SlideShare uma empresa Scribd logo
1 de 45
Baixar para ler offline
Curso MNPS 2019.
Recursos para o tratamento de imagens dMRI, DWI,
DTI e tractografias.
São Paulo. Agosto de 2019.
Armando Alaminos Bouza.
Equipe de desenvolvimento MNPS-CAT3D.
Mevis Informática Médica LTDA.
A imagem por ressonância magnética de difusão (dMRI) é uma modalidade, in vivo,
não invasiva, que utiliza a difusão das moléculas de água no tecido para inferir a
arquitetura de algumas estruturas anatômicas.
Hoje, a aplicação mais importante de dMRI é a reconstrução de fibras de
substância branca cerebral, também conhecidas como tractos (na literatura inglesa
procurar como “brain fibers” ou “fiber tracks”). Também devemos mencionar os
fatores de anisotropia do Tensor de Difusão.
Estas fibras são constituídas por conglomerados de axônios com percursos
paralelos e muito próximos.
As moléculas da água, na substância branca apresentam difusão anisotrópica, com
marcado predomínio da difusão no sentido paralelo às fibras.
Ilustração da suposta origem da anisotropia na difusão das moléculas de água nas fibras
de substância branca. Tomado de Christian Beaulieu, NMR in Biomedicine. 2002; 15:435-
455.
A dMRI utiliza um gradiente de campo magnético pulsado aplicado sobre a amostra
estudada. Se o gradiente aplicado em um voxel for paralelo com a direção de máxima
difusão das moléculas de água existe uma perda de sinal máxima e mensurável. A
perda de sinal também depende da duração dos gradientes de campo magnético.
A soma dos parâmetros que geram perda de sinal por difusão são quantificados pela
variável denominada “b-value”.
Einstein no seu estudo do movimento Browniano, achou uma equação que relaciona o
provável percurso (raiz média quadrática) da particular com o tempo:
S2
= 2 D t (onde D: “Coeficiente de Difusão” [mm2
/s] )
Conhecida a perda de sinal e o valor do b-value aplicado podemos determinar o valor
aparente de “D” na equação. Mas isso é valido para uma dimensão ou no caso de
difusão absolutamente isotrópica.
No caso da dMRI o valor de “D” que conseguimos não é apenas uma expressão da
difusividade do tecido. O valor resultante depende das condições do experimento, tais
como tempo de difusão, intensidades dos campos aplicados, etc. Por isso o termo
utilizado para D na dMRI é “coeficiente de difusão aparente” (Apparent Diffusion
Coefficient ou ADC nas expressões matemáticas).
A difusão é fundamental para explicar a evolução dos sistemas com gradientes de
concentração de um elemento. Segundo a primeira lei de Fick:
Onde J é densidade de fluxo sobre o eixo x, e C concentração de um tipo de moléculas.
A imagem de MRI pesada por difusividade se obtém de uma T2 com adição de dois
pulsos de gradiente para amostragem de difusão. Ambos pulsos na mesma direção e
separados por um pequeno tempo. Este método é denominado “Stejskal-Tanner
diffusion Encoding”.
Pode ser provado que para uma direção, a perda de sinal derivada da difusividade
das moléculas de água, com o “Stejskal-Tanner diffusion Encoding” é:
Onde :
Si é o sinal na condição de Stejskal-Tanner,
S0 é o sinal sem pulso de gradiente para difusão,
b é o “b-values”
ADCi é o coeficiente de difusão aparente na direção i do gradiente aplicado.
Se continuamos considerando um meio isotrópico, do ponto de vista da difusão, a
densidade de fluxo em 3D pode ser representado como:
Observe que tanto o fluxo J como o gradiente de concentração tem tratamento
vetorial. J e C são vetores em 3 dimensões (3
). O operador matemático que
representa um gradiente é , sendo:
C = i ·∂ C/∂ x + j ·∂ C/∂ y + k ·∂ C/∂ z (i,j,k : vetores unitários)
Em geral, para meios não isotrópicos a relação entre o vetor fluxo e o vetor
concentração toma a forma:
Onde D agora é uma matriz 3x3 que equivale a um tensor de ordem (rank) 2:
A probabilidade de difusão das moléculas de água em um voxel do tecido é tridimensional,
mas cada “b-value” aplicado apenas nos permite medir a difusão paralela (ou antiparalela)
com a direção do gradiente. Isto obriga a aplicar múltiplas direções do gradiente se
necessitamos reconstruir a distribuição espacial da probabilidade de difusão em cada
voxel.
Sequência DWI
mostrando o mapa de
sinal para [b=0]
e [b != 0] para distintos
ângulos do gradiente
aplicado.
Cada uma destas
aquisições permite
determinar o ADC em
uma direção para cada
voxel usando o modelo
de Stejskal-Tanner.
Uma sequência DWI
representa um volume
4D !
Embora o tensor de difusão apresente 9 componentes, felizmente é uma matriz
simétrica,
Ou seja Dij == Dji
Com isso o número de incógnitas no tensor cai a 6.
Para determinar o tensor em cada voxel de uma sequência DWI necessitamos
resolver o Sistema de equações lineares simultâneas que segue:
Onde N é o número de medidas com ângulos diferentes do gradiente. Xi, Yi, Zi são os
componentes do gradiente na medida i sobre cada eixo, si é o resultado de (Si/S0) e
por ultimo, b o b-values (que pode ser diferente para cada medida).
O número mínimo de medidas com ângulos diferentes é 6. Mas para atingir boa
qualidade nunca se devem fazer menos que 12 direções, com maior número de
medidas melhoramos a estatística e consequentemente a qualidade do tensor.
Sendo que em geral sempre contamos com mais do que 6 medidas, é preferível
resolver D por mínimos quadrados, para cada voxel.
Para mensurar se existe anisotropia em um voxel descomponhamos o tensor em seus
autovectores e autovalores (eigenvectors, eigenvalues). Se identificamos os
autovalores como , o tensor de difusão pode ser representado pelo elipsoide:
Se 1, 2, 3, são notoriamente
diferentes, existe grande anisotropia
nesse voxel e isso indica a presença de
fibras.
Uma métrica muito difundida da anisotropia do ADC é a “Fractional Anisotropy” ,
geralmente representada como FA:
FA =
<  >
Onde :
FA é uma escalar, ela propriamente não contém direção.
Como a FA está associada ao tensor de difusão, que contém informação direcional, o
mais comum para representar mapas ou imagens de FA é utilizar cores para indicar
direção predominante da difusão (direção do autovetor principal).
A codificação das cores segue o padrão:
R = |e1x| FA
G = |e1y| FA
B = |e1z| FA
Exemplo de um mapa de FA no MNPS,
mostrando as curvas de isodose de
radiocirurgia e sua relação com as fibras
subjacentes.
No momento que escrevemos
esta aula, o importador DICOM de
Mevis (dicom.exe versão 5.28.05)
tem capacidade para importar
imagens de dMRI (ou DWI),
montar um volume 4D, resolver o
tensor de difusão para cada voxel
e exportar imagens (mapas) de FA
codificados com pixel RGB para
indicar direcionalidade, ou seja,
criar imagens “DTI”.
Observe a entrada do menu que
invoca este recurso:
“Tensor /Fiber/FA”
Segundo NAMIC (National Alliance for Medical Image Computing), o suporte a DWI dentro
das imagens DICOM continua sendo “vendor specific” e as recomendações da norma
DICOM não são seguidas para salvar dados de vetores de gradiente e “b-values”.
Isto representa um sério problema, pois as vezes encontramos imagens DWI das quais
não conseguimos extrair os dados necessários para resolver o tensor de difusão.
Exemplo de conjunto dos dados de uma aquisição DWI com 12 direções do gradiente.
Tomado de um estudo com MRI da Siemens.
Ferramentas “open source” para processar DWI para gerar DTI e
Tractografia:
