Iterative Reconstruction Methods for Quantitative Abdominal MR Imaging

Language
en
Document Type
Doctoral Thesis
Issue Date
2019-05-27
Issue Year
2019
Authors
Lugauer-Breunig, Felix
Editor
Abstract

Abdominal pathologies, in particular, diffuse liver disorders are affecting a rapidly increasing group of people worldwide. Non-alcoholic Fatty Liver Disease (NAFLD) parallels a global epidemic and is the most common liver disease in societies with westernized lifestyles, affecting in between 20 and 30 % of adults. It is closely connected to obesity, whose prevalence almost tripled since 1975. NAFLD comprises a wide range of disease stages, which range from steatosis over steatohepatitis to fibrosis and, eventually, cirrhosis. Diagnosis and disease stratification still requires invasive biopsy, which bears the risk of complications. With magnetic resonance imaging (MRI), a noninvasive and non-ionizing technology has evolved that is able to yield biomarkers such as fat fraction (FF), R2* or T1, allowing the diagnosis of steatosis, fibrosis and cirrhosis. A major limitation for its widespread use is that single contrasts are per se not quantitative. Instead, a series of acquisitions is required in order to derive a quantitative MR (qMR) parameter based on an appropriate signal model. Consequently, qMRI is even more time-consuming than simple soft-tissue or morphological imaging. Further challenges arise from breathing motion accompanied by any abdominal examination. Despite steady advances in accelerating Cartesian MR measurements such as partial Fourier or parallel imaging (PI), lengthy scan times either entirely prohibit qMRI in clinical practice or drastically limit spatial coverage, resolution or accuracy in order to meet a patient’s breath-hold abilities. In this thesis, we address the above limitations by combining PI with compressed sensing (CS) and domain-specific regularization in order to accelerate and enhance qMRI applications of water-fat and relaxation quantification. To this end, a local low-rank (LLR) prior is identified as a common sparsity basis among images required for water-fat quantification. Implemented as an automated and robust denoiser for multi-contrast images, it strongly reduces noise floor effects and uncertainty in FF and R2* quantification without degrading structural information. Combining this LLR constraint with spatial sparsity regularization in an iterative reconstruction algorithm for sparsely sampled multi-echo data achieves strong noise reduction and image enhancement despite a 30 % decrease in scan time as compared to the state-of-the-art. In the context of abdominal T1 mapping where accurate techniques currently cover only few slices, we developed a segmented 3-D imaging sequence based on spatiotemporally sparse sampling, which achieves whole-liver coverage within a single breath-hold. Acceleration factors of 12 and beyond are possible through a novel spatiotemporally incoherent Poisson sampling with variable density and signal enhancing through-contrast regularization. In summary, the described techniques encompass advances in domain-specific reconstruction techniques, sampling strategies and sequence programs. All algorithms were validated by volunteer studies with at least ten volunteers and integrated into the MR scanner software as application extension.

Abstract

Weltweit ist eine stetig wachsende Bevölkerungsgruppe von abdominellen Krankheiten, insbesondere von diffusen Leberpathologien, betroffen. Die nichtalkoholische Fettlebererkrankung (NAFLD) ähnelt aufgrund ihrer rasanten Verbreitung einer Epidemie und ist in der westlichen Welt die häufigste Lebererkrankung mit einer Prävalenz von 20–30 %. Diese zeigt sich oft in Verbindung mit Fettleibigkeit, dessen Vorkommen sich seit 1975 verdreifacht hat. NAFLD umfasst ein weites Spektrum an Krankheitsformen, das von Steatose über Steatohepatitis zu Fibrose und Zirrhose reicht. Nach wie vor werden Biopsien, die mit Komplikationsrisiken einhergehen, zur Diagnose und Krankheitszuordnung eingesetzt. Mit der Magnetresonanzbildgebung hat sich eine nichtinvasive Technik ohne Strahlenbelastung etabliert, mit der Biomarker wie beispielsweise der Fettgehalt (FF), R2* oder T1 zur Diagnose von Steatose, Fibrose und Zirrhose gewonnen werden können. Ihr weitreichender Einsatz wird jedoch dadurch gehindert, dass einzelne Messungen nicht quantitativ sind, sodass eine Serie von Bildern zur Bestimmung eines quantitativen MR Parameters (qMR) basierend auf einem passsenden Signalmodel benötigt wird. In Folge dessen ist qMRI noch zeitintensiver als gewöhnliche Morphologieaufnahmen. Im Hinblick auf abdominelle Untersuchungen sorgt die Atembewegung für zusätzliche Herausforderungen. Trotz eines steten Fortschritts bei der Beschleunigung Kartesischer Aufnahmetechniken, beispielsweise durch partielle Fourier oder Parallelbildgebung (PI), verhindert eine lange Aufnahmedauer qMRI entweder gänzlich oder beschneidet die räumliche Abdeckung, Auflösung oder die Genauigkeit, um sich der Atemkapazität der Patienten anzupassen. In dieser Arbeit wird die Parallelbildgebung durch Compressed Sensing (CS) mit anwendungsspezifischen Regularisierungstechniken ergänzt, um obige Einschränkungen zu kompensieren und insbesondere qMRI im Bereich der Wasser-Fett- und Relaxationsquantifizierung zu beschleunigen und zu verbessern. Passend zu den Multi-Echo Bildserien zur Wasser-Fett Trennung wurde ein lokales Rangkriterium (LLR) als gemeinsame dünnbesetzte Basis identifiziert und zu einem robusten und automatisierten Entrauschungsverfahren ausgebaut. Dessen Einsatz bei der Quantifizierung von FF und R2* ermöglicht eine deutliche Reduktion von Grundrauscheffekten und Parametervarianzen ohne dabei Strukturen oder Kanten zu maskieren. In einem iterativen Rekonstruktionsverfahren für unterabgetastete Multi-Echo Daten erzielt die Kombination dieser Nebenbedingung mit räumlicher Regularisierung eine starke Rauschreduzierung und Bildverbesserung sowie eine um 30 % verkürzte Aufnahmedauer im Vergleich zum aktuellen Stand der Technik. Aufgrund der Problematik, dass abdominelles T1 Mapping basierend auf Techniken mit hoher Genauigkeit aktuell nur eine geringe Schichtabdeckung bietet, haben wir eine segmentierte 3-D Aufnahmesequenz basierend auf räumlich-zeitlicher Unterabtastung entwickelt, die eine volle Leberabdeckung innerhalb eines Atemstopps erreicht. Eine Beschleunigung um den Faktor 12 oder mehr wird durch eine Poisson Abtastung mit neuer räumlich-zeitlicher Inkoherenz und variabler Dichte sowie einer signalunterstützenden Regularisierung entlang der Kontrastdimension ermöglicht. Die hier beschriebenen Methoden umfassen somit Fortschritte bei anwendungsspezifischen Rekonstruktionstechniken, Abtastungsstrategien sowie Sequenzprogrammen. Alle Algorithmen wurden durch Studien mit mindestens 10 Probanden validiert und in die MR Scannersoftware als Applikationserweiterung integriert.

DOI
Faculties & Collections
Zugehörige ORCIDs