Tilastotieteen väitöstutkimus: aivosolujen geometriaa voidaan kartoittaa seuraamalla vesimolekyylien satunnaispolkuja

Vesimolekyyleillä ja diffuusiolla on tärkeä rooli elämän ylläpidossa. Diffuusiogeometrian avulla voidaan kartoittaa tarkasti esimerkiksi aivojen valkeaa ja harmaata ainetta sekä hermoratoja. Moderni magneettikuvaustekniikka (MRI) mahdollistaa diffuusioilmiön mittaamisen elimistä. Diffuusio-MRI:n avulla on mahdollista saada myös tilastollista informaatiota solujen ja soluelinten mikroskooppisista rakenteista.
Väitöskirjassaan FM Jia Liu on kehittänyt ja soveltanut useita uusia laskennallisen tilastotieteen menetelmiä diffuusio-MRI-datan analysointiin. Väitöskirjan tilastollinen tutkimusongelma on lähtöisin aivosairauksien kuten Lewy kappale -taudin diagnosoinnin tarpeesta.

Mallinnuksen ja tilastollisen analyysin parannuksilla merkitystä esimerkiksi aivosairauksien diagnostiikassa

Diffuusio-MRI-aineistot ovat massiivisia. Aivojen diffuusio-MRI-tiedosto sisältää kokonaisuudessaan tyypillisesti noin 100 000 vokselia, ja jokainen näistä sisältää satoja mittausarvoja. Nykyiset käytössä olevat MRI-kuvauslaitteet ovat lyhentäneet kokonaiskuvausaikaa potilasta kohden, ja myös kuvausten hinnat ovat koko ajan laskeneet.
Diffuusio-MRI kuvantaminen vaatii kuitenkin runsaasti kallista laite-aikaa verrattuna muihin kuvausmodaaliteetteihin. Haasteellista on myös potilaan pysyminen paikallaan riittävän pitkän ajan kuvauksen aikana.
Jatkuvasti kasvavat laskentaresurssit tehostavat ja monipuolistavat tiedon käsittelyä. Niiden ansioista on mahdollista käyttää edistyneitä tilastollisia menetelmiä, joilla saadaan tarkempia analyyseja. Diffuusio-MRI:n matemaattisen mallinnuksen ja tilastollisen analyysin parannuksilla voi olla suurta merkitystä esimerkiksi aivosairauksien diagnostiikassa ja neurotieteiden eri alueilla.

Väitöskirjassaan FM Jia Liu on kehittänyt uusia datan synteettiseen suurentamiseen (data-augmentointiin) perustuvia malleja, joissa uskottavuusfunktiota yksinkertaistetaan lisäämällä piilohavaintoja. Data-augmentoinnin ansiosta voitiin soveltaa tehokkaasti useita laskentamenetelmiä, kuten EM- ja Markovin ketju Monte Carlo -algoritmia sekä variaatio-Bayes-menetelmää eri diffuusio-MRI-malleihin. Tuloksena saatiin tunnuslukuja, jotka kuvaavat vesimolekyylien satunnaispolkuja. Kehitetyt menetelmät toimivat paremmin kuin aikaisemmat.

Tutkimus on julkaistu Jyväskylän yliopiston väitöstutkimusten sarjassa JYU Dissertations, 2019. ISBN 978-951-39-7787-0 (PDF) URN:ISBN:978-951-39-7787-0 ISSN 2489-9003.

Linkki julkaisuun: http://urn.fi/URN:ISBN:978-951-39-7787-0

FM Jia Liun laskennallisen tilastotieteen väitöskirjan "Data Augmentation under Rician Noise Model in Diffusion MRI with Applications to Human Brain Studies" tarkastustilaisuus on keskiviikkona 5.6.2019 Jyväskylän yliopistossa Mattilanniemen kampuksella (Agora Alfa) kello 12-15. Vastaväittäjänä on professori Ian Dryden (University of Nottingham, UK) ja kustoksena tohtori Salme Kärkkäinen (Jyväskylän yliopisto). Väitöstilaisuuden kieli on englanti.

FM Jia Liu valmistui tilastotieteen maisteriksi Helsingin yliopistosta vuonna 2011, jolloin hän aloitti tohtoriopinnot Jyväskylän yliopistossa matematiikan ja tilastotieteen laitoksella. Väitöskirjan ohjaajat ovat dosentti Dario Gasbarra Helsingin yliopistosta, FT Salme Kärkkäinen ja emeritusprofessori Antti Penttinen.
Vuosina 2016- 2018 FM Liu on tutkinut koesuunnitteluteoriaa Helsingin yliopistossa. Nykyään hän tutkii verkkokalvon ikärappeuma-aineistoja, Helsingin yliopiston sairaalan silmäklinikalla.

Lisätietoja:
FM Lia Liu, jia.liu@helsinki.fi
Tiedottaja Tanja Heikkinen, tanja.s.heikkinen@jyu.fi, puh. 050 581 8351
Jyväskylän yliopiston matemaattis-luonnontieteellinen tiedekunta

https://www.jyu.fi/science/fi