Wettstreit moderner In-vivo Hirn-MRSI Methoden

Das menschliche Gehirn ist ein kaum verstandenes Organ mit einer komplexen Struktur, Funktion und einem komplexen Stoffwechsel. Der Stoffwechsel im Gehirn ist bei verschiedenen Krankheiten wie Hirntumoren, Multipler Sklerose oder Epilepsie verändert. Diese Veränderung des Stoffwechsels tritt auf bevor strukturellen oder funktionellen Veränderungen auftreten. Wenn es also möglich ist, den Hirnstoffwechsel zu messen, können diese Krankheiten möglicherweise schon in einem sehr frühen Stadium erkannt werden, in dem auch die Behandlung in der Regel wirksamer ist. Die Magnetresonanzspektroskopische Bildgebung (MRSI) ist eine solche Methode zur Untersuchung des Stoffwechsels im menschlichen Körper. Solche Untersuchungen kommen ohne ionisierende Strahlung oder radioaktive Substanzen aus und sind daher weder invasiv noch schädlich. Mit dieser Technik können wir Chemikalien im Gehirn wie Kreatin, Cholin, Glutamat oder N-Acetyl-Aspartat messen, die sich in vielen Studien bei Hirnerkrankungen verändert haben. Leider sind die Konzentrationen dieser Chemikalien um Größenordnungen niedriger als die von Wasser und MR-sichtbaren Lipiden. Daher überwältigen diese Wasser- und Lipidsignale die Signale der anderen Chemikalien und machen es manchmal sogar unmöglich, sie zu quantifizieren. Daher wurden große Anstrengungen unternommen, um die Wasser- und Lipidsignale während der Aufnahme zu unterdrücken, ihre Auswirkungen durch eine geeignete Versuchsplanung abzuschwächen oder sie bei der Nachbearbeitung zu entfernen. Jede wissenschaftliche Gruppe hat jedoch ihre eigenen Methoden und Ansätze, die kaum miteinander vergleichbar sind, und es ist schwierig zu beurteilen, welche Methode besser ist. Ziel dieses Projekts ist es daher, einen internationalen Wettbewerb zur Entfernung solcher Artefaktsignale durchzuführen, an dem Gruppen aus der ganzen Welt teilnehmen und versuchen können, diese Artefaktsignale aus den von uns vorbereiteten Daten zu entfernen. Diese Datenaufbereitung wird die Simulation sehr realistischer MRSI-Daten beinhalten, die alle bekannten physikalischen Effekte, die während der Aufnahme in einem MR-Scanner auftreten, nachahmen. Indem wir die Daten simulieren, anstatt sie zu messen, erhalten wir "Ground-Truth"-Signale ohne Artefakte sowie Daten mit Artefakten, so dass wir die Beiträge der Wettbewerbsteilnehmer mit der bekannten artefaktfreien "Ground-Truth" vergleichen können. Die Daten mit Artefakten werden dann allen Teilnehmern online zur Verfügung gestellt, um sie für ihre Methoden zur Artefaktentfernung zu verwenden. Nachdem die Ergebnisse aller Gruppen zusammengetragen wurden, werden die besten Beiträge in verschiedenen Benchmark-Kategorien ausgezeichnet. Mit diesem Projekt hoffen wir, die Zusammenarbeit und den Austausch von Quellcode zwischen den Gruppen zu fördern und die verschiedenen Artefaktentfernungsmethoden besser vergleichbar zu machen und zu ermitteln, welche für bestimmte Daten besser funktioniert. Außerdem wollen wir einen Benchmark erstellen, so dass zukünftige Methoden leicht mit den bereits etablierten Methoden verglichen werden können. Durch die Durchführung sehr realistischer Simulationen werden wir außerdem in der Lage sein, Trainingsdaten für machinhe learning Algorithmen zu liefern, da diese Methoden große und realistische Datensätze benötigen.