Computational support for morphology-driven analysis of neurovascular pathologies

Abstract

Stroke is the second most common cause of death and disability worldwide. Neurovascular pathologies disrupt blood supply to the brain, quickly impairing function due to the brain’s lack of energy storage. Despite significant progress in recent years, many of the exact mechanisms of these pathologies and how to treat them to achieve the best outcome are not yet fully understood. Analyzing the morphology of the pathologies, like intracranial aneurysms, can lead to new insights, as morphological features are critical in risk assessment and treatment decisions. This thesis aims to provide computational support for morphology-driven analysis to advance research, improve risk assessment, and inform treatment strategies. The first part of the thesis addresses the necessary preprocessing steps required for analysis. A segmentation pipeline for extraction and 3D reconstruction of the vasculature from medical imaging scans is introduced, and a co-registration, meaning spatial alignment of different scans to enable combination of information from both scans, is developed. In the second part, morphology-driven analysis for patient-specific research is presented. The impact of mirror aneurysm morphology on hemodynamics is examined, as well as the deformation of intracranial aneurysms following treatment with a novel implant. The deformation analysis is the first to specifically assess the longitudinal effects of the implant on the aneurysm and of the implant itself. In the third part, cohort-based research is supported by morphology-driven analysis tools for subgroup selection. The tools utilize case-based reasoning and instance selection to identify subgroups within a large dataset of aneurysm cases and various morphological and other parameters. They offer support for research question generation, cohort-matching, and training. Additionally, concepts for how to support cohort-based research in virtual reality are introduced. The thesis provides computer support for morphology-driven analysis for neurovascular pathologies, from preprocessing to patient-specific and cohort-based research. The analyses demonstrate great potential for generating new insights for research question generation, risk assessment, and treatment decisions. The future holds much promise for addressing the analyses limitations, like lack of data, in combination with advancements in medical imaging, image processing, and novel treatments.

Schlaganfälle sind die zweithäufigste Todesursache weltweit und eine häufige Ursache für kognitive Beeinträchtigungen. Neurovaskuläre Erkrankungen stören die Durchblutung des Gehirns und damit dessen Funktion, da das Gehirn keinen Energiespeicher besitzt. Viele der Mechanismen dieser Erkrankungen und deren optimalen Behandlungsmethoden noch nicht vollständig erforscht. Eine Analyse der Morphologie von Erkrankungen wie intrakraniellen Aneurysmen kann neue Einblicke liefern, da morphologische Eigenschaften eine entscheidende Rolle bei der Risikoeinschätzung und Therapieentscheidung spielen. Diese Dissertation stellt Computerunterstützung für morphologiegetriebene Analysen zur Verfügung, um die Forschung voranzutreiben, die Risikoeinschätzung zu verbessern, und Therapieentscheidungen zu optimieren. Der erste Teil der Arbeit befasst sich mit der notwendigen Vorverarbeitung. Eine Segmentierungspipeline wird vorgestellt, die es ermöglicht, Gefäße aus bildgebenden Scans zu extrahieren und in 3D zu rekonstruieren. Außerdem wird ein Registrierungsverfahren entwickelt, das Informationen aus verschiedenen Bildgebungsscans kombiniert. Im zweiten Teil geht es um morphologiegetriebene Analyse für patientenspezifische Forschung. Der Einfluss der Morphologie auf die Hämodynamik in Spiegelaneurysmen wird untersucht, sowie die Veränderung von intrakraniellen Aneurysmen nach der Behandlung mit einem neuartigen Implantat. Die Deformationsanalyse ist die erste, die Veränderung und den Einfluss des Implantats auf das Aneurysma über Zeit untersuchen. Im dritten Teil wird die kohortenbasierte Forschung durch die Entwicklung von Werkzeugen zur Auswahl von Untergruppen aus einem Datensatz mit vielen Aneurysmen und morphologischen Parametern unterstützt. Diese Werkzeuge können bei der Formulierung von Forschungsfragen, beim Kohortenmatching und bei der Ausbildung helfen. Darüber hinaus werden Konzepte für die Unterstützung von kohortenbasierter Forschung durch virtuelle Realität vorgestellt. Die vorliegende Dissertation bietet computergestützte Lösungen für die morphologiegetriebene Analyse neurovaskulärer Erkrankungen sowohl für die Vorverarbeitung als auch für die patientenspezifische und kohortenbasierte Forschung. Die Analysen zeigen großes Potenzial, neue Erkenntnisse zu generieren, die zur Entwicklung neuer Forschungsfragen, zur Verbesserung der Risikoabschätzung und zur Optimierung von Therapieentscheidungen beitragen können. Die Zukunftsaussichten sind vielversprechend, insbesondere angesichts der derzeitigen Einschränkungen, wie z.B. der geringen Datenmenge, vor allem in Kombination mit Fortschritten in der Bildgebung, Bildverarbeitung und neuen Behandlungsmethoden.