Bevezetés: A diffúziós tenzor képalkotás (DTI) lehetővé teszi a vízmolekulák diffúziós anizotrópiáját kiváltó fehérállományi idegrostok követését és ezzel az agy strukturális hálózatának in-vivo feltérképezését. Ezen hálózatok gráfelméleti analízise az irodalom legfrissebb eredményei alapján hatékony eszközt jelent a neuroanatómiai kutatások területén, azonban a kapcsolódó módszertan újszerűsége és komplexitása miatt a reprodukálhatóság és a megbízhatóság vizsgálata jelenleg is fontos kutatási terület.
Célkitűzés: Célul tűztük ki (1) a DTI alapú strukturális agyi hálózatok voxel- és régióalapú számításához megbízhatóan működő szoftverkörnyezet kialakítását, (2) a két technika összevetését, valamint (3) a strukturális hálózatok populációs variabilitásának és reprodukálhatóságának vizsgálatát.
Módszer: A munka során az Enhanced NKI-RS publikus képi adatbázisban elérhető 17 egészséges alany, alanyonként két DTI vizsgálati anyagát dolgoztuk fel. Az adatok térbeli sztenderdizálását, és a probabilisztikus rostkövetési számításokat az FSL szoftvercsomag alkalmazásával a debreceni és a szegedi szuperszámítógépek felhasználásával végeztük el, a variabilitás és reprodukálhatóság statisztikai vizsgálatához saját szoftvereket használtunk.
Eredmény: Az ismételt mérésekkel való reprodukálhatóság, az irodalommal összhangban, mindkét módszer esetén jónak bizonyult: false discovery rate korrekció mellett a két mérés között nem mutatkozott szignifikáns különbség. A strukturális kapcsolatok populációs variabilitása lokalizáció függőnek bizonyult, de szignifikánsan kiugró adatot nem találtunk. A voxel- és régióalapú módszerek nem adtak identikus hálózatokat, ennek értelmezése túlmutat jelen munka keretein.
Megbeszélés: A munka eredményeképpen kialakítottunk egy, a szuperszámítógépek számítási kapacitását kiaknázó, jól skálázható és monitorozható strukturális hálózatmodellezési szoftverrendszert, mely lehetővé teszi a módszertani fejlesztést és további optimalizálást is. A feldolgozott, jó reprodukálhatóságot mutató populációs hálózati adatok kontroll csoportként használhatók lesznek további, pl. az egyetemen futó, agyi hálózatanalízist igénylő projektekben.