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

• Antragsteller: Professor Dr. Michael Bock, seit 3/2014
• Fachliche Zuordnung: Medizinische Physik, Biomedizinische Technik ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2014 bis 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 237079734

• Erstellungsjahr: 2018

Zusammenfassung der Projektergebnisse

Ziel des Projekts war es, Variationen der Bildintensität in MRT-Bildern zu korrigieren, die aufgrund von Inhomogenitäten der verwendeten Hochfrequenz-(RF)-Felder entstehen (speziell in der Hochfeld-MRT). Ursprünglich war die Korrektur von Inhomogenitäten bei T1-gewichteten Bildern des menschlichen Gehirns anvisiert – diese Arbeiten konnten vor dem Weggang von S. Hadjidemetriou früh abgeschlossen werden. Es zeigte sich, dass das physikalische Problem der Intensitätskorrektur auf der Basis von Messungen der B1+-Inhomogenität physikalisch korrekter angegangen werden kann als durch eine reine Intensitätskorrektur. Die Anwendungsfelder der Korrekturen wurden ausgeweitet auf verschiedene Szenarien in der MRT. Signalintensitätsvariationen in dynamischen Kontrastmittelstudien wurden korrigiert, um eine verbesserte Darstellung beispielsweise der Prostata in DCE-MRI-Datensätzen zu erzielen Es wurden Algorithmen entwickelt für die Detektion und Quantifizierung von kleinen Gefäßen bei hochgradigen Hirntumoren, die eindeutig zwischen Tumor- und Normalgefäßen unterscheiden konnten, was für anti-angiogene Therapien sehr wichtig sein kann. Des Weiteren wurde der Einfluss von Feldinhomogenitäten auf die Quantifizierung von MR-Parametern mit MR-Fingerprinting untersucht, um die zugrundeliegenden physikalischen Gewebeparameter (T1, T2, Spindichte) präzise messen zu können. Es wurden Echtzeitmethoden basierend auf Signalintensitätsmessungen entwickelt, mit denen die Bewegung von Organen wie der Niere auch in Langzeitstudien prospektiv korrigiert werden können. Abschließend wurden intensitätsbasierte Methoden entwickelt, um schnell aus 17 O-MRT-Studien funktionelle Parameter extrahieren zu können, ohne im Einzelnen MR-Bilder rekonstruieren zu müssen, die mit unerwünschten Intensitätsvariationen behaftet sein können. In allen Arbeiten zeigte sich, dass ohne eine B1- oder Intensitätskorrektur eine quantitative Analyse deutlich ungenauer wird. Die Breite der verschiedenen Anwendungen zeigt außerdem, dass in diesem Projekt eine Querschnittstechnologie entwickelt wurde, die in verschiedensten Teildisziplinen der MRT eingesetzt werden kann.

Projektbezogene Publikationen (Auswahl)

• Renal BOLD MRI with prospective motion correction. 46. Jahrestagung der DGMP 2015: 109-111, ISBN 978-3-9816508-8-4.
  Kalis I.M., Pilutti D., Krafft A.J., Bock M.
  
• Comparison of Vessel Abnormality Quantification Measures in Gliomas from TOF MRA Data. ESMRMB Congress, Vol. 29. 2016, Supplement 1: S220.
  Strumia M, Reichardt W, Staszewski O, Heiland DH, Weyerbrock A, Mader I, Bock M.
  
• Glioma vessel abnormality quantification using time-of-flight MR angiography. Magnetic Resonance Materials in Physics, Biology and Medicine, Vol. 29. 2016, Issue 5, pp 765–775.
  Strumia M., Reichardt W., Staszewski O., Heiland D.H., Weyerbrock A., Mader I., Bock M.
  
• Non-Parametric Bayesian Registration (NParBR) of Body Tumors in DCE-MRI Data. IEEE Transactions on Medical Imaging, Vol. 35. 2016, Issue 4, pp. 1025-1035.
  Pilutti D, Strumia M, Büchert M, Hadjidemetriou S
  
• Effects of RF pulse profile and intra-voxel phase dispersion on MR fingerprinting with balanced SSFP readout. Magnetic Resonance Imaging, Vol. 41. 2017, pp. 80-86.
  Chiu S.C., Lin T.M., Lin J.M., Chung H.W., Ko C.W., Büchert M., Bock M.
  
• Effects of RF pulse profile and within-slice phase dispersion on accuracy of MR fingerprinting with balanced SSFP readout. Proc. Intl. Soc. Mag. Reson. Med. 25 (2017), 0080.
  Chiu S.C., Lin T.M., Lin J.M., Chung H.W., Ko C.W., Büchert M., Bock M.
  
• Prospective MR image alignment between breath-holds: Application to renal BOLD MRI. Magnetic Resonance in Medicine, Vol. 77. 2017, Issue 4, pp. 1573-1582.
  Kalis I.M., Pilutti D., Krafft A.J., Hennig J., Bock M.
  
• Direct estimation of 17O MR images (DIESIS) for quantification of oxygen metabolism in the human brain with partial volume correction. Magnetic Resonance in Medicine, Vol. 80. 2018, Issue 6, pp. 2717-2725.
  Kurzhunov D., Borowiak R., Reisert M., Özen A.C., Bock M.