[논문 리뷰] Diffusion-weighted MR spectroscopy: consensus, recommendations and resources from acquisition to modelling

Clémence Ligneul, Chloé Najac외 25명|arXiv (Cornell University)|2023. 05. 18.

Advanced Neuroimaging Techniques and Applications인용 수 8

한 줄 요약

본 논문은 diffusion-weighted MR spectroscopy (dMRS)에 대한 커뮤니티 전반의 합의를 제시하고, 취득, 처리, 피팅, 모델링을 설명하며 워크숍에서의 자료를 제공합니다.

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.

연구 동기 및 목표

• 데이터 취득에서 모델링에 이르는 표준화된 워크플로우를 제시하여 강건한 dMRS 연구를 고무합니다.
• Lorentz Workshop on Best Practices and Tools for Diffusion MR Spectroscopy (Leiden, 2021)의 합의 권고안을 요약합니다.
• 연구자들을 지원하기 위한 실용적 지침과 자원에 대한 링크를 제공합니다.
• dMRS 결과의 데이터 취득, 처리, 정량화 및 해석에서의 도전과제를 다룹니다.

제안 방법

• 데이터를 취득하고, 처리하고, 피팅하고, dMRS 데이터를 모델링하는 엔드-투-엔드 단계를 설명합니다.
• 커뮤니티 권고를 데이터 수집에서 해석까지의 구조화된 워크플로우로 통합합니다.
• dMRS 파이프라인의 각 단계에 유용한 자원과 도구에 대한 링크를 제공합니다.
• 합의를 강건하고 재현 가능한 dMRS 연구의 참조로 제시합니다.

실험 결과

연구 질문

• RQ1 커뮤니티에서 승인한 diffusion-weighted MRS 데이터를 획득하기 위한 최선의 관행은 무엇입니까?
• RQ2 어떤 처리 및 피팅 전략이 dMRS의 신뢰성 및 정량화를 최적화합니까?
• RQ3 뇌 연구에서 세포내 대사물의 확산 모델링은 어떻게 수행되고 해석되어야 합니까?
• RQ4 연구자들을 지원하기 위해 사용할 수 있는 자원과 도구는 dMRS 워크플로우 전반에 걸쳐 무엇입니까?

주요 결과

• 취득, 처리, 피팅, 및 모델링 전반에 걸친 robust dMRS 연구를 위한 합의 권고안 세트.
• dMRS 데이터를 취득하고, 처리하고, 피팅하고, 모델링하는 데 필요한 단계의 구조화된 설명.
• dMRS 워크플로우의 각 단계 지원에 유용한 자원과 도구의 식별 및 선별.
• dMRS에서의 도전과 한계 인식과 이를 해결하기 위한 가이드.
• 연구 간 dMRS 방법을 표준화하는 참조 프레임워크의 제공.