[論文レビュー] OCMR (v1.0)--Open-Access Multi-Coil k-Space Dataset for Cardiovascular Magnetic Resonance Imaging

Chong Chen, Yingmin Liu+6 more|arXiv (Cornell University)|Aug 8, 2020

Advanced MRI Techniques and Applications参考文献 28被引用数 29

ひとこと要約

OCMR (v1.0) は、53件の完全スキャンおよび212件の事前アンダーサンプル済み心筋ciné MRIスキャンを含む、オープンアクセスで複数コイルk空間データセットであり、加速心血管MRI再構成手法の客観的評価と比較を可能にする。このデータセットは、定量的および定性的な再構成手法の評価を可能とし、特に呼吸自在な加速画像法に適している。MATLABおよびPythonインターフェースを介して利用可能で、ISMRMRD準拠のHDF5フォーマットを採用している。

ABSTRACT

Cardiovascular MRI (CMR) is a non-invasive imaging modality that provides excellent soft-tissue contrast without the use of ionizing radiation. Physiological motions and limited speed of MRI data acquisition necessitate development of accelerated methods, which typically rely on undersampling. Recovering diagnostic quality CMR images from highly undersampled data has been an active area of research. Recently, several data acquisition and processing methods have been proposed to accelerate CMR. The availability of data to objectively evaluate and compare different reconstruction methods could expedite innovation and promote clinical translation of these methods. In this work, we introduce an open-access dataset, called OCMR, that provides multi-coil k-space data from 53 fully sampled and 212 prospectively undersampled cardiac cine series.

研究の動機と目的

• 加速心血管MRI再構成手法の評価と比較に用いることができる、公開可能で標準化されたデータセットの不足に対処すること。
• 機械学習に基づく再構成手法の臨床的応用を支援するため、共有データプラットフォームを提供することにより、先進的再構成手法の臨床応用を促進すること。
• 完全スキャンデータを用いた定量的比較と、呼吸自在で事前アンダーサンプル済みスキャンを用いた定性的評価を組み合わせた再構成アルゴリズムの評価を可能にすること。
• 再現可能な研究を可能にするために、多様な心筋ciné画像収集において、脱識別化され高精度なk空間データを提供すること。
• 今後、2次元位相対比MRIを含む他のCMR応用分野への拡張を可能にする基盤を構築すること。

提案手法

• 臨床MRIスキャナを用いて、53件の完全スキャンおよび212件の事前アンダーサンプル済み心筋ciné MRIスキャンから、複数コイルk空間データを収集した。
• データは、9次元配列構造 [kx, ky, kz, coil, phase, set, slice, rep, avg] を有する、ISMRMRD準拠のHDF5フォーマットで保存されている。
• スムーズなデータ読み込みおよびパラメータ抽出を可能にするために、MATLABラッパー（read_ocmr.m）およびPythonインターフェース（read_ocmr.py）が提供されている。
• FOV、時間分解能、フラップ角、シーケンスタイプなどの収集パラメータが構造体（param）として含まれており、正確な再構成と分析を可能にしている。
• 読み出し方向における2倍のオーバーサンプリングを是正するため、読み出し方向に1次元FFTを実行し、中央50％をクロッピングする前処理が推奨される。
• すべてのデータは脱識別化されており、保護された健康情報および顔貌の特徴が除去されているかを手動で確認している。

実験結果

リサーチクエスチョン

• RQ1 既存および新規の画像再構成アルゴリズムは、高アンダーサンプル率で呼吸自在な心筋ciné MRIデータに対して、どの程度の性能を発揮できるか？
• RQ2 標準化されオープンアクセスのk空間データセットが、再現性および再構成手法評価の公平性をどの程度向上できるか？
• RQ3 完全スキャンおよび事前アンダーサンプル済みデータの両方を含めることで、再構成手法の定量的および定性的なベンチマークが可能になるか？
• RQ4 異なるサンプリングパターン（例：擬似ランダム、非対称エコー）が、再構成性能および画像品質に与える影響は何か？
• RQ5 複数コイルデータ構造および収集パラメータが、機械学習ベース再構成モデルの一般化性能に与える影響は何か？

主な発見

• OCMR (v1.0) は、53件の完全スキャンおよび212件の事前アンダーサンプル済み心筋ciné MRIデータセットを提供しており、すべてのデータに複数コイルk空間データと脱識別化済み患者情報が含まれている。
• データセットはMATLABおよびPythonインターフェースを介して利用可能で、ISMRMRD準拠のHDF5ファイル読み込みおよびパラメータ抽出用の事前構築済みラッパーが用意されている。
• k空間データは、空間符号化、コイル素子、時間フレーム、繰り返し/平均化を含む9次元構造となっており、詳細な再構成解析を可能にしている。
• 空間分解能は、FOVとk空間サイズを用いて以下の式で計算できる：[FOV(1)/size(kData,1), FOV(2)/size(kData,2), FOV(3)/size(kData,3)]。
• 読み出し方向には2倍のオーバーサンプリングが含まれており、正しいFOVを回復させるために、1次元FFTと中央クロッピングによる前処理が必要である。
• データセットは、完全スキャンデータを用いた定量的評価と、アンダーサンプルで呼吸自在なデータを用いた定性的評価の両方を可能にするように設計されている。