Vergleich zwischen 7 Tesla 4D PC-MRI-Flussmessung und CFD-Simulation Rocco Gasteiger1 , Gábor Janiga2 , Daniel Stucht3 , Anja Hennemuth4 , Ola Friman4 , Oliver Speck3 , Michael Markl5 , Bernhard Preim1 1 Institut für Simulation und Graphik, Universität Magdeburg 2 Institut für Strömungstechnik und Thermodynamik, Universität Magdeburg 3 Biomedizinische Magnetresonanz, IEP, Universität Magdeburg 4 Fraunhofer MEVIS, Bremen 5 Radiologische Klinik - Medizin Physik, Universitätsklinikum Freiburg rocco.gasteiger@ovgu.de Kurzfassung. Die Untersuchung des Blutflussverhaltens (Hämodyna- mik) in zerebralen Gefäßen spielt eine wesentliche Rolle bei der Be- wertung von lokalen Gefäßkrankheiten wie z.B. Aneurysmen. Eine Be- stimmung der Strömung in diesen Gefäßabschnitten erfolgt dabei entwe- der durch CFD-Simulationen oder zeitaufgelöste Phasen-Kontrast Fluss- messungen (4D PC-MRI). Die vorliegende Arbeit ergänzt aktuelle Ver- gleichsuntersuchungen hinsichtlich der resultierenden Strömungsinforma- tionen. Verwendet werden dabei erstmalig 7 Tesla (7T)-Aufnahmen für die Flussmessungen. Der Vergleich zeigt moderate bis starke Korrela- tionen hinsichtlich der pulsativen Entwicklung von Geschwindigkeit und Volumenstrom aber auch Unterschiede im lokalen Strömungsverlauf. 1 Einleitung Zerebrale Gefäßerkrankungen, wie z.B. Aneurysmen, stellen ein ernsthaftes Ge- sundheitsrisiko für den Patienten dar. Die Ruptur eines Aneurysmas verursacht beispielsweise eine Subarachnoidalblutung mit zum Teil tödlichen Ausgang. Um die Entstehung und Entwicklung dieser pathologischen Strukturen besser ver- stehen zu können, spielen neben morphologischen Informationen der Anatomie auch Kenntnisse über die lokale Hämodynamik eine wesentliche Rolle [1], [2]. Zudem können diese Informationen für die Therapieentscheidung unterstützend eingesetzt werden, wie z.B. dem virtuellen Stenting oder Coiling [3]. Zur Be- stimmung der Hämodynamik bei zerebralen Aneurysmen werden vorrangig nu- merische Simulationen (CFD-Simulationen) sowie zunehmend Phasen-Kontrast Flussmessungen (4D PC-MRI) verwendet. Die Simulationen basieren auf einer Vielzahl von Annahmen, deren Korrektheit bei einem konkreten Patienten nicht überprüft werden kann. Die Messungen haben eine klarere Grundlage, aller- dings sind die Daten gering aufgelöst (1.0-1.6 mm Schichtabstand) und teilweise stark verrauscht, so dass keineswegs anatomisch zuverlässigere Ergebnisse ent- stehen. In neueren Arbeiten wurden erste Vergleiche zwischen Simulation und Messung durchgeführt, die Gemeinsamkeiten hinsichtlich globaler Flussmuster 4D MRI-Flussmessung und CFG-Simulation 305 (z.B. Flussrichtung) aufzeigen aber auch Unterschiede bei lokalen Flussparame- tern wie Geschwindigkeit oder Wall-Shear-Stress (WSS) [4], [5]. Die vorliegende Arbeit ergänzt diese Untersuchungen, da die MR-Messungen an einem 7T-Gerät mit einem besseren Signal-Rausch-Verhältnis (SNR) durchgeführt wurden. 2 Material und Methoden Die Schritte für die Datenaufnahme, -vorverarbeitung und -auswertung werden im Folgenden kurz beschrieben. Die Verarbeitung und Auswertung der Daten erfolgte dabei mithilfe der Bildverarbeitungs- und Visualisierungsplattform Me- VisLab, VTK sowie ParaView. 