Record #525415

DFG project G:(GEPRIS)237079734

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

Coordinator	Professor Dr. Michael Bock
Grant period	2014 - 2020
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)237079734

Note: 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.

Recent Publications

There are no publications

Record created 2023-02-02, last modified 2024-09-27

Similar records

Rate this document:

(Not yet reviewed)

Add to personal basket
Export as Author List with IDs BibTeX (UTF-8), EndNote XML, EndNote Text, RIS, MARC, Print MARC, MARCXML, DC,
Request correction
Submit fulltext

guest :: login PUBDB
		Search		Submit		Personalize Your alerts Your baskets Your searches		Help