DE102004012286B4

DE102004012286B4 - Method for baseline correction of a magnetic resonance signal in MR spectroscopy and corresponding computer program product

Info

Publication number: DE102004012286B4
Application number: DE102004012286A
Authority: DE
Inventors: Elisabeth Weiland
Original assignee: Siemens AG
Current assignee: Siemens Healthcare GmbH
Priority date: 2003-04-04
Filing date: 2004-03-12
Publication date: 2010-12-16
Anticipated expiration: 2024-03-13
Also published as: DE102004012286A1

Abstract

Verfahren zur Basislinienkorrektur eines Magnetresonanzsignals in der MR-Spektroskopie,
aufweisend die folgenden Schritte:
– Erstellen von MR-Daten,
– Modellieren einer Basislinie auf Grundlage der MR-Daten in einem finiten Zeitbereich bis zu einem vorgegebenen Abschneidezeitpunkt t_B, der deutlich kürzer ist als die zeitliche Dauer der gesamten MR-Daten, derart, dass die Modellierung der Basislinie nach dem Abschneidezeitpunkt t_B auf Null abfällt,
– Subtrahieren der modellierten Basislinie im Zeitbereich von sämtlichen MR-Daten zum Erstellen von im Zeitbereich Basislinien-korrigierten MR-Daten, und
– Transformieren der Basislinien-korrigierten MR-Daten in den Frequenzbereich, wobei
der Schritt des Modellierens der Basislinie ferner die folgenden Schritte aufweist:
– Schätzen eines Metabolitenmodells, das zumindest ein Metabolitensignal aufweist, im Zeitbereich unter Auslassung der zeitlich ersten MR-Daten,
– Subtrahieren des geschätzten Metabolitenmodells von sämtlichen gemessenen MR-Daten und Modellieren der Basislinie auf Grundlage des Subtraktionsergebnisses.Method for baseline correction of a magnetic resonance signal in MR spectroscopy,
having the following steps:
- creating MR data,
Modeling a baseline on the basis of the MR data in a finite time range up to a predetermined clipping time t _B , which is significantly shorter than the time duration of the entire MR data, such that the modeling of the baseline after the clipping time t _B to zero drops
Subtract the modeled baseline in the time domain from all MR data to create baseline-corrected MR data in the time domain, and
- Transforming the baseline-corrected MR data in the frequency domain, wherein
the step of modeling the baseline further comprises the steps of:
Estimating a metabolite model which has at least one metabolite signal in the time domain omitting the chronologically first MR data,
Subtract the estimated metabolite model from all measured MR data and model the baseline based on the subtraction result.

Description

Die Erfindung betrifft ein Verfahren zur Auswertung von Daten der Magnetresonanzspektroskopie mit einer Bestimmung der den Resonanzsignalen überlagerten Basislinie. Die Erfindung betrifft ebenfalls ein entsprechendes Computerprogrammprodukt.The The invention relates to a method for the evaluation of data from magnetic resonance spectroscopy with a determination of the base line superimposed on the resonance signals. The The invention also relates to a corresponding computer program product.

Die Magnetresonanzspektroskopie (MRS) wird seit mehr als vier Jahrzehnten in der physikalischen, chemischen und biochemischen Grundlagenforschung z. B. als Analysetechnik oder zur Strukturaufklärung komplexer Moleküle eingesetzt. Wie die Magnetresonanztomographie beruht die Magnetresonanzspektroskopie (MR-Spektroskopie) auf dem Prinzip der magnetischen Kernspinresonanz. Jedoch ist nicht die Bildgebung primäre Zielsetzung der MR-Spektroskopie, sondern das Erstellen von Magnetresonanzspektren (MR-Spektren) zur Analyse von Stoffen wie beispielsweise einer Strukturaufklärung. Die Resonanzfrequenzen von Isotopen, die ein magnetisches Moment besitzen wie beispielsweise ¹H, ¹³C, ¹⁹F oder ³¹P, sind von der chemischen Umgebung dieser Isotope abhängig. In den jeweiligen Resonanzfrequenzen vorgenannter Isotope spiegeln sich somit die chemischen Strukturen der Moleküle wider, in denen sie gebunden sind. Eine Bestimmung der Resonanzfrequenzen erlaubt es deshalb, zwischen verschiedenen Stoffen zu differenzieren. Die Signalintensität bei den verschiedenen Resonanzfrequenzen gibt Aufschluss über eine Konzentration der entsprechenden Moleküle.Magnetic Resonance Spectroscopy (MRS) has been used for more than four decades in basic physical, chemical and biochemical research, eg. B. used as analytical technique or for the structure determination of complex molecules. Like magnetic resonance imaging, magnetic resonance spectroscopy (MR spectroscopy) is based on the principle of nuclear magnetic resonance. However, imaging is not the primary goal of MR spectroscopy, but rather the creation of magnetic resonance spectra (MR spectra) for the analysis of substances such as structure elucidation. The resonant frequencies of isotopes possessing a magnetic moment, such as ¹ H, ¹³ C, ¹⁹ F or ³¹ P, depend on the chemical environment of these isotopes. The respective resonant frequencies of the aforementioned isotopes thus reflect the chemical structures of the molecules in which they are bound. A determination of the resonance frequencies therefore makes it possible to differentiate between different substances. The signal intensity at the different resonance frequencies provides information about a concentration of the corresponding molecules.

Wird ein Molekül in ein Grundmagnetfeld eines Magnetresonanzgeräts gebracht, wie dies bei der Spektroskopie geschieht, schirmen Elektronen des Moleküls das Grundmagnetfeld für Atomkerne des Moleküls ab. Durch diesen Effekt ändert sich das lokale Magnetfeld am Ort eines Atomkerns um wenige Millionstel des äußeren Grundmagnetfeldes. Die damit verbundene Variation der Resonanzfrequenz dieses Atomkerns wird als chemische Verschiebung bezeichnet. Moleküle können somit anhand ihrer chemischen Verschiebung identifiziert werden. Die Dar stellung von MR-Signalen im Frequenzbereich erfolgt üblicherweise als Verlauf der Signalintensität über der chemischen Verschiebung, wobei die chemische Verschiebung als Wert relativ zu einem Referenzsignal und normiert auf ein Referenzsignal angegeben wird. Man erhält somit eine dimensionslose Größe, deren geringe Werte in ppm (parts per million) angegeben werden.Becomes a molecule placed in a basic magnetic field of a magnetic resonance apparatus, as in spectroscopy happens, electrons of the molecule shield the basic magnetic field for atomic nuclei of the molecule from. By this effect changes The local magnetic field at the location of an atomic nucleus is reduced by a few millionths of the external basic magnetic field. The associated variation of the resonance frequency of this atomic nucleus becomes referred to as chemical shift. Molecules can thus be determined by their chemical Shift be identified. The representation of MR signals in the frequency domain is usually as the course of the signal intensity over the chemical shift, with chemical shift as a value relative to a reference signal and normalized to a reference signal is specified. You get thus a dimensionless size whose low values are given in ppm (parts per million).

Eine Resonanzlinie eines Atomkerns kann in mehrere Linien aufgespaltet sein, wenn sich weitere Atomkerne mit einem magnetischen Moment in der Umgebung des beobachteten Atomkerns befinden. Die Ursache liegt in der sogenannten Spin-Spin-Kopplung zwischen den Atomkernen. Die magnetische Flussdichte des Grundmagnetfelds, das ein Atomkern erfährt, hängt also nicht nur von der Elektronenhülle um diesen Atomkern ab, sondern auch von der Orientierung der Magnetfelder der Nachbaratome.A Resonance line of an atomic nucleus can be split into several lines be, if more atomic nuclei with a magnetic moment located in the vicinity of the observed atomic nucleus. The cause lies in the so-called spin-spin coupling between the atomic nuclei. The magnetic flux density of the basic magnetic field, which experiences an atomic nucleus, so depends not just from the electron shell around this nucleus, but also from the orientation of the magnetic fields the neighboring atoms.

Unter klinischer Magnetresonanzspektroskopie wird die Magnetresonanzspektroskopie unter Verwendung klinischer Magnetresonanzgeräte verstanden. Ergänzend zur MR-Bildgebung liefert die MR-Spektroskopie weiterreichende Informationen über die metabolische Zusammensetzung des untersuchten Gewebes und erlaubt die in vivo Untersuchung von Stoffwechselprozessen auch im Menschen. In der MR-Spektroskopie werden die unterschiedlichsten Metabolite nachgewiesen, deren Existenz und Konzentration Aufschluss über neuronale Funktionalität, Stoffwechselveränderungen und krankhafte Veränderungen in Gehirn, Muskelgewebe und anderen Organen geben können.Under Clinical magnetic resonance spectroscopy will use magnetic resonance spectroscopy understood using clinical magnetic resonance equipment. In addition to MR imaging provides more information about MR spectroscopy metabolic composition of the examined tissue and allowed the in vivo investigation of metabolic processes in humans. In MR spectroscopy, a wide variety of metabolites whose existence and concentration provide information about neural functionality Metabolic changes and pathological changes in the brain, muscle tissue and other organs.

