Mehr

Verwenden der SAGA-Clusteranalyse für die Gitterprojektion

Verwenden der SAGA-Clusteranalyse für die Gitterprojektion


Ich habe ein Problem mit dem SAGA-Clusteranalyse-Tool für Raster in QGIS 2.4. Ich nehme dies tatsächlich als Online-Kurs durch Del Mar und wir gehen beaufsichtigte und unbeaufsichtigte Klassifizierungen von Luftbildern durch.

Ich habe mein CRS als EPSG 32616 für das Shapefile, das ich klassifizieren möchte, eingestellt. Wenn ich das Tool verwende, erhalte ich jedoch immer die Fehlermeldung, dass das CRS nicht definiert ist und standardmäßig auf 4326 eingestellt ist.

Hinzu kommt, dass die resultierende Ausgabe auf dem Kopf steht. Wenn Sie in den Layer-Eigenschaften nachsehen, ist der CRS 32616 für die Cluster, aber die Statistiktabelle ist als 4326 definiert. Meine Projekteigenschaften sind auf on-the-fly eingestellt und ich setze den CRS auf 32616. Ich habe auch ein Bild des Problems angehängt.

Weiß jemand woran das liegen kann?

Ich habe das 3 oder 4 mal mit dem gleichen Ergebnis durchgemacht.


SAGA ist ein externes Werkzeug, daher weiß es nicht, was Sie für Layer oder Projekt-CRS in QGIS eingestellt haben.

Sie müssen den CRS mit auf Rasterdateien anwendenRaster -> Projektionen -> Projektion bewertenmitgdalwarp -t_srsoderRaster -> Konvertierung -> Übersetzenmitgdal_translate -a_srszu einem anderen Dateinamen und führen Sie SAGA darauf aus.


Einführung

Die meisten Demenzarten sind mit einer Ansammlung von Stoffwechselprodukten im Gehirn verbunden. Im Gegensatz zum Rest des Körpers fehlt dem Gehirn ein Lymphsystem, um diese Nebenprodukte auszuscheiden. Im Jahr 2012 wurde ein neuer Weg vorgeschlagen, der als paravaskulärer Weg bezeichnet wird 1 , der eine effiziente hirnweite Zirkulation und Clearance ermöglicht. Das Netzwerk paravaskulärer Bahnen im Gehirn wurde als glymphatisches System bezeichnet, da es dem lymphatischen System im Rest des Körpers ähnelt, während das „g“ in glymphatischen die Bedeutung der unterstützenden Gliazellen unterstreicht. Die paravaskulären Bahnen bestehen aus Liquor cerebrospinalis, die parallel zum Gefäßsystem in paravaskulären Räumen fließt. Diese Wege haben das Potenzial, den Austausch zwischen der Zerebrospinalflüssigkeit (CSF) und der extrazellulären Flüssigkeit tief im Gehirn zu erleichtern.

Inwieweit und in welchem ​​Maßstab das glymphatische System den Transport im Vergleich zur extrazellulären Diffusion beschleunigt, ist immer noch umstritten, und mehrere Computermodellierungsstudien haben Teile des Systems im Mikromaßstab verworfen. Beispielsweise legen die früheren Studien 2,3 nahe, dass die Diffusion im Interstitium dominiert. Darüber hinaus haben 4, 5, 6 herausgefunden, dass die Dispersion in den paravaskulären Räumen weniger als einen Faktor 2 zur Diffusion für den Transport gelöster Stoffe hinzufügt. Mehrere experimentelle und bildgebende Befunde auf Mikroebene deuten jedoch darauf hin, dass der Transport anders und schneller ist als die Diffusion 1,7,8 .

