[論文レビュー] Neural Implicit k-Space for Binning-free Non-Cartesian Cardiac MR Imaging

Wenqi Huang, Hongwei Li+4 more|arXiv (Cornell University)|Dec 16, 2022

Advanced MRI Techniques and ApplicationsMedicine被引用数 19

ひとこと要約

本稿では、非直交的心臓MRI再構成のためのバインニングフリーでデータベースフリーなフレームワーク、Neural Implicit k-Space (NIK) を提案する。この手法は、周波数ドメイン正則化を施した多層パーセプトロンを用いて、連続的で被験者特異的なk-space表現を学習する。時間、コイル、k-space座標を直接信号強度にマッピングすることで、NIFFT や密度補正を必要とせず、逆フーリエ変換により高精度な画像再構成を実現し、1拍動のラジアルデータからでさえも優れたアーティファクト抑制と時間分解能を達成する。

ABSTRACT

In this work, we propose a novel image reconstruction framework that directly learns a neural implicit representation in k-space for ECG-triggered non-Cartesian Cardiac Magnetic Resonance Imaging (CMR). While existing methods bin acquired data from neighboring time points to reconstruct one phase of the cardiac motion, our framework allows for a continuous, binning-free, and subject-specific k-space representation.We assign a unique coordinate that consists of time, coil index, and frequency domain location to each sampled k-space point. We then learn the subject-specific mapping from these unique coordinates to k-space intensities using a multi-layer perceptron with frequency domain regularization. During inference, we obtain a complete k-space for Cartesian coordinates and an arbitrary temporal resolution. A simple inverse Fourier transform recovers the image, eliminating the need for density compensation and costly non-uniform Fourier transforms for non-Cartesian data. This novel imaging framework was tested on 42 radially sampled datasets from 6 subjects. The proposed method outperforms other techniques qualitatively and quantitatively using data from four and one heartbeat(s) and 30 cardiac phases. Our results for one heartbeat reconstruction of 50 cardiac phases show improved artifact removal and spatio-temporal resolution, leveraging the potential for real-time CMR.

研究の動機と目的

• 従来の非直交的MRI再構成手法がバインニング、密度補正、NIFFT に依存するため生じるアーティファクトや時間的ぼやけを是正すること。
• 完全にスキャンされたk-spaceデータや大規模な学習データセットを必要としない、データベースフリーで被験者特異的な再構成フレームワークの開発。
• 1拍動のアンダーサンプリングラジアルトレースからでさえも、高分解能で連続的な時間的再構成を可能にする、心臓MRIの高精度なスパatiotemporal再構成。
• k-spaceの連続的表現を直接サンプル済みk-space点から学習することで、非一様フーリエ変換や密度補正関数の必要性を排除すること。

提案手法

• 本手法は、各サンプル済みk-space点に一意な座標タプル (時間、コイルインデックス、周波数ドメイン位置) を割り当てることで、k-spaceをニューラルインプリシット関数としてモデル化する。
• 多層パーセプトロン (MLP) を用いて、これらの3次元座標をk-space信号強度にマッピングするように学習させ、周波数ドメイン正則化を施してスペクトルの一貫性を維持する。
• 訓練中は、予測値と真値k-space値の差を最小化する損失関数を用いて、エンドツーエンドでネットワークを最適化する。
• 推論時、モデルは全時間フレームおよび全コイルに対して、標準的な逆FFTを可能にするための正規格子上のk-space値を予測する。
• このフレームワークは本質的にサンプリングパターンに依存せず、再グリッド化や補間カーネルを必要としない。
• 周波数ドメイン正則化を適用することで、高周波数ノイズを抑制し、再構成の忠実度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 完全にスキャンされたk-spaceデータや大規模なデータベースを必要とせずに、エンドツーエンドでk-spaceのニューラルインプリシット表現を学習可能か？
• RQ2 バインニングフリーで連続的k-space表現は、従来のバインニングベース手法と比較して、非直交的心臓MRIにおける時間分解能とアーティファクト抑制の面でどのように優れるか？
• RQ3 1ショット、1拍動の再構成で、ニューラルインプリシットk-spaceモデリングを用いてどの程度の高スパティオトロピカル分解能を達成できるか？
• RQ4 周波数ドメイン正則化は、低サンプリング状態下での再構成のロバスト性と画像品質を向上させるか？

主な発見

• 提案されたNIKフレームワークは、1拍動、30フレーム再構成を含む、すべてのテスト条件下で、INUFFT、CG-SENSE、L+Sと比較して、定性的および定量的指標において優れた性能を示した。
• 1拍動、50心拍フレーム再構成において、NIKは最小限のアーティファクトで高い画像品質を維持したが、従来手法では各フレームあたりのスピーク数が不足しているため、重度のぼやけとノイズが生じた。
• 本手法は、特に心筋膜領域で優れた時間分解能とエッジの鋭さを達成しており、x-tプロファイル解析と誤差マップにより確認された。
• 周波数ドメイン正則化によりノイズが顕著に低減され、再構成プロセスの安定性向上が実証された。
• NIKは連続的でバインニングフリーの時間的再構成を可能にし、被験者数に関係なく画像品質が一定に保たれる。これに対して、バインニングベース手法はフレーム数が増えると品質が劣化する。
• 本手法は、従来の再構成で困難なストライピングやゴーストアーティファクトを引き起こすラジアルスキャンにおいて、アーティファクト抑制の分野で最先端の性能を達成した。