Die Verfahren der lokalisierten Magnetresonanzspektroskopie unterscheiden sich von denen der Magnetresonanzbildgebung im wesentlichen dadurch, dass bei der Spektroskopie zusätzlich zur tomographischen Ortsauflösung auch die chemische Verschiebung aufgelöst wird. Zur Zeit dominieren in der klinischen Anwendung zwei Lokalisationsverfahren der Magnetresonanzspektroskopie. Dies sind einerseits auf Echoverfahren beruhende Einzelvolumentechniken, bei denen ein Spektrum eines zuvor ausgewählten Zielvolumens aufgezeichnet wird. Andererseits sind dies spektroskopische Bildgebungsverfahren, sogenannte CSI-Verfahren (Chemical Shift Imaging), die simultan die Aufzeichnung von Spektren vieler räumlich zusammenhängender Zielvolumina ermöglichen.The Differentiate methods of localized magnetic resonance spectroscopy substantially different from those of magnetic resonance imaging, that in spectroscopy in addition for tomographic spatial resolution also the chemical shift is resolved. Currently dominate in clinical application two localization methods of magnetic resonance spectroscopy. These are on the one hand echo-based single-volume techniques, where a spectrum of a previously selected target volume is recorded becomes. On the other hand, these are spectroscopic imaging methods, so-called CSI (chemical shift imaging) methods, which simultaneously the recording of spectra of many spatially connected Enable target volumes.

Spektroskopische Untersuchungsverfahren finden sowohl in der klinischen Phosphor- als auch in der Protonenspektroskopie Anwendung. Ein dreidimensionales CSI-Verfahren umfasst dabei beispielsweise folgende Schritte: Nach einem nichtschichtselektiven 90°-HF-Puls wird für eine definierte Zeit eine Kombination magnetischer Phasenkodiergradienten der drei Raumrichtungen eingeschaltet und danach das Magnetresonanzsignal in Abwesenheit jeglicher Gradienten ausgelesen. Vorgenanntes wird so oft mit anderen Kombinationen von Phasenkodiergradienten wiederholt, bis die gewünschte Ortsauflösung erreicht ist. Eine vierdimensionale Fouriertransformation der Magnetresonanzsignale liefert die gewünschte räumliche Verteilung der Resonanzlinien. Ein zweidimensionales CSI-Verfahren entsteht aus dem vorausgehend beschriebenen dreidimensionalen CSI-Verfahren, indem der vorgenannte, nichtschichtselektive HF-Puls durch eine schichtselektive Anregung, bestehend aus schichtselektivem HF-Puls und entsprechendem magnetischen Gradienten, ersetzt wird und eine Phasenkodierrichtung entfällt.Spectroscopic examination methods are used in both the phosphorus and the proton spectroscopy. A three-dimensional CSI method comprises, for example, the following steps: After a non-slice-selective 90 ° RF pulse, a combination of magnetic phase coding gradients of the three spatial directions is switched on for a defined time and then the magnetic resonance signal is read out in the absence of any gradients. The above is repeated with other combinations of phase encoding gradients until the desired spatial resolution is achieved. A four-dimensional Fourier transformation of the magnetic resonance signals provides the desired spatial distribution of the resonance lines. A two-dimensional CSI method arises from the dreidi described above dimensional CSI method by the aforementioned non-selective RF pulse is replaced by a slice-selective excitation, consisting of slice-selective RF pulse and corresponding magnetic gradient, and eliminates a phase encoding.

Die üblicherweise angewandten Einzelvolumentechniken beruhen auf einem Erfassen eines stimulierten Echos oder eines sekundären Spinechos. In beiden Fällen erfolgt eine Ortsauflösung durch aufeinanderfolgende selektive Anregungen dreier orthogonaler Schichten. Ein Zielvolumen ist dabei durch ein Schnittvolumen der vorgenannten drei Schichten definiert. Nur die Magnetisierung des Zielvolumens erfährt alle drei selektiven HF-Pulse und trägt somit zum stimulierten Echo bzw. sekundären Spinecho bei. Das Spektrum des Zielvolumens erhält man durch eindimensionale Fouriertransformation eines dem stimulierten Echo bzw. dem sekundären Spinecho entsprechenden Zeitsignals.The usual applied individual volume techniques are based on detecting a stimulated echoes or a secondary spin echo. In both cases occurs a spatial resolution by consecutive selective excitations of three orthogonal ones Layers. A target volume is thereby by a cutting volume of defined above three layers. Only the magnetization of the Target volume learns All three selective RF pulses and thus contributes to the stimulated echo or secondary Spin echo at. The spectrum of the target volume is obtained by one-dimensional Fourier transformation of the stimulated echo or the secondary spin echo corresponding time signal.

Bei der klinischen Protonenspektroskopie werden häufig die intensiven Wassersignale unterdrückt. Ein Verfahren zur sogenannten Wasserunterdrückung ist beispielsweise die CHESS-Technik, bei der die Kernspins der Wassermoleküle zunächst durch schmalbandige 90°-HF-Pulse selektiv angeregt werden und ihre Quermagnetisierung anschließend durch das Schalten von magnetischen Feldgradienten dephasiert wird. Für ein sich unmittelbar anschließendes Spektroskopieverfahren steht somit – im Idealfall – keine nachweisbare Magnetisierung der Wassermoleküle mehr zur Verfügung.at Clinical proton spectroscopy often becomes the intense water signals suppressed. One A method for so-called water suppression is, for example, the CHESS technique, at the nuclear spins of the water molecules first by narrow-band 90 ° RF pulses are selectively excited and then their transverse magnetization by the switching of magnetic field gradients is dephased. For yourself immediately afterwards Spectroscopy method is thus - ideally - none detectable magnetization of the water molecules more available.

Für ein vorgebbares, zu untersuchendes Volumen wird beispielsweise mit einem der vorausgehend beschriebenen Verfahren ein Magnetresonanzsignal erzeugt, das im Zeitbereich aufgenommen und das durch eine Fouriertransformation in ein zugehöriges Spektrum überführt wird, wobei beispielsweise ein Realteil oder ein Betrag des Spektrums dargestellt wird. Dabei ist das Spektrum durch Resonanzlinien, die auch als Spitzen bezeichnet werden, charakterisiert. Diese Resonanzlinien oder Spitzen treten zumeist in Form spitzer, glockenförmiger Kurven in Erscheinung. Jeder der Resonanzlinien oder Spitzen ist dabei ein maximaler Amplitudenwert zuordenbar, der wiederum einen zugehörigen Frequenzwert bzw. eine chemische Verschiebung der Resonanzlinie bestimmt, der bzw. die für die Resonanzlinie und damit für eine ganz bestimmte, im Volumen enthaltene magnetresonanzsignalgebende Substanz charakteristisch ist. Des Weiteren gibt ein Integralwert für eine der Resonanzlinien oder Spitzen in einem Absorptionsspektrum darüber Aufschluss, welche Konzentration die zugehörige Substanz im untersuchten Volumen aufweist.For a predefinable, the volume to be tested is described, for example, with one of those previously described Method generates a magnetic resonance signal, which is recorded in the time domain and which is converted by a Fourier transformation into an associated spectrum, for example, a real part or an amount of the spectrum is pictured. The spectrum is characterized by resonance lines, the also referred to as peaks, characterized. These resonance lines or laces usually occur in the form of pointed, bell-shaped curves in appearance. Each of the resonance lines or peaks is included a maximum amplitude value can be assigned, which in turn has an associated frequency value or a chemical shift of the resonance line is determined, the or for the resonance line and thus for a very specific magnetic resonance signal transmitter Substance is characteristic. Furthermore, there is an integral value for one of the resonance lines or peaks in an absorption spectrum what concentration the associated Has substance in the volume studied.

Ziel der Auswertung eines Spektrums ist es schließlich, anhand der Resonanzlinien die im untersuchten Volumen enthaltenen Substanzen zu identifizieren und deren Konzentration innerhalb des Volumens zu bestimmen. Dabei sollen vorgenannte Informationen möglichst in einem vollautomatischen Auswerteverfahren gewonnen werden und einem Betrachter des Spektrums, beispielsweise einem diagnostizierenden Arzt, zur weiteren Interpretation zur Verfügung gestellt werden.aim Finally, the evaluation of a spectrum is based on the resonance lines to identify the substances contained in the investigated volume and to determine their concentration within the volume. there The above information should be in a fully automatic if possible Evaluation methods are obtained and a viewer of the spectrum, for example a diagnosing physician, provided for further interpretation become.

