Magnetic Resonance Imaging (MRI) is a non-invasive medical imaging technique, that is rou- tinely used in clinical practice for detection and diagnosis of a wide range of different diseases. In MRI, no ionizing radiation is used, making even repeated application unproblematic. This is an important advantage over other common imaging methods such as X-rays and Computer To- mography. One major drawback of MRI, however, are long acquisition times and associated high costs of experiments. Since the introduction of MRI, several important technical developments have been made to successfully reduce acquisition times. In this work, novel approaches were developed to increase the efficiency of MRI acquisitions.
In Chapter 4, an improved radial turbo spin-echo (TSE) combined acquisition and reconstruction strategy was introduced. Cartesian turbo spin-echo sequences [3] are widely used especially for the detection and diagnosis of neurological pathologies, as they provide high SNR images with both clinically important proton density and T2 contrasts. TSE acquisitions combined with radial sampling are very efficient, since it is possible to obtain a number of ETL images with different contrasts from a single radial TSE measurement [56–58]. Conventionally, images with a particular contrast are obtained from both radial and Cartesian TSE acquisitions by combining data from different echo times into a single image. In the radial case, this can be achieved by employing k-space weighted image contrast (KWIC) reconstruction. In KWIC, the center region of k-space is filled exclusively with data belonging to the desired contrast while outer regions also are assembled with data acquired at other echo times. However, this data sharing leads to mixed contrast contributions to both Cartesian and radial TSE images. This is true especially for proton density weighted images and therefore may reduce their diagnostic value.
In the proposed method, an adapted golden angle reordering scheme is introduced for radial TSE acquisitions, that allows a free choice of the echo train length and provides high flexibility in image reconstruction. Unwanted contrast contaminations are greatly reduced by employing a narrow-band KWIC filter, that restricts data sharing to a small temporal window around the de- sired echo time. This corresponds to using fewer data than required for fully sampled images and consequently leads to images exhibiting aliasing artifacts. In a second step, aliasing-free images are obtained using parallel imaging. In the neurological examples presented, the CG-SENSE algorithm [42] was chosen due to its stable convergence properties and its ability to reconstruct arbitrarily sampled data. In simulations as well as in different in vivo neurological applications, no unwanted contrast contributions could be observed in radial TSE images reconstructed with the proposed method. Since this novel approach is easy to implement on today’s scanners and requires low computational power, it might be valuable for the clinical breakthrough of radial TSE acquisitions.
In Chapter 5, an auto-calibrating method was introduced to correct for stimulated echo contribu- tions to T2 estimates from a mono-exponential fit of multi spin-echo (MSE) data. Quantification of T2 is a useful tool in clinical routine for the detection and diagnosis of diseases as well as for tis- sue characterization. Due to technical imperfections, refocusing flip angles in a MSE acquisition deviate from the ideal value of 180○. This gives rise to significant stimulated echo contributions to the overall signal evolution. Therefore, T2 estimates obtained from MSE acquisitions typically are notably higher than the reference. To obtain accurate T2 estimates from MSE acquisitions, MSE signal amplitudes can be predicted using the extended phase graph (EPG, [23, 24]) algo- rithm. Subsequently, a correction factor can be obtained from the simulated EPG T2 value and applied to the MSE T2 estimates. However, EPG calculations require knowledge about refocus- ing pulse amplitudes, T2 and T1 values and the temporal spacing of subsequent echoes. While the echo spacing is known and, as shown in simulations, an approximate T1 value can be assumed for high ratios of T1/T2 without compromising accuracy of the results, the remaining two parameters are estimated from the data themselves. An estimate for the refocusing flip angle can be obtained from the signal intensity ratio of the second to the first echo using EPG. A conventional mono- exponential fit of the MSE data yields a first estimate for T2. The T2 correction is then obtained iteratively by updating the T2 value used for EPG calculations in each step. For all examples pre- sented, two iterations proved to be sufficient for convergence. In the proposed method, a mean flip angle is extracted across the slice. As shown in simulations, this assumption leads to greatly reduced deviations even for more inhomogeneous slice profiles. The accuracy of corrected T2 values was shown in experiments using a phantom consisting of bottles filled with liquids with a wide range of different T2 values. While T2 MSE estimates were shown to deviate significantly from the spin-echo reference values, this is not the case for corrected T2 values. Furthermore, applicability was demonstrated for in vivo neurological experiments.
