TY - THES
A1 - Graetz [geb. Dittmann], Jonas
T1 - X-Ray Dark-Field Tensor Tomography : a Hitchhiker's Guide to Tomographic Reconstruction and Talbot Imaging
T1 - Röntgen-Dunkelfeld-Tensor-Tomographie : ein Handbuch zur Tomographischen Rekonstruktion und Talbot-Bildgebung
N2 - X-ray dark-field imaging allows to resolve the conflict between the demand for centimeter scaled fields of view and the spatial resolution required for the characterization of fibrous materials structured on the micrometer scale. It draws on the ability of X-ray Talbot interferometers to provide full field images of a sample's ultra small angle scattering properties, bridging a gap of multiple orders of magnitude between the imaging resolution and the contrasted structure scale. The correspondence between shape anisotropy and oriented scattering thereby allows to infer orientations within a sample's microstructure below the imaging resolution. First demonstrations have shown the general feasibility of doing so in a tomographic fashion, based on various heuristic signal models and reconstruction approaches. Here, both a verified model of the signal anisotropy and a reconstruction technique practicable for general imaging geometries and large tensor valued volumes is developed based on in-depth reviews of dark-field imaging and tomographic reconstruction techniques.
To this end, a wide interdisciplinary field of imaging and reconstruction methodologies is revisited. To begin with, a novel introduction to the mathematical description of perspective projections provides essential insights into the relations between the tangible real space properties of cone beam imaging geometries and their technically relevant description in terms of homogeneous coordinates and projection matrices. Based on these fundamentals, a novel auto-calibration approach is developed, facilitating the practical determination of perspective imaging geometries with minimal experimental constraints. A corresponding generalized formulation of the widely employed Feldkamp algorithm is given, allowing fast and flexible volume reconstructions from arbitrary tomographic imaging geometries. Iterative reconstruction techniques are likewise introduced for general projection geometries, with a particular focus on the efficient evaluation of the forward problem associated with tomographic imaging. A highly performant 3D generalization of Joseph's classic linearly interpolating ray casting algorithm is developed to this end and compared to typical alternatives. With regard to the anisotropic imaging modality required for tensor tomography, X-ray dark-field contrast is extensively reviewed. Previous literature is brought into a joint context and nomenclature and supplemented by original work completing a consistent picture of the theory of dark-field origination. Key results are explicitly validated by experimental data with a special focus on tomography as well as the properties of anisotropic fibrous scatterers. In order to address the pronounced susceptibility of interferometric images to subtle mechanical imprecisions, an efficient optimization based evaluation strategy for the raw data provided by Talbot interferometers is developed. Finally, the fitness of linear tensor models with respect to the derived anisotropy properties of dark-field contrast is evaluated, and an iterative scheme for the reconstruction of tensor valued volumes from projection images is proposed. The derived methods are efficiently implemented and applied to fiber reinforced plastic samples, imaged at the ID19 imaging beamline of the European Synchrotron Radiation Facility. The results represent unprecedented demonstrations of X-ray dark-field tensor tomography at a field of view of 3-4cm, revealing local fiber orientations of both complex shaped and low-contrast samples at a spatial resolution of 0.1mm in 3D. The results are confirmed by an independent micro CT based fiber analysis.
N2 - Die Röntgen-Dunkelfeld-Bildgung vermag den Widerspruch zwischen dem Bedarf nach großen Sichtfeldern im Zentimeterbereich und der nötigen Bildauflösung zur Charakterisierung von Fasermaterialien mit Strukturgrößen im Mikrometerbereich aufzulösen. Sie bedient sich dafür der Eigenschaft von Röntgen-Talbot-Interferometern, Ultrakleinwinkelstreueigenschaften einer Probe vollflächig abzubilden, womit eine Lücke von mehreren Größenordnung zwischen der Bildauflösung und der konstrastgebenden Strukturgröße überbrückt werden kann. Der Zusammenhang zwischen Strukturanisotropie und gerichteter Streuung ermöglicht dabei Rückschlüsse auf die Orientierung der Mikrostruktur einer Probe unterhalb der Bildauflösung. Erste Demonstrationen haben, basiered auf verschiedenen heuristischen Signalmodellen und Rekonstruktrionsansätzen, die grundsätzliche Erweiterbarkeit auf die Volumen-Bildgebung gezeigt. In der vorliegenden Arbeit wird, aufbauend auf einer umfassenden Analyse der Dunkelfeld-Bildgebung und tomographischer Rekonstruktionsmethoden, sowohl ein verifiziertes Modell der Signalanisotropie als auch eine Rekonstruktionstechnik entwickelt, die für große tensorwertige Volumina und allgemeine Abbildungsgeometrien praktikabel ist.
