[論文レビュー] CMRxRecon: An open cardiac MRI dataset for the competition of accelerated image reconstruction

Chengyan Wang, Jun Lyu+26 more|arXiv (Cornell University)|Sep 19, 2023

Advanced MRI Techniques and Applications被引用数 15

ひとこと要約

この論文は CMR×Recon、オープンで大規模な心臓MRIデータセットを公開します。多重コントラスト、多視点、多スライス、複数コイルデータを300名の健常者から提供し、処理スクリプトとベースライン再構成を付けて、加速されたCMR画像再構成研究を促進します。

ABSTRACT

Cardiac magnetic resonance imaging (CMR) has emerged as a valuable diagnostic tool for cardiac diseases. However, a limitation of CMR is its slow imaging speed, which causes patient discomfort and introduces artifacts in the images. There has been growing interest in deep learning-based CMR imaging algorithms that can reconstruct high-quality images from highly under-sampled k-space data. However, the development of deep learning methods requires large training datasets, which have not been publicly available for CMR. To address this gap, we released a dataset that includes multi-contrast, multi-view, multi-slice and multi-coil CMR imaging data from 300 subjects. Imaging studies include cardiac cine and mapping sequences. Manual segmentations of the myocardium and chambers of all the subjects are also provided within the dataset. Scripts of state-of-the-art reconstruction algorithms were also provided as a point of reference. Our aim is to facilitate the advancement of state-of-the-art CMR image reconstruction by introducing standardized evaluation criteria and making the dataset freely accessible to the research community. Researchers can access the dataset at https://www.synapse.org/#!Synapse:syn51471091/wiki/.

研究の動機と目的

• 加速されたCMR画像再構成のための公開サステ standardized raw k-space データセットを提供する。
• 手動セグメンテーションを含む、多重コントラスト（cineおよびmapping）、多視点、多スライス、複数コイルデータを含める。
• 前処理パイプライン、評価基準、およびベンチマーク再構成を提供することで、公平な比較を促進する。
• ベースライン再構成スクリプト（GRAPPA、ESPIRiT、MoDL）と評価プラットフォームを提供する。

提案手法

• 32チャンネルコイルを用いて、300名の健常ボランティアから3T CMRデータを取得する。
• 処理のためにマルチコイルデータを10の仮想コイルに圧縮する。
• カルテシアン法で事後的にk-spaceを(4x, 8x, 10x)でアンダサンプルし、GRAPPAで再構成する。
• 全k-space、アンダサンプルk-space、マスク、ACSライン、および再構成画像をMATLABおよびNIfTI形式で提供する。
• 熟練した放射線科医による心筋および腔の手動セグメンテーションが提供される。
• 最先端の並列イメージングおよびモデルベース深層学習再構成のスクリプトをベンチマークとして提供する。

実験結果

リサーチクエスチョン

• RQ1 標準化された公的に入手可能なCMRデータセットは、加速再構成法の開発とベンチマーキングをどのように加速できるか？
• RQ2 異なるアンダサンプリング因子で、cineおよびmapping系列のベースライン再構成性能（PSNR、SSIM、NMSE）はどうなるか？
• RQ3 多重コントラストおよび多重コイルデータは再構成品質と方法間の比較性にどのように影響するか？
• RQ4 提供されたグラウンドトゥルースセグメントは、下流の解析および再構成重視の指標の評価をサポートできるか？

主な発見

• 本データセットには、cineおよびT1/T2マッピング系列を含む300名の健常ボランティアが含まれ、各モダリティについて120の訓練、60の検証、120のテストケースが存在する。
• アンダサンプルされたk-spaceデータ（4x、8x、10x）と対応するマスク、ACSライン、再構成画像がベンチマーキング用に提供される。
• GRAPPA、ESPIRiT、および改良されたMoDLを用いたベンチマークが提供され、複数のビューおよびマッピングに渡る定量指標（PSNR、SSIM、NMSE）を含む。
• 心筋および腔の手動セグメンテーションが、下流の評価と注釈を支援するために提供される。
• データ処理ワークフローは、スキャナデータを多コイル形式の匿名化されたk-spaceに変換する（エミュレートされた単一コイルデータが提供）、GitHubとSynapse評価プラットフォームで即利用可能な処理スクリプトを提供する。