Perfusion magnetic resonance imaging is modern diagnostic method used mainly in oncology. In this method, contrast agent is injected to the subject and then is continuously monitored the progress of its concentration in the affected area in time. Correct determination of the arterial input function (AIF) is very important for perfusion analysis. One possibility is to model AIF by multichannel blind deconvolution but the estimated AIF is necessary to be scaled. This master´s thesis is focused on description of scaling methods and their influence on perfussion parameters in dependence on used model of AIF in different tissues.

Cancer is one of the most common causes of death worldwide. When given optimal treatment, however, the risk of severe illness may greatly be reduced. Determining optimal treatment in turn requires evaluation of disease progression and response to potential, previous treatment. Analysis of perfusion, a physiological property that describes how well different tissues are supplied with blood, has been shown useful for revealing important tumor characteristics. By performing a contrast agent-enhanced, non-invasive medical imaging procedure, quantitative parameters of perfusion can be obtained by fitting the image data to mathematical models. These parameters may then provide valuable insights into tumor properties, useful for purposes such as diagnostics and treatment response evaluation. Varieties of parameter calculation frameworks and perfusion models may however lead to a wide range of possible parameter values, which negatively impacts reproducibility and confidence in results. The aim of this thesis project was to explore how different implementation choices in a perfusion parameter calculations framework, as well as image data noise and filtering, affected the parameter estimations. Image data of nine brain-tumor patients and a physical phantom was used for calculating perfusion parameters after systematically applying changes to the default calculations framework. The results showed that the choice of optimization method for parameter estimations could provide a significant difference in parameter estimations. A semi-automated method for obtaining a venous input function was evaluated and shown to be robust with respect to simulated user inputs. Generation of a T1 map, used when performing the parameter calculations, was explored for the variable flip-angle method and from this investigation it was concluded that a few combinations of flip-angles generated unrealistic T1 maps. Finally, a Gaussian image filter applied in the x- and ydimensions of the image data was found to provide a noticeable reduction of applied noise. The outcome of the experiments exemplified how calculation framework setup affected parameter estimations, which was discussed to be of importance for other areas of research as well. Future work could encompass exploration of other, more complex perfusion models, and performing similar analysis for tumors in other body-parts. / Cancer är en av de vanligaste dödsorsakerna i världen. Risken för svår sjukdom kan dock minimeras om optimal behandling ges, vilket kräver utvärdering av sjukdomstillstånd och svar på eventuell tidigare behandling för att åstadkommas. Mätningar av perfusion, en fysiologisk egenskap som direkt relaterar till vävnadernas blodtillförsel, har visat sig vara användbar för att avslöja viktiga tumöregenskaper. Genom att utföra en icke-invasiv medicinsk bildtagningsprocedur med kontrastvätska kan kvantitativa perfusionsparametrar erhållas genom att anpassa bilddatat till matematiska modeller. Dessa parametrar kan sedan ge värdefulla insikter om tumörers egenskaper, användbara för ändamål som diagnostik och utvärdering av behandling. Variationer av ramverk för parameterberäkningar och perfusionsmodeller kan dock leda till många olika, möjliga parametervärden, vilket negativt påverkar reproducerbarhet och förtroende för korrekthet hos de beräknade parametrarna. Syftet med detta examensarbete var att utforska hur implementeringen av ett ramverk för perfusionsparameterberäkningar, samt bilddatabrus och filtrering, påverkade parameterberäkningarna. Bilddata från nio hjärntumörpatienter samt en fysisk fantom användes för att beräkna perfusionsparametrar efter att systematiskt ändrat delar av ett ursprungligt beräkningsramverk. Resultaten visade att valet av optimeringsmetod för modelanpassning kunde ge en signifikant skillnad i parameteruppskattningar. En semi-automatiserad metod designad för att erhålla en venös inflödesfunktion utvärderades och påvisades vara robust med avseende på simulerad användarinteraktion. Generering av en T1-karta, som kan användas för parameterberäkningarna, undersöktes för variable flip-angle metoden, och från denna undersökning drogs slutsatsen att ett antal kombinationer av vinklar genererade orealistiska T1-kartor. Slutligen visade sig ett Gaussiskt bildfilter applicerat i x- och y-dimensionerna av bilddata ge en märkbar reducering av applicerat brus. Arbetet gav exempel på hur val av beräkningsramverk kan påverka parameteruppskattningar, vilket vidare diskuterades kan ha betydelse inom andra forskningsområden. Framtida undersökningar kan innefatta att utforska andra, mer komplexa perfusionsmodeller, samt att utföra liknande analyser för tumörer i andra kroppsdelar.

No description available.

This work is focused on the description of the dynamic contrast-enhanced CT examination and its contribution in the pneumooncology. It includes a program for creating a two-dimensional model of the scan from the thorax and for the perfuse examination simulation using the time-density curve. Real CT data are simulated more authentic using rigid geometric transformations and noise. The model will be used for the validation of registration algorithms that is used to suppress the spatial deformation generated by patient motions during the long time examination.

