AG Zaiss – Multimodale Bildgebung in der klinischen Forschung
Willkommen bei der Arbeitsgruppe Multimodale Bildgebung in der klinischen Forschung!
Wir bieten immer wieder spannende Bachelor-, Master- und Promotionsthemen an. Bei Interesse bitte einfach eine Email an moritz.zaiss@uk-erlangen.de.
1. Metabolische Bildgebung
Chemical exchange saturation transfer (CEST) ist eine verhältnismäßig neue MRT-Technik, die noch nicht routinemäßig im klinischen Alltag zur Anwendung kommt. CEST kann einen spektroskopischen und molekularen MT-Kontrast erzeugen, indem es den Protonentransfer körpereigener Moleküle nutzt, die sich mit dem freien Wasserpool austauschen. CEST erzeugt eine Signalverstärkung von bis zu 3 Größenordnungen im Vergleich zur MR-Spektroskopie.
Der bisher am besten untersuchte Effekt ist der Amid-CEST-Effekt, die von Amiden endogener Proteine und Peptide (3.5 ppm) ausgeht und auch als amide proton transfer-weighted (APTw) CEST bezeichnet wird. Amid-CEST bei ultrahohen Feldstärken korreliert mit der kontrastverstärkten MRT. Die Glukose-MRT ermöglicht den Nachweis der Glukoseaufnahme nach einer Injektion und macht natürliche D-Glukose zu einem Kontrastmittel.
Der bisher am besten untersuchte Effekt ist der Amid-CEST-Effekt, die von Amiden endogener Proteine und Peptide (3.5 ppm) ausgeht und auch als amide proton transfer-weighted (APTw) CEST bezeichnet wird. Amid-CEST bei ultrahohen Feldstärken korreliert mit der kontrastverstärkten MRT. Die Glukose-MRT ermöglicht den Nachweis der Glukoseaufnahme nach einer Injektion und macht natürliche D-Glukose zu einem Kontrastmittel.
2. Schnelle MRT – snapshot CEST
Viele MRT-Messungen beruhen auf dem schnellen Auslesen eines präparierten Magnetisierungszustands. Die Vorbereitung braucht jedoch Zeit und das Auslesen diesen Magnetisierungszustand „zerstört“ die Präparation. Eine solche präparierte MRT ist per se zeitaufwändig.
Bei der CEST-Messung wollen wir zudem viele unterschiedlich präparierte CEST-Bilder aufnehmen, um bestimmte Spektren oder quantitative Parameter zu extrahieren. Meine Gruppe entwickelt den extremsten Fall einer solchen schnellen Auslese, nämlich eine volle 3D-Gehirnaufnahme nach einer einzigen Präparation. Dies ist mit beschleunigten GRE- und EPI-Auslesen möglich und stellt eine der schnellsten CEST-Methoden dar.
Bei der CEST-Messung wollen wir zudem viele unterschiedlich präparierte CEST-Bilder aufnehmen, um bestimmte Spektren oder quantitative Parameter zu extrahieren. Meine Gruppe entwickelt den extremsten Fall einer solchen schnellen Auslese, nämlich eine volle 3D-Gehirnaufnahme nach einer einzigen Präparation. Dies ist mit beschleunigten GRE- und EPI-Auslesen möglich und stellt eine der schnellsten CEST-Methoden dar.
 snapshot CEST des gesamten Gehirns |
3. Ultrahochfeldbildgebung (UHF)
Bei UHF ist das MRT-Signal im Allgemeinen höher und auch die spektrale Selektivität nimmt zu. Beides ist besonders vorteilhaft für die CEST-Bildgebung, allerdings mit stärkeren Feldinhomogenitäten. Meine Gruppe entwickelt neuartige Methoden, um diese Feldinhomogenitäten sowie die Bewegung des Patienten während der Aufnahme zu kompensieren, so dass zuverlässige Spektren und Kontrastkarten von hoher Qualität erzeugt werden können. Wir arbeiten mit 7 T- und 9,4 T-UHF-MRT Humanscannern.
 Hohe spektrale Selektivität… |
 …bringt eine hohe B1-Verantwortung mit sich! |
4. Self-Learning MRT
Im Januar 2018 (9.1.) haben wir uns gefragt:
„Was wäre, wenn die MRT-Sequenzprogrammierung nur ein Spiel ist, das wir wie Go durch reinforced learning gewinnen können?
Die Regeln sind die Bloch-Gleichungen. Die Sequenz ist unsere Strategie. Der k-Raum ist unsere feature extraction, und die Differenz zum richtigen Bild ist die Kostenfunktion.“
Seitdem haben wir experimentiert, um einen Prototyp für ein self-learning MRT zu entwickeln, das jetzt für einfache Probleme in 2D und niedriger Auflösung funktioniert. Wenn wir dies auf eine hohe Auflösung und 3D skalieren können, würde ein neues Paradigma für die Entwicklung von MRT-Methoden erreicht werden. Die Generierung einer MR-Sequenz und die Rekonstruktion würden allein auf der Vorgabe eines bestimmten Ziel-Bildes beruhen; allerdings wären die Möglichkeiten für die vorgegebenen Ziele grenzenlos, z. B. Quantifizierung, Segmentierung sowie Kontraste anderer Bildgebungsmodalitäten.
MRzero ist eine end-to-end Optimierung, oder ein autonomes MRT,oder ein self-learning MRT… |