In diesem Sinne wird ein weites interdisziplinäres Feld von Bildgebungs- und Rekonstruktionsmethoden aufgearbeitet. Zunächst werden anhand einer neuen Einführung in die mathematische Beschreibung perspektivischer Projektionen essenzielle Einsichten in die Zusammenhänge zwischen der greifbaren Realraum-Darstellung der Kegelstrahl-Geometrie und ihrer technisch relevanten Beschreibung mittels homogener Koordinaten und Projektionsmatrizen gegeben. Aufbauend auf diesen Grundlagen wird eine neue Methode zur Auto-Kalibration entwickelt, die die praktische Bestimmung von perspektivischen Abbildungsgeometrien unter minimalen Anforderungen an die experimentelle Ausführung ermöglicht. Passend dazu wird eine verallgemeinerte Formulierung des weit verbreiteten Feldkamp-Algorithmus gegeben, um eine schnelle und flexible Volumenrekonstruktion aus beliebigen tomographischen Bildgebungsgeometrien zu ermöglichen. Iterative Rekonstruktionsverfahren werden ebenfalls für allgemeine Aufnahmegeometrien eingeführt, wobei ein Schwerpunkt auf der effizienten Berechnung des mit der tomographischen Bildgebung assoziierten Vorwärtsproblems liegt. Zu diesem Zweck wird eine hochperformante 3D-Erweiterung des klassischen, linear interpolierenden Linienintegrationsalgorithmus von Joseph entwickelt und mit typischen Alternativen verglichen. In Bezug auf die anisotrope Bildmodalität, die die Grundlage der Tensortomographie bildet, wird der Röntgen-Dunkelfeld-Kontrast umfassend besprochen. Die vorhandende Literatur wird dazu in einen gemeinsamen Kontext und eine gemeinsame Nomenklatur gebracht und mit neuen Überlegungen zu einer konsistenten Darstellung der Theorie zur Dunkelfeldsignalentstehung vervollständigt. Zentrale Ergebnisse werden dabei explizit anhand experimenteller Daten verifiziert, wobei besonders die Tomographie und die Eigenschaften anisotroper, faseriger Streuer im Vordergrund stehen. Um die ausgeprägte Empfindlichkeit interferometrischer Bilder auf feinste mechanische Instabilitäten zu kompensieren, wird ein effizientes Optimierungsverfahren zur Auswertung der Rohdaten aus Talbot-Interferometern entwickelt. Schließlich wird die Anwendbarkeit von linearen Tensor-Modellen in Bezug auf die hergeleiteten Anisotropie-Eigenschaften des Dunkelfeld-Kontrastes diskutiert, und ein iteratives Verfahren für die Rekonstruktion tensorwertiger Volumen aus Projektionsbildern vorgeschlagen. Die entwickelten Methoden werden effizient implementiert und auf Proben aus faserverstärktem Kunstoff angewandt, die dafür an der Bildgebungs-Strahllinie ID19 des Europäischen Synchrotrons ESRF abgebildet wurden. Die Ergebnisse stellen eine bisher einmalige Demonstration von Röntgen-Dunkelfeld-Tensor-Tomographie mit einem Sichtfeld von 3-4cm dar, wobei lokale Faserorientierung sowohl für komplex geformte als auch kontrastarme Objekte mit einer räumlichen Auflösung von 0.1mm in 3D dargestellt werden kann. Ein unabhängiger Vergleich mit Mikro-CT basierter Faser-Analyse bestätigt die Ergebnisse.
KW - Dreidimensionale Rekonstruktion
KW - Tomografie
KW - Faserorientierung
KW - Tensor
KW - Bildgebendes Verfahren
KW - X-Ray Dark-Field
KW - Tensor Tomography
KW - Volume Reconstruction
KW - Fiber Orientation
Y1 - 2022
U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-281437
ER -
TY - THES
A1 - Ullherr, Maximilian
T1 - Optimization of Image Quality in High-Resolution X-Ray Imaging
T1 - Optimierung von Bildqualität in der hochauflösenden Röntgenbildgebung
N2 - The SNR spectra model and measurement method developed in this work yield reliable application-specific optima for image quality. This optimization can either be used to understand image quality, find out how to build a good imaging device or to (automatically) optimize the parameters of an existing setup.
