Optimierte Datenakquisition für die Compressed-Sensing-basierte Bildrekonstruktion bei Magnetic Particle Imaging (MPI)

Projekt: DFG-ProjekteDFG Einzelförderungen

Projektdaten

Projektbeschreibung

Mittels Magnetic Particle Imaging (MPI) kann eine lokale Konzentration von magnetischen Nanopartikeln quantitativ mit hoher Empfindlichkeit und mit sehr guter räumlicher Auflösung in Echtzeit dargestellt werden. Die Grundidee besteht in der Nutzung der nichtlinearen Magnetisierungscharakteristik der Partikel, die als Tracer verwendet werden. Das Verfahren nutzt dazu zwei Magnetfelder, zum einen ein statisches Selektionsfeld, zum anderen ein dynamisches Wechselfeld. Werden die Nanopartikel in das Wechselfeld gebracht, erzeugen sie eine nichtlineare Magnetisierung, die mit einer Empfangsspule gemessen werden kann. Aufgrund der Nichtlinearität enthält das gemessene Signal neben der Grundfrequenz des Wechselfelds auch Harmonische, also Schwingungen mit einem Vielfachen der Grundfrequenz. Nach Separation der Harmonischen von dem eingespeisten Grundsignal kann die Konzentration der Nanopartikel ermittelt werden. Eine örtliche Kodierung wird durch das statische Selektionsfeld erreicht. MPI hat in ersten experimentellen Studien bereits Vorteile gegenüber anderen bildgebenden Modalitäten gezeigt. Dennoch hat es sein volles Potenzial in Bezug auf die räumliche Auflösung, Signal-zu-Rausch-Verhältnis und der Messzeiten noch nicht erreicht. Es kann erwartet werden, dass jüngste Fortschritte in der Signalverarbeitung und Sampling-Theorie speziell im Bereich des Compressed Sensing (CS) zur Verbesserung der Bildqualität und Geschwindigkeit beitragen werden. Sparse-Codierung und Compressed Sensing haben bereits bei anderen Bildmodalitäten wie zum Beispiel der Magnetresonanz-Tomographie (MRT) zu deutlichen Verbesserungen gegenüber dem Stand der Wissenschaft geführt. Als geeignete Transformationen sind bisher überwiegend die Standard-Wavelet-Transformationen zum Einsatz gekommen. Zunehmend werden jedoch Transformationen gesucht, die zur Signalcharakteristik der entsprechenden Modalität passen. Dieser Weg soll auch in diesem Projekt verfolgt werden. Basierend auf den Daten einer zu entwickelnden Simulationskette und Realisierungen unterschiedlicher MPI-Scannertopologien des Instituts für Medizintechnik können mit der Expertise des Instituts für Signalverarbeitung angepasste Transformationen für das Sparse-Coding optimiert werden.

Ergebnisbericht

Zusammen mit dem Projektpartner wurden im vorliegendem Projekt grundlegende Erkenntnisse bezüglich der MPI-Bildrekonstruktion mit Compressed Sensing erlangt. Dazu wurden zunächst wichtige Strukturen geschaffen, die eine Untersuchung der Wechselwirkung zwischen Spulendesign, Bildgebungssequenz und CS-Algorithmus erlauben. Ein wichtiger zu untersuchender Aspekt lag in der Verwendung dedizierter Spulen, um eine bestmögliche räumlich-zeitliche Auflösung zu erreichen. Als Ergebnis wurden elliptische Spulen vorgeschlagen und untersucht. Weiterhin wurden verschiedene Trajektorienstudien in Hinblick auf die Verwendung von CS-Algorithmen durchgeführt. Unter Verwendung von CS, konnten für sämtliche untersuchte Trajektorien deutlich bessere Ergebnisse erzielt werden als mit klassischen Rekonstruktionsverfahren. Als beste Trajektorie wurde die Lissajous-Trajektorie identifiziert, was konsistent mit anderen Trajektorienstudien ist. Um das volle Potential der entwickelten Algorithmen zu verdeutlichen, wurden verschiedene Phantome unter besonderer Berücksichtigung der Abbildung dynamischer Prozesse entwickelt, hergestellt und für zahlreiche Publikationen verwendet. Für die Anwendung von CS wurden verschiedene spärliche Repräsentationen und Spärlichkeitsoperatoren auf Tauglichkeit geprüft. Darauf aufbauend wurde das Prinzip der Teiltrajektorien entwickelt, um die zeitliche Auflösung bei der MPI-Bildgebung zu beschleunigen. Weiterhin wurden vorwissenbasierte Ansätze verwendet, die unter anderem Vorwissen zu partikelfreien Bereichen und der Struktur des Bildes nutzen, um die Bildrekonstruktion zu beschleunigen. Abschließend wurden rekursive Rekonstruktionsalgorithmen entwickelt, die eine echtzeitfähige Bildrekonstruktion ermöglichen.
Statusabgeschlossen
Tatsächlicher Beginn/ -es Ende01.01.1401.01.19

UN-Ziele für nachhaltige Entwicklung

2015 einigten sich UN-Mitgliedstaaten auf 17 globale Ziele für nachhaltige Entwicklung (Sustainable Development Goals, SDGs) zur Beendigung der Armut, zum Schutz des Planeten und zur Förderung des allgemeinen Wohlstands. Die Arbeit dieses Projekts leistet einen Beitrag zu folgendem(n) SDG(s):

  • SDG 9 – Industrie, Innovation und Infrastruktur

Strategische Forschungsbereiche und Zentren

  • Forschungsschwerpunkt: Biomedizintechnik

DFG-Fachsystematik

  • 2.22-32 Medizinische Physik, Biomedizinische Technik

Fingerprint

Erkunden Sie die Forschungsthemen zu diesem Projekt. Diese Zuordnungen werden Bewilligungen und Fördermitteln entsprechend generiert. Zusammen bilden sie einen einzigartigen Fingerprint.