Thesis etd-07012011-173652 |
Link copiato negli appunti
Thesis type
Tesi di laurea specialistica
Author
MAZZUCA, STEFANO
URN
etd-07012011-173652
Thesis title
Risonanza Magnetica Funzionale: imaging spettroscopico "in vivo" ad elevata risoluzione spaziale
Department
INGEGNERIA
Course of study
INGEGNERIA BIOMEDICA
Supervisors
relatore Prof. Landini, Luigi
Keywords
- gslim
- risoluzione spaziale
- risonanza magnetica
- spettroscopia
Graduation session start date
19/07/2011
Availability
Withheld
Release date
19/07/2051
Summary
Il lavoro sviluppato in questa tesi si inserisce nel contesto più ampio di un progetto di ricerca, il cui obiettivo specifico è di produrre un metodo matematico capace di ricostruire immagini spettroscopiche ad alta risoluzione spaziale che sostituisca le tecniche standard di RM e superi i loro limiti. La finalità di questo studio è la determinazione quantitativa in vivo delle alterazioni metaboliche che sono responsabili del successivo quadro morfologico patologico cui segue la sintomatologia clinica specifica.
Le nuove frontiere della diagnostica medica, riguardanti la biochimica clinica in vivo, hanno trovato un considerevole sviluppo con l’introduzione di nuove strumentazioni, sempre più avanzate, all’interno delle strutture sanitarie e di tecniche di imaging medico orientate alla diagnosi ed al monitoraggio di svariate patologie.
Tra le più importanti tecnologie utilizzate, o utilizzabili in futuro, nella diagnostica biochimico-clinica, la Spettroscopia di Risonanza Magnetica Nucleare (MRS, Magnetic Resonance Spectroscopy) appare particolarmente innovativa e promettente.
La MRS è un’importante applicazione del fenomeno fisico della Risonanza Magnetica Nucleare e rappresenta un potente strumento diagnostico non invasivo, capace di rilevare informazioni biochimiche e metaboliche dei tessuti biologici esaminati, descrivendone la natura atomica e subatomica e la struttura molecolare attraverso l’analisi delle frequenze di risonanza di specifici nuclei atomici in essi contenuti (ad esempio i protoni nel caso della spettroscopia dell’idrogeno). Tale tecnica diagnostica si propone come valido ausilio e supporto delle indagini standard di imaging RM, in cui mappe anatomiche ad alta risoluzione vengono ricostruite a partire da informazioni di tipo strutturale relative alle regioni esaminate.
Gli sviluppi più promettenti dell’Imaging di Risonanza Magnetica (MRI, Magnetic Resonance Imaging) riguardano oggi quelle tecniche diagnostiche che ambiscono a fornire informazioni che vadano oltre la semplice rappresentazione morfologica dell’oggetto in esame. Questo accade negli studi di diffusione, perfusione e di attivazione cerebrale, ma anche, e soprattutto, nelle indagini di Imaging Spettroscopico.
Lo studio morfologico di base con RM, considerando l’esame di elezione per patologie del SNC, non è sempre specifico nel caratterizzare tessuto cerebrale anomalo, nonostante la sua indubbia sensibilità. Da qui la necessità di integrare i parametri morfologici con quelli fisiologici, quelli metabolici con quelli funzionali, etc.
La differenziazione dei tessuti è la principale, potenziale applicazione clinica della tecnica di indagine biomedica MRS. L’uso combinato delle informazioni spaziali e morfologiche contenute nelle immagini anatomiche RM e dei dati metabolici ottenuti con indagine spettroscopica potrebbe consentire una più facile discriminazione tra tessuti normali e lesionati, e quindi migliorare l’iter diagnostico di molte patologie del sistema nervoso ma anche di organi, quali mammella e prostata.
Le principali limitazioni all’applicabilità in vivo della spettroscopia riguardano:
1) la bassa risoluzione spaziale delle immagini ricostruite e quindi la scarsa qualità e affidabilità della localizzazione spettrale;
2) gli artefatti e le distorsioni presenti nei dati registrabili sperimentalmente.