- 3DSlicer - Windows, Mac OS X, Linux, https://www.slicer.org/
- FreeSurfer - Mac OS X, Linux , https://surfer.nmr.mgh.harvard.edu/
- FSL - Mac OS X, Linux , Window(apenas dentro uma VM rodando Linux).
https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FSL
- BrainSuite - Mac OS X, Linux , Window , Mac OS X, Linux , Window
- DKI - Diffusional Kurtosis Imaging.[requer: MATLAB Compiler Runtime 2012a(MCR)].
http://academicdepartments.musc.edu/cbi/dki/dke.html
- DSI Studio - Windows, Mac OS X, Linux, http://dsi-studio.labsolver.org/
Why DSI Studio? The deterministic fiber tracking method in DSI Studio has achieved the highest "valid connection"
examined by an open competition (see the valid connection achieved by ID:3
at http://www.tractometer.org/ismrm_2015_challenge/results) among 96 methods submitted from 20 different
research group around the world. The first 3 highest valid connection (VC) were all conducted in DSI Studio.
O MNPS pode importar tractografias em formato .trk ou .obj de qualquer
um destes sistemas, mas neste curso vamos mostrar exclusivamente o DSI
Studio.
DSI Studio is developed by Fang-Cheng (Frank) Yeh,
frank.yeh@gmail.com
Department of Neurological Surgery.
University of Pittsburgh
Pittsburgh, PA 15213
USA.
Supported by:
Advanced Biomedical MRI Lab, National Taiwan University Hospital.
Cognitive Axon Lab, Carngie Mellon University.
Fiber Tractography Lab, University of Pittsburgh.
O DSI Studio é um sistema muito fácil de instalar. Apenas precisa fazer o
download do pacote. No caso de sistemas Windows é distribuído em um
pacote ZIP.
Descompacte o ZIP e copie todo o conteúdo em uma pasta.
Por exemplo, crie uma pasta :
C:DSIstudio
Depois crie um atalho para o executável principal, que é:
dsi_studio.exe
Pronto para uso.
Este ano estaremos mostrando a versão de 16 de Agosto de 2019
Execute o DSI-Studio.
Ao iniciar um novo caso com o DSI-Studio
recomendamos executar o “Batch Processing”, opção
“Rename DICOM in Subfolders”. Isto permite resolver
alguns problemas com imagens gravadas fora de ordem
ou sequências de imagens misturadas em uma única
pasta.
“Batch Processing” está em uma aba que fica na parte
inferior esquerda da janela do DSI-Studio.
NOTA: O Uso do Batch não é obrigatório em geral.
Continue com um click em “STEP1:…”
Navegue pelas pastas até chegar naquela que contém a sequência DWI.
Selecione as primeiras imagens (é bom que estejam com .dcm !)
O DSI Studio informa quantas imagens formam parte da sequência.
Aceite que abra todas.
Ao abrir esta
janela, click em
OK.
Click OK em outra
janela que
informa que o
volume foi criado.
Agora pode dar CLICK em STEP2.
Selecione o arquivo .src desejado.
Cria uma máscara para tentar
eliminar tecidos fora do
encéfalo, ossos, etc.
Estando satisfeito CLICK em
“Step 2: Select
Reconstruction method”
O método de reconstrução
default é DTI, que é nosso
objetivo.
CLICK em “Run Reconstruction”,
na parte inferior direita.
Agora deve aguardar pelo
processamento, pode demorar
até minutos se o seu PC for
lento.
Quando termina abre uma
janelinha que informa: “FIB file
created”. Click em OK e feche a
janela “Reconstructions”
CLICK em STEP3:
Selecione o arquivo .src.gz.dti.fib desejado
A seguir se abre a
janela de trabalho para
partindo do mapa de
FA e do tensor de
difusão criar os
tractos/fibras.
Extender
“Tracking Parameters”
Após um CLICK em
“Fiber Tracking”
as fibras são mostradas
Se as fibras forem
satisfatórias selecione no
menu “Tracks”,
“Save Tracks” e depois
“Save Current Tracks As”
O importador Dicom da
Mevis vai procurar os
arquivos “DTI.TRK”,
“WHOLE_BRAIN.TRK”,
“DTI.TRK.GS” e
“WHOLE_BRAIN.TRK.GS”. As
fibras devem estar na pasta
junto com as imagens.
NOTA: O importado Dicom de Mevis (Dicom.exe) também pode
importar tractografias em arquivos .OBJ criados pelo software
3DSlicer. Nesse caso renomear os arquivos de tractografias para
DTI.OBJ e copiar na pasta da DWI.
Agora arraste uma imagem DICOM da sequência DWI e solte no atalho do MNPShell.
Selecione “For Virtual Siducials Mode”
Partindo da versão 5.28.24
do importador Dicom de
Mevis o sistema identifica os
valores de b-value e b-vector
para alguns modelos e
versões do software de MRI.
O Dicom.exe ordena as
imagens pelas direções do
gradiente de difusão, caso
elas sejam identificadas.
O b-value e b-vector de cada
frame agora aparece nas
informações do frame, como
mostrado na imagem ao
lado.
Partindo da versão 5.28.26 do Dicom.exe de Mevis Podemos selecionar para exportar aqueles frames
com b-value igual a zero. Com isso fica muito mais fácil enviar para o MNPS (ou Tracker) o volume base
sem difusão direcional e com os tractos previamente criados pelo DSI-Studio (e outros sistemas).
Lembre que o arquivo com tractografias deve estar na pasta das imagens do paciente com o nome
“DTI.TRK” ou “WHOLE_BRAIN.TRK” ou “DTI.TRK.GS” ou “WHOLE_BRAIN.TRK.GS”.
Com isso o importador Dicom de Mevis carrega os tractos junto com as imagens
(normalmente as que tem b-value nulo, que tem sinal mais alto) e exporta para o MNPS
os tractos em um arquivo com extensão .mevtra
Para criar as imagens de FA coloridas, com pixels RGB é bem
simples. Em “Option”, selecione “Tensor/Fiber/FA”
O Dicom.exe cria uma subpasta TMP000 e nela salva, temporariamente, um volume 4D em
formato NIfTI, junto com as tableas de bval e bvec, em ASCII.
O Dicom.exe pede para fechar a sequencia original e migrar para o volume NIfTI 4D.
Selecione o arquivo NII indicado pelo sistema.
Volte a selecionar “Options” e “Tensor/Fiber/FA”
Se cria uma máscara para isolar o tecido cerebral de outras partes. Pode modificar a
máscara com teclas de flechas e percorrer as imagens com rodinha do mouse.
Termine com Tecla F10
O importador Dicom cria
outro folder, na pasta IMAGE,
com o nome do paciente
como prefixo seguido de
_DWI_, e colocas as imagens
de Fractional Anisotropy (FA).
Que devem ser tratadas no
MNPS como “Virtual
Fiducials”.
Apôs criar novo plano no MNPS com as imagens de AF, no modo virtual fiducial, chegamos a:
MNPS
mostrando
FA, com
pixels RGB.
RED – LAT
Green – AP
Blue - UP
E misturas
das cores
básica para
outras
direções.
Para criar tractografias partindo de Mosaic, o trabalho do ponto de vista do DSI-Studio é similar ao
antes exposto. Já no caso do importador Dicom, temos um trabalho a mais, o recomendado é explorar
os diferentes “mosaicos” e ficar com aquele que tem b-value zero.
Cada arquivo de Siemens mosaic contem um único estado de b-value e b-vector.
Bibliografia:
1- Mukherjee P., et.al. ”Diffusion Tensor MR Imaging and Fiber Tractography: Theoretic Underpinnings” . AJNR, Apr
2008.
2-Beaulieu C., “The basis of anisotropic water diffusion in the nervous system – technical review”. NMR Biomed
2002;15:435-455.
3-Minati Ludovico, et.al. “Physical Foundations, Models, and Methods of Diffusion Magnetic Resonance Imaging of the
Brain: A Review “. Wiley InterScience. 2007.
4 – Mori Susumu, et.al. “Fiber tracking: principles and strategies – a technical review. NMR Biomed. 2002; 15:468-480.
5- NAMIC: “National Alliance for Medical Image Computing” . Referências úteis: https://wiki.na-
mic.org/wiki/Overview , https://wiki.na-mic.org/wiki/NAMIC_Wiki:DTI:DICOM_for_DWI_and_DTI , https://wiki.na-
mic.org/wiki/NAMIC_Wiki:DTI:Nrrd_format .
6 – Sobre o Siemens Mosaic: https://nipy.org/nibabel/dicom/dicom_mosaic.html

