Coregistration and Distortion Correction in MRI Breast Imaging

Abstract

Brustkrebs ist die häufigste Krebsart bei Frauen und die weltweit häufigste krebsbedingte Todesursache bei Frauen. Die Magnetresonanztomographie (MRT), einschließlich der diffussionsgewichteten Bildgebung (DWI) und der dynamischen kontrastmittelverstärkten Magnetresonanztomographie (DCE-MRT), ist heutzutage ein wesentlicher Bestandteil der modernen Brustbildgebung. Diese Methoden liefern ergänzende Informationen, die zur Unterscheidung von gutartigen und bösartigen Läsionen genutzt werden können. Beide Methoden sind jedoch von Bildartefakten betroffen. DWI ist anfällig für geometrische Verzerrungen, die zu einer räumlichen Differenz zwischen funktionellen Diffusionsdaten und anatomischer Referenzdaten führt, während DCE-MRT empfindlich auf Bewegungen der Patienten während der Untersuchung reagiert, was zu einer verminderten Subtraktionsbildqualität führt. Zudem wird der direkte Vergleich von Diffusionsdaten und anatomischen Daten durch die unterschiedlichen Bildauflösungen und Bilddimensionen erschwert. Obwohl Methoden zur Reduzierung dieser Artefakte in DWI und DCE-MRT der Brust existieren, werden sie nicht routinemäßig online am MR-Scanner angewendet. Klinische Relevanz verlangt, dass diese Methoden online ausgeführt werden, um eine zeitnahe Bildverfügbarkeit und eine nahtlose Integration in den klinischen Arbeitsablauf zu gewährleisten. Das Ziel dieser Arbeit war die Entwicklung einer Online-Pipeline zur Bildrekonstruktion und Bildverarbeitung mit folgenden drei Hauptfunktionen: I) Verzerrungskorrektur von DWI-Bildern mit TOPUP, um geometrische Verzerrungen zu reduzieren. II) Registrierung von T1-gewichteten Bildern in der DCE-MRT mit der in FSL implementierten Registrierungssoftware FLIRT, um die Auswirkungen von Patientenbewegung auf die Homogenität der Subtraktionsbilder zu mindern. III) Registrierung von bereits verzerrungskorrigierten DWI-Bildern und anatomischen T1-gewichteten Referenzbildern, um die räumliche Übereinstimmung von Diffusionsdaten und anatomischen Daten zu verbessern. Die Pipeline wurde im „Framework for Image Reconstruction Environments (FIRE)“ entwickelt (bereitgestellt vom MRT-Anbieter: Siemens Healthineers, Erlangen, DE), um in isolierten, containerisierten Umgebungen in Echtzeit auf dem MR-Scanner ausgeführt zu werden. Die Verwendung von FIRE anstelle einer direkten Implementierung in einer alternativen Entwicklungsumgebung desselben Anbieters („Image Calculation Environment“, kurz: ICE) wurde durch die Anforderung nach externer Softwareintegration und Datenaustausch zwischen mehreren Aufnahmen motiviert, da dies zum Zeitpunkt dieses Projekts in ICE nicht möglich ist. Die entwickelten Methoden wurden mithilfe von Phantom-Messungen und in-vivo Messungen von gesunden Probanden, die bei 3 Tesla erhoben wurden, bewertet. Die Beurteilung der Bilder fiel qualitativ aus, da das Hauptaugenmerk bei der Entwicklung auf der grundlegenden Funktionalität lag und nicht auf der Optimierung der zugrunde liegenden Algorithmen für die Bildqualität. Die implementierte Verzerrungskorrektur reduzierte geometrische Verzerrungen in der DWI und verbesserte somit die räumliche Übereinstimmung von Diffussionsbildern und anatomischen Referenzbildern. Die Registrierungsmethoden verbesserten die räumliche Korrespondenz von DCE-MRT und steigerten somit die Qualität der Subtraktionsbilder. Die Kombination aus Verzerrungskorrektur der DWI und anschließender Registrierung zu anatomischen Bildern verbesserte die räumliche Übereinstimmung von DWI und T1-gewichteten anatomischen Bildern. Die implementierte Pipeline funktionierte fehlerfrei auf dem Bildrekonstruktionscomputer des MR-Scanners. Zusammenfassend lässt sich sagen, dass die Algorithmen zur Verzerrungskorrektur und Bildregistrierung erfolgreich in FIRE implementiert und online auf dem MR-Scanner ausgeführt wurden. Dies demonstriert das Potential dieser Methoden zur Verbesserung der Brust-MRT. Darüber hinaus schafft diese Arbeit eine Umgebung für individuelle Bildrekonstruktions- und Bildverarbeitungs-Pipelines direkt auf dem MR-Scanner und bildet somit eine Grundlage für die Entwicklung fortschrittlicher Bildrekonstruktions- und Echtzeit-Bildverarbeitungs-Pipelines in der Zukunft.