Das Auswerten insbesondere von klinischen in vivo Magnetresonanzspektren zielt dabei darauf ab, das Spektrum bzw. dessen Zeitsignal zunächst von diversen Artefakten, wie Frequenzverschiebungen, Phasenverschiebungen und Basislinienverzerrungen, zu befreien. Daran anschließend wird zum Identifizieren und Quantifizieren der im untersuchten Volumen enthaltenen Substanzen, insbesondere der Metaboliten, ein Einpassen von theoretischen Kurven an das Spektrum bzw. dessen zugehöriges Zeitsignal durchgeführt. Dabei muss jeder Beitrag eines jeden Metaboliten durch eine Modellfunktion beschrieben werden, wobei die Beschreibung oftmals im Zeitbereich erfolgt. Das Anpassen der theoretischen Kurven kann aber sowohl im Zeit- als auch im Frequenzbereich durchgeführt werden, wobei das Arbeiten im Zeitbereich, insbesondere hinsichtlich einer Behandlung von fehlenden Messpunkten, einer einfachen Modellparametrisierung und höherer Schnelligkeit infolge fehlender Rechenlast für Fourierhin- und -rücktransformationen Vorteile aufweist.The Evaluate in particular clinical in vivo magnetic resonance spectra aims at the beginning of the spectrum or its time signal from various artifacts, such as frequency shifts, phase shifts and baseline distortions. Then it will be to identify and quantify the volume under study contained substances, especially the metabolites, a fitting of theoretical curves to the spectrum or its associated time signal carried out. Each contribution of each metabolite must be determined by a model function The description is often in the time domain he follows. However, adjusting the theoretical curves can both be carried out in the time as well as in the frequency domain, where working in the time domain, in particular with regard to a treatment of missing ones Measuring points, a simple model parameterization and higher speed due to missing computational load for Fourier back and forth transformations Has advantages.

Wie auch in der Veröffentlichung von HJA in't Zandt, M van der Graaf und A Heerschap: „Common processing of in vivo MR spectra”, erschienen in NMR in Biomedicine, 2001, Vol. 14, Seiten 224–232, beschrieben ist, enthalten in vivo Spektren, insbesondere solche, die mit kurzer Echozeit aufgenommen sind, zusätzlich zu den üblichen Metabolitensignalen noch Hintergrundsignale, die aus Anteilen von Restwasser, Makromolekülen und Lipiden bestehen. Die Summe der Hintergrundsignale, zu denen neben den Wasserresiduen, Lipid-Kontaminationen und Makromolekülen auch überlappende Resonanzen von Metaboliten mit sehr geringer Konzentration Beiträge leisten, wird allgemein unter dem Begriff Basislinie zusammengefasst. Die Beiträge zur Basislinie sind in starkem Maße von der Art des untersuchten Gewebes und der eingesetzten Aufnahmetechnik abhängig. In der Modellierung der Metabolitensignale muss die Basislinie daher mit berücksichtigt werden. Die Beschreibung der Basislinie erfolgt mit einem sogenannten Basislinienmodell, auch Basislinienmodellfunktion genannt. Sie kann sowohl im Frequenzbereich bzw. -raum als auch im Zeitbereich erfolgen. Im Frequenzraum werden gegenwärtig glatte, langsam veränderliche Funktionen wie Polynome oder Splines aber auch Wavelet-Darstellungen zur Beschreibung bzw. Parametrisierung der Basislinie verwendet.As also described in the publication by HJA in't Zandt, M van der Graaf and A Heerschap: "Common Processing of In Vivo MR Spectra", published in NMR in Biomedicine, 2001, Vol. 14, pp. 224-232, contain in vivo spectra, especially those recorded with a short echo time, in addition to the usual metabolite signals still background signals, which consist of fractions of residual water, macromolecules and lipids. The sum of the background signals, which in addition to the water residues, lipid contaminations and macromolecules also contribute to overlapping resonances of metabolites with very low concentrations, is generally summarized under the term baseline. The contributions to the baseline are highly dependent on the type of tissue examined and the recording technique used. In the modeling of the metabolite signals, the baseline must therefore be taken into account. The description of the baseline is made with a so-called baseline model, also called baseline model function. It can be done both in the frequency range or space as well as in the time domain. In the frequency domain currently smooth, slowly changing functions such as polynomials or splines but also Wavelet representations used to describe or parameterize the baseline.

So ist beispielsweise in YOUNG et al. ”Automated Spectral Analysis II: Application of Wavelet Shrinkage for Characterization of Non-Parameterized Signals” (1998), MRM, Vol. 40, S. 816–821 eine Modellierung von Basislinien-Abschnitten mittels Wavelet-Darstellungen im Frequenzraum offenbart.So For example, in YOUNG et al. "Automated Spectral Analysis II: Application of Wavelet Shrinkage for Characterization of Non-Parameterized Signals "(1998), MRM, Vol. 40, pp. 816-821 a modeling of baseline sections using wavelet representations revealed in frequency space.

In der Zeitdomaine finden derzeit Voigt-Linien oder experimentell ermittelte Modellspektren Verwendung. Die Parametrisierung durch Voigt-Linien und Modellspektren ist hierbei auf spezielle Anwendungen begrenzt, da sie jeweils Vorwissen über das untersuchte Gewebe benötigen. Näheres zur Modellbildung bzw. Modellierung der Basislinie mittels Wavelet-Darstellungen und Splines ist beispielsweise in dem Artikel von B. J. Soher et al. ”Representation of Strong Baseline Contributions in ¹H MR Spectra”, Magnetic Resonance in Medicine 45, 2001, Seiten 966 bis 972, beschrieben.The time domain currently uses Voigt lines or experimentally determined model spectra. The parameterization by Voigt lines and model spectra is limited to special applications because they require prior knowledge of the examined tissue. Further details on the modeling or modeling of the baseline by means of wavelet representations and splines can be found, for example, in the article by BJ Soher et al. "Representation of Strong Baseline Contributions in ¹ H MR Spectra", Magnetic Resonance in Medicine 45, 2001, pp. 966-972.

Eine Auswertung eines MR-Spektrums kann auf Basis der Daten des MR-Signals in der Zeitdomäne auch ohne Modellierung der Basislinie erfolgen. Hierbei werden die ersten Punkte des Magnetresonanzsignals, welche die Hauptanteile der Basislinie enthalten, nicht in die Modellierung der Metabolitensignale mit einbezogen. Dieser Ansatz ist beispielsweise beschrieben in dem Review Article von Vanhamme, Sundin, Van Hecke, Van Huftel: „MR spectroscopy quantitation: a review of time-domain methods”, publiziert in NMR in Biomedicine, 2001, Vol. 14, Seiten 233–246. Dieses Verfahren führt jedoch zu einer Verschlechterung des Signal-Rausch-Verhältnisses, d. h. das Signal-Rausch-Verhältnis des modellierenden Magnetresonanzsignalanteils sinkt und die angepassten Parameter weisen eine höhere Unsicherheit auf. Im Falle eng benachbarter oder sich stark überlappender Metabolitensignale versagt dieses Verfahren sogar gänzlich, wenn nicht ausreichend viele Punkte weggelassen werden, da sich Anteile benachbarter Metaboliten kompensieren können, womit die einzelnen Metabolitensignale überschätzt werden.A Evaluation of an MR spectrum can be based on the data of the MR signal in the time domain too done without modeling the baseline. Here are the first Points of the magnetic resonance signal, which are the main parts of the baseline not included in the modeling of metabolite signals included. This approach is described, for example, in the Review Article by Vanhamme, Sundin, Van Hecke, Van Huftel: "MR spectroscopy quantitation: a review of time-domain methods ", published in NMR in Biomedicine, 2001, Vol. 14, pp. 233-246. This Procedure leads but to a deterioration of the signal-to-noise ratio, d. H. the signal-to-noise ratio of the modeling magnetic resonance signal component decreases and the matched Parameters have a higher Uncertainty. In case of closely adjacent or strongly overlapping Metabolite signals even fails this process altogether, if not enough points are left out since Shares of adjacent metabolites can compensate, whereby the individual metabolite signals are overestimated.

Es ist daher Aufgabe der vorliegenden Erfindung, ein verbessertes Verfahren zur Basislinienkorrektur anzugeben, um eine bessere Auswertung der Daten eines Magnetresonanzsignals im Zeitbereich realisieren zu können, die wiederum eine rauscharme, exakte Modellierung der interessierenden Metabolitensignale ermöglicht.It is therefore an object of the present invention, an improved method to provide baseline correction to better evaluate the Realize data of a magnetic resonance signal in the time domain can, which in turn provides a low-noise, exact modeling of the interested Metabolite signals enabled.

Gemäß Anspruch 1 beinhaltet ein Verfahren zum Auswerten der Daten eines Magnetresonanzsignals Schritte zum Modellieren einer Basislinie und zum Modellieren von zumindest einem Metabolitensignal, wobei das Modellieren der Basislinie auf Grundlage von Magnetresonanzdaten im Zeitbereich erfolgt und zum Modellieren der Basislinie nur Daten aus einem Zeitintervall verwendet werden, das mit dem Magnetresonanzsignal beginnt und dessen Länge kürzer als die Dauer des gesamten Magnetresonanzsignals gewählt ist.According to claim 1 includes a method for evaluating the data of a magnetic resonance signal steps for modeling a baseline and modeling at least a metabolite signal, wherein modeling the baseline on Based on magnetic resonance data in the time domain and the Modeling the baseline uses only data from a time interval which begins with the magnetic resonance signal and whose length is shorter than the duration of the entire magnetic resonance signal is selected.

