россия, 119991, г. Москва, Ленинские горы, 1/2 



Г. Е. Горлачёв
Научный медицинский исследовательский центр (НМИЦ) онкологии имени Н.Н. Блохина
Россия

 канд. физ.-мат. наук, ст. науч. сотрудник, группа клинической дозиметрии

Россия, 115478, г. Москва, Каширское шоссе, 24 



А. П. Черняев
Московский государственный университет (МГУ) имени М.В. Ломоносова
Россия

 д-р физ.-мат. наук, профессор, зав. кафедрой физики ускорителей и радиационной медицины 

Россия, 119991, г. Москва, Ленинские горы, 1/2



А. В. Голанов
Научный медицинский исследовательский центр (НМИЦ) нейрохирургии имени академика Н.Н. Бурденко
Россия

  д-р мед. наук, профессор, чл.-корр. РАН, зав. отделением радиохирургии и радиотерапии

Россия, 125047, г. Москва, 4-я Тверская-Ямская ул., 16 



Список литературы

1. Einstein A. Über die von der molecularkinetischen Theorie der Wärme geforderte Bewegung von in ruhenden Flüssigkeiten suspendierten Teilchen. An-nalen der Physik. 1905; 322 (8): 549–560.

2. Leemans A. Modeling and processing of diffusion tensor magnetic resonance images for improved analysis of brain connectivity. PhD thesis. University of Antwerp, Antwerpen, 2006.

3. Hashemi R., Bradley W., Lisanti C. MRI. The Basics. Lippincott Williams & Wilkins. Ph., 2004: 353.

4. Laun F., Fritzsche K., Kuder T., Stieltjes B. Introduction to the basic principles and techniques of diffusion-weighted imaging. Radiology. 2011; 51 (3): 170–179. DOI: 10.1007/s00117-010-2057-y.

5. Basser P., Mattiello J., Le Bihan D. MR diffusion tensor spectroscopy and imaging. Biophysical Journal. 1994; 66 (1): 259–267. DOI: 10.1016/S0006-3495(94)80775-1.

6. Kitis O., Altay H., Calli C., Yunten N., Akalin T., Yurtseven T. Minimum apparent diffusion coefficients in the evaluation of brain tumors. Eur. J. Radiol. 2005; 55 (3): 393–400. DOI: 10.1016/j.ejrad.2005.02.004.

7. Yamasaki F., Kurisu K., Satoh K., Arita K., Sugiyama K., Ohtaki M. et al. Apparent diffusion coefficient of human brain tumors at MR imaging. Radiology. 2005; 235 (3): 985–991. DOI: 10.1148/RADIOL.2353031338.

8. Al-Okaili R., Krejza J., Woo J.H., Wolf R., O’Rourke D., Judy K. et al. Intraaxial brain masses: MR imaging-based diagnostic strategy – initial experience. Radiology. 2007; 243 (2): 539–550. DOI: 10.1148/radiol.2432060493.

9. Toh C., Castillo M., Wong A., Wei K., Wong H., Ng S. et al. Primary cerebral lymphoma and glioblastoma multiforme: differences in diffusion characteristics evaluated with diffusion tensor imaging. AJNR Am. J. Neuroradiol. 2008; 29 (3): 471–475. DOI: 10.3174/ajnr.A0872.

10. Wilke M., Eidenschink A., Muller-Weihrich S., Auer D. MR diffusion imaging and 1H spectroscopy in a child with medulloblastoma. A case report. Acta Radiol. 2001; 42 (1): 39–42.

11. Guzman R., Barth A., Lovblad K., El-Koussy M., Weis J., Schroth G. Use of diffusion-weighted magnetic resonance imaging in Diffusion Imaging in Brain Tumors differentiating purulent brain processes from cystic brain tumors. J. Neurosurg. 2002; 97 (5): 1101–1107. DOI: 10.3171/jns.2002.97.5.1101.

