Logo der Physikalisch-Technischen Bundesanstalt

Radiofrequenz (RF)-Pulsdesign und parallele Sendetechniken (pTx)

Die Ultrahochfeld-MR-Tomographie (UHF-MRT) bei Feldstärken von 7 Tesla bietet diverse Vorteile wie beispielsweise ein höheres Signal-Rausch-Verhältnis, höhere spektrale Auflösungen, oder in vielen Fällen auch einen stärkeren Kontrast. Gleichzeitig bringt die UHF-MRT diverse Probleme mit sich, welche meist in der höheren Frequenz der elektromagnetischen Radiofrequenz (RF)-Pulse begründet sind. So führt eine Inhomogenität im transversalen magnetischen RF Feld, dem sogenannten B1+ Feld (siehe auch Abschnitt „RF Felder und Sicherheit in der Körper UHF-MRT“), das für die Anregung der Spins verantwortlich ist, zu räumlich variierenden Kippwinkeln der Spins und damit zu einem inhomogenem Bildkontrast. In ungünstigen Fällen kann es bis zu lokalen Auslöschungen des Signals kommen (siehe Abbildung 3, links).

Um diese und andere Probleme zu beheben, wird auf dynamische und statische Anregungstechniken zurückgegriffen, welche auf dem Prinzip des parallelen Sendens (pTx) basieren und Spulen mit mehreren voneinander unabhängigen Sendeelementen (Tx) verwenden, z.B. 8, 16 oder 32 Tx-Elemente (siehe Abbildung 1a). Jedes Sendelement hat eine andere komplexe B1+ Felddistribution (angedeutet durch die Farben in Abbildung 1a). Das überlagerte B1+ Feld interagiert mit den Spins und bestimmt den Kippwinkel (FA). Dieses resultierende B1+ kann über die Magnitude oder die Phase der individuell angelegten RF Pulse modifiziert werden, welches dann die individuellen B1+ Felder skaliert oder in der Phase verschiebt. Der Vektor von N Phasen und N Amplituden für N unabhängige Sendeelemente einer Spule wird häufig als B1+ Shim Einstellung bezeichnet. Beim statischen pTx werden diese Shim Einstellungen konstant während des gesamten RF Pulses gehalten, wogegen beim dynamischen pTx sich die Shim Einstellungen als Funktion der Zeit beim Ausspielen des RF Pulses verändern. In der Praxis ist dynamisches pTx anspruchsvoller bezüglich der Hardware, da es in den meisten Fällen N unabhängige RF Wellenformgeneratoren und -verstärker für N unabhängige Sendeelemente Tx benötig. Das Ziel ist die Optimierung des resultierenden B1+ Feldes oder der FA Verteilung, sodass es einem vordefinierten räumlichen Muster entspricht (z.B. mit einem homogenem B1+ oder FA). Um das B1+ Feld oder den FA zu optimieren, müssen die individuellen B1+ Felder der Sendeelemente vermessen werden. Zum jetzigen Zeitpunkt wird die Einwicklung von pTx Methoden in 3D durch das Fehlen von 3D B1+ Karten des menschlichen Körpers bei 7 Tesla behindert. Aus diesem Grund fokussiert sich unsere Gruppe auf die Messung dieser Karten (siehe Abschnitt „RF Felder und Sicherheit in der Körper UHF-MRT“) und die Entwicklung von 3D Bildgebungsmethoden im Köper unter der Verwendung von pTx.

Abb. 1: a) Aufbau für Körperbildgebung bei 7 Tesla mit einer lokalen 8-Kanal Körperspule. Jedes individuelle Sendeelement Tx generiert ein individuelles B1+ Feld, das sich von den benachbarten Elementen unterscheidet. Durch die komplexe Superposition entsteht ein resultierendes B1+ Feld, das für die Anregung der Spins verantwortlich ist. b) Schematische Ansicht von statischem pTx. Die 8 RF Pulse zeichnen sich durch eine gemeinsame Pulsform aus, die mit einem kanalspezifischen, komplexen Faktor (Phase und Amplitude) multipliziert werden. Dies kann durch das Aufteilen eines einzelnen RF Pulses in 8 identische Pulse erfolgen, die anschließend in der Phase verschoben oder skaliert bevor sie verstärkt werden. c) Schematische Ansicht von dynamischem pTx. In diesem Fall sind die 8 RF Pulse unabhängig voneinander. Dieser Aufbau benötigt 8 unabhängige Wellenformgeneratoren.

