1,721,022 research outputs found
Feasibility study for small-animal proton radiography using passive energy variation and a single planar detector
Get PDFHirngewebe besitzen Einzel-Voxel-Signaturen in multispektraler MR-Bildgebung
No full textHintergrund und Ziele der Originalarbeit ”Hirngewebe besitzen Einzel-Voxel-Signaturen in der multispektralen MRT” [103]. Seit den bahnbrechenden Arbeiten von Brodmann [4] und Vogt und Vogt [5] ist bekannt, dass verschiedene Gehirnregionen einzigartige zyto- und myeloarchitektonische Merkmale aufweisen. Hirngewebe - und andere Gewebe - auf der Grundlage ihrer intrinsischen Merkmale zu klassifizieren, ist ein langjähriges Bestreben im Bereich der Magnetresonanz (MR). Die Idee, Gewebe anhand ihrer T1- und T2-Relaxationszeiten zu klassifizieren, lässt sich bis in die Zeit vor dem Aufkommen der Magnetresonanztomographie (MRT) zurückverfolgen [21]. Tatsächlich motivierte Lauterbur damit die MRT [24], und das zu Recht; der hohe Weichteilkontrast, der sich aus den
T1- und T2-Zeiten im menschlichen Körper ergibt, ist ein Eckpfeiler der heutigen Radiologie, die häufig relaxationszeitgewichtete MR-Bilder verwendet. Die ersten automatisierten Ansätze zur Klassifizierung von Geweben auf der Basis intrinsischer MR-Merkmale wurden in den 1980er Jahren vorgestellt [28]. Obwohl erfolgreiche Klassifizierungen beispielsweise für bis zu zehn Gewebeklassen berichtet wurden [41], schränkte die limitierte Menge an Eingangsmerkmalen die Möglichkeit ein, Klassifizierungen für eine höhere Anzahl von Gewebeklassen zu erreichen. Aus diesem Grund wurden atlasbasierte Ansätze mit großem Erfolg eingeführt, die räumliche Informationen nutzen, um die Anzahl potenzieller Gewebeklassen an einer bestimmten Position zu reduzieren [52]. In der vorliegenden Studie untersuchte ich in Kooperation mit einem interdisziplinären Team die Realisierbarkeit einer globalen Hirnklassifikation auf der Basis intrinsischer MR-Merkmale. Zu diesem Zweck nutzte ich mehrere technologische Fortschritte. Erstens verwendete ich einen 7-Tesla-Scanner der neuesten Generation, der ein erhöhtes Kontrast-Rausch-Verhältnis für viele MR-Kontraste bietet [90]. Zweitens verwendete ich eine neuartige Diffusions-MR-Technik, die q-Raum-Trajektorienbildgebung [85]. Mit dieser können nicht nur die voxel-gemittelten Diffusionsmetriken gemessen werden, sondern auch die Varianz der Diffusionstensoren innerhalb eines Voxels, was in vielen Regionen der kortikalen grauen Substanz mit mehr als einer dominanten Faserorientierung relevant ist. Drittens verwendete ich eine chemische Austausch-Sättigungs-Transfer-Sequenz (CEST). Der daraus resultierende Magnetisierungstransfer (MT)-Kontrast erscheint als geeigneter Marker der Myelinisierung, der zur Unterscheidung und Segmentierung verschiedener kortikaler Regionen verwendet werden kann [83]. Darüber hinaus ist die Ultrahochfeld-CEST-Bildgebung reich an Informationen über verschiedene chemisch relevante Gewebekomponenten- und Eigenschaften, wie pH, Glutamat, Phosphokreatin, Proteingehalt und Lipide. In dieser Arbeit zeige ich, dass eine globale Klassifizierung des Gehirns somit möglich wird.
Methoden. Ich rekrutierte 38 Probanden. Mit dem 7-Tesla-MRT-Scanner wurden zwei hochaufgelöste Datensätze für die Goldstandard-Segmentierung aufgenommen: Ein 3D ptx T1-gewichteter MPRAGE-Datensatz (0.65ˆ0.65ˆ0.65 mm³) und ein QSM-Datensatz (Quantitative Susceptibility Mapping, 0.6ˆ0.6ˆ0.6 mm³) [85, 90]. Die CEST-MRT wurde mit einer Snapshot-Sequenz (1.8ˆ1.8ˆ3 mm³) durchgeführt [91] mit zwei verschiedenen Sättigungs-B1-Niveaus von 0,7 und 1,0 μT, vorgesättigt bei jeweils 56 verschiedenen Offsets. Für den Vorsättigungspulszug wurde die Multiple Interleaved Mode Sättigungstechnik (MIMOSA) verwendet [93]. Nach Korrekturen für Bewegung, B1- und B0-Inhomogenitäten wurden die CEST-Peaks mit einem 5-Lorentz-Pool-Modell voxelweise gefittet. Diffusionsgewichtete Bilder wurden mit einer echoplanaren Spinecho-Sequenz [98] mit linearen, planaren und sphärischen b-Tensoren und b-Werten 0, 100, 500, 1000, 1500 und 2000 s/mm² aufgenommen (1,5ˆ1,5ˆ3 mm³). Ich führte Korrekturen für Bewegungen, Wirbelstrom-Effekte und Bildverzerrungen durch. Diffusions- und Kovarianztensoren wurden voxelweise angepasst und die in [85] beschriebenen Diffusionsmetriken bestimmt. Die Daten
wurden mittels des FSL-Registrierungstools FLIRT koregistriert auf den Zieldatensatz MPRAGE. Der Klassifikationsansatz ist in Abb. 2 visualisiert. Es wurde ein Datensatz von allen Probanden außer einem jungen Mann (Testdatensatz) erstellt. Für jedes Voxel wurden die lokalen 15 QTI-Parameter, 210 diffusionsgewichteten Signale, vier Lorentz-CEST-Amplituden-Parameter und 112 z-Spektrumswerte aus den Bildern extrahiert, koregistert und auf den MPRAGE-Raum interpoliert und in einem 2D-Array mit 6 Millionen Zeilen und 341
Spalten gespeichert. Die entsprechende anatomische Region wurde in einem one-hot-kodierten 2D-Array mit 6 Millionen Zeilen und 102 Spalten gespeichert. Die beiden Datensätze wurden dann gemischt, gesplittet und auf einen Mittelwert von Null und eine Einheitsvarianz normalisiert und enthielten keine räumlichen Informationen mehr. Ich definierte ein vollständig verbundenes neuronales Netzwerk in TensorFlow Keras [81]. Nach dem Training wurde das Netzwerk verwendet, um eine voxelweise Vorhersage für den Testteilnehmer durchzuführen. Die Genauigkeit, definiert als Anzahl der korrekt klassifizierten Voxel geteilt durch die Gesamtzahl der Voxel, wurde berechnet, zudem wurde eine Kreuzvalidierung durchgeführt. Um das Klassifikationsprinzip zu untersuchen, berechnete
ich u.a. die Salienz-Vektoren [77] gemittelt über die jeweiligen Regionen des Testteilnehmers.
