Korrektur von RF-induzierten, räumlichen Intensitätsinhomogenitäten in MRT Daten mit Hilfe von statistischen, strukturellen und physikalischen Nebenbedingungen

• Antragsteller: Professor Dr. Michael Bock, seit 3/2014
• Fachliche Zuordnung: Medizinische Physik, Biomedizinische Technik ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2014 bis 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 237079734

MRT Bildrekonstruktion benötigt uniforme Radiofrequenz (RF) Felder. Moderne MRT-Systeme erzeugen RF-Felder mit integrierten Spulen Arrays, die eine höhere Auflösung sowie ein besseres Signal-zu-Rausch-Verhältnis aufweisen. Jedoch verursachen sie gleichzeitig ein inhomogenes Radiofrequenzfeld, was zu Variationen in der Bildintensität führt. In der Hochfeld-MRT sind diese Variationsartefakte besonders ausgeprägt, was die Bildrekonstruktion erschwert, zur Verwechslung der Gewebeeigenschaften führen kann, und die diagnostische Qualität und jede automatisierte Bildanalyse beeinträchtigt. In dieser Arbeit werden Methoden entwickelt, um primär den Empfang Inhomogenitätsartefakte in MR-Bildern von einer einzigen Spule sowie von Spulen Arrays zu korrigieren. Die Variationen der Bildintensität von MR-Bildern mit einem Kontrast sowie in Serien von Bildern verschiedener Kontraste werden ebenfalls entfernt. Die Auswirkungen dieser Artefakte auf die Bildstatistik (co-occurrence), sowie die Verbundstatistik zwischen Bildern (cross-) wird nicht-parametrisch wiederhergestellt. Die Statistik wird entweder mit Hilfe eines Wiener-Filters oder ohne Nutzung der PSF-Verteilung anhand von Nebenbedingungen aus der dünn besetzten Matrix (sparsity) rekonstruiert. Nebenbedingungen aus der Statistik der räumlichen Intensitätsunterschiede werden sowohl parametrisch als auch nicht-parametrisch berücksichtigt. Bei Einzelkontrastdaten wird die parametrische Nebenbedingung mit Hilfe der Total Variation realisiert, während bei Bilderserien verschiedener Kontraste der Laplace-Beltrami-Operator verwendet wird. Die nicht-parametrischen Sparsity-Nebenbedingungen werden mit Differential-Intensitätsmerkmalen formuliert, welche mit einer Wiener-Filterung wiederhergestellt werden. Die wiederhergestellte Statistik wird auf die Bilder angewendet. Die Genauigkeit der statistischen Rekonstruktion wird durch die Berücksichtigung valider Signalregionen in den Bildern und Teilvolumenartefakten weiter verbessert. Die Rekonstruktion verwendet auch RF-Inhomogenitätskarten, welche während der Bildaufnahme gewonnen werden. Generell wird angenommen, dass die RF Inhomogenitäten glatt über den Raum verteilt sind.Die Kombinationen verschiedener Randbedingungen werden ausgiebig validiert. Die Ergebnisse werden außerdem mit anderen Nachverarbeitungsverfahren verglichen. Die Validierung wird anhand von Daten durchgeführt, welche sowohl das BrainWeb 1,5T Phantom als auch anatomische Hirndaten von verschiedenen 3,0 T und 7,0 T MRT-Systemen einschließen. Als Datensätze werden Bilder von gesunden Probanden sowie von Patienten mit Multipler Sklerose und Alzheimer verwendet. Die Validierung wird auch mittels 3,0T spektroskopischer Bildgebung für Fett/Wasser Rekonstruktion anhand von Daten durchgeführt, welche sowohl in einem Phantom als auch in übergewichtigen Probanden über einen ausgedehnten Körperbereich akquiriert werden. Der iterative Algorithmus wird mit einer parallelen Implementierung beschleunigt.

• DFG-Verfahren: Sachbeihilfen
• Beteiligte Institution: Deutsches Krebsforschungszentrum (DKFZ); Otto-von-Guericke-Universität Magdeburg; Institut für Physik
• Beteiligte Person: Professor Dr. Oliver Speck
• Ehemaliger Antragsteller: Stathis Hadjidemetriou, Ph.D., bis 2/2014