[論文レビュー] Diffusion-weighted MR spectroscopy: consensus, recommendations and resources from acquisition to modelling

Clémence Ligneul, Chloé Najac+25 more|arXiv (Cornell University)|May 18, 2023

Advanced Neuroimaging Techniques and Applications被引用数 8

ひとこと要約

要約: 本論文は拡散強調MR分光法(dMRS)に関するコミュニティ全体のベストプラクティスに関する合意を提示し、取得、処理、フィッティング、モデリングを詳述し、ワークショップからのリソースを提供します。

ABSTRACT

Brain cell structure and function reflect neurodevelopment, plasticity and ageing, and changes can help flag pathological processes such as neurodegeneration and neuroinflammation. Accurate and quantitative methods to non-invasively disentangle cellular structural features are needed and are a substantial focus of brain research. Diffusion-weighted MR spectroscopy (dMRS) gives access to diffusion properties of endogenous intracellular brain metabolites that are preferentially located inside specific brain cell populations. Despite its great potential, dMRS remains a challenging technique on all levels: from the data acquisition to the analysis, quantification, modelling and interpretation of results. These challenges were the motivation behind the organisation of the Lorentz Workshop on 'Best Practices and Tools for Diffusion MR Spectroscopy' held in Leiden in September 2021. During the workshop, the dMRS community established a set of recommendations to execute robust dMRS studies. This paper provides a description of the steps needed for acquiring, processing, fitting and modelling dMRS data and provides links to useful resources.

研究の動機と目的

• データ取得からモデリングまでの標準化ワークフローを概説し、堅牢なdMRS研究を促進する。
• Lorentz Workshop on Best Practices and Tools for Diffusion MR Spectroscopy (Leiden, 2021) で確立された合意推奨を要約する。
• dMRS研究を支援する実践的な指針とリソースへのリンクを提供する。
• dMRSのデータ取得、処理、定量化、解釈における課題に対処する。

提案手法

• dMRSデータを取得、処理、フィット、モデリングするためのエンドツーエンドの手順を説明する。
• データ収集から解釈までを構造化されたワークフローへ統合する。
• dMRSパイプラインの各段階に有用なリソースとツールへのリンクを提供する。
• 合意を堅牢で再現可能なdMRS研究の参照として提示する。

実験結果

リサーチクエスチョン

• RQ1 拡散強調MRSデータを取得する際のコミュニティ承認済みのベストプラクティスは何か？
• RQ2 処理とフィッティングの戦略はdMRSの信頼性と定量化をいかに最適化するか？
• RQ3 脳研究における細胞内代謝物の拡散モデリングはどのように行い、解釈すべきか？
• RQ4 dMRSワークフロー全体をサポートするリソースとツールは何が利用可能か？

主な発見

• 取得、処理、フィット、モデリングを横断した堅牢なdMRS研究のための合意推奨事項のセット。
• dMRSデータを取得、処理、フィット、モデリングするために必要な手順の構造化された記述。
• dMRSワークフローの各段階を支援する有用なリソースとツールの特定と整理。
• dMRSの課題と制限の認識と、それらに対処するためのガイダンス。
• 研究間でdMRS手法を標準化するための参照フレームワークの提供。