Ergebnisse und Beobachtungen. In Erweiterung früherer Arbeiten zur globalen Gehirnklassifikation habe ich neuartige hochdimensionale Kontraste in den Eingabedatenraum aufgenommen. Beim Ansatz der Einzel-Voxel-Klassifikation dient die räumliche Kohärenz der Vorhersageergebnisse in benachbarten Voxeln als inhärente Metrik der Zuverlässigkeit. Aktuelle atlasbasierte Klassifizierungs-
ansätze übertreffen die beobachtete Genauigkeit von 60% [60]. Es ist verlockend, die MR-basierten Muster als analog zu histologischen Gewebefingerabdrücken zu betrachten [4, 5]. Mögliche Störfaktoren können B0- oder B1-Inhomogenitäten sein, die bei 7 Tesla im Vergleich zu niedrigeren Feldstärken zunehmen, und welche das Netzwerk zur Klassifizierung mit verwenden könnte (erweiterte Dis-
kussion siehe [103]). Bei den CEST-Daten wurden die B0-und B1-Inhomogenität mit dem MIMOSA-Ansatz sowie erfassten Feldkarten adressiert.
Schlussfolgerungen. Die Einzel-Voxel-Klassifikation von Hirngewebe basierend auf Hochfeld-Diffusions- und CEST-Merkmalen erreicht eine hohe Genauigkeit. Dies deutet darauf hin, dass einzigartige Merkmale von Hirnregionen nicht nur durch die Histologie, sondern auch durch Einzel-Voxel-MR-Signaturen erkennbar sind
Diffusionsgewichtete MR-Mammographie: Untersuchung von atmungsinduzierten Magnetfeldvariationen, Kurtosisbildgebung und hohen Gradientenstärken
Get PDFBackground and purpose
Magnetic resonance imaging (MRI) is used for many clinical applications due to its
good soft tissue contrast. Imaging of carcinomas is of particular interest for diagnosis
and treatment planning. As breast cancer is the most common cancer in women, it
is a common application. Diffusion-weighted MR imaging (DWI) is a technique used
to create a high contrast between healthy tissue and malignant lesions. In addition
to image contrast, DWI also yields quantitative tissue parameters. These include
the apparent diffusion coefficient (ADC), the kurtosis (K) and the kurtosis-corrected
diffusion coefficient (DK). DWI parameters can be used to study and classify tumor
microstructure. Advanced DWI methods require high gradient field strengths. For
this purpose, a local breast gradient coil is being designed to provide new insights
into tissue microstructure. In this work, the impact of free breathing on DWI images
is quantified. Furthermore, a patient study is evaluated to investigate the diagnostic
value of the diffusion parameters ADC, DK, and K for the classification of tumors.
Finally, the technical implications of high gradient strengths are investigated. The
design of the planned breast gradient coil is used. In certain applications, undesirable
concomitant fields occur that interfere with DWI measurements. A compensation
method for concomitant fields is proposed and its feasibility is demonstrated on a
clinical MRI device.
Methods
In order to investigate the impact of respiration on diffusion-weighted MR mammography,
eleven healthy subjects were examined on a 3T MRI device with a breast coil. ADC
maps were calculated from DWI images with b = 50 and 800 s/mm². To isolate the
influence of free breathing, the images were compared to those in which the subjects
held their breath in expiration. The image sharpness of the ADC maps was quantified
by the Blanchet sharpness measure and the total variation.
In the patient study, 382 patients were examined, 84 of whom met the inclusion
criteria. A further seven patients and one volunteer were enrolled in a complementary
study. The measurements were performed with a 3T MRI device with a breast coil.
Histopathological findings were used as the gold standard for malignant lesions. Benign
lesions were classified by radiologists in conjunction with clinical data, sonography and
follow-up examinations as part of the regular radiological findings. ADC, DK and K
were calculated from b values 50, 750 and 1500 s/mm². The diagnostic value of the
diffusion parameters was examined with ROC analyses. In addition, the impact of the
b value choice on the diagnostic value of the parameters was investigated by examining
the second patient cohort with 10 different b values up to 2500 s/mm². The results
were supported by simulations.
The implications of high gradient strengths in DWI were investigated by calculations,
simulations and phantom measurements. The calculations and simulations were based
on the gradient field strengths of the planned chest gradient coil. The necessity of high
gradient slew rates was investigated for DWI measurements with strong gradient fields.
The magnetic field change rates resulting from high gradient slew rates were calculated
in the heart and chest region and were compared to nerve stimulation safety limits.
Finally, a compensation method for concomitant fields was implemented and tested in
simulations and phantom measurements. The phantom measurements were performed
on a clinical 1,5 T MRI device.
Results
The image sharpness of ADC maps that were acquired with free breathing was significantly lower than sharpness of ADC maps from breath hold measurements. The observed fluctuations of the magnetic field were be attributed to respiration by frequency analyses.
The evaluation of ADC, DK and K in breast lesions showed that the simple ADC
value is just as suitable for differentiating between malignant and benign lesions as
the kurtosis K and the kurtosis-corrected diffusion coefficient DK. The AUC values
of the parameters amounted to AUC(ADC) = 0,92, AUC(DK) = 0,91 and AUC(K) = 0,89.
The same held true for differentiation of solid benign tumors from carcinomas, and for
differentiation of invasive ductal and invasive lobular carcinomas: DK and K did not
significantly improve the diagnostics. In an extended protocol with more b values, the
kurtosis and DK values differed from those obtained with the original protocol, but not
in lesions whose classification was critical.
When using high gradient strengths up to G = 1 T/m, high gradient slew rates of
up to 1000 T/(m*s) have to be used, which exceed previously used slew rates. The
resulting magnetic field change rates that occur in a local breast gradient coil do not pose
a risk for nerve stimulation in the heart and breast. The change rates are at least 10%
below the safety limits. Phantom measurements showed that concomitant fields can
cause dephasing and signal loss even at clinical gradient field strengths. The proposed
compensation method mitigated signal loss and dephasing caused by concomitant fields
in all cases. For some configurations, the accompanying field effects were completely
compensated. Simulations indicated the applicability of the method to other diffusion
imaging techniques.
Conclusions
The clinical practice of performing ADC measurements on patients under free breathing
is prone to blurring of the ADC map. These effects can be mitigated by breath hold
acquisition. Other possible remedies that are more comfortable for patients include
acquisition with a respiration belt that tracks the breathing motion, larger bandwidths
and parallel imaging techniques. The evaluation of several diffusion parameters in
patients has shown that the ADC is sufficient as a diagnostic tool using a short protocol.
The ADC provides good sensitivity and specificity for the differentiation of malignant
and benign lesions. The parameters K and DK do not add value to the ADC's diagnostic
performance. When investigating the implications of high gradient field strengths, it
becomes clear that high gradient slew rates are necessary for their applicability. In
initial calculations, no safety risks were identified for breast measurements with a local
breast gradient coil. Concomitant fields were found to interfere with signal acquisition
at clinical gradient strengths for particular acquisition techniques. With the method
presented, the concomitant fields can be effectively compensated without the need for
longer acquisition times. Especially for acquisition methods that employ very strong
and asymmetrical gradient pulses, concomitant field compensation is crucial. With the
proposed compensation method, high gradient strengths could be used in practice to
examine tissue microstructure at even smaller scales.Hintergrund und Ziele
Die Magnetresonanz-Bildgebung (MRT) wird wegen ihres guten Weichgewebe-Kontrasts
für viele klinische Fragestellungen eingesetzt. Von besonderem Interesse ist die Darstellung
von Karzinomen zur Diagnose und Behandlungsplanung. Brustkrebs ist dabei als
häufigster Krebs bei Frauen ein oft vorkommender Anwendungsfall. Die diffusionsgewichtete
MR-Bildgebung (DWI) ist eine Technik, mit der ein hoher Kontrast zwischen
gesundem Gewebe und Karzinomherden erzeugt werden kann. Aus der DWI können
neben den Bildkontrasten auch quantitative Gewebeparameter bestimmt werden. Dazu
zählen unter anderem der scheinbare Diffusionskoeffizient (ADC), die Kurtosis (K) und
der Kurtosis-korrigierte Diffusionskoeffizient (DK). Diese Parameter können verwendet
werden, um die Mikrostruktur von Tumoren zu untersuchen, und sie zu klassifizieren.
