Assessment of Brain Connectivity with Deterministic Tractography

Abstract

[ES] El objetivo de esta tesis es evaluar el rendimiento y la efectividad de diferentes algoritmos determinísticos de tractografía en comparación con métodos probabilísticos para generar tractogramas a partir de datos de dMRI tanto de sujetos de control como de personas con deterioro cognitivo leve (DCL), así como examinar los efectos del filtrado de tractogramas mediante filtrado informado por deconvolución esférica (SIFT). Posteriormente, se construyen matrices de conectividad a partir de los tractogramas filtrados y se evalúan mediante medidas de teoría de grafos y otros parámetros asociados con la conectividad cerebral.

Motivada por las limitaciones observadas en los métodos actuales de reconstrucción de fibras cerebrales, que impiden su capacidad para representar con precisión la anatomía del cerebro, esta investigación aborda la necesidad de mejorar las metodologías. Para superar este problema, los investigadores han propuesto algoritmos de filtrado de tractogramas que eliminan selectivamente trayectorias que no se alinean bien con la estructura cerebral real, mejorando la precisión y confiabilidad de los conectomas.

Los resultados experimentales muestran que el algoritmo determinístico elegido para el estudio produce resultados satisfactorios con un número relativamente bajo de trayectorias generadas. Sin embargo, la técnica de filtrado afecta significativamente medidas de conectividad como la densidad de conexiones, la eficiencia global y los coeficientes de agrupamiento, lo que resulta en valores que pueden ser inferiores en comparación con los obtenidos mediante métodos probabilísticos. Además, el filtrado de tractogramas afecta diversas medidas de grafos para nodos individuales, como la fuerza del nodo, la centralidad del autovector y la centralidad de intermediación. Como resultado, se forman nuevos conectomas en los que nodos específicos adquieren mayor importancia. No obstante, es importante tener en cuenta las limitaciones del estudio, que incluyen un número reducido de sujetos, limitaciones de tiempo de cálculo y posibles errores en el registro de imágenes y la parametrización de la tractografía.

[EN] This thesis aim is to assess the performance and effectiveness of different deterministic tractography algorithms in comparison to probabilistic methods in generating tractograms from dMRI data of both control subjects and individuals with mild cognitive impairment (MCI), as well as examine the effects of tractogram filtering through spherical-deconvolution informed filtering of tractograms (SIFT). Subquestenly, connectivity matrices are constructed from the filtered tractograms and evaluated through graph theory measures and other metrics associated with brain connectivity.

Motivated by the limitations observed in current methods for reconstructing brain fibers, which prevent their ability to accurately represent the anatomy of the brain, this research addresses the need for improved methodologies. To overcome this issue, researchers have proposed tractogram filtering algorithms that selectively remove streamlines that do not align well with the actual brain structure, improving the accuracy and reliability of the connectomes.

The experimental results show that the deterministic algorithm chosen for the study yields satisfactory results with a relatively low number of generated streamlines. Nevertheless, the filtering technique significantly affects connectivity measures such as connection density, global efficiency, and clustering coefficients., resulting in values that may fall short when compared to those obtained through probabilistic methods. Furthermore, the filtering of tractograms impacts various graph measures for individual nodes, such as node strength, eigenvector centrality, and betweenness centrality. As a result, new connectomes are formed where specific nodes become more significant. However, it is important to consider the limitations of the study, including a small number of subjects, computation time constraints, and potential errors in image registration and tractography parameterization.