Perfusionsmessung mittels Arterial Spin Labeling im normal alternden und neurodegenerativen Hirn

Hintergrund: Die maschinenassistierte Diagnose von neurodegenerativen Krankheiten anhand von Perfusionsdaten hat bereits vielversprechende Erfolge produziert. Eine wichtige offene Fragestellung ist hierbei, welche spezifischen Merkmale hauptsachlich fur die Klassifikation verwendet werden. Eine statistische Principal Component Analyse (PcA) erlaubt Einblicke in die struktur von komplexen Datensatzen. Methodik: 40 Kontrollen und 120 neurodegenerativ Erkrankte wurden mit einer Arterial spin Labeling sequenz gemessen. Die resultierenden Perfusionsdaten wurden mit gangigen Methoden (Collij, 2016) postprozessiert und anschliessend erst separat und dann gesammelt visualisiert und analysiert. Resultate: Zwei Principal Components reichen aus, um >85% der Varianz zu erklaren. Eine Reduktion der Daten offenbart einen monotonen Zusammenhang zwischen dem Alter und der Perfusion, wie er bezugnehmend auf (Zhang N. M., 2016) zu erwarten ist. In der neurodegenerativen Gruppe zeigt sich dies mit Werten > 2 standardabweichungen uber dem Mittelwert speziell parietal bzw. prafrontal. Die Principal Components der Kontrollgruppe schliessen teilweise andere Hirnareale mit ein und weisen eine insgesamt niedrigere Varianz auf. Diskussion: PcA produziert handhabbare reprasentationen von grossen Datensatzen, die Aussagen uber die vorhandene Variation innerhalb und zwischen den subjektgruppen erlauben. Trotzdem reichen die Pcs nicht aus, um verlasslich anhand ihrer Position diagnostizieren zu konnen. Hierfur werden weitere Postprozessierungsschritte benotigt.