ERC-hMRI-Projekt:

Nicht-invasive in vivo Histologie des gesunden und erkrankten Gehirns mittels Magnetresonanztomografie (MRT)

hMRI: die Gewinnung histologischer Informationen aus MRT-Daten

Das Ziel des durch das Europäischen Research Council (ERC) geförderten Histologie-MRT-Projekts (hMRI - vom englischen Begriff ,,histology-magnetic resonance imaging“ abgeleitet, unten schematisch dargestellt) liegt darin, detaillierte Informationen über den Kortex des menschlichen Gehirns, bis dato nur durch invasive ex vivo Histologie verfügbar, in vivo durch nicht-invasive MRT extra­hieren zu können. Potenzielle Anwendungen des hMRI sind vielfältig: So könnten Ärzte diverse Erkrankungen des menschlichen Gehirns, die aktuell nur post mortem durch ex vivo Histologie festgestellt werden können, durch hMRI in vivo diag­nostizieren. Neurowissenschaftler könnten unter Nutzung des hMRI die Gehirn­netz­werke und die Hirnrinde des Menschen direkter als derzeit möglich untersuchen.

hMRI erfordert eine eng verflochtene Kombination der modernsten MRT-Bild­gebungsverfahren, biophysikalischen Modelle und Bildverarbeitungsmethoden.

1) MRT-Bildgebungsverfahren

Die MRT-Bildgebung muss weiter entwickelt werden, um bestmögliche Datenqualität zu erreichen. Dies soll erreicht werden sowohl durch die Entwick­lung neuer quantitativer Bildgebungsverfahren als auch durch die modernste technische MRT-Aus­stattung, einschließlich eines 7T Siemens Hochfeld-MRTs, eines 3T Siemens Connectom Scanners mit 300 mT/m Gradienten, Skope-Feldkameras und eines Kineticor-Systemszur prospektiven MRT-Bewegungskorrektur.

2) Biophysikalische Modelle

Die grundsätzliche Beschränkung der erzielbaren Auflösung bei in vivo MRT-Bild­gebungs­verfahren bedeutet, dass die Mikrostrukturen des Kortex wie Neuronen nicht direkt abgebildet werden können. Stattdessen müssen wir biophysikalische Modelle nutzen, um die gemessenen MRT-Signale der darunter liegenden gemittelten Mikrostruktur zuzuordnen. Durch Inversion dieser Modelle kann man anschließend die für das hMRI benötigten histologischen Informationen aus den MRT-Daten extrahieren. Daher ist die Entwicklung und Anwendung geeigneter bio­physika­lischer Modelle ein zentraler Teil des Projekts.

3) Modernste Bildverarbeitung und Machine-Learning-Verfahren

Der letzte Zweig des Projekts ist die modernste Bildverarbeitung. Sie wird ebenso benötigt, um die Qualität der gewonnenen Daten zu verbessern, als auch, um die bio­physikalischen Modelle durch einen Vergleich zwischen hMRI und klassischer Histo­logie zu validieren. Die Bildverarbeitungsverfahren, die wir entwickeln, umfassen Machine-Learning basierte Methoden, die sich als sehr nützlich für robuste Analysen großer Datenmengen erwiesen haben, und Techniken der Super-Resolution, die den Kompromiss zwischen räumlicher Auflösung, Signal-Rausch-Verhältnis (Signal-to-Noise Ratio, SNR) und Messzeit optimieren, was für MRT-Modalitäten mit niedrigem SNR und langer Messdauer wie die diffusionsgewichtete MRT unerlässlich ist.

Die Histologie-Magnetresonanztomografie (hMRI) wird nicht leicht zu realisieren sein. Wir sind jedoch überzeugt, dass sie in naher Zukunft durch die zügigen Weiter­ent­wicklungen sowohl durch uns als auch die Gemeinschaft der MRT-Forscher möglich werden wird. Wir alle werden dann die Früchte ernten: Struktu­relle Informationen über das menschliche Gehirn, die bis dato nur durch ein Mikroskop post-mortem zugänglich waren, werden in vivo verfügbar werden und potentiell die Neuro­pathologie und humane Neuro­wissen­schaft revolutionieren.

ERC-Förderperiode 2014-2020