Advanced

Imaging diffusional variance by MRI [public] : The role of tensor-valued diffusion encoding and tissue heterogeneity

Szczepankiewicz, Filip LU (2016)
Abstract (Swedish)
Diffusion är den slumpmässiga rörelse hos partiklar som drivs av deras kinetiska energi. Den är oftast osynlig för blotta ögat, men den utgör en viktig funktion för vår överlevnad. Diffusionen står bland annat för transporten av näringsämnen över cellmembran, och det är diffusionen som gör att ämnen i kroppen blandas så att livsviktiga kemiska reaktioner kan ske.
Man kan undersöka diffusionsprocessen i det vatten som finns i kroppen med hjälp av magnetresonanstomografi (MRT, eng. MRI). Diffusionsprocessen i biologisk vävnad är dock mycket komplex. Komplexiteten härstammar från vattnets interaktion med vävnad, eftersom diffusionen påverkas av omgivningen där den äger rum. I områden med tätt packade celler blir diffusionen långsam i alla... (More)
Diffusion är den slumpmässiga rörelse hos partiklar som drivs av deras kinetiska energi. Den är oftast osynlig för blotta ögat, men den utgör en viktig funktion för vår överlevnad. Diffusionen står bland annat för transporten av näringsämnen över cellmembran, och det är diffusionen som gör att ämnen i kroppen blandas så att livsviktiga kemiska reaktioner kan ske.
Man kan undersöka diffusionsprocessen i det vatten som finns i kroppen med hjälp av magnetresonanstomografi (MRT, eng. MRI). Diffusionsprocessen i biologisk vävnad är dock mycket komplex. Komplexiteten härstammar från vattnets interaktion med vävnad, eftersom diffusionen påverkas av omgivningen där den äger rum. I områden med tätt packade celler blir diffusionen långsam i alla riktningar, medan i cellstrukturer som är extremt avlånga, exempelvis nervfibrer, kan diffusions-hastigheten skilja sig mellan olika riktningar. Med en så kallad magnetkamera kan man avbilda diffusionshastigheten och därmed uttala sig om vävnadens struktur på mikroskopisk skala, helt utan invasiva ingrepp. Sådan information kan sedan användas för att undersöka friska vävnader, för diagnostik av sjuka vävnader eller för uppföljning av behandlingar.
Om vävnaden uppvisar olika snabb diffusion inom ett litet område blir diffusionshastigheten heterogen. Denna typ av heterogenitet kan tänkas härröra från områden där friska celler blandas med celler som angripits av en sjukdom och ersatts med lös nekrotisk vävnad. Heterogeniteten kan också återspegla förekomst av avlånga cell-strukturer där vävnadens olika riktningar uppenbarar sig som heterogen diffusion. Denna avhandling beskriver en ny metodik för att mäta heterogenitet i diffusionsprocessen, och tolkar heterogeniteten med stöd av mikroskopi av vävnaden. Vi har utvecklat metoder för att särskilja dessa egenskaper, och visat att dessa kan bidra med ny information i både frisk hjärnvävnad och i tumörer.
(Less)
Abstract
Diffusion MRI provides a non-invasive probe of tissue microstructure. We recently proposed a novel method for diffusion-weighted imaging, so-called q-space trajectory encoding, that facilitates tensor-valued diffusion encoding. This method grants access to b-tensors with multiple shapes and enables us to probe previously unexplored aspects of the tissue microstructure. Specifically, we can disentangle diffusional heterogeneity that originates from isotropic and anisotropic tissue structures; we call this diffusional variance decomposition (DIVIDE).
In Paper I, we investigated the statistical uncertainty of the total diffusional variance in the healthy brain. We found that the statistical power was heterogeneous between brain regions... (More)
Diffusion MRI provides a non-invasive probe of tissue microstructure. We recently proposed a novel method for diffusion-weighted imaging, so-called q-space trajectory encoding, that facilitates tensor-valued diffusion encoding. This method grants access to b-tensors with multiple shapes and enables us to probe previously unexplored aspects of the tissue microstructure. Specifically, we can disentangle diffusional heterogeneity that originates from isotropic and anisotropic tissue structures; we call this diffusional variance decomposition (DIVIDE).
