Statistische Strukturmodelle zur automatisierten Erstellung individueller, neuronaler Vernetzungsprofile für die Demenzforschung

用于自动创建用于痴呆症研究的个体神经元网络配置文件的统计结构模型

• 批准号: 142194222
• 负责人: Professor Dr. Marco Essig
• 金额: --
• 依托单位: Institut für Medizinische Informatik (MI)
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2010
• 资助国家: 德国
• 起止时间: 2009-12-31 至 2015-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/142194222?language=en
• 关键词: Statistische; Strukturmodelle; zur; automatisierten; Erstellung

Die Auswertung von diffusionsgewichteten Bildvolumina erlaubt die Identifizierung und quantitative Beurteilung von Schädigungen der aus einzelnen Nervenfasern bestehenden, komplexen neuronalen Vernetzung des Gehirns. Aktuelle Verfahren zur Auswertung von diffusionsgewichteten Bildern haben großes Potential in der Demenzforschung bewiesen, sind aber oft stark von manuellen Eingaben abhängig und örtlich begrenzt auf eine oder einige wenige Zielregionen. Voxelbasierte Techniken beschränken zudem häufig auf die Auswertung von skalaren Werten und verlieren somit wertvolle Richtungs- oder Vernetzungsinformationen. Auch die Abhängigkeit von einer korrekten Bildregistrierung oder einer starken Glättung der Bilder ist hoch. Viele der relevanten Nervenbündel sind sehr dünn, stark gekrümmt, liegen dicht beieinander oder kreuzen sich gegenseitig. Teilweise sind sie auch nur an bestimmten Stellen komprimiert, was eine vollständige Identifizierung ohne Kenntnis des normalen Verlaufes schwierig macht. Aufgrund der Verschiedenheit der anatomischen Strukturen und deren Vernetzung untereinander gibt es bis heute kein Verfahren, welches eine umfassende Auswertung aller relevanten Nervenbündel robust und reproduzierbar erlaubt. Ziel dieses Forschungsvorhabens ist es, die Eigenschaften und besonderen Merkmale der relevanten Strukturen geeignet zu modellieren und als a priori Wissen bei der Betrachtung spezifischer Strukturen einzubinden. Das zu diesem Zweck entwickelte Konzept der statistischen Strukturmodelle baut auf den am Krebsforschungszentrum bereits an anderen Organen erfolgreich im Einsatz befindlichen statistischen Formmodellen auf. Es beinhaltet einen Ansatz für eine automatisierte Erstellung patientenindividueller, neuronaler Vernetzungsprofile und die Ableitung von charakteristischen Schädigungsmustern am Beispiel neurodegenerativer Erkrankungen wie der Demenz vom Alzheimer Typ. Die Vorgehensweise verspricht Benutzerunabhängigkeit, geeigneten Umgang mit Partialvolumeneffekten und eine hypothesenfreie Betrachtung der Veränderungen in der neuronalen Vernetzungstruktur.

Die Auswertung von Die Die Die diagizierung und BeurteilungvonSchädiggennBesteen，Komplexen Neuronalen vernetzung des gehirns。曼努埃伦·埃加纳·阿布·恩吉格（Manuelen eingabenAbhängig）和丹格·伯恩格（Manuelen eingabenAbhängig）和Örtlichbegrenzt的潜力，信德省（Sindh of Stars）的潜力，世界是一个富有的地方。世界富有世界。世界富有世界。世界富有世界。世界富有世界，世界富有世界。世界富有世界，世界富有世界。世界富有世界，世界富有世界。最好的世界上最好的是最好的，也是Verlaufes的正常化。 Aufgrund derChiedenheit der anatomischen strukturen undervernetzung untereinander gibt es bisheute bisheute kein verfahren，welches eine umfassende eelergensende exlergentenneverenbünnevendelneverenbünnevendelroundusot unodupoduzierbar erlaubt。 Ziel Dies Forschungsvorhabens是一个先验地位的地方。 Das Zu Diesem Zweck Entwickelte konzept der Statistischen strukturmodelle baut auf auf auf den am krebsforschungszentrum bereits an anderen Orfolgreich imeinsatz befindlichen statlichen statlichen statiStischen formmodelen auf。 The Beginners of the Beginners of the Beispiel Neurodegenerative Erkrankengen, the Beginners of the Beispiel Neurodegenerative Erkrankengen, the Beginners of the Benutzerunabhängigkeit, the Partial Volume Neffeffekten und Eine Hypothesenfreie Betrayung in der Veränderungen Neuronalen Vernetzungstruktur.