2.1 Aufnahme der MR-Daten Für die Aufnahme wurde ein Gefäßphantom mit drei sakkularen Aneurysmen verwendet. Das Gefäßsystem besitzt einen Einströmkanal und zwei Ausström- kanäle sowie einen variierenden Gefäßdurchmesser zwischen 3 und 6 mm. Die MR-Daten wurden an einem 7T Ganzkörper-Scanner (MAGNETOM 7T, Sie- mens Medical Solutions, Deutschland) in einer 8-Kanal-Spule (Rapid Biomedi- cal, Deutschland) aufgenommen. Zur Generierung des CFD-Modells wurde zu- nächst ein Gradientenecho-Datensatz akquiriert (Auflösung: 288 × 512 × 240, Voxelgröße: 0.5 × 0.5 × 0.5 mm, TR/TE: 20.0 ms/7.67 ms, 4 Mittelungen, Flip- winkel: α = 15◦ ). Das Phantom wurde mit einer Kochsalzlösung (0,9 %) ge- füllt, der 0.2 mmol/l Gadolinium (GdCl3) zugegeben wurden. Die Aufnahme der Flussdaten erfolgte mittels flussempfindlicher 4D (zeitaufgelöst und 3D) GE- Phasenkontrast MR-Bildgebung [6] (Auflösung: 144 × 256 × 128, Voxelgröße: 1.0 × 1.0 × 1.0 mm, TR/TE: 94.4 ms/2.88 ms, GAPPA-Faktor 2, keine Mitte- lung, Flipwinkel: α = 12◦ , 94.4 ms zeitliche Auflösung, 20 Phasen, venc=1.0 m/s iso). Synchronisiert wurde der Sequenzablauf mit einem externen Triggersignal. 2.2 Segmentierung und Vorverarbeitung der MR- und Flussdaten Für das spätere CFD-Modell ist eine Segmentierung des Phantomgefäßsystems notwendig. Die Segmentierung erfolgte dabei auf Basis des hochaufgelösten Da- tensatzes durch ein schwellenwertbasiertes Verfahren mit anschließender Zusam- menhangskomponentenanalyse. Bezüglich der Flussmessungen können aufgrund von Wirbelströmen, Phasensprüngen und Rauschen Fehler in den Geschwindig- keitsdaten verursacht werden. Eine Korrektur der Daten erfolgte anhand der Beschreibung in Hennemuth et al. [7]. Da außerhalb des Gefäßlumens ein star- ker Rauschanteil in den Flussdaten vorliegt, wurden diese durch die oben er- zeugte Segmentierung von dem umgebenden Rauschen maskiert. Hierfür wurde die Segmentierungsmaske auf den niedriger aufgelösten Flussdatensatz manuell registriert. 306 Gasteiger et al. 2.3 CFD Modelgenerierung und Simulation Aus der hochaufgelösten Segmentierungsmaske wurde durch Marching Cubes ein Oberflächenmodell generiert. Anschließend wurden die Ein- und Ausström- bereiche des Oberflächenmodells senkrecht zum Gefäßverlauf manuell beschnit- ten. Die Dreiecksqualität wurde mittels Neuvernetzung durch einen Advancing- Front-Algorithmus [8] verbessert. Anschließend wurde mit Hilfe der Software ANSYS IcemCFD ein hybrides Volumengitter (934,266 Elemente) mit Pris- men am Rand und mit Tetraedern im Innern auf Basis des Oberflächenmo- dells (193,576 Dreiecke) generiert. Als Flussmedium wurde Wasser (Newton’sch, Dichte = 1000 kg/m3 , Viskosität = 10−3 Pa·s) angenommen. Zusätzlich wurde aus den Flussmessungen der Volumenstrom im Einströmbereich und den bei- den Ausströmbereichen über die Zeit ermittelt und als Randbedingung in der Simulation definiert. Weiterhin wurde eine starre Gefäßwand sowie eine Flussge- schwindigkeit von 0 m/s an den Wänden angenommen. Die Simulation erfolgte zeitabhängig über eine Periode mit 100 Zeitschritten, wovon jeder zehnte Schritt gespeichert wurde. Verwendet wurde dafür die Software ANSYS Fluent. 