In jüngster Zeit hat unsere Arbeitsgruppe neue Methoden zur Berechnung von atemaufgelösten 3D B1+ Karten für Multi-Kanalspulen im menschlichen Körper entwickelt und vorgeschlagen [1], die intensiv für die Lösung des Problems der räumlichen Heterogenität der B1+ Felder unter Verwendung von pTx verwendet wurden [2, 7, 8].

Die Arbeitsgruppe fokussiert sich auf folgende Themen bezüglich des Pulsdesigns:

  • Subjektspezifisches, statisches und dynamisches RF Pulsdesign
  • Kalibrationsfreies, subjektunabhängiges dynamisches Pulsdesign
  • Atemunabhängiges, subjektspezifisches RF Pulsdesign
  • Deep Learning im RF Pulsdesign
  • Parallele Sendetechniken bei der Vielschichtbildgebung

Subjektspezifisches, statisches RF Pulsdesign im menschlichen Körper [2]

Beim statischen pTx, oder B1+ Shimming, wird das gewünschte Anregungsmuster durch die Überlagerung von B1+ Feldern mehrerer unabhängiger Sendeelemente (Tx) erzeugt. Dieser pTx Ansatz wird häufig verwendet, um eine subjektspezifische Homogenisierung des resultierenden überlagerten räumlichen B1+ Feldes in einer „Region of Interest“ (ROI) zu erhalten. Beim statischen, subjektspezifischen pTx werden die unabhängigen Sendeelemente Tx so angesteuert, dass sich die individuellen Felder mit verschiedenen Skalierungen bezüglich der Phase und Magnitude in der gewünschten ROI so überlagern, dass das resultierende B1+ Feld möglichst homogen oder das erreichte B1+ Feld maximal ist.

Abb. 2: Ein Beispiel für statisches B1+ Shimming im menschlichen Herzen über drei Schichten. Die Abbildung zeigt eine 3D Ansicht der nominellen Kippwinkel-Karten der komplexen Summe von approximierten B1+ Karten mit nicht optimierten Phaseneinstellungen (default – obere Reihe) und den optimierten Phaseneinstellungen (statischer Shim – untere Reihe) für ein Subjekt. Nach dem Shim ist die Homogenität im resultierenden B1+ und somit im Kippwinkel erhöht, was zu einem homogeneren Bildkontrast führt [2].

Abb. 3: Kardiales Gradientenecho (GRE) für eine Cine Bildsequenz aufgenommen bei 7 Tesla vor (links) und nach (rechts) dem B1+ Shimming.

Subjektspezifisches, dynamisches RF Pulsdesign

Subjektspezifische, dynamische RF Pulse können für die Homogenisierung des resultierenden Kippwinkels in größeren Regionen, wie das gesamte Herzvolumen, verwendet werden, siehe Abbildung 4, oder um eine homogenere schichtselektive Anregung zu erhalten.

Abb. 4: Pulsdiagram, das die RF Pulse (Magnitude und Phase) und die 3D Gradienten Zacken des subjektspezifischen 4kT-Punkte Pulses und die 3D Ansicht der nominellen Kippwinkel (FA) Karten (farbkodiert) der komplexen Summe der approximierten B1+ Karten zeigt [2].

Kalibrationsfreies, subjektunabhängiges RF Pulsdesign [7]

Kalibrationsfreie, universelle kT-Punkte Pulse wurden durch die Arbeitsgruppe vorgeschlagen, um subjektunabhängig homogene Kippwinkel innerhalb des Herzens bei 7 Tesla zu erhalten. Die universellen Pulse werden offline, basierend auf den kanalweisen 3D B1+ Karten von 22 Subjekten mit variierenden BMI und Alter, berechnet. Die optimierten, universellen Pulse wurden erfolgreich auf neun unbekannte Testsubjekte angewendet, was robust zu einem homogenen FA Profil in einer 3D ROI über das Herz führte, wie in Abb. 5 gezeigt.

Abb. 5: Vorhersage des Kippwinkels (FA) für eine sagittale Schicht des 3D Herzvolumens unter Verwendung der default Einstellungen und des universellen, subjektunabhängigen 4kT-Punkte Pulses für neun Testfällte (4M/5F, 25-56 Jahre, 19.5-35.3 kg/m2).

