130 research outputs found
Comprehensive Chemical Exchange Saturation Transfer Magnetresonanztomographie Bildgebung bei 7T
No full textPurpose:
Chemical exchange saturation transfer (CEST) is a MR imaging method providing molecular image contrasts based on indirect detection of low concentrated solutes. Previous CEST studies focus predominantly on the imaging of single CEST exchange regimes, e.g. slow, intermediate or fast exchanging groups. In this work, the aim is to establish a so called comprehensive CEST protocol for 7T, covering the different exchange regimes by three saturation B1 amplitude regimes.
Methods:
Results of previous publications and own simulations in pulseq-CEST were used to come up with a 7T CEST protocol, that has sensitivity to these three B1 regimes. With post-processing optimization (WASABI B0-fitting, MIMOSA B1 correction), neural network employment (deepCEST) and analytic input feature reduction, the initial 40 minutes protocol was shortened to 15 minutes. It generates 6 CEST contrast maps simultaneously. With this protocol, healthy subjects as well as patients with cerebral diseases were measured after written informed consent and approval of the local ethics comittee.
Results:
A comprehensive CEST protocol for clinical 7T MRI, covering three different B1 amplitude regimes, was established and applied in a clinical setting. The acquisition time was significantly by more than 50% reduced, while still maintaining decent image quality and contrast in healthy subjects and patients. Data of different high-grade tumor patients showed CEST signal changes beyond areas, where clinical imaging would outline the tumor area.
Conclusion:
Comprehensive 7T CEST paves the way for comprehensive CEST studies in clinical scan times for hypothesis generation regarding molecular properties of certain pathologies, e.g. ischemic stroke, relapsing remitting multiple sclerosis or high-grade brain tumors
Akquisitions- und Rekonstruktionsmethoden für Multidimensionale und Quantitative Magnetresonanztomographie
No full textMagnetic Resonance Imaging (MRI) is a tomographic imaging technique using the principles of nuclear magnetism of mostly the 1H nuclei, which are largely contained in the human body. This allows for insights to the interior tissue distributions. While its non-ionizing nature is advantageous compared to, e.g., Computed Tomography (CT), standard MRI only yields qualitative data allowing to discriminate different tissue boundaries without providing quantitative values. To enable quantitative MRI, multiple dimensions, i.e., spatial voxels and different physiological modes, e.g., cardiac and/or different contrast phases, have to be acquired simultaneously for a comprehensive diagnosis. From such data, dynamically resolved volumes can be reconstructed, allowing the assessment of quantitative biomarkers from different imaging contrasts. In this thesis, we investigated novel and extended solutions for multidimensional and quantitative MRI. The proposed methods were trained and evaluated on phantom data, as well as on several acquired in-vivo data sets from in total 49 volunteers.
First, we devised a Deep Learning (DL)-based reconstruction approach for Magnetic Resonance Fingerprinting (MRF) acquisitions. MRF acquires several highly undersampled imaging contrasts of the same slice by randomly changing the sampling parameters, resulting in temporal sequences for each spatial position. Our proposed framework uses spatial patches of these sequences as input and regresses them to quantitative relaxation T1 and T2 values. The results showed that the DL-based reconstruction yields accurate results well comparable to the State-of-the-Art (SOTA) reconstruction while reducing the computational effort during runtime.
We extended a 3-D cardiac sequence to sample single-contrast (SC) data with cardiac and respiratory phases continuously. Repetitive Inversion Recovery (IR) preparation pulses were further inserted to enable the sampling of multi-contrast (MC) continuous data on the T1 relaxation curve. A Cartesian pseudo-spiral sampling was used to enforce a pseudo-random undersampling pattern for the subsequent Compressed Sensing (CS)-based reconstruction. We proposed a pipeline which binned acquired data samples into different anatomic and contrast phases prior to the CS reconstruction. The T1 relaxation values fitted from different contrast bins were shown to be well comparable with the ground-truth (GT) values, as well as with a SOTA T1 mapping sequence in a quantitative phantom.
