In der Magnetresonanz-Spektroskopiebildgebung (MRSI) führen Inhomogenitäten im statischen Magnetfeld (B0) zu einer Verschlechterung der spektralen Qualität. Das Ziel dieser Diplomarbeit war es deshalb eine Nachverarbeitungsmethode zu implementieren, welche die spektrale Qualität durch zusätzlich akquirierte hochaufgelöste B0 Bilder verbessert. Hierfür wurden zwei Methoden implementiert. Die erste Methode basiert auf einer B0 Korrektur mittels überdiskretisierter MRSI (odMRSI) Rekonstruktion, in welcher die MRSI Datensätze im k-Raum durch Zerofilling interpoliert werden, sodass sie der Auflösung der B0 Inhomogenitätsbilder entsprechen. Nach der B0 Korrektur werden die Subvoxel der interpolierten MRSI Daten gemittelt, sodass die ursprüngliche Auflösung wieder erreicht wird. Die zweite Methode, genannt Spectral Resolution Amelioration by Deconvolution (SPREAD), schlägt vor, dass die Profile der spektralen Resonanzen in jedem Voxel durch eine zusätzliche B0 Map abgeschätzt werden und die im orginalen MRSI Datensat gemessenen spektralen Resonanzlinien simuliert werden können. Dann kann eine spektrale Entfaltung in der Time Domain durchgeführt werden zwischen den gemessenen MRSI Daten und den Simulierten Profilen der Resonanzen. odMRSI Rekonstruktion erhöht hauptsächlich das Signal-zu-Rausch (SNR) Verhältnis durch Entkoppelung des spektralen Rauschens zwischen den Subspektren wähend des Interpolationsschrittes. SPREAD erhöht die spektrale Auflösung durch Reduktion der spektralen Linienbreite, welche durch B0 Inhomogenitäten verursacht wird. Beide Methoden wurden zuerst in Simulationen validiert und dann auf Phantom und in vivo Daten angewendet. Eine wesentliche Verbesserung der spektralen Qualität wäre deshalb ein wertvoller Teil der bereits etablierten Nachbearbeitungspipeline. Letztendlich, kann ein höheres SNR in eine Reduktion der Messzeit, höhere spektrale Auflösung oder für eine zuverlässigere Detektierung von niedrig konzentrierten Metaboliten umgewandelt werden. Unsere Ergebnisse validieren frühere Ergebnisse die eine Verbesserung der spektralen Eigenschaften (höheres SNR) durch odMRSI beobachtet haben. odMRSI Rekonstruktion war robust gegen Einflüsse durch niedriges SNR und kann ebenso auf Frequenzshiftmaps, welche aus den MRSI Daten selbst gewonnen werden, basieren. Das heisst, dass odMRSI ohne zusätzliche Messzeit angewendet werden kann. Allerdings konnte diese Verbesserung in der spektralen Qualität nicht in bessere Metabolitenkarten , welche durch spektrale Quantifizierung gewonnen werden, umgewandelt werden. Stattdessen lässt dies darauf schliessen, dass die Verbesserung der spektralen Eigenschaften lediglich 'kosmetisch' sind. Im Gegensatz dazu war SPREAD in der Lage die spektralen Eigenschaften nur dann zu verbessern, wenn bereits ein hohes SNR vorhanden war, was in der klinischen Realität kaum der Fall ist. Basierend darauf können wir rückschliessen, dass sowohl SPREAD als auch odMRSI Rekonstruktion nicht in der Lage sind in einem (klinischen) In vivo Setting Metbolitenkarten von höherer Qualität zu liefern.
de
In Magnetic Resonance Spectroscopic Imaging (MRSI) inhomogeneities of the static magnetic field (B0) cause degradation of spectral quality. The aim of the thesis is to implement post processing methods to improve spectral quality by using additionally acquired high resolution B0 maps. For this purpose two methods were implemented. The first method suggests B0 correction in Overdiscrete MRSI (odMRSI) reconstruction in which the MRSI dataset is interpolated by k-space zero filling to match the resolution of the B0 inhomogeneity map. After the B0 correction the subvoxels of the interpolated MRSI data are averaged to reach the initial resolution. The second method, called Spectral Resolution Amelioration by Deconvolution (SPREAD), suggests to estimate lineshape profiles of each voxel from the B0 inhomogeneities map and to simulate the acquisition of the lineshape profiles at the resolution of the original MRSI dataset. Then spectral deconvolution in time domain is performed between the measured MRSI data and the simulated lineshape profiles. odMRSI reconstruction mainly increases the signal-to-noise ratio (SNR) by decorrelating the spectral noise between subspectra in the interpolation step. SPREAD increases spectral Resolution by reduction of linebroadening caused by B0 inhomogeneities. Both methods were first validated in simulations and then applied on phantom and in-vivo data. If the outputs of the two methods improve spectral quality significantly they can be used as valuable part of the established postprocessing pipeline. Ultimately, increased SNR can be traded for reduced acquisition time, higher spatial resolutions or to detect low abundant metabolites more confidently. Our results validated a previous report that odMRSI improved the spectral properties (higher SNR). odMRSI reconstruction was robust against influences from low SNR and can be even based on the shifts maps obtained from MRSI data themselves. This means that the odMRSI can be applied with no additional acquisition time. However, this spectral quality improvement was not translated into better metabolic maps as obtained via spectral quantification. Rather this suggests that the improvement of the spectral properties is just 'cosmetic' . In contrast, SPREAD was capable to improve spectral properties only in a situation with high SNR, which is not present in clinical reality. Based on this we conclude that both SPREAD and odMRSI reconstruction are both not able to provide metabolic maps of improved quality in a (clinical) in vivo Setting.