Breast cancer is the most common type of cancer in women and the leading cause of cancer-related mortality among women worldwide. Magnetic Resonance Imaging (MRI), including Diffusion-Weighted Imaging (DWI) and Dynamic Contrast-Enhanced Magnetic Resonance Imaging (DCE-MRI), has become an essential part of breast imaging today. While these methods provide complementary tissue information, which can be used to differentiate between benign and malignant lesions, they both are affected by imaging artefacts. DWI is prone to geometric distortions, resulting in spatial misalignment of functional diffusion data and anatomical reference data [SR3.1]while DCE-MRI is sensitive to motion of the subject during the scan, leading to reduced subtraction map quality. Additionally, differences in image resolution and dimensions of DWI and anatomical reference scans complicate the direct comparison of diffusion and anatomical data. Although methods for mitigating these artefacts in DWI and DCE-MRI in the breast exist, they are not routinely applied online on the MR scanner in breast MRI. To be clinically useful, these methods need to be executed online to ensure timely image availability and seamless integration into the clinical workflow. The aim of this project [SR4.1]was to develop a custom online reconstruction and processing pipeline with three main processing functions: I) Distortion correction of DWI with TOPUP to mitigate the effect of geometric distortions. II) Registration of T1-weighted images for DCE-MRI with a registration software tool called FLIRT[SR5.1], implemented in FSL, to mitigate the impact of subject motion on subtraction map homogeneity. III) Registration of distortion corrected DWI to anatomical T1-weighted reference images to improve the spatial correspondence of diffusion data and anatomical data. The processing pipeline was developed in the Framework for Image Reconstruction Environments (FIRE) offered by the MRI vendor (Siemens Healthineers, Erlangen, DE) to be executed in real time on the MR scanner in isolated containerized environments. The use of FIRE, rather than a direct implementation in an alternative development framework by the same vendor, the Image Calculation Environment (ICE), was motivated by the requirement for external software integration and data sharing between multiple acquisitions, which is currently not supported in ICE.The methods developed were evaluated using phantom measurements and data acquired with healthy human subject at 3T. The images were assessed qualitatively, as the focus of development was to establish core functionality rather than to optimize the underlying algorithms for image quality. Distortion correction consistently reduced geometric distortions in DWI, resulting in improved spatial alignment of functional diffusion data and anatomical data. The implementation of registration methods increased the spatial alignment of DCE-MRI, thereby enhancing the quality of subtraction maps. The combination of distortion correction on DWI and subsequent registration to anatomical images improved the spatial alignment of DWI with T1-weighted anatomical scans. The implemented reconstruction and processing pipeline executed without errors on the MR scanner’s image reconstruction computer. In conclusion, distortion correction and registration algorithms were successfully implemented in FIRE and executed online on the MR scanner, demonstrating their potential to improve breast MRI. Additionally, this work establishes a functional environment for custom image reconstruction and processing pipelines directly on the scanner, providing a foundation for the development of advanced image reconstruction and real-time processing pipelines in the future.