Das Verfahren weist folgende Schritte auf:

– Erstellen von MR-Daten,
– Modellieren einer Basislinie auf Grundlage der MR-Daten in einem finiten Zeitbereich bis zu einem vorgegebenen Abschneidezeitpunkt t_B, der deutlich kürzer ist als die zeitliche Dauer der gesamten MR-Daten, derart, dass die Modellierung der Basislinie nach dem Abschneidezeitpunkt t_B auf Null abfällt,
– Subtrahieren der modellierten Basislinie im Zeitbereich von sämtlichen MR-Daten zum Erstellen von im Zeitbereich Basislinien-korrigierten MR-Daten, und
– Transformieren der Basislinien-korrigierten MR-Daten in den Frequenzbereich, wobei der Schritt des Modellierens der Basislinie ferner die folgenden Schritte aufweist:
– Schätzen eines Metabolitenmodells, das zumindest ein Metabolitensignal aufweist, im Zeitbereich unter Auslassung der zeitlich ersten MR-Daten,
– Subtrahieren des geschätzten Metabolitenmodells von sämtlichen gemessenen MR-Daten und Modellieren der Basislinie auf Grundlage des Subtraktionsergebnisses.

The method comprises the following steps:

- creating MR data,
Modeling a baseline on the basis of the MR data in a finite time range up to a predetermined clipping time t _B , which is significantly shorter than the time duration of the entire MR data, such that the modeling of the baseline after the clipping time t _B to zero drops
Subtract the modeled baseline in the time domain from all MR data to create baseline-corrected MR data in the time domain, and
Transforming the baseline-corrected MR data into the frequency domain, wherein the step of modeling the baseline further comprises the steps of:
Estimating a metabolite model which has at least one metabolite signal in the time domain omitting the chronologically first MR data,
Subtract the estimated metabolite model from all measured MR data and model the baseline based on the subtraction result.

Das Verfahren kann mithilfe eines Computerprogrammprodukts zum Auswerten der Daten eines Magnetresonanzsignals durchgeführt werden, wobei das Computerprogrammprodukt eine Reihe physikalisch unterscheidbarer Zustände aufweist die durch eine Datenverarbeitungseinrichtung lesbar und ausführbar sind und weiterhin eine Abfolge von Instruktionen darstellen, die wenn auf der Datenverarbeitungsanlage ausgeführt einen erfindungsgemäßen Verfahrensablauf bewirken.The Method can be evaluated using a computer program product the data of a magnetic resonance signal, wherein the computer program product a series of physically distinguishable states has the one by a Data processing device are readable and executable and continue to be Sequence of instructions that appear when on the data processing system accomplished a process sequence according to the invention cause.

Zu Beginn eines in vivo aufgenommenen Magnetresonanzsignals, wie es in der Zeitdomäne dargestellt ist, überwiegt der Anteil der Komponenten, die der Basislinie zuordenbar sind die Anteile der Komponenten, welche den Metabolitensignalen zuordenbar sind. Weiterhin klingt der Anteil der Basislinie am MR-Signal wesentlich schneller ab als der Anteil des Metabolitenspektrums. So kann der Anteil der Basislinie am MR-Signal nach 30 ms einer Gesamtmessdauer von 200 ms bereits auf 13% seines ursprünglichen Werts abgeklungen, der Anteil des Metabolitensignals jedoch noch zu 75% vorhanden sein. Ein Stützen auf die ersten MR-Daten eines Magnetresonanzsignals gestattet daher bereits die Modellierung einer Basislinie mit guter Genauigkeit. Da weiterhin diese ersten MR-Daten nicht für ein Modellieren der interessierenden Metabolitensignale verloren gehen, erzielt das erfindungsgemäße Auswerteverfahren auch eine rauscharme und exakte Modellierung dieser Metabolitenresonanzen. Das Modellieren der Basislinie erfolgt ferner ausschließlich auf der Grundlage der Daten des MR-Signals im Zeitbereich, sodass keine zusätzlichen Fourierhin- und Fourierrücktransformationen notwendig sind und sehr kurze Rechenzeiten erzielt werden. Das Verfahren enthält keine Beschränkung auf spezielle Anwendungen und ist somit universell einsetzbar.At the beginning of an in vivo recorded magnetic resonance signal, as shown in the time domain, the proportion of components that can be assigned to the baseline is larger than the proportions of the components that are attributable to the metabolite signals. Furthermore, the proportion of the baseline on the MR signal sounds much faster than the proportion of the metabolite spectrum. Thus, the proportion of the baseline at the MR-Si After 30 ms of a total measurement duration of 200 ms, it had already decayed to 13% of its original value, but the proportion of the metabolite signal was still 75% present. Supporting the first MR data of a magnetic resonance signal therefore already allows the modeling of a baseline with good accuracy. Furthermore, since these first MR data are not lost for modeling the metabolite of interest, the evaluation method of the invention also achieves low-noise and exact modeling of these metabolite resonances. The modeling of the baseline also takes place exclusively on the basis of the data of the MR signal in the time domain, so that no additional Fourierhin- and Fourierrücktransformationen necessary and very short computation times are achieved. The method contains no restriction to special applications and is therefore universally applicable.

Zum Erhalt eines möglichst rauscharmen Modells einer Basislinie werden vorteilhaft die MR-Daten mit dem höchsten Anteil an Komponenten der Basislinie, das sind die ersten Daten am Beginn des Zeitintervalls und somit auch die ersten Daten des aufgezeichneten Magnetresonanzsignals, in ein Modellieren der Basislinie einbezogen.To the Receiving one as possible low-noise model of a baseline will be advantageous the MR data with the highest Share of components of the baseline, these are the first data at the beginning of the time interval and thus also the first data of the recorded Magnetic resonance signal, included in a modeling of the baseline.

Da die zum Modellieren der Basislinie verwendeten MR-Daten in jeweils unterschiedlichem Ausmaß auch Anteile der Metabolitensignale enthalten, empfiehlt es sich, die Parametrisierung der Linienform der Basislinie mit der Parametrisierung der Linienform des Metabolitensignals zusammen vorzunehmen. Dadurch ergeben sich auch für die Modellierung des gesamten MR-Signals kurze Rechenzeiten. Die Modellfunktionen zur Beschreibung einer Metabolitenresonanz sind im Zeitbereich mathematisch einfacher zu realisieren als im Frequenzbereich. Die Variation der Parameter zur Optimierung der Modellierung der Basislinie erfolgt somit zweckmäßig in einem gemeinsamen Schritt mit der Variation der Parameter zur Optimierung der Modellierung zumindest eines Metabolitensignals, wobei insbesondere hierbei die Variation der Parameter abwechselnd für die Basislinie und das zumindest eine Metabolitensignal in einem Iterationsverfahren im Zeitbereich erfolgen kann. In einer bevorzugten Ausführungsform wird hierzu das Iterationsverfahren mit einer Schätzung zumindest eines Metabolitensignals eröffnet.There the MR data used to model the baseline in each case varying degrees too Contain portions of the metabolite signals, it is recommended that the Parameterization of the line shape of the baseline with the parameterization make the line shape of the metabolite signal together. Thereby also arise for the modeling of the entire MR signal short calculation times. The model functions for describing a Metabolite resonance is mathematically easier in the time domain realize than in the frequency domain. The variation of the parameters to optimize the modeling of the baseline thus takes place in a convenient common step with the variation of the parameters for optimization the modeling of at least one metabolite signal, in particular Here, the variation of the parameters alternately for the baseline and that at least one metabolite signal in an iteration process can be done in the time domain. In a preferred embodiment this is the iteration method with an estimate at least opened a metabolite signal.

Eine nicht der Realität entsprechende Überschätzung der Metabolitenresonanzen kann durch Restringierung zumindest eines Parameters zur Optimierung der Modellierung der Basislinie unterbunden werden, wobei die Restringierung vorteilhaft durch Einführen von Parametergrenzen oder durch Begrenzen des Anteils der Basislinie am Gesamtsignal vermittelt wird.A not the reality corresponding overestimation of Metabolite resonances can by Restringierung at least one Prevented parameters to optimize baseline modeling be, with the Restringierung advantageous by introducing Parameter limits or by limiting the portion of the baseline is mediated on the overall signal.

Die Beschränkung auf MR-Daten einer begrenzten Zeitspanne zur Modellierung der Basisline führt wegen des damit verbundenen Abschneideeffekts zu nicht der Realität entsprechenden höherfrequenten Anteilen in der Basislinienmodellfunktion. Um diese Anteile zu unterdrücken, wird die modellierte Basislinie zweckmäßig apodisiert, wobei die Apodisierung vorteilhaft mit einer exponentiell abfallenden Filterfunktion so erfolgen kann, dass die Modellfunktion der Basislinie zum Ende des Zeitintervalls, d. h. der Zeitspanne abgeklungen ist.The restriction on MR data of a limited time to model the baseline leads because of the associated clipping effect to non-reality higher frequency Proportions in the baseline model function. To suppress these shares is the modeled baseline is suitably apodized, with the apodization can advantageously be done with an exponentially decreasing filter function so that the model function of the baseline at the end of the time interval, d. H. the period has subsided.

