[論文レビュー] Extreme MRI: Large-Scale Volumetric Dynamic Imaging from Continuous Non-Gated Acquisitions

Frank Ong, Xucheng Zhu+5 more|arXiv (Cornell University)|Sep 30, 2019

Advanced MRI Techniques and Applications参考文献 45被引用数 4

ひとこと要約

本稿では、3次元非直交k空間軌道を用いた連続的で非ゲーティング、アンダーサンプルのk空間データから大規模なボリュメトリックな動的MRIを再構成するためのExtreme MRIフレームワークを提示する。マルチスケール低ランク行列因子分解と確率的最適化を組み合わせることで、周期性の仮定なしに高分解能で動きに強い再構成が可能となり、一時的な動的特性や不規則な動きの状況下でも明確な特徴を明らかにする。

ABSTRACT

Purpose: To develop a framework to reconstruct large-scale volumetric dynamic MRI from rapid continuous and non-gated acquisitions, with applications to pulmonary and dynamic contrast enhanced (DCE) imaging. Theory and Methods: The problem considered here requires recovering hundred-gigabytes of dynamic volumetric image data from a few gigabytes of k-space data, acquired continuously over several minutes. This reconstruction is vastly under-determined, heavily stressing computing resources as well as memory management and storage. To overcome these challenges, we leverage intrinsic three dimensional (3D) trajectories, such as 3D radial and 3D cones, with ordering that incoherently cover time and k-space over the entire acquisition. We then propose two innovations: (1) A compressed representation using multi-scale low rank matrix factorization that constrains the reconstruction problem, and reduces its memory footprint. (2) Stochastic optimization to reduce computation, improve memory locality, and minimize communications between threads and processors. We demonstrate the feasibility of the proposed method on DCE imaging acquired with a golden-angle ordered 3D cones trajectory and pulmonary imaging acquired with a bit-reversed ordered 3D radial trajectory. We compare it with "soft-gated" dynamic reconstruction for DCE and respiratory resolved reconstruction for pulmonary imaging. Results: The proposed technique shows transient dynamics that are not seen in gating based methods. When applied to datasets with irregular, or non-repetitive motions, the proposed method displays sharper image features. Conclusion: We demonstrated a method that can reconstruct massive 3D dynamic image series in the extreme undersampling and extreme computation setting.

研究の動機と目的

• 周期的運動の仮定に依存するゲーティングベースの手法の限界を克服すること。特に、一時的な動的特性が失われる点を改善する。
• 数ギガバイトのアンダーサンプルk空間データから数百ギガバイトにのぼる動的ボリュメトリックデータを再構成する際の極めて高い計算およびメモリ要件に対処すること。
• 周期的でない動きの下でも高空間・時間分解能の再構成を可能とすること。特に、咳や不規則な呼吸などの非反復的・不規則な生理的動的特性に適応すること。
• 大規模な動きや動きの不規則性に強く、スケーラブルな再構成フレームワークを構築すること。特に、肺MRIやDCE-MRIのような困難な臨床的状況に応用可能であること。
• 従来のソフトゲーティングや呼吸分解能付き手法が捉えられない、鋭い時間的特徴や一時的なイベントを保持する動的系列の再構成可能性を実証すること。

提案手法

• 3次元ラジアルおよび3次元コーンの内在的3次元非直交k空間軌道を活用し、時間的およびk空間的に擬似ランダムで非一様な順序付けを施すことにより、サンプリング効率を向上させ、アリasingを低減する。
• 動的画像ボリュームの圧縮を実現するマルチスケール低ランク（MSLR）行列因子分解を導入し、メモリ使用量を削減するとともに、不確定な再構成問題を制約する。
• 計算負荷を低減し、メモリの局所性を向上させ、プロセッサ間通信を削減するために確率的最適化を採用し、大規模データセットにおけるスケーラブルな処理を実現する。
• 時間的基底関数に有限差分時間ペナルティを適用し、動的変化の滑らかさを強制することで、時間的忠実性とアーチファクト抑制のバランスを取る。
• 低ランク問題に対してBurer-Monteiro因子分解アプローチを適用し、理想化された非一様性条件下で理論的保証を有する非凸最適化を効率的に行う。
• 非周期的動きが存在する中でも、再構成された時間点における信号強度曲線の計算が可能となるため、後向きに動き補正を実現できる。

実験結果

リサーチクエスチョン

• RQ1 周期的運動の仮定に依存せず、連続的で非ゲーティングの取得から高分解能ボリュメトリック動的MRIを再構成できるフレームワークは構築可能か？
• RQ2 マルチスケール低ランクモデリングは、極度のアンダーサンプル状況下で、メモリおよび計算負荷を効果的に削減できるか？
• RQ3 確率的最適化は、大規模な動的MRI再構成においてスケーラビリティおよびメモリ効率をどの程度向上させるか？
• RQ4 提案手法は、咳や不規則な呼吸といった一時的な生理的動的特性を、従来のゲーティングベース手法が捉え損なうような状況でも回復可能か？
• RQ5 低ランクモデリングは、大規模なボリューム運動を処理する際にどのような限界を示し、今後の研究でどのように緩和できるか？

主な発見

• 提案手法は、周期的でない非ゲーティング取得から、極度のアンダーサンプル状況下でも大規模な3次元動的MRIシリーズを高空間・時間分解能で再構成することに成功した。
• 不規則な呼吸を示すデータセットでは、ソフトゲーティング再構成では見えない一時的な動的特性（例：咳）を明らかにした。これにより、動きに強い性能が実証された。
• 非周期的動きの状況下でも、従来のゲーティング技術と比較して、明確な特徴とぼやけの少ない画像品質が向上した。
• 一部の再構成でフレイクイングアーチファクトが観察された。主にマルチスケール低ランクモデルの小さなブロックがノイズやアリasingに敏感であることが原因とされる。
• 有限差分時間ペナルティの影響により、時間分解能が規定値を下回り、実際の空間・時間分解能は真値が不明なため、定量的に評価できていない。
• S7動画に示されるような大規模なボリューム運動では、画像品質が劣化し、時間的ぼやけが顕著に増加した。これは、低ランクモデリングが大規模な変位を処理する際に限界を示していることを示唆している。