Compressed sensing voor versnelde beeldvorming van microstructuren

De interpretatie van Magnetic Resonance Imaging (MRI) is hoofdzakelijk gebaseerd op een kwalitatieve visuele beoordeling van verschillen in beeldcontrast. Nieuwe ontwikkelingen in kwantitatieve MRI (qMRI) bieden de mogelijkheid tot objectieve weefselkarakterisering door gebruik te maken van het rijke multidimensionale signaal van beelden die zijn verkregen met verschillende parameterinstellingen om fundamentele onderliggende weefseleigenschappen in te schatten met behulp van een generatief model. Onder deze qMRI technieken richt microstructuur beeldvorming zich op het aftasten van kenmerken van de weefsel microstructuur met behulp van diffusie-gewogen MRI (dMRI). In de hersenen kan dMRI kenmerken van neuraal weefsel op subvoxelschaal meten en neuronale connectiviteitspaden traceren. Zeer nauwkeurige beeldvorming van de microstructuur met dMRI is momenteel niet haalbaar binnen klinisch aanvaardbare scantijden door de hoge dimensionaliteit van de dMRI-metingen die moeten worden verworven. Het doel van dit doctoraatsonderzoek is om qMRI van neurale weefsel microstructuur te versnellen met een ordegrootte door gebruik te maken van een eerder ontwikkelde en gevalideerde rang-1 representatie van het dMRI signaal. Deze representatie zou een zeer effectieve beperking kunnen opleggen aan dMRI reconstructietechnieken voor sterke onderbemonsterde data, verwant aan compressed sensing methoden, waardoor het aantal parametercombinaties dat gesampled moet worden verminderd wordt en daarmee de scantijd die nodig is voor robuuste microstructuurmodellering.