Zum Verbessern der Glattheit der Basislinie in der Frequenzbereichsdarstellung kann die modellierte Basislinie regularisiert werden.To the Improve the smoothness of the baseline in frequency domain representation the modeled baseline can be regularized.

Weitere Vorteile, Merkmale und Einzelheiten der Erfindung ergeben sich aus den im Folgenden, unter Zuhilfenahme von Figuren näher erläuterten Ausführungsbeispielen.Further Advantages, features and details of the invention will become apparent in the following, with the aid of figures explained in more detail Embodiments.

1 bis 3 zeigen den Einfluss der finiten Zeitdauer t_B auf die Beschreibung des Basislinienmodells, 1 to 3 show the influence of the finite time t _B on the description of the baseline model,

4 bis 7 zeigen Ergebnisse einer MR-Signalauswertung mit verschiedenen finiten Basislinien gemäß der vorliegenden Erfindung und unterschiedliche Parametervorgaben, 4 to 7 show results of an MR signal evaluation with different finite baselines according to the present invention and different parameter specifications,

8 zeigt ein Absorptionsspektrum mit nicht-iterativ gewonnen Modellspektren für Basislinie und Metabolitenresonanzen gemäß der vorliegenden Erfindung, 8th shows an absorption spectrum with non-iteratively obtained baseline and metabolic resonance model spectra according to the present invention,

9 zeigt ein Absorptionsspektrum mit iterativ gewonnenen Modellspektren für Basislinie und Metabolitenresonanzen gemäß der vorliegenden Erfindung, und 9 shows an absorption spectrum with iterative model spectra for baseline and metabolite resonances according to the present invention, and

10 zeigt ein Absorptionsspektrum mit einem nach dem Stand der Technik erhaltenen Modell für die Metabolitenresonanzen. 10 Fig. 10 shows an absorption spectrum with a model for the metabolite resonances obtained according to the prior art.

Eine magnetresonanzspektroskopische Untersuchung eines Gewebes liefert ein gedämpftes, periodisch mit der Larmorfrequenzoszillierendes magnetisches Kernresonanzsignal (MR-Signal), den sogenannten Freien Induktionszerfall (FID). Die Fouriertransformierte des FID bezeichnet man allgemein als Resonanzkurve, wobei sich diesbezüglich in der MR-Spektroskopie auch der Begriff Absorptionsspektrum eingebürgert hat. Im weiteren Verlauf dieser Beschreibung wird die Repräsentation der magnetischen Kernresonanzsignale im Zeitbereich als MR-Signal, im Frequenzbereich als Resonanzkurve bezeichnet.A magnetic resonance spectroscopic examination of a tissue provides a muted, periodically oscillating with the Larmorfrequenz nuclear magnetic resonance signal (MR signal), the so-called free induction decay (FID). The Fourier transforms of the FID are commonly referred to as resonance curves, being in this regard in MR spectroscopy, the term absorption spectrum has become common. in the further course of this description is the representation the nuclear magnetic resonance signals in the time domain as MR signal, in the frequency domain referred to as resonance curve.

Für eine digitale Darstellung eines MR-Signals wird dieses mit zumindest der doppelten Larmorfrequenz abgetastet, sodass es als MR-Datensatz für eine, meist umfangreiche Weiterbearbeitung zur Verfügung steht. Im Folgenden werden jedoch die Begriffe MR-Signal und MR-Datensatz synonym verwandt, da eine digitale Bearbeitung, d. h. Auswertung einer Kernspinmessung unterstellt ist. Innerhalb des MR-Datensatzes sind die einzelnen, diskreten MR-Daten in der Reihenfolge ihrer zeitlichen Entstehung geordnet, sodass eine eineindeutige Zuordnung zwischen Messzeit und Anordnung der diskreten Daten im MR-Datensatz gegeben ist. Im Folgenden wird daher zugunsten einer übersichtlicheren Darstellung soweit möglich die der Anordnung der diskreten Daten innerhalb des Datensatzes äquivalente Zeitdarstellung verwendet.For a digital Representation of an MR signal is this with at least twice Sampled Larmor frequency, making it an MR record for a usually extensive further processing is available. The following will be however, the terms MR signal and MR data are synonymously related, since digital editing, i. H. Evaluation of a magnetic resonance measurement is subordinate. Within the MR data set are the individual, discrete MR data in the order of their temporal origin ordered so that a one-to-one correspondence between measuring time and disposition of the discrete data in the MR data set is given. Hereinafter is therefore in favor of a clearer Presentation as far as possible that is equivalent to disposition of the discrete data within the record Time representation used.

Im Rahmen einer Auswertung zur Identifizierung und eventuellen Quantifizierung von Metaboliten im untersuchten Gewebe wird der MR-Datensatz s(t) bestehend aus den diskreten MR-Daten s_i durch eine Modellfunktion ŝ(x →) nachgebildet. Zur Nachbildung werden die einzelnen Parameter x_j des Parametersatzes x → mit dem Ziel variiert, eine optimale Anpassung der Modellfunktion ŝ(x →) an das Messsignal s(t) zu erzielen. Das Messsignal setzt sich aus Signalanteilen der interessierenden Metaboliten und aus den die Basislinie bildenden Hintergrundsignalanteilen zusammen. Zur Bestimmung von ŝ(x →) wird daher neben den Metaboliten auch die Basislinie im Zeitbereich modelliert.As part of an evaluation for the identification and possible quantification of metabolites in the examined tissue, the MR data set s (t) consisting of the discrete MR data s _i is modeled by a model function ŝ (x →). For the simulation, the individual parameters x _{j of} the parameter set x → are varied with the aim of achieving an optimal adaptation of the model function ŝ (x →) to the measurement signal s (t). The measurement signal is composed of signal components of the metabolites of interest and of the background signal components forming the baseline. To determine ŝ (x →), therefore, the baseline is also modeled in the time domain in addition to the metabolites.

Aufgrund des schnellen zeitlichen Abfalls der Basislinienanteile am MR-Signal, der mit einer langsamen Variation der Basislinie im Frequenzbereich korrespondiert, kann die Basislinie als Zeitsignal von finiter Dauer t_B charakterisiert werden. Das Zeitintervall t_B sollte deutlich kürzer als die Dau er des gesamten MR-Signals sein. Ein Basislinienmodell, das sich entsprechend nur auf Messdaten aus dieser ersten Zeitspanne t_B stützt, wird als finite Basislinie bezeichnet.Due to the rapid temporal decay of the baseline components on the MR signal, which corresponds to a slow variation of the baseline in the frequency domain, the baseline can be characterized as a finite duration time signal t _B. The time interval t _B should be significantly shorter than the duration of the entire MR signal. A baseline model, which is based on measurement data from this first time period t _B , is referred to as a finite baseline.

Eine einfache Realisierung eines Basislinienmodells mit finiter Zeitdauer t_B besteht in der Auslassung der ersten Zeitpunkte des MR-Signals s(t) für eine Berechnung einer ersten Schätzung eines Metabolitenmodells m ^(t) und der Definition der Basislinie als Differenz zwischen MR-Signal s(t) und Metabolitenmodell m ^(t) für diesen Zeitraum. Als Definition dieses ersten Basislinienmodells erhält man somit:

A simple implementation of a baseline model with finite duration t _B consists in the omission of the first times of the MR signal s (t) for a calculation of a first estimate of a metabolite model m ^ (t) and the definition of the baseline as the difference between MR signal s (t) and metabolite model m ^ (t) for this period. As a definition of this first baseline model we obtain:

Üblicherweise ist zur Zeit t = t_B die finite Basislinie b ^₁(t) noch nicht auf den Wert Null abgefallen. Ein Zeitsignal, das am Ende seiner Zeitspanne noch nicht auf Null abgefallen ist, kann als Produkt eines längeren vollständigen Zeitsignals mit einer Rechteckfunktion, die das Abschneiden des letzten Signalteils repräsentiert, aufgefasst werden. Die Fouriertransformation dieses Produkts ist eine Faltung der Fouriertransformierten des Zeitsignals mit der Fouriertransformierten der Rechteckfunktion und ergibt eine spektrale Linie mit symmetrischen Nebenmaxima. Eine finite Basislinie nach Gleichung (1) kann daher Spektralanteile enthalten, die nicht der Realität entsprechen.Usually, at the time t = t _B, the finite base line b ^ ₁ (t) has not yet dropped to the value zero. A time signal that has not yet dropped to zero at the end of its time span can be thought of as the product of a longer complete time signal with a rectangular function representing the truncation of the last signal part. The Fourier transform of this product is a convolution of the Fourier transform of the time signal with the Fourier transform of the rectangular function and produces a spectral line with symmetrical secondary maxima. A finite baseline according to equation (1) may therefore contain spectral components that do not correspond to reality.