Il successo dell’utilizzo in vivo dell’imaging spettroscopico, come strumento diagnostico, dipende in primo luogo dall’accuratezza con la quale vengono stimate le concentrazioni dei composti chimici presenti nella regione anatomica di interesse, e quindi, inevitabilmente, dall’accuratezza con cui l’informazione spettrale viene localizzata spazialmente.
Le tecniche convenzionali comunemente eseguite nei tomografi commerciali si basano sulla tecnica CSI (Chemical Shift Imaging), nella quale i dati grezzi codificati in fase vengono elaborati attraverso l’utilizzo della Trasformata Discreta di Fourier (DFT, Discrete Fourier Transform). Le immagini ricostruite presentano però limiti severi in termini di risoluzione spaziale ed artefatti di aliasing dovuti all’inevitabile troncamento nei dati sperimentali delle frequenze spaziali.
Negli ultimi anni sono state sviluppate tecniche di ricostruzione che prevedono l’utilizzo di modelli matematici sempre più avanzati, non basati sul modello a serie di Fourier.
L’attenzione di questo progetto si è rivolta in particolare allo studio e alla validazione teorica e pratica dei metodi SLIM (Spectral Localization by Imaging) e la sua evoluzione GSLIM (Generalized SLIM) basati sull’utilizzo di un nuovo concetto di pixel (il “pixel naturale”) e, in particolare per il metodo GSLIM, su un modello matematico a serie generalizzate che permette di ridurre l’incongruenza numerica fra dati grezzi e spettro calcolato.
Il metodo si fonda sulla rivoluzionaria idea di incorporare, nelle funzioni del modello proposto, informazioni a priori ricavate da un’immagine anatomica ad alta risoluzione. Tali informazioni aggiuntive permetterebbero di compensare la perdita di informazione spettrale, dovuta al sottocampionamento dei dati in fase di acquisizione e responsabile dei forti limiti del modello a serie di Fourier, utilizzato nel metodo CSI.
Operando una segmentazione completa dell’intero campo di vista spettroscopico (FOV, Field of View) e riconoscendo al suo interno un numero finito e relativamente basso di “pixel naturali”, il problema spettroscopico si riconduce alla ricostruzione di spettri vincolati in strutture anatomiche i cui confini rappresentano l’informazione spaziale a priori.
Come ulteriore sviluppo di questo approccio matematico, è possibile superare il vincolo di omogeneità relativo alla distribuzione di densità spettrale all’interno di ciascun pixel naturale, sviluppando un algoritmo di ricostruzione, basato sul modello a serie generalizzate. Tale approccio consente di gestire i vincoli “a priori” relativi alla morfologia dell’organo in esame all’interno delle funzioni di base della serie generalizzata.
L’ostacolo concettuale più importante che si oppone al metodo SLIM è rappresentato dal vincolo di omogeneità spettrale all’interno della singola ROI selezionata. Tale vincolo, infatti, può essere sconfessato da disomogeneità compartimentali, plausibili non solo in merito a ragioni di natura fisiologica, ma anche a problemi di natura tecnologica, come, ad esempio, l’intrinseca disomogeneità del campo magnetico statico, gli effetti di suscettività magnetica locale, nonchè a questioni inerenti la presenza di gradienti di concentrazione chimica dei metaboliti all’interno dell’area in studio. Sebbene il modello SLIM consenta di superare i limiti della tecnica CSI, legati alla bassa risoluzione della griglia di acquisizione e quindi alle dimensioni troppo grandi del pixel, l’ipotesi su cui esso lavora, ovvero che all’interno dei compartimenti anatomici evidenziati in fase di segmentazione la densità spettrale sia omogenea, si dimostra essere troppo rigida.
Processando lo stesso set di dati mediante GSLIM, i risultati ottenuti depongono per un notevole miglioramento nella ricostruzione e nel posizionamento spaziale della funzione spettrale delle disomogeneità interne al compartimento supposto omogeneo. E’ da notare come il metodo GSLIM permetta di rilevare immediatamente, osservando le relative immagini spettrali, le disomogeneità interne, permettendo quindi di pianificare una eventuale seconda segmentazione guidata dai criteri di disomogeneità spaziale esibiti dalla prima ricostruzione.