SNR spectra are here defined as a fraction of power spectra instead of a product of device properties. In combination with the newly developed measurement method for this definition, a close correspondence be- tween theory and measurement is achieved. Prior approaches suffer from a focus on theoretical definitions without fully considering if the defined quantities can be measured correctly. Additionally, discrepancies between assumptions and reality are common.
The new approach is more reliable and complete, but also more difficult to evaluate and interpret. The signal power spectrum in the numerator of this fraction allows to model the image quality of different contrast mechanisms that are used in high-resolution x-ray imaging. Superposition equations derived for signal and noise enable understanding how polychromaticity (or superposition in general) affects the image quality.
For the concept of detection energy weighting, a quantitative model for how it affects im- age quality was found. It was shown that—depending on sample properties—not detecting x-ray photons can increase image quality. For optimal computational energy weighting, more general formula for the optimal weight was found. In addition to the signal strength, it includes noise and modulation transfer.
The novel method for measuring SNR spectra makes it possible to experimentally optimize image quality for different contrast mechanisms. This method uses one simple measurement to obtain a measure for im- age quality for a specific experimental setup. Comparable measurement methods typically require at least three more complex measurements, where the combination may then give a false result. SNR spectra measurements can be used to:
• Test theoretical predictions about image quality optima.
• Optimize image quality for a specific application.
• Find new mechanisms to improve image quality.
The last item reveals an important limitation of x- ray imaging in general: The achievable image quality is limited by the amount of x-ray photons interacting with the sample, not by the amount incident per detector area (see section 3.6). If the rest of the imaging geometry is fixed, moving the detector only changes the field of view, not the image quality. A practical consequence is that moving the sample closer to the x-ray source increases image quality quadratically.
The results of a SNR spectra measurement represent the image quality only on a relative scale, but very reliable. This relative scale is sufficient for an optimization problem. Physical effects are often already clearly identifiable by the shape of the functional relationship between input parameter and measurement result.
SNR spectra as a quantity are not well suited for standardization, but instead allow a reliable optimization. Not satisfying the requirements of standardization allows to use methods which have other advantages. In this case, the SNR spectra method describes the image quality for a specific application. Consequently, additional physical effects can be taken into account. Additionally, the measurement method can be used to automate the setting of optimal machine parameters.
The newly proposed image quality measure detection effectiveness is better suited for standardization or setup comparison. This quantity is very similar to measures from other publications (e.g. CNR(u)), when interpreted monochromatically. Polychromatic effects can only be modeled fully by the DE(u). The measurement processes of both are different and the DE(u) is fundamentally more reliable.
Information technology and digital data processing make it possible to determine SNR spectra from a mea- sured image series. This measurement process was designed from the ground up to use these technical capabilities. Often, information technology is only used to make processes easier and more exact. Here, the whole measurement method would be infeasible without it. As this example shows, using the capabilities of digital data processing much more extensively opens many new possibilities. Information technology can be used to extract information from measured data in ways that analog data processing simply cannot.
The original purpose of the SNR spectra optimization theory and methods was to optimize high resolution x-ray imaging only. During the course of this work, it has become clear that some of the results of this work affect x-ray imaging in general. In the future, these results could be applied to MI and NDT x-ray imaging. Future work on the same topic will also need to consider the relationship between SNR spectra or DE(u) and sufficient image quality.This question is about the minimal image quality required for a specific measurement task.
N2 - Das in dieser Arbeit entwickelte Modell und die Messmethode für SNR Spektren ergeben zuverlässige anwendungsspezifische Optima für die Bildqualität. Diese Optimierung kann verwendet werden, entweder um Bildqualität zu verstehen, um herauszufinden wie ein gutes Bildgebungsgerät gebaut werden kann oder um die Parameter eines existierenden Aufbaus (automatisch) festzulegen. ...