Mais conteúdo relacionado

Mais procurados

Curso MNPS 2016. Virtual Fiducials Mode
Curso MNPS 2016. Virtual Fiducials ModeCurso MNPS 2016. Virtual Fiducials Mode
Curso MNPS 2016. Virtual Fiducials ModeArmando Alaminos Bouza
 
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.Armando Alaminos Bouza
 
MNPS-2015: Planejamento de Radiocirurgia
MNPS-2015: Planejamento de RadiocirurgiaMNPS-2015: Planejamento de Radiocirurgia
MNPS-2015: Planejamento de RadiocirurgiaArmando Alaminos Bouza
 
Curso MNPS 2018. Registro e Fusão de Imagens
Curso MNPS 2018. Registro e Fusão de ImagensCurso MNPS 2018. Registro e Fusão de Imagens
Curso MNPS 2018. Registro e Fusão de ImagensArmando Alaminos Bouza
 
Curso MNPS 2016. Planejamento de Radiocirurgia
Curso MNPS 2016. Planejamento de RadiocirurgiaCurso MNPS 2016. Planejamento de Radiocirurgia
Curso MNPS 2016. Planejamento de RadiocirurgiaArmando Alaminos Bouza
 
Curso MNPS 2016. Segmentação e ROIs.
Curso MNPS 2016. Segmentação e ROIs.Curso MNPS 2016. Segmentação e ROIs.
Curso MNPS 2016. Segmentação e ROIs.Armando Alaminos Bouza
 
Mnps 2016. Resumo das Novidades de 2015 a 2016.
Mnps 2016. Resumo das Novidades de 2015 a 2016.Mnps 2016. Resumo das Novidades de 2015 a 2016.
Mnps 2016. Resumo das Novidades de 2015 a 2016.Armando Alaminos Bouza
 
MNPS-CAT3D e StereoCheck com hardware MACOM MA-2000
MNPS-CAT3D e StereoCheck  com hardware MACOM  MA-2000MNPS-CAT3D e StereoCheck  com hardware MACOM  MA-2000
MNPS-CAT3D e StereoCheck com hardware MACOM MA-2000Armando Alaminos Bouza
 
Curso MNPS 2017: Functional Neurosurgery Planning
Curso MNPS 2017: Functional Neurosurgery PlanningCurso MNPS 2017: Functional Neurosurgery Planning
Curso MNPS 2017: Functional Neurosurgery PlanningArmando Alaminos Bouza
 
Curso MNPS 2017: Segmentação e ROIs. Image Segmentation and ROIs
Curso MNPS 2017: Segmentação e ROIs.  Image Segmentation and ROIsCurso MNPS 2017: Segmentação e ROIs.  Image Segmentation and ROIs
Curso MNPS 2017: Segmentação e ROIs. Image Segmentation and ROIsArmando Alaminos Bouza
 
Desenvolvimento da interface computacional gráfica em estereotaxia.
Desenvolvimento da interface computacional gráfica em estereotaxia.Desenvolvimento da interface computacional gráfica em estereotaxia.
Desenvolvimento da interface computacional gráfica em estereotaxia.Armando Alaminos Bouza
 
Um estudo sobre segmentação automática de imagens bidimensionais de seções tr...
Um estudo sobre segmentação automática de imagens bidimensionais de seções tr...Um estudo sobre segmentação automática de imagens bidimensionais de seções tr...
Um estudo sobre segmentação automática de imagens bidimensionais de seções tr...Charles Silva
 
Tomografia fisica basica
Tomografia   fisica basicaTomografia   fisica basica
Tomografia fisica basicaLuanapqt
 
Astrofotografia simples campus party 2011
Astrofotografia simples campus party 2011Astrofotografia simples campus party 2011
Astrofotografia simples campus party 2011Campus Party Brasil
 
Modelo 3D de Imagens Radiográficas para Auxilio em Diagnósticos
Modelo 3D de Imagens Radiográficas para Auxilio em DiagnósticosModelo 3D de Imagens Radiográficas para Auxilio em Diagnósticos
Modelo 3D de Imagens Radiográficas para Auxilio em DiagnósticosElen Arantza
 
Tomografia computadorizada tecnologia_e_funcionamento_equipamentos
Tomografia computadorizada tecnologia_e_funcionamento_equipamentosTomografia computadorizada tecnologia_e_funcionamento_equipamentos
Tomografia computadorizada tecnologia_e_funcionamento_equipamentoswelberrj
 
Curso CAT3D 2015: Novidade do Registro e Fusão Multimodal de imagens.
Curso CAT3D 2015: Novidade do Registro e Fusão Multimodal de imagens.Curso CAT3D 2015: Novidade do Registro e Fusão Multimodal de imagens.
Curso CAT3D 2015: Novidade do Registro e Fusão Multimodal de imagens.Armando Alaminos Bouza
 

Mais procurados (20)

Curso MNPS 2016. Virtual Fiducials Mode
Curso MNPS 2016. Virtual Fiducials ModeCurso MNPS 2016. Virtual Fiducials Mode
Curso MNPS 2016. Virtual Fiducials Mode
 
Curso MNPS 2019. Segmentação e ROIs
Curso MNPS 2019. Segmentação e ROIsCurso MNPS 2019. Segmentação e ROIs
Curso MNPS 2019. Segmentação e ROIs
 
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.
Curso MNPS 2018. Registro 2D-3D. Localização estereotaxica com Raio-X intra-op.
 