In Chapter 6, a new auto-calibrating parallel imaging method called iterative GROG was pre- sented for the reconstruction of non-Cartesian data. A wide range of different non-Cartesian schemes have been proposed for data acquisition in MRI, that present various advantages over conventional Cartesian sampling such as faster acquisitions, improved dynamic imaging and in- trinsic motion correction. However, one drawback of non-Cartesian data is the more complicated reconstruction, which is ever more problematic for non-Cartesian parallel imaging techniques. Iterative GROG uses Calibrationless Parallel Imaging by Structured Low-Rank Matrix Completion (CPI) for data reconstruction. Since CPI requires points on a Cartesian grid, it cannot be used to directly reconstruct non-Cartesian data. Instead, Grappa Operator Gridding (GROG) is employed in a first step to move the non-Cartesian points to the nearest Cartesian grid locations. However, GROG requires a fully sampled center region of k-space for calibration. Combining both methods in an iterative scheme, accurate GROG weights can be obtained even from highly undersampled non-Cartesian data. Subsequently, CPI can be used to reconstruct either full k- space or a calibration area of arbitrary size, which can then be employed for data reconstruction with conventional parallel imaging methods.
In Chapter 7, a new 2D sampling scheme was introduced consisting of multiple oscillating effi- cient trajectories (MOET), that is optimized for Compressed Sensing (CS) reconstructions. For successful CS reconstruction of a particular data set, some requirements have to be met. First, ev- ery data sample has to carry information about the whole object, which is automatically fulfilled for the Fourier sampling employed in MRI. Additionally, the image to be reconstructed has to be sparse in an arbitrary domain, which is true for a number of different applications. Last, data sam- pling has to be performed in an incoherent fashion. For 2D imaging, this important requirement of CS is difficult to achieve with conventional Cartesian and non-Cartesian sampling schemes. Ra- dial sampling is often used for CS reconstructions of dynamic data despite the streaking present in undersampled images. To obtain incoherent aliasing artifacts in undersampled images while at the same time preserving the advantages of radial sampling for dynamic imaging, MOET com- bines radial spokes with oscillating gradients of varying amplitude and alternating orientation orthogonal to the readout direction. The advantage of MOET over radial sampling in CS re- constructions was demonstrated in simulations and in in vivo cardiac imaging. MOET provides superior results especially when used in CS reconstructions with a sparsity constraint directly in image space. Here, accurate results could be obtained even from few MOET projections, while the coherent streaking artifacts present in the case of radial sampling prevent image recovery even for smaller acceleration factors. For CS reconstructions of dynamic data with sparsity constraint in xf-space, the advantage of MOET is smaller since the temporal reordering is responsible for an important part of incoherency. However, as was shown in simulations of a moving phantom and in the reconstruction of ungated cardiac data, the additional spatial incoherency provided by MOET still leads to improved results with higher accuracy and may allow reconstructions with higher acceleration factors. / Die Magnetresonanztomographie (MRT) ist ein wichtiges nicht-invasives medizinisches Bildge- bungsverfahren, das im klinischen Alltag zur Entdeckung und Diagnose einer Vielzahl von Krank- heiten verwendet wird. Im Gegensatz zu anderen Methoden wie Röntgen und Computertomo- graphie kommt die MRT ohne den Einsatz ionisierender Strahlung aus, was selbst häufige An- wendungen ohne gesundheitliche Risiken erlaubt. Einer der größten Nachteile der MRT sind lange Messzeiten, die in Kombination mit der teuren Technik hohe Untersuchungskosten bedin- gen. Obwohl in der Vergangenheit durch die Entwicklung von sowohl verbesserter Hardware als auch neuen Rekonstruktionsverfahren bereits bedeutende Fortschritte in Bezug auf die Akquisi- tionsdauer erzielt werden konnten, ist eine weitere Beschleunigung nach wie vor ein wichtiges Forschungsgebiet im Bereich der MRT. Ziel dieser Arbeit war daher die Entwicklung neuer An- sätze zur Steigerung der Effizienz von MRT Experimenten.
