Novel methods for magnetic resonance imaging quality assurance

Thumbnail Image

Files

isbn9789526082912.pdf (1.67 MB)

URL

Journal Title

Journal ISSN

Volume Title

School of Science | Doctoral thesis (article-based) | Defence date: 2018-11-16
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2018

Department

Neurotieteen ja lääketieteellisen tekniikan laitos
Department of Neuroscience and Biomedical Engineering

Major/Subject

Mcode

Degree programme

Language

en

Pages

61 + app. 67

Series

Aalto University publication series DOCTORAL DISSERTATIONS, 223/2018

Abstract

Quality control (QC) is an essential part of medical imaging workflow. Measurements assessing image validity are performed to guarantee that diagnoses are based on adequate information. Traditionally, quality assurance (QA) with imaging modalities using ionising radiation has been under strict regulation. On the other hand, modalities based on non-ionising radiation, such as magnetic resonance imaging (MRI), have only very limited amount of regulation, although MRI is the most prevalent method in diagnosing various diseases. There are several guidelines on proposed MRI QA protocols by international associations where applicable QC methods are presented. These methods are based on imaging a so-called phantom or test object featuring the measurement targets. Depending on the applied test and the used phantom, the scanning of the phantom protocol may take from a few minutes up to several hours. Although, the phantom-based methods can define the MRI hardware performance in many aspects, the relationship between the phantom measurements and the actual clinical image quality may remain vague. In this Thesis, streamlined methods for carrying out phantom based QA in a large radiological department were studied. An automatic image processing pipeline was built to improve data analysis and presentation. Furthermore, automatic error detection methods were compared with human observers. Additionally, new methods for QC measurements directly from clinical head images were developed. The methods were able to measure image quality changes quantitatively by directly analysing the appearance of the brain in the images. In addition to QC, the presented methods would enable comparison between different scanners and quantitative optimisation of imaging sequences.

Laadunvalvonta on keskeinen osa kaikkea lääketieteellistä kuvantamista. Sillä varmistetaan, että potilaiden diagnoosit perustuvat oikeaan informaatioon. Perinteisesti kuvantamismodaliteetit, joissa käytetään ionisoivaa säteilyä, ovat olleet tiukan velvoittavan sääntelyn piirissä. Toisaalta ionisoimatonta säteilyä käyttämättömien kuvantamismodaliteettien, kuten magneettikuvauksen, sääntely on ollut vastaavasti hyvin kevyttä. Samaan aikaan magneettikuvausta käytetään pääasiallisena menetelmänä useiden sairauksien diagnosointiin. Magneettikuvauksen laadunvalvontaa on kuvattu useiden kansainvälisten järjestöjen julkaisemissa ohjeissa. Näissä ohjeissa esitetyt menetelmät perustuvat tyypillisesti erilaisten testikohteiden—fantomien—kuvaamiseen. Riippuen käytettävästä fantomista ja tehtävistä testeistä, kuvaus kestää muutamista minuuteista useisiin tunteihin. Fantomimittauksiin perustuvat menetelmät pystyvät määrittämään magneettikuvauslaitteen teknisen suorituskyvyn kattavasti, mutta niiden yhteys todelliseen kliiniseen kuvanlaatuun on epäselvä. Tässä väitöskirjatyössä on kehitetty suoraviivaisia fantomimittausmetelmiä suuren sairaanhoitopiirin tarpeisiin. Kuvien analyysiin on tuotettu automaattinen kuvankäsittelytyönkulku parantamaan tulosten tarkkuutta ja esitystä. Työnkulun tuottamiin tuloksiin perustuvaa poikkeamien tunnistusta verrattiin laadunvalvonnan asiantuntijoiden havaintoihin. Lisäksi tässä työssä kehitettiin menetelmiä laadunvalvontamittausten tekemiseen suoraan kliinisistä pään magneettikuvista. Menetelmillä pystyttiin mittaamaan kuvien laatua kvantitatiivisesti suoraan aivojen piirteiden kuvautumisen perusteella. Esitetyt menetelmät soveltuvat laadunvalvonnan lisäksi magneettikuvauslaitteiden vertailuun sekä työkaluksi kuvaussekvenssien optimointiin.

Description

Supervising professor

Ilmoniemi, Risto, Prof., Aalto University, Department of Neuroscience and Biomedical Engineering, Finland

Thesis advisor

Salli, Eero, Dr., HUS Medical Imaging Center, Finland

Keywords

magnetic resonance imaging, image analysis, quality assurance, quality control, magneettikuvaus, kuva-analyysi, laadunvarmistus

Other note

Parts

  • [Publication 1]: T.M. Ihalainen, N.T. Lönnroth, J.I. Peltonen, J.K. Uusi-Simola, M.H. Timonen, L.J. Kuusela, S.E. Savolainen, O.E. Sipilä“, MRI quality assurance using the ACR phantom in a multi-unit imagingcenter”, Acta Oncologica, vol. 50, pp. 966–972, 2011.
    DOI: 10.3109/0284186X.2011.582515 View at publisher
  • [Publication 2]: J.I. Peltonen, T. Mäkelä, A. Sofiev, E. Salli, “An automatic image processing workflow for daily magnetic resonance imaging quality assurance”, Journal of Digital Imaging, vol. 30, pp. 163–171, 2017.
    DOI: 10.1007/s10278-016-9919-4 View at publisher
  • [Publication 3]: J.I. Peltonen, T. Mäkelä, L. Lehmonen, A. Sofiev, E. Salli, “Day-today variations in MRI image quality parameters”, Submitted to a journal, 24 pages.
  • [Publication 4]: J.I. Peltonen, T. Mäkelä, E. Salli, “Image quality control based on 3D FLAIR brain images”, Magnetic Resonance Materials in Physics, Biology and Medicine, 2018.

Citation

Permanent link to this item

https://urn.fi/URN:ISBN:978-952-60-8291-2

Collections

[diss] Perustieteiden korkeakoulu / SCI