Experimentelle Daten bei 7 Tesla validieren die B1+ Vorhersagen und demonstrieren erfolgreich eine plug-and-play 3D pTx Aufnahme am menschlichen Herzen. Einer der neun Testfälle ist in Abbildung 6 gezeigt. Im Vergleich zum subjektabhängigen Fall, spart der universelle Puls 10-15 Minuten Messzeit pro Subjekt und generiert ein vergleichbares Signal des 3D Herzvolumens.

Abb. 6: Atemkorrigierte 3D Gradienten-Echo Bilder während einer flachen Atmung mit den default Einstellungen, einem optimierten, zugeschnittenen pTx Puls und einem vorher berechneten universellen Puls für einen unbekannten Testfall. Die 3D Bilder sind frei von Atmungsartefakten und beide Fälle, der zugeschnittene und der universelle Puls, führen zu einem vergleichbaren Signal im 3D Herzvolumen. Die universellen Pulse können das Problem der Inhomogenität deutlich reduzieren ohne längere Justierung (siehe gelber Pfeil). Die verbleibenden Signalvariationen in der anterior-posterior Richtung des aufgenommenen Bildes sind auf Variationen des Empfangsprofils (B1-) zurückzuführen [7].

Atmungsunabhängiges, subjektspezifisches RF Pulsdesign [2,8]

Die Bildgebung des menschlichen Herzens bei ultrahohen Feldern ist herausfordernd, sowohl aufgrund von räumlich heterogenen B1+ Profilen, als auch aufgrund der Atembewegung, was die resultierende Performanz der RF Pulse beeinflussen kann. RF Pulse sind typischerweise für einen Atmungszustand entwickelt worden (z.B. im ausgeatmeten Zustand – siehe Abb. 7, oben links). Solche atmungsspezifischen Pulse resultieren in einer schlechten Bildqualität für andere Atemzustände, die nicht in der Optimierung verwendet wurden (z.B. eingeatmeter Zustand – oben rechts). Atemunabhängige Pulse werden dagegen basierend auf atemaufgelösten 2D oder 3D B1+ Karten für mehrere Atemzustände berechnet und resultieren aus diesem Grund in einen homogenen Kippwinkel über mehrere Atemzustände. Die Vorteile von atmungsrobusten Pulsen in einem 2D Experiment sind in Abb. 7 und für einen 3D Fall in den Abb. 8 und 9 gezeigt.

Abb. 7: Atmungsrobuste Pulse in einer Cine Bildersequenz.

Abb. 8: Evaluation von vier verschiedenen Pulsen, die für eine 3D ROI über das Herz auf den ausgeatmeten, den eingeatmeten, einen Zwischenzustand und über alle Atmungszustände (Atmungsrobust) für tiefes Einatmen für ein repräsentatives Subjekt optimiert wurden. Dargestellt ist der gesamte coefficient of variation (CV) und die FA Variation über alle Atmungszustände. Der atmungsrobuste Puls weist die beste Performanz über alle Atmungszustände auf [8].

Abb. 9: Gegenübergestellter Vergleich von rekonstruierten 3D GRE Bilder mit 4kT-Punkten pTx Pulses optimiert auf den eingeatmeten Zustand und atmungsrobust für das Subjekt aus der Abbildung 8. Die Pfeile zeigen auf Regionen mit Signalauslöschungen für den auf den eingeatmeten Zustand optimierten Puls, die durch einen atmungsrobusten Pulst korrigiert werden können [8].

Deep Learning für das RF Pulsdesign

Für bestimmte Anwendungen stellen die RF-Pulsberechnungszeiten eine Herausforderung dar, insbesonders, wenn hohe Kippwinkel betrachtet werden. Daher beschäftigt sich die Gruppe für Deep-Learning-Methoden zum schnellen Entwurf von HF-Pulsen und zur Untersuchung möglicher Einschränkungen.

Entwurf von schichtselektiven HF-Pulsen mit Deep Learning [9]

Wir haben ein residuales neuronales Netzwerk für das Design von schichtselektiven (kleiner und großer Flipwinkel) HF- und Gradiententrajektorien vorgeschlagen. Das Netzwerk wurde mit 300k SLR-HF-Pulsen trainiert und erstellt den HF-Puls und den Gradienten für ein gewünschtes Magnetisierungsprofil. Ziel ist es, die Durchführbarkeit und die Abhängigkeit dieses neuen Ansatzes von verschiedenen Parametervariationen zu bewerten. Diese Erkenntnisse dienen als Grundlage für allgemeinere und komplexere Pulse für das zukünftige Design neuronaler Netze.