In Kapitel 4 wurde eine kombinierte Akquisitions- und Rekonstruktionsstrategie für radiale Turbo Spin-Echo (TSE) Experimente vorgestellt. Im klinischen Alltag sind kartesische TSE Sequenzen zur Untersuchung diverser Krankheitsbilder weit verbreitet, da sie ein hohes SNR aufweisen und die Aufnahme der klinisch wichtigen Bilder mit Protonendichte- und T2-Kontrast erlauben. Im Gegensatz zu kartesischem Abtasten, wo aus einem Datensatz lediglich ein Bild mit bes- timmtem Kontrast erzeugt wird, sind radiale TSE Akquisitionen hocheffizient, da hier aus einem Datensatz mehrere Bilder mit verschiedenem Kontrast gewonnen werden können. In beiden Fällen wird in konventionellen Rekonstruktionsmethoden jedes Bild eines definierten Kontrasts durch das Zusammensetzen eines vollständig abgetasteten k-Raums mit Daten von verschiedenen Echozeiten erzeugt. Im radialen Fall geschieht dies durch die sogenannte "k-space weighted im age contrast" (KWIC) Rekonstruktion. Hierbei wird das Zentrum des k-Raums ausschließlich mit zum gewünschten Kontrast gehörigen Daten gefüllt, während die äußeren Bereiche des k-Raums auch Daten von anderen Echozeiten enthalten. Obwohl der Kontrast von MRT Bildern haupt- sächlich von den Daten im k-Raum Zentrum dominiert wird, führt die Kombination von Daten verschiedener Echozeiten in sowohl radialen als auch kartesischen TSE Bildern zu einem uner- wünschten Mischkontrast. Dieser Effekt wird vor allem in protonendichtegewichteten Bildern sichtbar und kann somit deren diagnostischen Wert deutlich verringern.
Ein unerwünschter Mischkontrast kann verhindert werden, indem die Bandbreite des KWIC- Filters auf ein kleines zeitliches Fenster um die angestrebte Echozeit herum eingeschränkt wird. Um eine freie Wahl der Echozuglänge und hohe Flexibilität in der Bildrekonstruktion zu er- möglichen, wurde für die radiale TSE Akquisition ein angepasstes Abtastschema unter Verwen- dung des goldenen Winkels vorgestellt. Da bei einem KWIC-Filter mit reduzierter Bandbre- ite für jedes Bild weniger Daten zur Verfügung stehen als für einen voll abgetasteten k-Raum benötigt, weisen rekonstruierte Bildern Einfaltungsartefakte auf. Diese werden in einem zweiten Schritt durch die Anwendung paralleler Bildgebung beseitigt. In den gezeigten Beispielen wurde dazu der CG-SENSE Algorithmus verwendet, da er stabile Konvergenz aufweist und für die Rekonstruktion von Daten mit irregulären Abtastschema angewandt werden kann. Anschließend werden bestehende Korrelationen der Bilderserie zur Reduktion verbleibender Artefakte und zu einer Verbesserung des SNR ausgenutzt. Wie mittels Simulationen gezeigt und für neurologische Daten bestätigt, weisen radiale TSE Bilder, die mit dieser Methode rekonstruiert wurden, keinen sichtbaren Mischkontrast mehr auf. Die erreichte Bildqualität ist hierbar vergleichbar mit kon- ventionellen Rekonstruktionsmethoden. Da die vorgestellte Rekonstruktion einfach auf heutigen Scannern implementiert werden kann und lediglich niedrige Rechenkapazitäten benötigt, könnte sie einen wichtigen Beitrag für den klinischen Durchbruch radialer TSE Akquisitionen darstellen.
