<  Back to the Polytechnique Montréal portal

Bringing Quantitative Magnetic Resonance Imaging Under One Umbrella

Agah Karakuzu

Ph.D. thesis (2022)

[img] Restricted to: Repository staff only until 19 September 2023
Terms of Use: All rights reserved
Request a copy
Show abstract
Hide abstract

Abstract

Conventional magnetic resonance imaging (MRI) systems are not measurement devices. ClinicalMRI relies on visual assessment of images represented on an arbitrary grayscale. RedefiningMR scanners as measurement devices is an ambitious goal that has motivated anumber of quantitative MRI (qMRI) methods. These methods aim at supplementing MRimages with meaningful units that are informative of the underlying tissue microstructure.However, retrofitting measurement into commercial MR scanners requires coordinated developmentand standardization efforts. A major stumbling-block is the variability of qMRIdue to the black-box vendor implementations of MRI pulse sequences. Another challengeoriginates from the lack of interoperable and reproducible qMRI processing workflows.The grand objective of this PhD work was to address both problems described above bybringing qMRI under one umbrella. This was achieved through the development of a vendorneutralworkflow that can standardize pulse sequences, data and processing methods toseamlessly streamline quantitative MRI protocols. While the focus of the thesis was on myelinimaging, the end-to-end solution offered by this work can benefit most qMRI applications.The first part of the thesis consists of developing an open-source software package to process,simulate and analyze qMRI data: qMRLab (https://qmrlab.org). The codebase of qMRLabwas developed based on collaborative and modular design principles to foster easy integrationof any qMRI method. In addition to extensive user and developer documentation, anexample dataset was provided for each method. Equipped with a thorough continuous integrationand deployment pipeline, each release of the software was ensured to run consistentlyon portable software environments for interactive tutorials and publications. As of today,qMRLab includes 24 implementations added by more than 10 contributors and is being usedby tens of research labs around the globe.The second contribution of this thesis was leading the development of a global qMRI datastandard. A joint-community collaboration between the MR method developers and neuroimagingresearchers was established to extend the brain imaging data structure (BIDS)for qMRI data and metadata: qMRI-BIDS. Monthly meetings were held with the participationof more than 30 researchers over the course of four years. The final version of theextension proposal standardized 18 quantitative maps along with their units, added newmetadata fields to enhance provenance recording, defined a new common principle of filecollections to organize input data and metadata for 15 qMRI methods, and establisheda set of rules to extend the specification for future qMRI use cases. Finally, an example dataset was created and the extension was merged into the main BIDS release v1.5.0(https://bids-specification.readthedocs.io).The above contributions enabled the development of qMRFlow, a collection of portable andqMRI-BIDS compatible pipelines that can streamline qMRLab with other pre- and postprocessing software via containers. As the final piece of the end-to-end workflow puzzle, avendor-neutral sequence (VENUS) was developed on an FDA-approved real-time MRI platformand made publicly available at https://github.com/qmrlab/venus for acquiring myelinsensitive maps of T1, magnetization transfer ratio and saturation (MTR and MTsat). Tocommunicate with qMRFlow, VENUS was designed to reconstruct and export data in theqMRI-BIDS format. To enable a user-friendly qMRI scan control, we equipped VENUS witha unified user interface. The developed end-to-end pipeline (qMRFlow + VENUS) was deployedon one GE and two Siemens scanners (3T) to test the hypothesis that vendor-neutralsequences reduce inter-vendor variability of T1, MTR and MTsat maps. Three healthyparticipants and a reference T1 phantom were scanned using VENUS and its vendor-nativecounterparts on all three scanners. In vivo results showed that the variability between vendorswas significantly reduced for all maps (p=0.015). In the phantom, not only were inter-vendordifferences reduced (8 - 19.4% to 0.2 - 5% deviation), but also an overall improvement wasachieved in T1 accuracy (7 - 11% to 0.2 - 4% error).This thesis demonstrates a powerful integration between vendor-neutral sequences, communitydata standards and open-source software to improve the reliability of quantitative MRI.The developed workflows reduce the variability at multiple levels, starting with the MRI pulsesequence implementations and continuing with reconstruction, pre- and post-processing. Inaddition, these workflows are built on an FDA-approved platform that can host qMRI methodswith a fast track to clinical translation. Quantitative MRI needs to bypass the vendorblack boxes to deliver what it has to offer, and this work shows the way forward.

