OG
Oliver Gurney‐Champion
Author with expertise in Breast Magnetic Resonance Imaging in Oncology
Achievements
This user has not unlocked any achievements yet.
Key Stats
Upvotes received:
0
Publications:
11
(18% Open Access)
Cited by:
2
h-index:
22
/
i10-index:
33
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

A signal model for fat‐suppressed T1‐mapping and dynamic contrast‐enhanced MRI with interrupted spoiled gradient‐echo readout

Myrte Wennen et al.Nov 21, 2024
Abstract The conventional gradient‐echo steady‐state signal model is the basis of various spoiled gradient‐echo (SPGR) based quantitative MRI models, including variable flip angle (VFA) MRI and dynamic contrast‐enhanced MRI (DCE). However, including preparation pulses, such as fat suppression or saturation bands, disrupts the steady‐state and leads to a bias in T 1 and DCE parameter estimates. This work introduces a signal model that improves the accuracy of VFA T 1 ‐mapping and DCE for interrupted spoiled gradient‐echo (I‐SPGR) acquisitions. The proposed model was applied to a VFA T 1 ‐mapping I‐SPGR sequence in the Gold Standard T 1 ‐phantom (3 T), in the brain of four healthy volunteers (3 T), and to an abdominal DCE examination (1.5 T). T 1 ‐values obtained with the proposed and conventional model were compared to reference T 1 ‐values. Bland–Altman analysis (phantom) and analysis of variance (in vivo) were used to test whether bias from both methods was significantly different ( p = 0.05). The proposed model outperformed the conventional model by decreasing the bias in the phantom with respect to the phantom reference values (mean bias ‐2 vs. ‐35% at 3 T) and in vivo with respect to the conventional SPGR (‐6 vs. ‐37% bias in T 1 , p < 0.01). The proposed signal model estimated approximately 48% (depending on baseline T 1 ) higher contrast concentrations in vivo, which resulted in decreased DCE pharmacokinetic parameter estimates of up to 35%. The proposed signal model improves the accuracy of quantitative parameter estimation from disrupted steady‐state I‐SPGR sequences. It therefore provides a flexible method for applying fat suppression, saturation bands, and other preparation pulses in VFA T 1 ‐mapping and DCE.
0
Citation1
0
Save
0

Generating synthetic computed tomography for radiotherapy: SynthRAD2023 challenge report

Evi Huijben et al.Jul 17, 2024
Radiation therapy plays a crucial role in cancer treatment, necessitating precise delivery of radiation to tumors while sparing healthy tissues over multiple days. Computed tomography (CT) is integral for treatment planning, offering electron density data crucial for accurate dose calculations. However, accurately representing patient anatomy is challenging, especially in adaptive radiotherapy, where CT is not acquired daily. Magnetic resonance imaging (MRI) provides superior soft-tissue contrast. Still, it lacks electron density information, while cone beam CT (CBCT) lacks direct electron density calibration and is mainly used for patient positioning. Adopting MRI-only or CBCT-based adaptive radiotherapy eliminates the need for CT planning but presents challenges. Synthetic CT (sCT) generation techniques aim to address these challenges by using image synthesis to bridge the gap between MRI, CBCT, and CT. The SynthRAD2023 challenge was organized to compare synthetic CT generation methods using multi-center ground truth data from 1080 patients, divided into two tasks: (1) MRI-to-CT and (2) CBCT-to-CT. The evaluation included image similarity and dose-based metrics from proton and photon plans. The challenge attracted significant participation, with 617 registrations and 22/17 valid submissions for tasks 1/2. Top-performing teams achieved high structural similarity indices (≥0.87/0.90) and gamma pass rates for photon (≥98.1%/99.0%) and proton (≥97.3%/97.0%) plans. However, no significant correlation was found between image similarity metrics and dose accuracy, emphasizing the need for dose evaluation when assessing the clinical applicability of sCT. SynthRAD2023 facilitated the investigation and benchmarking of sCT generation techniques, providing insights for developing MRI-only and CBCT-based adaptive radiotherapy. It showcased the growing capacity of deep learning to produce high-quality sCT, reducing reliance on conventional CT for treatment planning.
0

Characterizing blood and cerebrospinal fluid flow by D* tensor derived from intravoxel-incoherent-motion-diffusion-tensor-imaging

