In Ihrer Doktorarbeit an der Universität von Jyväskylä, M. Sc. Jia Liu hat entwickelt und implementiert eine Reihe von neuen rechnerische statistische Methoden, um Diffusions-MRT-Daten. Das statistische problem der Dissertation stammt aus der klinischen Bedürfnisse für die Diagnose von Gehirn-Erkrankungen wie der Lewy-body-Demenz.
Wasser, das Molekül des Lebens, ist allgegenwärtig und in allen Organismen. Diffusion spielt eine wichtige Rolle in der molekularen Interaktionen. Durch den Einsatz von modernen Magnet-Resonanz-Imaging (MRI) – Techniken, ist es möglich zu Messen, in einem nicht-invasive Weise, die Eigenschaften der Wahrscheinlichkeitsverteilung der zufälligen Wege die Wassermoleküle diffundieren in unseren Zellen. Durch das Verständnis der diffusion geometrie im Gehirn sind wir in der Lage, um zu sehen, das unsichtbare: zu unterscheiden ist zwischen der weißen und der grauen Substanz, zuordnen nervös fiber tracts, und extrahieren statistische Informationen über die mikroskopischen zellulären Strukturen.
In Ihrer Doktorarbeit, M. Sc. Jia Liu hat entwickelt und implementiert eine Reihe von neuen rechnerische statistische Methoden, um Diffusions-MRT-Daten. Das statistische problem der Dissertation stammt aus der klinischen Bedürfnisse für die Diagnose von Gehirn-Erkrankungen wie der Lewy-bond-Demenz.
Diffusions-MRT-Daten sind „big data“ mit typischerweise 100.000 Volumen-Elementen (Voxel-Sculpting) in einem vollständigen Gehirn-scan, und Hunderte von Datenpunkten für jedes voxel. Obwohl die neue generation kommerzieller MRT-Scannern hat sich erheblich verkürzt die Datenerfassung die Zeiten und die Preise werden auch fallen, nehmen noch ein Diffusions-MRT-Untersuchung eines Patienten ist Zeit-und kostenintensiv, und sicherlich ist es nicht möglich, dass ein patient in den MR-scanner für Stunden, um zu erwerben, mehr detaillierte Daten.
Auf der anderen Seite Zeit und Kosten bei der Verarbeitung der Daten gesunken, und es gibt eine große Nachfrage nach fortschrittlichen statistischen Techniken, die können produzieren genaue Ergebnisse ohne Erhöhung der Menge der Daten. Potenziell eine Verbesserung in der Modellierung und Berechnung von Diffusions-MRT Statistiken können einen Einfluss auf die Diagnose von Erkrankungen des Gehirns und anderen Bereichen der Neurowissenschaften.
In Ihrer Doktorarbeit, M. Sc. Jia Liu stellt neuartige Daten-augmentation Systeme zur Vereinfachung der likelihood-Funktion durch die Einbeziehung in das Modell neue latente Beobachtungen, was zu effizienter und präziser Berechnungen. Diese Ideen umgesetzt wurden verschiedene algorithmen wie Expectation-Maximization (EM), Markov chain Monte Carlo (McMC) and Variational Bayes (VB), die unter verschiedenen Diffusions-MRT-Parametrisierungen. Das entwickelte statistische Methoden, die besser sind als die bestehenden.