Rekonstruktion von Faserorientierungsverteilungen und absoluter Faserdichten mittels globalem Vorwissen auf Basis von diffusionsgewichteter MR-Bildgebung

• Antragsteller: Dr. Marco Reisert
• Fachliche Zuordnung: Kognitive und systemische Humanneurowissenschaften
• Förderung: Förderung von 2013 bis 2016
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 232066167

• Erstellungsjahr: 2017

Zusammenfassung der Projektergebnisse

Die ursprüngliche Grundidee dieses Projekts war die Nutzung von globalem Vorwissen um die Schätzung sekundärer Kontraste auf Basis von diffusionsgewichteter MRT robuster zu gestalten und weitere Informationen abzuleiten. Die angedachten Ideen wurden umgesetzt, allerdings hat sich insbesondere hinsichtlich (2) gezeigt, dass die Ergebnisse nicht spezifisch genug sind und ungewollte Einflussfaktoren eine zu große Rolle spielen. Somit haben wir uns alternativ auch auf Multi B-Wert Messungen konzentriert. Hier konnte eine sehr vielversprechende Methode entwickelt werden, deren praktische Umsetzung in der Routine bereits hier am Universitäts-Klinikum Freiburg stattgefunden hat. Auf die vorgeschlagene Erstellung eines Pseudo-Goldstandards wurde verzichtet, da sich herausgestellt hat, dass die öffentlichen Daten des Human Connectome Projects den Ansprüchen dieses Projektes bereits genügen.

Projektbezogene Publikationen (Auswahl)

• Efficient Monte Carlo Image Analysis for the Location of Vascular Entity. IEEE Transactions on Medical Imaging, Volume 34, Issue 2
  H. Skibbe, M. Reisert, S. i. Maeda, M. Koyama, S. Oba, K. Ito, S. Ishii
  
• Fiber density estimation from single q-shell diffusion imaging by tensor divergence. Neuroimage, Volume 77, 15 August 2013, Pages 166–176
  M Reisert , I Mader, R Umarova, S Maier, L Tebartz van Elst, V. G. Kiselev
  (Siehe online unter https://doi.org/10.1016/j.neuroimage.2013.03.032)
• MesoFT: Unifying Diffusion Modelling and Fiber Tracking MICCAI 2014: Medical Image Computing and Computer-Assisted Intervention – MIC-CAI 2014
  M. Reisert, V.G. Kiselev, B. Dihtal, E. Kellner, and D.S. Novikov
  (Siehe online unter https://doi.org/10.1007/978-3-319-10443-0_26)
• Symmetric Wiener Processes for Probabilistic Tractography and Connectivity Estimation. Medical Image Computing and Computer-Assisted Intervention, MICCAI 2015
  M. Reisert, B. Dihtal, E. Kellner, H. Skibbe, C. Kaller
  (Siehe online unter https://doi.org/10.1007/978-3-319-24553-9_7)
• Whole-brain in-vivo measurements of the axonal g-ratio in a group of 37 healthy volunteers. Frontiers in neuroscience, 9 (2015)
  S Mohammadi, D Carey, F Dick, J Diedrichsen, M Sereno, M Reisert, N Weiskopf
  (Siehe online unter https://doi.org/10.3389/fnins.2015.00441)
• Disentangling micro from mesostructure by diffusion MRI: A Bayesian approach. Neuroimage
  Marco Reisert, Elias Kellner, Bibek Dhital, Jürgen Hennig, Valerij G. Kiselev
  (Siehe online unter https://doi.org/10.1016/j.neuroimage.2016.09.058)
• Spherical Tensor Algebra: A Toolkit for 3D Image Processing. Journal of Mathematical Imaging and Vision, pp 1–33, 2017
  Marco Reisert and Henrik Skibbe
  (Siehe online unter https://doi.org/10.1007/s10851-017-0715-7)