Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: badania DSC-MRI mózgu

Sortuj według:

Ogranicz wyniki do:

Wirtualne badanie DSC-MRI mózgu - część 1: krzywe stężenia znacznika charakterystyczne dla różnych rejonów mózgu

Lipiński S., Kalicka R.

Pomiary Automatyka Kontrola

2012

R. 58, nr 12

1129-1132

W pracy pokazano metodę tworzenia typowych krzywych stężenia znacznika w badaniu DSC-MRI, charakterystycznych dla trzech obszarów mózgu: substancji białej, szarej oraz naczyń krwionośnych. Na podstawie zależności między wybranymi deskryptorami perfuzji krzywe pomiarowe z rzeczywistego badania DSC-MRI zaklasyfikowano do każdego z tych trzech zbiorów i uśredniono, uzyskując typowe przebiegi zmian stężenia znacznika dla każdego z wyróżnionych obszarów.

DSC-MRI (Dynamic Susceptibility Contrast - Magnetic Resonance Imaging) research is one of the most modern methods for diagnosis of brain diseases, such as: tumours, stroke, epilepsy, migraine and dementia [1, 2]. For this purpose, the so called perfusion parameters are defined, of which the most commonly used are: CBF (Cerebral Blood Flow), CBV (Cerebral Blood Volume) and MTT (Mean Transit Time) [5, 6]. There are many approaches to determine these parameters [4, 5, 8, 9], but regardless of the approach, there is a problem with a quality assessment of particular methods, as well as comparison with others. The paper shows the method of creating typical curves from DSC-MRI studies, characteristic for different regions of the brain: the grey and white matter, and for blood vessels. Using perfusion descriptors, curves were classified into three sets, which after averaging them, gave the model curves for each of the three regions of the brain (Fig. 2). The method was verified by comparing the perfusion parameters calculated on the basis of the obtained characteristic curves with the values presented in the literature (Tab. 1). In Section 2 of the paper the way of using the created curves is shown, i.e. creating a virtual DSC-MRI brain study. Introduction of pathology to the created study and then its identification with use of different methods will allow comparing their effectiveness and quality of created perfusion maps.

Ocena przydatności filtracji Kalmana do poprawy właściwości szumowych danych uzyskiwanych w badaniach DSC-MRI mózgu

Kalicka R., Lipiński S.

Pomiary Automatyka Kontrola

2008

R. 54, nr 3

118-121

W pracy pokazano jak na poprawę jakość danych z badania DSC-MRI wpływa filtracja stochastyczna Kalmana. Do przeprowadzenia filtracji stochastycznej potrzebny jest opis systemu w kategoriach zmiennych stanu. Warunek ten spełnia użyty model trójkompartmentowy. Filtracji poddane są próbki, które reprezentują pierwszy przepływ znacznika przez ROI. Jakość filtracji Kalmana silnie zależy od ilości próbek, z związku z tym mało liczne dane MRI są symulacyjnie uzupełniane do zadowalającej ilości, a po filtracji z licznego zbioru punktów odzyskiwane są próbki odpowiadające oryginalnym danym. Uzyskane rezultaty wskazują na przydatność filtracji Kalmana do poprawy własności szumowych danych DSC-MRI.

Stochastic filtration of data from DSC-MRI brain research is presented in the paper. To use stochastic Kalman filter investigated system has to be described in terms of input-state-output. This condition is fulfilled with used multi-compartmental model (see Fig. 3). Used model describes first pass of contrast agent through the brain so before the filtration beginning we have to choose data that represents only the first pass. For satisfactory Kalman filtration there are required numerous measurements, while DSC-MRI research provides several to dozen samples from first-pass curve. To solve that problem original DSC-MRI data is supplemented with required number of samples with the same error characteristics as original data from adopted Monte Carlo simulation. Six exemplary passages of first-pass contrast agent concentration before and after filtration are shown in Fig. 4. Obtained results indicate that Kalman filtration appears to be suitable to improve noise characteristics of DSC-MRI brain research data.