Abbildung 10: Beispiel für einen schichtselektiven SLR HF-Puls und Gradienten, der mit dem residualen neuronalen Netz erzeugt wurde. In (e), (f), (g) wird der Output mit der Referenz verglichen. Der Output wird für eine zweite Bloch-Simulation verwendet, um die Differenz zwischen der gewünschten und der vorhergesagten Magnetisierung in (a), (b), (c), (d) zu analysieren. Das vorhergesagte Ergebnis stimmt in diesem Beispiel gut mit der Referenz überein.

Entwurf von 2D-RF-Pulsen mithilfe von Deep Learning [10]

Weitere Arbeiten werden in Zusammenarbeit mit Mads Vinding (Universität von Aarhus, Dänemark) durchgeführt. Das vorgeschlagene, auf einem neuronalen Faltungsnetzwerk basierende Pulsdesignverfahren sagt 2D-HF-Pulse mit einem exzellenten Anregungsmuster und kompensierten B1+- und B0-Variationen bei 7 T [10] voraus. Das gleiche neuronale Faltungsnetzwerk wurde auch für 2DRF-Anregungen von Hirnschnitten (einkanalig) bei 7 T mit einem einheitlichen FA-Profil [10] getestet. Die schnelle 2DRF-Pulsvorhersage (9 ms), die mehr als 1000-mal schneller ist als die optimale Steuerung, ermöglicht subjektspezifische 2DRF-Pulse von hoher Qualität, ohne dass langwierige Optimierungen durchgeführt werden müssen.

Abbildung 11: Das DeepControl Faltungsneuronalnetz. Die Eingabe auf der linken Seite besteht aus drei 64x64-Matrizen: 1) dem Zielmuster, das die Form des Gehirns in einer bestimmten Schicht bei einer nominalen FA von 30o darstellt; 2) der B0-Karte und 3) der B1+-Karte. Die Ausgabe auf der rechten Seite ist das Array der Länge 1400, bestehend aus den RFx (real) und RFy (imaginär) Pulswellenformen, die zusammen mit der Gradientenwellenform den 2DRF-Puls ergeben [10,11].

Abbildung 12: FA-Karten und entsprechende B1+/B0-Karten. Erste Zeile: das DeepControl-Ergebnis. Zweite Reihe: das entsprechende OC-Ergebnis. Die weiß gedruckten Zahlen sind normalisierte quadratische Fehler (root-mean-square). Die Zeilen drei bis fünf zwischen den beiden gestrichelten Linien sollen verdeutlichen, was fehlende Feldinformationen in Bezug auf die FA-Karten bewirken [11]

Parallele Transmission für die simultane Vielschichtbildgebung (Simultaneous Multi-Slice, SMS) [11-14]

MRT des menschlichen Körpers, insbesondere des Herzens, benötigt schnelle und zeiteffiziente Bildgebungstechniken, um Artefakte aufgrund der kardialen und respiratorischen Bewegung zu vermeiden. Die simultane Vielschichtbildgebung ist eine solche zeiteffiziente Bildgebungstechnik, die die gleichzeitige Aufnahme von mehreren Schichten erlaubt. Im Gegensatz dazu nehmen konventionelle Methoden jede Schicht seriell auf. Aus diesem Grund kann der Bildgebungsprozess ungefähr um den Faktor der gleichzeitig aufgenommenen Schichten beschleunigt werden. Während eine konventionelle Bildrekonstruktion ein kollabiertes Bild von mehreren Schichten ergeben würde (z.B. 3 Schichten, siehe Abb. 13, linke Spalte), können über eine Technik, die sich multiple Empfängerspulen zu Nutze macht, die individuellen Schichten dargestellt werden. Die SMS Bildgebung wird von der Gruppe für verschiedene Applikationen untersucht.

Abbildung 13: Kardiales GRE Bild, aufgenommen bei 7 Tesla mit einem SMS-Faktor von 3. Während das linke Bild das kombinierte Signal aller drei angeregten Schichten enthält, zeigt das rechte Bild die drei separierten Schichten nach der Rekonstruktion.