Für fortgeschrittene DWI-Methoden werden hohe Gradientenfeldstärken benötigt. Zu
diesem Zweck ist eine lokale Brust-Gradientenspule in Planung, die neue Einblicke
in die Gewebe-Mikrostruktur ermöglichen soll. In dieser Arbeit wird der Einfluss der freien Atmung auf DWI-Bilder quantifiziert. Des Weiteren wird eine Patientenstudie
ausgewertet, um den diagnostischen Wert von der Diffusionsparameter ADC, DK und
Kurtosis zur Klassiffizierung von Tumoren zu untersuchen. Als letztes werden die technischen
Implikationen von hohen Gradientenstärken untersucht. Dazu wird das Design
der geplanten Brust-Gradientenspule verwendet. Bei bestimmten Anwendungen treten
unerwünschte Begleitfelder auf, die DWI-Messungen stören. Eine Kompensationsmethode
für diese Begleitfelder wird vorschlagen und ihre Wirksamkeit an einem klinischen
MRT-Gerät demonstriert.
Methoden
Um den Einfluss der Atmung auf die diffusionsgewichtete MR-Mammographie zu
analysieren wurden 11 gesunde Probandinnen an einem 3T-MRT-Gerät mit einer
Brustspule untersucht. ADC-Karten wurden aus DWI-Aufnahmen mit b = 50 und
800 s/mm² berechnet. Um den Einfluss der freien Atmung zu untersuchen, wurden
die Aufnahmen mit solchen verglichen, bei denen die Probandinnen die Luft in der
Exspirations-Phase anhielten. Die Bildschärfe der ADC-Karten wurde mit dem Blanchet-
Schärfemaß und der Gesamtvariation quantifiziert.
6 Kurzzusammenfassung
In der Patientenstudie zur Klassifizierung von Brust-Läsionen wurden 382 Patientinnen
untersucht, von denen 84 die Einschlusskriterien erfüllten. Für eine ergänzende Studie
wurden weitere sieben Patientinnen und eine Probandin untersucht. Die Messungen
wurden an einem 3T-MRT-Gerät mit einer Brustspule durchgeführt. Als Goldstandard
für maligne Läsionen wurde der histopathologische Befund herangezogen. Benigne
Läsionen wurden in Zusammenschau mit klinischen Angaben, Sonographie und Folge-
Untersuchungen im Rahmen der regulären Befundung von Radiologen klassifiziert.
Aus den b-Werten 50, 750 und 1500 s/mm² wurden ADC, DK und K berechnet. Der
diagnostische Wert dieser Parameter wurde mit ROC-Analysen untersucht. Ergänzend
wurde der Einfluss der verwendeten b-Werte auf den Nutzen der Parameter untersucht,
indem eine zweite Patientenkohorte mit 10 verschieden b-Werten bis zu 2500 s/mm²
untersucht wurde. Die Ergebnisse wurden mit Simulationen unterstützt.
Mit Berechnungen, Simulationen und Phantommessungen wurde der Einfluss von
hohen Gradientenstärken auf die DWI untersucht. Für die Berechnungen und Simulationen
wurden die Gradientenfeldstärken der geplanten Brust-Gradientenspule zugrunde
gelegt. Dabei wurde die Notwendigkeit von hohen Gradienten-Anstiegsraten untersucht,
um mit starken Gradientenfeldern DWI-Messungen durchführen zu können. Die
aus hohen Gradienten-Anstiegsraten resultierenden Änderungsraten des Magnetfelds
wurden in der Herz- und Brustregion berechnet und mit Sicherheits-Grenzwerten für
Nervenstimulation verglichen. Als letztes wurde eine Kompensationsmethode für Begleitfelder
vorgeschlagen und in Simulationen und Phantommessungen getestet. Die
Phantommessungen wurden an einem klinischen 1,5 T-MRT-Gerät durchgeführt.
Ergebnisse und Beobachtungen
Die Bildschärfe von ADC-Karten, die bei freier Atmung aufgenommen wurden, lag
signifikant unter der von Messungen bei angehaltenem Atem. Die beobachteten Fluktuationen
des Magnetfelds konnten durch Frequenzanalysen auf die Atmung zurückgeführt
werden.
Die Auswertung der Parameter ADC, DK und K in Brust-Läsionen ergab, dass zur
Unterscheidung von malignen und benignen Läsionen der weniger komplexe ADC-Wert
genauso gut geeignet ist, wie die Kurtosis und der kurtosis-korrigierter Diffusionskoeffizient. Die AUC-Werte der Parameter lagen bei AUC(ADC) = 0,92, AUC(DK) = 0,91
und AUC(K) = 0,89. Auch bei der Unterscheidung von soliden benignen Tumoren von
Karzinomen, und bei der Differenzierung von invasiv duktalen und invasiv lobulären
Karzinomen waren DK und K diagnostisch nicht signifikant besser als der einfacher zu
erhaltene ADC. In einem erweiterten Protokoll mit mehr b-Werten ergaben sich andere
Kurtosis- und DK-Werte, allerdings nicht für Läsionen, deren Klassifizierung kritisch
war.
Beim Einsatz hoher Gradientenstärken bis G = 1 T/m müssen hohe Gradienten-
Anstiegsraten von bis zu 1000 T/(m*s) verwendet werden, die bisher verwendete
Anstiegsraten übersteigen. Die resultierenden Magnetfeld-Änderungsraten, die sich in
einer lokalen Brust-Gradientenspule ergaben, stellten in einem Volumen im Herzen und
in der Brust kein Risiko für Nervenstimulationen dar. Sie lagen mindestens 10% unter
den Sicherheits-Grenzwerten. Phantommessungen zeigten, dass Begleitfelder bereits
bei klinischen Gradientenfeldstärken Dephasierungen und Signalverluste verursachen
können. Die vorgeschlagene Kompensationsmethode minderte in allen Fällen die Signalverluste
und Dephasierungen durch Begleitfelder. Für einige Konfigurationen wurden die
Begleitfeld-Effekte komplett kompensiert. Simulationen legten nahe, dass die Methode
für weitere Anwendungen eingesetzt werden kann.
