Al tomografo RM 1.5 T si `e operata una scansione pCASL 3D spirale; si sono acquisite 36 fette di spessore s = 5 mm, F OV = 225 mm, P LD = 1525 ms e risoluzione spaziale di 192 × 192 voxels.
In Fig. 3.7 `e riportata la mappa di CBF relativa a uno dei piani, ricavata tramite Eq. 3.16.
Figura 3.7: Mappa di perfusione cerebrale ottenuta tramite pCASL 3D spirale con tomografo RM 1.5 T. I valori nell’immagine si riferiscono al parametro Cerebral Blood Flow CBF; nella materia bianca (pixels in blu) CBF ' 20ml/100g/min, nella materia grigia CBF ' 50 − 70ml/100g/min. Immagine elaborata con software MATLAB.
Dalle immagini si riconoscono la materia bianca, centrale e meno perfusa, e la materia grigia, periferica e pi`u irrorata.
L’immagine ha una risoluzione spaziale non ottimale, il rumore che affligge l’ac- quisizione va a svantaggio del contrasto. Da queste considerazioni, la necessit`a di elaborare nuove tecniche che permettano di estrarre mappe di CBF con miglior rapporto segnale-rumore, cos`ı da aumentare la fruibilit`a dell’informazione in esse contenuta in sede di diagnosi e valutazione clinica. Questo `e proprio l’obiettivo che si pone questo lavoro di tesi, affiancando alla ASL tradizionale la tecnica MRF, come esposto nei capitoli successivi.
Capitolo 4
Magnetic Resonance
Fingerprinting MRF
Le tradizionali tecniche di spettroscopia e imaging NMR forniscono informazioni su numerose propriet`a dei materiali e dei tessuti; tuttavia, queste informazioni sono generalmente relative, cio`e l’intensit`a del segnale generato da un certo tes- suto non fornisce una misura assoluta della sua quantit`a nel campione, ma ne determina soltanto la presenza rispetto a un segnale di riferimento.
Per questo si parla genericamente di tessuti ’iperintensi’ o ’ipointensi’, per espri- mere qualitativamente l’entit`a del segnale rispetto ad un riferimento arbitrario; questo, evidentemente, riduce la sensibilit`a della tecnica nel caso di variazioni globali.
Il segnale prodotto dipende criticamente da molti fattori contingenti, dal set-up dello scanner e dalla sequenza applicata, quindi uno stesso campione anatomico pu`o dar luogo a valori assoluti molto diversi tra loro.
Le tecniche tradizionali forniscono misure quantitative di un solo parametro alla volta, il che le rende scarse in risoluzione temporale e sensibili a imperfezioni nel sistema.
La tecnica di Magnetic Resonance Fingerprinting MRF [27] sfrutta un approccio di acquisizione e post-processing dei dati completamente nuovo ed `e in grado di produrre immagini quantitative multiparametriche in tempi inferiori a quelli delle metodologie standard.
A differenza delle tecniche MRI tradizionali, in cui si perturbano gli spin con una serie di impulsi che influenzano il segnale in maniera deterministica, MRF prevede una perturbazione pseudo-random del sistema, tale da produrre un pat- tern unico, riconoscibile ma non analitico (Fig. 4.1), come un’impronta digitale (fingerprint).
Mentre nel caso di MRI tradizionale `e possibile ricavare, direttamente dal se- gnale rivelato, uno specifico parametro (T2, nel caso di Fig. 4.1 (a)), in MRF l’estrapolazione di tutti i parametri caratteristici del sistema in esame avviene si- multaneamente, non dall’analisi del pattern in quanto tale, ma dal suo confronto con un dizionario di simulazioni, ovvero tramite un algoritmo che riconosce, tra gli andamenti previsti dal modello, il pi`u simile al segnale rivelato.
Figura 4.1: Confronto tra le sequenze di impulsi RF e i segnali prodotti nel caso di (a) Spin Echoe (b) MRF. Nel primo caso, gli impulsi inducono flip angle della stessa entit`a e la loro scansione temporale `e regolare (medesimo TR); il segnale cos`ı prodotto ha un andamento analiticamente noto, determinato dalla costante di tempo T2. Il segnale `e
acquisito durante tutta l’applicazione della sequenza. Nella tecnica MRF, invece, flip angle e repetition time variano continuamente in maniera pseudo-random, dunque dal pattern del segnale non `e possibile estrapolare direttamente alcun parametro, come T1,
T2 o ρ. Nell’immagine in (b), i diversi colori identificano i vari tessuti sottoposti alla
sequenza; ognuno ha prodotto un andamento unico (fingerprint), dettato dalle proprie specifiche anatomiche. L’intensit`a del segnale `e misurata a seguito di ogni impulso RF. Immagine tratta da [27].
4.1
Principio di funzionamento
Ogni elemento di volume del campione anatomico `e caratterizzato da una serie di parametri specifici che lo identificano in maniera univoca, come T1, T2 e den- sit`a protonica ρ. Se sottoposto a una certa sequenza di impulsi, tale campione produrr`a un segnale che dipende dai suddetti parametri e che, pertanto, presenta un pattern caratteristico e specifico.
MRF sfrutta questa corrispondenza tra caratteristiche del tessuto e segnale pro- dotto per risalire dal secondo al primo, identificandone la natura, voxel per voxel. Individuando un intervallo di valori a cui verosimilmente appartengono i para- metri tissutali, si simula per ognuna delle possibili combinazioni il segnale che sarebbe prodotto dalla sequenza di acquisizione. In questo modo si genera un di- zionario, tra le cui voci si cerca, per ogni elemento, la simulazione pi`u somigliante al segnale rivelato (best match): i corrispondenti valori dei parametri saranno quelli del materiale studiato, la cui identit`a risulter`a finalmente nota.
`
E importante che le variabili che determinano la sequenza di impulsi, come i flip angle e i repetition time, varino continuamente e in maniera pseudo-random durante l’acquisizione. Potenzialmente esistono infinite sequenze di impulsi com- patibili con lo scopo di MRF. MRF si `e dimostrata pi`u robusta al rumore e ad eventuali artefatti da movimento rispetto alle tecniche di ricostruzione tradizio- nali.
Le mappe di T1 e T2 prodotte tramite MRI tradizionale sono consistenti con quel- le ricavate da MRF, dunque si tratta di una tecnica accurata. Inoltre, mentre
nelle tecniche MRI standard si scartano i primi punti campionati, in cui il segnale si trova in uno stato transiente non analitico, con MRF si utilizzano tutti i dati acquisiti, ovvero `e una metodologia pi`u efficiente (si veda Par. 4.4.1).