2.4 Auswertung Für den Vergleich wurden die maskierten 4D PC-MRI Flussdaten in das unstruk- turierte Gitter des CFD-Volumengitters mittels trilinearer Interpolation über- führt. Für die Registrierung des Volumengitters auf den Flussdatensatz wurde die Registrierungsinformationen aus Abschnitt 2.2 verwendet. Die Auswertung erfolgte qualitativ durch die Visualisierung des Strömungsverlaufes und quanti- tativ durch Berechnung des Volumenstromes und der mittleren Flussgeschwin- digkeit an definierten Schnittebenen im Gefäßverlauf. 3 Ergebnisse und Diskussion Abbildung 2(a) zeigt die rekonstruierte Oberfläche des Aneurysmaphantoms und die Flussrichtung (weiß). Exemplarisch wurde für die weitere Beschreibung eine Ebene an einem großen Gefäßdurchmesser (≈6 mm) mit P 1 und eine Ebene an einem kleinen Durchmesser (≈3 mm) mit P 2 markiert (schwarz). Für die qua- litative Bewertung des Strömungsverlaufes ist in Abb. 2(b) das Strömungsprofil an P 1 der 4D PC-MRI-Daten sowie in Abb. 2(c) das der CFD-Daten vergrößert dargestellt (Zeitschritt 5). Der Flussverlauf ist dabei jeweils mit Pfeilglyphen visualisiert, wobei die Länge die Geschwindigkeit kodiert. Generell sind bei bei- den Flussdaten ähnliche Richtungsverläufe sowie Geschwindigkeitsverteilungen zu erkennen. Die 4D PC-MRI-Daten weisen jedoch ein tendenziell komplexeres Strömungsmuster auf, wohingegen die CFD-Daten mehr laminar verlaufen so- wie lokal höhere Geschwindigkeiten besitzen. Folgende Ursachen können dafür vorliegen: (a) Die CFD-Simulation bildet aufgrund ihrer Modellannahmen kom- plexe Strömungsmuster nicht ab oder (b) die Flussmessungen enthalten weiteres Rauschen, welches durch Interpolation in der Flussmessung sowie in der Daten- vorverarbeitung zwar reduziert aber dennoch vorhanden ist. 4D MRI-Flussmessung und CFG-Simulation 307 Abb. 1. (a) Rekonstruierte Oberfläche des Aneurysmaphantoms, mit Flussverlauf (weiß) und Schnittebenen (schwarz), (b) Visualisiersung des Strömungsprofiles der 4D PC-MRI-Daten und (c) der CFD-Daten an Ebene P 1 mittels Pfeilglyphen. (a) (b) (c) Gegenüber dem qualitativen Vergleich an P 1 zeigt die quantitative Aus- wertung des Volumenstromes Q und der mittleren Geschwindigkeit v̄ für die komplette Periode, dass die gemessenen und simulierten Flussdaten eine starke Korrelation hinsichtlich der pulsativen Entwicklung der beiden Flussquantitäten besitzen (rQ = 0.97, rv̄ = 0.97, Abb. 2(d)). Dies zeigt, dass die in der Simu- lation definierten Randbedingungen aus der Messung zumindest in der Nähe des Einströmbereiches beibehalten werden. Abbildung 2(e) zeigt den quanti- tativen Vergleich an Ebene P 2 , welche an einem geringeren Gefäßdurchmesser und entfernter vom Einströmbereich platziert ist. Erkennbar ist eine modera- Abb. 2. Quantitativer Vergleich des Volumenstromes und der mittleren Geschwindig- keit an Ebene P 1 (links) und an Ebene P 2 (rechts). 