Zvýšení rozlišení perfúzního zobrazování magnetickou rezonancí pomocí komprimovaného snímání

Abstract

Perfúzní zobrazování v magnetické rezonanci je lékařská diagnostická metoda, která vyžaduje vysoké prostorové i časové rozlišení. Toto vysoké rozlišení je důležité proto, aby bylo možné zachytit dynamiku nitrožilně podané kontrastní látky, která se pro měření perfúze používá. Magnetická rezonance má však svá fyzikální omezení, která nedovolují dosáhnutí současně vysokého časového i prostorového rozlišení. Práce se zabývá komprimovaným snímáním, které umožňuje rekonstrukci obrazu i z relativně malého počtu naměřených dat (pod Nyquistovým kritériem), zatímco rozlišení potřebné k perfúzní analýze se zvýší. Toho lze dosáhnout pomocí vhodně navržených apriorních informací o snímaných datech a sestavení modelu. Rekonstrukce pak probíhá jako optimalizační problém. Dizertační práce přináší několik nových rekonstrukčních modelů, dále navrhuje metodu, jak zmenšit vychýlenost těchto odhadů, a zkoumá vliv komprimovaného snímání na perfúzní parametry. Celá práce je zakončena rozšířením komprimovaného snímání na trojrozměrná data, u kterých je rovněž popsán vliv rekonstrukce na perfúzní parametry. Celkově práce ukazuje, že díky komprimovanému snímání je možné zvýšit buď časové rozlišení při ponechání prostorového rozlišení, nebo při ponechání časového rozlišení lze zvýšit prostorové rozlišení.Perfusion magnetic resonance imaging is a medical diagnostic method which requires high spatial and temporal resolution simultaneously to capture dynamics of an intravenous contrast agent which is used to perfusion measurement. However, magnetic resonance imaging has physical limits which do not allow to have this resolution simultaneously. This thesis deals with compressed sensing which enables to reconstruct measured data from relatively few acquired samples (below Nyquist rate) while resolution required to perfusion analysis is increased. This aim could be achieved with suitably proposed apriory information about sensed data and model proposal. The reconstruction is then done as an optimization problem. Doctoral thesis brings several new reconstruction models, further proposes method to debias this estimates and examines influence of compressed sensing onto perfusion parameters. Whole thesis is ended with extension of compressed sensing into three-dimensional data. Here, the influence of reconstruction onto perfusion parameters is also described. In summary, the thesis shows that due to compressed sensing, temporal resolution can be increased with the fixed spatial resolution or spatial resolution can be increased with the fixed temporal resolution.