Symmetrische diffeomorphe Bildregistrierung mit Kreuzkorrelation: Evaluierung der automatisierten Segmentierung von Gehirnen älterer und neurodegenerativer Patienten

Ein der herausforderndsten Aufgaben in der modernen Neuroimaging ist die detaillierte Charakterisierung der Neurodegeneration. Die Quantifizierung räumlicher und longitudinaler Atrophie-Muster stellt eine zentrale Komponente dieses Prozesses dar. Diese spatiotemporalen Signale unterstützen die Differenzierung zwischen verwandten Erkrankungen, wie beispielsweise frontotemporaler Demenz (FTD) und Alzheimer-Krankheit (AD), die sich in derselben Risikogruppe manifestieren. In dieser Arbeit entwickeln wir eine neuartige symmetrische Bildnormalisierungsmethode (SyN), die die Kreuzkorrelation im Raum diffeomorpher Abbildungen maximiert, und leiten die zugehörigen Euler-Lagrange-Gleichungen für diese Optimierung her. Anschließend führen wir eine sorgfältige Evaluation unserer Methode durch. Dabei nutzen wir als Goldstandard menschliche kortikale Segmentierungen, um die Leistungsfähigkeit von SyN mit einer verwandten elastischen Methode sowie mit der Standard-ITK-Implementierung des Demons-Algorithmus von Thirion zu vergleichen. Die neue Methode erweist sich gegenüber beiden Ansätzen, insbesondere dann, wenn der Abstand zwischen Template- und Zielhirn groß ist, als überlegen. Wir berichten ferner über die Korrelation der Volumina, die durch algorithmische kortikale Labelings von FTD-Patienten und Kontrollpersonen ermittelt wurden, mit jenen, die durch manuelle Beurteilung durch Experten gewonnen wurden. Dieser Vergleich zeigt, dass unter den drei getesteten Methoden die Volumenmessungen von SyN die stärkste Korrelation mit den Volumenmessungen durch Expertenlabeling aufweisen. Diese Studie zeigt, dass SyN in Kombination mit der Kreuzkorrelation eine zuverlässige Methode zur Normalisierung und anatomischen Messung in volumetrischen MRI von Patienten und älteren Personen mit erhöhtem Risiko darstellt.