Résumé

Les systèmes conventionnels d'imagerie par résonance magnétique (IRM) ne sont pas desappareils de mesure. L'IRM clinique repose sur l'évaluation visuelle des images représentéessur des niveaux de gris arbitraires. Redéfinir les scanners de RM en tant qu'appareils demesure est un objectif ambitieux qui a motivé un certain nombre de méthodes d'IRM quantitative(IRMq). Ces méthodes visent à compléter les images obtenues par RM avec des unitéssignificatives qui sont informatives de la microstructure fondamentale de tissu. Cependant,la mise à niveau des mesures dans les scanners RM commerciaux nécessite des efforts coordonnésde développement et de normalisation. Un obstacle majeur est la variabilité del'IRMq en raison des implémentations de la boîte noire des séquences d'impulsions d'IRM.Un autre défi provient du manque de flux de travail de traitement IRMq interopérables etreproductibles.Le grand objectif de cette thèse de doctorat était de résoudre les deux problèmes décritsci-dessus en réunissant l'IRMq sous un même parapluie. Cela a été réalisé grâce au développementd'un flux de travail neutre pour le fournisseur qui peut normaliser les séquences d'impulsions,les données et les méthodes de traitement pour rationaliser de manière transparente les protocolesd'IRM quantitative. Bien que la thèse ait porté sur l'imagerie de la myéline, la solutionde bout en bout offerte par ce travail peut profiter à la plupart des applications d'IRMq.La première partie de la thèse consiste à développer un progiciel open source pour traiter,simuler et analyser les données IRMq: qMRLab (https://qmrlab.org). La base de code deqMRLab a été développée sur la base de principes de conception collaborative et modulairepour favoriser une intégration facile de toute méthode IRMq. En plus de la documentationcomplète des utilisateurs et des développeurs, un exemple de jeu de données a été fournipour chaque méthode. Équipé d'un pipeline complet d'intégration et de déploiement continus,chaque version du logiciel a été assurée de fonctionner de manière cohérente sur desenvironnements logiciels portables pour des tutoriels et des publications interactifs. À cejour, qMRLab comprend 24 implémentations ajoutées par plus de 10 contributeurs et estutilisé par des dizaines de laboratoires de recherche à travers le monde.La deuxième contribution de cette thèse a été de diriger l'élaboration d'une norme mondialede données d'IRMq. Une collaboration communautaire entre les concepteurs de la méthodede RM et les chercheurs en neuroimagerie a été établie pour étendre la structure de donnéesd'imagerie cérébrale (BIDS) pour les données et les métadonnées de l'IRMq : qMRI-BIDS.Des réunions mensuelles ont eu lieu avec la participation de plus de 30 chercheurs sur une période de quatre ans. La version finale de la proposition d'extension a normalisé 18 cartesquantitatives ainsi que leurs unités, a ajouté de nouveaux champs de métadonnées pouraméliorer l'enregistrement de la provenance, a défini un nouveau principe commun de collectesde fichiers pour organiser les données d'entrée et les métadonnées pour 15 méthodes d'IRMq,et a établi un ensemble de règles pour étendre la spécification pour les futurs cas d'utilisationde l'IRMq. Enfin, un exemple de jeu de données a été créé et l'extension a été fusionnée dansla version principale de BIDS v1.5.0 (https://bids-specification.readthedocs.io/).Les contributions ci-dessus ont permis le développement de qMRFlow, une collection depipelines portables et compatibles qMRI-BIDS qui peuvent rationaliser qMRLab avec d'autreslogiciels de pré- et post-traitement via des conteneurs. En tant que dernière pièce du puzzlede flux de travail de bout en bout, une séquence neutre pour le fournisseur (VENUS)a été développée sur une plateforme d'IRM en temps réel approuvée par la FDA et renduepublique (https://github.com/qmrlab/venus) pour l'acquisition de cartes sensibles à la myélinede T1, du rapport de transfert d'aimantation et de la saturation (MTR et MTsat). Pourcommuniquer avec qMRFlow, VENUS a été conçu pour reconstruire et exporter des donnéesau format qMRI-BIDS. Pour activer un contrôle de balayage qMRI convivial, nous avonséquipé VENUS d'une interface utilisateur unifiée. Le pipeline de bout en bout développé(qMRFlow + VENUS) a été déployé sur un scanner GE et deux scanners Siemens (3T) pourtester l'hypothèse selon laquelle les séquences neutres pour les fournisseurs réduisent la variabilitéinter-fournisseur des cartes T1, MTR et MTsat. Trois participants en bonne santé etun fantôme T1 de référence ont été scannés à l'aide de VENUS et de ses homologues natifsdu fournisseur sur les trois scanners. Les résultats in vivo ont montré que la variabilité entreles fournisseurs était considérablement réduite pour toutes les cartes (p = 0,015). Dans lefantôme, non seulement les différences entre les fournisseurs ont été réduites (8 - 19,4% à 0,2- écart de 5%)), mais aussi une amélioration globale a été obtenue dans la précision T1 (7 -11% à 0,2 - 4% d'erreur).Cette thèse démontre une intégration puissante entre les séquences neutres pour les fournisseurs,les normes de données communautaires et les logiciels open source pour améliorerla fiabilité de l'IRM quantitative. Les flux de travail développés réduisent la variabilité àplusieurs niveaux, en commençant par la mise en oeuvre de la séquence d'impulsions d'IRMet en continuant avec la reconstruction, le pré- et le post-traitement. En outre, ces fluxde travail sont construits sur une plateforme approuvée par la FDA qui peut héberger desméthodes d'IRMq avec une voie rapide vers l'application clinique. L'IRM quantitative doitcontourner les boîtes noires du fournisseur pour fournir ce qu'elle a à offrir, et ce travailmontre la voie à suivre.
Department: Institut de génie biomédical
Program: Génie biomédical
Academic/Research Directors: Nikola Stikov
PolyPublie URL: https://publications.polymtl.ca/10224/
Institution: Polytechnique Montréal
Date Deposited: 19 Sep 2022 11:27
Last Modified: 14 Nov 2022 14:04
Cite in APA 7: Karakuzu, A. (2022). Bringing Quantitative Magnetic Resonance Imaging Under One Umbrella [Ph.D. thesis, Polytechnique Montréal]. PolyPublie. https://publications.polymtl.ca/10224/

Statistics

Total downloads

Downloads per month in the last year

Origin of downloads

Repository Staff Only

View Item View Item