Clausthal, Techn. Univ., Diss., 2004. / Computerdatei im Fernzugriff. Dateien im PDF-Format.

Magdeburg, University, Diss., 2003.

Clausthal, Techn. University, Diss., 2004. / Dateien im PDF-Format.

Mannheim, Univ., Diss., 2001.

Zugl.: Erlangen, Nürnberg, Univ., Diss., 2008

Erlangen-Nürnberg, Univ., Diss., 2008.

Techn. Hochsch., Diss., 2003--Aachen. / Parallelt.: Generalized image reconstruction for magnetic resonance imaging.

Quantitative Magnetic Resonance Imaging is a technique that focuses on obtaining maps of specific biomarkers in MRI. In comparison to qualitative MRI, it enables: 1- comparison of different tissues within the same individual from different locations or points in time; 2- comparison between images from different individuals; 3- achievement of disease-specificity, with studies correlating abnormalities in the absolute values of certain biomarkers and health conditions. Longitudinal relaxation times, also referred to as T1 times, are a biomarker that can be quantified using MRI and this variable can be used for tissue characterization. It stands for the time needed for the spins to realign with the main magnetic field after a perturbation is applied to the system. One method to determine T1 is by tracing the transition from an initial state to the steady state of a spoiled gradient echo sequence (GRE). If several inversion preparation pulses are used, waiting periods should be introduced before each inversion, to allow the reestablishment of the equilibrium magnetization. That leads to long measurement times, making this type of acquisition detrimental for patient and clinical routine applications. Here a new method that excludes the waiting intervals and measurement repetitions by combining an innovative acquisition scheme with an iterative model-based reconstruction algorithm is proposed. It combines a single-shot inversion recovery (IR) with a non-IR-prepared acquisition without waiting intervals. Shorter acquisition times can be achieved using a single IR preparation combined with an undersampled spoiled GRE, spiral trajectories, and simultaneous multi-slice excitation. The experiments were performed on 3T Siemens Magnetom PRISMA scanner in healthy volunteers and the acquisition parameters were: TE: 1.1 ms, TR: 7.5 ms, slice thickness: 5 mm, spatial resolution: 0.8 x 0.8 mm². Combination of the information from non-IR prepared and IR prepared magnetization allows for the calculation of quantitative T1 maps by using an iterative model-based reconstruction scheme. In this algorithm, multiple images are reconstructed for different time points along the T1-recovery process, leading to T1 determination keeping reasonably short total acquisition times (< 1 minute). / Bei der quantitativen Magnetresonanztomographie handelt es sich um eine Technik, die sich auf die Erstellung von Karten spezifischer Biomarker im MRT konzentriert. Im Vergleich zur qualitativen MRT ermöglicht sie: 1. den Vergleich verschiedener Gewebe innerhalb ein und desselben Individuums an unterschiedlichen Orten oder zu unterschiedlichen Zeitpunkten; 2. den Vergleich zwischen Bildern von verschiedenen Individuen; 3. das Erreichen von Krankheitsspezifität, wobei Studien Anomalien in den absoluten Werten bestimmter Biomarker und Gesundheitszustände korrelieren. Die longitudinale Relaxationszeit, auch T1-Zeit genannt, ist ein Biomarker, der mit Hilfe der MRT quantifiziert werden kann, und diese Variable kann zur Charakterisierung von Gewebe verwendet werden. Sie steht für die Zeit, die die Spins benötigen, um sich nach einer Störung des Systems wieder mit dem Hauptmagnetfeld auszurichten. Eine Methode zur Bestimmung von T1 ist die Verfolgung des Übergangs von einem Anfangszustand in den stabilen Zustand einer gespoilten Gradientenechosequenz (GRE). Wenn mehrere Inversionsvorbereitungspulse verwendet werden, sollten vor jeder Inversion Wartezeiten eingeplant werden, damit sich die Gleichgewichtsmagnetisierung wieder einstellt. Dies führt zu langen Messzeiten, was diese Akquisitionen für Patienten und klinische Routineanwendungen nachteilig macht. Hier wird eine neue Methode vorgeschlagen, die durch die Kombination eines innovativen Aufnahmeschemas mit einem iterativen modellbasierten Rekonstruktionsalgorithmus Wartezeiten und Messwiederholungen ausschließt. Sie kombiniert eine Single-Shot-Inversionserholung (IR) mit einer nicht IR- vorbereiteten Erfassung ohne Wartezeiten. Kürzere Akquisitionszeiten können mit einer einzigen IR-Vorbereitung in Kombination mit einem undersampled spoiled GRE, spiralförmigen Trajektorien und gleichzeitiger Multislice-Anregung erreicht werden. Die Experimente wurden an gesunden Probanden auf einem 3T-Siemens-Magnetom- PRISMA-Scanner durchgeführt. Die Aufnahmeparameter waren TE: 1,1 ms, TR: 7,5 ms, Schichtdicke: 5 mm, räumliche Auflösung: 0,8 x 0,8 mm². Die Kombination der Informationen aus der nicht-IR-präparierten und der IR-präparierten Magnetisierung ermöglicht die Berechnung quantitativer T1-Karten mit Hilfe eines iterativen modellbasierten Rekonstruktionsschemas. Bei diesem Algorithmus werden mehrere Bilder für verschiedene Zeitpunkte entlang des T1-Erholungsprozesses rekonstruiert, was zu einer T1-Bestimmung bei relativ kurzen Messzeiten (< 1 Minute) führt.

