Titelaufnahme

Titel
Quantification in short echo-time magnetic resonance spectroscopic imaging at 7 Tesla in healthy and diseased brain
Verfasser / VerfasserinPovazan, Michal
Betreuer / BetreuerinBogner, Wolfgang
Erschienen2017
Umfangxvii, 142 Blatt
HochschulschriftWien, Univ., Diss., 2017
Anmerkung
Arbeit an der Bibliothek noch nicht eingelangt - Daten nicht geprüft
Datum der AbgabeMärz 2017
SpracheEnglisch
DokumenttypDissertation
Schlagwörter (DE)magnetic resonance / MRSI / Quantifizierung / ultra-high field / Makromolekülen / post-processing
Schlagwörter (EN)magnetic resonance / MRSI / quantification / ultra-high field / 7T / macromolecules / post-processing
URNurn:nbn:at:at-ubmuw:1-10193 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Quantification in short echo-time magnetic resonance spectroscopic imaging at 7 Tesla in healthy and diseased brain [16.97 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

1H Magnetic Resonance Spectroscopic Imaging (MRSI) ist eine nichtinvasive Methode die Prinzipen von Magnetic Resonance Spectroscopy (MRS) und Magnetic Resonance Imaging (MRI) miteinander verbindet. Dies erlaubt es, direkte Einblick in die biochemischen Prozesse in Menschen und Tieren zu nehmen.

Alle MR-Methoden leiden unter relativ geringer Sensitivität, da nur ein Bruchteil der 1 H-Kerne zum messbaren MR-Signal beiträgt. Daraus ergibt sich, dass die räumliche und zeitliche Auflösung jeder MR-Messung von dem Signal-zu-Rauschen-Verhältnis (SNR) abhängt. SNR nimmt generell mit höheren Feldstärken (B0) zu, ein Umstand der in den letzten Jahren zu einem Trend in Richtung Ultra-High Field (UHF, i.e. 7T) MR Systemen geführt hat.

1 H-MRSI des Gehirns kann von UHF profitieren, benötigt aber neue Ansätze, um die technischen Herausforderungen, die sich mit den höheren Feldstärken ergeben, zu lösen.

1H-MRSI Sequenzen mit direkter FID-Akquisition (FID-MRSI) wurden vorgeschlagen um den Signalverlust zu reduzieren und um die Auflösung zu erhöhen. Obwohl sie für klinische Anwendungen vielversprechend sind ist die Quantifizierung der Resultate schwierig. Adäquate Qualitätskontrolle ist notwendig, aber die anfallenden Datenmengen sind weitaus größer als bei konventioneller MRS. Hinzu kommt dass die Metabolitensignale mit Signalen von Makromolekülen (MM) mit hohem Molekulargewicht überlappen, was die Quantifizierung verzerren kann.

Daher war es der Hauptzweck der in dieser Arbeit präsentierten Forschung, die Quantifizierung von UHF-1H-FID-MRSI zu verbessern. Die entwickelte Software kann mit minimalem Anwenderaufwand MRSI-Daten prozessieren und zuverlässige Qualitätssicherung bieten. Zusätzlich wurde selektive ignalreduktion mithilfe eines Double Inversion Recovery Moduls implementiert. Dies ermöglichte die Messung von Metabolit-freien MM-Spektren des menschlichen Gehirns, die in das Vorwissen des Fitting-Algorithmus integriert werden konnten. Dafür wurde ein durchschnittliches in vivo MM Spektrum in neun einzelne Komponenten parametrisiert. Damit war es uns zum ersten Mal möglich, die Verteilung dieser MM-Komponenten im Gehirn mit einem nominalen Voxelvolu-men von 0.1 ml als Bild darzustellen. Dieses parametrisierte MM-Modell erlaubte es ebenfalls, FID-MRSI in Multiple Sklerose-Patienten (MS) zu quantifizieren. Sonst nicht erkennbare Unterschiede in der MM-Zusammensetzung zwischen MS-Läsionen und gesundem Gewebe konnten identifiziert werden. Die Erfahrungen aus dem UHF-Bereich konnten ebenfalls für GABA-editiertes MRSI bei 3T verwendet werden.

Die Resultate dieser Arbeit erlauben es manche der Hindernisse für die Quantifizierung von FID-MRSI zu überwinden und erlauben zukünftige klinische Anwendungen. Ein universales MM-Model wurde entwickelt, um FID-MRSI Daten von gesunden und kranken menschlichen Gehirnen zu quantifizieren. Mögliche pathologische Veränderungen vonMM in MS wurden beschrieben, eine gründlichere Untersuchung ist hier jedoch noch nötig.

Zusammenfassung (Englisch)

1H magnetic resonance spectroscopic imaging (MRSI) is a non-invasive technique that merges the principles of magnetic resonance spectroscopy (MRS) and magnetic resonance imaging (MRI). It provides valuable insights into biochemical processes inside the human (or animal) body.

All MR-based techniques suffer from low sensitivity, because only a small fraction of 1H nuclei is contributing to the MR-detectable signal. In this respect, the temporal and spatial resolution of an MR experiment is always influenced by the available signal-to-noise ratio (SNR). In general, SNR increases with a higher static magnetic field (B0).

Therefore, there has been a trend towards installation of ultra-high field (UHF, i.e. B07T) MR systems.

1H-MRSI of the brain may benefit from the UHF, however novel approaches are necessary to overcome the technical challenges that arise at such high magnetic field strengths.

1H-MRSI sequences based on a direct FID acquisition (FID-MRSI) were proposed with minimal signal loss and high spatial resolution. These sequences have proved to be very promising for clinical applications, however their quantification is troublesome. An adequate quality control has to be ensured, because the amount of data to be quantified is higher compared to conventional MRS. Moreover, the signal of metabolites is overlapping with the signal of high-molecular weight macromolecules (MM) that bias their quantification. The main purpose of this thesis was to improve the quantification of 1H-FID-MRSI data measured in the brain at UHF. The developed software with minimal user interaction facilitated the post-processing and provided reliable quality assurance of the data. A double inversion recovery module was implemented into our FID-MRSI sequence in order to achieve a selective signal nulling. This enabled a detection of metabolite-free MM spectra from the human brain that were further included into the prior knowledge of the spectral fitting algorithm. Consequently, an averaged in vivo MM spectrum was parameterized into nine individual MM components. For the first time, we were able to map the individual MM contributions in the healthy human brain with a nominal voxel volume of 0.1 ml. The parameterized MM model allowed for quantification of FID-MRSI data measured from Multiple Sclerosis (MS) patients. Additionally, MM differences were found between MS lesions and healthy tissue that could not be detected without proper MM handling. The knowledge and experience from UHF was also utilized at 3T in GABA-edited MRSI.

The results presented in this work remove some of the major obstacles that hindered the quantification of FID-MRSI data and help to promote further clinical applications. A universal model of MM was created that can serve for quantification of FID-MRSI data acquired from both healthy and diseased human brain. Possible pathological changes of MM were outlined in MS. This work represents the first step for reliable quantification of the brain metabolites at UHF.