Schlussfolgerungen
Die in der Klinik übliche Praxis, ADC-Messungen bei Patientinnen unter freier Atmung
durchzuführen, erweist sich als anfällig für Unschärfe in der ADC-Karte. Durch Anhalten
des Atems können diese Effekte reduziert werden. Weitere Methoden für schärfere
ADC-Karten, die für Patientinnen tragbarer sind, wären beispielsweise Aufnahmen
mit einem Brustgurt, der die Atembewegung aufzeichnet, und die Verwendung höherer
Bandbreiten und paralleler Bildgebungstechniken. Die Auswertung mehrerer Diffusionsparameter
in Patientinnen hat gezeigt, dass bei einem kurzen Protokoll der ADC
als diagnostisches Werkzeug ausreicht. Mit dem ADC ist eine gute Sensitivität und
Spezifität für die Differenzierung von malignen und benignen L� asionen zu erreichen.
Die Parameter K und DK bringen keinen weiteren Vorteil. Bei der Untersuchung
der Implikationen hoher Gradientenfeldstärken wurde deutlich, dass hohe Gradienten-
Anstiegsraten für die Umsetzung notwendig sind. Für Brust-Messungen ergeben sich in
ersten Berechnungen keine Sicherheitsrisiken. Begleitfelder stören die Signalaufnahme
bei bestimmten Aufnahmetechniken bereits bei klinischen Gradientenstärken. Mit der
vorgestellten Methode lassen sich diese ohne zeitlichen Mehraufwand effektiv kompensieren.
Besonders für Aufnahmetechniken mit sehr starken und unsymmetrischen
Gradientenpulsen ist die Kompensation der Begleitfeld-Effekte unerlässlich. Mit der
vorgeschlagenen Kompensationsmethode könnten sehr hohe Gradientenstärken in der
Praxis verwendet werden, um die Gewebestruktur auf einer noch kleineren Größenskala
zu untersuchen
Entwicklung und quantitative Analyse von Methoden zur Optimierung der diffusionsgewichteten Magnetresonanztomographie der Leber
Get PDFDie diffusionsgewichtete Magnetresonanz-Bildgebung hat sich für die Detektion der bei Tumorerkrankungen häufig auftretenden Metastasen in der Leber als sehr relevant erwiesen. Allerdings ist diese Bildgebungsmethode anfällig für Signalauslöschung durch Bewegung, besonders der linke Leberlappen ist aufgrund von Herzpulsation davon betroffen.
Das Ziel dieser Arbeit war deshalb, die Bildqualität von diffusionsgewichteten Magnetresonanztomographie-Aufnahmen der Leber zu verbessern.
Im ersten Teil der Arbeit wurde die Leistungsfähigkeit von fünf Bildnachbearbeitungs-Algorithmen evaluiert. Dafür wurde im ersten Schritt eine Methode entwickelt, um die Bildqualität quantitativ zu beurteilen. Mithilfe der Segmentierung verschiedener Regionen wurden die Reduktion der Signalauslöschung im linken Teil der Leber, die Sichtbarkeit von Lebermetastasen (Läsionen) in Patientendaten, die Datenkonsistenz im Vergleich zum unbearbeiteten Bild sowie die Beibehaltung eines niedrigen intravaskulären Signals bewertet. Diese vier Eigenschaften wurden in einem Gesamt-Qualitätsmaß gebündelt, womit für jeden der fünf Algorithmen die optimalen Parameter gefunden werden konnten. Die Auswertung zeigte, dass die Verwendung einer Tiefpassfilterung während der Nachbearbeitung zu verbesserten Ergebnissen führt. Drei der fünf optimierten Algorithmen konnten die Bildqualität signifikant verbessern, indem die Signalauslöschung reduziert und die Läsionssichtbarkeit verbessert wurde. Das intravaskuläre Signal wurde dabei jedoch höher.
Am besten geeignet waren ein Algorithmus zur gewichteten Mittelung der Einzelbilder sowie ein iterativer Ausreißer-Erkennungs-Algorithmus. Somit zeigte sich, dass die klinische Diagnostik durch die Anwendung von Nachbearbeitungs-Algorithmen verbessert werden kann.
Im zweiten Teil wurde evaluiert, ob mithilfe maschinellen Lernens ein noch besseres Ergebnis erzielt werden kann. Dafür wurde ein neuronales Netzwerk entwickelt, das nicht wie üblich mit Paaren von Eingabe- und Zielbildern trainiert wurde, sondern allein darauf,
die oben definierten Bildmerkmale zu verbessern. Das Netzwerk war im Gegensatz zu den Nachbearbeitungs-Algorithmen in der Lage, die Gefäße zu erkennen und das intravaskuläre Signal zu reduzieren. Signalauslöschung und Läsionssichtbarkeit wurden ebenso verbessert, wenn auch zu einem geringeren Grad als bei den Algorithmen aus Teil 1. In Summe wurde die Bildqualität, gemessen am vorher definierten Qualitätsmaß, deshalb besser. Drei Radiologen bewerteten übereinstimmend, dass die Bildqualität sowohl durch das neuronale Netzwerk als auch durch die Bildnachbearbeitung besser wurde. Beim Vergleich dieser beiden Methoden wurde kein eindeutiger Favorit gefunden.
Im dritten Teil wurde untersucht, ob die Bildaufnahme mithilfe spezieller Diffusionskodierungen, deren erstes und/oder zweites Gradientenmoment auf einen bestimmten Wert bzw. auf 0 gesetzt wurde, eine Verhinderung der Signalauslöschung schon während der Messung erreichen kann und dabei gleichzeitig das intravaskuläre Signal niedrig gehalten werden kann. Dafür wurden in einer Studie mit gesunden Probanden fünf verschiedene Diffusionskodierungen angewandt und bewertet. Je geringer die Gradientenmomente waren, desto geringer wurde die Signalauslöschung und desto heller wurden die Gefäße. Ein Wert, bei dem beide Ziele erreicht werden, konnte nicht gefunden werden. Somit stellte sich heraus, dass aufgrund dieses gegenläufigen Effekts zwischen Reduktion der Signalauslöschung und Erhöhung des intravaskulären Signals ein Kompromiss zwischen beiden Zielen eingegangen werden muss
Betrachtung des Stichprobenumfangs für MRT-Studien
Get PDFZusammenfassung
Hintergrund und Ziele
Die Stichprobengröße ist ein wesentlicher Faktor für die Planung und den Erfolg einer Studie. Neben rein statistischen Berechnungen spielen hier die Machbarkeit, Präzision über den Mittelwert und regulatorischer Überlegungen eine Rolle. Die Analyse der Probanden- und Patientenzahl in durchgeführten Studien kann Aufschluss für den benötigten Stichprobenumfang zukünftiger Studien geben. Ziel dieser Dissertation ist es mit den Ergebnissen bewährter Vorgehensweisen ein weiteres Instrument zur Stichprobenbestimmung für Magnetresonanztomographie (MRT)-Studien bereitzustellen. Dazu sind die Veröffentlichungen der Jahre 2017 bis 2019 des in der MR-Methodenentwicklung führenden Magazins Magnetic Resonance in Medicine (MRM) untersucht worden.
Methoden
Ausgeschlossen wurden alle Studien, die ausschließlich Tierversuche, Simulationen, Phantommessungen beinhaltetenoder die retrospektiv, ex vivo, in vitro oder in silico durchgeführt wurden. Die eingeschlossenen Probanden- und Patientenstudien wurden hinsichtlich Probanden-/Patientenanzahl, verwendeter MRT-Techniken, anatomischer Körperregionen und magnetischer Feldstärke analysiert.