Um zu gewährleisten, dass das Modell der Basislinie bis zum Abschneidezeitpunkt t_B abgeklungen ist und somit der Abschneideeffekt am Ende der Abtastzeit abgemildert wird oder nicht mehr auftritt, wird in einer zweiten Ausführungsform der Erfindung das Basislinienmodell zusätzlich apodisiert.In order to ensure that the model of the baseline has decayed until the clipping time t _B and thus the clipping effect at the end of the sampling time is reduced or no longer occurs, in a second embodiment of the invention the baseline model is additionally apodized.

Dazu wird die in Gleichung (1) definierte Basislinie b ^₁(t) mit einer zeitlich abfallenden Filterfunktion multipliziert. Neben der angestrebten Minimierung der Verzerrungen führt dies auch zu einem schnelleren Abfall des Zeitsignals und damit zu einer realitätsnahen langsameren Veränderung der Basislinie im Frequenzbereich.For this purpose, the baseline b ^ ₁ (t) defined in equation (1) is multiplied by a time-decreasing filter function. In addition to the desired minimization of the distortions, this also leads to a faster decrease of the time signal and thus to a realistic slower change of the baseline in the frequency domain.

In einer bevorzugten Ausführungsform der Erfindung wird eine mit der Zeitkonstante T_B exponentiell abfallende Filterfunktion verwendet. Somit erhält man das zweite Basislinienmodell b ^₂(t):

In a preferred embodiment of the invention, a filter function which decreases exponentially with the time constant T _{B is} used. Thus we obtain the second baseline model b ^ ₂ (t):

Um nicht der Realität entsprechende höherfrequente Signalanteile auszufiltern und die Glattheit des Basislinienmodells zu verbessern, wird die spektrale Variationsmöglichkeit der Basislinie durch Regularisierung weiter eingeschränkt. Hierzu wird die Zielfunktion zur Optimierung des Parametersatzes x → um eine Regularisierungsstraffunktion erweitert.Around not the reality corresponding higher frequency Filter out signal components and the smoothness of the baseline model To improve, the spectral variation of the baseline by Regularization further restricted. For this purpose, the objective function for optimizing the parameter set x → is extended a regularization penalty function.

Die Zielfunktion beschreibt die Abweichung der Modellfunktion ŝ(x →) vom MR-Signal s(t). Ein Ansatz, der häufig zur Optimierung benutzt wird, sucht die Parameterverteilung x → für die die Wahrscheinlichkeitsverteilung für einen gegebenen Datenvektor s(t) = [s₀, ..., s_N-1]^T maximal wird. Dieser Ansatz wird als Maximum-Likelihood-Schätzung bezeichnet. Es wird angenommen, dass jeder einzelne Messwert s_n des Datenvektors s(t) mit der Standardabweichung gemäß einer Gauß-Verteilung um seinen, durch die Modellfunktion bestimmten wahren Wert ŝ_n streut, das MR-Signal s(t) somit mit einem weißen Rauschen behaftet ist. Dann kann die Maximum-Likelihood-Schätzung durch Minimierung der quadrierten Differenzen zwischen Daten s(t) und Modellfunktion ŝ(x →) erfolgen. Dies entspricht einem Vorgehen nach der Methode der kleinsten Quadrate (NLLS, von englisch: Non Linear Least Squares). In ihr ist als Zielfunktion die folgende Kostenfunktion zu minimieren:

The objective function describes the deviation of the model function ŝ (x →) from the MR signal s (t). One approach that is often used for optimization seeks the parameter distribution x → for which the probability distribution for a given data vector s (t) = [s ₀ , ..., s _N-1 ] ^T becomes the maximum. This approach is called maximum likelihood estimation. It is assumed that each individual measured value s _{n of} the data vector s (t) with the standard deviation according to a Gaussian distribution scatters around its true value ŝ _n determined by the model function, thus the white noise of the MR signal s (t) is afflicted. Then, the maximum likelihood estimation can be made by minimizing the squared differences between data s (t) and model function ŝ (x →). This corresponds to a procedure according to the least squares method (NLLS, from English: Non Linear Least Squares). The following cost function is to be minimized as an objective function:

Die Funktionen r_n(x →) werden auch Residuen genannt und geben im idealen Fall den Rauschanteil des Messsignals wieder.The functions r _n (x →) are also called residuals and, in the ideal case, reproduce the noise component of the measurement signal.

Bei Verwendung der Kostenfunktion nach Gleichung (3) zur Optimierung des Parametersatzes x → ergibt sich die erweiterte Zielfunktion zu:

d. h., nicht nur die Differenz zwischen dem Messwert s(t_i) und dem entsprechenden Wert der Modellfunktion ŝ(t_i) wird minimiert, sondern es wird zusätzlich noch ein durch ρ festgelegter Anteil der Rauheit der Basislinie ∥R∥² so in den Minimierungsprozess miteinbezogen, dass mittels der Größe ρ ein Kompromiss zwischen einer guten Anpassung der Gesamt-Modellfunktion ŝ(t) an die Daten s(t) (ρ→0) und einer glatten spektralen Basislinie definiert werden kann. Als Maß für die Rauheit der Basislinie ∥R∥² wird die Differenz benachbarter spektraler Werte des Basislinienmodells B ^(ω) im Frequenzbereich gesetzt:

When using the cost function according to equation (3) for optimizing the parameter set x →, the extended target function results in:

that is, not only the difference between the measured value s (t _i ) and the corresponding value of the model function ŝ (t _i ) is minimized, but in addition a proportion of the roughness of the baseline ∥R∥ ² defined by ρ also becomes in the minimization process that a size ρ can be used to define a compromise between a good adaptation of the overall model function ŝ (t) to the data s (t) (ρ → 0) and a smooth spectral baseline. As a measure of the roughness of the baseline ∥R∥ ² , the difference of adjacent spectral values of the baseline model B ^ (ω) in the frequency domain is set:

Regularisierte Modelle der Basislinie vom Typ b ^₁(t) und b ^₂(t) werden im Weiteren durch b ^_1,R(t) bzw. b ^_2,R(t) gekennzeichnet.Regularized models of the baseline of the type b ^ ₁ (t) and b ^ ₂ (t) are further characterized by b ^ _{1, R} (t) and b ^ _{2, R} (t).

Die maximal mögliche spektrale Flexibilität eines Basislinienmodells ist durch die Zeitspanne t_B bestimmt. Die finite Basislinie lässt sich als Produkt eines länger als t_B andauernden Signals mit einer Rechteckfunktion r(t) der Breite t_B + Δt, die zusätzlich um t_B/2 nach rechtsverschoben ist, auffassen:

The maximum possible spectral flexibility of a baseline model is determined by the time period t _B. The finite baseline can be thought of as the product of a longer than t _B signal with a rectangular function r (t) of width t _B + Δt, which is additionally shifted to the right by t _B / 2.

Dabei wird unter Π(t) die allgemeine Rechteckfunktion

verstanden. Das Spektrum von r(t) ist damit durch

charakterisiert und beschreibt anhand der Linienbreite λ seines Absorptionsanteils R_Abs(ω) die maximale spektrale Flexibilität der Basislinie. Die Linienbreite λ wird nach Gleichung (6b) durch die Phasenmodulation

bestimmt. Approximiert durch die erste Nullstelle des Absorptionsanteils ergibt sie sich zu:

Here, under Π (t) the general rectangular function

Understood. The spectrum of r (t) is thus through

characterized and described on the basis of the line width λ of its absorption ratio R _Abs (ω), the maximum spectral flexibility of the baseline. The line width λ becomes equation (6b) through the phase modulation

certainly. Approximated by the first zero of the absorption fraction, it results in:

Der Einfluss der Länge des Basislinienmodells t_B auf die Basislinienbeschreibung ist für eine synthetische Basislinie der Dauer 30 ms in den Abbildungen der 1 bis 3 dargestellt. Mit zunehmender Größe t_B wird das Basislinienmodell 2 flexibler und passt sich der echten Basislinie 1 besser an. Neben den Absorptionsspektren der synthetischen Basislinie 1 und dem Basislinienmodell 2 ist in den Abbildungen der 1 bis 3 auch das des jeweiligen Residuum 3 dargestellt.The influence of the length of the baseline model t _B on the baseline description is for a synthetic baseline of duration 30 ms in the figures of FIGS 1 to 3 shown. As the size t _B becomes the baseline model 2 more flexible and adapts to the real baseline 1 better. In addition to the absorption spectra of the synthetic baseline 1 and the baseline model 2 is in the pictures of 1 to 3 also that of the respective residuum 3 shown.

