| Popis: |
Diese Arbeit hat das Ziel durch in der Natrium-Magnetresonanztomographie (23Na-MRT) erstmalige Verwendung von Mehrkanalempfangsspulen in Kombination mit compressed sensing- (CS-) basierter Bildrekonstruktion, Messzeit zu verkürzen, Bildqualität zu verbessern und durch Korrektur des inhomogenen Empfangsprofils eine Quantifizierung der Natriumkonzentration zu ermöglichen. Implementiert wurden zwei auf CS basierte iterative Rekonstruktionsalgorithmen. Als Sparsitytransformation wird eine totale Variation zweiter Ordnung (TV(2)) verwendet, die zudem mit anatomischen Wichtungsfaktoren – gewonnen aus der hochaufgelösten 1H-MRT – modelliert wird, um den Glättungscharakter an bekannten Gewebegrenzen zu reduzieren (AnaWeTV(2)). Als weitere anatomische Vorinformation wird eine Trägerregion (BM) als zusätzliche Regularisierung in die Rekonstruktion inkludiert. Der erste CS-Algorithmus rekonstruiert den Mehrkanaldatensatz individuell, gefolgt von dessen Kombination (CS-IND); der zweite CS-Algorithmus kombiniert den Datensatz nach dem sensitivity encoding- (SENSE-) Prinzip während der Rekonstruktion (CS-SENSE). Für verschiedene Unterabtastfaktoren (engl. undersampling factors, USF) von USF = 1,8/3,6/7,2/14,4 wurden beide Rekonstruktionsansätze in Simulationsstudien durch Berechnung der strukturellen Ähnlichkeit (engl. structural similarity, SSIM) optimiert und evaluiert; anschließend erfolgte die Anwendung auf (n = 3) in vivo 23Na-MR-Datensätze der weiblichen Brust, aufgenommen mit einer 14-Kanal-Brustspule bei 7 T. Im Vergleich zur konventionellen Gridding-Rekonstruktion (SSIM(7,2) = 0,222, SSIM(14,4) = 0,185) zeigt der CS-IND-Algorithmus unter Verwendung der AnaWeTV(2)+BM-Regularisierung Vorteile bei hohen USF von 7,2 und 14,4 (SSIM(7,2) = 0,238, SSIM(14,4) = 0,220); die Verwendung der CS-SENSE-Rekonstruktion verbessert die Bildqualität weiter (SSIM(7,2) = 0,260, SSIM(14,4) = 0,241) – insbesondere bei Verwendung einer einfachen TV(2)-Regularisierung. Die vorgestellten CS-basierten Algorithmen können daher eingesetzt werden, um unterabgetastete 23Na-MR-Mehrkanaldatensätze mit erhöhter Bildqualität zu rekonstruieren und Messzeit entsprechend zu verkürzen. Zur Korrektur des inhomogenen Empfangsprofils von Mehrkanalspulen in der 23Na-MRT wurden in dieser Arbeit des Weiteren vier Methoden implementiert und evaluiert. Eine erste Methode verwendet ein zusätzlich aufgenommenes homogenes Birdcagebild als Referenzaufnahme. Eine zweite Methode nähert die Referenzaufnahme über eine Trägerregion an, welche aus der Mehrkanalaufnahme gewonnen wird. Eine dritte Methode mittelt aus mehreren aus in vivo Messungen bestimmten Spulenprofilen eine universelle Sensitivitätskarte. Die vierte Methode bestimmt das Spulenprofil mittels einer Phantommessung. Quantitativ ausgewertet wurden die Methoden in einer Simulationsstudie durch Berechnung des normierten mittleren quadratischen Fehlers (engl. normalized root-mean-square error, NRMSE); anschließend erfolgte die Anwendung auf (n = 8) in vivo 23Na-MR-Kopfdatensätze, aufgenommen mit einer 32-Kanal-Kopfspule mit integrierter Birdcagespule bei 7 T. Nach Korrektur von Partialvolumeneffekten wurden die in vivo Aufnahmen zudem durch Berechnung des Signalverhältnisses zwischen äußerem und innerem Cerebrospinalflüssigkeits- (CSF-) Kompartiment (CSFout:CSFin) evaluiert. Verglichen mit der unkorrigierten Mehrkanalaufnahme (NRMSE = 0,46, CSFout:CSFin = 1,71) zeigt die Methode mit zusätzlich aufgenommener Birdcageaufnahme bei Auswertung der Simulations- und in vivo-Studie die beste Performance (NRMSE = 0,39, CSFout:CSFin = 1,00). Allerdings führen auch die Methoden mit Trägerregion (NRMSE = 0,40, CSFout:CSFin = 1,17), universeller (NRMSE = 0,41, CSFout:CSFin = 1,05) und Phantom-Sensitivitätskarte (NRMSE = 0,42, CSFout:CSFin = 