{"id":{"repo_id":"helsinki","oai_identifier":"oai:helda.helsinki.fi:10138/341022"},"canonical_url":"https://search.dev.ndltd.org/etd/helsinki/oai:helda.helsinki.fi:10138/341022","repository":{"repo_id":"helsinki","name":"University of Helsinki","base_url":"https://helda.helsinki.fi/server/oai/request"},"display":{"title":"Determining the partial volumes of brain tissue from spectroscopy voxels","abstract":"MS tai magneettispektroskopia on kuvantamistekniikka, jolla saadaan tietoa kudosten metaboli ittikonsentraatioista tietystä tilavuudesta. Näistä konsentraatioarvoista voidaan tehdä potilaan diagnostiikkaan vaikuttavia johtopäätöksiä. Tekniikkaa voidaan käyttää myös aivokuvantamisessa. Aivot koostuvat pääasiassa kolmesta kudoksesta, jotka ovat selkäydinneste, valkoinen ja harmaa aine. MS:n kannalta on tärkeä tietää näiden aivokudosten suhteelliset tilavuusosuudet, koska tekni ikan resoluutio on huomattavasti pienempi kuin perinteisen magneettikuvantamisen. Jokaisella kudostyypillä on erilainen metaboliittiprofiili. Saadakseen merkityksellistä dataa, on otettava huomioon kudosten suhteelliset määrät. Tämä tieto voidaan saada segmentoimalla magneettiku vauksella muodostetut kuvat. Tässä työssä luotiin ohjelma, joka pystyy määrittämään suhteelliset tilavuusosuudet kuvauslait teen tuottamasta .rda-tiedostosta ja Nifti-tiedostosta. Nifti-tiedosto on magneettikuvauksella muo dostettu kolmiulotteinen kuvatiedosto ja .rda-tiedosto on valmistajan raakadataformaatti spek troskopiadatalle, jossa on tarvittava informaatio valitusta tilavuudesta. Ohjelma on toteutettu käyttäen Python ja JavaScript ohjelmointikieliä sekä FSL:n eri toimintoja. FSL on kattava kirjasto analyysityökaluja, joka on tarkoitettu aivojen kuvantamisdatan käsittelyyn. Ohjelman toimintavaiheet ovat: valitun tilavuuden koordinaattien määrittäminen FSL:n vokseli koordinaateissa, maskin luominen oikeaan orientaatioon ja sijaintiin, aivokudoksen erottaminen käyttäen FSL:n siihen tarkoitettua työkalua (BET), kuvan segmentointi käyttäen FSL:n segmen tointi työkalua (FAST), maskin rekisteröinti segmentoituihin kuviin ja suhteellisten tilavuuksien laskeminen. Ohjelmaa testattiin Meilahden Kolmiosairaalassa tätä työtä varten kuvattuun dataan. Dataan ku ului viisi eri spektroskopiatilavuutta eri osista aivoja ja T1-painoitteinen aivokuva. Ohjelmalle an nettiin tarvittavat tiedot .rda-tiedoston muodossa ja T1-painoitteinen aivokuva Nifti-tiedoston muo dossa. Ohjelma määritti näiden tiedostojen perusteella suhteelliset tilavuusosuudet jokaisesta vii destä tilavuudesta. Aivojen eri alueiden suhteellisissa tilavuusosuuksissa on yksilöllisiä vaihteluita, joten absoluuttista vertailuarvoa ei voi määrittää. Tulokset vastasivat valittujen tilavuuksien mah dollisia suhteellisia tilavuusosuuksia. Kehitettyä ohjelmaa voidaan käyttää tutkimuksissa, jotka tarvitsevat aivokudosten suhteelliset tilavuusosuudet spektroskopiatilavuudesta. Kliinisen käytön mahdollisuus vaatisi ohjelmalta DICOM-standardi tukea.","abstract_html":"MS tai magneettispektroskopia on kuvantamistekniikka, jolla saadaan tietoa kudosten metaboli ittikonsentraatioista tietystä tilavuudesta. Näistä konsentraatioarvoista voidaan tehdä potilaan diagnostiikkaan vaikuttavia johtopäätöksiä. Tekniikkaa voidaan käyttää myös aivokuvantamisessa. Aivot koostuvat pääasiassa kolmesta kudoksesta, jotka ovat selkäydinneste, valkoinen ja harmaa aine. MS:n kannalta on tärkeä tietää näiden aivokudosten suhteelliset tilavuusosuudet, koska tekni ikan resoluutio on huomattavasti pienempi kuin perinteisen magneettikuvantamisen. Jokaisella kudostyypillä