12. Sugahara T., Korogi Y., Kochi M., Ikushima I., Shigematu Y., Hirai T., Okuda T., Liang L., Ge Y., Komohara Y. et. al. Usefulness of diffusion-weighted MRI with echo-planar technique in the evaluation of cellularity in gliomas. J. Magn. Reson. Imaging. 1999; 9 (1): 53–60. DOI: 10.1002/(SICI)1522-2586(199901)9:1<53::AID-JMRI7>3.0.CO;2-2.

13. Schmainda K. Diffusion-weighted MRI as a biomarker for treatment response in glioma. CNS Oncology. 2012; 1 (2): 169–180. DOI: 10.2217/cns.12.25.

14. Ellingson B., Malkin M., Rand S. et al. Validation of functional diffusion maps (fDMs) as a biomarker for human glioma cellularity. J. Magn. Reson. Imaging. 2010; 31 (3): 538–548. DOI: 10.1002/jmri.22068.

15. Mori S., Zijl P. Fiber tracking: Principles and strategies – A technical review. NMR in Biomedicine. 2002; 15 (7-8): 468–480. DOI: 10.1002/nbm.781.

16. Lazar M. Mapping brain anatomical connectivity using white matter tractography. NMR Biomed. 2010; 23 (7): 821–835. DOI: 10.1002/nbm.1579.

17. Wasserthal J., Neher P., Maier-Hein K. Tract orientation mapping for bundle-specific tractography. Springer, 2018. DOI: 10.1007/978-3-030-00931-1_5.

18. Conturo T., Lori N., Cull T. et al. Tracking neuronal fiber pathways in the living human brain. Proc. Natl. Acad. Sci. 1999; 96 (18): 10422–10427. DOI: 10.1073/pnas.96.18.10422.

19. Mori S., Crain B.J., Chacko V.P., van Zijl P.C. Three‐dimensional tracking of axonal projections in the brain by magnetic resonance imaging. Ann. Neurol. 1999; 45 (2): 265–269. DOI: 10.1002/1531-8249(199902)45:2<265::aid-ana21>3.0.co;2-3.

20. Basser P., Pajevic S., Pierpaoli C. et al. In vivo fiber tractography using DT‐MRI data. Magn. Reson. Med. 2000; 44 (4): 625–632. DOI: 10.1002/1522-2594(200010)44:4<625::aidmrm17>3.0.co;2-o.

21. Reisert M., Mader I., Anastasopoulos C. et al. Global fiber reconstruction becomes practical. Neuroimage. 2011; 54 (2): 955–962. DOI: 10.1016/j.neuroimage.2010.09.016.

22. Mangin J.‐F., Fillard P., Cointepas Y. et al. Toward global tractography. Neuroimage. 2013; 80: 290–296. DOI: 10.1016/j.neuroimage.2013.04.009.

23. Christiaens D., Reisert M., Dhollander T. et al. Global tractography of multi-shell diffusion-weighted imaging data using a multi‐issue model. Neuroimage. 2015; 123: 89–101. DOI: 10.1016/j.neuroimage.2015.08.008.

24. Behrens T., Woolrich M., Jenkinson M. et al. Characterization and propagation of uncertainty in diffusion-weighted MR imaging. Magn. Reson. Med. 2003; 50 (5): 1077–1088. DOI: 10.1002/MRM.10609.

25. Behrens T., Berg H., Jbabdi S., Rushworth M., Woolrich M. Probabilistic diffusion tractography with multiple fibre orientations: what can we gain? Neuroimage. 2007; 34 (1): 144–155. DOI: 10.1016/j.neuroimage.2006.09.018.

26. Parker G., Alexander D. Probabilistic anatomical connectivity derived from the microscopic persistent angular structure of cerebral tissue. Philos. Trans. R. Soc. Lond. B Biol. Sci. 2005; 360 (1457): 893–902. DOI: 10.1098/rstb.2005.1639.

27. Parker G., Haroon H., Wheeler-Kingshott C. A Framework for a streamline‐based probabilistic index of connectivity (PICo) using a structural interpretation of MRI diffusion measurements. J. Magn. Reson. Imaging. 2003; 18 (2): 242–254. DOI: 10.1002/jmri.10350.