Ergebnisse und Beobachtungen
Insgesamt sind 1560 Veröffentlichungen betrachtet worden, davon wurden 990 Veröffentlichungen eingeschlossen. Aus den 874 Probandenstudien ergibt sich ein Median der Probandenzahl von sechs und ein Mittelwert von 7,9 (SD: 18,8). Die meisten Probandenstudien benutzen eine Stichprobengröße von eins, fünf und zehn. Bei den 254 Patientenstudien liegt der Median der Stichprobengröße bei neun und der Mittelwert bei 15,6 (SD: 39,9). Hierbei verteilen sich die Studien mit dem häufigsten Stichprobenumfang auf eins, zwei, drei, fünf und zehn Patienten. In 50%, 82% und 96% der Probandenstudien ist der Stichprobenumfang kleiner oder gleich fünf, zehn bzw. 20 Probanden. Im Bereich der Patientenstudien ist der Stichprobenumfang kleiner oder gleich fünf, zehn bzw. 20 Patienten in 39%, 60 % und 81% der Studien.
Teilergebnisse der vorliegenden Arbeit wurde veröffentlicht in Hanspach et. al.
Schlussfolgerungen
Obwohl die Wahl der Stichprobengröße vom Zweck und den experimentellen Bedingungen einer geplanten Studie abhängt, kann die Wahl von Stichprobengrößen kleiner oder gleich 10 als etablierte Praxis für die meisten Probandenstudien und kleiner oder gleich 20 für die meisten Patientenstudien angesehen werden, die sich mit der Methodenentwicklung in der MRT-Forschung beschäftigen
Magnetresonanz gestützte Strukturuntersuchungen an der menschlichen Wade mittels der Diffusionstensorbildgebung und des „Intravoxel Incoherent Motion“ Effekts nach Einnahme eines Kreatinsupplements
Get PDFKreatinsupplemente werden in der Sportwissenschaft, zu Rehabilitationszwecken sowie von Bodybuildern und Freizeitathleten aufgrund ihrer Rolle im Energiestoffwechsel der Muskelzellen eingenommen. Neben diesen metabolischen Effekten besitzt Kreatin osmotische Eigenschaften, die potenziell die Muskelstruktur und Ionenkonzentrationen beeinflussen können. Ziel dieser Dissertation war es zu untersuchen, ob solche strukturellen oder ionischen Veränderungen in der Magnetresonanztomographie nachweisbar sind. Ein besonderer Fokus lag dabei auf der Diffusionstensor-Bildgebung (DTI) und der „Intravoxel Incoherent Motion“ (IVIM)-Bildgebung (engl. inkohärente Bewegungen innerhalb eines Volumenpixels).
Im Rahmen einer prospektiven Studie wurden zwei MRT-Messungen durchgeführt – eine vor und eine nach einer einwöchigen Kreatinsupplementierung. Die Aufnahmen wurden an der Wadenmuskulatur von 21 jungen gesunden Probanden durchgeführt. Für die DTI und die IVIM-Bildgebung wurden drei verschiedene Diffusionsgradientenprofile verwendet: zwei mit variabler Gradientenseparationszeit und eines mit Geschwindigkeitskompensation. Ergänzend kamen konventionelle MRT, MR-Spektroskopie sowie quantitative Natrium-Bildgebung zum Einsatz.
Die MR-Spektroskopie bestätigte eine erfolgreiche Aufnahme des Kreatins in den Muskel nach einer Woche der Supplementierung. Zur Bewertung möglicher Veränderungen wurden DTI- und IVIM-Metriken analysiert, die einen geringen, jedoch signifikanten Anstieg der Diffusivität in allen untersuchten Muskeln sowie über alle Gradientenprofile hinweg zeigten. Dagegen blieben die Natriumkonzentration sowie alle anderen Metriken weitgehend unverändert. Ergänzende „Random-Walk“-Simulationen (engl. Zufallsbewegung) in einem biophysikalischen Muskelmodell mit hexagonaler Zellgeometrie lieferten Einblicke in die zugrunde liegenden Mechanismen der veränderten Diffusivität. Die Ergebnisse deuten darauf hin, dass diese primär auf eine geringfügige Erhöhung der intrazellulären Diffusivität zurückzuführen sind und nicht auf größere strukturelle Veränderungen.
Diese Ergebnisse zeigen, dass die Kreatinsupplementierung durchaus die Muskelstruktur beeinflussen kann, jedoch in einem sehr geringen Maßstab auf Submikrometerebene. Davon abgesehen wurden keine Änderungen in anderen Studienmetriken festgestellt, und insbesondere nicht in der Natriumkonzentration. Dies stützt die Annahme, dass Kreatin in erster Linie metabolisch wirkt und nur begrenzten Einfluss auf die Architektur des Muskels hat.Nutritional creatine supplementation is widely used in sports science, rehabilitation as well as by body builders or hobby athletes for its well-documented role in the muscle cells’ energy metabolism. Beyond its metabolic effects, creatine is osmotically active, suggesting potential influences on muscle structure and ion concentrations. This dissertation aimed to investigate whether such structural or ionic changes can be detected by magnetic resonance imaging (MRI), with a particular focus on diffusion tensor imaging (DTI) and Intravoxel Incoherent Motion (IVIM) imaging.
A prospective study was conducted, consisting of two MRI examinations before and after a one-week period of creatine supplementation. The measurements were performed on the calf muscles of 21 young, healthy volunteers and three different diffusion gradient profiles were employed, which were identical for both DTI and IVIM imaging (two with varied diffusion gradient separation time and one with velocity compensation). The diffusion imaging sequences were complemented by conventional MR-imaging, MR-spectroscopy, and quantitative sodium imaging.
MR-spectroscopy confirmed successful creatine uptake in the muscle after a week of supplementation. DTI and IVIM metrics were analyzed to assess potential alterations after creatine supplementation and showed a small but significant increase in diffusivity across all investigated muscles and gradient profiles in both DTI and IVIM analyses. However, no substantial changes in sodium concentrations or any other study metrics were observed. Complementary random-walk simulations in a biophysical model geometry of hexagonal muscle cells provided insight into the possible underlying mechanisms of these diffusion-related changes, suggesting that they stem from minor increases in intracellular diffusivity rather than major structural modifications.
These findings indicate that while creatine supplementation induces subtle diffusion-related changes in the muscle, it does not lead to significant alterations in muscle structure or ion distribution. Structure-related changes remain on a sub-micrometer scale. This supports the notion that creatine primarily acts as a metabolic agent with limited structural impact on the muscle architecture
Differenzierung und Charakterisierung von Brustläsionen in der diffusionsgewichteten MRT: Vergleich unterschiedlicher Fitansätze, Radiomics-Stabilitäts-Analyse und Radiomics-basierte Charakterisierung molekularer Subtypen
Get PDFHintergrund und Ziele: Mit jährlich ca. 2,3 Millionen neue Fällen ist Brustkrebs
die häufigste Krebserkrankung weltweit [1]. Eine frühe und individuell angepasste
Therapie erhöht die Überlebenschancen signifikant. Je mehr Informationen über die
Charakteristika der Läsion bekannt sind, desto gezielter kann therapiert werden. Die
diffusionsgewichtete MRT (engl. diffusion weighted imaging, DWI) misst Brownsche
Molekularbewegung im Körper und ermöglicht so Einblicke in die Mikrostruktur des
untersuchten Gewebes [2–4]. Die aus der DWI gewonnenen Parameter ermöglichen
einerseits die Unterscheidung zwischen gutartigen und bösartigen Läsionen und ande-
rerseits die Bestimmung wichtiger Tumoreigenschaften für eine individuelle Therapie.
