[論文レビュー] NODDI-SH: a computational efficient NODDI extension for fODF estimation in diffusion MRI

Mauro Zucchelli, Maxime Descoteaux+1 more|arXiv (Cornell University)|Aug 28, 2017

Advanced Neuroimaging Techniques and Applications参考文献 10被引用数 5

ひとこと要約

NODDI-SH は、球面調和関数（SH）を用いて、走行方向分布関数（fODF）とニューライト密度を同時に推定する、NODDI の計算的に効率的な拡張である。各ボクセルにおいて、単一線維応答関数と fODF の畳み込みとして拡散信号をモデル化することで、強固で正確かつ高速な再構成を実現し、わずか 60 個の拡散勾配方向でも信頼性の高い性能を示す。これにより、臨床応用に適している。

ABSTRACT

Diffusion Magnetic Resonance Imaging (DMRI) is the only non-invasive imaging technique which is able to detect the principal directions of water diffusion as well as neurites density in the human brain. Exploiting the ability of Spherical Harmonics (SH) to model spherical functions, we propose a new reconstruction model for DMRI data which is able to estimate both the fiber Orientation Distribution Function (fODF) and the relative volume fractions of the neurites in each voxel, which is robust to multiple fiber crossings. We consider a Neurite Orientation Dispersion and Density Imaging (NODDI) inspired single fiber diffusion signal to be derived from three compartments: intracellular, extracellular, and cerebrospinal fluid. The model, called NODDI-SH, is derived by convolving the single fiber response with the fODF in each voxel. NODDI-SH embeds the calculation of the fODF and the neurite density in a unified mathematical model providing efficient, robust and accurate results. Results were validated on simulated data and tested on extit{in-vivo} data of human brain, and compared to and Constrained Spherical Deconvolution (CSD) for benchmarking. Results revealed competitive performance in all respects and inherent adaptivity to local microstructure, while sensibly reducing the computational cost. We also investigated NODDI-SH performance when only a limited number of samples are available for the fitting, demonstrating that 60 samples are enough to obtain reliable results. The fast computational time and the low number of signal samples required, make NODDI-SH feasible for clinical application.

研究の動機と目的

• 拡散 MRI における fODF とニューライト密度の同時推定のための計算的に効率的な手法の開発。
• NODDI や CSD などの既存モデルが、交差や拡散を示す複雑な線維配置を扱う際の限界を克服すること。
• 臨床現場における強健性と正確性を維持したまま、計算コストを低減すること。
• 最小限の拡散勾配サンプルで信頼性の高い再構成を可能とし、臨床応用の可能性を高めること。

提案手法

• NODDI-SH は、各ボクセルにおける fODF と単一線維応答関数の畳み込みとして拡散信号をモデル化し、球面調和関数（SH）を用いて効率的な表現を実現する。
• NODDI モデルを拡張し、細胞内（ニューライト）、細胞外、脳脊髄液（CSF）の三つのコンpartments を組み込み、それぞれ異なる拡散特性を持つ。
• 信号応答をルジャンドル多項式および球面調和関数の観点から解析的に表現し、q 空間における信号の閉形式計算を可能にする。
• fODF と体積分率（ニューライト、細胞外、CSF）を、球面調和関数展開に基づく統一的な数学的枠組みを用いて同時に推定する。
• 球面調和基底関数と原点におけるデルタピーク性質を用いて、fODF の球面上での積分が 1 に等しくなるように正規化と整合性を保証する。
• FORECAST 信号モデルを活用し、球面調和係数と拡散パラメータの観点から信号の解析的表現を導出する。

実験結果

リサーチクエスチョン

• RQ1 球面調和関数に基づく NODDI の拡張は、複雑な白質構造における正確で強健な fODF およびニューライト密度推定を達成できるか？
• RQ2 従来の CSD や標準 NODDI と比較して、NODDI-SH の計算効率はどの程度か？
• RQ3 NODDI-SH を用いた信頼性のある推定に必要な最小限の拡散勾配方向の数はどれくらいか？
• RQ4 臨床現場で一般的に見られる低サンプリング条件下でも、NODDI-SH は正確性と強健性を維持できるか？
• RQ5 統一モデル内で fODF と体積分率を同時に推定することで、逐次的または別個の推定と比較して、微細構造の特徴化が向上するか？

主な発見

• NODDI-SH は、制約付き球面デコンボリューション（CSD）と比較して、fODF 推定とニューライト密度マッピングの両面で競争力のある性能を示し、計算効率が向上している。
• 模擬データおよび生体内ヒト脳データの両方で、線維の交差や拡散を示す構造に対しても、強健で正確な性能を示している。
• わずか 60 個の拡散勾配方向でも、NODDI-SH は信頼性が高く安定した結果を生成し、データ取得負担を顕著に低減している。
• 標準 NODDI や CSD よりも著しく計算時間が短く、リアルタイムまたは臨床応用に実用的である。
• 球面調和関数を用いた解析的定式化により、反復的最適化を回避し、信号の閉形式計算が高速化され、処理時間が短縮されている。
• 球面調和基底関数と原点におけるデルタピーク性質の活用により、正規化と整合性が適切に維持されている。