eprintid: 31819
rev_number: 15
eprint_status: archive
userid: 6780
dir: disk0/00/03/18/19
datestamp: 2022-07-05 07:22:29
lastmod: 2022-07-21 11:27:42
status_changed: 2022-07-05 07:22:29
type: doctoralThesis
metadata_visibility: show
creators_name: Stiegeler, Janis
title: Shearletbasierte
Suszeptibilitätskartenrekonstruktion mit
automatischer Parameterwahl
title_en: Shearlet based susceptibility map reconstruction with automatic parameter selection
subjects: ddc-530
subjects: ddc-600
divisions: i-130001
divisions: i-850300
adv_faculty: af-13
keywords: QSM, Quantitativ, Suszeptibilitätsbildgebung, Susceptibility mapping,
cterms_swd: Suszeptibilität
cterms_swd: Shearlet
cterms_swd: Kernspintomografie
abstract: Quantitative susceptibility mapping (QSM) attempts to calculate the suscepti-
bility distribution of tissue using magnetic resonance techniques. The purpose
of this work is to find an image quality measure, which effectively prevents
an over-smoothing of the susceptibility maps, when optimizing the parameters
with regard to this measure. Moreover, an algorithm to solve the inverse phase
to susceptibility problem is introduced, which uses verified and mathematically
founded methods to compute the susceptibility distribution accurately. To achie-
ve this the shearlet transform, the generalized total variation and the method of
iterative re-weighting are used. Furthermore, a step is made towards application
of QSM in clinical practise, namely the automatic selection of the regularization
parameters. For this the method of unbiased predictive risk estimator is used.
The values of the image quality measures of the calculated susceptibility maps
achieve throughout top rankings in comparison with the submitted algorithms
at the 1th and 2nd QSM reconstruction challenge. Furthermore, the calculated
susceptibility maps are free from strong artefacts and their visual perception is
in accordance with its good image quality values. Probably the anisotropic pro-
perties of the shearlets lead to such an accurate calculation of local susceptibility
sources.
abstract_translated_text: Die quantitative Suszeptibilitätsbildgebung (QSM) macht den Versuch die Suszeptibilitätsverteilung innerhalb eines Gewebes mit Hilfe von Magnetresonanz-Techniken zugänglich zu machen, sprich eine Karte der Suszeptibilitätsverteilung
zu erstellen. Das Ziel dieser Arbeit ist es zum einen ein Bildqualitätsmaß aufzuzeigen, welches ein  ̈Uberglätten der Suszeptibilitätskarten durch Optimierung
der Parameter hinsichtlich dieses Maßes verhindert. Hierzu wird der Schärfeindex gewichtete strukturelle Similaritätsindex vorgestellt. Des weiteren wird ein Algorithmus zum Lösen des inversen Phase-Suszeptibilitätsproblems präsentiert, der
nachweislich erprobte und mathematisch begründete Methoden verwendet, um die zugrunde liegendeSuszeptibilitätsverteilung akkurat zu berechnen. Hierbei wird insbesondere von der Shearlettransformation, der verallgemeinerten Totalvariation und der Methode der iterativen Neugewichtung Gebrauch gemacht.
Zusätzlich soll ein Schritt hin zur Anwendung in der klinischen Praxis realisiert werden, nämlich die automatische Wahl der Regularisierungsparameter. Hierzu
wird die Methode des unverfälschten, voraussehenden Risikoschätzers verwendet. Die Werte der Bildqualitätsmaße der berechneten Suszeptibilitätskarten erreichen dabei durchweg Top Platzierungen im Vergleich mit den eingereichten Algorithmen beim 1. und 2. QSM Rekonstruktionswettbewerb. Dabei sind die Suszeptibiliẗätskarten frei von stäkeren Artefakten und ihre visuelle Wahrnehmung ist im Einklang mit den guten Werten der Bildqualitätsmaße. Es liegt die Vermutung nahe, dass es genau die anisotropen Eigenschaften der Shearlets sind, die hierbei zur akkuraten Berechnung lokaler Suszeptibiliẗätsquellen
führen.
abstract_translated_lang: ger
date: 2022
id_scheme: DOI
id_number: 10.11588/heidok.00031819
ppn_swb: 1810188083
own_urn: urn:nbn:de:bsz:16-heidok-318192
date_accepted: 2022-06-08
advisor: HASH(0x55fc36bcd720)
language: ger
bibsort: STIEGELERJSHEARLETBA2022
full_text_status: public
place_of_pub: Heidelberg
citation:   Stiegeler, Janis  (2022) Shearletbasierte Suszeptibilitätskartenrekonstruktion mit automatischer Parameterwahl.  [Dissertation]     
document_url: https://archiv.ub.uni-heidelberg.de/volltextserver/31819/1/Dissertation.pdf