Magnetic Resonance Imaging (MRI) stands as a fundamental medical technology providing detailed non-invasive images of the human body. Recent research efforts have concentrated on enhancing image quality by increasing resolution to enable more precise anatomical characterization and accurate analysis of pathologies. However, the escalation of resolution may entail heightened noise levels and diminished signal, challenges addressed through the employment of denoising techniques in image pre-processing. The Multi-Parametric Imaging (MPI) protocol has emerged as an innovative methodological approach in MRI. This methodology relies on the concurrent acquisition of data on various parameters with different tissue contrast (proton density (PD), T1, and magnetization transfer saturation (MT)). By adapting the MPI model to the acquired data, it becomes possible to measure heterogeneous properties such as proton density, T1, T2, and magnetization transfer saturation (MT), thereby providing detailed information on tissue composition and structure. Throughout this research, acquisitions were conducted on a sample of six subjects using a Philips 3T scanner, employing the Multi-Parametric Imaging (MPI) protocol. The primary objective of this study was to increase spatial resolution from 1mm x 1mm x 1mm (1mm³) to 0.8mm x 0.8mm x 0.8mm (0.512mm³) while maintaining a constant acquisition time. Additionally, the study aimed to determine if denoising could assist in recovering the signal-to-noise ratio lost due to this resolution increase. Specifically, the evaluation sought to assess whether the application of a denoising algorithm based on the Marchenko Pastur principal component theory could yield a substantial improvement in MRI image quality. The denoising algorithm utilized is designed to fully preserve the signal without compromising fine detail definition and reducing thermal noise. This thesis work outlined a series of key objectives, primarily focused on understanding and setting fundamental parameters for conducting acquisitions at different resolutions while keeping acquisition time constant. Simultaneously, it concentrated on determining the optimal method for applying the denoising algorithm. Challenges related to using the hMRI SPM12 toolbox to calculate parameter maps were also addressed and resolved. The core of the research involved comparisons between MRI images obtained at variable resolutions. To this end, in-depth analyses were conducted on average signal trends, standard deviation, and signal-to-noise ratio (SNR) as an initial quantitative approach. Subsequently, detailed analyses were performed on four quantitative parameter maps (magnitude, MT, R1, and R2*) obtained through the use of the hMRI SPM12 toolbox. This multidimensional methodology was adopted to provide a comprehensive assessment of variations in MRI images at different resolutions, both quantitatively and qualitatively. The results obtained in this research were satisfactory, highlighting not only the possibility of removing thermal noise from acquisitions but also the feasibility of increasing MRI image resolution from 1x1x1mm³ to 0.8x0.8x0.8mm³ while maintaining acquisition times unchanged. This was achieved without compromising signal quality and fine details, thanks to the effective utilization of the adopted denoising algorithm. The achieved results represent a significant contribution to medical imaging research and underscore the potential benefits of implementing innovative strategies to enhance MRI image quality, especially when balancing resolution increases with maintained acquisition times.
La Risonanza Magnetica (RM) è una tecnologia medica fondamentale che offre dettagliate immagini non invasive del corpo umano. Gli sforzi di ricerca recenti si sono concentrati sulla migliorata qualità delle immagini, aumentando la risoluzione per consentire una caratterizzazione anatomica più precisa e un'analisi accurata delle patologie. Tuttavia, l'aumento della risoluzione può comportare un aumento del rumore e una diminuzione del segnale, sfide affrontate attraverso l'uso di tecniche di denoising nella pre-elaborazione delle immagini. Il Protocollo di Imaging Multi-Parametrico (MPM) è emerso come un innovativo approccio metodologico nella RM. Questa metodologia si basa sull'acquisizione concomitante di dati su diversi parametri con contrasto tissutale differente (densità protonica (PD)-, T1 e saturazione del trasferimento di magnetizzazione (MT)). Adattando il modello MPM ai dati acquisiti, è possibile misurare proprietà eterogenee come densità protonica, T1, T2 e saturazione del trasferimento di magnetizzazione (MT), fornendo informazioni dettagliate sulla composizione e struttura dei tessuti. Nel corso di questa ricerca, sono state condotte acquisizioni su un campione di sei soggetti utilizzando uno scanner Philips 3T, utilizzando il protocollo di imaging multi-parametrico (MPM). L'obiettivo principale di questo studio era aumentare la risoluzione spaziale da 1mm x 1mm x 1mm (1mm³) a 0,8mm x 0,8mm x 0,8mm (0,512mm³) mantenendo costante il tempo di acquisizione, e determinare se l'uso del denoising potesse aiutare a recuperare il rapporto segnale-rumore perso a causa di questo aumento di risoluzione. In particolare, si è cercato di valutare se, attraverso l'applicazione di un algoritmo di denoising basato sulla teoria dei componenti principali di Marchenko Pastur, si potesse ottenere un miglioramento sostanziale nella qualità delle immagini RM. L'algoritmo di denoising utilizzato è progettato per preservare completamente il segnale, senza compromettere la definizione di dettagli fini e ridurre il rumore termico. Questo lavoro di tesi ha delineato una serie di obiettivi chiave, mirati prima di tutto a comprendere e impostare i parametri fondamentali per condurre acquisizioni a