[論文レビュー] Multidimensional Wavelet-based Regularized Reconstruction for Parallel Acquisition in Neuroimaging

Lotfi Chaâri, Sébastien Mériaux+3 more|arXiv (Cornell University)|Jan 1, 2012

Advanced MRI Techniques and Applications参考文献 44被引用数 7

ひとこと要約

本稿では、fMRIにおける時間的相関を活用し、クロススライスアーティファクトを低減する3次元および4次元ウェーブレット変換に基づく高精度な並列MRI再構成手法、3D-UWR-SENSEおよび4D-UWR-SENSEを提案する。本手法は、Sensitivity Encoding（SENSE）法を上回る性能を示し、解剖的および機能的画像において、加速度因子R=2およびR=4の両条件下で優れた性能を達成する。

ABSTRACT

Parallel MRI is a fast imaging technique that enables the acquisition of highly resolved images in space or/and in time. The performance of parallel imaging strongly depends on the reconstruction algorithm, which can proceed either in the original k-space (GRAPPA, SMASH) or in the image domain (SENSE-like methods). To improve the performance of the widely used SENSE algorithm, 2D- or slice-specific regularization in the wavelet domain has been deeply investigated. In this paper, we extend this approach using 3D-wavelet representations in order to handle all slices together and address reconstruction artifacts which propagate across adjacent slices. The gain induced by such extension (3D-Unconstrained Wavelet Regularized -SENSE: 3D-UWR-SENSE) is validated on anatomical image reconstruction where no temporal acquisition is considered. Another important extension accounts for temporal correlations that exist between successive scans in functional MRI (fMRI). In addition to the case of 2D+t acquisition schemes addressed by some other methods like kt-FOCUSS, our approach allows us to deal with 3D+t acquisition schemes which are widely used in neuroimaging. The resulting 3D-UWR-SENSE and 4D-UWR-SENSE reconstruction schemes are fully unsupervised in the sense that all regularization parameters are estimated in the maximum likelihood sense on a reference scan. The gain induced by such extensions is illustrated on both anatomical and functional image reconstruction, and also measured in terms of statistical sensitivity for the 4D-UWR-SENSE approach during a fast event-related fMRI protocol. Our 4D-UWR-SENSE algorithm outperforms the SENSE reconstruction at the subject and group levels (15 subjects) for different contrasts of interest (eg, motor or computation tasks) and using different parallel acceleration factors (R=2 and R=4) on 2x2x3mm3 EPI images.

研究の動機と目的

• すべてのスライスを同時に扱う3次元ウェーブレット表現への2次元ウェーブレット正則化の拡張により、並列MRI再構成におけるクロススライスアーティファクトを低減すること。
• 神経画像診断で一般的な3D+t取得法において、時間的相関を組み込むことで機能的MRI再構成の品質を向上させること。既存手法ではこの相関が十分に活用されていない。
• リファレンススキャン上で最尤推定を用いてすべてのパrameterを自動推定することで、完全に自己教師ありの正則化を実現し、手動による調整を排除すること。
• 解剖的および機能的MRI再構成において、特にイベント関連fMRIにおける統計的感度を高める点で、本手法の優位性を検証すること。

提案手法

• 本手法は、すべてのスライスを同時に再構成する3次元ウェーブレット変換を用い、スライス間相関を捉え、アーティファクトのスライス間伝搬を低減する。
• 機能的MRIでは、動的スキャンにおける時間的冗長性を活用するため、4次元（3次元＋時間）ウェーブレット表現に拡張する。
• すべてのパrameterがリファレンススキャン上で最尤推定により決定され、スパarsity促進ペナルティをウェーブレットドメインに適用することで正則化を実施し、完全な自己教師あり性を達成する。
• 本フレームワークはSENSE再構成モデルを基盤としつつ、多次元ウェーブレットに基づく正則化を組み込むことで、スパarsityの向上とノイズ抑制を実現する。
• 標準的な並列イメージングプロトコル（等方的2x2x3mm³解像度のEPIシーケンスを含む）と互換性を持つように設計されている。
• パrameter推定は完全に自動化されており、ユーザー定義の正則化重みを回避し、被検者およびスキャン間での再現性を向上させる。

実験結果

リサーチクエスチョン

• RQ1 スライス固有の2次元正則化と比較して、3次元ウェーブレット正則化は並列MRI再構成におけるクロススライスアーティファクトを低減できるか？
• RQ2 3D+tウェーブレット表現における時間的相関の組み込みは、kt-FOCUSSのような2D+t手法と比較して、機能的MRI再構成をどの程度向上させるか？
• RQ3 最尤推定に基づく完全な自己教師ありパrameter推定戦略は、再構成のロバストネスおよび再現性をどの程度向上させるか？
• RQ4 4D-UWR-SENSE法は、高い加速度因子（R=2およびR=4）下でも、イベント関連fMRIプロトコルにおける統計的感度を向上させるか？
• RQ5 神経画像診断研究における被検者レベルおよびグループレベルの両方において、標準的なSENSE法と比較して、本手法は画像品質および検出力の点で優位性を示すか？

主な発見

• 4D-UWR-SENSE法は、高速なイベント関連fMRIプロトコルにおいて、標準的なSENSE法を上回る統計的感度を示し、R=2およびR=4の両加速度因子下で顕著な向上が確認された。
• 3D-UWR-SENSE法は、3次元ウェーブレット変換によるスライス間相関の活用により、クロススライスアーティファクトを効果的に低減し、解剖的画像品質を向上させた。
• 最尤推定による完全な自己教師ありパrameter推定により、手動による調整を不要とし、被検者間で一貫した性能を発揮し、再現性が向上した。
• グループレベルのfMRI解析において、4D-UWR-SENSE法はSENSE法と比較して、運動および計算タスクの検出力が向上しており、そのロバストネスが確認された。
• 本手法は、解剖的および機能的画像両方において優れた再構成品質を達成し、2x2x3mm³のEPIデータにおいて、画像忠実度および統計的感度の測定可能な向上が得られた。