For diagnosis and surgical planning, magnetic resonance imaging (MRI) has become an important source of medical data. About a decade ago, a novel MRI technique called diffusion tensor imaging (DTI) evolved. Due to its ability to reflect the location and structure of fibrous tissue such as white matter in vivo, this technique has gained increasing interest in different research disciplines. For neurosurgery, DTI data is of high value since information about the location and the course of white matter tract systems is provided, thus supporting the anatomical information obtained from MRI. White matter tracts, i.e. motor or sensory pathways, are important structures within the human brain. In order to avoid neurological deficits after brain surgery, these fiber tracts must remain intact. However, the reconstruction of neuronal structures from DTI data is a non-trivial task due to the complex tensor information that is captured per voxel. For this reason, extensive research has been conducted in recent years in order to develop techniques for the processing and visualization of DTI tensor data. This work contributes to current research and introduces new techniques for the reconstruction and visualization of white matter tracts. The different approaches were developed in collaboration with neurosurgeons and are intended to support preoperative planning and intraoperative guidance in surgical interventions. For this purpose, a DTI toolbox comprising dataset processing, tensor reconstruction, filtering techniques, fiber tracking and connectivity analysis, hull algorithms and different visualization approaches has been developed. In the future, the research currently conducted in the field of DTI will contribute to the further improvement of planning in neurosurgery and to the reduction of the inherent risk of postoperative neurological deficits for the patients.

Für die Diagnose und die OP-Planung sind Aufnahmen mittels Magnetresonanz-Tomographie (MRT) eine wichtige Informationsquelle. Vor etwa einem Jahrzehnt wurde eine neue MRT-Technik entwickelt, die sogenannte Diffusionstensor-MRT (DT-MRT). Dieses Bildgebungsverfahren ermöglicht Rückschlüsse auf die Lage und den Verlauf von Gewebe mit faseriger Struktur, so z.B. den neuronalen Strukturen im Gehirn. Da dies in vivo bisher nicht möglich war, ist das Interesse an DT-MRT in verschiedenen Forschungsgebieten stark gewachsen. In der Neurochirurgie ist DT-MRT von großem Wert, da zusätzlich zu den MRTDaten, welche anatomische Strukturen zeigen, Informationen über den Verlauf neuronaler Bahnen gewonnen werden können. Neuronale Bahnen sind wichtige Strukturen im Gehirn, die integrativen Funktionen, z.B. im Bereich der Motorik oder Sensorik, zugeordnet sind. Bei einer Gehirnoperation im Falle pathologischer Veränderungen (Tumor) dürfen diese Nervenbahnen nicht verletzt werden, um neurologischen Defizite zu vermeiden. Die Rekonstruktion neuronaler Strukturen aus DT-MRT-Daten ist jedoch aufgrund der Komplexität der vorliegenden Tensor-Information nicht trivial. Aus diesem Grund wurde in den letzten Jahren intensiv an Verfahren zur Rekonstruktion und Visualisierung basierend auf DT-MRT-Tensordaten gearbeitet. Die vorliegende Arbeit trägt zur aktuellen Forschung in diesem Bereich bei, indem neue Techniken zur Rekonstruktion und Visualisierung neuronaler Bahnen vorgestellt werden. Die verschiedenen Ansätze wurden in Zusammenarbeit mit Neurochirurgen entwickelt mit dem Ziel, die präoperative Planung und die intraoperative Visualisierung bei neurochirurgischen Operationen zu unterstützen. Zu diesem Zweck wurde ein DT-MRT-Programmpaket mit einer Vielzahl an Algorithmen zur Verarbeitung von DT-MRT-Daten entwickelt. Dazu zählen die Rekonstruktion von Tensoren, globale Filterungstechniken, Fiber Tracking und Konnektivitätsanalyse, Algorithmen zur Generierung von Hüllen und verschiedene Visualisierungstechniken.
Die in diesem Forschungsbereich erzielten Ergebnisse werden in Zukunft dazu beitragen, die Planung neurochirurgischer Eingriffe weiter zu verbessern und das Risiko postoperativer neurologischer Defizite für die Patienten zu verringern.