In Kapitel 5 wurde eine selbstkalibrierende Methode zur Korrektur von aus Multi Spin-Echo (MSE) Bildern gewonnenen T2 Karten vorgestellt. In der klinischen Anwendung spielt die Quan- tifizierung von T2 unter anderem bei der Diagnose von Krankheiten sowie bei der Klassifizierung von Gewebe eine wichtige Rolle. Eine MSE Sequenz verwendet mehrere RF-Pulse, um ein einzelnes Spin-Echo wiederholt zu refokussieren. Idealerweise betragen die Flipwinkel der Re- fokussierungspulse hierbei exakt 180○, um einen exponentiellen Signalabfall zu erhalten. Auf- grund technischer Ungenauigkeiten weichen die Werte der Flipwinkel von Refokussierungspulsen jedoch grundsätzlich von 180○ ab. Niedrigere Flipwinkel führen zu stimulierten Echos, die wesentlich zu den einzelnen Echoamplituden beitragen und den Signalabfall entlang des Echozugs deutlich verlängern können. Somit weisen auch T2 Werte, die aus solchen Bilderserien berech- net werden, eine teilweise deutliche Erhöhung auf. Um exakte Werte zu erhalten, kann der MSE Signalverlauf mittels des "extended phase graph" (EPG) Algorithmus abgeschätzt und so ein Kor- rekturfaktor ermittelt werden. Hierzu müssen die Flipwinkel der Refokussierungspulse, T1 und T2 Werte sowie der zeitliche Abstand der Echos (ESP) bekannt sein. Wie in Simulationen gezeigt wurde, kann T1 für hohe Werte des Quotienten T1/T2 abgeschätzt werden, ohne an Genauigkeit der T2 Ergebnisse einzubüßen. Abschätzungen der verbleibenden benötigten Parameter können direkt aus den Daten selbst gewonnen werden. Während der Flipwinkel aus den Intensitäten der ersten beiden Echos berechnet wird, liefert ein mono-exponentieller Fit der MSE Bilderserie eine erste Näherung für T2. Die Korrektur für die T2 Werte kann anschließend aus den EPG Sig- nalverläufen berechnet werden. Durch Aktualisierung von T2 und erneuter Ausführung des EPG-Algorithmus wird die Genauigkeit der Korrektur iterativ erhöht, wobei schon eine sehr geringe Zahl von Iterationen zu Konvergenz führt. Wie in Simulationen und in Phantomexperimenten für verschiedenste T2-Werte gezeigt, weisen korrigierte T2 Werte eine hohe Genauigkeit auf. Dies gilt auch für niedrigere nominelle Flipwinkel als 180○ und ist somit von speziellem Interesse bei höheren Feldstärken B0, wo Grenzwerte der spezifischen Absorptionsrate die Einstrahlung einer Vielzahl von RF-Pulsen hoher Amplitude verbietet.
In Kapitel 6 wurde iteratives GROG, eine neue selbstkalibrierende iterative parallele Bildge- bungsmethode für die Rekonstruktion von nichtkartesischen Daten vorgestellt. Es sind eine Vielzahl nichtkartesischer Trajektorien für MRT Messungen bekannt, die zahlreiche Vorteile gegenüber kartesischer Bildgebung bieten. Dazu gehören unter anderem eine schnellere Akquisi- tion, verbesserte dynamische Bildgebung sowie die Möglichkeit zur intrinischen Bewegungskor- rektur. Ein Nachteil nichtkartesischer Daten jedoch ist eine aufwendigere Rekonstruktion, sowohl bei voll abgetasteten Datensätzen als insbesondere auch in der parallelen Bildgebung. Itera- tives GROG verwendet Calibrationless Parallel Imaging by Structured Low-Rank Matrix Com- pletion (CPI) zur Rekonstruktion fehlender Daten. Diese Methode benötigt Daten auf karte- sischen Gitterpunkten und kann nicht direkt für nichtkartesische Experimente angewandt wer- den. Stattdessen werden die nichtkartesischen Daten zunächst mittels Grappa Operator Gridding (GROG) in einem ersten Schritt auf ein kartesisches Gitter verschoben. GROG basiert auf paral- leler Bildgebung und benötigt einen voll abgetasteten Teil des k-Raums zur Kalibrierung. Erste Kalibrationsdaten können gewonnen werden, indem die nichtkartesischen Punkte ohne Änderung auf die nächsten kartesischen Gitterpunkte verschoben werden und eine CPI-Rekonstruktion eines zentralen k-Raum Bereichs durchgeführt wird. Anschließend wird GROG angewandt um exakte Werte der kartesischen Gitterpunkte zu erhalten und der Prozess wird iteriert. Nach Kon- vergenz können entweder Kalibrationsdaten gewünschter Größe für eine konventionelle parallele Bildgebungsmethode erzeugt oder artefaktfreie Bilder mit CPI rekonstruiert werden.
