Englische Übersetzung des Titels: Development of an iterative reconstruction algorithm including anatomical prior information for 23Na magnetic resonance tomography

Vorschau

PDF, Deutsch - Hauptdokument Download (55MB) | Nutzungsbedingungen

Abstract

In dieser Arbeit wird ein iteratives Rekonstruktionsverfahren für die 23Na-MRT entwickelt. Neben einer totalen Variation zweiter Ordnung (TV2) wurden A-priori-Informationen aus der 1H-MRT in Form einer Trägerregion (BM) und als anatomisch gewichtete TV2 (AnaWeTV) eingebunden. Anhand simulierter Kopfdaten und In-vivo-Messungen wurde das Leistungsvermögen des Algorithmus bei verschiedenen Auflösungen, Unterabtastungen (UAF) und Rauschpegeln analysiert. In allen Bildern wurden Gibbs-Oszillationen und Unterabtastungsartefakte wirkungsvoll unterdrückt. Bei In-vivo-Messungen an acht Probanden und zwei Patienten (Hirntumor und Multiple Sklerose) konnte ein deutlich erhöhtes Signal-Rausch-Verhältnis (SNR) im Vergleich zur herkömmlichen Gridding-Methode erreicht werden (8 Probanden: +(46+-3)% bei TV2, +(25+-2)% bei BM&TV2 in weißer Substanz (WM); Multiple-Sklerose-Patient mit AnaWeTV: +133% in WM, +55% im lateralen Ventrikel). Der SNR-Gewinn hängt dabei von der Größe der anatomischen Struktur ab. Die AnaWeTV erhöht die Auflösung bekannter Strukturen und verringert Partialvolumeneffekte. In Simulationen (2mm isotrope Auflösung, UAF = 10) konnte der Intensitätsfehler in vier kleinen Läsionen von (20,3+-3,2)% (Gridding) auf (3,2+-2,3)% (AnaWeTV) reduziert werden. Nach Anwendung eines Hammingfilters betrug er (12,6+-3,3)%. Der Algorithmus ist robust gegenüber Fehlregistrierung der 1H-Bilder um (1,5-3)mm. Auch Strukturen, für die keine anatomischen A-priori-Informationen vorliegen, werden mit hohem Kontrast dargestellt. Die BM&TV2-Rekonstruktion ist vorzuziehen, wenn nicht bekannt ist, ob Strukturen im 23Na-Bild ein anatomisches Korrelat im 1H-Bild besitzen (z.B. bei Hirntumoren).

Übersetzung des Abstracts (Englisch)

In this work, an iterative reconstruction algortihm for 23Na-MRT is developed. In addition to second order total variation (TV2), it includes prior information from 1H-MRT as a support region (BM) and as anatomically weighted TV2 (AnaWeTV). The performance of the algorithm is analyzed at different resolutions, undersampling factors (UAF) and noise levels using simulated datasets of the head and in vivo measurements. In all images, Gibbs-ringing and undersampling artifacts are effectively suppressed. In in vivo measurements of eight volunteers and two patients (brain tumor and multiple sclerosis), a substantially increased signal-to-noise ratio (SNR) compared to the conventional gridding reconstruction is achieved (8 volunteers: +(46+-3)% with TV2, +(25+-2)% with BM&TV2 in white matter (WM); multiple sclerosis patient with AnaWeTV: +133% in WM, +55% in the lateral ventricle). The SNR gain depends on the size of the anatomical structure. The AnaWeTV increases resolution of known structures and reduces partial volume effects. In simulations (2mm isotropic resolution, UAF = 10), the intensity error of four small lesions could be reduced from (20,3+-3,2)% (gridding) to (3,2+-2,3)% (AnaWeTV). After applying a Hamming filter, the error was (12,6+-3,3)%. The algorithm is robust against misregistration of 1H-images by (1,5-3)mm. Structures without available prior information are displayed with high contrast. The BM&TV2-reconstruction is preferable in cases where it is not known if structures in the 23Na-image have an anatomical correlate in the 1H-image (e.g. in brain tumors).