Die Untersuchung des paravaskulären Transports auf Makroebene wurde vorgeschlagen und im Gehirn einer Ratte getestet 9 . Das Verfahren umfasste die Injektion von MRT-Kontrastmittel in den Liquor und die anschließende Bildgebung des Transports des MRT-Kontrastmittels zu mehreren Zeitpunkten während einiger Stunden nach der Injektion. Das MRT-Kontrastmittel wirkte als Liquor-Tracer und war bei der Ratte nach wenigen Stunden hirnweit. Das Verfahren wurde 2017 erstmals am Menschen getestet 10 mit wiederholter Aufnahme von MRT-Bildern innerhalb von 48 Stunden nach der Injektion und später in 2018 11 regionalspezifisch bei Demenzkranken und Kontrollpersonen quantifiziert. Insgesamt zeigte der MRT-Kontrastmitteltransport bei allen Teilnehmern ein zentripetales Muster, jedoch war der MRT-Kontrastmitteltransport bei Personen mit Demenz länger andauernder als bei den Kontrollpersonen 11 . Es wurde auch festgestellt, dass der Liquor-Tracer-Transport signifikant schneller erschien, als von der Diffusion in vereinfachten planaren Geometrien erwartet werden kann.

Vor diesem Hintergrund ist es unser Ziel in diesem Artikel zu untersuchen, ob die in 11 beobachtete CSF-Tracerverteilung allein durch Diffusion erklärt werden kann, wie von der bahnbrechenden Arbeit von Syková und Nicholson 12 vorhergesagt. Wir werden diese Hypothese mit Finite-Elemente-Simulationen des Diffusionsprozesses in Kombination mit einem Parameteridentifikationsverfahren für die scheinbaren Diffusionskoeffizienten (ADCs) untersuchen. Daher wollen wir untersuchen, ob wir ADC auf langen Zeitskalen (Stunden oder Tage) beurteilen können, indem wir ein Diffusionsmodell an die MRT-Daten anpassen, die zu mehreren Zeitpunkten erhalten wurden, wenn sich der Liquor-Tracer durch das Gehirn ausbreitet. Dazu gehört die Berücksichtigung der Komplexität der faltenden Hirnoberfläche durch die Konstruktion patientenspezifischer Geometrien. Unser Ansatz für die Parameteridentifikation besteht darin, ein Optimierungsproblem zu lösen, das durch eine Diffusionsgleichung mit unbekannten Koeffizienten eingeschränkt ist, wobei die Optimierung auf die beobachteten Liquor-Tracer-Konzentrationen bei 5–6 verfügbaren Akquisitionen während 24 Stunden nach der Liquor-Tracer-Injektion abzielt. Wir bemerken, dass der paravaskuläre Fluss ein mikroskaliges Phänomen mit Geschwindigkeiten um 20 . ist μm/S in paravaskulären Räumen mit einer Breite von etwa 20 μm 7. Daher ist ein paravaskulärer Massenfluss mit aktuellen MRT-Techniken nicht direkt sichtbar, kann aber indirekt durch die Schätzung des scheinbaren Diffusionskoeffizienten auf langen Zeitskalen gemessen werden.

Eine Gliederung des Papiers sieht wie folgt aus: In Abschnitt 1 stellen wir die Methodik des Papiers vor. Wir beginnen in Abschnitt 1.3 mit einer detaillierten Beschreibung der für diese Studie relevanten medizinischen Bildgebungsverfahren. Abschnitt 1.4 beschreibt die mathematischen Modelle und die Berechnungsmethodik für dieses Papier. In Abschnitt 2 stellen wir die Ergebnisse der Studie vor, beginnend mit der MRT-Analyse in Abschnitt 2.1. Wir fahren in Abschnitt 2.2 mit einem synthetischen Testfall fort, bei dem es darum geht, robuste Regularisierungsparameter mit einem gleichmäßig verteilten Rauschen zu den Bildern zu finden. Die Konstruktion des synthetischen Testfalls und die Konzentrationsabschätzung finden sich im Supplementary. In Abschnitt 2.3 präsentieren wir die berechneten ADC unter Verwendung der MRT-Bilder und vergleichen die Werte mit den mit DTI geschätzten ADC. In Abschnitt 2.3.1 präsentieren wir die Ergebnisse verschiedener Methoden zur Verringerung des Randrauschens. Die Ergebnisse werden die allgemeine Diskussion in Abschnitt 3 erleichtern.