CoS-MRXI - Compressed sensing for magnetorelaxometry imaging of magnetic nanoparticles

CoS-MRXI - Compressed sensing für die Magnetorelaxometrie-Bildgebung magnetischer Nanopartikel

Zusammenfassung

Magnetische Nanopartikel bieten ein breites Spektrum vielversprechender biomodizinscher Anwendungen, insbesondere in der Krebs-Therapie. Für die Sicherheit und Effizienz dieser Anwendungen ist die quantitative Kenntnis der Partikelverteilung von entscheidender Bedeutung. Aktuell gibt es keine klinisch verfügbare Technologie für deren quantitative Detektion in vivo. Magnetorelaxometrie-Bildgebung (MRXI) mit inhomogenen Anregungsfeldern ist in der Lage, Partikelverteilungen quantitativ zu erfassen. Das Potenzial dieser Technologie wurde kürzlich in experimentellen Messungen demonstriert. In diesen Experimenten wurden regulär um die Probe angeordnete Anregungsspulen nacheinander aktiviert und die Relaxation der Partikel nach jeder Anregung gemessen. Für die vielversprechenden Rekonstruktionsergebnisse waren durch die Nacheinanderanregung lange Messzeiten und große Datenmengen erforderlich.

In diesem Projekt sollen Methoden des Compressed Sensing (CS) auf die Magnetorelaxometrie-Bildgebung magnetischer Nanopartikel angepasst und erweitert werden. Das Ziel ist dabei die Entwicklung von geeigneten Anregungssequenzen für existierende Setups sowie von Design-Ansätzen für Anregungs-Spulen und Sensor-Setups. Diese Entwicklungen werden im Ergebnis zu einem grundlegenden Fortschritt in der Bildgebungstechnologie führen, der sich durch deutlichen Verbesserungen der räumlichen Auflösung und erheblich reduzierten Messzeiten widerspiegelt. Aus theoretischer Sicht erwarten wir ein verbessertes Verständnis von CS-Paradigmen für Anwendungen, in denen die Sensing-Matrix nur teilweise vorgegeben ist. Darüber hinaus sollen quantitative Rekonstruktionsalgorithmen für die CS- Paradigmen entwickelt werden. Diese Erkenntnisse lassen sich in der Zukunft auch auf andere biomedizinische Bildgebungsanwendungen übertragen.

Um die gesteckten Projektziele zu erreichen, soll der mathematische Hintergrund von Compressed Sensing für MRXI aufgearbeitet und sparsity- basierte Rekonstruktionsalgorithmen auf die MRXI-Gegebenheiten angepasst werden. Darüber hinaus sollen CS-Methoden für die Lösung bilinearer und trilinearer Optimierungsprobleme untersucht werden. Um a- priori Wissen über die biologische Verteilung der Partikel in die Rekonstruktion einfließen zu lassen, sollen die Eigenschaften dieser Verteilungen untersucht und entsprechende Modelle für deren Beschreibung entwickelt werden. Im Rahmen des Projekts sollen weiterhin CS-basierte Anregungsmuster für existierende experimentelle MRXI-Setups durch Optimierung der entsprechenden Gewichtsvektoren und die Überprüfung der Rekonstruktionsbedingungen entwickelt werden. Ein besonderer neuer Aspekt ist dabei, dass auch natürliche sparsity-Constraints für die Design- Variablen des Systems genutzt werden. Diese Ansätze werden im Folgenden auf das Design von Anregungs- und Sensorsystemen erweitert. Abschließend sollen die Entwicklungen in Simulationsstudien gründlich untersucht und durch experimentelle Phantommessungen validiert werden.

Summary

Magnetic nanoparticles offer a large variety of promising biomedical applications, particularly in cancer therapy. For the safety and efficiency of these applications, quantitative knowledge about the distribution of the particles is required. Until today, no imaging technology is clinically available for the quantitative in-vivo detection of the particles. Magnetorelaxometry imaging (MRXI) with inhomogeneous excitation fields is able to quantitatively detect distributions of magnetic nanoparticles in vivo. Recently, the potential of this technique has been demonstrated in experimental measurements. In these experiments, excitation coils, positioned in regular arrays, were consecutively activated and the magnetic relaxation of the particles was measured in each step. By solving an inverse problem, the distribution of the particles was reconstructed from these measurements. While the imaging results were promising, a long measurement time was required with respect to the consecutive activation of single coils Furthermore, large amounts of data needed to be recorded.

In this project, the methods of compressed sensing will be adapted and expanded to the application of magnetorelaxometry imaging of magnetic nanoparticles. We aim at developing appropriate excitation sequences for existing systems as well as design approaches for excitation coils and sensor setups. These developments will finally lead to a substantial advancement in the imaging technology including a substantial enhancement in spatial resolution and a considerable reduction of the number of coils and the measurement times. From a theoretical point of view, we expect an improved understanding of compressed sensing paradigms for only partly given sensing matrices, yielding practical impact in other biomedical imaging applications. Furthermore, quantitative reconstruction algorithms should be developed by compressed sensing paradigms.

To achieve the project objectives, the mathematical background of compressed sensing for MRXI will be worked out and sparsity-based reconstruction algorithms will be adapted the MRXI setting. Furthermore, compressed sensing methods will be investigated for the solution of bilinear and trilinear optimization problems. In order to incorporate prior knowledge about the biological particle distribution in the reconstruction algorithms, the properties of these distributions will be studied and a respective model will be set up. We will develop compressed sensing based excitation schemes for existing experimental MRXI setups by optimizing the weight vectors and checking the respective recovery conditions. A particularly novel aspect is that natural sparsity constraints will be used for the design variables of the system as well. These approaches will later be extended to the design of excitation coils and sensor systems. Finally, the developments will be thoroughly investigated in simulation studies and validated in experimental phantom measurements.


About Us ¦ Data Privacy Statement ¦ HTML Validation ¦ CSS Validation