Die Besetzung der Parameter, insbesondere des Hauptparameters t_B, ist von entscheidender Bedeutung, um plausible Ergebnisse für Basislinien- und Metabolitenmodell zu erzielen. Eine Bestimmung dieser Parameter innerhalb der Optimierung, in der die Parameter mit variiert werden, ist nicht zielführend. Grund dafür ist, dass das Ergebnis allein nach Maßstab des minimalen Residuums, das sich aus der Summe von Basislinie und Metaboliten zusammensetzt, gefunden wird. Hierbei bleibt unberücksichtigt, inwieweit die gefundenen Darstellungen für die Basislinie und für die Metaboliten einzeln betrachtet sinnvoll sind.The occupation of the parameters, in particular of the main parameter t _B , is of crucial importance in order to obtain plausible results for the baseline and metabolite model. A determination of these parameters within the optimization, in which the parameters are varied, is not effective. The reason for this is that the result is found only on the scale of the minimum residual, which is the sum of the baseline and metabolites. Here, it is not taken into account to what extent the findings found are useful for the baseline and for the metabolites individually.

Zur Wahl der Parameter sind zwei Wege vorstellbar. Der eine besteht darin, die Parameter anhand der Spektrenqualität zu setzen. So kann t_B anhand der auftretenden Linienbreite λ gesetzt werden (t_B ~ 1/λ). Nachteil daran ist der Effekt, dass die Ergebnisse je nach Spektrenqualität signifikant variieren können. Alternativ kann sich t_B an bekannten Merkmalen der Komponenten, die zur Basislinie beitragen, orientieren. Für die Makromoleküle sind die Größenordnung der in vivo Relaxationszeiten bekannt (T₁ ≅ 250 ms und T₂ ≅ 44 ms bei einem Magnetfeld von 2,1 T). Die Werte von T₂* liegen bei 15 ms (STEAM, T_E = 20 ms bei 1,5 T). Basierend auf diesem Wert erscheint ein Wert von 30 ms für t_B ein geeigneter Kompromiss für die Beschreibung von Gehirnspektren mit kurzer Echozeit zu sein. Zum einen ist nach dieser Zeit 87% des Basisliniensignals verschwunden, zum anderen ist noch ca. 75% des Metabolitensignals vorhanden. Die Wahl für ρ kann vom Signal-Rausch-Verhältnis (SNR) abhängig gemacht werden (ρ ~ 1/SNR). Für eine möglichst flexible Handhabung des Basislinienmodells sind die Parameter vorzugsweise frei einstellbar. Eine automatische Besetzung der Parameter kann mittels einer Testphase zum Auffinden sinnvoller Einstellungen für die Basislinienparameter ermöglicht werden.There are two ways of choosing the parameters. One is to set the parameters based on spectral quality. Thus, t _B can be set based on the occurring line width λ (t _B ~ 1 / λ). Disadvantage of this is the effect that the results can vary significantly depending on the spectral quality. Alternatively, t _B may be based on known features of the components that contribute to the baseline. For the macromolecules, the magnitude of the in vivo relaxation times are known (T ₁ ≅ 250 ms and T ₂ ≅ 44 ms with a magnetic field of 2.1 T). The values of T ₂ * are 15 ms (STEAM, T _E = 20 ms at 1.5 T). Based on this value, a value of 30 ms for t _{B appears to be} a suitable compromise for the description of short-echo brain spectra. On the one hand, 87% of the baseline signal disappeared after this time and, on the other hand, about 75% of the metabolite signal is still present. The choice for ρ can be made dependent on the signal-to-noise ratio (SNR) (ρ ~ 1 / SNR). For a flexible handling of the baseline model, the parameters are preferably freely adjustable. An automatic population of the parameters can be enabled by means of a test phase for finding meaningful settings for the baseline parameters.

Wird das Basislinienmodell b ^₁ auf Signale schlechter Qualität wie beispielsweise Signale mit niedrigem SNR oder großer spektraler Linienbreite angewandt, können Unterschwinger der Basislinie auftreten. Hierunter werden im Rahmen dieser Ausführungen Bereiche des Absorptionsspektrums der Basislinie verstanden, deren Amplituden unterhalb des Rauschniveaus des Absorptionsspektrums der Signals liegen und damit physikalisch nicht sinnvoll sind. Basislinienunterschwinger können bei Signalen schlechter Spektrenqualität auftreten, wenn viele überlappende Metabolite modelliert werden, die sich gegenseitig kompensieren. Die Entstehung der Überschwinger kann anhand des abgeschnittenen Metabolitenmodells, dessen erster Signalwert bei t_B + Δt liegt, veranschaulicht werden. Durch die Verschiebung des Zeitnullpunkts bzw. der Aufprägung einer linearen Phase im Spektrum können sich die oszillierenden Signalränder der verschiedenen Metabolite gegenseitig kompensieren, sodass die resultierenden Amplitudenwerte für die einzelnen Metabolite überhöht sind. Im Gesamtmodell wird diese Signalüberhöhung der Metabolite durch eine Basislinie aufgefangen, von der einige Bereiche des Absorptionsspektrums negativ sind bzw. unterschwingen. Durch Verringerung der Variationsmöglichkeit der Basislinie durch die zusätzliche Apodisierung von b ^₁ in b ^₂ oder durch Regularisierung kann verhindert werden, dass Unterschwinger in der Basislinie auftreten.If the baseline model b ^ _{1 is} applied to poor quality signals such as low SNR signals or large spectral linewidth, undershoots of the baseline may occur. For the purposes of this description, these are understood to mean regions of the absorption spectrum of the baseline whose amplitudes lie below the noise level of the absorption spectrum of the signal and are therefore not physically meaningful. Baseline undershoots can occur with poor spectral quality signals when modeling many overlapping metabolites that compensate each other. The formation of overshoots can be illustrated by the truncated metabolite model whose first signal value is at t _B + Δt. By shifting the time zero or the imprinting of a linear phase in the spectrum, the oscillating signal edges of the various metabolites can compensate each other, so that the resulting amplitude values are exaggerated for the individual metabolites. In the overall model, this signal enhancement of the metabolites is absorbed by a baseline from which some areas of the absorption spectrum are negative or undershot. By reducing the possibility of variation of the baseline by the additional apodization of b ^ ₁ into b ^ ₂ or by regularization, undershoots can be prevented from occurring in the baseline.

Die Beschreibung der Basislinie im Zeitbereich mit den vorgestellten Modellen hat somit folgende Vorteile:

– Die Verfahren sind unabhängig von Startwerten für die Basislinie.
– Die Basislinienmodelle benötigen keine zu optimierenden Parameter.
– Die Modelle für Metaboliten und Basislinie werden gleichzeitig bestimmt.
– Es wird kein iteratives Verfahren benötigt.
– Die Integration der Basislinie kostet so gut wie keine Rechenzeit.

The description of the baseline in the time domain with the presented models thus has the following advantages:

- The procedures are independent of starting values for the baseline.
- The baseline models do not require parameters to be optimized.
- Metabolite and baseline models are determined simultaneously.
- No iterative procedure is needed.
- The integration of the baseline costs almost no computing time.

Die mit den vorausgehend vorgestellten Modellen erzielbaren Ergebnisse sind exemplarisch anhand der Abbildungen in den 4 bis 7 gezeigt. Den Darstellungen sind die folgenden Größen bzw. Modellcharakteristika zugeordnet:The results achievable with the previously presented models are exemplified by the illustrations in the 4 to 7 shown. The representations are assigned the following variables or model characteristics:

4: b ^₁ mit t_B = 30 ms, d. h. Basislinienmodell Typ 1 mit typischer Basislinienlänge, 4 : b ^ ₁ with t _B = 30 ms, ie baseline model type 1 with typical baseline length,

5: b ^_1,R mit t_B = 30 ms und ρ = 50, d. h. Basislinienmodell Typ 1 mit typischer Basislinienlänge und Regularisierung, 5 : b ^ _{1, R} with t _B = 30 ms and ρ = 50, ie baseline model type 1 with typical baseline length and regularization,

6: b ^₁ mit t_B = 15 ms, d. h. Basislinienmodell Typ 1 mit halbierter typischer Basislinienlänge, und 6 : b ^ ₁ with t _B = 15 ms, ie baseline model type 1 with halved typical baseline length, and

7: b ^₂ mit t_B = 30 ms und T_B = 60 ms, d. h. Basislinienmodell Typ 2 mit typischer Basislinienlänge. 7 : b ^ ₂ with t _B = 30 ms and T _B = 60 ms, ie baseline model type 2 with typical baseline length.

Die gefundenen Basisliniendarstellungen variieren je nach benutztem Basislinienmodell. In der Darstellung der 4 treten Unterschwinger in den Bereichen um 2,4 und 3,4 ppm auf, die mit erhöhten Amplituden für Glu, Gin, GABA und Tau korrespondieren. Sie verschwinden unter Ausnutzung der Regularisierung, wie in 5 zu sehen ist. Durch eine Reduktion von t_B gemäß dem der 6 Zugrundegelegten können die Überschwinger ebenfalls vermieden werden. Gleichzeitig ist die Variabilität der Basislinie im Vergleich zum Fall der Abbildung in 5 deutlich eingeschränkt. Beim gefilterten Basislinientyp gemäß der Abbildung in 7 verringern sich die Unterschwinger ebenfalls.The found base line representations vary according to the used baseline model. In the presentation of the 4 undershoots occur in the ranges around 2.4 and 3.4 ppm, which correspond to increased amplitudes for Glu, Gin, GABA and Tau. They disappear by taking advantage of regularization, as in 5 you can see. By a reduction of t _B according to the 6 As a rule, the overshoots can also be avoided. At the same time, the variability of the baseline compared to the case of Figure in 5 clearly limited. For the filtered baseline type as shown in Figure 7 the undershooters also decrease.

