Funkční MRI hyperkapnických dat

Abstract

Cerebrovaskulární reaktivita (CVR) je autoregulační machanizmus udržující konstantní mozkový krevní tok a změny v CVR jsou indikátorem patologií mozkových cév. Reaktivita se dá měřit neinvazivně pomocí BOLD fMRI s hyperkapnickou stimulací. V této práci je popsán postup pro automatické zpracování dat naměřených pomocí BOLD při hyperkapnické stimulaci. Byly navrženy dvě metody a jejich výsledky jsou mezi sebou porovnány na skupině pacietů se stenózou.

První metoda (MDA) využívá jako regresor pro regresní analýzu (metoda nejmenších čtverců) blokovou funkci s korekcí posunu konvolvonanou s hemodynamickou odezvou. Druhá metoda (DDA) využívá regresor, který by měl vykazovat lepší efektivitu v případě, že pacient není schopný přesně dodržet pokyny pro držení dechu a výdech v průběhu měření. Je založena na porovnání odezev z několika vaskulárních regionů pomocí pearsonova korelačního koeficientu (PCC), region s nejlepší korelací vůči standardní odezvě je použit jako regresor pro MNČ.

Výsledné CVR mapy byly hodnoceny skupinou lékařů (58 subjektů) a lékařským fyzikem (153 měření na 85 subjektech). Všem hodnotícím byl zamezen přístup ke klinickým datů hodnocených subjeků. Byla hodnocena celková kvalita výsledných CVR map a jejich dignostický potenciál. Kvalita byla hodnocena stupni 0-2 (0--nečitelné, 1--čitelné, 2--optimální). Metoda DDA snížila počet nečitelných případů z 12\% na 3\% (153 měření) a z 17\% na 10\% (58 subjektů). Kvalita se zlepšila v 39\% případů (z 31, které byly v MDA hodnoceny 0 a 1) and 76\% případů (z 42, které byly v MDA metodě hodnoceny jako 0 nebo 1). DDA poskytuje rozumné výsledky i v případech, kde standardní (MDA) metoda nestačí a je tak možným nástojem pro měření CVR v klinické praxi.Cerebrovascular reactivity (CVR) is an autoregulatory mechanism that maintains constant cerebral blood flow. Impaired CVR is an indicator of pathologies of brain-feeding arteries. CVR can be assessed non-invasively using a BOLD functional MRI under hypercapnic conditions. In this thesis, we have implemented an automatic pipeline for processing of hypercapnia BOLD data using a standard method and a novel data-driven method. Their performance was compared on a group of patients with stenosis.

The standard model-driven approach (MDA) use a block function convolved with a haemodynamic response function as a regressor for CVR response evaluation. The data-driven approach (DDA) first uses Pearsons correlation coefficient (PCC) of the standard regressor with a mean responses of several selected regions to determine a region with an optimal response. The mean response of this region is then used as a regressor for the CVR analysis. This should be more efficient in case where the subject does not adhere to the breathing-protocol completely.

The CVR-maps were evaluated by a board of physicians (58 subjects) and by a medical physicist (85 subjects on 153 sessions) blinded from clinical findings. The overall image quality was scored on both methods grading from 0-2 (0 unreadable, 1 suboptimal, 2 optimal quality). The unreadable cases were reduced from 12\% in MDA to 3\% in DDA (153 sessions) and from 17\% to 10\% (58 sessions). The quality improved in 39\% cases (out of 31 session which scored 0 or 1 on MDA; physicians) and 76\% cases (out of 42 session which scored 0 or 1 on MDA; physicist). DDA is a promising tool to assess CVR in clinical population. It gives reasonable results in a large number of cases where the standard analysis completely fails.