KW - Bildqualität
KW - Bildgebendes Verfahren
KW - Computertomografie
KW - x-ray imaging
KW - x-ray microscopy
KW - image quality
KW - signal to noise ratio
KW - computed tomography
KW - x-ray inline phase contrast
Y1 - 2021
U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-231171
ER -
TY - THES
A1 - Ponce Garcia, Irene Paola
T1 - Strategies for optimizing dynamic MRI
T1 - Strategien zur Optimierung der dynamischen MR Bildgebung
N2 - 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.
N2 - 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.
KW - Kernspintomografie
KW - Dynamische Messung
KW - Magnetic resonance
KW - Magnetische Resonanz
KW - Dynamic magnetic resonance imaging
KW - Dynamische MR Bildgebung
KW - DNMR-Spektroskopie
KW - Bildgebendes Verfahren
Y1 - 2018
U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-162622
ER -
TY - THES
A1 - Tran-Gia, Johannes
T1 - Model-Based Reconstruction Methods for MR Relaxometry
T1 - Modellbasierte Rekonstruktionsmethoden für die MR-Relaxometrie
N2 - In this work, a model-based acceleration of parameter mapping (MAP) for the determination of the tissue parameter T1 using magnetic resonance imaging (MRI) is introduced. The iterative reconstruction uses prior knowledge about the relaxation behavior of the longitudinal magnetization after a suitable magnetization preparation to generate a series of fully sampled k-spaces from a strongly undersampled acquisition. A Fourier transform results in a spatially resolved time course of the longitudinal relaxation process, or equivalently, a spatially resolved map of the longitudinal relaxation time T1.
In its fastest implementation, the MAP algorithm enables the reconstruction of a T1 map from a radial gradient echo dataset acquired within only a few seconds after magnetization preparation, while the acquisition time of conventional T1 mapping techniques typically lies in the range of a few minutes. After validation of the MAP algorithm for two different types of magnetization preparation (saturation recovery & inversion recovery), the developed algorithm was applied in different areas of preclinical and clinical MRI and possible advantages and disadvantages were evaluated.
N2 - Im Rahmen dieser Arbeit wurde ein modellbasiertes Verfahren namens MAP (engl. Model-based Acceleration of Parameter mapping) für die Bestimmung des T1-Gewebeparameters mittels Magnetresonanztomographie (MRT) entwickelt. Dieser iterative Algorithmus verwendet das Vorwissen über den nach einer Magnetisierungspräparation zu erwartenden Signalverlauf, um aus einer im Anschluss an eine initiale Präparation aufgenommene zeitliche Serie stark unterabgetasteter k-Räume eine Serie voll abgetasteter k-Räume zu generieren.Eine Fourier-Transformation dieser Serie in den Bildraum zeigt den örtlich aufgelösten zeitlichen Verlauf der longitudinalen Relaxation, was eine Kartierung des Gewebeparameters T1 ermöglicht.
In seiner schnellsten Form ermöglicht dieses Verfahren die Rekonstruktion einer T1-Karte aus einem innerhalb weniger Sekunden nach einer passenden Magnetisierungspräparation aufgenommenen radialen Gradienten-Echo-Datensatz, während die Messdauer herkömmlich verwendeter T1-Bestimmungstechniken üblicherweise im Bereich von einigen Minuten liegt. Nach der Validierung des MAP-Algorithmus für zwei unterschiedliche Arten der Magnetisierungspräparation (Sättigungspräparation, Inversion) wurde die entwickelte Technik im Rahmen dieser Arbeit in verschiedenen Bereichen der präklinischen und klinischen MRT angewendet und mögliche Vor- und Nachteile untersucht.
