[論文レビュー] Motion Correction and Volumetric Reconstruction for Fetal Functional Magnetic Resonance Imaging Data

Daniel Sobotka, Michael Ebner+9 more|arXiv (Cornell University)|Feb 11, 2022

Fetal and Pediatric Neurological Disorders参考文献 63被引用数 18

ひとこと要約

本論文は、外れ値に強い参照ボリューム推定とHuber L2正則化を用いることで、胎児fMRIのための新規なモーショングレーディング補正およびボリュメトリック再構成フレームワークを提案する。モーショングレーディングに起因するアーティファクトと信号の外れ値を低減することで、再現性と信号の解釈可能性が向上し、妊娠20〜25週の期間において外れ時間点の割合が18.6％から9.16％に低下する。

ABSTRACT

Motion correction is an essential preprocessing step in functional Magnetic Resonance Imaging (fMRI) of the fetal brain with the aim to remove artifacts caused by fetal movement and maternal breathing and consequently to suppress erroneous signal correlations. Current motion correction approaches for fetal fMRI choose a single 3D volume from a specific acquisition timepoint with least motion artefacts as reference volume, and perform interpolation for the reconstruction of the motion corrected time series. The results can suffer, if no low-motion frame is available, and if reconstruction does not exploit any assumptions about the continuity of the fMRI signal. Here, we propose a novel framework, which estimates a high-resolution reference volume by using outlier-robust motion correction, and by utilizing Huber L2 regularization for intra-stack volumetric reconstruction of the motion-corrected fetal brain fMRI. We performed an extensive parameter study to investigate the effectiveness of motion estimation and present in this work benchmark metrics to quantify the effect of motion correction and regularised volumetric reconstruction approaches on functional connectivity computations. We demonstrate the proposed framework's ability to improve functional connectivity estimates, reproducibility and signal interpretability, which is clinically highly desirable for the establishment of prognostic noninvasive imaging biomarkers. The motion correction and volumetric reconstruction framework is made available as an open-source package of NiftyMIC.

研究の動機と目的

• 胎児の動きと母体の呼吸に起因する胎児fMRIにおけるモーショングレーディングアーティファクトの課題に対処すること。
• モーショングレーディングに起因する誤った相関を最小限に抑えることで、機能的結合性推定を改善すること。
• 信号品質を保持しながら、頑健でオープンソースのモーション補正およびボリュメトリック再構成パイプラインを開発すること。
• 臨床的に挑戦的な胎児fMRIデータにおいて、より信頼性が高く再現性のある機能的結合性解析を可能にすること。
• 不正な時間点を除外するのではなく、モーションを補正することで、モーションによるデータ損失を低減すること。

提案手法

• 3段階のフレームワークを提案：(1) S2Vモーション補正を用いた外れ値に強い高分解能参照ボリュームの構築。
• 時間点ごとの個々のスライスを整列させる剛体スライスベースのモーション補正の適用。
• スライス内ボリュメトリック再構成のためのHuber L2正則化を用いて信号の連続性を保持。
• パラメトリックスタディを通じて、TK1 L2、TV L2、Huber L2正則化を比較し、最適なパラメータを同定。
• 強度、外れ値、機能的結合性に基づく指標を用いて、信号品質および機能的結合性を評価。
• 既知のモーショングレーディングパターンを有する合成データを用いて、モーション推定の正確性を検証。

実験結果

リサーチクエスチョン

• RQ1 外れ値に強い、頑健な参照ボリュームは、極めてモーショングレーディングの強い胎児fMRIデータにおけるモーション補正を改善できるか？
• RQ2 Huber L2正則化は、従来の正則化手法（例：TK1 L2、TV L2）に比べて、機能的結合性の保持とアーティファクト低減において優れているか？
• RQ3 提案されたフレームワークは、機能的結合性解析における外れ時間点の数をどの程度低減できるか？
• RQ4 モーション補正は、胎児fMRIにおける機能的結合性ネットワークの再現性と解釈可能性にどのように影響するか？
• RQ5 このフレームワークは、冠状断面、矢状断面、軸状断面を含む、さまざまな画像取得プロトコルに効果的に適用可能か？

主な発見

• 提案されたフレームワークは、1名の被験者において外れ値比を12.9％から8.6％（p値0.019）に低下させ、モーション補正とHuber L2正則化による信号品質の向上を示した。
• 被験者の動きと機能的結合性の関係の勾配は、-0.0029から-0.0010に低下し、モーションに起因するバイアスが減少したことを示した。
• パラメータ0.1のHuber L2正則化は、他の正則化手法に比べて、最も再現性があり正確な機能的結合性推定を達成した。
• 妊娠20〜25週の期間では、外れ時間点の割合が18.6％から9.16％に低下し、26〜31週の期間では7.125％から5％に低下した。
• 本手法は、特にTK1 L2やMCFLIRTを用いた場合に生じる、脳境界付近の誤った高相関領域を効果的に低減した。
• 極端な動き（最大50 mm）に対しても、フレームワークは高い性能を維持しているが、極端なEPIおよびインタリーブドプロトコル条件下では再構成品質がわずかに低下した。