In Kapitel 7 wurde ein neues Abtastungsschema für die 2D Bildgebung vorgestellt, das aus Multiplen Oszillierenden Effizienten Trajektorien (MOET) besteht und optimierte Compressed Sensing (CS) Rekonstruktionen ermöglicht. Für eine erfolgreiche Anwendung von Compressed Sensing müssen einige Voraussetzungen erfüllt sein. Erstens muss jeder Datenpunkt Informa- tionen über das ganze Objekt enthalten, was bei der MRT aufgrund der Datenakquisition im Fourier-Raum automatisch erfüllt ist. Weiterhin muss das gemessene Objekt in einer beliebigen Basis sparse sein. Dies ist für viele verschiedene Anwendungen in der MRT der Fall. Drittens muss für CS Rekonstruktionen die Datenakquisition im k-Raum einem inkohärenten Muster fol- gen. Diese wichtige Voraussetzung ist in der zweidimensionalen Bildgebung mit konventionellen kartesischen und nicht-kartesischen Abtastschemata nur schwer zu erreichen. Deshalb wird für CS Rekonstruktionen häufig eine radiale Trajektorie eingesetzt, trotz der kohärenten streaking- Artefakte in unterabgetasteten Bildern. MOET verwendet daher eine Kombination von radialen Projektionen zusammen mit oszillierenden Gradienten auf der zur Ausleserichtung orthogonalen Achse. So erhält man inkohärente Aliasing-Artefakte und bewahrt gleichzeitig die Vorteile der radialen Bildgebung für die dynamische MRT. Die Überlegenheit von MOET gegenüber radi- aler Bildgebung für CS Rekonstruktionen konnte in Simulationen sowie in der Herzbildgebung aufgezeigt werden. Dies gilt insbesondere für CS Rekonstruktionen direkt im Bildraum, wo MOET gute Resultate liefert während die kohärenten Artefakte bei radialer Bildgebung eine genaue Bildwiederherstellung verhindert. Bei Rekonstruktionen dynamischer Daten, wo Sparsität im xf-Raum ausgenutzt wird, ist der Vorteil von MOET weniger ausgeprägt, da hier bere- its die zeitliche Anordnung der Projektionen einen wesentlichen Beitrag zur Charakteristik der Aliasingartefakte liefert. Wie in Simulationen und für die in vivo Herzbildgebung gezeigt werden konnte, erlaubt die zusätzliche räumliche Inkohärenz von MOET jedoch auch in diesem Fall eine höhere Genauigkeit sowie Rekonstruktionen von Daten höherer Beschleunigung.
| Identifer | oai:union.ndltd.org:uni-wuerzburg.de/oai:opus.bibliothek.uni-wuerzburg.de:10816 |
| Date | January 2014 |
| Creators | Neumann, Daniel |
| Source Sets | University of Würzburg |
| Language | English |
| Detected Language | English |
| Type | doctoralthesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | https://opus.bibliothek.uni-wuerzburg.de/doku/lic_ohne_pod.php, info:eu-repo/semantics/openAccess |
Page generated in 0.0487 seconds