Strategies for optimizing dynamic MRI

• Main Author: Ponce Garcia, Irene Paola
• Format: Doctoral Thesis
• Language: English
• Published: 2018
• Subjects: Kernspintomografie; Dynamische Messung; DNMR-Spektroskopie; ddc:530
• Online Access: https://opus.bibliothek.uni-wuerzburg.de/frontdoor/index/index/docId/16262; http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-162622; https://nbn-resolving.org/urn:nbn:de:bvb:20-opus-162622; https://opus.bibliothek.uni-wuerzburg.de/files/16262/poncegarcia_irenepaola_strategiesMRI.pdf

In Magnetic Resonance Imaging (MRI), acquisition of dynamic data may be highly complex due to rapid changes occurred in the object to be imaged. For clinical diagnostic, dynamic MR images require both high spatial and temporal resolution. The speed in the acquisition is a crucial factor to capture optimally dynamics of the objects to obtain accurate diagnosis. In the 90’s, partially parallel MRI (pMRI) has been introduced to shorten scan times reducing the amount of acquired data. These approaches use multi-receiver coil arrays to acquire independently and simultaneously the data. Reduction in the amount of acquired data results in images with aliasing artifacts. Dedicated methods as such Sensitivity Encoding (SENSE) and Generalized Autocalibrating Partially Parallel Acquisition (GRAPPA) were the basis of a series of algorithms in pMRI. Nevertheless, pMRI methods require extra spatial or temporal information in order to optimally reconstruct the data. This information is typically obtained by an extra scan or embedded in the accelerated acquisition applying a variable density acquisition scheme. In this work, we were able to reduce or totally eliminate the acquisition of the training data for kt-SENSE and kt-PCA algorithms obtaining accurate reconstructions with high temporal fidelity. For dynamic data acquired in an interleaved fashion, the temporal average of accelerated data can generate an artifact-free image used to estimate the coil sensitivity maps avoiding the need of extra acquisitions. However, this temporal average contains errors from aliased components, which may lead to signal nulls along the spectra of reconstructions when methods like kt-SENSE are applied. The use of a GRAPPA filter applied to the temporal average reduces these errors and subsequently may reduce the null components in the reconstructed data. In this thesis the effect of using temporal averages from radial data was investigated. Non-periodic artifacts performed by undersampling radial data allow a more accurate estimation of the true temporal average and thereby avoiding undesirable temporal filtering in the reconstructed images. kt-SENSE exploits not only spatial coil sensitivity variations but also makes use of spatio-temporal correlations in order to separate the aliased signals. Spatio-temporal correlations in kt-SENSE are learnt using a training data set, which consists of several central k-space lines acquired in a separate scan. The scan of these extra lines results in longer acquisition times even for low resolution images. It was demonstrate that limited spatial resolution of training data set may lead to temporal filtering effects (or temporal blurring) in the reconstructed data. In this thesis, the auto-calibration for kt-SENSE was proposed and its feasibility was tested in order to completely eliminate the acquisition of training data. The application of a prior TSENSE reconstruction produces the training data set for the kt-SENSE algorithm. These training data have full spatial resolution. Furthermore, it was demonstrated that the proposed auto-calibrating method reduces significantly temporal filtering in the reconstructed images compared to conventional kt-SENSE reconstructions employing low resolution training images. However, the performance of auto-calibrating kt-SENSE is affected by the Signal-to-Noise Ratio (SNR) of the first pass reconstructions that propagates to the final reconstructions. Another dedicated method used in dynamic MRI applications is kt-PCA, that was first proposed for the reconstruction of MR cardiac data. In this thesis, kt-PCA was employed for the generation of spatially resolved M0, T1 and T2 maps from a single accelerated IRTrueFISP or IR-Snapshot FLASH measurement. In contrast to cardiac dynamic data, MR relaxometry experiments exhibit signal at all temporal frequencies, which makes their reconstruction more challenging. However, since relaxometry measurements can be represented by only few parameters, the use of few principal components (PC) in the kt-PCA algorithm can significantly simplify the reconstruction. Furthermore, it was found that due to high redundancy in relaxometry data, PCA can efficiently extract the required information from just a single line of training data. It has been demonstrated in this thesis that auto-calibrating kt-SENSE is able to obtain high temporal fidelity dynamic cardiac reconstructions from moderate accelerated data avoiding the extra acquisition of training data. Additionally, kt-PCA has been proved to be a suitable method for the reconstruction of highly accelerated MR relaxometry data. Furthermore, a single central training line is