on erilainen metaboliittiprofiili. Saadakseen merkityksellistä dataa, on otettava huomioon kudosten suhteelliset määrät. Tämä tieto voidaan saada segmentoimalla magneettiku vauksella muodostetut kuvat. Tässä työssä luotiin ohjelma, joka pystyy määrittämään suhteelliset tilavuusosuudet kuvauslait teen tuottamasta .rda-tiedostosta ja Nifti-tiedostosta. Nifti-tiedosto on magneettikuvauksella muo dostettu kolmiulotteinen kuvatiedosto ja .rda-tiedosto on valmistajan raakadataformaatti spek troskopiadatalle, jossa on tarvittava informaatio valitusta tilavuudesta. Ohjelma on toteutettu käyttäen Python ja JavaScript ohjelmointikieliä sekä FSL:n eri toimintoja. FSL on kattava kirjasto analyysityökaluja, joka on tarkoitettu aivojen kuvantamisdatan käsittelyyn. Ohjelman toimintavaiheet ovat: valitun tilavuuden koordinaattien määrittäminen FSL:n vokseli koordinaateissa, maskin luominen oikeaan orientaatioon ja sijaintiin, aivokudoksen erottaminen käyttäen FSL:n siihen tarkoitettua työkalua (BET), kuvan segmentointi käyttäen FSL:n segmen tointi työkalua (FAST), maskin rekisteröinti segmentoituihin kuviin ja suhteellisten tilavuuksien laskeminen. Ohjelmaa testattiin Meilahden Kolmiosairaalassa tätä työtä varten kuvattuun dataan. Dataan ku ului viisi eri spektroskopiatilavuutta eri osista aivoja ja T1-painoitteinen aivokuva. Ohjelmalle an nettiin tarvittavat tiedot .rda-tiedoston muodossa ja T1-painoitteinen aivokuva Nifti-tiedoston muo dossa. Ohjelma määritti näiden tiedostojen perusteella suhteelliset tilavuusosuudet jokaisesta vii destä tilavuudesta. Aivojen eri alueiden suhteellisissa tilavuusosuuksissa on yksilöllisiä vaihteluita, joten absoluuttista vertailuarvoa ei voi määrittää. Tulokset vastasivat valittujen tilavuuksien mah dollisia suhteellisia tilavuusosuuksia. Kehitettyä ohjelmaa voidaan käyttää tutkimuksissa, jotka tarvitsevat aivokudosten suhteelliset tilavuusosuudet spektroskopiatilavuudesta. Kliinisen käytön mahdollisuus vaatisi ohjelmalta DICOM-standardi tukea.","abstract_has_math":false,"creators":["Halkoaho, Johannes"],"institution":"Helsingin yliopisto","degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":["Helsingin yliopisto, Matemaattis-luonnontieteellinen tiedekunta","University of Helsinki, Faculty of Science","Helsingfors universitet, Matematisk-naturvetenskapliga fakulteten"],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2022,"date_issued":"2022","date_published":"2022","updated_at":"2026-07-27T19:55:56Z","subjects":[],"languages":["eng"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["URN:NBN:fi:hulib-202202251351"],"render_values":[{"text":"URN:NBN:fi:hulib-202202251351","href":null,"code":true}]}]},"links":{"outbound_url":"http://hdl.handle.net/10138/341022","outbound_label":"Handle","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor","label":"Contributor","values":["Helsingin yliopisto, Matemaattis-luonnontieteellinen tiedekunta","University of Helsinki, Faculty of Science","Helsingfors universitet, Matematisk-naturvetenskapliga fakulteten"]},{"key":"dc:creator","label":"Author","values":["Halkoaho, Johannes"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.issued","label":"Date","values":["2022"]},{"key":"dc:publisher","label":"Institution","values":["Helsingin yliopisto","University of Helsinki","Helsingfors universitet"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["eng"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["URN:NBN:fi:hulib-202202251351","http://hdl.handle.net/10138/341022"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["MS tai magneettispektroskopia on