Titelaufnahme

Titel
Quantitative Susceptibility Mapping using Echo Planar Imaging / von Beáta Bachratá
Weitere Titel
Quantitative Susceptibility Mapping using Echo Planar Imaging
VerfasserBachratá, Beáta
Begutachter / BegutachterinBadurek, Gerald ; Poljanc, Karin
ErschienenWien, 2017
Umfang81 Seiten
HochschulschriftTechnische Universität Wien, Diplomarbeit, 2017
Anmerkung
Arbeit an der Bibliothek noch nicht eingelangt - Daten nicht geprueft
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (DE)Functional Magnetic Resonance Imaging / Quantitative Susceptibility Mapping
Schlagwörter (EN)Functional Magnetic Resonance Imaging / Quantitative Susceptibility Mapping
URNurn:nbn:at:at-ubtuw:1-100858 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Quantitative Susceptibility Mapping using Echo Planar Imaging [20.81 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Quantitative Suszeptibilitätskartierung (QSM) ist ein Nachbearbeitungsverfahren der Magnetresonanztomographie (MRT), welches die Suszeptibilitätsverteilung des gemessenen Objekts berechnet. Wegen der hohen Sensitivität auf Eisen, Gadolinium und Myelin wird QSM dazu benutzt Mikroblutungen zu charakterisieren, Demyelinisierungen zu untersuchen, den Eisengehalt der Strukturen in tiefer grauer Substanz zu bestimmen und auch um Gefäße sichtbar zu machen. Konventionell werden hochauflösende, T2 *-gewichtete Gradientenechosequenzen (GRE) verwendet, die eine hohe Sensitivität auf die Suszeptibilität aufweisen, jedoch aufgrund der sehr langen Aufnahmezeit (bis zu 10 min.) anfällig für Bewegunsartefakte sind, was die klinische Anwendbarkeit einschränkt. Mit dem Echo-Planar Verfahren (EPI) kann dasselbe Volumen in einem Bruchteil der Zeit (üblicherweise in wenigen Sekunden) aufgenommen werden, was die Gefahr durch Bewegung während der Aufnahme deutlich reduziert. EPISequenzen sind sehr effizient, da sie den gesamten k-Raum nach einem einzigen Anregungspuls abrastern können, wobei sie zum einen die volle longitudinale Magnetisierung nutzen können und zum anderen auch den Großteil der Messzeit mit der tatsächlichen Datenaufnahme verbringen (ca. 75%). Da die Zeitspanne einer EPI-Aufnahme und physiologischer Prozesse vergleichbar ist, ermöglicht eine sequentielle Aufnahme von EPI-Bildern die Erfassung physiologischer Schwankungen, was als funktionelle MRT (fMRT) bezeichnet wird. Da zur Erkennung von funktionalen Störungen fMRT-Messungen routinemäßig an Patienten mit Krankheiten wie Alzheimer, multipler Sklerose oder Parkinson durchgeführt werden, könnten dieselben Aufnahmen auch zur Berechnung von QSM verwendet werden um aus einer Messung sowohl funktionelle als auch semi-quantitative strukturelle Informationen zu erhalten. Für die Berechnung von QSM wird die gewöhnlich außer Acht gelassene Phaseninformation des komplexwertigen MR-Signals verwendet, welche proportional zur lokalen Abweichung des statischen Magnetfeldes ist und somit von der Suszeptibilität des Gewebes abhängt. Da das MR-Signal heutzutage meist von einem Spulen-Array aufgenommen wird, ist es nötig ein kombiniertes Phasenbild zu berechnen, was jedoch schwierig ist, da jede Spule eine eigene örtlich variierende Phasenverschiebung aufweist. Bei EPI-Aufnahmen ist die Spulenkombination sogar nochmals schwieriger, da diese einen höheren Rauschanteil aufweisen. In diesem Projekt ermitteln wir die methodologischen Schritte, die nötig sind um QSM von aufgabenbezogenem oder Ruhezustands-fMRI ohne zusätzliche Messungen zu berechnen. Um dieses Ziel zu erreichen wurden verschiedene Varianten der Phasenkombinationsmethode Virtual Receiver Coil (VRC) entwickelt und getestet. Es wurde gezeigt, dass alle Varianten sogar für niedrigqualitative EPI-Daten eine hohe Kombinationsqualität erreichen, wobei die Varianten unterschiedliche Eigenschaften aufweisen und manche artefaktbehaftet sind. Die Phasenkombination wurde in der Siemens Image Reconstruction Environment implementiert und ist wird auf dem MR Scanner berechnet. Die kombinierten EPI-Phaseninformationen wurden für die Berechnung von QSM benutzt und die erhalten Suszeptibilitätskarten wurden mit jenen verglichen die von einer GRE-Referenzmessung berechnet wurden. Zusätzlich wurden noch die durch Bewegung und physiologisch bedingte Schwankungen hervorgerufenen Effekte auf die QSM-Ergebnisse mittels funktioneller QSM analysiert. Wir haben gezeigt, dass, obwohl QSM-Berechnungen auf EPI Daten möglich sind, trotzdem zumindest höheraufgelöste Messungen benötigt werden, um mit GRE-Daten vergleichbare Ergebnisse zu erhalten. Es gibt jedoch viele weitere Unterschiede zu GRE (z.B. inhärente Phasenkorrektur bei EPI, Variabilität der Echozeit im k-Raum, zusätzliche Phasenverschiebungen aufgrund von paralleler Bildgebung, lokalen Signalauslöschungen, etc.), deren Effekte auf die QSMBerechnung adressiert werden müssen, bevor EPI-Daten mit derselben Verlässlichkeit wie GRE-Daten verwendet werden können. Außerdem haben wir gezeigt, dass höhere Auflösung und die Anwendung zusätzlicher Vorverarbeitungsschritte nötig sind um die aufgabenbezogenen und die aufgrund physiologischer Schwankungen hervorgerufenen Änderungen in QSM aus fMRIZeitserien zu beobachten.

