Knopp, TobiasTobiasKnopp10121003910000-0002-1589-8517Scheffler, KonradKonradScheffler2025-10-202025-10-202025Technische Universität Hamburg (2025)https://hdl.handle.net/11420/58031Magnetic Particle Imaging (MPI) is an emerging tomographic imaging modality that has demonstrated significant potential in pre-clinical applications. As MPI moves towards clinical translation, the field faces a variety of interdisciplinary challenges that must be addressed through advancements in hardware, algorithmic methodologies, and application-driven refinements. This dissertation explores algorithmic methods that facilitate the transition of MPI from a research-oriented technology to a clinically viable imaging tool. The work presented in this dissertation highlights the crucial interplay between applicational demands, hardware design and limitations, and methodological development. Hardware innovations define the fundamental capabilities of MPI, such as sensitivity, resolution, and acquisition speed. However, these capabilities alone are insufficient to meet the stringent requirements of clinical imaging. Algorithmic research plays a pivotal role in bridging this gap by optimizing imaging performance, improving reconstruction accuracy, and addressing practical constraints in system usability. From accelerating system calibration to refining signal processing techniques and optimizing field encoding strategies, computational advancements serve as a critical link between hardware constraints and the needs of real-world medical applications. By focusing on the synergies between these three domains, this dissertation demonstrates how methodological improvements can drive the clinical adoption of MPI. Building on this foundation, the dissertation presents key methodological contributions that address specific challenges in MPI. The research contributions of the author are embedded within this broader framework, showcasing innovations that improve the efficiency and feasibility of MPI for clinical use. The core of the dissertation is composed of three peer-reviewed research articles, each addressing a distinct methodological challenge in MPI. The first contribution introduces a novel approach to system calibration by leveraging extrapolation techniques for system matrices. Traditional MPI calibration is time-intensive and requires extensive measurements, limiting the scalability of the method for clinical applications. By employing an extrapolation-based methodology, this work significantly reduces the calibration burden while maintaining reconstruction accuracy, thereby improving efficiency and reducing experimental effort. The second contribution focuses on regularization techniques in MPI reconstruction, presenting a method with automatically tuned parameters. Image reconstruction in MPI requires balancing noise suppression with the preservation of fine structural details, which is particularly crucial for medical imaging applications. This research introduces an adaptive regularization framework that dynamically adjusts parameters based on image characteristics, enhancing robustness, improving reconstruction quality, and reducing the need for manual parameter selection. The third contribution explores the use of ellipsoidal harmonic expansions to efficiently represent magnetic fields, addressing a fundamental challenge in MPI system modeling. Accurate field representations are essential for precise spatial encoding and the development of tailored field-cameras for MPI scanners. Compared to spherical harmonic representations, ellipsoidal harmonics provide greater geometric flexibility, enabling optimized field encoding strategies that are better suited for specific scanner designs. This study develops a mathematically rigorous yet efficient method for representing complex field distributions, offering improvements in encoding efficiency and adaptability to application-specific requirements. Additional research contributions contextualize these advancements within collaborative efforts involving multiple research institutions. These collaborations have furthered the development of MPI modeling techniques, investigated the MPI performance of the clinically approved tracer Resotran, and contributed to studies on the development of novel MPI tracers. The findings presented in this dissertation have been disseminated through various peer-reviewed journal articles and conference proceedings, reinforcing the significance of algorithmic research in driving the clinical translation of MPI. In conclusion, this dissertation demonstrates that algorithmic innovations are fundamental to bridging the gap between pre-clinical research and clinical implementation in MPI. By enhancing calibration processes, improving reconstruction methodologies, and optimizing field representations, these advancements facilitate the practical deployment of MPI in medical imaging. The final chapter provides a summary of the key findings and an outlook on future algorithmic research directions that will further support the integration of MPI into clinical workflows.Die Magnetpartikelbildgebung (MPI) ist eine aufstrebende tomographische Bildgebungsmethode, die bereits großes Potenzial in präklinischen Anwendungen gezeigt hat. Mit der zunehmenden klinischen Translation von MPI steht das Forschungsfeld vor einer Vielzahl interdisziplinärer Herausforderungen, die durch Fortschritte in der Hardwareentwicklung, algorithmischen Methoden und anwendungsgetriebenen Optimierungen bewältigt werden müssen. Diese Dissertation untersucht algorithmische Methoden, die