La tomodensitométrie par rayons-X (CT) est une modalité d’imagerie produisant une carte tridimensionnelle du coefficient d’atténuation des rayons-X d’un objet. En radiothérapie, le CT fournit de l’information anatomique et quantitative sur le patient afin de permettre la planification du traitement et le calcul de la dose de radiation à livrer. Le CT a plusieurs problèmes, notamment (1) une limitation au niveau de l’exactitude des paramètres physiques quantitatifs extraits du patient, et (2) une sensibilité aux biais causés par des artéfacts de durcissement du faisceau. Enfin, (3) dans le cas où le CT est fait en présence d’un agent de contraste pour améliorer la planification du traitement, il est nécessaire d’effectuer un deuxième CT sans agent de contraste à des fins de calcul de dose, ce qui augmente la dose au patient. Ces trois problèmes limitent l’efficacité du CT pour certaines modalités de traitement qui sont plus sensibles aux incertitudes comme la protonthérapie. Le CT spectral regroupe un ensemble de méthodes pour produire plusieurs cartes d’atténuation des rayons-X moyennées sur différentes plages énergétiques. L’information supplémentaire, pondérée en énergie qui est obtenue permet une meilleure caractérisation des matériaux analysés. Le potentiel de l’une de ces modalités spectrales, le CT bi-énergie (DECT), est déjà bien démontré en radiothérapie, alors qu’une approche en plein essor, le CT spectral à comptage de photons (SPCCT), promet davantage d’information spectrale à l’aide de détecteurs discriminateurs en énergie. Par contre, le SPCCT souffre d’un bruit plus important et d’un conditionnement réduit. Cette thèse investigue la question suivante : y a-t-il un bénéfice à utiliser plus d’information résolue en énergie, mais de qualité réduite pour la radiothérapie ? La question est étudiée dans le contexte des trois problèmes ci-haut. Tout d’abord, un estimateur maximum a posteriori (MAP) est introduit au niveau de la caractérisation des tissus post-reconstruction afin de débruiter les données du CT spectral. L’approche est validée expérimentalement sur un DECT. Le niveau de bruit du pouvoir d’arrêt des protons diminue en moyenne d’un facteur 3.2 à l’aide de l’estimateur MAP. Celui-ci permet également de conserver généralement le caractère quantitatif des paramètres physiques estimés, le pouvoir d’arrêt variant en moyenne de 0.9% par rapport à l’approche conventionnelle. Ensuite, l’estimateur MAP est adapté au contexte de l’imagerie avec agent de contraste. Les résultats numériques démontrent un bénéfice clair à utiliser le SPCCT pour l’imagerie virtuellement sans contraste par rapport au DECT, avec une réduction de l’erreur RMS sur le pouvoir d’arrêt des protons de 2.7 à 1.4%. Troisièmement, les outils développés ci-haut sont validés expérimentalement sur un micro-SPCCT de la compagnie MARS Bioimaging, dont le détecteur à comptage de photons est le Medipix 3, qui est utilisé pour le suivi de particules au CERN. De légers bénéfices au niveau de l’estimation des propriétés physiques à l’aide du SPCCT par rapport au DECT sont obtenus pour des matériaux substituts à des tissus humains. Finalement, une nouvelle paramétrisation du coefficient d’atténuation pour l’imagerie pré-reconstruction est proposée, dans le but ultime de corriger les artéfacts de durcissement du faisceau. La paramétrisation proposée élimine les biais au niveau de l’exactitude de la caractérisation des tissus humains par rapport aux paramétrisations existantes. Cependant, aucun avantage n’a été obtenu à l’aide du SPCCT par rapport au DECT, ce qui suggère qu’il est nécessaire d’incorporer l’estimation MAP dans l’imagerie pré-reconstruction via une approche de reconstruction itérative. / X-ray computed tomography (CT) is an imaging modality that produces a tridimensional map of the attenuation of X-rays by the scanned object. In radiation therapy, CT provides anatomical and quantitative information on the patient that is required for treatment planning. However, CT has some issues, notably (1) a limited accuracy in the estimation of quantitative physical parameters of the patient, and (2) a sensitivity to biases caused by beam hardening artifacts. Finally, (3) in the case where contrast-enhanced CT is performed to help treatment planning, a second scan with no contrast agent is required for dose calculation purposes, which increases the overall dose to the patient. Those 3 problems limit the efficiency of CT for some treatment modalities more sensitive to uncertainties, such as proton therapy. Spectral CT regroups a set of methods that allows the production of multiple X-ray attenuation maps evaluated over various energy windows. The additional energy-weighted information that is obtained allows better material characterization. The potential of one spectral CT modality, dual-energy CT (DECT), is already well demonstrated for radiation therapy, while an upcoming method, spectral photon counting CT (SPCCT), promises more spectral information with the help of energy discriminating detectors. Unfortunately, SPCCT suffers from increased noise and poor conditioning. This thesis thus investigates the following question: is there a benefit to using more, but lower quality energy-resolved information for radiotherapy? The question is studied in the context of the three problems discussed earlier. First, a maximum a posteriori (MAP) estimator is introduced for post-reconstruction tissue characterization for denoising purposes in spectral CT. The estimator is validated experimentally using a commercial DECT. The noise level on the proton stopping power is reduced, on average, by a factor of 3.2 with the MAP estimator. The estimator also generally con- serves the quantitative accuracy of estimated physical parameters. For instance, the stopping power varies on average by 0.9% with respect to the conventional approach. Then, the MAP estimation framework is adapted to the context of contrast-enhanced imaging. Numerical results show clear benefits when using SPCCT for virtual non-contrast imaging compared to DECT, with a reduction of the RMS error on the proton stopping power from 2.7 to 1.4%. Third, the developed tools are validated experimentally on a micro-SPCCT from MARS Bioimaging, which uses the Medipix 3 chip as a photon counting detector. Small benefits in the accuracy of physical parameters of tissue substitutes materials are obtained. Finally, a new parametrization of the attenuation coefficient for pre-reconstruction imaging is pro- posed, whose ultimate aim is to correct beam hardening artifacts. In a simulation study, the proposed parametrization eliminates all biases in the estimated physical parameters of human tissues, which is an improvement upon existing parametrizations. However, no ad- vantage has been obtained with SPCCT compared to DECT, which suggests the need to incorporate MAP estimation in the pre-reconstruction framework using an iterative reconstruction approach.