kuvantamistekniikka, jolla saadaan tietoa kudosten metaboli ittikonsentraatioista tietystä tilavuudesta. Näistä konsentraatioarvoista voidaan tehdä potilaan diagnostiikkaan vaikuttavia johtopäätöksiä. Tekniikkaa voidaan käyttää myös aivokuvantamisessa. Aivot koostuvat pääasiassa kolmesta kudoksesta, jotka ovat selkäydinneste, valkoinen ja harmaa aine. MS:n kannalta on tärkeä tietää näiden aivokudosten suhteelliset tilavuusosuudet, koska tekni ikan resoluutio on huomattavasti pienempi kuin perinteisen magneettikuvantamisen. Jokaisella kudostyypillä on erilainen metaboliittiprofiili. Saadakseen merkityksellistä dataa, on otettava huomioon kudosten suhteelliset määrät. Tämä tieto voidaan saada segmentoimalla magneettiku vauksella muodostetut kuvat. Tässä työssä luotiin ohjelma, joka pystyy määrittämään suhteelliset tilavuusosuudet kuvauslait teen tuottamasta .rda-tiedostosta ja Nifti-tiedostosta. Nifti-tiedosto on magneettikuvauksella muo dostettu kolmiulotteinen kuvatiedosto ja .rda-tiedosto on valmistajan raakadataformaatti spek troskopiadatalle, jossa on tarvittava informaatio valitusta tilavuudesta. Ohjelma on toteutettu käyttäen Python ja JavaScript ohjelmointikieliä sekä FSL:n eri toimintoja. FSL on kattava kirjasto analyysityökaluja, joka on tarkoitettu aivojen kuvantamisdatan käsittelyyn. Ohjelman toimintavaiheet ovat: valitun tilavuuden koordinaattien määrittäminen FSL:n vokseli koordinaateissa, maskin luominen oikeaan orientaatioon ja sijaintiin, aivokudoksen erottaminen käyttäen FSL:n siihen tarkoitettua työkalua (BET), kuvan segmentointi käyttäen FSL:n segmen tointi työkalua (FAST), maskin rekisteröinti segmentoituihin kuviin ja suhteellisten tilavuuksien laskeminen. Ohjelmaa testattiin Meilahden Kolmiosairaalassa tätä työtä varten kuvattuun dataan. Dataan ku ului viisi eri spektroskopiatilavuutta eri osista aivoja ja T1-painoitteinen aivokuva. Ohjelmalle an nettiin tarvittavat tiedot .rda-tiedoston muodossa ja T1-painoitteinen aivokuva Nifti-tiedoston muo dossa. Ohjelma määritti näiden tiedostojen perusteella suhteelliset tilavuusosuudet jokaisesta vii destä tilavuudesta. Aivojen eri alueiden suhteellisissa tilavuusosuuksissa on yksilöllisiä vaihteluita, joten absoluuttista vertailuarvoa ei voi määrittää. Tulokset vastasivat valittujen tilavuuksien mah dollisia suhteellisia tilavuusosuuksia. Kehitettyä ohjelmaa voidaan käyttää tutkimuksissa, jotka tarvitsevat aivokudosten suhteelliset tilavuusosuudet spektroskopiatilavuudesta. Kliinisen käytön mahdollisuus vaatisi ohjelmalta DICOM-standardi tukea.","MRS or magnetic resonance spectroscopy is an imagining technique which can be used to gain information about the metabolite concentration within a certain volume of interest. This can be used for example in brain imagining. The brain consists of three main types of tissue: cerebrospinal fluid, white and gray matter. It is important to know the different volume fractions of these tissues as the resolution in MRS is significantly lower than that of magnetic resonance imagining (MRI). The tissues all have different metabolite profiles and in order to get meaningful data the volume fractions need to be taken into account. This information can be gained from the segmentation of an image formed by using MRI. In this work a software tool was created to find these volume fractions with the input of a .rda file that is created by the scanner and Nifti file. The Nifti file is the image formed by using MRI and the .rda file is the manufacturers raw data format for spectroscopy data which has the relevant information about the volumes of interest. The