KW - Kernspintomographie
KW - Radiologische Diagnostik
KW - Bildgebendes Verfahren
KW - Magnetic Resonance Relaxometry
KW - Magnetresonanz-Relaxometrie
KW - Model Based Reconstruction Algorithms in Magnetic Resonance Imaging
KW - Modellbasierte-Rekonstruktionsalgorithmen in der Magnetresonanztomografie
KW - Relaxation Parameter Mapping in Magnetic Resonance Imaging
KW - Bestimmung des Relaxations-Parameters in der Magnetresonanztomografie
Y1 - 2014
U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-109774
ER -
TY - THES
A1 - Oechsner, Markus
T1 - Morphologische und funktionelle 1H-Magnetresonanztomographie der menschlichen Lunge bei 0.2 und 1.5 Tesla
T1 - Morphological and functional 1H magnetic resonance tomography of the human lung at 0.2 and 1.5 tesla
N2 - Das Ziel dieser Arbeit war es, Methoden und Techniken für die morphologische und funktionelle Bildgebung der menschlichen Lunge mittels Kernspintomographie bei Feldstärken von 0,2 Tesla und 1,5 Tesla zu entwickeln und zu optimieren. Bei 0,2 Tesla wurde mittels der gemessenen Relaxationszeiten T1 und T2* eine 2D und eine 3D FLASH Sequenz zur Untersuchung der Lungenmorphologie optimiert. Sauerstoffgestützte Messungen der Relaxationszeiten T1 und T2* sowie eine SpinLabeling Sequenz liefern funktionelle Informationen über den Sauerstofftransfer und die Perfusion der Lungen. Bei 1,5 Tesla wurde die Lungenperfusion mittels MR-Kontrastmittel mit einer 2D und einer 3D Sequenz unter Verwendung der Präbolus Technik quantifiziert. Zudem wurden zwei MR-Navigationstechniken entwickelt, die es ermöglichen Lungenuntersuchungen unter freier Atmung durchzuführen und aus den Daten artefaktfreie Bilder zu rekonstruieren. Diese Techniken können in verschiedenste Sequenzen für die Lungenbildgebung implementiert werden, ohne dass die Messzeit dadurch signifikant verlängert wird.
N2 - The purpose of this thesis was to make a contribution to the development of lung MRI. While we developed and implemented new sequences and procedures both in the area of low-field MRI (0.2 Tesla) and 1.5 Tesla, we also took existing technologies into account by modifying and optimizing them for the working conditions at hand. In the process, we focused on techniques for both morphological and functional examination of the lung. Lung scans using an open 0.2 Tesla tomograph were an important component of this. Our first objective was to develop various methods for morphological and functional lung MRI, adapt them to altered conditions and further optimize them. The second objective was to contribute more in-depth research of contrast agent-based quantification of lung perfusion for the clinical standard of 1.5 Tesla. Additionally, we developed navigation methods which allow for scans of the lung under conditions of free breathing and without the use of external measurement devices.
KW - NMR-Bildgebung
KW - Lunge
KW - 0.2 Tesla
KW - Sauerstoff
KW - Präbolus
KW - Perfusion
KW - freie Atmung
KW - Navigator
KW - Bilderzeugung
KW - Bildgebendes Verfahren
KW - oxygen-enhanced
KW - spin labeling
KW - contrast-enhanced
KW - prebolus
KW - free respiration
Y1 - 2011
U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-66942
ER -
TY - THES
A1 - Seiberlich, Nicole
T1 - Advances in Non-Cartesian Parallel Magnetic Resonance Imaging using the GRAPPA Operator
T1 - Fortschritte in der nicht-kartesischen parallelen Magnetresonanztomographie mittels des GRAPPA-Operators
N2 - Magnetic Resonance Imaging (MRI) is an imaging modality which provides anatomical or functional images of the human body with variable contrasts in an arbitrarily positioned slice without the need for ionizing radiation. In MRI, data are not acquired directly, but in the reciprocal image space (otherwise known as k-space) through the application of spatially variable magnetic field gradients. The k-space is made up of a grid of data points which are generally acquired in a line-by-line fashion (Cartesian imaging). After the acquisition, the k-space data are transformed into the image domain using the Fast Fourier Transformation (FFT). However, the acquisition of data is not limited to the rectilinear Cartesian sampling scheme described above. Non-Cartesian acquisitions, where the data are collected along exotic trajectories, such as radial and spiral, have been shown to be beneficial in a number of applications. However, despite