Inverse Probleme und Magnetic Particle Imaging

Seit der Entdeckung der Röntgentomographie in den 1970er Jahren haben bildgebende Verfahren die medizinische Diagnostik kontinuierlich revolutioniert. Heutzutage gibt es im klinischen Umfeld eine Vielzahl tomographischer Verfahren, welche aufgrund ihrer spezifischen Vor- und Nachteile unterschiedlich angewendet werden. Die wichtigsten Verfahren sind Computertomographie (CT), Magnetresonanztomographie (MRT) sowie verschiedene funktionale Technologien wie PET (Positronen-Emissions-Tomographie) und SPECT (Single Photon Emission Computed Tomography).

Seit Anfang der 2000er Jahre hat das Magnetic Particle Imaging (MPI) Einzug in die forschende Medizin gehalten. Die grundlegende Idee ist es dem Patienten und den Patientinnen magnetische Nanoteilchen, Eisenoxidpartikel sogenannte Tracer, zu injizieren und ihre Konzentration im Körper mit Hilfe von außen angelegten Magnetfeldern zu orten. Die Technik ist strahlungsfrei und hat eine sehr hohe zeitliche Auflösung. Derzeit besitzt diese Technologie große Herausforderungen, die in unserem Team untersucht werden. Dazu gehört die detaillierte mathematische Modellierung des Messprozesses. Darüber hinaus sind aufgrund einer derzeit nur spärlichen Datenlage viele der gebräuchlichsten datengetriebenen Methoden nicht direkt anwendbar.

MPI Schema

Leitung

Dr. Tobias Kluth

Inverse Probleme und Magnetic Particle Imaging

Modellierung

Derzeit ist es ein offenes Problem, ein ausreichend genaues Modell für MPI zu entwickeln, das das Verhalten der großen Anzahl von Partikeln wiedergibt. Daher wird die Rekonstruktion derzeit mit einem gemessenen Vorwärtsoperator berechnet, der durch einen zeitaufwändigen Kalibrierungsprozess gewonnen wird. Das Modell, das üblicherweise verwendet wird, um die Bilddarstellung zu veranschaulichen und erste modellbasierte Rekonstruktionen zu erhalten, beruht auf Modellvereinfachungen (siehe Abbildung rechts). Dafür muss die Magnetisierungsdynamik des magnetischen Moments der Nanopartikel (rot) wie Brownsche Bewegung (links) und Neel-Rotation (rechts) in Richtung des angelegten Feldes (grün) berücksichtigen. Durch Vernachlässigung der Teilchen-Teilchen-Wechselwirkungen kann der Vorwärtsoperator durch einen Fredholm-Integraloperator erster Art ausgedrückt werden, was das inverse Problem für die Bildrekonstruktion ergibt.

 

Schema MPI

Team

Bild Hannes Albers

Hannes Albers

Inverse Probleme und Magnetic Particle Imaging

Pascal Fernsel

Dr. Pascal Fernsel

Inverse Probleme und Magnetic Particle Imaging

Bild Alexander West

Alexander West

Inverse Probleme und Magnetic Particle Imaging

Projekte

Schema D-MPI

D-MPI - Dynamische Inverse Probleme in Magnetic Particle Imaging

DFG-Projekt
Laufzeit: 01.05.2020 - 30.04.2023
Leitung: Tobias Kluth

Magnetic Particle Imaging (MPI) ist ein bildgebendes Verfahren mit vielversprechenden medizinischen Anwendungen, welches auf dem Verhalten superparamagnetischer Eisenoxid-Nanopartikeln basiert. In D-MPI werden die dynamischen Aspekte Konzentrationsdynamik, Magnetfelddynamik und Dynamik der Partikelmagnetisierung untersucht, um die Modellierung und Rekonstruktion der Daten zu vereinfachen.

MPI Relaxation

MPI² - Modellbasierte Parameteridentifikation in Magnetic Particle Imaging

BMBF-Projekt
Laufzeit: 01.12.2016 - 31.05.2020
Leitung: Peter Maaß, Tobias Kluth

In MPI² werden modellbasierte Verfahren und deren effiziente algorithmische Umsetzung erforscht. Als Anwendungsbeispiel dient hier die Magnetpartikelbildgebung (MPI), ein tomographisches Verfahren, welches darauf basiert, Eisenoxid-Nanopartikel im menschlichen Körper zu verfolgen.

