Ein kapillarbasiertes Phantom zur Simulation der Gehirnperfusion mit der Magnet-Resonanz-Tomografie

Zusammenfassung

Ziel: Zur Bestimmung der Gehirnperfusion mithilfe der MRT werden Software-Systeme als Werkzeuge zur Auswertung genutzt. Die Validierung dieser Systeme erfolgte hierbei bestenfalls auf Patientenkollektiven. Diese Arbeit stellt ein kapillarbasiertes Perfusionsphantom für die MRT vor mit dessen Hilfe die Software Siemens Perfusion (MR) auf seine Exaktheit hin geprüft werden konnte. Material und Methoden: Das Perfusionsphantom besitzt gewebeähnliche Perfusionseigenschaften und erlaubt die Angabe eines Goldstandard-Flusses im Kapillarbett. Dieses Phantom wurde mit verschiedenen Messungen validiert. Auf Grundlage dieses Phantoms wurden Perfusionsmessungen durchgeführt und mit der Standard-Software (Siemens Perfusion MR) untersucht und ausgewertet. Die Auswertung resultiert in der Bestimmung des zerebralen Blutflusses (CBF). Die 726 mit der Software bestimmten CBF-Werte können mit dem Goldstandard verglichen werden. Ergebnisse: Der Vergleich erlaubt die Angabe der mittleren Abweichung der Software-Ergebnisse zum Goldstandard bei verschiedenen Flussgeschwindigkeiten. Es hat sich herausgestellt, dass die Abweichung der CBF zum Goldstandard je nach Flussgeschwindigkeit im Mittel bei 1 – 31 % liegt. Schlussfolgerung: Diese Arbeit zeigt ein einfaches, aber verlässliches Perfusionsphantom zur Validierung verschiedener singulärer Faktoren der Messung und Auswertung der Gewebeperfusion. Die hiermit geprüfte Software zeigt eine signifikante (p-Wert < 0,001) Abweichung gegenüber dem Goldstandard. Im Mittel ist der gemessene zerebrale Fluss 11,4 % höher als die tatsächliche Goldstandard-CBF. Die Zuverlässigkeit der Software konnte somit belegt und ihr Fehler hinreichend genau abgeschätzt werden.

Abstract

Purpose: The measurement of the CBF is a non-standardized procedure and there are no reliable gold standards. This abstract shows a capillary-based perfusion-phantom for CE-DSC-MRI. It has equivalent flow properties to those within the tissue capillary system of the human brain and allows the validation of the Siemens Perfusion (MR) software. Materials and Methods: The perfusion phantom consists of a dialyzer for the simulation of the capillary system, a feeding tube for simulation of the AIF and a pulsatile pump for simulation of the heart. Using this perfusion phantom, the exact determination of the gold standard CBF due to the well-known geometry of the phantom is easy. It was validated based on different perfusion measurements. These measurements were investigated with standard software (Siemens Perfusion MR). The software determined the CBF within the capillary system. Based on this CBF, a comparison to the gold standard was made with several different flow speeds. After AIF selection, a total of 726 CBF data points were automatically extracted by the software. Results: This results in a comparison of the gold standard CBF to these 726 CBF values. Therefore, a reproducible and reliable deviation estimation between gold standard CBF and measured CBF using the software was computed. It can be shown that the deviation between gold standard and software-based evaluation ranges between 1 and 31 %. Conclusion: There is no significance for any correlation between flow speed and amount of deviation. The mean measured CBF is 11.4 % higher than the gold standard CBF (p-value < 0.001). Using this kind of perfusion-phantom, the validation of different software systems allows reliable conclusions about their quality.