In der heutigen Strahlentherapie kann durch eine am Linearbeschleuniger integrierte Röntgenröhre eine 3D-Bildgebung vor der Bestrahlung durchgeführt werden. Die sogenannte Kegel-Strahl-CT (Cone-Beam-CT, CBCT) erlaubt eine präzise Verifikation der Patientenlagerung sowie ein Ausgleich von Lagerungsungenauigkeiten. Dem Nutzen der verbesserten Patientenlagerung steht jedoch bei täglicher Anwendung eine erhöhte, nicht zu vernachlässigbare Strahlenexposition des Patienten gegenüber. Eine Verringerung des Dosisbeitrages bei der CBCT-Bildgebung lässt sich durch Reduzierung des Stroms zur Erzeugung der Röntgenstrahlung sowie durch Verringerung der Anzahl an Projektionen erreichen. Die so aufgenommen Projektionen lassen sich dann aber nur durch aufwendige Rekonstruktionsverfahren zu qualitativ hochwertigen Bilddatensätzen rekonstruieren. Ein Verfahren, dass für die Rekonstruktion vorab vorhandene Vorwissensbilder verwendet, ist der Prior-Image- Constrained-Compressed-Sensing-Rekonstruktionsalgorithmus (PICCS). Die Rekonstruktionsergebnisse des PICCS-Verfahrens übertreffen die Ergebnisse des auf den konventionellen Feldkamp-Davis-Kress-Algorithmus (FDK) basierenden Verfahrens, wenn nur eine geringe Anzahl an Projektionen zur Verfügung steht. Allerdings können bei dem PICCS-Verfahren derzeit keine großen Variationen in den Vorwissensbildern berücksichtigt werden und führen zu einer geringeren Bildqualität. Diese Variationen treten insbesondere durch anatomische Veränderungen wie Tumorverkleinerung oder Gewichtsveränderungen auf. Das Ziel der vorliegenden Arbeit bestand folglich darin, einen neuen vorwissensbasierten Rekonstruktionsalgorithmus zu entwickeln, der auf Basis des PICCS-Verfahrens zusätzlich die Verwendung von lokalen Verlässlichkeitsinformationen über das Vorwissensbild ermöglicht, um damit die Variationen in den Vorwissensbildern bei der Rekonstruktion entsprechend berücksichtigen zu können. Die grundlegende Idee des neu entwickelten Rekonstruktionsverfahrens ist die Annahme, dass die Vorwissensbilder aus Bereichen mit kleinen und großen Variationen bestehen. Darauf aufbauend wird eine Gewichtungsmatrix erzeugt, die die Stärke der Variationen des Vorwissens im Rekonstruktionsalgorithmus berücksichtigt. In Machbarkeitsstudien wurde das neue Verfahren hinsichtlich der Verbesserung der Bildqualität unter Berücksichtigung gängiger Dosisreduzierungsstrategien untersucht. Dazu zählten die Reduktion der Anzahl der Projektionen, die Akquisition von Projektionen mit kleinerer Fluenz sowie die Verkleinerung des Akquisitionsbereiches. Die Studien erfolgten an einem Computerphantom sowie insbesondere an experimentellen Daten, die mit dem klinischen CBCT aufgenommen worden sind. Zum Vergleich erfolgte die Rekonstruktion mit dem Standardverfahren basierend auf der gefilterten Rückprojektion, dem Compressed Sensing- sowie dem konventionellen PICCS-Verfahren. Das neue Verfahren konnte in den untersuchten Fällen Bilddatensätze mit verbesserter bis ausgezeichneter Qualität rekonstruieren, sogar dann, wenn nur eine sehr geringe Anzahl an Projektionen oder nur Projektionen mit starkem Rauschen zur Verfügung standen. Demgegenüber wiesen die Rekonstruktionsergebnisse der anderen Algorithmen starke Artefakte auf. Damit eröffnet das neu entwickelte Verfahren die Möglichkeit durch die Integration von Zuverlässigkeitsinformationen über die vorhandenen Vorwissensbildern in den Rekonstruktionsalgorithmus, den Dosisbeitrag bei der täglichen CBCT-Bildgebung zu minimieren und eine ausgezeichnete Bildqualität erzielen zu können. / The treatment of cancer in radiation therapy is achievable today by techniques that enable highly conformal dose distributions and steep dose gradients. In order to avoid mistreatment, these irradiation techniques have necessitated enhanced patient localization techniques. With an integrated x-ray tube at modern linear accelerators kV-projections can be acquired over a sufficiently large angular space and can be reconstructed to a volumetric image data set from the current situation