Veröffentlichungen

 

C. Arndt, A. Denker, S. Dittmer, N. Heilenkötter, M. Iske, T. Kluth, P. Maaß, J. Nickel.
Invertible residual networks in the context of regularization theory for linear inverse problems.
Inverse Problems, 39(12), IOPscience, 2023.
DOI: 10.1088/1361-6420/ad0660
online unter: https://iopscience.iop.org/article/10.1088/1361-6420/ad0660


H. Albers, T. Knopp, M. Möddel, M. Boberg, T. Kluth.
Modeling the magnetization dynamics for large ensembles of immobilized magnetic nanoparticles in multi-dimensional magnetic particle imaging.
Journal of Magnetism and Magnetic Materials, 543, 168534, Elsevier, 2022.
DOI: 10.1016/j.jmmm.2021.168534


H. Albers, T. Kluth, T. Knopp.
Simulating magnetization dynamics of large ensembles of single domain nanoparticles: Numerical study of Brown/Néel dynamics and parameter identification problems in magnetic particle imaging.
Journal of Magnetism and Magnetic Materials, 541, 168508, Elsevier, 2022.
DOI: 10.1016/j.jmmm.2021.168508
online unter: https://www.sciencedirect.com/science/article/abs/pii/S0304885321007678


S. Dittmer, T. Kluth, M. Henriksen, P. Maaß.
Deep image prior for 3D magnetic particle imaging: A quantitative comparison of regularization techniques on Open MPI dataset.
International Journal on Magnetic Particle Imaging, 7(1), 2021.
online unter: https://journal.iwmpi.org/index.php/iwmpi/article/view/148


M. Möddel, F. Griese, T. Kluth, T. Knopp.
Estimating the Spatial Orientation of Immobilized Magnetic Nanoparticles with Parallel-Aligned Easy Axes.
Physical Review Applied, 16(4), L041003 S., 2021.


T. Kluth, C. Bathke, M. Jiang, P. Maaß.
Joint super-resolution image reconstruction and parameter identification in imaging operator: Analysis of bilinear operator equations, numerical solution, and application to magnetic particle imaging.
Inverse Problems, 36(12), 2020.
DOI: https://doi.org/10.1088/1361-6420/abc2fe

 


T. Kluth, B. Jin.
L1 data fitting for robust reconstruction in magnetic particle imaging: quantitative evaluation on Open MPI dataset.
International Journal on Magnetic Particle Imaging, , 2020.
DOI: 10.18416/IJMPI.2020.2012001

 


S. Dittmer, T. Kluth, P. Maaß, D. Otero Baguer.
Regularization by architecture: A deep prior approach for inverse problems.
Journal of Mathematical Imaging and Vision, :456-470, Springer Verlag, 2020. DOI: 10.1007/s10851-019-00923-x, online unter: http://link.springer.com/article/10.1007/s10851-019-00923-x


T. Kluth, B. Jin.
Enhanced Reconstruction in Magnetic Particle Imaging by Whitening and Randomized SVD Approximation.
Physics in Medicine and Biology, Article ID 125026 64(12), 2019. DOI: 10.1088/1361-6560/ab1a4f


T. Kluth, P. Szwargulski, T. Knopp.
Towards Accurate Modeling of the Multidimensional Magnetic Particle Imaging Physics.
New Journal of Physics, Article ID 10303 21, 10 pp., 2019, online unter: https://iopscience.iop.org/article/10.1088/1367-2630/ab4938/pdf


T. Kluth.
Mathematical models for magnetic particle imaging.
Inverse Problems, Article ID 083001 34(8), 2018. DOI: 10.1088/1361-6420/aac535


T. Kluth, B. Jin, G. Li.
On the Degree of Ill-Posedness of Multi-Dimensional Magnetic Particle Imaging.
Inverse Problems, Article ID 095006 34(9), 2018. DOI: 10.1088/1361-6420/aad015


C. Bathke, T. Kluth, C. Brandt, P. Maaß.
Improved image reconstruction in magnetic particle imaging using structural a priori information.
International Journal on Magnetic Particle Imaging, Article ID 1703015, 3(1), 10 pages, 2017. DOI: 10.18416/ijmpi.2017.1703015


T. Kluth, P. Maaß.
Model uncertainty in magnetic particle imaging: Nonlinear problem formulation and model-based sparse reconstruction.
International Journal on Magnetic Particle Imaging, Article ID 1707004 3(2), 10 pages, 2017. DOI: 10.18416/ijmpi.2017.1707004​​​​​​​

C. Arndt, S. Dittmer, N. Heilenkötter, M. Iske, T. Kluth, J. Nickel.
Bayesian view on the training of invertible residual networks for solving linear inverse problems.
Zur Veröffentlichung eingereicht.
online unter: https://www.x-mol.net/paper/article/1682514725633245184


C. Brandt, T. Kluth, T. Knopp, L. Westen.
Dynamic image reconstruction with motion priors in application to 3d magnetic particle imaging.
Zur Veröffentlichung eingereicht.
online unter: https://arxiv.org/abs/2306.11625


T. Lütjen, F. Schönfeld, J. Leuschner, M. Schmidt, A. Wald, T. Kluth.
Learning-based approaches for reconstructions with inexact operators in nanoCTapplications.
Zur Veröffentlichung eingereicht.
online unter: https://aps.arxiv.org/abs/2307.10474


H. Albers, T. Kluth.
Time-dependent parameter identification in a Fokker-Planck equation based magnetization model of large ensembles of nanoparticles.
Zur Veröffentlichung eingereicht.
online unter: https://arxiv.org/abs/2307.03560


T. Kluth, B. Jin.
Exploiting heuristic parameter choice rules for one-click image reconstruction in magnetic particle imaging.
Zur Veröffentlichung eingereicht.