necessary to obtain accurate reconstructions. Both reconstruction methods are promising for the optimization of training data acquisition and seem to be feasible for several clinical applications. === Dynamische Bildgebung mithilfe der Magnetresonanztomographie stellt eine besondere Herausforderung dar. Für klinische Anwendungen benötigt man Bilder mit hoher räumlicher und bei schnellen Bewegungen auch zeitlicher Auflösung. Technologische Fortschritte in den letzten Jahrzehnten konnten MRT-Experimente erheblich beschleunigen. Ein wichtiger Beitrag lieferte die parallele Bildgebung (pMRT), die durch die Entwicklung von Spulenarrays für den Empfang des MR-Signals ermöglicht wurde. In paralleler Bildgebung wird nur ein Teil der eigentlich benötigten Daten aufgenommen. Diese Unterabtastung des k-Raum führt zu Bildern mit Aliasing-Artefakten. Verschiedenste Algorithmen wurden entwickelt, um mittels der zusätzlichen räumlichen Informationen der Spulenarrays anschließend Bilder zu rekonstruieren. Heute spielen Sensitivity Encoding (SENSE) und Generalized Autocalibrating Partially Parallel Acquisition (GRAPPA) eine große und bilden eine Grundlage für eine Vielzahl anderer Algorithmen. Einen Großteil aller pMRT Methoden erfordern für optimale Ergebnisse zusätzliche räumliche oder zeitliche Informationen zur Kalibrierung. Diese Kalibrations- oder Trainingsdaten werden in der Regel durch einen zusätzlichen Scan erzeugt oder in die beschleunigte Messung eingebettet aufgenommen. Das ist eine unerwünschte Verlängerung der Messzeit die Folge. In dieser Arbeit konnten wir kt-SENSE und kt-PCA Rekonstruktionen dynamischer MRT Daten mit hoher zeitlicher Genauigkeit erzielen bei gleichzeitiger Reduktion bzw. sogar Beseitigung der benötigten Menge an Trainingsdaten. Um die in beiden Methoden benötigten Spulensensitivitäten zu berechnen, kann bei bestimmten Abtastschemata mit dem Mittelwert der dynamischen Daten ein weitgehend Artefakt-freies Bild erzeugt werden. Dieser zeitliche Mittelwert enthält jedoch kleine Fehler, die durch die Anwendung von Methoden wie kt-SENSE zu Signalauslöschungen im Spektrum der rekonstruierten Daten führen können. Es konnte gezeigt werden, dass die Anwendung eines GRAPPA Filter auf den zeitlichen Mittelwert die Fehler in den Spulensensitivitäten reduziert und die Rekonstruktion von Daten aller Frequenzen ermöglicht. Eine weitere aufgezeigte Möglichkeit ist die Verwendung einer radialen Akquisition, die dank der inkohärenten Aliasing-Artefakte ebenfalls zu einer erheblich genaueren Abschätzung des zeitlichen Mittelwerts führt. Dies verhindert zeitliche Ungenauigkeiten in den rekonstruierten Bildern. Zusätzliche zu Spulensensitivitäten verwenden Rekonstruktionsmethoden wie kt-SENSE Vorkenntnisse über räumlich-zeitliche Korrelationen, um Artefakte zu entfernen. Informationen darüber werden gewöhnlich aus voll aufgenommenen Trainingsdaten mit geringer Auflösung extrahiert. Die separate Akquisitions dieser Trainingsdaten verursacht eine unerwünschte Verlängerung der Messzeit. In dieser Arbeit wurde gezeigt, dass die niedrige Auflösung der Trainingsdaten zu zeitlichen Filterungseffekten in den rekonstruierten Daten führen kann. Um dies zu verhindern und um die zusätzliche Aufnahme von Trainingsdaten zu vermeiden, wurde eine Autokalibrierung für kt-SENSE vorgeschlagen und untersucht. Hierbei werden die benötigten Trainingsdaten in einem ersten Schritt durch eine TSENSE Rekonstruktion aus den unterabgetasteten Daten selbst erzeugt. Dank der vollen Auflösung dieser Trainingsdaten kann das Auftreten eines zeitlichen Filters verhindert werden. Die Leistung der Auto-kalibration wird lediglich durch einen Einfluss des SNRs der TSENSE Trainingsdaten auf die finalen Rekonstruktionen beeinträchtigt. Ein weiteres Verfahren für die dynamische MRT ist kt-PCA, das zunächst für die Rekonstruktion von MR-Herzdaten vorgeschlagen wurde. In dieser Arbeit wurde kt-PCA für die neurologische MR Relaxometrie verwendet. Hierbei konnten aus beschleunigten IRTrueFISP und IR-Snapshot-FLASH Messungen genaue M0, T1 und T2 Karten gewonnen werden. Im Gegensatz zur Herzbildgebung weisen MR Relaxometrie Datensätze Signal auf alles zeitlichen Frequenzen auf, was ihre Rekonstruktion mit konventionellen Methoden erschwert. Andererseits können die zeitlichen Signalverläufe mit einigen wenigen Parametern dargestellt werden und die Rekonstruktion mittels kt-PCA vereinfacht sich erheblich aufgrund der geringen Anzahl benötigter Hauptkomponenten (PC). Weiter wurde gezeigt, dass aufgrund der hohen Redundanz ein Trainingsdatensatz bestehend aus einer einzigen Zeile ausreicht, um alle relevanten Informationen zu erhalten. In dieser Thesis wurde demonstriert, dass mit dem Ansatz einer auto-kalibrierten kt-SENSE Rekonstruktion Bilder mit hoher zeitlicher Genauigkeit aus beschleunigten Datensätzen des Herzens gewonnen werden können. Dies vermeidet die gewöhnlich benötigte zusätzliche Aufnahme von Trainingsdaten. Weiterhin hat sich kt-PCA als geeignetes Verfahren zur Rekonstruktion hochbeschleunigter MR Relaxometrie Datensätze erwiesen. In diesem Fall war ein Trainingsdatensatz bestehend aus einer einzelnen Zeile ausreichend für Ergebnisse mit hoher Genauigkeit.