MR imaging without the use of contrast agents has recently been used for creating perfusion and ventilation functional lung images. The technique incorporates frequency- or wavelet-domain filters to separate the MR signal components. This paper presents a new, subject-adaptive algorithm for perfusion and ventilation filters design. The proposed algorithm uses a lung signal model for separation of the signal components in the frequency domain. Non-stationary lung signals are handled by a short time Fourier transform. This method was applied to sets of 192 and 90 co-registered non-contrast MR lung images measured for five healthy subjects at the rate of 3,33 images per second, using different slice thicknesses. In each case, the resulted perfusion and ventilation images showed a smaller amount of mutual information, when compared to those obtained using the known lowpass/highpass filter approach.
Magnetresonanztomographie ohne den Einsatz von Kontrastmitteln wurde unlängst zur Erzeugung funktioneller Perfusions- und Ventilationsaufnahmen des Lungengewebes verwendet. Die bereits publizierte Methode benutzte Frequenz- oder Waveletfilter um das MR-Signal in verschiedene Komponenten aufzuspalten. In diesem Artikel wird ein neuer Algorithmus zur Optimierung der verwendeten Filter beschrieben. Der vorgeschlagene Algorithmus verwendet ein bekanntes Lungenmodell um die gesuchten Komponenten des Signals im Frequenzband zu bestimmen und danach zu separieren. Nicht stationäre Signale, die beispielsweise durch unregelmäßige Atemzyklen der Versuchspersonen erzeugt wurden, werden dabei mit Hilfe einer Short-Time-Fourier-Transformation verarbeitet. Der neue Algorithmus wurde auf Datensätze bestehend aus entweder 192 oder 90 koregistrierten Bildern angewandt. Die verwendeten Aufnahmen stammen von fünf gesunden Probanden und wurden mit einer Rate von 3,33 Bildern pro Sekunde bei verschiedenen Schichtdicken aufgenommen. In allen betrachteten Fällen besaßen die neu errechneten Perfusions- und Ventilationsbilder einen geringeren Anteil an mutual information verglichen mit der konventionellen Methode. Diese Ergebnisse belegen klar die Vorteile der individuell errechneten Filter im Vergleich zu den klassischen Hoch-/Tiefpassfiltern.