308 Gasteiger et al. te Korrelation (rQ = 0.57, rv̄ = 0.53) hinsichtlich der Flussquantitäten, wobei die simulierten Daten im Mittel höhere Werte aufweisen. Ein wahrscheinlicher Grund dafür können die abweichenden Fließeigenschaften des simulierten Fluß- mediums zu dem tatsächlich verwendeten sein. Dichte und Viskosität scheinen als zu gering angenommen zu sein, so dass sich die Flussquantitäten über die Entfernung zum Einströmbereich hin schneller entwickeln. Aufällig ist bei den gemessenen Daten eine Abweichung in den Zeitschritten 8 und 9. Bei einer qua- litativen Beurteilung dieser Zeitschritte an P 2 , war ein komplexes Strömungs- muster mit erhöhter Randgeschwindigkeit erkennbar, welches in den CFD-Daten nicht auftauchte. Ein erhöhter Rauschanteil in dem schmalen Gefäßbereich kann hier nicht ausgeschlossen werden. Als Schlussfolgerung der präsentierten Arbeit kann gesagt werden, dass zwi- schen gemessenen und simulierten Blutflussdaten moderate bis starke Korrela- tionen hinsichtlich der pulsativen Entwicklung von Flussquantitäten existieren. Die 4D PC-MRI-Daten weisen jedoch im Vergleich zu den CFD-Daten höhere Abweichungen hinsichtlich des lokale Strömungsverlaufes und der Flussquanti- täten auf, je weiter entfernt vom Einströmbereich und schmaler die Gefäßab- schnitte sind. Genauere Untersuchung hinsichtlich des Einflusses von Rauschen, der Registrierung und Interpolation während der Datenvorverarbeitung sowie der Randbedingungen sind noch notwendig. Ein Vergleich zwischen verschiede- nen Feldstärken sowie von 7T in vivo-Aufnahmen und CFD-Simulationen steht ebenfalls noch aus. Literaturverzeichnis 1. Hoi Y, Meng H, Woodward SH, et al. Effects of arterial geometry on aneurysm growth: three-dimensional computational fluid dynamics study. J Neuroradiol. 2004;101:676–81. 2. Nixon AM, Gunel M, Sumpio BE. The critical role of hemodynamics in the deve- lopment of cerebral vascular disease. J Neuroradiol. 2010;112:1240–53. 3. Cebral JR, Löhner R. Efficient simulation of blood flow past complex endovas- cular devices using an adaptive embedding technique. IEEE Trans Med Imaging. 2005;24(4):468–76. 4. Cebral JR, Putman CM, Alley MT, et al. Hemodynamics in normal cerebral arteries: qualitative comparison of 4D phase-contrast magnetic resonance and image-based computational fluid dynamics. J Eng Math. 2009;64:367–78. 5. Boussel L, Rayz V, Martin A, et al. Phase-contrast magnetic resonance imaging measurements in intracranial aneurysms in vivo of flow patterns, velocity fields, and wall shear stress: comparison with computational fluid dynamics. J Magn Reson Imaging Med. 2009;61:409–17. 6. Markl M, Harloff A, Bley TA, et al. Time-resolved 3D MR velocity mapping at 3T: improved navigator-gated assessment of vascular anatomy and blood flow. J Magn Reson Imaging. 2007;25(4):824–31. 7. Hennemuth A, Friman O, Schumann C, et al. Fast interactive exploration of 4D MRI flow data. In: Proc SPIE. vol. 7964; 2011. 8. Schöberl J. NETGEN: an advancing front 2D/3D-mesh generator based on abstract rules. Comput Vis Sci. 1997;1:41–52.