Titelaufnahme

Titel
Influence of sequence protocol variations on MR image texture at 3.0 Tesla : implications for texture-based pattern classification in a clinical setting / written by Marius E. Mayerhöfer
VerfasserMayerhöfer, Marius Erik
Begutachter / BegutachterinTrattnig, Siegfried
Erschienen2010
Umfang107 Bl. : Ill., graph. Darst.
HochschulschriftWien, Med. Univ., Diss., 2010
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)Magnetresonanztomographie / Texturanalyse / Leberläsion / Hämangiom / Zyste / Mustererkennung
Schlagwörter (EN)Magnetic resonance imaging / Texture analysis / liver lesions / Hemangioma / Cyst / Pattern recognition
URNurn:nbn:at:at-ubmuw:1-8381 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Influence of sequence protocol variations on MR image texture at 3.0 Tesla [2.67 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Ziel des Studienprojektes war es, (1) die Sensitivität quantitativer Texturcharakteristika unterschiedlicher Kategorien gegenüber klinisch relevanten Änderungen der MR Sequenzparameter NA (Anzahl der Akquisitionen), TR (Repetitionszeit), TE (Echozeit) und SBW (Signalabtastungsfrequenz) bei unterschiedlicher räumlicher Auflösung zu bestimmen, (2) zu untersuchen, ob eine Interpolation von MR-Bildern auf Pixel- oder k-Raum-Basis Texturunterschiede zwischen morphologisch unterschiedlichen Geweben verstärken kann, und (3) die Durchführbarkeit einer Textur-basierten Klassifikation von Leberzysten und -hämangiomen auf nativen T1- und T2-gewichteten Standard-MR-Aufnahmen zu untersuchen.

Sämtliche Experimente wurden bei einer Magnetfeldstärke von 3 Tesla durchgeführt. Um die Sensitivität der Texturcharakteristika und den Effekt einer Bild-Interpolation zu ermitteln, wurden PSAG (Poly-Styrol Agar-Gel)-Phantome, bestehend aus Styroporkügelchen (Durchmesser 0,8 bis 3,15 mm) und Agar-Gel, sowie eine spezielle MR-Mikroskopiespule für die Akquisition hochauflösender, T2-gewichteter MSME Sequenzen verwendet.

Die Ergebnisse dieser Experimente zeigen, dass die Sensitivität der Texturcharakteristika aller Kategorien gegenüber Änderungen von NA, TR, TE und SBW deutlich ist und mit zunehmender Auflösung ansteigt.

Andererseits hat diese Sensitivität keinen wesentlichen Einfluss auf die Ergebnisse der computergestützten Mustererkennung, solange die Auflösung ausreichend hoch ist. Falls die Datensätze heterogen hinsichtlich ihrer Sequenzparameter sind, empfehlen sich vor allem von der "Co-occurrence Matrix" abgeleitete Texturcharakteristika für die Musterklassifikation.

Eine Interpolation von MR-Bildern kann die Resultate der Mustererkennung verbessern, zumindest wenn sie auf Texturcharakteristika der "Co-occurrence Matrix", "Run-length Matrix", oder des "Absoluten Gradienten" beruht. Sofern die Grundauflösung ausreicht, ist die sogenannte "Zero-fill" Interpolation im k-Raum die Methode der Wahl.

Entsprechend wurde die texturbasierte Klassifikation von Leberzysten und -hämangiomen auch anhand derartig interpolierter MR-Bilder durchgeführt.

Unsere vorläufigen Resultate zeigen, dass eine suffiziente Klassifikation von Leberzysten und Hämangiomen auf der Basis dieser MR-Bilder möglich ist. Somit erscheinen weitere Studien, welche eine texturbasierte Klassifikation anderer Lebertumore (hepatozelluläres oder cholangiozelluläres Karzinom, oder Metastasen) zum Ziel haben, gerechtfertigt.

Zusammenfassung (Englisch)

The purpose of our study project was to (1) investigate the sensitivity of quantitative texture features of different categories to clinically feasible variations of NA (number of acquisitions), TR (repetition time), TE (echo time), and SBW (sampling bandwidth), and the dependence of such sensitivity on the spatial resolution; (2) determine whether MR image interpolation at the pixel or k-space level can enhance textural differences between tissues with physically different patterns; and (3) assess the feasibility of texture analysis for classification of liver cysts and hemangiomas on routine, non-enhanced T1- and T2-weighted MR images, respectively, at 3.0 Tesla. To determine the sensitivities of texture features, as well as the effects of MR image interpolation, we used PSAG (polystyrene spheres and agar gel) phantoms with different sphere sizes, ranging from 0.8 to 3.15 mm, as test objects, and a micro-imaging gradient insert for acquisition of high-resolution, T2-weighted MSME sequences. The results of these experiments clearly show that, although texture features of all categories are increasingly sensitive to acquisition parameter variations with increasing spatial resolution, variations of NA, TR, TE, and SBW have little effect on the results of pattern discrimination, as long as the resolution is sufficiently high. Co-occurrence matrix features are particularly useful for pattern discrimination if datasets are heterogeneous with regard to different acquisition parameters, including spatial resolution. MR image interpolation can improve the results of pattern classification, at least based on texture features derived from the co-occurrence matrix, run-length matrix, or absolute gradient. Unless spatial resolution is very poor, zero-filling is the interpolation technique of choice. For this reason, zero-fill interpolation was used to enhance texture-based pattern classification of liver cysts and hemangiomas using routine, zero-fill interpolated MR images. Our preliminary study results suggest that, using these resolution-enhanced images, texture-based pattern classification of liver cysts and hemangiomas is feasible. Thus, further studies are warranted to investigate the value of texture-based classification of other liver tumors, such as hepatocellular and cholangiocellular carcinoma, or metastases, on MRI.