Zusammenfassung (Englisch)

Quantitative Susceptibility Mapping (QSM) is a postprocessing Magnetic Resonance Imaging (MRI) technique that provides contrast based on the magnetic susceptibility of the object. Since QSM is very sensitive to iron, calcium, gadolinium and myelin, it can be used to characterize microbleeds, investigate demyelination, quantify iron content in deep grey matter structures and visualise vessels. Due to the long acquisition time (up to 10 min.) of the high resolution gradient-echo (GRE) scans which are conventionally used to acquire the T2 *-weighted scans which are sensitive to susceptibility, this method is very prone to motion, limiting its clinical applicability. The Echo-Planar Imaging (EPI) sequence can acquire images with the same volumetric coverage within a fraction of the time (usually few seconds), thereby it is less vulnerable to motion. In EPI the signal is usually collected for the large part of imaging time (around 75%), leading to a very high efficiency. Moreover, since the whole k-space can be sampled after a single excitation pulse, the full longitudinal magnetization may be available for the image formation. Because the speed of physiological processes and the EPI's imaging speed are similar, the sequential acquisition of EPI scans, functional MRI (fMRI), allows for observation of physiological fluctuations. Since in some patient groups (e.g. patients with Alzheimer, Multiple sclerosis, Parkinson) the fMRI is done to investigate functional impairment, this data could be used also for QSM analysis, enabling both functional information and semi-quantitative structural information to be derived from the same scan. QSM analysis uses the usually discarded phase of the complex MR signal, which is proportional to the local deviation from the static magnetic field and hence dependent on the magnetic susceptibility of the tissue. Since nowadays the signal is usually acquired by the array of radio-frequency coils each having its own, spatially varying phase offset, the difficult combination of phases from contributing coils is required. This gets even more complicated in the EPI, due to its inherent higher noise content. In this project, we establish the methodological steps necessary to use 7 T task or resting state fMRI data to perform QSM, without the need to acquire any additional data. To achieve that, a number of variants of a phase combination methods called the Virtual Receiver Coil (VRC) approach were proposed and assessed. These were shown to achieve high-quality combination even for quite low-quality EPI data, with different variants having different characteristics and some suffering from artifacts. Phase combination was implemented in the Siemens Image Reconstruction Environment to run on the MR scanner. The combined phase EPI data was used for QSM analysis and the susceptibility maps were compared with those from a reference GRE measurement. Further the effects of motion and physiological fluctuations on the QSM results were studied by the functional QSM analysis. We have shown that although the QSM analysis using EPI is feasible, to obtain the results comparable to those of GRE data at least the higher resolution acquisition is required. However, there are still many other differences compared to GRE (e.g. EPI inherent phase corrections, echo time variability across k-space, additional phase shifts in parallel imaging, signal dropouts, etc.) whose effects on QSM analysis need to be addressed, before the EPI data could be use with the same reliability as GRE data. Further we have shown that to observe the task related and physiological fluctuation related changes in the QSM analysis of fMRI time-series, the higher resolution and the application of additional preprocessing steps are necessary.