Die Parameter werden in dieser Arbeit entweder mit dem monoexponentiellen Ansatz
(Gewinnung des Diffusionsparameters D) oder mit dem DKI-Fit (engl. diffusion kurto-
sis imaging: Gewinnung des Kurtosis-korrigierten Diffusionsparameters DK und der
Kurtosis K) bestimmt. Die Fits werden entweder voxelweise oder an das mittlere Signal
in der Läsion durchgeführt. Vor allem molekulare Eigenschaften sind ausschlaggebend
für die Wahl der richtigen Therapie. Standardmäßig werden diese molekularen Details
mittels Gewebebiopsie gewonnen. Besonders für heterogene Läsionen ist die Biopsie
jedoch in ihrer holistischen Erfassung der Tumoreigenschaften limitiert. Eine mögliche
Lösung für dieses Problem bietet Radiomics, indem es Informationen aus medizinischen
Bildern extrahiert und auf ihren Zusammenhang mit pathologischen Fragestellungen
untersucht. Das Ziel dieser Arbeit ist es, die klinische Anwendbarkeit von DWI und
DWI-basiertem Radiomics in der Brustbildgebung zu untersuchen.
Methoden: In der ersten Studie wurde verglichen, ob der voxelweise DKI-Fit oder der
DKI-Fit an das gemittelte Signal besser zwischen benignen und malignen Brustläsionen
differenzieren kann. Hierfür wurde die diagnostische Performance der zwei Ansätze
für 104 Patientinnen mit 150 Läsionen mittels Boxplot- und ROC-Analyse untersucht.
Zusätzlich wurden die DKI-Parameter mittels logistischer Regression kombiniert und
ebenfalls zwischen den Fitansätzen verglichen. Die zweite Studie analysierte mit der
gleichen Patientinnenauswahl, ob die Differenzierung benigner und maligner Läsionen
besser mit dem monoexponentiellen Ansatz oder dem DKI-Fit funktioniert. Hierfür
wurden Boxplot- und ROC-Analysen durchgeführt. Zudem wurde mittels Pearson-
Korrelationsanalyse die lineare Korrelation der Methoden untersucht. In der dritten
Studie wurde ein standardisiertes Vorgehen entwickelt, um Radiomic-Feature aus der
Brust-DWI auf Robustheit zu testen (103 Patientinnen, 149 Läsionen). Für jede Seg-
mentierung wurden Variationen an Form und Position vorgenommen um untersuchen
zu können, wie stabil die einzelnen Feature-Werte sind. Die Feature-Stabilität wurde
mit einem Punktesystem basierend auf zwei Maßen der deskriptiven Statistik bewertet.
Die letzte Studie untersuchte die diagnostische Performance von Radiomic-Featuren
in der Differenzierung molekularer Eigenschaften von Brusttumoren. Zusätzlich wur-
de analysiert, wie robust die diagnostische Leistung gegenüber Veränderungen an der
Segmentierung ist. Es wurden die gleichen Läsionsdaten wie in der dritten Studie (103
Patientinnen, 149 Läsionen) genutzt. Die Performance der Feature wurde mittels ROC-
Kurven und zugehöriger AUC bestimmt. Als Maß für die Robustheit der Performance
wurde die Schwankung der AUC über die verschiedenen Segmentierungen pro Läsion
genutzt.
Ergebnisse und Beobachtungen: Teil-Ergebnisse der vorliegenden Arbeit wurden ver-
öffentlicht in: M. Pistel, F.B. Laun, S. Bickelhaupt, A. Dada, E. Weiland, T. Niederdrank,
M. Uder, R. Janka, E. Wenkel und S. Ohlmeyer, “Differentiating Benign and Malignant
Breast Lesions in Diffusion Kurtosis MRI: Does the Averaging Procedure Matter?” J
Magn Reson Imaging, Jg. 56, Nr. 5, S. 1343–1352, 2022, issn: 1522-2586 (Electronic) 1053-
1807 (Linking). doi: 10.1002/jmri.28150, sowie in: M. Pistel, F.B. Laun, S. Bickelhaupt, A.
Dada, E. Weiland, T. Niederdrank, T.A. Kuder, M. Uder, R. Janka, E. Wenkel et al., “Kur-
tosis versus D(b50,b750) und D(b750,b1500) zur Differenzierung maligner und benigner
Brustläsionen in der diffusionsgewichteten Brust-MRT,” in 23rd annual meeting of the
German Chapter of the ISMRM Programme & Proceedings, German Chapter of the
ISMRM, Sep. 2021, S. 49–50 und in M. Pistel, L. Brock, F.B. Laun, R. Erber, E. Weiland, M.
Uder, E. Wenkel, S. Ohlmeyer, S. Bickelhaupt, “Stability of Radiomic Features against
Variations in Lesion Segmentations Computed on Apparent Diffusion Coefficient Maps
of Breast Lesions”, Diagnostics, Jg. 14, Nr. 13, 2024, issn: 2075-4418 (Electronic) 2075-
4418 (Linking). doi: 10.3390/diagnostics14131427.
Für die Differenzierung zwischen benignen und malignen Brustläsionen macht es kei-
nen Unterschied, ob die Fits voxelweise oder an das mittlere Signal in der Läsion durch-
geführt werden. Die AUC-Werte unterscheiden sich sowohl für DK (0,9494 (voxel) vs.
0,9508 (VOI)) als auch für K (0,9175 (voxel) vs. 0,9298 (VOI)) kaum. Ebenfalls ist die
diagnostische Leistung unabhängig davon, ob der Fit mit dem monoexponentiellen Fit
(AUC = 0,9588 (voxel), AUC = 0,9595 (VOI)) oder dem DKI-Fit (AUC = 0,9570 (voxel), AUC
= 0,9604 (VOI)) gemacht wird. Die in der dritten Studie mittels Radiomics gewonnenen
Feature unterschieden sich teils stark in ihrer Stabilität. Feature, welche die Verteilung
der Voxelintensitäten in der Läsion beschreiben wurden im Durchschnitt am stabilsten
bewertet. Unter den 18 stabilsten Featuren waren insgesamt acht aus jener Klasse. Die
letzte Studie konnte zeigen, dass mit Hilfe von Radiomics-Analysen Rückschlüsse auf
molekulare Tumoreigenschaften möglich sind. Vier Feature, welche die Form der Läsi-
on beschreiben, konnten stabil präditiv zwischen Ki-67h und Ki-67n differenzieren. Die
Verteilung der Voxelintensitäten gab Rückschlüsse auf den HER2-Status der Läsion. Ins-
gesamt konnten drei Feature dieser Klasse stabil prädiktiv zwischen HER2+ und HER2-
unterscheiden. Die Analysen zeigten, dass sich LumA- und LumB-Tumoren hinsichtlich
ihrer Homogenität unterscheiden. Insgesamt konnten acht Feature stabil prädiktiv zwi-
schen LumA und LumB differenzieren, von denen fünf die Homogenität beschreiben.
