Publication

Accelerated MP2RAGE imaging using Cartesian phyllotaxis readout and compressed sensing reconstruction

Résumé

Purpose MP2RAGE T-1-weighted imaging has been shown to be beneficial for various applications, mainly because of its good grey-white matter contrast, its B-1-robustness and ability to derive T(1)maps. Even using parallel imaging, the method requires long acquisition times, especially at high resolution. This work aims at accelerating MP2RAGE imaging using compressed sensing. Methods A pseudo-phyllotactic Cartesian MP2RAGE readout was implemented allowing for flexible reordering and undersampling factors. The sampling pattern was first optimized based on fully sampled data and a compressed sensing reconstruction. Changes in contrast ratios, automated brain segmentation results, and quantitative T(1)values were used for benchmarking. In vivo undersampled data from eleven healthy subjects were then acquired using a 4-fold acceleration with the optimized sampling pattern. The resulting images were compared to the standard parallel imaging MP2RAGE protocol by visual inspection and using the above quality metrics. Results The application of incoherent undersampling and iterative compressed sensing reconstruction on MP2RAGE acquisitions allows for a 57% time reduction (corresponding to 4-fold undersampling with maintained reference lines, TA = 3:35 minutes) compared to the reference protocol using parallel imaging (GRAPPAx3 acceleration, TA = 8:22 minutes) while obtaining images with similar image quality, morphometric (volume differences = [0.07 +/- 1.2-3.8 +/- 1.9]%) and T-1-mapping outcomes (T(1)error = [6 +/- 5.1-37 +/- 12.3] ms depending on the different structures). Conclusion A whole-brain MP2RAGE acquisition is feasible with compressed sensing in less than 4 minutes without appreciably compromising image quality.

À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Concepts associés (34)
Échantillonnage (signal)
L'échantillonnage consiste à prélever les valeurs d'un signal à intervalles définis, généralement réguliers. Il produit une suite de valeurs discrètes nommées échantillons. L'application la plus courante de l'échantillonnage est aujourd'hui la numérisation d'un signal variant dans le temps, mais son principe est ancien. Depuis plusieurs siècles, on surveille les mouvements lents en inscrivant, périodiquement, les valeurs relevées dans un registre : ainsi des hauteurs d'eau des marées ou des rivières, de la quantité de pluie.
Segmentation d'image
La segmentation d'image est une opération de s consistant à détecter et rassembler les pixels suivant des critères, notamment d'intensité ou spatiaux, l'image apparaissant ainsi formée de régions uniformes. La segmentation peut par exemple montrer les objets en les distinguant du fond avec netteté. Dans les cas où les critères divisent les pixels en deux ensembles, le traitement est une binarisation. Des algorithmes sont écrits comme substitut aux connaissances de haut niveau que l'homme mobilise dans son identification des objets et structures.
Repliement de spectre
thumb|300px|Ce graphique démontre le repliement du spectre d'un signal sinusoïdal de fréquence f = 0,9, confondu avec un signal de fréquence f = 0,1 lors d'un échantillonnage de période T = 1,0. Le repliement de spectre (aliasing en anglais) est un phénomène qui introduit, dans un signal qui module une fréquence porteuse ou dans un signal échantillonné, des fréquences qui ne devraient pas s'y trouver, lorsque la fréquence porteuse ou la fréquence d'échantillonnage sont inférieures à deux fois la fréquence maximale contenue dans le signal.
Afficher plus
Publications associées (32)

Clinical equivalence assessment of T2 synthesized pediatric brain magnetic resonance imaging

Tobias Kober, Tom Hilbert, Jocelyn Philippe

Background and purpose. - Automated synthetic magnetic resonance imaging (MRI) provides qualitative, weighted image contrasts as well as quantitative information from one scan and is well-suited for various applications such as analysis of white matter dis ...
MASSON EDITEUR2019

Sparse Gradient Optimization and its Applications in Image Processing

Nikolaos Arvanitopoulos Darginis

Millions of digital images are captured by imaging devices on a daily basis. The way imaging devices operate follows an integral process from which the information of the original scene needs to be estimated. The estimation is done by inverting the integra ...
EPFL2017

A high sensitivity, low noise and high spatial resolution multi-band infrared reflectography camera for the study of paintings and works on paper

Marie Eve Pascale Didier

Background: Infrared reflectography (IRR) remains an important method to visualize underdrawing and compositional changes in paintings. Older IRR camera systems are being replaced with near-infrared cameras consisting of room temperature infrared detector ...
Biomed Central Ltd2017
Afficher plus
MOOCs associés (10)
Digital Signal Processing I
Basic signal processing concepts, Fourier analysis and filters. This module can be used as a starting point or a basic refresher in elementary DSP
Digital Signal Processing II
Adaptive signal processing, A/D and D/A. This module provides the basic tools for adaptive filtering and a solid mathematical framework for sampling and quantization
Digital Signal Processing III
Advanced topics: this module covers real-time audio processing (with examples on a hardware board), image processing and communication system design.
Afficher plus