MNPS-2015: Planejamento de Radiocirurgia
MNPS-2015: Planejamento de RadiocirurgiaMNPS-2015: Planejamento de Radiocirurgia
MNPS-2015: Planejamento de Radiocirurgia
 
Curso MNPS 2018: Segmentação e ROIs
Curso MNPS 2018: Segmentação e ROIsCurso MNPS 2018: Segmentação e ROIs
Curso MNPS 2018: Segmentação e ROIs
 
Curso MNPS 2018. Registro e Fusão de Imagens
Curso MNPS 2018. Registro e Fusão de ImagensCurso MNPS 2018. Registro e Fusão de Imagens
Curso MNPS 2018. Registro e Fusão de Imagens
 
Curso MNPS 2016. Planejamento de Radiocirurgia
Curso MNPS 2016. Planejamento de RadiocirurgiaCurso MNPS 2016. Planejamento de Radiocirurgia
Curso MNPS 2016. Planejamento de Radiocirurgia
 
Curso MNPS 2016. Segmentação e ROIs.
Curso MNPS 2016. Segmentação e ROIs.Curso MNPS 2016. Segmentação e ROIs.
Curso MNPS 2016. Segmentação e ROIs.
 
Mnps 2016. Resumo das Novidades de 2015 a 2016.
Mnps 2016. Resumo das Novidades de 2015 a 2016.Mnps 2016. Resumo das Novidades de 2015 a 2016.
Mnps 2016. Resumo das Novidades de 2015 a 2016.
 
MNPS-CAT3D e StereoCheck com hardware MACOM MA-2000
MNPS-CAT3D e StereoCheck  com hardware MACOM  MA-2000MNPS-CAT3D e StereoCheck  com hardware MACOM  MA-2000
MNPS-CAT3D e StereoCheck com hardware MACOM MA-2000
 
Curso MNPS 2017: Functional Neurosurgery Planning
Curso MNPS 2017: Functional Neurosurgery PlanningCurso MNPS 2017: Functional Neurosurgery Planning
Curso MNPS 2017: Functional Neurosurgery Planning
 
Curso MNPS 2017: Segmentação e ROIs. Image Segmentation and ROIs
Curso MNPS 2017: Segmentação e ROIs.  Image Segmentation and ROIsCurso MNPS 2017: Segmentação e ROIs.  Image Segmentation and ROIs
Curso MNPS 2017: Segmentação e ROIs. Image Segmentation and ROIs
 
Desenvolvimento da interface computacional gráfica em estereotaxia.
Desenvolvimento da interface computacional gráfica em estereotaxia.Desenvolvimento da interface computacional gráfica em estereotaxia.
Desenvolvimento da interface computacional gráfica em estereotaxia.
 
Um estudo sobre segmentação automática de imagens bidimensionais de seções tr...
Um estudo sobre segmentação automática de imagens bidimensionais de seções tr...Um estudo sobre segmentação automática de imagens bidimensionais de seções tr...
Um estudo sobre segmentação automática de imagens bidimensionais de seções tr...
 
Tomografia fisica basica
Tomografia   fisica basicaTomografia   fisica basica
Tomografia fisica basica
 
2aula mev
2aula mev2aula mev
2aula mev
 
Astrofotografia simples campus party 2011
Astrofotografia simples campus party 2011Astrofotografia simples campus party 2011
Astrofotografia simples campus party 2011
 
Modelo 3D de Imagens Radiográficas para Auxilio em Diagnósticos
Modelo 3D de Imagens Radiográficas para Auxilio em DiagnósticosModelo 3D de Imagens Radiográficas para Auxilio em Diagnósticos
Modelo 3D de Imagens Radiográficas para Auxilio em Diagnósticos
 
Tomografia computadorizada tecnologia_e_funcionamento_equipamentos
Tomografia computadorizada tecnologia_e_funcionamento_equipamentosTomografia computadorizada tecnologia_e_funcionamento_equipamentos
Tomografia computadorizada tecnologia_e_funcionamento_equipamentos
 
Curso CAT3D 2015: Novidade do Registro e Fusão Multimodal de imagens.
Curso CAT3D 2015: Novidade do Registro e Fusão Multimodal de imagens.Curso CAT3D 2015: Novidade do Registro e Fusão Multimodal de imagens.
Curso CAT3D 2015: Novidade do Registro e Fusão Multimodal de imagens.
 

Semelhante a Curso de tractografia dMRI

Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPS
Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPSCurso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPS
Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPSArmando Alaminos Bouza
 
MNPS version 10.36.00: DTI, DWI, FA and Tractography support.
MNPS version 10.36.00: DTI, DWI, FA and Tractography support.MNPS version 10.36.00: DTI, DWI, FA and Tractography support.
MNPS version 10.36.00: DTI, DWI, FA and Tractography support.Armando Alaminos Bouza
 
Reconhecimento de padrões capitulo 2-mestrado
Reconhecimento de padrões  capitulo 2-mestradoReconhecimento de padrões  capitulo 2-mestrado
Reconhecimento de padrões capitulo 2-mestradoWillian88
 
TDC2017 | Florianopolis - Trilha DevOps How we figured out we had a SRE team ...
TDC2017 | Florianopolis - Trilha DevOps How we figured out we had a SRE team ...TDC2017 | Florianopolis - Trilha DevOps How we figured out we had a SRE team ...
TDC2017 | Florianopolis - Trilha DevOps How we figured out we had a SRE team ...tdc-globalcode
 
Mineração de dados com a presença da deriva conceitual
Mineração de dados com a presença da deriva conceitualMineração de dados com a presença da deriva conceitual
Mineração de dados com a presença da deriva conceitualLuis Miguel Rojas Aguilera
 
06_Variaveis_Continuas.pdf
06_Variaveis_Continuas.pdf06_Variaveis_Continuas.pdf
06_Variaveis_Continuas.pdfjglaubermelo
 
Exercício deteção remota francisco javier cervigon ruckauer
Exercício deteção remota francisco javier cervigon ruckauerExercício deteção remota francisco javier cervigon ruckauer
Exercício deteção remota francisco javier cervigon ruckauerFrancisco Javier Cervigon Ruckauer
 
Apresentação - Comprimento da luz branca.pptx
Apresentação - Comprimento da luz branca.pptxApresentação - Comprimento da luz branca.pptx
Apresentação - Comprimento da luz branca.pptxRodrigoDeSiqueira1
 
Grafos De Bruijn para identificação de variações genéticas usando GBS
Grafos De Bruijn para identificação de variações genéticas usando GBSGrafos De Bruijn para identificação de variações genéticas usando GBS
Grafos De Bruijn para identificação de variações genéticas usando GBSMarcos Castro
 
Classificação de séries temporais via divergente entre densidades de probabil...
Classificação de séries temporais via divergente entre densidades de probabil...Classificação de séries temporais via divergente entre densidades de probabil...
Classificação de séries temporais via divergente entre densidades de probabil...André Carvalho
 
Estudo dirigido inteiro
Estudo dirigido inteiroEstudo dirigido inteiro
Estudo dirigido inteiroLucas Caetano
 
Caracterização de materiais e de dispositivos semicondutores
Caracterização de materiais e de dispositivos semicondutoresCaracterização de materiais e de dispositivos semicondutores
Caracterização de materiais e de dispositivos semicondutoresRoní Gonçalves
 
Tomografia taxa de compressao
Tomografia   taxa de compressaoTomografia   taxa de compressao
Tomografia taxa de compressaoLuanapqt
 

Semelhante a Curso de tractografia dMRI (20)

Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPS
Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPSCurso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPS
Curso MNPS 2018. DWI, DTI e Tractografia. Preprocessamento para o MNPS
 
MNPS version 10.36.00: DTI, DWI, FA and Tractography support.
MNPS version 10.36.00: DTI, DWI, FA and Tractography support.MNPS version 10.36.00: DTI, DWI, FA and Tractography support.
MNPS version 10.36.00: DTI, DWI, FA and Tractography support.
 