28. Polman C., Reingold S., Banwell B. et al. Diagnostic criteria for multiple sclerosis: 2010 revisions to the McDonald criteria. Annals of Neurology. 2011; 69 (2): 292–302. DOI: 10.1002/ana.22366.

29. Poonawalla A., Hasan K., Gupta R., Ahn C., Nelson F., Wolinsky J., Narayana P. Diffusion-tensor MR imaging of cortical lesions in multiple sclerosis: initial findings. Radiology. 2008; 246 (3): 880–886. DOI: 10.1148/radiol.2463070486.

30. Kolind S., Laule C., Vavasour I., Li D.K., Traboulsee A., Mädler B., Moore G., Mackay A. Complementary information from multi-exponential T2 relaxation and diffusion tensor imaging reveals differences between multiple sclerosis lesions. Neuroimage. 2008; 40 (1): 77–85. DOI: 10.1016/j.neuroimage.2007.11.033.

31. Hugg J., Butterworth E., Kuzniecky R. Diffusion mapping applied to mesial temporal lobe epilepsy: preliminary observations. Neurology. 1999; 53 (1): 173–176. DOI: 10.1212/wnl.53.1.173.

32. Cannistraro P., Makris N., Howard J., Wedig M., Hodge S., Wilhelm S., Kennedy D., Rauch S. A diffusion tensor imaging study of white matter in obsessive-compulsive disorder. Depress Anxiety. 2007; 24 (6): 440–446. DOI: 10.1002/da.20246.

33. Szeszko P., Ardekani B., Ashtari M., Malhotra A., Robinson D., Bilder R., Lim K. White matter abnormalities in obsessive- compulsive disorder: a diffusion tensor imaging study. Arch. Gen Psychiatry. 2005; 62 (7): 782–790. DOI: 10.1001/archpsyc.62.7.782.

34. Cannistraro P., Makris N., Howard J., Wedig M., Hodge S., Wilhelm S. et al. A diffusion tensor imaging study of white matter in obsessive-compulsive disorder. Depress Anxiety. 2006; 24: 440–446. DOI: 10.1007/978-1-59745-495-7_3.

35. Yoo S., Jang J., Shin Y., Kim D., Park H., Moon W., Chung E., Lee J., Kim I., Kim S., Kwon J. White matter abnormalities in drug-naive patients with obsessive-compulsive disorder: a diffusion tensor study before and after citalopram treatment. Acta Psychiatr. Scand. 2007; 116 (3): 211–219. DOI: 10.1111/j.1600-0447.2007.01046.x.

36. Nakamae T., Narumoto J., Shibata K., Matsumoto R., Kitabayashi Y., Yoshida T., Yamada K., Nishimura T., Fukui K. Alteration of fractional anisotropy and apparent diffusion coefficient in obsessive-compulsive disorder: a diffusion tensor imaging study. Prog. Neuropsychopharmacol. Biol. Psychiatry. 2008; 32 (5): 1221–1226. DOI: 10.1016/j.pnpbp.2008.03.010.

37. Gavin C., Ian Sabin H. Stereotactic diffusion tensor imaging tractography for Gamma Knife radiosurgery. J. Neurosurgery. 2016; 125 (1): 139–146. DOI: 10.3171/2016.8.GKS161032.

38. Connor M., Karunamuni R., McDonald C., White N., Pettersson N., Moiseenko V., Seibert T., Marshall D., Cervino L., Bartsch H., Kuperman J., Murzin V., Krishnan A. et al. Dose-dependent white matter damage after brain radiotherapy. Radiothion. Oncol. 2016; 121 (2): 209–216. DOI: 10.1016/j.radonc.2016.10.003.

39. Tournier J.-D., Calamante F., Connelly A. MRtrix: diffusion tractography in crossing fiber regions. Int. J. Imaging Syst. Technol. 2012; 22: 53–66. DOI: 10.1002/IMA.22005.

40. Wedeen V., Hagmann P., Tseng W. Mapping Complex Tissue Architecture with Diffusion Spectrum Magnetic Resonance Imaging. Magnetic Resonance in Medicine. 2005; 54 (6): 1377–1386. DOI: 10.1002/MRM.20642.