Schlussfolgerungen und Diskussion: Für die Differenzierung benigner und maligner
Burstläsionen mittels DWI macht es keinen signifikanten Unterschied, ob die Fits vo-
xelweise oder an das gemittelte Signal durchgeführt werden. Der Einfluss der makro-
skopischen Kurtosis ist daher klein im Vergleich zur mikroskopischen Kurtosis. Auch
ist es unerheblich, ob der monoexponentielle oder der DKI-Fit durchgeführt wird. Für
den VOI-gemittelten Ansatz war die Übereinstimmung der Parameter zwischen mono-
exponentiellem Fit und DKI-Fit größer als im voxelweisen Ansatz. Eine plausible Erklä-
rung hierfür ist die Instabilität des nicht-linearen Kurtosis-Fits, welche im voxelweisen
Fit stärker zum Tragen kommt als im VOI-gemittelten Ansatz. Aus der Vielzahl an ver-
fügbaren Radiomic-Featuren ist es unverzichtbar zunächst die Feature-Robustheit zu
bewerten, da nur stabile Feature aussagekräftig sind. Radiomic-Feature aus der DWI
können einen wichtigen Beitrag zur personalisierten Brustkrebsbehandlung leisten, da
sie Rückschlüsse auf molekulare Eigenschaften der Läsionen zulassen. Für jede moleku-
lare Eigenschaft konnte eine Feature-Klasse identifiziert werden, welche mehrere stabil
prädiktive Feature enthielt. Diese Erkenntnisse unterstreichen die Bedeutung verschie-
dener Läsionseigenschaften wie Form oder Homogenität in der Bestimmung molekula-
rer Eigenschaften
Quantitative Suszeptibilitätskartierung (QSM): Vergleich zweier Echozeitkombinationsmethoden, Entrauschen durch Bildqualitätstransferlernen, Rekonstruktion mittels Deep Learning in Anwesenheit von Fett sowie Entwicklung einer atlasbasierten Auswertungspipeline
Get PDFBackground and objectives:
Using quantitative susceptibility mapping (QSM), the distribution of magnetic susceptibility of tissue can be reconstructed by magnetic resonance imaging (MRI) and thus, for example, differences in the content of iron, myelin or calcium can be detected. With new deep learning techniques, it was shown that the reconstruction algorithms of the QSM pipeline can also be learned and accelerated.
Methods:
In the first of four projects in this thesis, the influence of two echo time combination methods on human brain susceptibility maps at 3 T and 7 T was investigated. Phase maps of twelve healthy subjects measured at 3 T and 7 T were examined and averaged either before the QSM reconstruction pipeline or after. In the second project, three different deep learning methods were used to improve the contrast of 3 T susceptibility maps by giving the networks registered pairs of susceptibility maps at 3 T and 7 T as input and target data, respectively. The goal was to learn a form of smart denoising in which the networks would recognize the typical image features of a 7 T susceptibility map. To this end, a UNET, a CycleGAN, and a ConditionalGAN (CondGAN) network were each trained for one day. The third project was to train a UNET with synthetic data to learn the reconstruction of susceptibility maps from phase unwrapped phase maps. Extending the previously published DeepQSM, the chemical shift was also simulated in the data. Parkinson’s disease (PD) and tested a semiautomated evaluation method using an atlas. Susceptibility maps were generated from the 30 patients (13 MSA, 8 PD, and 9 healthy controls) measured at 3 T, from which an atlas was generated, and which were examined in ten brain regions. A manual segmentation was compared with the atlas-based method, which requires segmentation only one time on the atlas.
Results and observations:
It was found that the echo time combination method which reconstructs susceptibility maps for each echo time (averaging after the QSM reconstruction pipeline) was better judged by experts, had fewer artifacts and noise, and a better correlation coefficient between 3 T and 7 T (0.65 vs. 0.46). In the image quality transfer learning (second project), the UNET validation datasets were rated best by the experts, but tended to be oversmoothed, making some structures less visible. The correlation coefficient with the original 3 T susceptibility map was higher for CycleGAN (0.93) than for UNET (0.86). In the third project, compared with a conventional method with fat-water separation, UNET was best suited to reconstruct the highest quality susceptibility maps in under 10 s that were almost free of artifacts, and the root-mean-square deviation in synthetic data was 0.123 ppm, less than half of the conventional method (0.292 ppm). In addition, UNET optically showed the best agreement in I-125 seeds from a patient who received brachytherapy with the images of a computed tomography scan. In the fourth project, comparing an atlas-based method with manual segmentation, a mean dice coefficient of 0.73 was calculated between the two methods for all brain regions. For group differences in individual brain regions, the same significant differences were found for both methods, and the area under the curve was only minimally smaller in most cases for
the atlas-based method (0.03 on average when differentiating between MSA and healthy controls).
Conclusions and discussion:
Averaging of susceptibility maps was the best method when comparing the two echo time combination methods (better score and higher correlation coefficient between 3 T and 7 T), thus, this method was used in the subsequent projects. To achieve a smart denoising using deep learning, of the studied methods here, the UNET or the CycleGAN are recommended depending on the application, as they were rated best and showed a high correlation with the 3 T data. A UNET is also well suited to generate susceptibility maps of the pelvis and knee in the presence of fat and can potentially be applied to the identification of I-125 seeds in the prostate as an automated alternative to conventional methods, which does not require the use of ionizing radiation. The atlas-based evaluation method is a good method, with almost the same sensitivity and specificity compared to a manual segmentation, to evaluate a study to differentiate MSA from PD with only a small manual segmentation effort minimizing systematic errors and allowing flexible definitions of the regions of interest within the course of a study.Hintergrund und Ziele:
Mithilfe der quantitativen Suszeptibilitätskartierung (QSM) kann die Verteilung der magnetischen Suszeptibilität des Gewebes mittels Magnetresonanztomografie (MRT) rekonstruiert werden und somit z.B. auf Unterschiede im Gehalt von Eisen, Myelin oder Calcium geschlossen werden. Durch neue Deep Learning Verfahren konnte gezeigt werden, dass auch die Rekonstruktionsalgorithmen der QSM-Pipeline gelernt und beschleunigt werden können.