Reconhecimento de padrões capitulo 2-mestrado
Reconhecimento de padrões  capitulo 2-mestradoReconhecimento de padrões  capitulo 2-mestrado
Reconhecimento de padrões capitulo 2-mestrado
 
TDC2017 | Florianopolis - Trilha DevOps How we figured out we had a SRE team ...
TDC2017 | Florianopolis - Trilha DevOps How we figured out we had a SRE team ...TDC2017 | Florianopolis - Trilha DevOps How we figured out we had a SRE team ...
TDC2017 | Florianopolis - Trilha DevOps How we figured out we had a SRE team ...
 
V1
V1V1
V1
 
document
documentdocument
document
 
18comparaciones
18comparaciones18comparaciones
18comparaciones
 
comparaciones
comparacionescomparaciones
comparaciones
 
Mineração de dados com a presença da deriva conceitual
Mineração de dados com a presença da deriva conceitualMineração de dados com a presença da deriva conceitual
Mineração de dados com a presença da deriva conceitual
 
06_Variaveis_Continuas.pdf
06_Variaveis_Continuas.pdf06_Variaveis_Continuas.pdf
06_Variaveis_Continuas.pdf
 
Exercício deteção remota francisco javier cervigon ruckauer
Exercício deteção remota francisco javier cervigon ruckauerExercício deteção remota francisco javier cervigon ruckauer
Exercício deteção remota francisco javier cervigon ruckauer
 
Apresentação - Comprimento da luz branca.pptx
Apresentação - Comprimento da luz branca.pptxApresentação - Comprimento da luz branca.pptx
Apresentação - Comprimento da luz branca.pptx
 
Grafos De Bruijn para identificação de variações genéticas usando GBS
Grafos De Bruijn para identificação de variações genéticas usando GBSGrafos De Bruijn para identificação de variações genéticas usando GBS
Grafos De Bruijn para identificação de variações genéticas usando GBS
 
DAMICORE - conceito e prática
DAMICORE - conceito e práticaDAMICORE - conceito e prática
DAMICORE - conceito e prática
 
Classificação de séries temporais via divergente entre densidades de probabil...
Classificação de séries temporais via divergente entre densidades de probabil...Classificação de séries temporais via divergente entre densidades de probabil...
Classificação de séries temporais via divergente entre densidades de probabil...
 
Estudo dirigido inteiro
Estudo dirigido inteiroEstudo dirigido inteiro
Estudo dirigido inteiro
 
Módulo_03
Módulo_03Módulo_03
Módulo_03
 
Caracterização de materiais e de dispositivos semicondutores
Caracterização de materiais e de dispositivos semicondutoresCaracterização de materiais e de dispositivos semicondutores
Caracterização de materiais e de dispositivos semicondutores
 
Tomografia taxa de compressao
Tomografia   taxa de compressaoTomografia   taxa de compressao
Tomografia taxa de compressao
 
kNN Algorithm
kNN AlgorithmkNN Algorithm
kNN Algorithm
 

Mais de Armando Alaminos Bouza

MNPS. Update Course and Advanced Techniques. Segmentation and ROIs.
MNPS.  Update Course and Advanced Techniques.  Segmentation and ROIs.MNPS.  Update Course and Advanced Techniques.  Segmentation and ROIs.
MNPS. Update Course and Advanced Techniques. Segmentation and ROIs.Armando Alaminos Bouza
 
MNPS. Update course. Virtual Fiducials Mode.
MNPS.  Update course. Virtual Fiducials Mode.MNPS.  Update course. Virtual Fiducials Mode.
MNPS. Update course. Virtual Fiducials Mode.Armando Alaminos Bouza
 
MNPS. Update course on Functional Neurosurgery Planning
MNPS.  Update course on Functional Neurosurgery PlanningMNPS.  Update course on Functional Neurosurgery Planning
MNPS. Update course on Functional Neurosurgery PlanningArmando Alaminos Bouza
 
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...Armando Alaminos Bouza
 
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...Armando Alaminos Bouza
 
Curso MNPS 2019 Resumo das Novidades (2018_2019)
Curso MNPS 2019 Resumo das Novidades (2018_2019)Curso MNPS 2019 Resumo das Novidades (2018_2019)
Curso MNPS 2019 Resumo das Novidades (2018_2019)Armando Alaminos Bouza
 
Test case for several Non-linear optimization methods.
Test case for several Non-linear optimization methods.Test case for several Non-linear optimization methods.
Test case for several Non-linear optimization methods.Armando Alaminos Bouza
 
Curso CAT3D 2018. Atualização em IMRT. Caso Teste
Curso CAT3D 2018.  Atualização em IMRT. Caso TesteCurso CAT3D 2018.  Atualização em IMRT. Caso Teste
Curso CAT3D 2018. Atualização em IMRT. Caso TesteArmando Alaminos Bouza
 
Curso CAT3D 2018. TBI, Soma de Planos, Exportar planos
Curso CAT3D 2018. TBI, Soma de Planos, Exportar planosCurso CAT3D 2018. TBI, Soma de Planos, Exportar planos
Curso CAT3D 2018. TBI, Soma de Planos, Exportar planosArmando Alaminos Bouza
 
Curso CAT3D 2018. Registro e Fusão. PortalCheck
Curso CAT3D 2018. Registro e Fusão. PortalCheckCurso CAT3D 2018. Registro e Fusão. PortalCheck
Curso CAT3D 2018. Registro e Fusão. PortalCheckArmando Alaminos Bouza
 
Curso CAT3D 2018. Introdução e Novidades
Curso CAT3D 2018. Introdução e NovidadesCurso CAT3D 2018. Introdução e Novidades
Curso CAT3D 2018. Introdução e NovidadesArmando Alaminos Bouza
 
Curso MNPS 2018: Recursos para Tractografias
Curso MNPS 2018: Recursos para TractografiasCurso MNPS 2018: Recursos para Tractografias
Curso MNPS 2018: Recursos para TractografiasArmando Alaminos Bouza
 
Curso MNPS 2018 Resumo Novidades (2017_2018)
Curso MNPS 2018 Resumo Novidades (2017_2018)Curso MNPS 2018 Resumo Novidades (2017_2018)
Curso MNPS 2018 Resumo Novidades (2017_2018)Armando Alaminos Bouza
 

Mais de Armando Alaminos Bouza (17)

MNPS. Update Course and Advanced Techniques. Segmentation and ROIs.
MNPS.  Update Course and Advanced Techniques.  Segmentation and ROIs.MNPS.  Update Course and Advanced Techniques.  Segmentation and ROIs.
MNPS. Update Course and Advanced Techniques. Segmentation and ROIs.
 
MNPS. Update course. Virtual Fiducials Mode.
MNPS.  Update course. Virtual Fiducials Mode.MNPS.  Update course. Virtual Fiducials Mode.
MNPS. Update course. Virtual Fiducials Mode.
 
MNPS. Update course on Functional Neurosurgery Planning
MNPS.  Update course on Functional Neurosurgery PlanningMNPS.  Update course on Functional Neurosurgery Planning
MNPS. Update course on Functional Neurosurgery Planning
 
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...
Aspectos físicos para comisionamiento del TPS en la radiocirugía con colimado...
 
MNPS System Presentation. 2020
MNPS System Presentation.  2020MNPS System Presentation.  2020
MNPS System Presentation. 2020
 
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...
CAT3D: Fitting the penumbra parameters of RSD for good reproduction of half b...
 