Lastly, we proposed motion extraction and binning pipelines towards an in-vivo application of the continuous SC and MC sequences for cardiac MRI. A DL-based classifier was used to determine the R-waves directly from the acquired imaging data to bin all samples into different cardiac phases. The extracted R-waves were comparable to the R-waves from the SOTA Electrocardiogram (ECG)-sensor for both SC and MC in-vivo data, but without the use of an additional sensor. Moreover, our DL-based approach recognized R-waves that were not detected by the ECG-sensor due to its interference with the magnetic field. Further, we proposed frameworks for extracting the respiratory motion directly from the acquired data, either from central 1-D projections, or from low-resolution 2-D images with an adapted version of the sampling scheme. Our results showed that the pipelines can be used for both types of cardiac in-vivo SC and MC data with the same set of parameters. Further, the image quality for all reconstructions could be improved with the utilization of the pipelines and the reconstruction of data samples from one respiratory phase.Die Magnetresonanztomographie (MRT) ist ein Bildgebungsverfahren, das sich die Prinzipien des Kernmagnetismus und vor allem der 1H-Kerne zunutze macht, die im menschlichen Körper weitgehend enthalten sind. Dies ermöglicht Einblicke in die inneren Gewebeverteilungen. Während die nicht-ionisierende Natur von MRT im Vergleich zu z.B. Computertomographie (CT) von Vorteil ist, erfasst das Standard-MRT nur qualitative Daten, die es erlauben, verschiedene Gewebegrenzen zu unterscheiden, ohne quantitative Werte zu liefern. Um ein quantitatives MRT zu ermöglichen, müssen für eine umfassende Diagnose mehrere Dimensionen, d.h. räumliche Voxel
und verschiedene physiologische Modi, z.B. kardiale und/oder verschiedene Kontrastphasen, gleichzeitig erfasst werden. Aus solchen Daten können dynamisch aufgelöste Volumina rekonstruiert werden, die eine Bewertung von quantitativen Biomarkern aus verschiedenen Bildgebungskontrasten ermöglichen. In dieser Arbeit haben wir neuartige und erweiterte Lösungen für multidimensionale und quantitative MRT untersucht. Die vorgeschlagenen Methoden wurden sowohl an Phantomdaten als auch an verschiedenen in-vivo-Daten von insgesamt 49 Probanden trainiert und evaluiert.
Zunächst haben wir einen Rekonstruktionsansatz basierend auf Deep Learning (DL) für Magnetic Resonance Fingerprinting (MRF)-Akquisitionen entwickelt. MRF erfasst mehrere stark unterabgetastete Bildgebungskontraste derselben Schicht durch zufällige Änderung der Abtastparameter, was zu zeitlichen Sequenzen für jede räumliche Position führt. Der von uns vorgeschlagene Ansatz verwendet räumliche Ausschnitte dieser Sequenzen als Eingabe und regressiert sie zu quantitativen Relaxationswerten T1 und T2. Die Ergebnisse zeigten, dass die DL-Rekonstruktion genaue Ergebnisse liefert, die mit der Rekonstruktion nach dem Stand der Technik gut vergleichbar sind, während der Rechenaufwand zur Laufzeit reduziert wird.
Wir erweiterten eine 3-D Herzsequenz, um Einzelkontrast (EK)-Daten mit kardialen und respiratorischen Phasen kontinuierlich zu erfassen. Weiterhin wurden repetitive Inversion Recovery (IR)-Präparationsimpulse eingefügt, um die Abtastung von kontinuierlichen Multikontrast (MK)-Daten auf der T1-Relaxationskurve zu ermöglichen. Ein kartesisches Pseudo-Spiral-Abtastschema wurde verwendet, um ein pseudozufälliges Unterabtastungsmuster für die anschließende Compressed Sensing (CS)-basierte Rekonstruktion zu erzwingen. Wir haben ein Verfahren vorgeschlagen, die die aufgenommenen Daten vor der CS-Rekonstruktion in verschiedene anatomische und Kontrastphasen ordnet. Es konnte gezeigt werden, dass die T1-Relaxationswerte, die aus verschiedenen Kontrastbins abgeleitet wurden, gut mit den wahren Werten sowie mit einer T1-Mapping-Sequenz nach dem Stand der Technik in einem quantitativen Phantom vergleichbar waren.