In der 8 ist ein MRS-Absorptionsspektrum 15 im Vergleich zu einem finiten Basislinienmodell 16, einem Metabolitenmodell 17 und einem Gesamtmodell 18, das aus der Summe von Basislinien- und Metabolitenmodell gebildet wird, dargestellt. Dem Modell der Basislinie liegt ein oben beschriebenes finites Modell mit vorgebbarer Zeitdauer t_B zugrunde, welche kleiner ist als die Zeitdauer des auszuwertenden Magnetresonanzsignals. Die Modellierung erfolgt im Zeitbereich mittels eines Satzes von komplexen Parametern so, dass einzelne Punkte der Basislinie im Zeitbereich beschrieben werden. Die Basislinie der 8 ist beispielsweise auf Basis der ersten zwanzig MR-Daten des zugehörigen Magnetresonanzsignals berechnet worden. Dabei wird eine unerwünschte Überschätzung der Metaboliten, wie sie nachfolgend anhand der 10 bezüglich eines Verfahrens ohne Basislinienmodell gemäß dem Stand der Technik erläutert ist, durch eine Restringierung der Basislinienparameter sicher verhindert. Eine der Möglichkeiten zur Restringierung der Basislinienparameter bietet die Einführung von Parametergrenzen, die den Variationsbereich für jeden Parameter beschränken. Liegt aufgrund von Startwerten eine plausible Schätzung der Basislinie vor, so kann diese Schätzung zur Definition der Parametergrenzen für jeden Basislinienparameter genutzt werden. In einer anderen Ausführungsform wird die Restringierung der Basislinie dadurch durchgeführt, dass der Anteil der Basislinie am Gesamtsignal beschränkt wird, d. h. die Basislinie soll im Vergleich zum Gesamtsignal gering sein. Diese Beschränkung der Basislinie kann dabei durch die Einführung von Nebenbedingungen in der Parameteranpassung realisiert werden. Für Modelle der Metaboliten wird auf die bekannten im Zeitbereich bestimmbaren Modelle zurückgegriffen.In the 8th is an MRS absorption spectrum 15 compared to a finite baseline model 16 , a metabolite model 17 and an overall model 18 , which is formed from the sum of baseline and metabolite model. The model of the baseline is based on a finite model described above with a predefinable time duration t _B , which is smaller than the time duration of the magnetic resonance signal to be evaluated. The modeling is done in the time domain by means of a set of complex parameters so that individual points of the baseline in the time domain are described. The baseline of 8th has been calculated, for example, on the basis of the first twenty MR data of the associated magnetic resonance signal. This is an undesirable overestimation of the metabolites, as described below using the 10 with respect to a method without baseline model according to the prior art is reliably prevented by a Restringierung of the baseline parameters. One of the ways to constrain the baseline parameters is to introduce parameter boundaries that limit the range of variation for each parameter. If there is a plausible baseline estimate based on seed values, this estimate can be used to define the parameter boundaries for each baseline parameter. In another embodiment, the baseline ringing is performed by limiting the baseline portion of the total signal, ie, the baseline should be low compared to the overall signal. This limitation of the baseline can be realized by introducing constraints in the parameter adjustment. For models of the metabolites, reference is made to the known time domain determinable models.

Die 9 zeigt das mit der Resonanzkurve 15 der 8 identische Absorptionsspektrum 22 im Vergleich mit der durch eine iterative Modellierung jeweils erhaltenen Basislinie 24 und Metabolitenfunktion 25. Vorzugsweise wird bei diesem iterativen Verfahren zunächst eine plausible Schätzung des Metabolitenmodells ermittelt, woraufhin die Modellfunktion der Basislinie optimiert wird, gefolgt von einer Optimierung der Metabolitenfunktion, die einer weiteren Optimierung der Basislinienmodellfunktion vorangeht usw.. Die 9 zeigt das Ergebnis für drei Iterationen. Für die Modelle der Metaboliten und der Basislinie gilt das zu 8 Beschriebene entsprechend. Die Kurve 26 gibt das Gesamtmodell des Absorptionsspektrums gebildet aus der Summe von Basislinie 24 und Metabolitenmodell 25 wieder. Man erkennt, dass die einzelnen Verläufe bzw. Kurven 24, 25 und 26 in der 9 mit den jeweiligen Kurven 16, 17 und 18 der 8 nahezu identisch sind, was beide Vorgehensweisen als nahezu wirkungsgleich auszeichnet. Die vorgeschlagene Modellierung der Basislinie erfordert daher kein iteratives Verfahren.The 9 shows that with the resonance curve 15 of the 8th identical absorption spectrum 22 in comparison with the baseline obtained by an iterative modeling 24 and metabolite function 25 , Preferably, in this iterative method, a plausible estimate of the metabolite model is first determined, whereupon the model function of the baseline is optimized, followed by optimization of the metabolite function, which precedes further optimization of the baseline model function, etc .. Die 9 shows the result for three iterations. For the models of the metabolites and the baseline, this applies to 8th Described accordingly. The curve 26 gives the total model of the absorption spectrum formed from the sum of the baseline 24 and metabolite model 25 again. It can be seen that the individual gradients or curves 24 . 25 and 26 in the 9 with the respective curves 16 . 17 and 18 of the 8th are almost identical, which distinguishes both approaches as almost effective. The proposed modeling of the baseline therefore does not require an iterative procedure.

10 zeigt zu Vergleichszwecken spektrale Verläufe, die beim Modellieren gemäß dem Stand der Technik entstehen. Die Resonanzkurve 32 wurde aus dem selben MR-Signal wie die Ab sorptionsspektren 15 und 22 der 8 bzw. 9 gewonnen, jedoch unter Verzicht auf die ersten zwanzig Punkte des MR-Signals in der Zeitdarstellung. Das Metabolitenmodell 35 ist ohne Modellierung der Basislinie erstellt worden. Man erkennt, dass die modellierten Metabolitenresonanzen 35 gegenüber den entsprechenden Resonanzverläufen 17 bzw. 25 teilweise deutlich überhöht sind, was im schlimmsten Fall Auslöser für eine Fehldiagnose sein kann. 10 shows for comparison purposes spectral characteristics that arise in modeling according to the prior art. The resonance curve 32 was from the same MR signal as the Ab sorptionsspektren 15 and 22 of the 8th respectively. 9 won, but waiving the first twenty points of the MR signal in the time representation. The metabolite model 35 was created without modeling the baseline. It can be seen that the modeled metabolite resonances 35 opposite the corresponding resonance curves 17 respectively. 25 sometimes significantly excessive, which can be the trigger for a misdiagnosis in the worst case.

Claims

A method for baseline correction of a magnetic resonance signal in MR spectroscopy, comprising the following steps: - generating MR data, - modeling a baseline based on the MR data in a finite time range up to a predetermined clipping time t _B , which is significantly shorter than the temporal duration of the entire MR data, such that the baseline modeling falls to zero after the clipping time t _B , - subtracting the modeled baseline in the time domain from all MR data to create baseline-corrected MR data in the time domain, and Transforming the baseline-corrected MR data into the frequency domain, wherein the step of modeling the baseline further comprises the steps of: - estimating a metabolite model having at least one metabolite signal in the time domain omitting the temporally first MR data, - subtracting of the estimated metabolite model of all measured MR data and modeling the baseline based on the subtraction result.

A method according to claim 1, characterized in that the first MR data of the magnetic resonance signal at the beginning of the finite time range in a modeling of the baseline ( 16 ) be included.

Method according to claim 1 or 2, characterized that a parameter variation to optimize the modeling of Baseline in a common step with a parameter variation to optimize the modeling of the at least one metabolite signal he follows.

Method according to claim 3, characterized that the parameter variation to optimize the modeling of the Baseline and parameter variation to optimize modeling of the at least one metabolite signal alternately in an iteration process takes place in the time domain.

Method according to claim 4, characterized in that that the iteration method with an estimate of at least one metabolite signal open becomes.

Method according to one of claims 1 to 5, characterized that at least one parameter to optimize the modeling of Baseline through introduction of parameter boundaries or by limiting the portion of the baseline is restricted on the entire magnetic resonance signal.

Method according to one of claims 1 to 6, characterized that the modeled baseline is apodized.

Method according to claim 7, characterized in that that apodization with an exponentially decreasing filter function he follows.

Method according to one of claims 1 to 8, characterized that the modeled baseline is regularized.

Computer program product for evaluating the data a magnetic resonance signal, wherein the computer program product a A series of physically distinguishable states, which by a Data processing device are readable and executable and a sequence of instructions presented on the data processing system accomplished perform a method according to any one of the preceding claims.