their additional properties and potential advantages, working with non-Cartesian data can be complicated. The primary difficulty is that non-Cartesian trajectories are made up of points which do not fall on a Cartesian grid, and a simple and fast FFT algorithm cannot be employed to reconstruct images from non-Cartesian data. In order to create an image, the non-Cartesian data are generally resampled on a Cartesian grid, an operation known as gridding, before the FFT is performed. Another challenge for non-Cartesian imaging is the combination of unusual trajectories with parallel imaging. This thesis has presented several new non-Cartesian parallel imaging methods which simplify both gridding and the reconstruction of images from undersampled data. In Chapter 4, a novel approach which uses the concepts of parallel imaging to grid data sampled along a non-Cartesian trajectory called GRAPPA Operator Gridding (GROG) is described. GROG shifts any acquired k-space data point to its nearest Cartesian location, thereby converting non-Cartesian to Cartesian data. The only requirements for GROG are a multi-channel acquisition and a calibration dataset for the determination of the GROG weights. Chapter 5 discusses an extension of GRAPPA Operator Gridding, namely Self-Calibrating GRAPPA Operator Gridding (SC-GROG). SC-GROG is a method by which non-Cartesian data can be gridded using spatial information from a multi-channel coil array without the need for an additional calibration dataset, as required in standard GROG. Although GROG can be used to grid undersampled datasets, it is important to note that this method uses parallel imaging only for gridding, and not to reconstruct artifact-free images from undersampled data. Chapter 6 introduces a simple, novel method for performing modified Cartesian GRAPPA reconstructions on undersampled non-Cartesian k-space data gridded using GROG to arrive at a non-aliased image. Because the undersampled non-Cartesian data cannot be reconstructed using a single GRAPPA kernel, several Cartesian patterns are selected for the reconstruction. Finally, Chapter 7 discusses a novel method of using GROG to mimic the bunched phase encoding acquisition (BPE) scheme. In MRI, it is generally assumed that an artifact-free image can be reconstructed only from sampled points which fulfill the Nyquist criterion. However, the BPE reconstruction is based on the Generalized Sampling Theorem of Papoulis, which states that a continuous signal can be reconstructed from sampled points as long as the points are on average sampled at the Nyquist frequency. A novel method of generating the “bunched” data using GRAPPA Operator Gridding (GROG), which shifts datapoints by small distances in k-space using the GRAPPA Operator instead of employing zig-zag shaped gradients, is presented in this chapter. With the conjugate gradient reconstruction method, these additional “bunched” points can then be used to reconstruct an artifact-free image from undersampled data. This method is referred to as GROG-facilitated Bunched Phase Encoding, or GROG-BPE.
N2 - Die Magnetresonanztomographie (MRT) ist ein nichtinvasives bildgebendes Verfahren ohne Strahlenbelastung und eignet sich zur biomedizinischen Darstellung verschiedener Gewebetypen mit hoher räumlicher Auflösung und sehr gutem Kontrastverhalten. In der MRT erfolgt die Datenaufnahme im reziproken Bildraum – auch k-Raum genannt - welcher typischerweise entlang eines diskreten kartesischen Gitters abgetastet wird. Ein Bild erhält man schließlich durch eine schnelle Fouriertransformation der aufgenommenen k-Raum-Daten. Neben den kartesischen Akquisitionsschemata haben sich in den letzten Jahren auch vereinzelt nichtkartesische MRT-Verfahren in der klinischen Routine durchgesetzt. Solche nichtkartesischen Trajektorien erreichen eine hohe Abtasteffizienz, was zu einer Verkürzung der Messzeit führt. Die Schwierigkeit im Umgang mit nichtkartesischen Trajektorien liegt vor allem in der Tatsache begründet, dass nichtkartesisch akquirierte Datensätze vor Anwendung der schnellen Fouriertransformation auf ein kartesisches Gitter transformiert werden müssen („Gridding“). Hierzu gibt es eine Vielzahl von Verfahren, die von zahlreichen Parametern abhängen, womit ein hoher Aufwand und hohe Fehleranfälligkeit verbunden sind. Ein weiterer Nachteil dieser Gridding-Methoden