Metoda wyboru tętniczej funkcji wejścia w badaniach mózgu techniką DSC-MRI

• Autorzy: Lipiński S. , Kalicka R.

Warianty tytułu

EN

A method of arterial input function selection in DSC-MRI brain measurements

• Języki publikacji: PL

Abstrakty

PL

W pracy opisano algorytm automatycznego wyboru tętniczej funkcji wejścia (AIF). Parametry perfuzji obliczane z użyciem AIF są wyznaczane dokładniej, zatem jakość wyboru AIF przekłada się bezpośrednio na jakość diagnozy lekarskiej stawianej na ich podstawie. Proponowany algorytm łączy kryteria fizjologiczne z obiektywnymi kryteriami matematycznymi. Jego działanie pokazano na przykładowej sekwencji z badania DSC-MRI. Opisany algorytm jest odporny na zakłócenia danych i łatwo modyfikowalny. Ponadto jego kolejne kroki, jak wybór dopasowywanej funkcji regresji, są uzasadnione celem, czyli stworzeniem map deskryptorów perfuzji poprzez modelowanie parametryczne procesu dystrybucji znacznika. Wybór podejścia parametrycznego, zamiast modelowania black box, pozwala lepiej zrozumieć funkcjonowanie badanego systemu, ponieważ parametrom modelu takiego sytemu nadaje się interpretację fizyczną.

EN

In the paper, the algorithm of automatic selection of arterial input function (AIF) was described. Perfusion parameters which are calculated using AIF are determined more precisely, so quality of AIF selection has a direct influence on quality of medical diagnosis made on these parameters. Proposed algorithm links physiological criteria with objective mathematical criteria. Its performance data noise and easily modifiable and, furthermore, its consecutive steps, like choice of fitted regression function, are grounded by the aim which is creation of maps of perfusion parameters using parametric modelling of contrast agent distribution process. The choice of parametric approach, instead of black box modelling, allows better understanding of investigated system functioning, because parameters of system model have physical interpretation.

Słowa kluczowe

PL

badania mózgu; DSC-MRI; tętnicza funkcja wejścia; modelowanie parametryczne

EN

brain measurements; DSC-MRI; arterial input function; parametric modelling

• Wydawca: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Biuletyn Wojskowej Akademii Technicznej
• Rocznik: 2010
• Tom: Vol. 59, nr 2
• Strony: 349--361
• Opis fizyczny: Bibliogr. 17 poz., rys., wykr.

Twórcy

autor

Lipiński S.

autor

Kalicka R.

• Uniwersytet Warmińsko-Mazurski w Olsztynie, Wydział Nauk Technicznych, Katedra Elektrotechniki i Energetyki, 10-736 Olsztyn, ul. Oczapowskiego 11

Bibliografia

• [1] D. Balvay, Y. Ponvianne, M. Claudon, C. A. Cuenod, Arterial input function: Relevance of eleven analytical models in DCE-MRI studiem, 5th IEEE International Symposium on Biomedical Imaging: From Nano to Macro, 2008, 600-603.
• [2] F. Calamante, D. G. Gadian, A. Conelly, Quantification of Perfusion Using Bolus Tracking Magnetic Resonance Imaging in Stroke: Assumptions, Limitations, and Potential Implications for Clinical Use, Stroke, 33, 2002, 1146-1151.
• [3] F. Calamante, M. Morup, L. K. Hansen, Defining a Local Arterial Input Function for Perfusion MRI Using Independent Component Analysis, Magnetic Resonance in Medicine, 52, 2004, 789-797.
• [4] T. J. Carroll, H. A. Rowley, V. M. Haughton, Automatic Calculation of the Arterial Input Function for Cerebral Perfusion Imaging with MR Imaging, Radiology, 227, 2003, 593-600.
• [5] L. H. Cheong, T. H. Koh, Z. Hou, An automatic approach for estimating Bolus Arrival Time in dynamic contrast MRI using piecewise continuous regression models, Physics in Medicine and Biology, 48, 2003, 83-88.
• [6] T. E. Conturo, E. Akbudak, M. S. Kotys, M. L. Chen, S. J. Chun, R. M. Hsu, C. C. Sweeney, J. Markham, Arterial input functions for dynamic susceptibility contrast MRI: Requirements and signal options, Journal of Magnetic Resonance Imaging, 22, 2005, 697-703.
• [7] R. Kalicka, S. Lipiński, Ocena przydatności filtracji Kalmana do poprawy właściwości szumowych danych uzyskiwanych w badaniach DSC-MRI mózgu, Pomiary Automatyka Kontrola, 54, 3, 2008, 118-121.
• [8] R. Kalicka, A. Pietrenko-Dąbrowska, Parametric Modeling of DSC-MRI Data with Stochastic Filtration and Optimal Input Design Versus Non-Parametric Modeling, Annals of Biomedical Engineering, 3, 2007, 453-464.
• [9] C. Lorenz, C. J. Lopez, T. Benner, H. Ay, M. W. Zhu, H. Aronen, J. Karonen, Y. Liu, J. Nuutinen, A. G. Sorensen, Effect of Using Local Arterial Input Functions on Cerebral Blood Flow Estimation, Journal of Magnetic Resonance Imaging, 24, 2006, 57-65.
• [10] M. Mlynash, I. Eyngorn, R. Bammer, M. Moseley, D. C. Tong, Automated Method for Generating the Arterial Input Function on Perfusion-Weighted MR Imaging: Validation in Patients with Stroke, American Journal of Neuroradiology, 26, 2005, 1479-1486.
• [11] T. van Osch, Evaluation of cerebral hemodynamics by quantitative perfusion MRI, PrintPartners Ipskamp, Enschede, 2002.
• [12] J. E. Perthen, F. Calamante, D. G. Gadian, A. Connelly, Is Quantification of Bolus Tracking MRI Reliable without Deconvolution?, Magnetic Resonance in Medicine, 47, 2002, 61-67.
• [13] J. Rumiński, R. Kalicka, B. Bobek-Billewicz, Obrazowanie parametryczne w badaniach mózgu metodami MRI/PET, Wydawnictwo Gdańskie, Gdańsk, 2006.
• [14] M. Saluzzi, R. Frayne, M. R. Smith, Is correction necessary when clinically determining quantitative cerebral perfusion parameters from multi-slice dynamic suscebility contrast MR studies?, Physics in Medicine and Biology, 51, 2006, 407-424.
• [15] A. Singh, R. K. Rathore, M. Haris, S. K. Verma, N. Husain, R. K. Gupta, Improved bolus arrival time and arterial input function estimation for tracer kinetic analysis in DCE-MRI, Journal of Magnetic Resonance Imaging, 29, 2009, 166-176.
• [16] A. G. Sorensen, P. Reimer, Cerebral MR Perfusion Imaging, Principles and Current Applications, Georg Theme Verlag, Stuttgart, New York, 2000.
• [17] C. Yang, G. S. Karczmar, M. Medved, W. M. Stadler, Estimating the Arterial Input Function Using Two Reference Tissues in Dynamic Contrast-Enhanced MRI Studies: Fundamental Concepts and Simulations, Magnetic Resonance in Medicine, 52, 2004, 1110-1117.