Background Conventional chemical shift selective (CHESS) fat suppression may fail in distal extremity MRI due to sensitivity to field inhomogeneities. Purpose To develop a patient-specific fat-suppression method for distal extremity 3-T MRI by exploiting the spectral heterogeneity adaptive radiofrequency pulse (SHARP) technique and to compare it to fat suppression with CHESS. Materials and Methods SHARP uses the routinely acquired frequency spectrum at MRI calibration to adapt the frequency range and time-bandwidth product of the fat-suppression pulse. In this prospective study, fat suppression by SHARP was assessed by numerical simulations, phantom experiments, and imaging in 15 asymptomatic participants who underwent ankle, foot, and hand (in superman and hand-by-the-side positions) MRI using SHARP, CHESS, and reference standard (short-tau inversion recovery or Dixon) techniques. Three readers ranked the MRI scans from 1 (best) to 3 (worst) regarding fat-suppression homogeneity. The added value of SHARP was defined as the difference between the proportions of images where SHARP outranked CHESS and where CHESS outranked SHARP. Friedman, Wilcoxon signed rank, and χ

Abstract Purpose To compare the performance of a learned magnetization‐prepared gradient echo (L‐MPGRE) sequence against a commonly used sequence for 3D T 2 and T 1ρ mapping of the knee joint, the magnetization‐prepared angle‐modulated partitioned k‐space spoiled gradient echo snapshots (MAPSS), on bi‐exponential (BE), stretched‐exponential (SE), and mono‐exponential (ME) relaxation models. Methods We used a combined differentiable and non‐differentiable optimization to learn pulse sequence structure and its parameters for 3D T 2 and T 1ρ mapping of the knee joint using ME, SE, and BE models. The learned pulse sequence framework was used to improve quantitative accuracy and SNR and to reduce filtering effects. We compare the measured multi‐compartment values between the two sequences ( n = 8), and their repeatability ( n = 4) in healthy volunteers ( n = 12 total). Results The voxel‐wise median absolute percentage difference (MAPD) between the T 2 and T 1ρ maps obtained with each sequence was 18.6% and 19.9%, respectively. The T 2 and T 1ρ repeatability tests showed a MAPD of 18.5% and 19.1% for MAPSS, and 16.8% and 15.5% for L‐MPGRE. Bland–Altman region of interest (ROI)‐wise analysis shows that bias is small, close to −1.5%, and the coefficient of variation is around 5.5% when comparing ROIs from both sequences. Conclusion The L‐MPGRE sequences can be used as a replacement for MAPSS for T 2 and T 1ρ mapping in the knee cartilage with advantages, achieving similar accuracy and 15% better repeatability in only half of its scan time.

Motivation: Scans with dark-blood contrast can improve the conspicuity of small metastases in contrast-enhanced brain examinations and may be useful for vessel-wall imaging. Goal(s): To describe a novel sequence, called echo-uT1RESS, that overcomes the limitations of the frequently utilized T1 SPACE sequence. Approach: The proposed stack-of-stars echo-uT1RESS sequence applies saturation-recovery preparation followed by 3D PSIF readout. Due to radial k-space acquisition, scans are motion-insensitive and can be acquired during free breathing. Dynamic contrast-enhanced images can be obtained through GRASP reconstruction. Results: Evaluation in a small patient cohort demonstrated high conspicuity of enhancing lesions and vessel walls with reduced motion artifacts compared to conventional sequences. Impact: The described radial echo-uT1RESS sequence offers improved lesion-to-background and dark-blood contrast. The sequence may help to increase the sensitivity for detecting small metastases and may find application in vessel-wall imaging. It is also compatible with dynamic imaging using GRASP reconstruction.

Motivation: The application of 3D SPACE-DIXON techniques for musculoskeletal MRI has advantages in terms of fat suppression capacities, but drawbacks with regard to substantially longer acquisition times compared with SPAIR fat suppressed 3D SPACE. Goal(s): To reduce the acquisition time of 3D SPACE-DIXON to that of 3D SPACE-SPAIR while maintaining superior fat suppression capabilities. Approach: Six-fold CAIPIRINHA acceleration was combined with a deep learning-based image reconstruction algorithm to decrease the acquisition time and maintain image quality. Results: Image quality parameters in volunteer scans were rated equivalent to the conventional 3D SPACE-DIXON sequence and superior to the 3D SPACE-SPAIR sequence. Impact: We present a 3D SPACE-DIXON technique with improved fat suppression performance and similar acquisition time compared with 3D SPACE-SPAIR for musculoskeletal 3D MRI. Preliminary in vivo results indicate the clinical utility of this technique for proton density-weighted 3D MRI.