software tool was created using Python and JavaScript programming languages and different functions of FSL. FSL is a comprehensive library of analysis tools used in brain imaging data processing. The steps for the software tool are: determining the coordinates of the volume of interest in FSL voxel coordinates, creating a mask in the correct orientation and location, removing non-brain tissue from the image using FSL’s tool tailored for that purpose (BET), segmenting the image using FSL’s segmenting tool (FAST), registering the mask on the segmented images and calculating the volume fractions. The software tool was tested on imaging data that was obtained at Meilahti Kolmiosairaala for the purpose of the testing. The testing data set included five different spectroscopy volumes from different parts of the brain and a T1 weighted image. The software tool was given the relevant information about the volume of interest in the form of a .rda file and the T1 weighted image in the form of a Nifti file. The software tool then determined the different volume fractions from all of the five volumes of interest. There is variation on the volume fraction of different brain areas within different brains and it is not possible to have an absolute reference value. The results of the test corresponded to the possible volume fractions that can be expected from the volumes in question."]},{"key":"dc:title","label":"Title","values":["Determining the partial volumes of brain tissue from spectroscopy voxels"]}]}],"canonical_facts":{"dc:contributor":["Helsingin yliopisto, Matemaattis-luonnontieteellinen tiedekunta","University of Helsinki, Faculty of Science","Helsingfors universitet, Matematisk-naturvetenskapliga fakulteten"],"dc:creator":["Halkoaho, Johannes"],"dc:date.issued":["2022"],"dc:description.abstract":["MS tai magneettispektroskopia on kuvantamistekniikka, jolla saadaan tietoa kudosten metaboli ittikonsentraatioista tietystä tilavuudesta. Näistä konsentraatioarvoista voidaan tehdä potilaan diagnostiikkaan vaikuttavia johtopäätöksiä. Tekniikkaa voidaan käyttää myös aivokuvantamisessa. Aivot koostuvat pääasiassa kolmesta kudoksesta, jotka ovat selkäydinneste, valkoinen ja harmaa aine. MS:n kannalta on tärkeä tietää näiden aivokudosten suhteelliset tilavuusosuudet, koska tekni ikan resoluutio on huomattavasti pienempi kuin perinteisen magneettikuvantamisen. Jokaisella kudostyypillä on erilainen metaboliittiprofiili. Saadakseen merkityksellistä dataa, on otettava huomioon kudosten suhteelliset määrät. Tämä tieto voidaan saada segmentoimalla magneettiku vauksella muodostetut kuvat. Tässä työssä luotiin ohjelma, joka pystyy määrittämään suhteelliset tilavuusosuudet kuvauslait teen tuottamasta .rda-tiedostosta ja Nifti-tiedostosta. Nifti-tiedosto on magneettikuvauksella muo dostettu kolmiulotteinen kuvatiedosto ja .rda-tiedosto on valmistajan raakadataformaatti spek troskopiadatalle, jossa on tarvittava informaatio valitusta tilavuudesta. Ohjelma on toteutettu käyttäen Python ja JavaScript ohjelmointikieliä sekä FSL:n eri toimintoja. FSL on kattava kirjasto analyysityökaluja, joka on tarkoitettu aivojen kuvantamisdatan käsittelyyn. Ohjelman toimintavaiheet ovat: valitun tilavuuden koordinaattien määrittäminen FSL:n vokseli koordinaateissa, maskin luominen oikeaan orientaatioon ja sijaintiin, aivokudoksen erottaminen käyttäen FSL:n siihen tarkoitettua työkalua (BET), kuvan segmentointi käyttäen FSL:n segmen tointi työkalua (FAST), maskin rekisteröinti segmentoituihin kuviin ja suhteellisten tilavuuksien laskeminen. Ohjelmaa testattiin Meilahden