2025 & 2026
Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2025
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University 2026
Genehmigende Fakultät
Fak10
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2025-07-16
Online
DOI: 10.18154/RWTH-2025-06232
URL: https://publications.rwth-aachen.de/record/1015160/files/1015160.pdf
Einrichtungen
Inhaltliche Beschreibung (Schlagwörter)
IVIM (frei) ; Kurtosis (frei) ; MRI (frei) ; NNLS (frei) ; diffusion MRI (frei) ; magnetic resonance imaging (frei) ; quantitative imaging (frei)
Thematische Einordnung (Klassifikation)
DDC: 610
Kurzfassung
Die diffusionsgewichtete MRT wird in der Regel durch den scheinbaren Diffusionskoeffizienten (ADC) quantifiziert und misst die Wasserdiffusion in biologischem Gewebe, was wiederum als Indikator für mikrostrukturelle Veränderungen in der Pathologie angesehen wird. Die ADC wird jedoch durch eine Reihe von Prozessen und Phänomenen beeinträchtigt, so dass der für die Charakterisierung von Hirngeweben nicht optimal ist. Darüber hinaus lassen sich die noch komplexeren Mikroumgebungen von Pathologien wie Hirntumoren nicht durch einen einzigen Wert angemessen zusammenfassen. In dieser Arbeit wurden zwei Methoden für die Erfassung und Analyse von dMRT-Daten mit mehreren B-Werten entwickelt, die den ADC-Formalismus erweitern und die klinische Durchführbarkeit im Auge behalten. Das erste ist ein einheitliches Modell für die Messung der Perfusion sowie der gaußschen und nicht-gaußschen Diffusion. Dies wird erreicht, indem das Gewebe bei 16 verschiedenen b-Werten von 0 bis 3.000 s/mm2 abgetastet wird, wobei der klinisch etablierte b = 1.000 s/mm2 berücksichtigt wird. Bei einer Aufnahmezeit von 4 Minuten und 19 Sekunden lassen sich aus diesem Protokoll vier Parameter ableiten: Pseudodiffusivität und Perfusionsanteil, die das Perfusionsregime charakterisieren; die scheinbare Diffusivität, die die Gaußsche Diffusion beschreibt; und die scheinbare Kurtosis als Maß für die nichtgaußsche Diffusion. Diese Methode wurde in vivo in einer Hirntumor-Patientenkohorte validiert, indem die abgeleiteten Größen mit ihren Gegenstücken aus etablierten Protokollen verglichen wurden. Die Parameter, die die Perfusion charakterisieren, korrelierten nicht mit ihren kanonischen Gegenstücken, was zum Teil darauf hindeutet, dass diese unterschiedliche Phänomene widerspiegeln. Umgekehrt korrelierten die vorgeschlagenen Gaußschen und nicht-Gaußschen Parameter in hohem Maße mit denen der kanonischen Protokolle, was darauf hindeutet, dass die klinische Nützlichkeit der kanonischen Parameter bei Verwendung der vorgeschlagenen Parameter erhalten bleibt. Die zweite Methode basiert auf einer parameterfreien Fitting von dMRT-Daten mit b-Werten von bis zu 10.000 s/mm2 unter Verwendung von der nicht negative kleinste Quadrate Methode. Diese liefert ein Diffusionsspektrum im Gegensatz zu einem festen Satz von Diffusionspools und deren relativen Anteilen, was eine umfassendere Charakterisierung der verschiedenen Diffusionsregime im Gewebe ermöglicht. Die Daten wurden auch mit etablierten Methoden wie mono-, bi- und tri-exponentiellem Zerfall angepasst, um den Mehrwert der vorgeschlagenen Methode zu ermitteln. Diese Methode wurde an einer breiten Hirntumorkohorte demonstriert, wobei gewebespezifische Spektren abgeleitet wurden. Es hat sich gezeigt, dass die vorgeschlagene Methode besser zu den Daten passt als die Modelle mit festen Diffusionspools, und die abgeleiteten Spektren zeigen deutliche Unterschiede zwischen gesundem und pathologischem Gewebe. Zusammenfassend lässt sich sagen, dass in dieser Arbeit entwickelte Methoden für die multiparametrische Charakterisierung der Diffusion in biologischem Gewebe, die bei Hirntumorpatienten evaluiert wurden.Typically quantified by the apparent diffusion coefficient (ADC), diffusion MRI measures water diffusion in biological tissues which in turn is seen as a probe of microstructural changes derived from pathology. However, the ADC is confounded by a number of processes and phenomena rendering it sub-optimal for the characterisation of brain tissues. Additionally, the even more complex micro-environments of pathologies like brain tumours do not lend themselves to be properly summarised by a single value. In this work, two methods for the acquisition and analysis of multi-b-value dMRI data were developed, expanding the ADC formalism and keeping in mind clinical feasibility. The first is a unified model for the measurement of perfusion, and Gaussian and non- Gaussian diffusion. This is achieved by sampling the tissue at 16 unique b-values, from 0 to 3,000 s/mm2, while including the clinically established b = 1,000 s/mm2. With an acquisition time of 4 minutes and 19 seconds, four quantities can be derived from this protocol: pseudo-diffusivity and perfusion fraction, characterising the perfusion regime; apparent diffusivity, describing Gaussian diffusion; and apparent kurtosis, as a measure of non-Gaussian diffusion. This method was validated in vivo in a brain tumour patient cohort by pinning the derived quantities against their counterparts from established protocols. The metrics characterising perfusion did not correlate with their canonical counterparts, which suggests in part that these reflect different phenomena. Conversely, the Gaussian and non-Gaussian quantities proposed were highly correlated with those from the canonic protocols, indicating that the clinical usefulness of the canonic quantities is preserved when using the proposed metrics. The second method is based on a parameter-free fitting of dMRI data with b-values ranging up to 10,000 s/mm2, using non-negative least squares. This method provides with a diffusivity spectrum, as opposed to a fixed set of diffusivity pools and their relative fractions, allowing for a richer characterisation of the different diffusivity regimes in the tissue. Data was also fitted using established methods such as mono-, bi-, and tri-exponential decays in order to establish the added value of the proposed method. This method was demonstrated in a broad brain tumour cohort, where tissue specific spectra were derived: grey matter, white matter, cerebrospinal fluid, oedema, tumour, and restricted diffusion lesions. The latter develops as a consequence of the disease but it is yet poorly understood. The proposed method is applied to try to characterise this lesion. The suggested method was shown to better fit the data than the fixed-term models and the derived spectra show distinct differences in both healthy and pathologic tissue. In conclusion, this work developed methods for the multi-parametric characterisation of diffusion in biological tissues, evaluated in brain tumour patients.
OpenAccess:
PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT031221928
Interne Identnummern
RWTH-2025-06232
Datensatz-ID: 1015160
Beteiligte Länder
Germany
|
The record appears in these collections: |