1,07) zu nur leicht schlechteren Ergebnissen und ermöglichen damit die Korrektur des inhomogenen Empfangsprofils – und damit die Quantifizierung der Natriumkonzentration – auch ohne zusätzlich aufgenommene Birdcageaufnahme. This work aims to shorten measurement time, to increase image quality and to quantify sodium concentration by means of sodium magnetic resonance imaging (23Na-MRI) with multi-channel phased-array coils and compressed sensing- (CS-) based image reconstruction. Two CS-based iterative reconstruction algorithms were implemented. A second order total variation (TV(2)) is employed as sparsity transformation. Additionally, the TV(2)is adopted by anatomical weighting factors – obtained from high-resolution 1H-MRI – to locally reduce the smoothing property of the TV(2) at known tissue boundaries (AnaWeTV(2)). As further regularization, a binary mask (BM) is included into the reconstruction. The first approach reconstructs the multi-channel data set individually via CS, followed by a subsequent channel combination (CS-IND). The second approach combines the multi-channel data set based on the concept of sensitivity encoding (SENSE) already during the reconstruction process (CS-SENSE). By assessing the structural similarity (SSIM), both reconstruction algorithms were optimized and evaluated for different undersampling factors (USF) of USF = 1.8/3.6/7.2/14.4. Subsequently, the algorithms were applied to (n = 3) in vivo 23Na-MR breast data sets, acquired with a 14-channel breast coil at 7 T. Compared to the conventional Gridding reconstruction (SSIM(7.2) = 0.222, SSIM(14.4) = 0.185), the CS-IND algorithm applied with an AnaWeTV(2)+BM regularization enhances the image quality for high USF of 7.2 and 14.4 (SSIM(7.2) = 0.238, SSIM(14.4) = 0.220); the CS-SENSE reconstruction further increases the image quality (SSIM(7.2) = 0.260, SSIM(14.4) = 0.241) – especially if a simple TV(2) sparsity transformation is employed. Therefore, the presented CS-based reconstruction algorithms can be used to reconstruct highly undersampled 23Na-MR (breast) multi-channel data sets with increased image quality and to reduce total acquisition time in 23Na-MRI. To correct for the non-homogeneous receive profile of multi-channel phased-array coils in 23Na-MRI, four methods were implemented and evaluated. The first method utilizes an additionally acquired homogeneous birdcage image as reference image. The second method approximates the reference image by a support region, obtained from the phased-array image. The third method applies a universal sensitivity map, calculated by averaging individually determined in vivo sensitivity maps. The fourth method employs a pre-scanned phantom sensitivity map. The methods were evaluated in a simulation study by calculating the normalized root-mean-square error (NRMSE) and were subsequently applied to (n = 8) in vivo 23Na-MR head data sets, acquired with a 32-channel head coil with integrated birdcage coil at 7 T. After correction of partial volume effects, in vivo images were also assessed by calculating the signal ratio between the outer and inner cerebrospinal fluid (CSF) compartment (CSFout:CSFin). Compared to the uncorrected phased-array image (NRMSE = 0.46, CSFout:CSFin = 1.71), the method utilizing an additionally acquired birdcage image shows the best performance (NRMSE = 0.39, CSFout:CSFin = 1.00). However, the methods employing a support region (NRMSE = 0.40, CSFout:CSFin = 1.17), a universal (NRMSE = 0.41, CSFout:CSFin = 1.05) or a pre-scanned phantom sensitivity map (NRMSE = 0.42, CSFout:CSFin = 1.07) results in only slightly worse results and thus allow the correction of the inhomogeneous receive profile and in reverse the quantification of the sodium concentration without an additionally acquired birdcage image. |
