[論文レビュー] MRI-PET Registration with Automated Algorithm in Pre-clinical Studies

Nathanael L. Baisa, Stéphanie Bricq+1 more|arXiv (Cornell University)|May 19, 2017

Medical Imaging Techniques and Applications参考文献 9被引用数 3

ひとこと要約

本論文は、主成分分析（PCA）を用いた初期化を施したグローバルアフィン変換とその後に続くローカルBスプライン変換を組み合わせた、完全自動のMRI-PET登錣手法を提案する。この手法は、非PCA初期化手法に比べて著しく高い精度を達成し、脳および腎臓のデータセットにおいてサブミリメートル未満のターゲット登錣誤差（TRE）を達成した。手動による初期化に比べて、速度と精度の両面で優れている。

ABSTRACT

Magnetic Resonance Imaging (MRI) and Positron Emission Tomography (PET) automatic 3-D registration is implemented and validated for small animal image volumes so that the high-resolution anatomical MRI information can be fused with the low spatial resolution of functional PET information for the localization of lesion that is currently in high demand in the study of tumor of cancer (oncology) and its corresponding preparation of pharmaceutical drugs. Though many registration algorithms are developed and applied on human brain volumes, these methods may not be as efficient on small animal datasets due to lack of intensity information and often the high anisotropy in voxel dimensions. Therefore, a fully automatic registration algorithm which can register not only assumably rigid small animal volumes such as brain but also deformable organs such as kidney, cardiac and chest is developed using a combination of global affine and local B-spline transformation models in which mutual information is used as a similarity criterion. The global affine registration uses a multi-resolution pyramid on image volumes of 3 levels whereas in local B-spline registration, a multi-resolution scheme is applied on the B-spline grid of 2 levels on the finest resolution of the image volumes in which only the transform itself is affected rather than the image volumes. Since mutual information lacks sufficient spatial information, PCA is used to inject it by estimating initial translation and rotation parameters. It is computationally efficient since it is implemented using C++ and ITK library, and is qualitatively and quantitatively shown that this PCA-initialized global registration followed by local registration is in close agreement with expert manual registration and outperforms the one without PCA initialization tested on small animal brain and kidney.

研究の動機と目的

• 高解像度の非等方的および低対比度の特徴を示す小動物の前臨床的画像登錣において、標準的なヒト用アルゴリズムが機能しないという課題に対処する。
• 前処理を要しない、剛体（例：脳）および変形可能（例：腎臓、心臓）臓器を同時に処理できる、強固で完全自動の登錣パイプラインを開発する。
• 相互情報量に基づく最適化の初期化パラメータ（並進および回転）を推定するためにPCAを統合することで、登錣の精度と収束速度を向上させる。
• 脳および腎臓を含む多様な小動物データセットを用いて手法を検証し、解剖的構造の多様性にわたる一般化能力を示す。
• C++およびITKを用いた計算効率の高いソリューションを提供し、高スループットのがん研究およびドラッグ開発研究への応用を想定する。

提案手法

• グローバルアフィン登錣の収束性向上とノイズ感度低減を目的として、画像ボリュームに3段階のマルチスケールピラミッドを適用する。
• MRIとPET画像間の類似度として相互情報量（MI）を用い、結合確率推定にはParzen窓推定法を採用する。
• EMアルゴリズムを用いて選択された3次元空間位置にPCAを適用し、初期変換パラメータ（並進および回転）を推定することで、登錣の初期化を改善する。
• ローカル非剛性登錣のために2段階のマルチスケールBスプライングリッドを実装し、空間的に適応的な変形を用いてグローバルな整合性を精緻化する。
• 登錣パイプラインを順番に適用：ITKライブラリを用いたPCA初期化付きグローバルアフィン登錣の後に、ローカルBスプラインの精緻化を実施する。
• 相互情報量をコスト関数とする勾配フリー最適化アルゴリズムを用いて登錣を最適化し、モダリティ間の乖離を最小化する。

実験結果

リサーチクエスチョン

• RQ1 PCA初期化付きグローバルアフィン登錣は、非初期化手法と比較して、小動物MRI-PETデータセットの登錣において収束性と精度を向上させるか？
• RQ2 グローバルアフィン変換とローカルBスプライン変換の組み合わせは、脳や腎臓のような剛体および変形可能臓器の登錣において、どの程度有効であるか？
• RQ3 本手法は、事前セグメンテーションやマスク処理を要しない状況下で、ターゲット登錣誤差（TRE）をどの程度低減できるか？
• RQ4 小動物研究で一般的な高非等方的MRIボリュームおよびノイジーなPET画像に対して、本手法はどの程度の性能を示すか？
• RQ5 本アルゴリズムは、モダリティに特化したチューニングなしに、脳、腎臓、胸部など多様な解剖的構造にわたって信頼性のある登錣を達成できるか？

主な発見

• PCA初期化付きグローバルアフィン登錣により、平均TREは0.56 mm（脳では0.38 mm）に低下し、非PCA初期化手法（それぞれ1.07 mmおよび1.23 mm）に比べ顕著に優れた性能を示した。
• ローカルBスプライン登錣の追加により、グローバル登錣のみに比べてTREが脳で最大15%、腎臓で最大25%低減された。
• PCA初期化を用いることで収束が速くなり、脳登錣において反復回数（42 vs. 46）と所要時間（36秒 vs. 40秒）が減少した。
• モノモダリティのMRI-MRI登錣（脳および腎臓）においても、PCA初期化手法はサブミリメートル未満のTRE（脳で0.07 mm、腎臓で0.15 mm）を達成し、同じモダリティ間の登錣における高精度を示した。
• 相互情報量（MI）の品質指標もPCA初期化により向上した（例：脳では-0.408 vs. -0.402（非初期化時））、登録済み画像間の類似度が向上したことを示している。
• 本アルゴリズムは、極めて非等方的なデータセット（例：脳MRIで0.156×0.156×1.8 mm³）およびノイジーなPETスキャン（0.387×0.387×0.775 mm³）を正常に登録でき、画像品質のばらつきに対しても高いロバスト性を示した。