Abstract

Rotating frame relaxation (RFR) occurs during radio frequency (RF) irradiation in magnetic resonance imaging (MRI). Changes in the magnetization are generated by a circularly polarized radiofrequency field. The RFR parameters can be modified to provide a variety of relaxation contrasts such as continuous-wave T_1ρ (CWT_1ρ), adiabatic T_1ρ (AdT_1ρ), adiabatic T_2ρ (AdT_2ρ) and relaxation along a fictitious field (T_RAFF) with different spin-locking irradiation and specific absorption rates (SAR) for potential clinical applications.

Cardiovascular disease (CVD) MRI imaging is based on the left ventricular wall thickness, presence of late gadolinium enhancement (LGE), and left ventricular dysfunction (LVD). In this thesis, T_RAFF and T_1ρ were used to identify myocardial infarct and diffuse fibrosis without using contrast agents. The findings show that collagen content, most likely, increases the water proton interactions which are associated with a decrease in T_RAFF in hypertensive patients. In addition, studies of chronic joint injuries show the importance of T_1ρ in the quantification of early articular cartilage damage, which could lead to joint dysfunction and post-traumatic osteoarthritis (PTOA).

RFR magnetic relaxations provide a powerful methodology for capturing molecular interaction within biological tissues. Using computational modeling, relaxation methods such as T_1ρ have the potential to provide valuable information about the structural composition of biological tissues. The findings indicate that machine learning models can determine cartilage compositional and structural features with high accuracy when trained with RFR magnetic relaxations.

Tiivistelmä

Pyörivän koordinaatiston relaksaatio (RFR) tapahtuu radiotaajuisen pulssin ollessa päällä magneettikuvauksessa (MK). Magnetisaatiota muokataan ympyräpolarisoidun RF-kentän avulla. Vaihtamalla RFR-parametreja saadaan muodostettua erilaisia relaksaatiomenetelmiä, kuten jatkuvan aallon T_1ρ (CWT_1ρ), adiabaattinen T_1ρ (AdT_1ρ), adiabaattinen T_2ρ (AdT_2ρ) ja kuvitteellista kenttää hyödyntävä (TRAFF) menetelmä. Näillä menetelmillä on erilaiset spin-lukko kentät ja kudosta lämmittävä vaikutus mahdollisiin kliinisiin sovelluksiin.

Sydän- ja verisuonitautien (CVD) MRI-kuvaus perustuu vasemman kammion seinämän paksuuteen, myöhäistehostuman (LGE) esiintymiseen ja vasemman kammion toimintahäiriön (LVD) kuvantamiseen. Tässä työssä TRAFF- ja T1_ρ-arvoja käytettiin sydäninfarktin ja diffuusin fibroosin tunnistamiseen ilman varjoaineita. Löydökset osoittavat, että kollageenipitoisuus lisää veden protonien vuorovaikutuksia, jotka liittyvät TRAFF:n pienemiseen verenpainepotilailla. Lisäksi kroonisten nivelvammojen tutkimukset osoittavat T1_ρ:n merkityksen varhaisten nivelrustovaurioiden määrittämiseen, mikä voi johtaa nivelen toimintahäiriöön ja posttraumaattiseen nivelrikkoon (PTOA).

RFR-magneettirelaksaatiot tarjoavat tehokkaan menetelmän molekyylien vuorovaikutuksen havaitsemiseen biologisissa kudoksissa. Laskennallista mallintamista käyttämällä relaksaatiomenetelmillä, kuten T1_ρ, on mahdollista saada arvokasta tietoa biologisten kudosten rakenteellisesta koostumuksesta. Tulokset osoittavat, että koneoppimismallit voivat määrittää ruston koostumuksen ja rakenteelliset piirteet tarkasti, kun niitä käytetään yhdessä RFR-magneettirelaksaatioiden kanssa.

Osajulkaisut / Original papers

Osajulkaisut eivät sisälly väitöskirjan elektroniseen versioon. / Original papers are not included in the electronic version of the dissertation.

1. Mirmojarabian, S. A., Liukkonen, E., Casula, V., Nissi, M. J., Ahvenjarvi, L., Junttila, J., & Liimatainen, T. (2021). Relaxation along a Fictitious Field (RAFF) provides an appropriate alternative method for imaging chronic myocardial infarcts without exogenous contrast media. Interventional Cardiology, 13(5), 381–388.

   Rinnakkaistallennettu versio / Self-archived version

2. Mirmojarabian, S. A., Lammentausta, E., Liukkonen, E., Ahvenjärvi, L., Junttila, J., Nieminen, M. T., & Liimatainen, T. (2022). Myocardium assessment by relaxation along fictitious field, extracellular volume, feature tracking, and myocardial strain in hypertensive patients with left ventricular hypertrophy. International Journal of Biomedical Imaging, 2022, 9198691. https://doi.org/10.1155/2022/9198691

   Rinnakkaistallennettu versio / Self-archived version

3. Mirmojarabian, S. A., Kajabi, A. W., Ketola, J. H. J., Nykänen, O., Liimatainen, T., Nieminen, M. T., Nissi, M. J., & Casula, V. (2023). Machine learning prediction of collagen fiber orientation and proteoglycan content from multiparametric quantitative MRI in articular cartilage. Journal of Magnetic Resonance Imaging, 57(4), 1056–1068. https://doi.org/10.1002/jmri.28353

   Rinnakkaistallennettu versio / Self-archived version