A Deep Learning Approach for Magnetization Transfer Contrast MR Fingerprinting and Chemical Exchange Saturation Transfer Imaging

A Deep Learning Approach for Magnetization Transfer Contrast MR Fingerprinting and Chemical Exchange Saturation Transfer Imaging.

• Byungjai Kim
• Michael Schär
• HyunWook Park
• Hye-Young Heo

抄録

MT現象を利用した半固体磁化移動造影（MTC）や化学交換飽和移動（CEST）MRIは、脳の発達、神経学的、精神医学的、神経変性疾患の評価に有用であることが示されている。しかし、従来のMTCイメージングで一般的に用いられている定性MT比（MTR）は、定量的な半固体高分子プロトン交換率や濃度の評価には限界があります。さらに、MTR非対称性解析によって測定されたCEST信号は、移動性高分子及び半固体高分子のアップフィールド核オーバーハウザー増強（NOE）信号によって汚染されることは避けられない。これらの問題に対処するために、我々は組織パラメータを定量化するためのMTC-MRフィンガープリンティング（MTC-MRフィンガープリンティング）技術を開発しました。擬似ランダム化されたRF飽和スキームを用いて、異なる組織に対してユニークなMTC信号を生成し、教師付きディープニューラルネットワークを設計して、測定されたMTC-MR信号から組織特性を抽出しました。ブロッホ方程式に基づいたデジタルファントムとin vivoでの詳細な研究を通じて、MTC-MRFは従来のブロッホ方程式フィット法と比較して、高い精度と計算効率でMTC特性を定量化できることを実証し、CESTやNOEイメージングの基準信号を提供することができました。検証のために、ディープラーニング法で推定した組織パラメータを用いてMTC-MRF画像を合成し、実験で得られたMTC-MRF画像を参照基準とした比較を行った。提案したMTC-MRFフレームワークは、臨床的に許容されるスキャン時間内にヒトの脳の定量的な3D MTC, CEST, NOEイメージングを提供することができる。

Semisolid magnetization transfer contrast (MTC) and chemical exchange saturation transfer (CEST) MRI based on MT phenomenon have shown potential to evaluate brain development, neurological, psychiatric, and neurodegenerative diseases. However, a qualitative MT ratio (MTR) metric commonly used in conventional MTC imaging is limited in the assessment of quantitative semisolid macromolecular proton exchange rates and concentrations. In addition, CEST signals measured by MTR asymmetry analysis are unavoidably contaminated by upfield nuclear Overhauser enhancement (NOE) signals of mobile and semisolid macromolecules. To address these issues, we developed an MTC-MR fingerprinting (MTC-MRF) technique to quantify tissue parameters, which further allows an estimation of accurate MTC signals at a certain CEST frequency offset. A pseudorandomized RF saturation scheme was used to generate unique MTC signal evolutions for different tissues and a supervised deep neural network was designed to extract tissue properties from measured MTC-MRF signals. Through detailed Bloch equation-based digital phantom and in vivo studies, we demonstrated that the MTC-MRF can quantify MTC characteristics with high accuracy and computational efficiency, compared to a conventional Bloch equation fitting approach, and provide baseline reference signals for CEST and NOE imaging. For validation, MTC-MRF images were synthesized using the tissue parameters estimated from the deep-learning method and compared with experimentally acquired MTC-MRF images as the reference standard. The proposed MTC-MRF framework can provide quantitative 3D MTC, CEST, and NOE imaging of the human brain within a clinically acceptable scan time.

Copyright © 2020. Published by Elsevier Inc.