Ein skalierbares parallelisiertes Open-Source-Framework zur Berechnung von kardialen T1 Maps auf CPUs und GPUs.

Zielsetzung Aktuell verfügbare Open-Source-Implementierungen zur Berechnung von T1 Maps weisen wenig Parallelisierung und kein GPU-Support auf und benötigen daher viel Rechenzeit. GPU-beschleunigte Vektoroperationen können die Berechnung vor allem für große Studienkohorten oder neue 3D-Mapping-Datensätze erheblich verkürzen. Proprietäre, in die MR-Scanner integrierte Methoden können nicht auf Rohdatensätze anderer Hersteller angewandt werden. Das behindert die Standardisierung von Mapping-Anwendungen und damit die klinische Anwendung. Ziel dieser Arbeit war es, ein offenes skalierbares Framework zur herstellerunabhängigen parallelisierten Berechnung von T1 Maps mittels CPU und GPU zu entwickeln und dessen Leistung zu untersuchen.

Material und Methoden Die Berechnung der T1 Maps und die notwendige nicht-starre Registrierung der Bildstapel zur Bewegungskorrektur erfolgt iterativ und mit mehreren Auflösungstufen. Nach einer initialen Bewegungskorrektur werden aus den daraus berechneten Maps synthetische Bildstapel erzeugt und in jeder Iteration erneut registriert. Wir implementierten den Levenberg-Marquardt-Algorithmus in Tensorflow und Python um das nicht-lineare 3-Parameter-Problem der kleinsten Quadrate pixelweise parallelisiert zu lösen. Unser Berechnungssystem wurde an 300 nativen modifizierten Look-Locker-Bildstapeln von Patienten der Myoracer-Studie getestet.

Ergebnisse Unser Berechnungs-Framework benötigte für 300 2D T1 maps mit 256x256 Pixeln 450s auf einer 36-Kern CPU bzw. 25s auf einer GPU. Es gab eine hohe Korrelation (r>0.8) mit den myokardialen T1-Werten der scanner-generierten Maps.

Schlussfolgerungen Unser parallelisiertes CPU- und GPU-Mapping-Framework ist ein funktionierendes, schnelles Werkzeug zur reproduzierbaren Berechnung von kardialen T1 Maps. Der Ansatz kann auch auf andere pixelweisen Optimierungsaufgaben in der medizinischen Bildgebung, z. B. auf die Materialzerlegung in der spektralen CT-Bildgebung und auf T2(*)- und T1 Mapping in verschiedenen anatomischen Regionen übertragen werden.

Publication History

Article published online:
13 April 2023