İyileştirilmiş 1H manyetik rezonans spektroskopik görüntüleme için yazılım araçlarının geliştirilmesi

Proton manyetik rezonans spektroskopik görüntüleme (1H-MRSG), beyin me- tabolizmasının invazif olmayan, uzamsal olarak çözümlenmiş bir değerlendirmesini sağlar. Bununla birlikte, spektral kalite sorunları, kısmi hacim etkisi, kimyasal kayma artefaktı ve düşük uzaysal çözünürlük dahil olmak üzere, kliniklerde daha geniş kul- lanımını engelleyen 1H-MRSG'nin bazı sınırlamaları vardır. Ek olarak, diğer MR modaliteleri ile birlikte spektral verileri analiz etmek için metabolit haritaları oluş- turmak gereklidir. Bu çalışmanın ilk bölümünde, ham 1H-MRSG verilerinin ve LCModel çıktılarının görselleştirilmesi, kimyasal kayma düzeltme, doku fraksiyonu hesaplaması, metabolit haritası üretimi ve otomatik spektral kalite kontrolü sağlayarak MN152 beyin atlasına registrasyon yapan Oryx-MRSI adlı üç boyutlu 1H-MRSG için MATLAB tabanlı açık kaynaklı bir veri analiz yazılımı sunulmaktadır. Oryx-MRSI, MN152 beyin atlasında tanımlanan beyin parsellerinde ilgili bölge analizini uygular. Üretilen tüm metabolit haritaları NIFTI formatında saklanır. Oryx-MRSI, altı örnek veri seti ile birlikte Oryx- MRSI bağlantısında herkese açıktır. Bu çalışmanın ikinci bölümünde, Oryx-MRSI ile analiz edilen 1H-MRSG veri- lerini kullanarak Parkinson hastalığında hafif kognitif bozukluğun (PH-HKB) metabo- lik değişikliklerini araştırdık. Bu prospektif çalışmada on altı sağlıklı kontrol (SK), 26 kognitif olarak normal Parkinson hastalığı (PH-KN) hastası ve 34 PH-HKB has- tası tarandı. Nöropsikolojik testler yapıldı ve 3T'da üç boyutlu 1H-MRSG elde edildi. Metabolik parametreler ve nöropsikolojik test puanları PH-HKB, PH-KN ve SK arasında karşılaştırıldı. Nöropsikolojik test puanları ile metabolik yoğunluklar arasındaki korelasyonlar da değerlendirildi. SK, PH-KN ve PH-HKB gruplarını metabolit seviyeler- ine göre sınıflandırmak için denetimli makine öğrenme algoritmaları uygulandı. PH- HKB, sağ precentral girusta toplam kreatin oranına (tNAA/tCr) göre daha düşük bir düzeltilmiş toplam N-asetilaspartata sahipti, bu da sensorimotor ağa (p = 0.01) karşılık geliyordu ve miyoinositol oranına (tNAA/m) göre daha düşük bir tNAA'ya sahipti. PH-KN'den retrosplenial kortekse (p = 0.04) karşılık gelen varsayılan mod ağının bir parçası. SK ve PH-HKB hastaları, torbalı ağaçlar kullanılarak %86,4 doğru- lukla (duyarlılık = %72.7 ve özgüllük= %81.8) sınıflandırıldı. 1H-MRSG, PH-HKB hastalarının varsayılan mod, ventral dikkat/belirginlik ve sensorimotor ağlarında, temel olarak bilişsel işlev bozukluğu ile ilgili 'posterior kortikal metabolik değişiklikler' olarak özetlenebilecek metabolik değişiklikleri ortaya çıkardı. Bu tezin son bölümünde 1H-MRSG'nin düşük uzamsal çözünürlük sorunu ele alınmıştır. 1H-MRSG'nin uzamsal çözünürlüğünü artırmak için süper çözünürlüklü evrişimli sinir ağlarının (SRCNN) ve Tek Görüntü Süper Cözünürlük için Gelişmiş Derin Artık Ağların (EDSR) uygulanması araştırıldı. SRCNN şemasının eğitiminde FLAR, T1-ağırlıklı, T2-ağırlıklı manyetik rezonans görüntüleme (MRG) verileri ve her RGB kanalında üç farklı yapısal MR görüntüsünü içeren birleştirilmiş bir MR kul- lanılmıştır. Ek olarak, EDSR ağını eğitmek için T1 ağırlıklı MRG'ler kullanıldı. 1H- MRSG görüntülerinin uzamsal çözünürlüğü, anatomik MR görüntüleri ile eğitilmiş hem SRCNN hem de EDSR modelleri kullanılarak artırıldı. Önerilen tekniğin sonuçları, tepe sinyal-gürültü oranı açısından bikübik interpolasyon ile karşılaştırıldı. Süper çözülmüş görüntülerin spektral deseni, orjinal yüksek çözünürlüklü MRG'lerinkine ben- zerdi. Sonuçlarımız, derin öğrenme tabanlı süper çözünürlüklü modellerin, daha yüksek çözünürlüklü 1H-MRSG'nin yeniden yapılandırılmasına katkıda bulunacağını gösterdi. Bu tez, 1H-MRSG için benzeri görülmemiş ayrıntılı bir veri analiz hattı sağlayan Oryx-MRSI adlı açık kaynaklı bir MRSG yazılımının geliştirilmesi, klinisyenlere HKB tanısı için yardımcı olabilecek PD-HKB'nin metabolik bağlantılarını tanımlayan ve 1H-MRSG'nin uzamsal çözünürlüğünü yüksek bir tarama süre maliyeti olmadan artıra- bilecek derin öğrenme tabanlı süper çözünürlük yaklaşımlarının uygulanmaı açısından literatüre katkıda bulunmuştur.