Die funktionelle Magnetresonanztomographie (fMRT) ist eine Methode, die eine indirekte Messung der neuronalen Aktivität ermöglicht. Dieses nicht-invasive bildgebende Verfahren wird zunehmend in der präoperativen Planung bei Patienten mit Hirntumoren und Epilepsie eingesetzt, um die Resektion von geschädigtem Gewebe zu erleichtern, ohne wesentliche Funktionsbereiche zu schädigen und damit postoperative Funktionsdefizite zu minimieren. Das hohe Signal-zu-Rausch-Verhältnis (SNR) bei ultrahoher Magnetfeldstärke (≥ 7 Tesla (T)) bietet sowohl erhöhte Empflindlichkeit gegenüber Aktivierung als auch erhöhte Spezifität für das Kapillarbett, das die aktivierten Neuronen direkt versorgt, anstatt für große (und manchmal entfernte) Venen. Eine Reihe von Problemen bleibt jedoch trotz ihrer Vorteile im Ultrahochfeld bestehen. Diese Arbeit beschreibt Methoden, die entwickelt wurden, um die Zuverlässigkeit der präoperativen fMRT-Kartierung im Ultrahochfeld in drei Aspekten im Zusammenhang mit der Erfassung, Vorverarbeitung und Analyse eines fMRT-Experiments zu verbessern. Diese sind entsprechend: ein Bildartefakt, bekannt als “Ghosting”, zu reduzieren; die klinische Relevanz von Verzerrungskorrektur der fMRT-Daten zu bewerten; und eine modellfreie fMRT-Analysemethode zu entwickeln, die unempfindlich gegen Veränderungen der Reaktion auf einen Stimulus oder eine Aufgabe ist.
Echo Planar Imaging (EPI), die am häufigsten in der fMRT verwendete Sequenz, ist von einer Reihe von Artefakten betroffen. Eines davon ist “Ghosting”, das durch Phasenfehler verursacht wird, die sich aus Unvollkommenheiten in der Abrasterung (mit der EPI erfasst wird) ergeben. Ghosting manifestiert sich als Verschiebung eines Bruchteils der Bildintensität in der Bildebene. Wenn dieses Artefakt zeitlich mit dem fMRT-Task korreliert ist, kann eine falsch-positive Aktivierung auf das Ghosting projeziert werden und da dieses auf das eigentliche Hirnbild überlagert ist, die Unterscheidung von einer tatsächlichen Aktivierung erschweren. Dies geschieht tendenziell bei klinischen fMRT-Paradigmen, die Bewegung auslösen, wie z.B. bei offenem Sprechen und motorischen Aufgaben zur Lokalisierung von Sprache bzw. motorischen Funktionen. Um die EPI-basierte fMRT routinemäßig erfolgreich durchführen zu können, sind eine robuste Ghosting-Korrektur oder Ghosting-unempfindliche Methoden erforderlich. In dieser Arbeit wurden vier Methoden mit Hilfe von Pre-Scans zur Ghosting-Korrektur anhand einer Aufgabe, die Bewegung erfordert, evaluiert. Wenn bei der Erfassung von Informationen, die zur Rekonstruktion von beschleunigten Bildern benötigt werden, Bewegungen zu erwarten sind, kann der Einsatz neuartiger Methoden, die ein höheres Signal-zu-Rausch-Verhältnis und ein tolerierbares Ghosting aufweisen, von Vorteil sein.
Die inhomogene Feldverteilung durch Gewebe mit unterschiedlicher magnetischer Suszeptibilität stellt eine weitere Herausforderung dar, insbesondere bei Studien mit Patientenpopulationen und im Ultrahochfeld. Diese (Inhomogenität) verursacht ein weiteres bildgebendes Artefakt — eine geometrische Verzerrung, die mit der Feldstärke skaliert und zu Verschiebungen der funktionellen Aktivierung führt, die das Urteil des Arztes über die Lokalisation der essentiellen Regionen der Hirnrinde beeinflussen können. Das Ausmaß der EPI-Verzerrungen bei 7 T wurde in einer Gruppe von Patienten quantifiziert und die klinische Relevanz einer Verzerrungskorrektur von einem erfahrenen Neurologen bewertet. Die Ergebnisse zeigten, dass ein Ansatz zur dynamischen Verzerrungskorrektur die Aktivierung exakt auf ihren Ursprung zurückführen kann. Darüber hinaus können geometrische Verzerrungen und damit verbundene Aktivierungsverschiebungen, wenn sie nicht korrigiert werden, dazu führen, dass wesentliche funktionale Orientierungspunkte falsch erkannt werden und letztendlich Entscheidungen über den therapeutischen Ansatz beeinflusst werden, was die postoperativen funktionellen Fähigkeiten des Patienten beeinflussen kann.
Analysemethoden zur Ableitung von Aktivierungskarten aus fMRT-Daten basieren in der Regel auf Annahmen über das Timing und/oder die zeitliche Dauer neuronaler Ereignisse und die hämodynamische Antwortfunktion (HRF). Modellbasierte Ansätze weisen jedoch eine reduzierte Empfindlichkeit oder falsch-negative Ergebnisse auf, wenn die Aufgabenbearbeitung zu unvorhergesehenen Zeiten oder mit unerwarteter Dauer oder Ausmaß erfolgt oder wenn die HRF modifiziert ist. Im klinischen Kontext tritt häufig das Problem auf, dass es Patienten schwer fällt, schnell auf Signale zu reagieren, was zu zeitlichen Abweichungen führt. Zusätzlich kann die HRF auch in pathologischen Regionen modifiziert sein. Es sind dann modellfreie Analysemethoden erforderlich, um die Notwendigkeit der Vorkenntnisse über das Ansprechverhalten oder die Form der HRF zu vermeiden. Die modellfreie UNBIASED Methode, die im Rahmen dieses Projekts entwickelt wurde, liefert funktionale Karten, die empfindlich auf Aktivierung reagieren, im Allgemeinen weniger durch Artefakte kontaminiert sind als modellbasierte Methoden, und in der Lage ist, fMRT-Aufnahmen mit beeinträchtigter Qualität aus der Analyse auszuwählen und zu verwerfen, und robust gegenüber Änderungen des Antwortzeitpunkts, der Form und Habituation ist, was sie zu einem attraktiven Werkzeug für die präoperative Planung macht.
Diese Arbeit zeigt, dass die oben genannten methodischen Verbesserungen die Zuverlässigkeit der fMRT erhöhen können, insbesondere für die Anwendung bei der präoperativen Planung im Ultrahochfeld.