of the patient prior to irradiation. The so-called Cone-Beam-CT (CBCT) allows a precise verification of patient positioning as well as adaptive radiotherapy. The benefits of an improved patient positioning due to a daily performed CBCT's is contrary to an increased and not negligible radiation exposure of the patient. In order to decrease the radiation exposure, substantial research effort is focused on various dose reduction strategies. Prominent strategies are the decrease of the charge per projection, the reduction of the number of projections as well as the reduction of the acquisition space. Unfortunately, these acquisition schemes lead to images with degraded quality with the widely used Feldkamp-Davis-Kress image reconstruction algorithm. More sophisticated image reconstruction techniques can deal with these dose-reduction strategies without degrading the image quality. A frequently investigated method is the image reconstruction by minimizing the total variation (TV), which is also known as Compressed Sensing (CS). A Compressed Sensing-based reconstruction framework that includes prior images into the reconstruction algorithm is the Prior-Image-Constrained- Compressed-Sensing algorithm (PICCS). The images reconstructed by PICCS outperform the reconstruction results of the conventional Feldkamp-Davis-Kress algorithm (FDK) based method if only a small number of projections are available. However, a drawback of PICCS is that major deviations between prior image data sets and the follow up reconstructed images are not appropriate considered so far. These deviations may result from changes in anatomy including tumour shrinkage and loss of weight and may result in a degraded image quality of the reconstructed images. Deformable registration methods that adapt the prior images adequately can compensate this shortcoming of PICCS. Such registration techniques, however, suffer from limited accurateness and much higher computation time for the overall reconstruction process. Therefore, the aim of this thesis was to develop a new knowledge-based reconstruction algorithm that incorporates additionally local dependent reliability information about the prior images into reconstruction algorithm. The basic idea of the new algorithm is the assumption that the prior images are composed of areas with large and of areas with small deviations. Accordingly, the areas of the prior image were assigned as variable where substantial deformations due to motion or change in structure over the time series were expected. Hence, these regions were not providing valuable structural information for the anticipated result anymore. In contrast, “a priori” information was assigned to structurally stationary areas where no changes were expected. Based on this composition, a weighting matrix was generated that considers the strength of these variations during reconstruction. The new algorithm was tested in different feasibility studies to common dose reduction strategies. These dose reduction strategies includes the reduction of the number of projections, the acquisition of projections with strong noise and the reduction of the acquisition space. The main aim of this work was to demonstrate the gain of image quality when prior images with major variations are used compared to standard reconstruction techniques. The studies were performed with a computer phantom, and in particular with experimental data that have been acquired with the clinical CBCT. The new reconstruction framework yields images with substantially improved quality even when only a very small number of projections or projections with high noise were available. These images contained less streaking, blurring and inaccurately reconstructed structures compared to the images reconstructed by FDK, CS and conventional PICCS. In conclusion, the new developed reconstruction framework indicate the potential to lowering the radiation dose to the patient due to daily CBCT imaging while maintaining good image quality.

Techn. Hochsch., Diss.--Aachen, 2006.