[論文レビュー] Multidimensional Correlation Spectroscopic Imaging of Exponential Decays: From Theoretical Principles to In Vivo Human Applications

Daeun Kim, Jessica L. Wisnowski+2 more|arXiv (Cornell University)|Jun 14, 2018

Advanced MRI Techniques and Applications参考文献 51被引用数 5

ひとこと要約

本論文は、2次元コントラスト符号化（例：拡散-リラクセーションまたはリラクセーション-リラクセーション）と正則化された空間周波数再構成を活用することで、MRIにおける多指数的減衰パラメータの推定を向上させる多次元相関スペクトル画像化手法を提案する。この手法は、サブボクセル微細構造マッピングにおける不適切な定式化を軽減し、生体におけるヒト被験での応用が確認された、組織区画のより正確な分離を可能にする。

ABSTRACT

Multiexponential modeling of relaxation or diffusion MR signal decays is a popular approach for estimating and spatially mapping different microstructural tissue compartments. While this approach can be quite powerful, it is also limited by the fact that one-dimensional multiexponential modeling is an ill-posed inverse problem with substantial ambiguities. In this paper, we present an overview of a recent multidimensional correlation spectroscopic imaging approach to this problem. This approach helps to alleviate ill-posedness by leveraging multidimensional contrast encoding (e.g., 2D diffusion-relaxation encoding or 2D relaxation-relaxation encoding) combined with a regularized spatial-spectral estimation procedure. Theoretical calculations, simulations, and experimental results are used to illustrate the benefits of this approach relative to classical methods. In addition, we demonstrate an initial proof-of-principle application of this kind of approach to in vivo human MRI experiments.

研究の動機と目的

• MRI信号減衰の1次元多指数的モデリングにおける不適切な定式化の問題に対処すること。これは、重複する減衰成分の間で曖昧性が生じ、分解能が低いという問題を伴う。
• 2次元コントラスト符号化（例：T2–D または T1–T2 の併用）を活用することで、微細構造組織区画の推定精度と頑健性を向上させること。
• 空間的滑らかさと非負性制約を組み込んだ正則化された空間周波数推定フレームワークを構築し、逆問題の安定化を図ること。
• シミュレーション、理論的分析、および概念実証のヒト被験MRI実験を通じて、手法の妥当性を検証すること。
• 多次元スペクトルMRIデータから、空間的に分解能の高い微細構造マップを抽出する可能性を実証すること。

提案手法

• 本手法は、2次元拡散-リラクセーションまたはリラクセーション-リラクセーション符号化などの多次元コントラスト符号化を用い、各ボクセル内で複数の減衰パラメータを非分離的に符号化する。
• 逆問題を正則化された最適化問題として定式化し、非負性および推定されたスペクトル画像の空間的滑らかさに関する制約を含むデータ適合項を最小化する。
• 計算効率を向上させるために、行列ベースの変数表現を用いた交替方向一般化乗数法（ADMM）アルゴリズムで最適化を実行する。
• 同時に多次元相関スペクトルを再構成し、隣接ボクセル間の空間的一致性を強制する統合推定フレームワークを採用する。
• 大規模な空間正則化演算子の逆行列を高速化するために、離散フーリエ変換に基づく事前条件付け戦略を導入する。
• 非滑らかで非分離可能な制約を数値的に安定に扱うために、変数分割と増強ラグランジュ更新をアルゴリズムに組み込む。

実験結果

リサーチクエスチョン

• RQ1 多次元コントラスト符号化は、MRI信号減衰の1次元多指数的モデリングに内在する不適切な定式化を軽減できるか？
• RQ2 T2–D や T1–T2 などの2次元連合符号化は、類似したリラクセーションまたは拡散特性を示す組織区画の分離をどのように向上させるか？
• RQ3 ノイズや限界的なSNRの下でも、正則化された空間周波数再構成が微細構造マッピングの精度と頑健性をどの程度向上させるか？
• RQ4 本手法は、重複する減衰成分を示す複雑な脳組織を有するヒト被験MRIデータにおいて、明確に区別可能な組織区画を解離できるか？
• RQ5 スペクトル分解能とパラメータ推定精度の観点から、古典的な1次元多指数的フィッティングに比べて、多次元手法はどの程度の性能向上を達成できるか？

主な発見

• 多次元相関スペクトル画像化手法は、T2と拡散係数Dといった2つの減衰パラメータを連合符号化することで、多指数的減衰推定における曖昧性を顕著に低減する。
• シミュレーションおよび理論的分析の結果、本手法は特に近接した減衰成分に対して、1次元手法と比較してより良好なクラーマー・ラオ低限界（CRLB）を達成する。
• ADMMに基づく最適化アルゴリズムにより、行列演算とフーリエドメインでの事前条件付けを経由して、計算複雑度を低減した効率的で安定した再構成が可能になる。
• ヒト被験MRIの結果、2次元T1–T2またはT2–D相関スペクトルを用いて、白質、灰色質、脳脊髄液といった明確な組織区画の解離が可能であることが示された。
• 冠状断層における6つのスペクトルピークを統合して得られた空間マップは、従来の1次元手法と比較して明確な解剖的対応性と組織間の対比の向上を示した。
• ノイズシミュレーションと非負最小二乗法（NNLS）やIR-MSEといった標準的手法との比較により、低SNR下でも微細構造パラメータの頑健な推定が可能であることが検証された。