In der klinischen Magnetresonanztomographie (MRT) spielt neben dem Bildkontrast und der räumlichen Auflösung, die Messzeit eine sehr wichtige Rolle. Auf Grund schneller Bildgebungsmethoden und technischer Fortschritte in der Geräteentwicklung konnten die Aufnahmezeiten bis auf wenige Sekunden reduziert werden. Somit wurde die MRT zu einem der wichtigsten Verfahren in der klinischen Diagnostik. Der größte Fortschritt für eine weitere Verkürzung der Aufnahmezeiten erfolgte durch die Einführung von Partiell-Parallelen-Akquisitions (PPA) Techniken in den späten 1990er Jahren. Inzwischen sind PPA-Verfahren etabliert und stehen auch für den Einsatz im klinischen Alltag zur Verfügung. Die Grundlage aller PPA-Verfahren bildet eine Anordnung von mehreren Empfangsdetektoren, welche gleichzeitig und unabhängig voneinander ein Objekt abbilden. Das Signal jedes einzelnen Detektors enthält dabei je nach Position eine gewisse räumliche Information. Eine Messzeitverkürzung wird im Allgemeinen dadurch erzielt, dass die Menge der aufzunehmenden Daten reduziert wird. Dies führt zu Fehler behafteten Bildern auf Grund von fehlenden Daten. Alle gängigen PPA-Verfahren benutzen die in der Detektoranordnung inhärente räumliche Information, um mit geeigneten Algorithmen die Fehler behafteten Bilder zu korrigieren. Die beiden erfolgreichsten Ansätze stellen momentan das "Sensitivity Encoding" (SENSE) Verfahren und die "Generalized Autocalibrating Partially Parallel Acquisitions" (GRAPPA) Methode dar. Die Leistungsfähigkeit von PPA-Methoden ist allerdings beschränkt. Zunächst begrenzt die Anzahl der Einzeldetektoren den maximal erreichbaren Messzeitgewinn. Weiterhin führt der Einsatz von PPA-Verfahren zu einer Verringerung des Signal-zu-Rausch-Verhältnis (englisch: signal-to-noise ratio, SNR). Im Allgemeinen ist das SNR um den Faktor der Wurzel des Beschleunigungsfaktors verringert. Ein zusätzlicher SNR-Verlust entsteht durch den Rekonstruktionsprozess und ist stark abhängig von der geometrischen Anordnung der Detektoren. Auf Grund dieser Verluste ist der Einsatz von PPA-Methoden auf Applikationen mit bereits hohem intrinsischen SNR beschränkt. In dieser Arbeit werden Erweiterungen von PPA-Verfahren vorgestellt, um deren Leistungsfähigkeit weiter zu verbessern. Der Schwerpunkt liegt dabei auf der selbstkalibrierenden GRAPPA-Methode, welche die fehlenden Daten im reziproken Bildraum, dem so genannten k-Raum, rekonstruiert. Zunächst wird der Einsatz von GRAPPA für die 3D-Bildgebung beschrieben. In der 3D-Bildgebung ist es für die Rekonstruktionsqualität von PPA-Methoden vorteilhaft, die Daten entlang zweier Raumrichtungen zu reduzieren. GRAPPA war bisher auf Experimente mit Datenrekonstruktion in nur einer Richtung beschränkt. Es wird gezeigt, dass sich durch Kombination mit SENSE der Vorteil einer zwei-dimensionalen Datenreduktion erstmals auch für GRAPPA benutzen lässt. Weiterhin wird eine Neuformulierung der GRAPPA-Rekonstruktion als Matrixoperation vorgestellt. Dieser Formalismus wird als GRAPPA-Operator Formalismus bezeichnet und erlaubt es, ein gemessenes Signal im k-Raum zu verschieben, um fehlende Daten zu rekonstruieren. Eigenschaften und Beziehungen zwischen unterschiedlichen Verschiebungen werden beschrieben und daraus resultierende Anwendungen für die 2D- und 3D-Bildgebung präsentiert. Im Allgemeinen arbeiten alle konventionellen PPA-Verfahren ausschließlich auf der Rekonstruktionsseite. Somit ist die Bildqualität und damit der erzielbare Messzeitgewinn nur durch die Geometrie der Detektoranordnung beeinflussbar. In der Mehrschicht-MRT lässt sich diese Abhängigkeit von der Detektoranordnung reduzieren, indem Bildartefakte bereits während der Datenaufnahme gezielt verändert werden. Auf diese Weise kann der SNR-Verlust aufgrund des Rekonstruktionsprozesses minimiert werden. Dieses Konzept der kontrollierten Einfaltungen (englisch: Controlled Aliasing in Parallel Imaging Results in Higher Acceleration, CAIPIRINHA) wird für den Einsatz in der dynamischen Herzbildgebung vorgestellt. Bei geringen Beschleunigungsfaktoren kann mit CAIPIRINHA im Gegensatz zu den üblichen PPA-Verfahren eine Bildqualität erzielt werden, welche keine