41. Campbell J., Siddiqi K., Rymar V. Flow-Based Fiber Tracking with diffusion tensor and q-ball data: validation and comparison to principal diffusion direction techniques. Neuroimage. 2005; 27 (4): 725–736. DOI: 10.1016/j.neuroimage.2005.05.014.

42. Tuch, D. Q-ball imaging. Magn. Reson. Med. 2004; 52 (6): 1358–1372. DOI: 10.1002/mrm.20279.

43. Assaf Y., Basser P. Composite hindered and restricted model of diffusion (CHARMED) MR imaging of the human brain. Neuroimage. 2005; 27 (1): 48–58. DOI: 10.1016/j.neuroimage.2005.03.042.

44. Özarslan E., Shepherd T., Vemuri B. et al. Resolution of complex tissue microarchitecture using the diffusion orientation transform (DOT). Neuroimage. 2006; 31 (3): 1086–1103. DOI: 10.1016/j.neuroimage.2006.01.024.

45. Liu C., Bammer R., Acar B. et al. Characterizing non-Gaussian diffusion by using generalized diffusion tensors. Magn. Reson. Med. 2004; 51 (5): 924–937. DOI: 10.1002/mrm.20071.

46. Tournier J.-D., Calamante F., Gadian D. et al. Direct estimation of the fiber orientation density function from diffusion-weighted MRI data using spherical deconvolution. Neuroimage. 2004; 23 (3): 1176–1185. DOI: 10.1016/j.neuroimage.2004.07.037.

47. Tournier J.-D., Calamante F., Connelly A. Robust determination of the fibre orientation distribution in diffusion MRI: non-negativity constrained super resolved spherical deconvolution. Neuroimage. 2007; 35 (4): 1459–1472. DOI: 10.1016/j.neuroimage.2007.02.016.

48. Jbabdi S., Johansen‐Berg H. Tractography: where do we go from here? Brain Connect. 2011; 1 (3): 169–183. DOI: 10.1089/brain.2011.0033.

49. Thomas C., Ye F., Irfanoglu M. et al. Anatomical accuracy of brain connections derived from diffusion MRI tractography is inherently limited. Proc. Natl. Acad. Sci. USA. 2014; 111 (46): 16574–16579. DOI: 10.1073/pnas.1405672111.

50. Maier-Hein K., Neher P., Houde J.-C. et al. Tractography-based connectomes are dominated by false-positive connections. BioRxiv. 2016; 1: 84137. DOI: 10.1101/084137.

51. Fillard P., Descoteaux M., Goh A., Gouttard S., Jeurissen B., Malcolm J., Ramirez-Manzanares A., Reisert M., Sakaie K., Tensaouti F. et al. Quantitative evaluation of 10 tractography algorithms on a realistic diffusion MR phantom. Neuroimage. 2011; 56 (1): 220–234. DOI: 10.1016/j.neuroimage.2011.01.032.

52. Maier-Hein K., Neher P., Houde J.., Côté M., Garyfallidis E., Zhong J., Chamberland M., Yeh F., Lin Y., Descoteaux M. et al. The challenge of mapping the human connectome based on diffusion tractography. Nature Communications. 2017; 8 (1): 1349. DOI: 10.1038/s41467-017-01285-x.


Для цитирования:


Уразова К.А., Горлачёв Г.Е., Черняев А.П., Голанов А.В. Диффузионные данные магнитно-резонансной томографии: разработка методологии и инструментов использования в диагностике и лечении заболеваний головного мозга. Бюллетень сибирской медицины. 2021;20(2):191-201. https://doi.org/10.20538/1682-0363-2021-2-191-201

For citation:


Urazova K.A., Gorlachev G.E., Chernyaev A.P., Golanov A.V. Diffusion magnetic resonance imaging data: development of methods and tools for diagnosis and treatment of brain diseases. Bulletin of Siberian Medicine. 2021;20(2):191-201. https://doi.org/10.20538/1682-0363-2021-2-191-201

Просмотров: 140


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1682-0363 (Print)
ISSN 1819-3684 (Online)