Kolmiosairaalassa tätä työtä varten kuvattuun dataan. Dataan ku ului viisi eri spektroskopiatilavuutta eri osista aivoja ja T1-painoitteinen aivokuva. Ohjelmalle an nettiin tarvittavat tiedot .rda-tiedoston muodossa ja T1-painoitteinen aivokuva Nifti-tiedoston muo dossa. Ohjelma määritti näiden tiedostojen perusteella suhteelliset tilavuusosuudet jokaisesta vii destä tilavuudesta. Aivojen eri alueiden suhteellisissa tilavuusosuuksissa on yksilöllisiä vaihteluita, joten absoluuttista vertailuarvoa ei voi määrittää. Tulokset vastasivat valittujen tilavuuksien mah dollisia suhteellisia tilavuusosuuksia. Kehitettyä ohjelmaa voidaan käyttää tutkimuksissa, jotka tarvitsevat aivokudosten suhteelliset tilavuusosuudet spektroskopiatilavuudesta. Kliinisen käytön mahdollisuus vaatisi ohjelmalta DICOM-standardi tukea.","MRS or magnetic resonance spectroscopy is an imagining technique which can be used to gain information about the metabolite concentration within a certain volume of interest. This can be used for example in brain imagining. The brain consists of three main types of tissue: cerebrospinal fluid, white and gray matter. It is important to know the different volume fractions of these tissues as the resolution in MRS is significantly lower than that of magnetic resonance imagining (MRI). The tissues all have different metabolite profiles and in order to get meaningful data the volume fractions need to be taken into account. This information can be gained from the segmentation of an image formed by using MRI. In this work a software tool was created to find these volume fractions with the input of a .rda file that is created by the scanner and Nifti file. The Nifti file is the image formed by using MRI and the .rda file is the manufacturers raw data format for spectroscopy data which has the relevant information about the volumes of interest. The software tool was created using Python and JavaScript programming languages and different functions of FSL. FSL is a comprehensive library of analysis tools used in brain imaging data processing. The steps for the software tool are: determining the coordinates of the volume of interest in FSL voxel coordinates, creating a mask in the correct orientation and location, removing non-brain tissue from the image using FSL’s tool tailored for that purpose (BET), segmenting the image using FSL’s segmenting tool (FAST), registering the mask on the segmented images and calculating the volume fractions. The software tool was tested on imaging data that was obtained at Meilahti Kolmiosairaala for the purpose of the testing. The testing data set included five different spectroscopy volumes from different parts of the brain and a T1 weighted image. The software tool was given the relevant information about the volume of interest in the form of a .rda file and the T1 weighted image in the form of a Nifti file. The software tool then determined the different volume fractions from all of the five volumes of interest. There is variation on the volume fraction of different brain areas within different brains and it is not possible to have an absolute reference value. The results of the test corresponded to the possible volume fractions that can be expected from the volumes in question."],"dc:identifier.uri":["URN:NBN:fi:hulib-202202251351","http://hdl.handle.net/10138/341022"],"dc:language.iso":["eng"],"dc:publisher":["Helsingin yliopisto","University of Helsinki","Helsingfors universitet"],"dc:title":["Determining the partial volumes of brain tissue from spectroscopy voxels"]},"updated_at":"2026-07-27T19:55:56Z"}