Cat3D, Algoritmos fundamentales. 2019
Cat3D, Algoritmos fundamentales. 2019Cat3D, Algoritmos fundamentales. 2019
Cat3D, Algoritmos fundamentales. 2019
 
Curso MNPS 2019 Resumo das Novidades (2018_2019)
Curso MNPS 2019 Resumo das Novidades (2018_2019)Curso MNPS 2019 Resumo das Novidades (2018_2019)
Curso MNPS 2019 Resumo das Novidades (2018_2019)
 
Test case for several Non-linear optimization methods.
Test case for several Non-linear optimization methods.Test case for several Non-linear optimization methods.
Test case for several Non-linear optimization methods.
 
Curso CAT3D 2018. Atualização em IMRT. Caso Teste
Curso CAT3D 2018.  Atualização em IMRT. Caso TesteCurso CAT3D 2018.  Atualização em IMRT. Caso Teste
Curso CAT3D 2018. Atualização em IMRT. Caso Teste
 
Curso CAT3D 2018. TBI, Soma de Planos, Exportar planos
Curso CAT3D 2018. TBI, Soma de Planos, Exportar planosCurso CAT3D 2018. TBI, Soma de Planos, Exportar planos
Curso CAT3D 2018. TBI, Soma de Planos, Exportar planos
 
Curso CAT3D 2018. Registro e Fusão. PortalCheck
Curso CAT3D 2018. Registro e Fusão. PortalCheckCurso CAT3D 2018. Registro e Fusão. PortalCheck
Curso CAT3D 2018. Registro e Fusão. PortalCheck
 
Curso CAT3D 2018 Segmentação e ROIs
Curso CAT3D 2018 Segmentação e ROIsCurso CAT3D 2018 Segmentação e ROIs
Curso CAT3D 2018 Segmentação e ROIs
 
Curso CAT3D 2018. Introdução e Novidades
Curso CAT3D 2018. Introdução e NovidadesCurso CAT3D 2018. Introdução e Novidades
Curso CAT3D 2018. Introdução e Novidades
 
Curso MNPS 2018: Recursos para Tractografias
Curso MNPS 2018: Recursos para TractografiasCurso MNPS 2018: Recursos para Tractografias
Curso MNPS 2018: Recursos para Tractografias
 
Curso MNPS 2018 Resumo Novidades (2017_2018)
Curso MNPS 2018 Resumo Novidades (2017_2018)Curso MNPS 2018 Resumo Novidades (2017_2018)
Curso MNPS 2018 Resumo Novidades (2017_2018)
 
MNPS, Guia Rápida 2018 (Portugues)
MNPS,  Guia Rápida 2018 (Portugues)MNPS,  Guia Rápida 2018 (Portugues)
MNPS, Guia Rápida 2018 (Portugues)
 

Último

TRABALHO SOBRE A ERISIPELA BOLHOSA.pptx.
TRABALHO SOBRE A ERISIPELA BOLHOSA.pptx.TRABALHO SOBRE A ERISIPELA BOLHOSA.pptx.
TRABALHO SOBRE A ERISIPELA BOLHOSA.pptx.ColorNet
 
Sistema endocrino anatomia humana slide.pdf
Sistema endocrino anatomia humana slide.pdfSistema endocrino anatomia humana slide.pdf
Sistema endocrino anatomia humana slide.pdfGustavoWallaceAlvesd
 
AULA SOBRE SAMU, CONCEITOS E CARACTERICAS
AULA SOBRE SAMU, CONCEITOS E CARACTERICASAULA SOBRE SAMU, CONCEITOS E CARACTERICAS
AULA SOBRE SAMU, CONCEITOS E CARACTERICASArtthurPereira2
 
Plantas-medicinais-nativas-do-Bioma-Pampa.pdf
Plantas-medicinais-nativas-do-Bioma-Pampa.pdfPlantas-medicinais-nativas-do-Bioma-Pampa.pdf
Plantas-medicinais-nativas-do-Bioma-Pampa.pdfDaianaBittencourt
 
INTRODUÇÃO A DTM/DOF-DRLucasValente.pptx
INTRODUÇÃO A DTM/DOF-DRLucasValente.pptxINTRODUÇÃO A DTM/DOF-DRLucasValente.pptx
INTRODUÇÃO A DTM/DOF-DRLucasValente.pptxssuser4ba5b7
 
Modelo de apresentação de TCC em power point
Modelo de apresentação de TCC em power pointModelo de apresentação de TCC em power point
Modelo de apresentação de TCC em power pointwylliamthe
 

Último (7)

Aplicativo aleitamento: apoio na palma das mãos
Aplicativo aleitamento: apoio na palma das mãosAplicativo aleitamento: apoio na palma das mãos
Aplicativo aleitamento: apoio na palma das mãos
 
TRABALHO SOBRE A ERISIPELA BOLHOSA.pptx.
TRABALHO SOBRE A ERISIPELA BOLHOSA.pptx.TRABALHO SOBRE A ERISIPELA BOLHOSA.pptx.
TRABALHO SOBRE A ERISIPELA BOLHOSA.pptx.
 
Sistema endocrino anatomia humana slide.pdf
Sistema endocrino anatomia humana slide.pdfSistema endocrino anatomia humana slide.pdf
Sistema endocrino anatomia humana slide.pdf
 
AULA SOBRE SAMU, CONCEITOS E CARACTERICAS
AULA SOBRE SAMU, CONCEITOS E CARACTERICASAULA SOBRE SAMU, CONCEITOS E CARACTERICAS
AULA SOBRE SAMU, CONCEITOS E CARACTERICAS
 
Plantas-medicinais-nativas-do-Bioma-Pampa.pdf
Plantas-medicinais-nativas-do-Bioma-Pampa.pdfPlantas-medicinais-nativas-do-Bioma-Pampa.pdf
Plantas-medicinais-nativas-do-Bioma-Pampa.pdf
 
INTRODUÇÃO A DTM/DOF-DRLucasValente.pptx
INTRODUÇÃO A DTM/DOF-DRLucasValente.pptxINTRODUÇÃO A DTM/DOF-DRLucasValente.pptx
INTRODUÇÃO A DTM/DOF-DRLucasValente.pptx
 
Modelo de apresentação de TCC em power point
Modelo de apresentação de TCC em power pointModelo de apresentação de TCC em power point
Modelo de apresentação de TCC em power point
 

