German Title: Entwicklung eines neuartigen Frameworks zur Untersuchung von Korrelationen in der multinuklearen MR-Spektroskopie: Aufbau einer fortschrittlichen Quantifizierung von In-vivo-1H-Spektren, unterstützt durch 31P-Daten

Preview

PDF, English Download (59MB) | Terms of use

Abstract

Magnetic resonance spectroscopic imaging (MRSI) enables non-invasive quantification of metabolite concentrations in vivo. Proton (1H) MRSI is relatively sensitive, but has difficulties discriminating metabolites with similar chemical shifts. In contrast, phosphorus (31P) MRSI shows larger chemical shift dispersion, but is less sensitive. Both techniques provide mutual information that can be exploited by exploring their correlations. In this work, a novel framework for such an exploration was developed with the initial aim to advance 1H MRS(I) quantification using 31P MRS(I) as ground truth, employing sequential multiparametric MR protocols and machine learning analysis. This framework was applied to create models that robustly discriminate glycerophosphocholine (GPC) and phosphocholine (PC) in 1H spectra for the cases of synthetic spectra (n_trained = 160,000), acquired spectra of model solutions at B0 = 9.4T (n_trained = 5,760), and MRSI from healthy volunteers at B0 = 7T (n_trained = 1,521). In all cases, the created interpretable, non-linear gradient boosting model outperformed the state-of-the-art method LCModel, e.g., for synthetic spectra, with a mean absolute percentage error about 7 times lower. Feature analysis identified not only spectral features around the total choline resonance as important for the GPC/PC discrimination, but in vivo also spectral features from other metabolites, like glutamine/glutamate, not known before. In conclusion, the framework proved to enable novel applications, and might ultimately pave the way for approaches overcoming limitations of individual in vivo MRSI methods by combining their strengths.

Translation of abstract (German)

Magnetresonanzspektroskopische Bildgebung (MRSI) ermöglicht die nicht-invasive Quantifizierung von Metabolitenkonzentrationen in vivo. Die Protonen (1H)-MRSI ist relativ empfindlich, hat jedoch Schwierigkeiten bei der Unterscheidung von Metaboliten mit ähnlichen chemischen Verschiebungen. Im Gegensatz dazu weist die Phosphor (31P)-MRSI eine größere Dispersion der chemischen Verschiebung auf, ist jedoch weniger empfindlich. Beide Techniken teilen sich gemeinsame Informationen, und diese Korrelationen könnten sich vorteilhaft ausnutzen lassen. In dieser Arbeit wurde ein neuartiges Framework für die Untersuchung solcher Korrelationen entwickelt, mit dem anfänglichen Ziel, die 1H-MRS(I) Quantifizierung unter Verwendung der 31P-MRS(I) als Grundwahrheit voranzubringen, wofür sequenzielle multiparametrische MR-Protokolle und Machine-Learning-Methoden eingesetzt wurden. Mit diesem Framework wurden Modelle entwickelt, welche die Unterscheidung von Glycerophosphocholin (GPC) und Phosphocholin (PC) in 1H-Spektren ermöglichen für die Fälle synthetischer Spektren (n_trainiert = 160.000), gemessener Spektren von Modelllösungen bei B0 = 9,4T (n_trainiert = 5.760) und In-vivo-MRSI-Daten von gesunden Probanden bei B0 = 7T (n_trainiert = 1.521). In allen Fällen übertraf das entwickelte interpretierbare, nichtlineare Gradient-Boosting-Modell die State-of-the-Art-Methode LCModel, z.B. bei synthetischen Spektren, mit einem bis zu 7-mal geringeren mittleren absoluten prozentualen Fehler. Eine Merkmalsanalyse identifizierte nicht nur Spektralmerkmale um die Gesamt-Cholin-Resonanz als wichtig für die GPC/PC-Unterscheidung, sondern in vivo auch bisher unbekannte Spektralmerkmale anderer Metaboliten wie Glutamin/Glutamat. Zusammenfassend konnte gezeigt werden, dass das Framework neuartige Anwendungen ermöglicht und zukünftig den Weg für Ansätze ebnen könnte, welche die Einschränkungen individueller In-vivo-MRSI-Methoden durch die Kombination ihrer Vorteile überwinden lassen.