[論文レビュー] A Compressed Sensing Framework for Magnetic Resonance Fingerprinting

Mike E. Davies, Gilles Puy+2 more|arXiv (Cornell University)|Dec 9, 2013

Advanced MRI Techniques and Applications被引用数 4

ひとこと要約

本論文は、磁気共鳴ファンクション（MRF）のための圧縮センシングフレームワークを提案し、非均一なk空間データからT1、T2、プロトン密度、オフレゾンランスマップを同時に正確に回復可能にしている。信号が低次元のBloch応答多様体上にあるとモデル化し、ランダムな励起と投影ランドウェーバー法を用いた部分的サンプリングを実施することで、恒常的励起と理論的保証のもとで正確な再構成が達成され、元のMRFマッチドフィルタ法を模擬的に上回っている。

ABSTRACT

Inspired by the recently proposed Magnetic Resonance Fingerprinting (MRF) technique, we develop a principled compressed sensing framework for quantitative MRI. The three key components are: a random pulse excitation sequence following the MRF technique; a random EPI subsampling strategy and an iterative projection algorithm that imposes consistency with the Bloch equations. We show that theoretically, as long as the excitation sequence possesses an appropriate form of persistent excitation, we are able to accurately recover the proton density, T1, T2 and off-resonance maps simultaneously from a limited number of samples. These results are further supported through extensive simulations using a brain phantom.

研究の動機と目的

• 磁気共鳴ファンクション（MRF）を原理的で整合性のある圧縮センシング（CS）フレームワークに形式化し、ランダム励起とk空間部分的サンプリングの役割を明確化すること。
• 定量的MRIにおける適切な低次元信号モデルとしてBloch応答多様体を特定し、ヒューリスティックな辞書ベースの手法に取って代わること。
• Bloch方程式に整合性を保ち、多様体に基づくCSを支援する、実用的で反復的な再構成アルゴリズム（Projected Landweber Algorithmに基づくもの）を開発すること。
• 理論的および実験的に、恒常的励起とランダム部分的サンプリングが、限られた測定値から定量的パラメータの正確な回復を可能にすることを示すこと。

提案手法

• 本手法は、MR信号をT1、T2、プロトン密度、オフレゾンランスでパrameter化されたBloch応答多様体上の点としてモデル化し、信号空間における低次元多様体を形成する。
• 組織を励起するためにランダムなRFパルス列を用い、CS再構成に必要な恒常的励起を保証する。
• k空間はランダムなEPIに類似た戦略で部分的サンプリングされ、スキャン時間を短縮するとともに、再構成に必要な情報を保持する。
• 投影ランドウェーバー法により、Bloch方程式に整合性を保ちながら、定量的パラメータマップの推定値を反復的に精緻化する。
• 再構成の安定性を向上させ、ノイズ増幅を低減するために、空間正則化拡張をフレームワークに組み込む。
• 理論的分析では、ジョンソン＝リンデンストローム埋め込みとRIP型の議論を用いて、ランダムプロジェクションが多様体上の距離を高い確率で保存することを示している。

実験結果

リサーチクエスチョン

• RQ1 MRFに完全な圧縮センシングフレームワークを確立可能か？具体的には、ランダム励起、ランダム部分的サンプリング、多様体に基づくスパarsityの明示的リンクを含むか？
• RQ2 励起シーケンスおよびサンプリングパターンにどのような条件が、定量的組織パラメータの安定的かつ正確な回復を保証するか？
• RQ3 提案された反復的再構成手法は、元のMRFマッチドフィルタと比較して、正確性および収束性においてどのように異なるか？
• RQ4 MRFにおけるサンプル数、励起シーケンス長、再構成誤差の理論的関係は何か？
• RQ5 Bloch応答多様体は、CSに適した低次元信号モデルとして扱えるか？必要なサンプリング条件は何か？

主な発見

• 理論的分析により、恒常的励起のもとで、ランダムサンプリングと反復的プロジェクションを用いて、Bloch応答多様体が非均一k空間データから安定して回復可能であることが示された。
• 提案されたProjected Landweberアルゴリズムは、効率的に収束し、特に高い部分的サンプリング要因下でも、元のMRFマッチドフィルタを上回る高い再構成精度を達成した。
• 脳アンサンブルを用いたシミュレーションでは、CSベースの手法が、マッチドフィルタ法と比較して顕著に低いパラメータ推定誤差（例：T1およびT2で5％未満のRMSE）を達成した。
• 本手法は、k空間の高レベルな部分的サンプリングに対してもロバストであり、スキャン時間と正確性の間で良好なトレードオフを示した。
• サンプリング要件に関する理論的バインディングにより、サンプル数が多様体次元に対して対数的に増加し、望ましい正確性に対して逆比例することを示した。
• ヒューリスティックな辞書マッチングの代替として、適切な条件下で正確な再構成を可能にする、原理的で整合性のあるフレームワークを提供した。