Questo lavoro di tesi descrive un complesso approccio fisico-matematico al problema della localizzazione spaziale della distribuzione metabolica spettrale in un organismo vivente. Tale approccio si colloca nella categoria dei metodi matematici idonei alla regolarizzazione di un problema inverso mal-condizionato.
Le nuove frontiere della diagnostica medica, riguardanti la biochimica clinica in vivo, hanno trovato un considerevole sviluppo con l’introduzione di nuove strumentazioni, sempre più avanzate, all’interno delle strutture sanitarie e di tecniche di imaging medico orientate alla diagnosi ed al monitoraggio di svariate patologie.
Tra le più importanti tecnologie utilizzate, o utilizzabili in futuro, nella diagnostica biochimico-clinica, la Spettroscopia di Risonanza Magnetica Nucleare (MRS, Magnetic Resonance Spectroscopy) appare particolarmente innovativa e promettente.
La MRS è un’importante applicazione del fenomeno fisico della Risonanza Magnetica Nucleare e rappresenta un potente strumento diagnostico non invasivo, capace di rilevare informazioni biochimiche e metaboliche dei tessuti biologici esaminati, descrivendone la natura atomica e subatomica e la struttura molecolare attraverso l’analisi delle frequenze di risonanza di specifici nuclei atomici in essi contenuti (ad esempio i protoni nel caso della spettroscopia dell’idrogeno). Tale tecnica diagnostica si propone come valido ausilio e supporto delle indagini standard di imaging RM, in cui mappe anatomiche ad alta risoluzione vengono ricostruite a partire da informazioni di tipo strutturale relative alle regioni esaminate.
Gli sviluppi più promettenti dell’Imaging di Risonanza Magnetica (MRI, Magnetic Resonance Imaging) riguardano oggi quelle tecniche diagnostiche che ambiscono a fornire informazioni che vadano oltre la semplice rappresentazione morfologica dell’oggetto in esame. Questo accade negli studi di diffusione, perfusione e di attivazione cerebrale, ma anche, e soprattutto, nelle indagini di Imaging Spettroscopico.
Lo studio morfologico di base con RM, considerando l’esame di elezione per patologie del SNC, non è sempre specifico nel caratterizzare tessuto cerebrale anomalo, nonostante la sua indubbia sensibilità. Da qui la necessità di integrare i parametri morfologici con quelli fisiologici, quelli metabolici con quelli funzionali, etc.
La differenziazione dei tessuti è la principale, potenziale applicazione clinica della tecnica di indagine biomedica MRS. L’uso combinato delle informazioni spaziali e morfologiche contenute nelle immagini anatomiche RM e dei dati metabolici ottenuti con indagine spettroscopica potrebbe consentire una più facile discriminazione tra tessuti normali e lesionati, e quindi migliorare l’iter diagnostico di molte patologie del sistema nervoso ma anche di organi, quali mammella e prostata.
Le principali limitazioni all’applicabilità in vivo della spettroscopia riguardano:
1) la bassa risoluzione spaziale delle immagini ricostruite e quindi la scarsa qualità e affidabilità della localizzazione spettrale;
2) gli artefatti e le distorsioni presenti nei dati registrabili sperimentalmente.
Il successo dell’utilizzo in vivo dell’imaging spettroscopico, come strumento diagnostico, dipende in primo luogo dall’accuratezza con la quale vengono stimate le concentrazioni dei composti chimici presenti nella regione anatomica di interesse, e quindi, inevitabilmente, dall’accuratezza con cui l’informazione spettrale viene localizzata spazialmente.