In Paper I, we investigated the statistical uncertainty of the total diffusional variance in the healthy brain. We found that the statistical power was heterogeneous between brain regions which needs to be taken into account when interpreting results.
In Paper II, we showed how spherical tensor encoding can be used to separate the total diffusional variance into its isotropic and anisotropic components. We also performed initial validation of the parameters in phantoms, and demonstrated that the imaging sequence could be implemented on a high-performance clinical MRI system.
In Paper III and V, we explored DIVIDE parameters in healthy brain tissue and tumor tissue. In healthy tissue, we found that diffusion anisotropy can be probed on the microscopic scale, and that metrics of anisotropy on the voxel scale are confounded by the orientation coherence of the microscopic structures. In meningioma and glioma tumors, we found a strong association between anisotropic variance and cell eccentricity, and between isotropic variance and variable cell density.
In Paper IV, we developed a method to optimize waveforms for tensor-valued diffusion encoding, and in Paper VI we demonstrated that whole-brain DIVIDE is technically feasible at most MRI systems in clinically feasible scan times.
(Less)
Please use this url to cite or link to this publication:
author
supervisor
opponent
  • Professor Jones, Derek K., Cardiff University, United Kingdom
organization
publishing date
type
Thesis
publication status
published
subject
pages
87 pages
publisher
Lund University, Faculty of Science, Department of Medical Radiation Physics
defense location
Lecture hall 3 at Skåne University Hospital, Lund
defense date
2016-12-02 09:00
ISBN
978-91-7753-034-3
978-91-7753-035-0
language
English
LU publication?
yes
id
0a7cc46e-16de-42c7-8ec7-a54f6dcf6c32
date added to LUP
2016-11-18 16:10:11
date last changed
2016-11-22 15:28:59
@phdthesis{0a7cc46e-16de-42c7-8ec7-a54f6dcf6c32,
  abstract     = {Diffusion MRI provides a non-invasive probe of tissue microstructure. We recently proposed a novel method for diffusion-weighted imaging, so-called q-space trajectory encoding, that facilitates tensor-valued diffusion encoding. This method grants access to b-tensors with multiple shapes and enables us to probe previously unexplored aspects of the tissue microstructure. Specifically, we can disentangle diffusional heterogeneity that originates from isotropic and anisotropic tissue structures; we call this diffusional variance decomposition (DIVIDE).<br/>In Paper I, we investigated the statistical uncertainty of the total diffusional variance in the healthy brain. We found that the statistical power was heterogeneous between brain regions which needs to be taken into account when interpreting results.<br/>In Paper II, we showed how spherical tensor encoding can be used to separate the total diffusional variance into its isotropic and anisotropic components. We also performed initial validation of the parameters in phantoms, and demonstrated that the imaging sequence could be implemented on a high-performance clinical MRI system. <br/>In Paper III and V, we explored DIVIDE parameters in healthy brain tissue and tumor tissue. In healthy tissue, we found that diffusion anisotropy can be probed on the microscopic scale, and that metrics of anisotropy on the voxel scale are confounded by the orientation coherence of the microscopic structures. In meningioma and glioma tumors, we found a strong association between anisotropic variance and cell eccentricity, and between isotropic variance and variable cell density. <br/>In Paper IV, we developed a method to optimize waveforms for tensor-valued diffusion encoding, and in Paper VI we demonstrated that whole-brain DIVIDE is technically feasible at most MRI systems in clinically feasible scan times.<br/>},
  author       = {Szczepankiewicz, Filip},
  isbn         = {978-91-7753-034-3},
  language     = {eng},
  pages        = {87},
  publisher    = {Lund University, Faculty of Science, Department of Medical Radiation Physics},
  school       = {Lund University},
  title        = {Imaging diffusional variance by MRI [public] : The role of tensor-valued diffusion encoding and tissue heterogeneity},
  year         = {2016},
}