Blind Retrospective Motion Correction of MR Images

DSpace Repository


Dateien:

URI: http://hdl.handle.net/10900/70817
http://nbn-resolving.de/urn:nbn:de:bsz:21-dspace-708176
http://dx.doi.org/10.15496/publikation-12230
Dokumentart: Dissertation
Date: 2016-06-30
Language: English
Faculty: 7 Mathematisch-Naturwissenschaftliche Fakultät
7 Mathematisch-Naturwissenschaftliche Fakultät
Department: Informatik
Advisor: Schölkopf, Bernhard (Prof. Dr.)
Day of Oral Examination: 2015-05-19
DDC Classifikation: 004 - Data processing and computer science
Keywords: Kernspintomografie , Bildqualität , Verbesserung
Other Keywords: Bewegungskorrektur
Bildqualität-Verbesserung
MRI
motion correction
autofocusing
image quality improvement
License: Publishing license including print on demand
Order a printed copy: Print-on-Demand
Show full item record

Inhaltszusammenfassung:

Die Bewegung des Patienten während einer MRI Untersuchung kann die Bildqualität stark verringern. Eine Verschiebung des abzubildenden Objektes von nur ein Paar Millimetern ist genug um Bewegungsartefakte zu erzeugen und der Scan unbrauchbar für die medizinische Diagnostik zu machen. Obwohl in den letzten 20 Jahren mehrere Verfahren entwickelt wurden, ist die Bewegungskorrektur immer noch ein ungelöstes Problem. Wir schlagen einen neuen retrospektiven Bewegungskorrekturalgorithmus vor, mit dem man die Qualität von 3D MR Bildern verbessern kann. Mit diesem Verfahren ist es möglich sowohl starre als auch nicht starre Körperbewegungen zu korrigieren. Der wichtigste Aspekt unserer Algorithmen ist, dass keine Informationen über die Bewegungstrajektorie, z. B. von Kameras, nötig sind um die Bewegungskorrektur durchzuführen. Unsere Verfahren verwenden die RAW-Dateien von normalen MRT-Sequenzen und brauchen keinerlei Anderungen im Scanablauf. Wir benutzen Grafikprozessoren um die Bewegungskorrektur zu beschleunigen – im Fall von starren Körperbewegungen sind nur wenige Sekunden erforderlich, bei nicht starrer Körperbewegung nur einige Minuten Unser Bewegungskorrekturalgorithmus für starre Körper basiert auf der Minimierung einer Kostenfunktion, die die objektive Qualit ̈at des korrigierten Bildes abschätzt. Die Hauptidee ist, durch Optimierung eine Bewegungstrajektorie zu finden, die den kleinsten Betrag der Kostenfunktion liefert. Wir verwenden die Entropie der Bildgradienten als Bildqualitätsfunktion. Um nicht starre Körperbewegungen zu korrigieren, erweitern wir unser mathematisches Modell von Bewegungseffekten. Wir approximieren nicht starre Körperbewegungen als mehrere lokale starre Körperbewegungen. Um solche Bewegungen zu korrigieren, entwickeln wir ein neues annealing-basiert Optimierungsverfahren. Während der Optimierung wechseln wir zwei Schritte ab - die Kostenfunktionsminimierung durch Bild- und Bewegungsparameter. Wir haben mehrere Simulationen sowie in vivo Versuche am Menschen durchgeführt – beide lieferten wesentliche Bildqualitätsverbesserungen.

This item appears in the following Collection(s)