Dixon-based magnetic resonance imaging (MRI) intramuscular proton density fat fraction (PDFF) is a potentially useful imaging biomarker of muscle quality. However, multi-vendor, multi-site reproducibility of intramuscular PDFF quantification, required for large clinical studies, can be strongly dependent on acquisition and processing. The purpose of this study was (I) to develop a 6-point Dixon MRI-based acquisition and processing technique for reproducible multi-vendor, multi-site quantification of thigh intramuscular PDFF; and (II) to evaluate the ability of the technique to detect differences in thigh muscle status between operated

Motivation: High-resolution T1ρ mapping is desired to improve the early diagnosis of diseases such as osteoarthritis; however, it suffers from long acquisition times. Goal(s): To accelerate high-resolution T1ρ mapping using compressed-sensing reconstruction in a multi-site multi-vendor setting. Approach: We standardized the T1ρ imaging protocol between three sites using three MR platforms (GE/Philips/Siemens). Accelerated high-resolution T1ρ mapping with accelerator factors (AF) ranging 8-12 were performed using both retrospective and prospective downsamplings with compressed-sensing reconstruction. Results: The coefficients-of-variation between reference and accelerated maps were <5% for all sites. Reliable high-resolution T1ρ mapping of the whole knee can be acquired within 7 mins. Impact: Standardization of the acquisition and reconstruction of accelerated high-resolution T1ρ mapping across sites and MR platforms will greatly facilitate its future use in clinical trials and clinical practice, significantly improving diagnosis and evaluation of responses to interventions/treatments for OA.

Motivation: High-resolution T1ρ mapping is desired for improved sensitivity to small lesions and less partial volume averaging effects. However, the low image SNR can induce bias in T1ρ quantification. Goal(s): To develop and evaluate advanced fitting methods of high-resolution T1ρ mapping in a multi-site multi-vendor setting. Approach: High-resolution T1ρ mapping in volunteers were collected with a harmonized protocol from three sites and three MR platforms. Data were fitted with nonlinear least-squares (NLS) fitting, noise-corrected NLS fitting (NCNLS), and maximum-likelihood estimation (MLE). Results: :NLS overestimated T1ρ while NCNLS and MLE reduced the overestimation. The results were consistent across all sitesImpact: Advanced fitting methods can reduce fitting errors induced by low SNR for high-resolution T1ρ mapping, which may provide improved diagnosis of osteoarthritis.