Bibliografia
Zhang S, Bastin ME, Laidlaw DH, Sinha S, Armitage PA, Deisboeck TS, “Visualization and analysis of white matter structural asymmetry in diffusion tensor MRI data”, Magn Reson Med. 2004 Jan;51(1):140-7.
Naganawa S, Koshikawa T, Kawai H, Fukatsu H, Ishigaki T, Maruyama K, Takizawa O., “Optimization of diffusion-tensor MR imaging data acquisition parameters for brain fiber tracking using parallel imaging at 3 T”, Eur Radiol. 2004 Feb;14(2):234-8. Epub 2003 Nov 19.
Hasan KM, Narayana PA., “Computation of the fractional anisotropy and mean diffusivity maps without tensor decoding and diagonalization: Theoretical analysis and validation”, Magn Reson Med. 2003 Sep;50(3):589-98.
Catani M, Jones DK, Donato R, Ffytche DH., “Occipito-temporal connections in the human brain”, Brain. 2003 Sep;126(Pt 9):2093-107. Epub 2003 Jun 23.
Pajevic S, Basser PJ., “Parametric and non-parametric statistical analysis of DT-MRI data”, J Magn Reson. 2003 Mar;161(1):1-14.
Rocca MA, Colombo B, Inglese M, Codella M, Comi G, Filippi M., “A diffusion tensor magnetic resonance imaging study of brain tissue from patients with migraine”, J Neurol Neurosurg Psychiatry. 2003 Apr;74(4):501-3.
Rocca MA, Colombo B, Pagani E, Falini A, Codella M, Scotti G, Comi G, Filippi M., “Evidence for cortical functional changes in patients with migraine and white matter abnormalities on conventional and diffusion tensor magnetic resonance imaging”, Stroke. 2003 Mar;34(3):665-70. Epub 2003 Feb 13.
Jones DK., “Determining and visualizing uncertainty in estimates of fiber orientation from diffusion tensor MRI”, Magn Reson Med. 2003 Jan;49(1):7-12.
Lori NF, Akbudak E, Shimony JS, Cull TS, Snyder AZ, Guillory RK, Conturo TE., “Diffusion tensor fiber tracking of human brain connectivity: aquisition methods, reliability analysis and biological results”, NMR Biomed. 2002 Nov-Dec;15(7-8):494-515.
Basser PJ, Jones DK., “Diffusion-tensor MRI: theory, experimental design and data analysis - a technical review”, NMR Biomed. 2002 Nov-Dec;15(7-8):456-67.
Holtmannspotter M, Inglese M, Rovaris M, Rocca MA, Codella M, Filippi M., “A diffusion tensor MRI study of basal ganglia from patients with ADEM”, J Neurol Sci. 2003 Jan 15;206(1):27-30.
Jones DK, Griffin LD, Alexander DC, Catani M, Horsfield MA, Howard R, Williams SC., “Spatial normalization and averaging of diffusion tensor MRI data sets”, Neuroimage. 2002 Oct;17(2):592-617.
Cercignani M, Bozzali M, Iannucci G, Comi G, Filippi M., “Intra-voxel and inter-voxel coherence in patients with multiple sclerosis assessed using diffusion tensor MRI”, J Neurol. 2002 Jul;249(7):875-83.
Damon BM, Ding Z, Anderson AW, Freyer AS, Gore JC., “Validation of diffusion tensor MRI-based muscle fiber tracking”, Magn Reson Med. 2002 Jul;48(1):97-104.
Westin CF, Maier SE, Mamata H, Nabavi A, Jolesz FA, Kikinis R., “Processing and visualization for diffusion tensor MRI”, Med Image Anal. 2002 Jun;6(2):93-108.
Bozzali M, Falini A, Franceschi M, Cercignani M, Zuffi M, Scotti G, Comi G, Filippi M., “White matter damage in Alzheimer's disease assessed in vivo using diffusion tensor magnetic resonance imaging”, J Neurol Neurosurg Psychiatry. 2002 Jun;72(6):742-6.