Motivation: Bi-exponential T2 and T1rho mapping of the knee cartilage can potentially improve early detection of knee osteoarthritis. Goal(s): Scan time is usually long and SNR is low with standard methods. We plan to improve these aspects with a machine-learned pulse sequence. Approach: We use a machine learning approach, called optimized variable flip-angles (OVFA) on magnetization-prepared gradient-echo (MPGRE) sequences to improve bi-exponential T2 and T1rho mapping on the knee cartilage. Results: We observed an improvement of ~50% in SNR and a reduction of acquisition time by almost 2X when compared to standard MAPSS, typically used for quantitative T1rho and T2 mapping. Impact: This study shows that the learned pulse sequence, named MPGRE-OVFA, can obtain similar bi-exponential T2 and T1rho mapping values as MAPSS, but it is 2 times faster and has 50% more SNR, potentially improving early detection of osteoarthritis.

Due to limitations in current motion tracking technologies and increasing interest in alternative sensors for motion tracking both inside and outside the MRI system, in this study we share our preliminary experience with three alternative sensors utilizing diverse technologies and interactions with tissue to monitor motion of the body surface, respiratory-related motion of major organs, and non-respiratory motion of deep-seated organs. These consist of (1) a Pilot-Tone RF transmitter combined with deep learning algorithms for tracking liver motion, (2) a single-channel ultrasound transducer with deep learning for monitoring bladder motion, and (3) a 3D Time-of-Flight camera for observing the motion of the anterior torso surface. Additionally, we demonstrate the capability of these sensors to simultaneously capture motion data outside the MRI environment, which is particularly relevant for procedures like radiation therapy, where motion status could be related to previously characterized cyclical anatomical data. Our findings indicate that the ultrasound sensor can track motion in deep-seated organs (bladder) as well as respiratory-related motion. The Time-of-Flight camera offers ease of interpretation and performs well in detecting surface motion (respiration). The Pilot-Tone demonstrates efficacy in tracking bulk respiratory motion and motion of major organs (liver). Simultaneous use of all three sensors could provide complementary motion information outside the MRI bore, providing potential value for motion tracking during position-sensitive treatments such as radiation therapy.

Motivation: Sequences from the T1RESS family offer increased lesion conspicuity in contrast-enhanced brain examinations. Recently, radial variants have been developed to improve motion robustness. Goal(s): To enable broader clinical utilization of radial T1RESS sequences. Approach: Dynamic imaging is enabled through combination with GRASP reconstruction. Fat/water separation is achieved by integrating the multi-echo Dixon technique. Further scan acceleration is achieved by applying 1D GRAPPA along the kz dimension. Results: The proposed extensions are demonstrated for brain imaging at 3T in volunteers and patients, revealing dynamic lesion-enhancement patterns, successful fat/water separation, and supplementary scan acceleration with comparable quality and lesion conspicuity. Impact: The proposed technical extensions of radial stack-of-stars T1RESS sequences, including dynamic reconstruction, fat/water separation, and parallel imaging, will enable broader clinical utilization of this novel sequence family and may result in noticeably improved sensitivity for lesion detection throughout the body.

Motivation: There is a lack of publicly available, raw k-space data for prostate MRI. Goal(s): To compile and release raw k-space data for clinical prostate MRI and demonstrate its utility for development of deep learning methods for image reconstruction and automated diagnosis. Approach: Biparametric MRI data from 312 patients with associated prostate cancer labels were added to the public fastMRI repository. Deep-learning models were trained on the data to reconstruct images from undersampled k-space and perform automated diagnosis of prostate cancer (PCa) on these images. Results: SSIM > 0.866 and AUC > 0.80 (test set) for the deep-learning reconstruction and automated PCa diagnosis respectively. Impact: Raw k-space data with clinical labels from fastMRI prostate will enable researchers to develop clinically relevant deep-learning reconstruction and automated diagnosis models which may ultimately advance the diagnosis and management of prostate cancer.

Motivation: Quantitative mapping of the whole knee joint could potentially improve the understanding of how OA initiates and progresses. Goal(s): To develop an UTE-based spiral sequence capable of quantifying biexponential T1ρ in knee cartilage, ligaments, tendons, and menisci. Approach: An UTE stack-of-spirals sequence with a magnetization-preparation module was developed and tested on healthy volunteers at 3T. Results: The developed UTE-based spiral sequence presented an increased signal-to-noise ratio in T1ρ- weighted images and a smaller standard deviation in quantitative maps. Impact: The feasibility of the UTE-based spiral sequence was demonstrated and showed potential for quantifying T1ρ on short T2 components in the whole knee joint.

Motivation: Fat suppression is challenging at low field strengths due to small fat frequency shifts. Dixon imaging with bSSFP offers an attractive solution by combining the robust fat-water separation performance of Dixon with the high SNR and scan speed of bSSFP sequence. However, the distinctive spectral response of bSSFP signals was overlooked in existing Dixon implementations. Goal(s): This study aims to improve fat suppression with bSSFP sequence at low field by incorporating bSSFP signal model in a two-point Dixon algorithm. Approach: Numerical simulations and phantom experiments were performed at 0.55T. Results: Results suggest that integration of bSSFP signal model can improve fat suppression. Impact: Our proposed bSSFP-based two-point Dixon method could improve imaging with fat suppression at low field, which has been a challenging task due to small fat frequency shift and low SNR.