Curso de tractografia dMRI

  • 1. Curso MNPS 2019. Recursos para o tratamento de imagens dMRI, DWI, DTI e tractografias. São Paulo. Agosto de 2019. Armando Alaminos Bouza. Equipe de desenvolvimento MNPS-CAT3D. Mevis Informática Médica LTDA.
  • 2. A imagem por ressonância magnética de difusão (dMRI) é uma modalidade, in vivo, não invasiva, que utiliza a difusão das moléculas de água no tecido para inferir a arquitetura de algumas estruturas anatômicas. Hoje, a aplicação mais importante de dMRI é a reconstrução de fibras de substância branca cerebral, também conhecidas como tractos (na literatura inglesa procurar como “brain fibers” ou “fiber tracks”). Também devemos mencionar os fatores de anisotropia do Tensor de Difusão. Estas fibras são constituídas por conglomerados de axônios com percursos paralelos e muito próximos. As moléculas da água, na substância branca apresentam difusão anisotrópica, com marcado predomínio da difusão no sentido paralelo às fibras.
  • 3. Ilustração da suposta origem da anisotropia na difusão das moléculas de água nas fibras de substância branca. Tomado de Christian Beaulieu, NMR in Biomedicine. 2002; 15:435- 455.
  • 4. A dMRI utiliza um gradiente de campo magnético pulsado aplicado sobre a amostra estudada. Se o gradiente aplicado em um voxel for paralelo com a direção de máxima difusão das moléculas de água existe uma perda de sinal máxima e mensurável. A perda de sinal também depende da duração dos gradientes de campo magnético. A soma dos parâmetros que geram perda de sinal por difusão são quantificados pela variável denominada “b-value”. Einstein no seu estudo do movimento Browniano, achou uma equação que relaciona o provável percurso (raiz média quadrática) da particular com o tempo: S2 = 2 D t (onde D: “Coeficiente de Difusão” [mm2 /s] ) Conhecida a perda de sinal e o valor do b-value aplicado podemos determinar o valor aparente de “D” na equação. Mas isso é valido para uma dimensão ou no caso de difusão absolutamente isotrópica.
  • 5. No caso da dMRI o valor de “D” que conseguimos não é apenas uma expressão da difusividade do tecido. O valor resultante depende das condições do experimento, tais como tempo de difusão, intensidades dos campos aplicados, etc. Por isso o termo utilizado para D na dMRI é “coeficiente de difusão aparente” (Apparent Diffusion Coefficient ou ADC nas expressões matemáticas). A difusão é fundamental para explicar a evolução dos sistemas com gradientes de concentração de um elemento. Segundo a primeira lei de Fick: Onde J é densidade de fluxo sobre o eixo x, e C concentração de um tipo de moléculas.
  • 6. A imagem de MRI pesada por difusividade se obtém de uma T2 com adição de dois pulsos de gradiente para amostragem de difusão. Ambos pulsos na mesma direção e separados por um pequeno tempo. Este método é denominado “Stejskal-Tanner diffusion Encoding”. Pode ser provado que para uma direção, a perda de sinal derivada da difusividade das moléculas de água, com o “Stejskal-Tanner diffusion Encoding” é: Onde : Si é o sinal na condição de Stejskal-Tanner, S0 é o sinal sem pulso de gradiente para difusão, b é o “b-values” ADCi é o coeficiente de difusão aparente na direção i do gradiente aplicado.
  • 7. Se continuamos considerando um meio isotrópico, do ponto de vista da difusão, a densidade de fluxo em 3D pode ser representado como: Observe que tanto o fluxo J como o gradiente de concentração tem tratamento vetorial. J e C são vetores em 3 dimensões (3 ). O operador matemático que representa um gradiente é , sendo: C = i ·∂ C/∂ x + j ·∂ C/∂ y + k ·∂ C/∂ z (i,j,k : vetores unitários)
  • 8. Em geral, para meios não isotrópicos a relação entre o vetor fluxo e o vetor concentração toma a forma: Onde D agora é uma matriz 3x3 que equivale a um tensor de ordem (rank) 2:
  • 9. A probabilidade de difusão das moléculas de água em um voxel do tecido é tridimensional, mas cada “b-value” aplicado apenas nos permite medir a difusão paralela (ou antiparalela) com a direção do gradiente. Isto obriga a aplicar múltiplas direções do gradiente se necessitamos reconstruir a distribuição espacial da probabilidade de difusão em cada voxel.
  • 10. Sequência DWI mostrando o mapa de sinal para [b=0] e [b != 0] para distintos ângulos do gradiente aplicado. Cada uma destas aquisições permite determinar o ADC em uma direção para cada voxel usando o modelo de Stejskal-Tanner. Uma sequência DWI representa um volume 4D !
  • 11. Embora o tensor de difusão apresente 9 componentes, felizmente é uma matriz simétrica, Ou seja Dij == Dji Com isso o número de incógnitas no tensor cai a 6.
  • 12. Para determinar o tensor em cada voxel de uma sequência DWI necessitamos resolver o Sistema de equações lineares simultâneas que segue: Onde N é o número de medidas com ângulos diferentes do gradiente. Xi, Yi, Zi são os componentes do gradiente na medida i sobre cada eixo, si é o resultado de (Si/S0) e por ultimo, b o b-values (que pode ser diferente para cada medida). O número mínimo de medidas com ângulos diferentes é 6. Mas para atingir boa qualidade nunca se devem fazer menos que 12 direções, com maior número de medidas melhoramos a estatística e consequentemente a qualidade do tensor.
  • 13. Sendo que em geral sempre contamos com mais do que 6 medidas, é preferível resolver D por mínimos quadrados, para cada voxel. Para mensurar se existe anisotropia em um voxel descomponhamos o tensor em seus autovectores e autovalores (eigenvectors, eigenvalues). Se identificamos os autovalores como , o tensor de difusão pode ser representado pelo elipsoide: Se 1, 2, 3, são notoriamente diferentes, existe grande anisotropia nesse voxel e isso indica a presença de fibras.
  • 14. Uma métrica muito difundida da anisotropia do ADC é a “Fractional Anisotropy” , geralmente representada como FA: FA = <  > Onde : FA é uma escalar, ela propriamente não contém direção.
  • 15. Como a FA está associada ao tensor de difusão, que contém informação direcional, o mais comum para representar mapas ou imagens de FA é utilizar cores para indicar direção predominante da difusão (direção do autovetor principal). A codificação das cores segue o padrão: R = |e1x| FA G = |e1y| FA B = |e1z| FA Exemplo de um mapa de FA no MNPS, mostrando as curvas de isodose de radiocirurgia e sua relação com as fibras subjacentes.
  • 16. No momento que escrevemos esta aula, o importador DICOM de Mevis (dicom.exe versão 5.28.05) tem capacidade para importar imagens de dMRI (ou DWI), montar um volume 4D, resolver o tensor de difusão para cada voxel e exportar imagens (mapas) de FA codificados com pixel RGB para indicar direcionalidade, ou seja, criar imagens “DTI”. Observe a entrada do menu que invoca este recurso: “Tensor /Fiber/FA”
  • 17. Segundo NAMIC (National Alliance for Medical Image Computing), o suporte a DWI dentro das imagens DICOM continua sendo “vendor specific” e as recomendações da norma DICOM não são seguidas para salvar dados de vetores de gradiente e “b-values”. Isto representa um sério problema, pois as vezes encontramos imagens DWI das quais não conseguimos extrair os dados necessários para resolver o tensor de difusão. Exemplo de conjunto dos dados de uma aquisição DWI com 12 direções do gradiente. Tomado de um estudo com MRI da Siemens.