den Übergang von MPI von einer forschungsorientierten Technologie zu einem klinisch einsetzbaren Bildgebungsverfahren erleichtern. Die in dieser Arbeit vorgestellten Untersuchungen betonen das entscheidende Zusammenspiel zwischen anwendungsspezifischen Anforderungen, Hardwaredesign und - beschränkungen so - wie algorithmischer und methodischer Entwicklung. Hardware-Innovationen definieren die grundlegenden Leistungsmerkmale von MPI, wie Sensibilität, Auflösung und Bildaufnahmerate. Diese Eigenschaften allein reichen jedoch nicht aus, um die hohen Anforderungen der klinischen Bildgebung zu erfüllen. Algorithmische Forschung spielt eine Schlüsselrolle bei der Überbrückung dieser Lücke, indem sie die Bildgebungsleistung optimiert, die Rekonstruktionsgenauigkeit verbessert und praktische Einschränkungen in der Systemanwendbarkeit adressiert. Von der Beschleunigung der Systemkalibrierung über die Verfeinerung der Signalverarbeitung bis hin zur Optimierung der Feldkodierung stellen algorithmische Entwicklungen eine essenzielle Verbindung zwischen Hardwaregrenzen und den Anforderungen realer medizinischer Anwendungen dar. Durch die Fokussierung auf die Synergien zwischen diesen drei Bereichen zeigt diese Dissertation, wie methodische Verbesserungen die klinische Etablierung von MPI vorantreiben können. Aufbauend auf dieser Grundlage präsentiert die Dissertation wesentliche methodische Beiträge, die spezifische Herausforderungen in der MPI-Technologie adressieren. Die Forschungsarbeiten des Autors sind in dieses übergeordnete Rahmenwerk eingebettet und demonstrieren Innovationen, die die Effizienz und Realisierbarkeit von MPI für den klinischen Einsatz verbessern. Der Kern dieser Dissertation besteht aus drei begutachteten Forschungsartikeln, die jeweils eine spezifische methodische Fragestellung in MPI behandeln. Der erste Beitrag stellt einen neuartigen Ansatz zur Systemkalibrierung vor, der auf Extrapolationstechniken für Systemmatrizen basiert. Die herkömmliche Kalibrierung von MPI ist zeitaufwendig und erfordert umfangreiche Messungen, was die Skalierbarkeit der Methode für klinische Anwendungen einschränkt. Durch die Verwendung eines extrapolationsbasierten Verfahrens reduziert diese Arbeit die Kalibrierungsanforderungen erheblich, während die Rekonstruktionsgenauigkeit erhalten bleibt. Die steigert die Effizienz und senkt den experimentellen Aufwand. Der zweite Beitrag konzentriert sich auf Regularisierungstechniken in der MPI-Rekonstruktion und stellt eine Methode mit automatisch gewählten Parametern vor. Die Bildrekonstruktion in MPI erfordert eine sorgfältige Balance zwischen Rauschunterdrückung und der Erhaltung feiner struktureller Details, was insbesondere für medizinische Anwendungen von entscheidender Bedeutung ist. Diese Arbeit entwickelt ein adaptives Regularisierungsverfahren, das Parameter dynamisch an die Bildcharakteristika anpasst, wodurch die Robustheit erhöht, die Rekonstruktionsqualität verbessert und der Bedarf an manueller Parameterauswahl reduziert wird. Der dritte Beitrag untersucht den Einsatz von ellipsoidischen Harmonischen zur effizienten Darstellung magnetischer Felder, um eine zentrale Herausforderung in der MPI-Systemmodel- lierung zu bewältigen. Eine präzise Feldbeschreibung ist essenziell für die räumliche Kodierung und die Entwicklung maßgeschneiderter Feldkameras für MPI-Scanner. Im Vergleich zu sphärischen harmonischen Darstellungen bieten ellipsoidische Harmonische eine größere geometrische Flexibilität, die optimierte Feldkodierungsstrategien ermöglicht und spezifische Scannerdesigns besser unterstützt. Diese Studie entwickelt eine mathematisch fundierte und effiziente Methode zur Darstellung komplexer Feldverteilungen, die Verbesserungen in der Kodierungseffizienz und der Anpassungsfähigkeit an anwendungsspezifische Anforderungen bietet. Weitere Forschungsarbeiten betten diese Entwicklungen in den Kontext gemeinschaftlicher Projekte mit verschiedenen Forschungseinrichtungen ein. Diese Kooperationen umfassten neben der Entwicklung von Modellierungstechniken für MPI auch Studien zur Leistungsfähigkeit des klinisch zugelassenen Tracers Resotran sowie Untersuchungen zur Entwicklung neuer MPI-Tracer. Die in dieser Dissertation vorgestellten Ergebnisse wurden durch verschiedene begutachtete Fachartikel und Konferenzbeiträge verbreitet und unterstreichen die Bedeutung der algorithmischen Forschung für die klinische Translation von MPI. Zusammenfassend zeigt diese Dissertation, dass algorithmische Innovationen entscheidend sind, um die Lücke zwischen präklinischer Forschung und klinischer Anwendung in MPI zu schließen. Durch die Verbesserung der Kalibrierungsprozesse, die Optimierung von Rekonstruktionsmethoden und die Weiterentwicklung von Feldrepräsentationen erleichtern diese Fortschritte die praktische Implementierung von MPI in der medizinischen Bildgebung. Das abschließende Kapitel der Arbeit bietet eine Zusammenfassung der zentralen Erkenntnisse sowie einen Ausblick auf zukünftige algorithmische Forschungsrichtungen, welche die Integration von MPI in klinische Arbeitsabläufe weiter vorantreiben werden.enhttps://creativecommons.org/licenses/by/4.0/Magnetic Particle ImagingMPI ReconstructionMPI CalibrationRegularizationMagnetic FieldsEllipsoidal Harmonic ExpansionTechnology::616: Deseases::616.0: Pathology, Deseaeses, Treatment::616.07: PathologyComputer Science, Information and General Works::006: Special computer methods::006.3: Artificial IntelligenceDoctoral Thesishttps://doi.org/10.15480/882.1600810.15480/882.16008Brandt, ChristinaChristinaBrandtOther