Methoden:
In dem ersten von vier Projekten dieser Arbeit wurde der Einfluss zweier Echozeitkombinationsmethoden auf die Suszeptibilitätskarten des menschlichen Gehirns bei 3 T und 7 T untersucht. Dabei wurden die Phasenkarten von zwölf gesunden Probanden, die bei 3 T und 7 T gemessen wurden, untersucht und entweder vor der QSM-Rekonstruktionspipeline oder danach gemittelt. Im zweiten Projekt wurden drei verschiedene Deep Learning Methoden verwendet, um den Kontrast von 3 T Suszeptibilitätskarten zu verbessern, indem die Netzwerke jeweils registrierte Datenpaare von Suszeptibilitätskarten bei 3 T und 7 T als Eingangs- bzw. Zieldaten erhalten haben. Ziel war es, eine Art smartes Entrauschen zu lernen, bei dem die Netzwerke die typischen Bildeigenschaften einer 7 T Suszeptibilitätskarte erkennen sollten. Dazu wurden ein UNET, ein CycleGAN und ein ConditionalGAN (CondGAN) Netzwerk jeweils für einen Tag trainiert. Als drittes Projekt wurde ein UNET mit synthetischen Daten trainiert, um die Rekonstruktion von Suszeptibilitätskarten aus phasensprungkorrigierten Phasenkarten zu lernen. Erweiternd zum bereits publizierten DeepQSM wurde zudem die chemische Verschiebung in den Daten mitsimuliert. Im vierten Projekt wurde eine Studie zur Differenzierung der Multiplen Systematrophie (MSA) und der Parkinsonkrankheit reevaluiert und eine semiautomatisierte Auswertungsmethode mittels eines Atlas getestet. Von den 30 Patienten (13 MSA, 8 Parkinson und 9 gesunde Kontrollen), die bei 3 T gemessen wurden, wurden Suszeptibilitätskarten erzeugt, aus denen ein Atlas generiert wurde, und diese in zehn Gehirnregionen untersucht. Eine manuelle Segmentierung wurde mit der atlasbasierten Methode verglichen, bei der nur einmal auf dem Atlas segmentiert werden muss.
Ergebnisse und Beobachtungen:
Es zeigte sich, dass die Rekonstruktion von Suszeptibilitätskarten für jede Echozeit (Mittelung nach der QSM-Rekonstruktionspipeline) von Experten als Echozeitkombinationsmethode besser beurteilt wurde, weniger Artefakte und Rauschen sowie einen besseren Korrelationskoeffizienten zwischen 3 T und 7 T (0,65 vs. 0,46) aufwies. Beim Bildqualitätstransferlernen (zweites Projekt) wurden die Validierungsdatensätze des UNETs von den Experten am besten bewertet, neigten jedoch etwas zur Überglättung, sodass manche Strukturen schlechter sichtbar waren. Der Korrelationskoeffizient mit der ursprünglichen 3 T Suszeptibilitätskarte war mit 0,93 bei CycleGAN höher als bei UNET (0,86). Im dritten Projekt eignete sich das UNET im Vergleich zu einer konventionellen Methode mit Fett-Wasser-Trennung am besten, um möglichst artefaktfreie und hochqualitative Suszeptibilitätskarten in unter 10 s zu rekonstruieren, und die quadratische Mittelwertabweichung in synthetischen Daten war mit 0,123 ppm weniger als halb so gering wie bei der konventionellen Methode (0,292 ppm). Zudem zeigte sich beim UNET optisch die beste Übereinstimmung bei I-125 Seeds eines Patienten, welcher eine Brachytherapie erhielt, mit den Bildern einer Computertomografieaufnahme. Im vierten Projekt, dem Vergleich einer atlasbasierten Methode mit einer manuellen Segmentierung, wurde für alle Gehirnregionen ein mittlerer Dice-Koeffizient von 0,73 zwischen den beiden Methoden berechnet. Bei den Gruppenunterschieden in den einzelnen Gehirnregionen ergaben sich die gleichen signifikanten Unterschiede bei beiden Methoden, und die Fläche unter der Kurve war bei der atlasbasierten Methode meist nur minimal geringer (durchschnittlich 0,03 bei der Differenzierung zwischen MSA und den gesunden Kontrollen).
Schlussfolgerungen und Diskussion:
Die Mittelung von Suszeptibilitätskarten war im Vergleich der beiden Echozeitkombinationsmethoden am besten (bessere Bewertung und höherer Korrelationskoeffizient zwischen 3 T und 7 T), sodass diese Methode in den folgenden Projekten verwendet wurde. Um ein smartes Entrauschen durch Deep Learning zu erreichen, wird von den hier untersuchten Methoden je nach Anwendung das UNET oder das CycleGAN empfohlen, da diese am besten bewertet wurden und eine hohe Korrelation mit den 3 T Daten aufwiesen. Ein UNET eignet sich auch sehr gut, um in Anwesenheit von Fett Suszeptibilitätskarten des Beckens und des Knies zu erzeugen, und kann potentiell bei der Identifikation von I-125 Seeds in der Prostata als automatisierte Alternative, welche ohne den Einsatz von ionisierender Strahlung auskommt, zu konventionellen Methoden angewandt werden. Die atlasbasierte Auswertungsmethode ist eine gute Methode, um mit nur geringem manuellem Segmentierungsaufwand bei fast gleicher Sensitivität und Spezifität im Vergleich zu einer manuellen Segmentierung eine Studie zur Differenzierung von MSA und Parkinson auszuwerten und dabei systematische Fehler zu minimieren und flexible Definitionen der anatomischen Regionen innerhalb des Studienverlaufs zu ermöglichen
Investigating Intravoxel Incoherent Motion Magnetic Resonance Imaging of the Liver and Kidney: Dependence on Acquisition Parameters and Techniques
No full textIntravoxel incoherent motion (IVIM) is a concept in diffusion-weighted magnetic resonance imaging that enables the distinction between water diffusion and perfusion-related motion within biological tissues. There are still several mechanisms and influences of acquisition parameters that, to date, are not yet fully understood, which particularly limit the reproducibility and comparability of IVIM studies. This work placed a special focus on measurements in the liver and kidney. All measurements were supported and validated by in-silico investigations.
The first project aimed to investigate the influence of simultaneous multislice (SMS) acquisition, slice properties and repetition time (TR) on biexponential IVIM parameters in the liver. To investigate this research question, volunteer measurements were performed using conventional slice excitation (linear order) and SMS acquisition — both at a short TR (1,300 ms) and a long TR (4,500 ms) with 5 mm slice thickness. A subset of the volunteers was additionally measured with a thicker slice thickness of 10 mm at both short and long TR. The measurements, as expected, showed no difference in the biexponential IVIM parameters between linear slice order and SMS. Additionally, TR did not have an impact on the measured IVIM parameters in the 5 mm slices, but the influence on the perfusion fraction was more pronounced in the 10 mm thick slices. Simulations accounting for blood flow and T1 relaxation suggested that the perfusion fraction considerably depends on TR for slice settings with no slice gaps. Additionally, using an interleaved slice order instead of linear can influence the measured perfusion fraction for certain slice settings. Therefore, it is recommended to report slice thickness, size of slice gaps, and slice order in future IVIM publications.
The second project focused on the kidney to explore the contributions of blood and primary urine to the IVIM effect. To this end, the different T2 times of blood and primary urine were utilized, and images were acquired at four different echo times (TEs) (45 ms, 60 ms, 75 ms, and 90 ms). Biexponential IVIM parameters were then compared. Only the diffusion coefficient exhibited an increase at TE = 90 ms, while the perfusion fraction and the pseudodiffusion coefficeint remained constant across all TEs. Simulations using a multi-compartment model showed that the TE dependency of the perfusion fraction becomes virtually negligible when the volume fraction of primary urine does not exceed that of blood. They further show that, as the tubular fluid
volume increases, the TE dependence of the perfusion fraction becomes increasingly apparent. The sudden increase in the diffusion coefficient at TE = 90 ms might be either attributed to the presence of primary urine with small flow velocity, or it could be considered a mere artifact. In summary, the contribution of primary urine to the IVIM effect could neither be confirmed nor refuted so far. However, it was found that the biexponential IVIM parameters are
comparable across different TEs
- …
