FenixEdu™

Dissertação

{pt=A Bayesian approach to perfusion imaging using ASL MRI} {} EVALUATED

Detalhes: {pt=Arterial Spin Labeling (ASL) é um método não invasivo através do qual se obtêm imagens de perfusão do cérebro. Utilizando uma sequência de marcação alternada, a diferença de magnetização entre o conjunto das imagens é obtido realizando subtracção entre as imagens marcadas e não marcadas. Devido ao baixo valor de SNR, é necessário adquirir um número suficiente de imagens que permita detectar a pequena diferença de magnetização à qual se associa a perfusão. Neste trabalho, sugere-se uma nova abordagem ao processamento de imagens de ASL, onde o cálculo da média não é efectuado de modo explícito. Através de uma formulação Bayesiana, onde são aplicados priors espacio-temporais para auxiliar no processo de estimação da imagem, torna-se possível diminuir os tempos de aquisição sem comprometer a qualidade da imagem estimada. A condição a priori de que não são esperadas transições de sinal abruptas ao longo do mesmo tecido, excepto nos limites dos órgãos, é imposta pela aplicação dos priors. Para avaliar a performance do algoritmo proposto, os resultados obtidos em simulações com dados sintéticos foram comparados com os dois métodos de subtracção mais usados para processamento de sinal de ASL, pair-wise subtraction e surround subtraction. Os resultados obtidos foram encorajadores, na medida em que se obteve um aumento de SNR da imagem e uma diminuição do erro médio. Posteriormente aplicou-se o método a dados reais e os resultados obtidos foram igualmente satisfatórios., en=Arterial Spin Labeling (ASL) is a non-invasive technique for generating perfusion images of the brain. Since it does not require the use of an artificial tracer, it has been significantly gaining recognition as a method for obtaining perfusion parameters. Following an alternating labeling/control acquisition sequence, the minor magnetization difference between labeled and non-labeled images is detected by performing image subtraction. Due to the intrinsically low Signal to Noise Ratio (SNR), label/control acquisitions must be repeated a number of times and signal averaging is then performed in order to detect the small perfusion dependent difference signal. In this work, a novel ASL data analysis approach is proposed, in which the averaging procedure is not done explicitly. The magnetization difference estimation problem is formulated in a Bayesian framework, where spatio-temporal priors are used to deal with the ill-posed nature of the estimation task, hence enabling shorter acquisition times, without compromising the estimation quality. The a priori assumption that no drastic signal variations are expected along the same tissue, except at the organs boundaries, is imposed by the priors. To evaluate the performance of the proposed algorithm, the results obtained using synthetic data were compared against the two most common subtraction methods used to process ASL data, pair-wise and surround subtraction. The results were very encouraging, as greater SNR was achieved and the overall mean-squared error was highly reduced. The proposed algorithm was then applied to a real data-set, also obtaining satisfactory results. }
Keywords: {pt=arterial spin labeling, formulação bayesiana, perfusão, magnetização, priors espácio-temporais, en=arterial spin labeling, bayesian approach, perfusion, magnetization, spatio-temporal priors}

Discussão: dezembro 12, 2011, 14:0