[論文レビュー] Cine Cardiac MRI Motion Artifact Reduction Using a Recurrent Neural Network

Qing Lyu, Hongming Shan+3 more|arXiv (Cornell University)|Jun 23, 2020

Advanced Image Processing Techniques参考文献 43被引用数 7

ひとこと要約

本稿では、不十分にサンプリングされた動きぼけのk空間データから空間的および時間的特徴を共同でモデリングすることで、cine心臓MRIにおける動きアーチファクトを低減する二重ConvLSTMブランチを備えた再帰的ニューラルネットワークを提案する。この手法は、SSIMおよびPSNRで測定された優れた画像品質を達成し、高精度なフレーム補間を可能にし、時間分解能を向上させ、ECGフリーの高速スキャンを実現するとともに、異なるMRIスキャナ間で高い耐性を示す。

ABSTRACT

Cine cardiac magnetic resonance imaging (MRI) is widely used for diagnosis of cardiac diseases thanks to its ability to present cardiovascular features in excellent contrast. As compared to computed tomography (CT), MRI, however, requires a long scan time, which inevitably induces motion artifacts and causes patients' discomfort. Thus, there has been a strong clinical motivation to develop techniques to reduce both the scan time and motion artifacts. Given its successful applications in other medical imaging tasks such as MRI super-resolution and CT metal artifact reduction, deep learning is a promising approach for cardiac MRI motion artifact reduction. In this paper, we propose a recurrent neural network to simultaneously extract both spatial and temporal features from under-sampled, motion-blurred cine cardiac images for improved image quality. The experimental results demonstrate substantially improved image quality on two clinical test datasets. Also, our method enables data-driven frame interpolation at an enhanced temporal resolution. Compared with existing methods, our deep learning approach gives a superior performance in terms of structural similarity (SSIM) and peak signal-to-noise ratio (PSNR).

研究の動機と目的

• 長時間スキャンと患者の動きによるcine心臓MRIにおける動きアーチファクトを低減すること。
• 不十分にサンプリングされた動きぼけの画像から画像品質を回復させることで、ECGフリーの高速cine MRIスキャンを可能にすること。
• 学習された空間時間的ダイナミクスを用いたデータ駆動型フレーム補間により、時間分解能を向上させること。
• 異なるMRIスキャナおよび画像収集プロトコルに適用可能な耐性のある手法を開発すること。
• SSIMおよびPSNR指標を用いて、既存の深層学習および伝統的手法を上回る画像再構成品質を達成すること。

提案手法

• 本手法は、5つの連続フレームのk空間データを混合し、ゼロパディングによる不十分なサンプリングを適用することで、動きぼけの画像を模擬し、ECGフリーの高速cine MRIを再現する。
• 時間的特徴を前向きおよび後向きに抽出するために、2つの並列のConvLSTMブランチを備えた深層再帰的ニューラルネットワークが画像系列を処理する。
• エンコーダーは多スケールの畳み込みカーネルを用い、異なる感受野（receptive fields）を通じて局所的および大域的な空間的特徴を捉える。
• ネットワークは、cine MRI系列における空間時間的相関を活用して、動きのない画像を動きぼけ入力から再構成するように学習される。
• このアーキテクチャにより、可変長の系列に対する推論が可能となり、実臨床応用における柔軟性が向上する。
• フレーム補間は、学習された時間的ダイナミクスを用いて欠落したフレームを予測することで達成され、有効な時間分解能が向上する。

実験結果

リサーチクエスチョン

• RQ1 空間的および時間的特徴を同時にモデリングすることで、再帰的ニューラルネットワークはcine心臓MRIにおける動きアーチファクトを効果的に低減できるか？
• RQ2 提案手法は、SOTA（最先端）手法と比較してSSIMおよびPSNRの観点で優れた画像品質を達成できるか？
• RQ3 ネットワークは、cine MRIにおける時間分解能の向上を実現する高精度なフレーム補間を実現できるか？
• RQ4 異なる磁気共鳴画像装置（MRIスキャナ）において、磁束密度や画像収集パrameterの違いに関係なく、本手法は耐性を示せるか？
• RQ5 診断品質の結果を得られる臨床的実用可能なECGフリーcine MRIスキャンを本手法は可能にするか？

主な発見

• 提案手法は、ACDCおよびCedars-Sinaiの臨床データセットの両方で、比較手法と比較して最高のSSIMおよびPSNRスコアを達成した。
• 二重ConvLSTMブランチと多スケール符号化を備えたネットワークは、エンコーダーデコーダー、SRGAN、DRRN、RCANなど、空間特徴抽出に特化したモデルよりも優れた性能を示した。
• 本手法は、動きぼけのcine MRI系列において、動きアーチファクトを効果的に低減し、正確な心室形状を回復させた。
• 高精度なフレーム補間が実証され、欠落したフレームの知能的な予測により、時間分解能が向上した。
• 異なる磁束密度、スライス厚、空間分解能を有する2台のMRIスキャナにおいて、本モデルは一貫した優れた性能を示した。
• 結果から、高品質な画像を得られるECGフリーcine MRIスキャンの実現可能性が示され、臨床ワークフローの簡素化と最大4倍のスキャン時間短縮が可能である。