Return to search

Distortion correction for diffusion weighted magnetic resonance images

Diffusion magnetic resonance imaging (MRI) is useful for studying the diseased, dysfunctional, and healthy human brain. Unfortunately, this technique is susceptible to geometric distortions that decrease the accuracy and value of the data. A distortion correction algorithm must be used to remedy these issues during post-processing. The purpose of this thesis is to develop, implement, and test a distortion correction method for diffusion weighted MRI. A distortion correction algorithm was designed and implemented and then tested on simulated and real human brain datasets. The algorithm was found to work well for simulated datasets with b-values up to and including b=2000 s/(mm*mm). Furthermore, the cause of distortion correction failures were investigated. Failures are believed to be due to a combination of reduced signal to noise ratio (SNR) and increased contrast differences in datasets with higher b-values. / L'imagerie par résonance magnétique (IRM) de diffusion est utile dans l'étude du cerveau humain, tant en santé que dysfonctionnel ou atteint de maladie. Malheureusement, cette technique est susceptible à des distortions géometriques qui diminuent la précision et la valeur des données. Un algorithme de correction de ces distortions doit être utilisé pendant le traitement des données. Le but de ce mémoire est de développer, d'implementer et de tester une méthode de correction des distortions pour l'IRM de diffusion. Un algorithme de correction des distortions fut developé et implémenté, puis évalué sur des ensembles de données cérébrales humaines simulées et réelles. L'algorithme fonctionne bien pour des données simulées avec des valeurs b jusqu'à b=2000 s/(mm*mm). La cause des échecs de la correction de distortion fut également étudiée. Les échecs sont attribués à une combinaison de la réduction du rapport signal sur bruit (SNR, pour signal-to-noise ratio) et de l'augmentation des différences de contraste, dans les ensembles de données avec des valeurs-b plus élevées.

Identiferoai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QMM.32587
Date January 2009
CreatorsStinson, Eric
ContributorsGilbert Bruce Pike (Internal/Supervisor)
PublisherMcGill University
Source SetsLibrary and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada
LanguageEnglish
Detected LanguageFrench
TypeElectronic Thesis or Dissertation
Formatapplication/pdf
CoverageMaster of Science (Medical Physics Unit)
RightsAll items in eScholarship@McGill are protected by copyright with all rights reserved unless otherwise indicated.
RelationElectronically-submitted theses.

Page generated in 0.0097 seconds