Literatur:

  1. Dietrich S, Aigner CS, Kolbitsch C, Mayer J, Ludwig J, Schmidt S, Schaeffter T, Schmitter S. 3D Free-breathing multichannel absolute B1+ Mapping in the human body at 7T. Magnetic resonance in medicine 2020;29:1145–16 doi: 10.1002/mrm.28602.
  2. Aigner CS, Dietrich S, Schmitter S. Three‐dimensional static and dynamic parallel transmission of the human heart at 7 T. NMR Biomed 2020;34:e4450 doi: 10.1002/nbm.4450.
  3. Ladd ME, Bachert P, Meyerspeer M, Moser M, Nagel AM, Norris, DG, Schmitter S, Speck O, Straub S, Zaiss M. Pros and cons of ultra-high-field MRI/MRS for human application. Progress in nuclear magnetic resonance spectroscopy 2018;109:1–50 doi: 10.1016/j.pnmrs.2018.06.001.
  4. Schmitter S, Wu X, Ugurbil K, van de Moortele P-F. Design of parallel transmission radiofrequency pulses robust against respiration in cardiac MRI at 7 Tesla. Magn Reson Med 2015;74:1291–1305 doi: 10.1002/mrm.25512.
  5. Schmidt S, Flassbeck S, Bachert P, Ladd ME, Schmitter S. Velocity encoding and velocity compensation for multi-spoke RF excitation. Magn Reson Imaging. 2020 Feb;66:69-85. doi: 10.1016/j.mri.2019.11.007. In collaboration with DKFZ, Heidelberg
  6. Schmitter S, DelaBarre L, Wu X, Greiser A, Wang D, Auerbach EJ, Vaughan JT, Ugurbil K, van de Moortele P-F. Cardiac imaging at 7 Tesla: Single- and two-spoke radiofrequency pulse design with 16-channel parallel excitation. Magn Reson Med 2013;70:1210–1219 doi: 10.1002/mrm.24935.
  7. Aigner CS, Dietrich S, Schäffter T and Schmitter S. Calibration-free pTx of the human heart at 7T via 3D universal pulses. Proc. Intl. Soc. Mag. Reson. Med. 29, virtual meeting, May 2021.
  8. Aigner CS, Dietrich S, Schäffter T and Schmitter S. Respiration induced B1+ changes and its compensation via respiration robust 3D kT point pulses in 7T body imaging. Proc. Intl. Soc. Mag. Reson. Med. 29, virtual meeting, May 2021.
  9. Krüger F, Lutz M, Aigner CS and Schmitter S. Design of slice-selective RF pulses using deep learning. Proc. Intl. Soc. Mag. Reson. Med. 29, virtual meeting, May 2021.
  10. Vinding MS, Aigner CS, Schmitter S, Lund TE. DeepControl: 2DRF pulses facilitating inhomogeneity and B0 off‐resonance compensation in vivo at 7 T. Magnet Reson Med 2021;85:3308–3317 doi: 10.1002/mrm.28667.
  11. Schmitter S, Adriany G, Waks M, Moeller S, Aristova M, Vali A, Auerbach EJ, Van de Moortele P-F, Ugurbil K, Schnell S. Bilateral Multiband 4D Flow MRI of the Carotid Arteries at 7T. Magnet Reson Med 2020;84:1947–1960 doi: 10.1002/mrm.28256.
  12. Ferrazzi G, Bassenge JP, Wink C, et al. Autocalibrated multiband CAIPIRINHA with through-time encoding: Proof of principle and application to cardiac tissue phase mapping. Magnetic Resonance in Medicine 2019;81:1016–1030 doi: 10.1002/mrm.27460.
  13. Ferrazzi G, Bassenge JP, Mayer J, et al. Autocalibrated cardiac tissue phase mapping with multiband imaging and k-t acceleration. Magnetic Resonance in Medicine 2020;84:2429–2441 doi: 10.1002/mrm.28288.
  14. Schmitter S, Moeller S, Wu X, Auerbach EJ, Metzger GJ, Van de Moortele PF, and Ugurbil K. Simultaneous multislice imaging in dynamic cardiac MRI at 7T using parallel transmission. Magn Reson Med 2017;77:1010–1020 doi: 10.1002/mrm.26180.