diverse risoluzioni, mantenendo invariato il tempo di acquisizione. Allo stesso tempo, si è concentrato nel determinare il metodo ottimale per applicare l'algoritmo di denoising. Sono stati affrontati e risolti anche problemi legati all'uso del toolbox hMRI SPM12 per calcolare le mappe dei parametri. Il nucleo della ricerca ha coinvolto confronti tra immagini RM ottenute a risoluzioni variabili. A questo scopo, sono stati condotti approfondimenti sugli andamenti medi del segnale, sulla deviazione standard e sul rapporto segnale-rumore (SNR) come approccio quantitativo iniziale. Successivamente, sono state effettuate analisi dettagliate su quattro mappe di parametri quantitativi (ampiezza, MT, R1 e R2*), ottenute attraverso l'uso del toolbox hMRI SPM12. Questa metodologia multidimensionale è stata adottata per fornire una valutazione completa delle variazioni nelle immagini RM a diverse risoluzioni, sia quantitativamente che qualitativamente. I risultati ottenuti nel corso di questa ricerca sono risultati soddisfacenti, evidenziando non solo la possibilità di rimuovere rumore termico dalle acquisizioni, ma anche la fattibilità di aumentare la risoluzione delle immagini RM da 1x1x1mm³ a 0,8x0,8x0,8mm³, mantenendo invariati i tempi di acquisizione. Ciò è stato ottenuto senza compromettere la qualità del segnale e dei dettagli fini, grazie all'efficace utilizzo dell'algoritmo di denoising adottato. I risultati raggiunti rappresentano un contributo significativo alla ricerca in imaging medico e sottolineano il potenziale benefico dell'implementazione di strategie innovative per migliorare la qualità delle immagini RM, in particolare quando si bilancia l'incremento di risoluzione con tempi di acquisizione mantenuti costanti.
Denoising nella risonanza magnetica a risoluzione sub-millimetrica e applicazione alla mappatura multiparametrica (MPM).
BANDELLI, FRANCESCO
2022/2023
Abstract
Magnetic Resonance Imaging (MRI) stands as a fundamental medical technology providing detailed non-invasive images of the human body. Recent research efforts have concentrated on enhancing image quality by increasing resolution to enable more precise anatomical characterization and accurate analysis of pathologies. However, the escalation of resolution may entail heightened noise levels and diminished signal, challenges addressed through the employment of denoising techniques in image pre-processing. The Multi-Parametric Imaging (MPI) protocol has emerged as an innovative methodological approach in MRI. This methodology relies on the concurrent acquisition of data on various parameters with different tissue contrast (proton density (PD), T1, and magnetization transfer saturation (MT)). By adapting the MPI model to the acquired data, it becomes possible to measure heterogeneous properties such as proton density, T1, T2, and magnetization transfer saturation (MT), thereby providing detailed information on tissue composition and structure. Throughout this research, acquisitions were conducted on a sample of six subjects using a Philips 3T scanner, employing the Multi-Parametric Imaging (MPI) protocol. The primary objective of this study was to increase spatial resolution from 1mm x 1mm x 1mm (1mm³) to 0.8mm x 0.8mm x 0.8mm (0.512mm³) while maintaining a constant acquisition time. Additionally, the study aimed to determine if denoising could assist in recovering the signal-to-noise ratio lost due to this resolution increase. Specifically, the evaluation sought to assess whether the application of a denoising algorithm based on the Marchenko Pastur principal component theory could yield a substantial improvement in MRI image quality. The denoising algorithm utilized is designed to fully preserve the signal without compromising fine detail definition and reducing thermal noise. This thesis work outlined a series of key objectives, primarily focused on understanding and setting fundamental parameters for conducting acquisitions at different resolutions while keeping acquisition time constant. Simultaneously, it concentrated on determining the optimal method for applying the denoising algorithm. Challenges related to using the hMRI SPM12 toolbox to calculate parameter maps were also addressed and resolved. The core of the research involved comparisons between MRI images obtained at variable resolutions. To this end, in-depth analyses were conducted on average signal trends, standard deviation, and signal-to-noise ratio (SNR) as an initial quantitative approach. Subsequently, detailed analyses were performed on four quantitative parameter maps (magnitude, MT, R1, and R2*) obtained through the use of the hMRI SPM12 toolbox. This multidimensional methodology was adopted to provide a comprehensive assessment of variations in MRI images at different resolutions, both quantitatively and qualitatively. The results obtained in this research were satisfactory, highlighting not only the possibility of removing thermal noise from acquisitions but also the feasibility of increasing MRI image resolution from 1x1x1mm³ to 0.8x0.8x0.8mm³ while maintaining acquisition times unchanged. This was achieved without compromising signal quality and fine details, thanks to the effective utilization of the adopted denoising algorithm. The achieved results represent a significant contribution to medical imaging research and underscore the potential benefits of implementing innovative strategies to enhance MRI image quality, especially when balancing resolution increases with maintained acquisition times.È consentito all'utente scaricare e condividere i documenti disponibili a testo pieno in UNITESI UNIPV nel rispetto della licenza Creative Commons del tipo CC BY NC ND.
Per maggiori informazioni e per verifiche sull'eventuale disponibilità del file scrivere a: unitesi@unipv.it.
https://hdl.handle.net/20.500.14239/17338