Filippi M, Rocca MA, Falini A, Caputo D, Ghezzi A, Colombo B, Scotti G, Comi G., “Correlations between structural CNS damage and functional MRI changes in primary progressive MS”, Neuroimage. 2002 Mar;15(3):537-46.
Pajevic S, Aldroubi A, Basser PJ., “A continuous tensor field approximation of discrete DT-MRI data for extracting microstructural and architectural features of tissue”, J Magn Reson. 2002 Jan;154(1):85-100.
Cercignani M, Inglese M, Siger-Zajdel M, Filippi M., “Segmenting brain white matter, gray matter and cerebro-spinal fluid using diffusion tensor-MRI derived indices”, Magn Reson Imaging. 2001 Nov;19(9):1167-72.
Hasan KM, Basser PJ, Parker DL, Alexander AL., “Analytical computation of the eigenvalues and eigenvectors in DT-MRI”, J Magn Reson. 2001 Sep;152(1):41-7.
Pierpaoli C, Barnett A, Pajevic S, Chen R, Penix LR, Virta A, Basser P., “Water diffusion changes in Wallerian degeneration and their dependence on white matter architecture”, Neuroimage. 2001 Jun;13(6 Pt 1):1174-85.
Hasan KM, Parker DL, Alexander AL., “Comparison of gradient encoding schemes for diffusion-tensor MRI”, J Magn Reson Imaging. 2001 May;13(5):769-80.
Basser PJ, Pajevic S, Pierpaoli C, Duda J, Aldroubi A., “In vivo fiber tractography using DT-MRI data”, Magn Reson Med. 2000 Oct;44(4):625-32.
Park HJ, Kubicki M, Shenton ME, Guimond A, McCarley RW, Maier SE, Kikinis R, Jolesz FA, Westin CF., “Spatial normalization of diffusion tensor MRI using multiple channels”, Neuroimage. 2003 Dec;20(4):1995-2009.
Papadakis NG, Martin KM, Wilkinson ID, Huang CL., “A measure of curve fitting error for noise filtering diffusion tensor MRI data”, J Magn Reson. 2003 Sep;164(1):1-9.
I lavori scientifici svolti nell'ambito della comunità scientifica internazionale che sfruttano la tecnica DT-MRI per migliorare le diagnosi cliniche usando l'imaging MRI coprono solo parzialmente le richieste in ambito di ricerca e clinico. In particolare, mentre è in fase avanzata la mappatura funzionale della neocorteccia con metodi ben consolidati (tecniche BOLD), è ancora nella sua fase iniziale la ricostruzione anatomica e funzionale delle fibre sottostanti. L'uso della DT-MRI può rivelarsi preziosissimo per questo scopo e si intende affiancarlo con metodi indiretti di mappatura di attività elettrica cerebrale. I risultati di questo studio consentiranno la validazione di questa nuova tecnica. La messa a punto di questa metodologia verrà effettuata sulla base di un modello di integrazione visiomotoria conducendo esperimenti su volontari sani e su soggetti patologici, informati e consenzienti, certamente destrimani. Il protocollo di stimolazione è di seguito descritto. Il soggetto è posto all'interno del magnete della macchina MR in posizione supina. Di fronte a lui è posto uno schermo retroilluminato sul quale sono proiettate diverse immagini. Il compito del soggetto è quello di alzare la mano destra solo quando l'immagine presentata corrisponde a determinate caratteristiche. Questa semplice stimolazione consente alla macchina di risonanza di rilevare l'attivazione della corteccia visiva e delle aree motorie primaria e supplementare. I soggetti saranno sottoposti, durante lo svolgimento del test al rilevamento dell'attività elettrica cortico-cerebrale mediante elettroencefalografia computerizzata a 32 canali e frequenza di campionamento di 1 KHz. L'obiettivo è quello di co-registrare il segnale elettroencefalografico e quello ottenuto mediante DT-MRI. I metodi indiretti di mappatura di attività elettrica cerebrale sopra citati prevedono innanzitutto di effettuare un'analisi di correlazione della registrazione elettroencefalografica che consentirà di mettere in relazione la geometria delle fibre evidenziate dall'acquisizione DT-MRI con il segnale elettrico registrato. Questi metodi di mappatura si basano inoltre su un approccio fondato sull'integrazione anatomo-funzionale. Questo approccio prevede di co-elaborare le informazioni anatomiche (bioimmagini) ed i dati funzionali (misure