Analýza dat pro kvantitativní MR relaxometrii

Abstract

Tato práce se zabývá implementací algoritmu pro analýzu dat pro kvantitativní relaxometrii magnetické rezonance. Magnetická rezonance (MR) je neinvazivní zobrazovací technika využívající magnetických vlastností atomových jader. Motivací pro využívání relaxačních parametrů tkání je nezávislost na MR skenerech či jednotlivých pacientech. V práci jsou popsány nezbytné teoretické základy MR mechanizmů a vzniku kontrastu v obrazech. S jejich využitím je navržen algoritmus v jazyce Python pro fitování relaxačních parametrů vzorku. Fitování probíhá podle exponencíálních modelových funkcí pro tři různé kombinace parametrů - individuální fitování T1 nebo T2 relaxačního času a simultánní fitování obou časů. Pro výpočet směrodatné odchylky fitovaných parametrů je použit lokálně linearizovaný model a dolní meze podle teorie Cramér-Rao. Výsledky práce byly úspěšně ověřeny na relaxometrii fixovaného potkaního mozku.

This work deals with the implementation of an algorithm for data analysis for quantitative magnetic resonance relaxometry. Magnetic resonance (MR) is a non-invasive imaging technique using the magnetic properties of atomic nuclei. The motivation for the use of relaxation parameters of tissue is scanner-independent diagnostics. The work describes the essential theoretical foundations of MR mechanisms and the contrast mechanisms. Using them, an algorithm in Python is designed for fitting the relaxation parameters of the sample. Fitting is done according to an exponential model functions for three different combinations of parameters - individual fitting of T1 or T2 relaxation time and simultaneous fitting of both times. A locally linearized model and Cramer-Rao lower bounds are used to calculate the standard deviation of the fitted parameters. The results of the work were successfully verified on a fixed rat brain relaxometry.