M. Nitzsche, H. Albers, T. Kluth, B. Hahn.
Compensating model imperfections during image reconstruction via resesop.
International Workshop on Magnetic Particle Imaging, 21.03.-23.03.2022, University of Würzburg, Deutschland.
International Journal on Magnetic Particle Imaging, 8(1):4 pages, 2022.
DOI: 10.18416/IJMPI.2022.2203062


H. Albers, T. Kluth.
Immobilized nanoparticles with uniaxial anisotropy in multi-dimensional lissajous-type excitation: An equilibrium model approach.
International Workshop on Magnetic Particle Imaging, 21.03.-23.03.2022, University of Würzburg, Deutschland.
International Journal on Magnetic Particle Imaging, 8(1):4 pages, 2022.
DOI: 10.18416/IJMPI.2022.2203048


S. Dittmer, T. Kluth, D. Otero Baguer, P. Maass.
A Deep Prior Approach to Magnetic Particle Imaging.
Machine Learning for Medical Image Reconstruction 2020. Springer International Publishing, F. Deeba, P. Johnson, T. Würfl, J. C. Ye (Hrsg.), S. 113-122, 2020.


M. Möddel, F. Griese, T. Kluth, T. Knopp.
Estimating orientation using multi-contrast MPI.
10th International Workshop on Magnetic Particle Imaging 2020, Würzburg, 07.09.-09.09.2020. Erscheint in Infinite Science Publishing, T. Knopp, T. M. Buzug (Hrsg.), S. 2 pages.


H. Albers, T. Kluth, T. Knopp.
MNPDynamics: A computational toolbox for simulating magnetic moment behavior of ensembles of nanoparticles.
10th International Workshop on Magnetic Particle Imaging 2020, Würzburg, 07.09.-09.09.2020. Erscheint in Infinite Science Publishing, T. Knopp, T. M. Buzug (Hrsg.), S. 2 pages.


T. Kluth, P. Szwargulski, T. Knopp.
Towards accurate modeling of the multidimensional MPI physics.
10th International Workshop on Magnetic Particle Imaging 2020, Würzburg, 07.09.-09.09.2020. Erscheint in Infinite Science Publishing, T. Knopp, T. M. Buzug (Hrsg.), S. 2 pages.


T. Kluth, B. Hahn, C. Brandt.
Spatio-temporal concentration reconstruction using motion priors in magnetic particle imaging.
International Workshop on Magnetic Particle Imaging 2019. International Workshop on Magnetic Particle Imaging (IWMPI) Book of Abstracts 2019, S. 23-24, Infinite Science Publishing, 2019.


T. Kluth, B. Jin.
Exploiting Ill-Posedness in Magnetic Particle Imaging - System Matrix Approximation via Randomized SVD.
International Workshop on Magnetic Particle Imaging 2018. International Workshop on Magnetic Particle Imaging (IWMPI) Book of Abstracts 2018, S. 127-128, Infinite Science Publishing, 2018.


J. Flötotto, T. Kluth, M. Möddel, T. Knopp, P. Maaß.
Improving Generalization Properties of Measured System Matrices by Using Regularized Total Least Squares Reconstruction in MPI.
International Workshop on Magnetic Particle Imaging 2018. International Workshop on Magnetic Particle Imaging (IWMPI) Book of Abstracts 2018, S. 53-54, Infinite Science Publishing, 2018.


C. Bathke, T. Kluth, P. Maaß.
MPI Reconstruction Using Structural Prior Information and Sparsity.
International Workshop on Magnetic Particle Imaging 2018. International Workshop on Magnetic Particle Imaging (IWMPI) Book of Abstracts 2018, S. 129-130, Infinite Science Publishing, 2018.


C. Bathke, T. Kluth, C. Brandt, P. Maaß.
Improved image reconstruction in magnetic particle imaging using structural a priori information.
International Workshop on Magnetic Particle Imaging 2017. International Workshop on Magnetic Particle Imaging (IWMPI) Book of Abstracts 2017, S. 85, Infinite Science Publishing, 2017.


T. Kluth, P. Maaß.
Model uncertainty in magnetic particle iamging: Motivating nonlinear problems by model-based sparse reconstruction.
International Workshop on Magnetic Particle Imaging 2017. International Workshop on Magnetic Particle Imaging (IWMPI) Book of Abstracts 2017, S. 83, Infinite Science Publishing, 2017.