Patient-Specific Detection of Perfusion Abnormalities Combining Within- and Between-Subject Variances in ASL
Résumé
Patient-specific patterns of abnormal perfusion are useful indicators in the diagnosis and monitoring of patients suffering from a microvascular dysfunction. Arterial Spin Labeling (ASL), as an entirely non-invasive magnetic resonance imaging technique, is a promising tool to image perfusion and the General Linear Model (GLM) could be used in order to quantitatively detect abnormal patterns of perfusion at the individual level in ASL. In this paper, patient-specific perfusion abnormalities were therefore identified by comparing a sin- gle patient to a group of healthy controls using a mixed-effect hierarchical GLM. Two approaches are currently in use to solve hierarchical GLMs: (1) the homoscedastic approach assumes homoge- neous variances across subjects and (2) the heteroscedastic approach is theoretically more efficient in the presence of heterogeneous variances but algorithmically more demanding. In practice, in functional magnetic resonance imaging studies, the superiority of the heteroscedastic approach is still under debate. Due to the low signal-to-noise ratio of ASL sequences, within-subject variances have a significant impact on the estimated perfusion maps and the heteroscedastic model might be better suited in this context. In this paper we studied how the homoscedastic and heteroscedastic approaches behave in terms of specificity and sensitivity in the detection of patient-specific ASL perfusion abnormalities. Val- idation was undertaken on a dataset of 25 patients diagnosed with brain tumors and 36 healthy volunteers. We showed evidence of heterogeneous within-subject variances in ASL and pointed out an increased false positive rate of the homoscedastic model. In the detection of patient-specific brain perfusion abnormalities with ASL, modeling heterogeneous variances increases the sensitivity at the same specificity level.
Dans ce travail, les anomalies de perfusion chez un patient sont identifiées, en imagerie par marquage de spins artériels (Arterial Spin Labeling), grâce à une comparaison entre la carte de perfusion du patient et un modèle de perfusion normale obtenu à partir d'un groupe de contrôles sains. Pour effectuer cette comparaison, deux approches sont possibles : (1) l'approche homoscédastique qui suppose une homogénéité des variances chez les différents individus et (2) l'approche hétéroscédastique qui est théoriquement plus efficace en présence de variances hétérogènes mais plus coûteuses algorithmiquement. En pratique, en Imagerie par Résonance Magnétique fonctionnelle, la supériorité de l'approche hétéroscédastique est encore sujet à débat. En ce qui concerne les séquences par marquage de spins artériels (ASL), les variances intra-sujet ont un impact significatif sur l'estimation de la perfusion et on peut se demander si le modèle hétéroscédastique n'est pas plus adapté dans ce contexte. Nous étudions ici comment les approches homoscédastique et hétéroscédastique se comportent en termes de sensibilité et spécificité pour la détection d'anomalies de perfusion en ASL. La validation est effectuée sur un ensemble de 25 patients présentant des tumeurs cérébrales et 36 volontaires sains. Nous montrons l'hétérogénéité des variances intra-sujets en ASL, ainsi que l'augmentation du taux de faux positifs dû au modèle homoscédastique. En ce qui concerne la détection des anomalies de perfusion cérébrale en ASL, modéliser l'hétérogénéité des variances augmente la sensibilité pour le même niveau de spécificité.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...