MR imaging - brain - CBF - phantom - simulation - gold standard

Literatur

• 1 Calamante F, Thomas D L, Pell G S et al. Measuring Cerebral Blood Flow Using Magnetic Resonance Imaging Techniques.  J Cer Blood Flow Metab. 1999;  19 701-735
• 2 Yamada K, Wu O, Gonzales R G. Magnetic Resonance perfusion-weighted imaging of acute cerebral infarction: effect of the calculation methods and underlying vasculopathy.  Stroke. 2002;  33 87-94
• 3 Lorenz R J. Grundbegriffe der Biometrie. 4. Aufl. Stuttgart: Gustav-Fischer Verlag; 1996. ISBN: 3-437-251-007
• 4 Oltmann A. Vergleichende Volumetrie von Ultraschall- und Magnetresonanztomographie-Datensätzen mit einem Hybridphantom. Medizinische Fakultät, Philipps-Universität Marburg. , Diss. 2004
• 5 Hein I A, O’Brian W D. A flexible blood flow phantom capable of independently producing constant and pulsatile flow with a predictable spatial flow profile for ultrasound flow measurement validations. IEEE Transactions on Biomedical Engineering; 1992: P39
• 6 Jo B J, Chung T S, Lee M S et al. Comparison of Gadomer-17 and Gd-DTPA in image quality of contrast angiographies using flow phantom model.  Yonsei Medical Journal. 1999;  40 413-419
• 7 Hansen C, Hüttebräuker N, Wilkening W et al. Three-dimensional Reconstruction of Fine Vascularity in Ultrasound Breast Imaging using Contrast-enhanced Spatial Compounding: In-vitro Analyses.  Academic Radiology. 2008;  1 18-26
• 8 Lehmpfuhl M, Hao C, Martirosian et al. Flussuntersuchung an Strömungsphantomen im Vor- und Nachlauf stenoseförmiger Verengung mittels geschwindigkeitskodierter MRT und numerischer Simulation der Fluiddynamik.  Biomedizinische Technik. 2009;  54 38-47
• 9 Lee G R, Hernandez-Garcia L, Noll D C. A Phantom for Quantitative Spin Tagging Measurements. ISMRM 2002, Proceedings 7. P97
• 10 Ku J P, Elkins C J, Taylor C A. Comparison of Blood flow patterns from CFD and MRI in a bypass graft model. In: Medical Engineering, American S. (Hrsg.): Summer Bioengineering Conference. American Society of Medical Engineering, Key Biscayne (Florida), 25 – 29 June 2003. Proceedings 1. 819-820
• 11 Wilkening W. Konzepte zur Signalverarbeitung für die Kontrastmittelspezifische Ultraschall-Abbildung. Ruhr-Universität Bochum. Diss. 2003
• 12 Salvado O, Hillenbrand C, Chang S et al. Method to Correct Intensity Inhomogeneity in MR Images for Atherosclerosis Characterization.  IEEE Transactions on Medical Imaging. 2006;  25 539-552
• 13 Mathys C, Rybacki K, Lanzmann R et al. Perfusions-Phantom zur computertomographischen Messung des cerebralen Blutflusses. Workshop Experimentelle Radiologie, Mainz, 13. – 14. Feb. 2009.  Fortschr Röntgenstr. 2009;  181 12-15
• 14 Haberland U, Cordes J, Lell M et al. Biological Phantom for Contrast-Media-Based Perfusion Studies With CT.  Invest Radiol. 2009;  [Epub ahead of print]
• 15 Hindle A J, Perkins A C. A perfusion phantom for the evaluation of ultrasound contrast agents.  Ultrasound Med Biol. 1994;  20 309-314
• 16 Siemens Medical Solutions, AG .Syngo Suite 3. http://www.medical.siemens.com [Zitiert am 06.01.2010]
• 17 Sachs L, Hedderich J. Angewandte Statistik. Methodensammlung. Berlin: Springer Verlag; 2006. ISBN: 3-540-321-608
• 18 Keston P, Murray A D, Jackson A. Cerebral Perfusion Imaging using Contrast-enhanced MRI.  Clin Radiol. 2003;  58 505-513
• 19 Oestergaard L, Weisskoff R M, Chesler D A et al. High resolution measurement of cerebral blood flow using intravascular tracer bolus passage – part 1: mathematical approach and statistical analysis.  Magn Res Med. 1996;  36 715-725
• 20 Perthen J E, Calamante F, Gadian D et al. Is Quantification of Bolus Tracking MRI Reliable Without Deconvolution?.  Magn Res in Med. 2002;  47 61-67
• 21 Calamante F, Gadien D G, Conelly A. Quantification of perfusion using bolus tracking magnetic resonance imaging in stroke: Assumptions, Limitations and potential Implications for clinical use.  Stroke. 2002;  22 1146-1151
• 22 Rempp K, Brix G, Wenz F et al. Quantification of regional cerebral blood flow and volume by dynamic susceptibility contrast enhanced MR imaging.  Radiology. 1994;  194 637-641
• 23 Rosen B, Belliveau J, Aronen H J et al. Susceptibility contrast imaging of cerebral blood volume: Human Experience.  Magn Res Med. 1992;  22 293-299
• 24 Schreiber W G, Gueckel F, Stritzke P et al. Cerebral blood volume and cerebrovascular reserve capacity: Estimation by dynamic magnetic resonance imaging.  J Cer Blood Flow Metab. 1998;  18 1143-1156
• 25 Lia T Q, Guang C Z, Oestergaard L et al. Quantification of cerebral blood flow by bolus tracking and artery spin tagging methods.  Magn Res Imag. 2000;  18 503-512
• 26 Kuchinski T. Imaging in acute stroke – a personal view.  Clin Neuroradiol. 2009;  19 20-30