elettroencefalografiche multicanale) registrati sullo scalpo per ricostruire e visualizzare con la migliore risoluzione spaziale e temporale l'attività del cervello "in vivo" all'interno della specifica struttura anatomica del paziente. La conoscenza delle proprietà di conducibilità elettrica dei tessuti è essenziale per mettere in relazione i campi elettromagnetici generati da un tessuto, come ad esempio la misura dei potenziali elettroencefalografici, con le sorgenti neuronali la cui attivazione genera i segnali elettroencefalografici misurati. L'accuratezza della ricostruzione della sorgente dipende sensibilmente dall'accuratezza nei valori di conducibilità assegnati ai tessuti. Il tentativo di caratterizzare le zone di attivazione cerebrale a partire da misure dei potenziali elettroencefalografici associati trarrebbe significativamente beneficio dall'abilità di misurare le proprietà di conducibilità elettrica del tessuto in maniera non invasiva, anziché basarsi su valori medi di conducibilità desunti dalla letteratura, prassi attualmente seguita nella comunità scientifica ed implementata nelle realizzazioni commerciali per l'analisi delle sorgenti di attività cerebrale. In questo progetto si intende sviluppare in collaborazione con l'unità di ricerca di bioingegneria di Trieste una metodica originale che permetta di ricavare dati individuali di conducibilità valutati da misure di imaging DT-MRI deducendo quantitativamente il tensore di conducibilità elettrica dei tessuti a partire dal tensore di autodiffusione dell'acqua. La relazione ipotizzata tra la conducibilità elettrica e l'autodiffusione dell'acqua nei tessuti è sostenuta dall'osservazione che, benchè non ci sia una relazione fondamentale fra i due modi di trasporto in una soluzione libera, in un mezzo strutturato come è un tessuto i due processi sono messi in relazione dal rispettare entrambi le condizioni al contorno imposte dalla geometria del tessuto stesso. La possibilità di una connessione tra la conducibilità ed il tensore di diffusione può essere inoltre motivata osservando che i due tensori esibiscono un'anisotropia comparabile nella materia bianca cerebrale. La relazione esistente tra un generico tensore di trasporto, ad esempio il tensore di diffusione o di conducibilità e la microstruttura del mezzo sottostante può essere ottenuta attraverso un'espansione perturbativa delle correlazioni statistiche della microstruttura. Questa espansione della correlazione statistica detta anche espansione a momento di contrasto fornisce un metodo per mettere in relazione diversi tensori di trasporto attraverso le statistiche della microstruttura che costituisce il mezzo. Per ottenere la relazione che intercorre tra la conducibilità ed il tensore di diffusione nel tessuto cerebrale si potranno dunque stimare i momenti statistici della microstruttura a partire dall'osservazione del tensore di diffusione e ottenere quindi il tensore di conducibilità dai momenti calcolati. In questo modo si otterrà, in collaborazione con l'unità di bioingegneria di Trieste, una mappatura della conducibilità dei tessuti che quest'ultima utilizzarà nella fase di mappatura di attività cerebrale assieme alle registrazioni elettroencefalografiche ottenute attraverso il protocollo sopra descritto. Lo stesso protocollo di stimolazione verrà presentato una seconda volta al soggetto per acquisire il segnale BOLD relativo (fMRI), al fine di localizzare le aree funzionalmente interessate ad eseguire il compito, anziché le fibre che trasmettono il segnale. Il soggetto verrà inoltre sottoposto ad una acquisizione strutturale sagittale pesata su T1 che servirà per la ricostruzione tridimensionale della testa e dell'encefalo e l'esatta localizzazione delle aree cerebrali attivate mediante il programma CURRY (Neuroscan), i cui risultati verranno utilizzati nella fase di controllo incrociato con i risultati di mappatura di attività cerebrale ottenuti in collaborazione con l'unità di bioingegneria di Trieste.
