Quantitative Biomarkers for Abdominal Magnetic Resonance Imaging

Language
en
Document Type
Doctoral Thesis
Issue Date
2022-05-02
Issue Year
2022
Authors
Schneider, Manuel
Editor
Abstract

The global prevalence of various metabolic pathologies, such as the metabolic syndrome, obesity, diabetes or nonalcoholic fatty liver disease (NAFLD) has increased steadily in recent decades, and takes on the proportions of a worldwide epidemic. It is therefore important to understand background and pathogenesis of these disorders to reverse this trend. In the last years, research in Magnetic Resonance Imaging (MRI) focused on the extraction of quantitative biomarkers from qualitative MR image data, which allows to quantitatively estimate relaxation properties or signal ratios in the form of parameter maps. Quantitative MRI (qMRI) techniques are accompanied by the promise of earlier disease detection and better grading and staging of diseases. Since MRI is a non-invasive and non-ionizing modality, it allows large-scale research studies and clinical assessment. Widespread clinical adoption of qMRI for the investigation of the described disorders is still limited. Conventional methods suffer from lengthy scan times and motion sensitivity, since a number of images have to be acquired and since often Cartesian sequences are applied. In the abdomen this is challenged by respiration, which is why data is typically acquired during breath-holding. Moreover, currently applied biomarkers are limited in terms of their significance for the prediction of disease states.

This work includes techniques for the MRI-based estimation of a new biomarker called triglyceride saturation state, which potentially gives more insights into the pathogenesis of metabolic abnormalities or the risk of breast cancer development. To this end, two methods are proposed that calculate 3-D parameter maps of the relative fractions of saturated, mono-unsaturated and poly-unsaturated fatty acids with regard to the total fat content. Both techniques efficiently sample Cartesian multi-echo gradient-echo (GRE) data using bipolar readout gradients and apply low-rank denoising before parameter estimation. Phase errors are either addressed analytically using an eddy-current phase parameter, or by applying novel echo-dependent phase maps. In vitro, the developed methods yielded accurate and reproducible results across different protocols. In vivo, applicability was assessed using measurements in healthy volunteers and patients in the clinical sites abdomen and breast.

Moreover, two methods that allow proton-density fat fraction (PDFF) and R2* quantification during free-breathing are proposed. A motion-robust radial stack-of-stars sequence is applied, and iteratively reconstructed using a model-based technique that combines Parallel Imaging (PI) and Compressed Sensing (CS). The developed approaches are capable of estimating self-gated respiratory motion-averaged and motion-resolved parameter maps from undersampled as well as fully-sampled data. Compared to a conventional state-of-the art technique, the motion-averaged reconstruction achieved accurate PDFF values, and the motion-resolved reconstruction accurate PDFF and R2* results in n = 14 patients enrolled in a hepatobiliary research protocol. For patients unable to suspend respiration, the developed methods are promising alternatives to conventional techniques, which typically apply motion-sensitive Cartesian sequences and sample data during breath-holding.

In summary, in this work relevant contributions are made to the fields of fat quantification, fatty acid composition calculation and R2* estimation. The proposed techniques address currently existing limitations in the field of qMRI for imaging various disorders in the abdomen.

Abstract

Die Prävalenz von Stoffwechselerkrankungen, wie zum Beispiel das Metabolische Syndrom, Übergewicht, Diabetes oder nichtalkoholische Fettlebererkrankungen, hat in den letzten Jahrzehnten stetig zugenommen. Um diesen Trend umzukehren, ist es daher wichtig die Krankheitsentstehung dieser Störungen zu verstehen. Die Forschung im Bereich der Magnetresonanztomographie (MRT) konzentrierte sich in den letzten Jahren auf die Extraktion von quantitativen Biomarkern aus qualitativen MR-Bilddaten. Dies erlaubt es, Relaxationseigenschaften oder Signalverhältnisse in Form von quantitativen Parameterkarten zu berechnen. Diese quantitativen Techniken versprechen eine frühere Erkennung und bessere Klassifizierung von Krankheiten. Bei der MRT handelt es sich um eine nicht-invasive und nicht-ionisierende Modalität, was umfangreiche Studien ermöglicht. Die klinische Anwendung der quantitativen MRT zur Untersuchung der beschriebenen Störungen ist jedoch noch begrenzt, da herkömmliche Verfahren lange Akquisitionszeiten voraussetzen und empfindlich gegenüber Bewegung sind. Im Abdomen erfolgt die Datenakquisition deshalb oftmals bei angehaltenem Atem. Außerdem sind die meisten verwendeten Biomarker in ihrer Aussagekraft für die Vorhersage von Krankheitszuständen begrenzt.

Diese Arbeit umfasst MRT-Techniken zur Berechnung eines neuen Biomarkers, der den Sättigungsgrad von Triglyceriden angibt. Dieser soll einen besseren Einblick in den Krankheitsverlauf von Stoffwechselanomalien oder das Risiko der Erkrankung an Brustkrebs geben. Zu diesem Zweck werden zwei Methoden vorgeschlagen, welche 3-D Parameterkarten der relativen Anteile von gesättigten, einfach-ungesättigten sowie mehrfach-ungesättigten Fettsäuren berechnen. Beide Techniken nehmen Multi-Echo Gradientenecho-Daten kartesisch mit bipolaren Auslesegradienten auf, und verwenden ein Entrauschungsverfahren. Phasenfehler werden entweder analytisch mittels eines Wirbelstrom-Parameters oder durch neuartige Echo-abhängige Phasenkarten berechnet. In Phantommessungen lieferten die entwickelten Methoden für verschiedene Protokolle genaue und reproduzierbare Ergebnisse. Die entwickelten Techniken wurden weiters anhand von Messungen an Probanden und Patienten für die abdominelle und die Brustbildgebung evaluiert.

Außerdem werden zwei weitere Methoden vorgeschlagen, welche eine Quantifizierung des Fettgehalts (FF) und R2* während freier Atmung ermöglichen. Hierzu wird eine radiale Stack-of-Stars-Sequenz angewendet, und die erzeugten Daten modellbasiert mittels einer iterativen Technik unter Verwendung von Parallelbildgebung und Compressed Sensing (CS) rekonstruiert. Die entwickelten Methoden sind in der Lage Atembewegung zu kompensieren, und sowohl gemittelte als auch bewegungsaufgelöste Parameterkarten auszugeben. In einer Studie mit 14 Patienten erzielte die gemittelte Rekonstruktion eine genau Quantifizierung des Fettgehalts, und die bewegungsaufgelöste Rekonstruktion eine genaue Bestimmung des Fettgehalts sowie R2*. Somit sind die Methoden Alternativen zu konventionellen Techniken, welche üblicherweise Daten mittels kartesischen Sequenzen bei angehaltenem Atem aufnehmen.

In dieser Arbeit werden also Beiträge für die Quantifizierung des Fettgehalts, der Fettzusammensetzung und von R2* mittels MRT vorgestellt. Die veröffentlichten Methoden adressieren bestehende Einschränkungen von konventionellen Techniken im Bereich der quantitativen MRT für die Erforschung von diversen abdominellen Erkrankungen.

DOI
Faculties & Collections
Zugehörige ORCIDs