Schließlich haben wir Bewegungsextraktions- und Binning-Verfahren für eine invivo-Anwendung der kontinuierlichen EK- und MK-Sequenzen für kardiale MRT vorgeschlagen. Ein auf dem DL basierter Klassifikator wurde verwendet, um die R-Wellen direkt aus den erfassten Bilddaten zu bestimmen und alle Datenpunkte in verschiedene kardiale Phasen einzuteilen. Die extrahierten R-Wellen waren mit den R-Wellen des Elektrokardiogramm (EKG)-Sensors nach dem Stand der Technik sowohl für EK- als auch für MK-in-vivo-Daten vergleichbar, jedoch ohne die Verwendung eines zusätzlichen Sensors. Außerdem erkannte unser DL-Ansatz R-Wellen, die vom EKG-Sensor aufgrund seiner Interferenz mit dem Magnetfeld nicht detektiert wurden. Des Weiteren haben wir Verfahren vorgeschlagen, um die Atmungsbewegung direkt aus den erfassten Daten zu extrahieren, entweder aus zentralen 1-D Projektionen oder aus niedrig aufgelösten 2-D Bildern mit einer angepassten Version des Abtastschemas. Unsere Ergebnisse zeigten, dass die Verfahren für beide Arten von kardialen in-vivo EK- und MK-Daten mit dem gleichen Parametersatz verwendet werden können. Außerdem konnte die Bildqualität für alle Rekonstruktionen durch
die Verwendung der Verfahren verbessert werden, indem Datenpunkten aus einer Atmungsphase rekonstruiert wurden
Normofraktionierte Bestrahlung, nicht aber Temozolomid, moduliert den immunogenen und onkogenen Phänotyp menschlicher Glioblastom-Zelllinien
No full textIm Rahmen unserer Arbeit wurden menschliche Glioblastomzellen unter anderem auf die Expression sowohl immunsuppressiver als auch immunstimulierender Checkpoint Moleküle sowie des onkogenen Faktors EGFR nach Behandlung mit Radio- und/oder Chemotherapie untersucht.
Zusammenfassend zeigte sich, dass Temozolomid keinen signifikanten Einfluss auf die Oberflächenexpression von Checkpoint-Molekülen oder des EGF-Rezeptors hat. Der Einfluss normofraktionierter Radiotherapie auf die Expression von Immun-Checkpoint- Molekülen auf der Oberfläche von GBM-Zellen nach hingegen deutlich nachweisbar, jedoch äußerst heterogen. Insbesondere die Expression von PD-L1, PD-L2, HVEM und EGFR wurde durch die durchgeführte Strahlentherapie an den untersuchten GBM-Zellen signifikant herauf reguliert. Ein signifikanter Unterschied zwischen RT- und RCT Behandlung konnte nicht festgestellt werden
Enhanced and robust contrast in CEST MRI: Saturation pulse shape design via optimal control
No full text
The inflammasome recognizes cytosolic microbial and host DNA and triggers an innate immune response
No full textThe innate immune system recognizes nucleic acids during infection and tissue damage. Whereas viral RNA is detected by endosomal toll-like receptors (TLR3, TLR7, TLR8) and cytoplasmic RIG-I and MDA5, endosomal TLR9 and cytoplasmic DAI bind DNA, resulting in the activation of nuclear factor-kappaB and interferon regulatory factor transcription factors. However, viruses also trigger pro-inflammatory responses, which remain poorly defined. Here we show that internalized adenoviral DNA induces maturation of pro-interleukin-1beta in macrophages, which is dependent on NALP3 and ASC, components of the innate cytosolic molecular complex termed the inflammasome. Correspondingly, NALP3- and ASC-deficient mice display reduced innate inflammatory responses to adenovirus particles. Inflammasome activation also occurs as a result of transfected cytosolic bacterial, viral and mammalian (host) DNA, but in this case sensing is dependent on ASC but not NALP3. The DNA-sensing pro-inflammatory pathway functions independently of TLRs and interferon regulatory factors. Thus, in addition to viral and bacterial components or danger signals in general, inflammasomes sense potentially dangerous cytoplasmic DNA, strengthening their central role in innate immunity
Accelerated and quantitative three-dimensional molecular MRI using a generative adversarial network
No full textDecoding the human brain tissue response to radiofrequency excitation using a biophysical-model-free deep MRI on a chip framework
No full textMagnetic resonance imaging (MRI) relies on radiofrequency (RF) excitation of proton spin. Clinical diagnosis requires a comprehensive collation of biophysical data via multiple MRI contrasts, acquired using a series of RF sequences that lead to lengthy examinations. Here, we developed a vision transformer-based framework that captures the spatiotemporal magnetic signal evolution and decodes the brain tissue response to RF excitation, constituting an MRI on a chip. Following a per-subject rapid calibration scan (28.2 s), a wide variety of image contrasts including fully quantitative molecular, water relaxation, and magnetic field maps can be generated automatically. The method was validated across healthy subjects and a cancer patient in two different imaging sites, and proved to be 94% faster than alternative protocols. The deep MRI on a chip (DeepMonC) framework may reveal the molecular composition of the human brain tissue in a wide range of pathologies, while offering clinically attractive scan times.This project was funded by the European Union (ERC, BabyMagnet, project no. 101115639). Views and opinions expressed are however those of the authors only and do not necessarily reflect those of the European Union or the European Research Council. Neither the European Union nor the granting authority can be held responsible for the
- …