Paulien Voorter et al.Nov 26, 2024
Motivation: A deeper understanding of brain physiology and pathology can be provided with an intravoxel-incoherent-motion-diffusion-tensor-imaging (IVIM-DTI) MR scan, which simultaneously measures blood and cerebrospinal fluid (CSF) flow and flow directions; parenchymal anisotropy; and microvascular perfusion. Goal(s): To demonstrate the feasibility of IVIM-DTI to provide a proxy for blood and CSF flow. Approach: A tensor of the pseudo-diffusion component (D*) was derived from IVIM-DTI and related to arterial and ventricular physiology. Results: D* ellipsoids align well with arterial blood and CSF flow. D*&rsquo;s magnitude and anisotropy correspond to the expected flow in arteries and ventricles, indicating the technique's ability of characterizing flow dynamics. Impact: Assessing blood and cerebrospinal fluid flow with intravoxel-incoherent-motion-diffusion-tensor-imaging (IVIM-DTI) alongside traditional IVIM and DTI measures can provide comprehensive pathophysiological insights into neurological conditions. The finding that these physiological processes contribute to IVIM-derived f and D* is important for their interpretation.
0

Assessing Machine Learning Robustness in MRS Quantification: Impact of Training Strategies on Out-of-Distribution Generalization

Julian Merkofer et al.Nov 26, 2024
Motivation: Despite promising developments, current machine learning methods for magnetic resonance spectroscopy (MRS) suffer from limited robustness and generalization issues, restricting their clinical application. Goal(s): This study compares training strategies for MRS quantification, focusing on neural network resilience to out-of-distribution samples. Approach: Bias towards the training distribution was assessed for various out-of-distribution cases in synthetic data and in-vivo data. Results: Our findings reveal that, while common supervised regression is most accurate for in-distribution cases, it shows the most data bias; physics-informed self-supervised training is more robust; while integrating a least-squares fitting method within the training framework enhances standalone performance while remaining generalizable. Impact: To advance integration in clinical MRS, robust and generalizable machine learning methods are needed. This study's exploration of quantification training strategies offers insights into data biases and advocates hybrid models that combine traditional methods with neural networks to maintain robustness.
0

Diffusion‐derived intravoxel‐incoherent motion anisotropy relates to CSF and blood flow

Paulien Voorter et al.Nov 6, 2024
Purpose This study investigates the feasibility of multi‐ b ‐value, multi‐directional diffusion MRI for assessing the anisotropy of the cerebral pseudo‐diffusion ( D *)‐tensor. We examine D *‐tensor's potential to (1) reflect CSF and blood flow, and (2) detect microvascular architectural alterations in cerebral small vessel disease (cSVD) and aging. Methods Multi‐ b ‐value diffusion MRI was acquired in 32 gradient directions for 11 healthy volunteers, and in six directions for 29 patients with cSVD and 14 controls at 3 T. A physics‐informed neural network was used to estimate intravoxel incoherent motion (IVIM)–DTI model parameters, including the parenchymal slow diffusion ( D ‐)tensor and the pseudo‐diffusion ( D *)‐tensor, from which the fractional anisotropy (FA), mean diffusivity (MD), axial diffusivity (AD), and radial diffusivity (RD) were derived. Comparisons of D *‐tensor metrics were made between lateral, third, and fourth ventricles and between the middle cerebral arteries and superior sagittal sinus. Group differences in D *‐tensor metrics in normal‐appearing white matter were analyzed using multivariable linear regression, correcting for age and sex. Results D *‐anisotropy aligned well with CSF flow and arterial blood flow. FA( D *), MD( D *), AD( D *), and RD( D *) were highest in the third, moderate in the fourth, and lowest in the lateral ventricles. The arteries showed higher MD( D *), AD( D *), and RD( D *) than the sagittal sinus. Higher FA( D *) in the normal‐appearing white matter was related to cSVD diagnosis and older age, suggesting microvascular architecture alterations. Conclusion Multi‐ b ‐value, multi‐directional diffusion analysis using the IVIM–DTI model enables assessment of the cerebral microstructure, fluid flow, and microvascular architecture, providing information on neurodegeneration, glymphatic waste clearance, and the vasculature in one measurement.
Load More