signifikanten Einbußen gegenüber konventionellen Experimenten aufweist. / In clinical magnetic resonance imaging (MRI) applications, scan time plays an important role. Due to the introduction of fast imaging sequences and hardware developments, acquisition times have been reduced to the order of several seconds and for this reason, MRI has become one of the most important techniques in clinical diagnosis. The greatest improvement in further reducing the acquisition times has been the development of partially parallel acquisition (PPA) strategies in the late 1990s. Today, PPA strategies have become established and are available for clinical routine examinations. The basis for all PPA methods is an array of mutiple detectors which allow the independent and simultaneous imaging of an object. According to its position, each detector receives signal predominantly from a localized region and therefore contains spatial information. In general, a scan time reduction is achieved by reducing the amount of acquired data. This results in imaging artifacts. PPA methods utilize the spatial information inherent in the detector array in order to remove these artifacts by using dedicated reconstruction algorithms. At present, the most successful PPA strategies are the "Sensitivity Encoding" (SENSE) method and the "Generalized Autocalibrating Partially Parallel Acquisitions" (GRAPPA) technique. However, the performance of PPA methods is limited. First, the achievable scan time reduction factor is limited by the number of detectors in the array. Second, compared with a conventional experiment the signal-to-noise ratio (SNR) is decreased by the square root of the scan time reduction factor. An additional decrease in SNR is introduced by the reconstruction process and is strongly dependent on the array geometry. For these reasons, the application of PPA methods is restricted to applications with a high intrinsic SNR. In this thesis, extensions of standard PPA methods are presented which improve their performance. Special emphasis is put on the autocalibrating GRAPPA technique, which reconstructs missing data in the reciprocal image space, the so-called k-space. First, the application of GRAPPA for 3D imaging is desribed. In 3D imaging, it is advantageous for the reconstruction quality of PPA methods to perform the data reduction in two spatial dimensions. However, until now GRAPPA has been restricted to experiments with data reduction in only one dimension. Here, a combination of GRAPPA and SENSE is presented which allows one to utilize the benefits of two-dimensional data reduction for the GRAPPA technique. Furthermore, a reformulation of the GRAPPA reconstruction process as a matrix operation is presented. This formalism is refered to as the GRAPPA-Operator formalism and it allows one to shift a received signal in k-space in order to reconstruct missing data. Several properties and relationships between different shifts are described and resultant implications for 2D and 3D imaging are presented. In general, all conventional PPA methods work on the reconstruction side. Therefore,the image quality and thus the achievable scan time reduction can only be controlled by the choice of the array geometry. In multi-slice MRI, this dependency on the array geometry can be reduced by modifying the appearence of imaging artifacts during the data acquisition period. In this way, the decrease in SNR introduced by the reconstruction process can be minimized. This concept is entitled "Controlled Aliasing in Parallel Imaging Results In Higher Acceleratrion" (CAIPIRINHA), and in this thesis its application for dynamic cardiac imaging is described. In contrast to previous PPA techniques with two-fold acceleration, the image quality using the CAIPIRINHA approach is not significantly decreased compared with conventional experiments.
| Identifer | oai:union.ndltd.org:uni-wuerzburg.de/oai:opus.bibliothek.uni-wuerzburg.de:2055 |
| Date | January 2005 |
| Creators | Blaimer, Martin |
| Source Sets | University of Würzburg |
| Language | deu |
| Detected Language | English |
| Type | doctoralthesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0031 seconds