Le tecniche convenzionali comunemente eseguite nei tomografi commerciali si basano sulla tecnica CSI (Chemical Shift Imaging), nella quale i dati grezzi codificati in fase vengono elaborati attraverso l’utilizzo della Trasformata Discreta di Fourier (DFT, Discrete Fourier Transform). Le immagini ricostruite presentano però limiti severi in termini di risoluzione spaziale ed artefatti di aliasing dovuti all’inevitabile troncamento nei dati sperimentali delle frequenze spaziali.
Negli ultimi anni sono state sviluppate tecniche di ricostruzione che prevedono l’utilizzo di modelli matematici sempre più avanzati, non basati sul modello a serie di Fourier.
L’attenzione di questo progetto si è rivolta in particolare allo studio e alla validazione teorica e pratica dei metodi SLIM (Spectral Localization by Imaging) e la sua evoluzione GSLIM (Generalized SLIM) basati sull’utilizzo di un nuovo concetto di pixel (il “pixel naturale”) e, in particolare per il metodo GSLIM, su un modello matematico a serie generalizzate che permette di ridurre l’incongruenza numerica fra dati grezzi e spettro calcolato.
Il metodo si fonda sulla rivoluzionaria idea di incorporare, nelle funzioni del modello proposto, informazioni a priori ricavate da un’immagine anatomica ad alta risoluzione. Tali informazioni aggiuntive permetterebbero di compensare la perdita di informazione spettrale, dovuta al sottocampionamento dei dati in fase di acquisizione e responsabile dei forti limiti del modello a serie di Fourier, utilizzato nel metodo CSI.
Operando una segmentazione completa dell’intero campo di vista spettroscopico (FOV, Field of View) e riconoscendo al suo interno un numero finito e relativamente basso di “pixel naturali”, il problema spettroscopico si riconduce alla ricostruzione di spettri vincolati in strutture anatomiche i cui confini rappresentano l’informazione spaziale a priori.
Come ulteriore sviluppo di questo approccio matematico, è possibile superare il vincolo di omogeneità relativo alla distribuzione di densità spettrale all’interno di ciascun pixel naturale, sviluppando un algoritmo di ricostruzione, basato sul modello a serie generalizzate. Tale approccio consente di gestire i vincoli “a priori” relativi alla morfologia dell’organo in esame all’interno delle funzioni di base della serie generalizzata.
L’ostacolo concettuale più importante che si oppone al metodo SLIM è rappresentato dal vincolo di omogeneità spettrale all’interno della singola ROI selezionata. Tale vincolo, infatti, può essere sconfessato da disomogeneità compartimentali, plausibili non solo in merito a ragioni di natura fisiologica, ma anche a problemi di natura tecnologica, come, ad esempio, l’intrinseca disomogeneità del campo magnetico statico, gli effetti di suscettività magnetica locale, nonchè a questioni inerenti la presenza di gradienti di concentrazione chimica dei metaboliti all’interno dell’area in studio. Sebbene il modello SLIM consenta di superare i limiti della tecnica CSI, legati alla bassa risoluzione della griglia di acquisizione e quindi alle dimensioni troppo grandi del pixel, l’ipotesi su cui esso lavora, ovvero che all’interno dei compartimenti anatomici evidenziati in fase di segmentazione la densità spettrale sia omogenea, si dimostra essere troppo rigida.
Processando lo stesso set di dati mediante GSLIM, i risultati ottenuti depongono per un notevole miglioramento nella ricostruzione e nel posizionamento spaziale della funzione spettrale delle disomogeneità interne al compartimento supposto omogeneo. E’ da notare come il metodo GSLIM permetta di rilevare immediatamente, osservando le relative immagini spettrali, le disomogeneità interne, permettendo quindi di pianificare una eventuale seconda segmentazione guidata dai criteri di disomogeneità spaziale esibiti dalla prima ricostruzione.
Questo lavoro di tesi descrive un complesso approccio fisico-matematico al problema della localizzazione spaziale della distribuzione metabolica spettrale in un organismo vivente. Tale approccio si colloca nella categoria dei metodi matematici idonei alla regolarizzazione di un problema inverso mal-condizionato.
File
Nome file | Dimensione |
---|---|
The thesis is not available. |