ist, dass sie auf unvollständig aufgenommene Datensätze nicht angewendet werden können. Alternativ zu den konventionellen MR-Verfahren haben sich in den letzten Jahren die sogenannten parallelen Bildgebungsmethoden (beispielsweise SENSE oder GRAPPA) in der klinischen MRT etabliert, die mittlerweile von nahezu allen Herstellerfirmen kommerziell zur Verfügung gestellt werden. Die parallele Bildgebung erlaubt es, die Bildmesszeiten um einen Faktor 2 bis 4 zu verkürzen und lässt sich prinzipiell auf jede beliebige Bilgebungsmethode anwenden ohne dabei das Kontrastverhalten zu beeinflussen. In der klinischen Routine ist diese Technik allerdings lediglich auf kartesische MRT-Verfahren beschränkt, und es ist bisher noch nicht gelungen, die Vorteile der nichtkartesischen MRT-Verfahren optimal mit den Leistungsmerkmalen der parallelen MRT zu verknüpfen. Ziel dieser Arbeit war es, neue und effiziente Strategien zu entwickeln, um die nichtkartesische Magnetresonanztomographie für ein breiteres Anwendungsspektrum in der klinischen Praxis zu etablieren. Neben der Rekonstruktion von herkömmlich aufgenommenen nichtkartesischen Datensätzen sollten auch Verfahren entwickelt werden, die eine Kombination mit Messzeitverkürzungen durch parallele MRT-Verfahren erlauben. In Kapitel 4 wird ein neues paralleles Bildgebungsverfahren zum Gridding nichtkartesischer Datensätze namens „GRAPPA Operator Gridding“ (GROG) vorgestellt. GROG benutzt GRAPPA-ähnliche Gewichtungsfaktoren, um die nichtkartesischen Punkte auf ein kartesisches Gitter zu schieben. Im Gegensatz zu anderen Gridding-Methoden (wie beispielsweise dem „Convolution-Gridding“) werden bei der Anwendung von GROG Parameter wie Faltungskerne, Regularisierungswerte oder Funktionen nicht benötigt. Dies führt nicht nur zu einer erheblichen Vereinfachung des Griddingprozesses, sondern auch zur deutlichen Reduktion der Rechenoperationen. In Kapitel 5 wird eine Erweiterung des GROG-Algorithmus vorgestellt, welche ohne Kalibrierungsdatensätze auskommt („Self-Calibrating GROG“, SC-GROG). Die Gewichtungsfaktoren für die Verschiebungen der Datenpunkte werden in dieser Methode aus den akquirierten Punkten selbst gewonnen. Die erste Anwendung von GROG zur Vereinfachung der Rekonstruktion unvollständig aufgenommener nichtkartesischer Datensätze ist in Kapitel 6 beschrieben. Die Verwendung von GROG zur Transformation der unvollständig aufgenommenen nichtkartesischen Daten auf ein kartesisches Gitter erlaubt es, anschließend einen modifizierten GRAPPA-Algorithmus anzuwenden, und somit nichtkartesische Datensätze aus beschleunigten Experimenten zu rekonstruieren. Schließlich wurde GROG in Kapitel 7 auf die „Bunched Phase Encoding“ (BPE)-Methode angewendet. Bereits zuvor wurde gezeigt, dass das BPE-Verfahren in Verbindung mit einem „Conjugate Gradient“ Rekonstruktionsverfahren eine deutliche Verkürzung der Messzeit gestattet. Basierend auf dem verallgemeinerten Abtasttheorem nach Papoulis werden die Daten bei diesem Verfahren entlang einer extrem schnell oszillierenden Trajektorie aufgenommen. Nach Papoulis ermöglicht die lokal höhere Datendichte eine artefaktfreie Bildrekonstruktion trotz Unterabtastung in anderen k-Raumbereichen. Allerdings werden dabei erhebliche Ansprüche an die Gradienten-Hardware des Tomographen gestellt, wodurch das Konzept auf geringe Beschleunigungsfaktoren beschränkt wird. Im Rahmen dieser Arbeit konnte jedoch gezeigt werden, dass es möglich ist, auf dieses aufwändige Abtastschema zu verzichten, indem lediglich entlang einer regulären nicht-oszillierenden Trajektorie akquiriert wird und die höhere Datendichte nachträglich mittels GROG erreicht wird (GROG-BPE).
KW - NMR-Tomographie
KW - Bildgebendes Verfahren
KW - Parallele Bildgebung
KW - nicht-kartesische Bildgebung
KW - Magnetic Resonance Imaging
KW - Parallel Imaging
KW - non-Cartesian Imaging
KW - Image Reconstruction
Y1 - 2008
U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-28321
ER -
TY - THES
A1 - Pracht, Eberhard
T1 - Entwicklung und Optimierung von Bildgebungssequenzen für die 1H-Magnetresonanztomographie der Lunge
N2 - No abstract available
KW - NMR-Tomographie
KW - Bildgebendes Verfahren
KW - NMR-Bildgebung
KW - Sequenzentwicklung
KW - Lungenfunktion
KW - Imaging
KW - Magnetic Resonance
KW - Lung Function
Y1 - 2007
U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-26398
ER -