  • 18. Ferramentas “open source” para processar DWI para gerar DTI e Tractografia: - 3DSlicer - Windows, Mac OS X, Linux, https://www.slicer.org/ - FreeSurfer - Mac OS X, Linux , https://surfer.nmr.mgh.harvard.edu/ - FSL - Mac OS X, Linux , Window(apenas dentro uma VM rodando Linux). https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FSL - BrainSuite - Mac OS X, Linux , Window , Mac OS X, Linux , Window - DKI - Diffusional Kurtosis Imaging.[requer: MATLAB Compiler Runtime 2012a(MCR)]. http://academicdepartments.musc.edu/cbi/dki/dke.html - DSI Studio - Windows, Mac OS X, Linux, http://dsi-studio.labsolver.org/ Why DSI Studio? The deterministic fiber tracking method in DSI Studio has achieved the highest "valid connection" examined by an open competition (see the valid connection achieved by ID:3 at http://www.tractometer.org/ismrm_2015_challenge/results) among 96 methods submitted from 20 different research group around the world. The first 3 highest valid connection (VC) were all conducted in DSI Studio.
  • 19. O MNPS pode importar tractografias em formato .trk ou .obj de qualquer um destes sistemas, mas neste curso vamos mostrar exclusivamente o DSI Studio. DSI Studio is developed by Fang-Cheng (Frank) Yeh, frank.yeh@gmail.com Department of Neurological Surgery. University of Pittsburgh Pittsburgh, PA 15213 USA. Supported by: Advanced Biomedical MRI Lab, National Taiwan University Hospital. Cognitive Axon Lab, Carngie Mellon University. Fiber Tractography Lab, University of Pittsburgh.
  • 20. O DSI Studio é um sistema muito fácil de instalar. Apenas precisa fazer o download do pacote. No caso de sistemas Windows é distribuído em um pacote ZIP. Descompacte o ZIP e copie todo o conteúdo em uma pasta. Por exemplo, crie uma pasta : C:DSIstudio Depois crie um atalho para o executável principal, que é: dsi_studio.exe Pronto para uso. Este ano estaremos mostrando a versão de 16 de Agosto de 2019
  • 21. Execute o DSI-Studio. Ao iniciar um novo caso com o DSI-Studio recomendamos executar o “Batch Processing”, opção “Rename DICOM in Subfolders”. Isto permite resolver alguns problemas com imagens gravadas fora de ordem ou sequências de imagens misturadas em uma única pasta. “Batch Processing” está em uma aba que fica na parte inferior esquerda da janela do DSI-Studio. NOTA: O Uso do Batch não é obrigatório em geral.
  • 22. Continue com um click em “STEP1:…”
  • 23. Navegue pelas pastas até chegar naquela que contém a sequência DWI. Selecione as primeiras imagens (é bom que estejam com .dcm !)
  • 24. O DSI Studio informa quantas imagens formam parte da sequência. Aceite que abra todas.
  • 25. Ao abrir esta janela, click em OK. Click OK em outra janela que informa que o volume foi criado.
  • 26. Agora pode dar CLICK em STEP2. Selecione o arquivo .src desejado.
  • 27. Cria uma máscara para tentar eliminar tecidos fora do encéfalo, ossos, etc. Estando satisfeito CLICK em “Step 2: Select Reconstruction method”
  • 28. O método de reconstrução default é DTI, que é nosso objetivo. CLICK em “Run Reconstruction”, na parte inferior direita. Agora deve aguardar pelo processamento, pode demorar até minutos se o seu PC for lento. Quando termina abre uma janelinha que informa: “FIB file created”. Click em OK e feche a janela “Reconstructions”
  • 30. Selecione o arquivo .src.gz.dti.fib desejado A seguir se abre a janela de trabalho para partindo do mapa de FA e do tensor de difusão criar os tractos/fibras.
  • 32. Após um CLICK em “Fiber Tracking” as fibras são mostradas
  • 33. Se as fibras forem satisfatórias selecione no menu “Tracks”, “Save Tracks” e depois “Save Current Tracks As” O importador Dicom da Mevis vai procurar os arquivos “DTI.TRK”, “WHOLE_BRAIN.TRK”, “DTI.TRK.GS” e “WHOLE_BRAIN.TRK.GS”. As fibras devem estar na pasta junto com as imagens.
  • 34. NOTA: O importado Dicom de Mevis (Dicom.exe) também pode importar tractografias em arquivos .OBJ criados pelo software 3DSlicer. Nesse caso renomear os arquivos de tractografias para DTI.OBJ e copiar na pasta da DWI.
  • 35. Agora arraste uma imagem DICOM da sequência DWI e solte no atalho do MNPShell. Selecione “For Virtual Siducials Mode”
  • 36. Partindo da versão 5.28.24 do importador Dicom de Mevis o sistema identifica os valores de b-value e b-vector para alguns modelos e versões do software de MRI. O Dicom.exe ordena as imagens pelas direções do gradiente de difusão, caso elas sejam identificadas. O b-value e b-vector de cada frame agora aparece nas informações do frame, como mostrado na imagem ao lado.
  • 37. Partindo da versão 5.28.26 do Dicom.exe de Mevis Podemos selecionar para exportar aqueles frames com b-value igual a zero. Com isso fica muito mais fácil enviar para o MNPS (ou Tracker) o volume base sem difusão direcional e com os tractos previamente criados pelo DSI-Studio (e outros sistemas). Lembre que o arquivo com tractografias deve estar na pasta das imagens do paciente com o nome “DTI.TRK” ou “WHOLE_BRAIN.TRK” ou “DTI.TRK.GS” ou “WHOLE_BRAIN.TRK.GS”.
  • 38. Com isso o importador Dicom de Mevis carrega os tractos junto com as imagens (normalmente as que tem b-value nulo, que tem sinal mais alto) e exporta para o MNPS os tractos em um arquivo com extensão .mevtra
  • 39. Para criar as imagens de FA coloridas, com pixels RGB é bem simples. Em “Option”, selecione “Tensor/Fiber/FA” O Dicom.exe cria uma subpasta TMP000 e nela salva, temporariamente, um volume 4D em formato NIfTI, junto com as tableas de bval e bvec, em ASCII.
  • 40. O Dicom.exe pede para fechar a sequencia original e migrar para o volume NIfTI 4D. Selecione o arquivo NII indicado pelo sistema. Volte a selecionar “Options” e “Tensor/Fiber/FA”
  • 41. Se cria uma máscara para isolar o tecido cerebral de outras partes. Pode modificar a máscara com teclas de flechas e percorrer as imagens com rodinha do mouse. Termine com Tecla F10 O importador Dicom cria outro folder, na pasta IMAGE, com o nome do paciente como prefixo seguido de _DWI_, e colocas as imagens de Fractional Anisotropy (FA). Que devem ser tratadas no MNPS como “Virtual Fiducials”.
  • 42. Apôs criar novo plano no MNPS com as imagens de AF, no modo virtual fiducial, chegamos a:
  • 43. MNPS mostrando FA, com pixels RGB. RED – LAT Green – AP Blue - UP E misturas das cores básica para outras direções.
  • 44. Para criar tractografias partindo de Mosaic, o trabalho do ponto de vista do DSI-Studio é similar ao antes exposto. Já no caso do importador Dicom, temos um trabalho a mais, o recomendado é explorar os diferentes “mosaicos” e ficar com aquele que tem b-value zero. Cada arquivo de Siemens mosaic contem um único estado de b-value e b-vector.
  • 45. Bibliografia: 1- Mukherjee P., et.al. ”Diffusion Tensor MR Imaging and Fiber Tractography: Theoretic Underpinnings” . AJNR, Apr 2008. 2-Beaulieu C., “The basis of anisotropic water diffusion in the nervous system – technical review”. NMR Biomed 2002;15:435-455. 3-Minati Ludovico, et.al. “Physical Foundations, Models, and Methods of Diffusion Magnetic Resonance Imaging of the Brain: A Review “. Wiley InterScience. 2007. 4 – Mori Susumu, et.al. “Fiber tracking: principles and strategies – a technical review. NMR Biomed. 2002; 15:468-480. 5- NAMIC: “National Alliance for Medical Image Computing” . Referências úteis: https://wiki.na- mic.org/wiki/Overview , https://wiki.na-mic.org/wiki/NAMIC_Wiki:DTI:DICOM_for_DWI_and_DTI , https://wiki.na- mic.org/wiki/NAMIC_Wiki:DTI:Nrrd_format . 6 – Sobre o Siemens Mosaic: https://nipy.org/nibabel/dicom/dicom_mosaic.html