[論文レビュー] Real-time Dynamic MRI Reconstruction using Stacked Denoising Autoencoder

Angshul Majumdar|arXiv (Cornell University)|Mar 22, 2015

Advanced MRI Techniques and Applications参考文献 38被引用数 13

ひとこと要約

本稿では、アンダーサンプリングされたk空間データから完全にサンプリングされた画像への非線形写像を学習するため、スタックドノイズ除去オートエナコーダー（SDAE）を用いたリアルタイム動的MRI再構成手法を提案する。SDAEは単純な行列・ベクトル演算により高速な推論を可能とし、データ収集レートを上回る再構成速度を達成しながら、圧縮センシングベースの手法と同等の画像品質を維持する。

ABSTRACT

In this work we address the problem of real-time dynamic MRI reconstruction. There are a handful of studies on this topic; these techniques are either based on compressed sensing or employ Kalman Filtering. These techniques cannot achieve the reconstruction speed necessary for real-time reconstruction. In this work, we propose a new approach to MRI reconstruction. We learn a non-linear mapping from the unstructured aliased images to the corresponding clean images using a stacked denoising autoencoder (SDAE). The training for SDAE is slow, but the reconstruction is very fast - only requiring a few matrix vector multiplications. In this work, we have shown that using SDAE one can reconstruct the MRI frame faster than the data acquisition rate, thereby achieving real-time reconstruction. The quality of reconstruction is of the same order as a previous compressed sensing based online reconstruction technique.

研究の動機と目的

• 既存のリアルタイム動的MRI再構成技術が臨床応用に不適切なほど遅いという制限を解決すること。
• 画像品質を損なわずリアルタイム再構成速度を達成する手法を開発すること。
• 深層学習を活用して、アリエイセッドデータから完全再構成MRIフレームへの高速非線形写像を実現すること。
• SDAEベースの再構成が、従来の圧縮センシングおよびカルマンフィルタリングを上回る再構成速度を達成できることを示すこと。

提案手法

• アンストラクチャードなアリエイセッドMRIフレームから対応する完全にサンプリングされた高品質な画像への非線形写像を学習するために、エンドツーエンドでトレーニングされたスタックドノイズ除去オートエナコーダー（SDAE）が用いられる。
• SDAEは、ノイズをトレーニング中に注入することでロバスト性を向上させるために、多数のペアドアリエイセッドおよびグランドトゥースMRIフレームを用いてオフラインでトレーニングされる。
• 推論時には、SDAEを前方伝搬するのみで、数回の行列・ベクトル乗算で実現され、リアルタイム性能が達成される。
• アーキテクチャは、入力データから階層的特徴を学習する複数のスタックドノイズ除去オートエナコーダーを含む。
• モデルは、予測画像とグランドトゥース画像の差を最小化する再構成損失関数を用いてバックプロパゲーションにより最適化される。
• 本手法は、実装に応じてk空間データまたは画像空間データに直接適用され、動的MRIシーケンスの再構成が行われる。

実験結果

リサーチクエスチョン

• RQ1 深層オートエナコーダー構造は、データ収集レートを上回る速度でリアルタイム動的MRI再構成を達成できるか？
• RQ2 SDAEベースの手法は、最先端の圧縮センシング技術と同等の画像品質を達成できるか？
• RQ3 SDAEは、最小限のファインチューニングで未観測の動的MRIシーケンスに十分に一般化できるか？
• RQ4 カルマンフィルタリングおよび圧縮センシングと比較して、SDAEの再構成速度および正確性はどのように評価できるか？

主な発見

• SDAEベースの手法は、データ収集レートを上回る再構成速度を達成し、真のリアルタイム動的MRI再構成を可能にする。
• SDAE再構成の画像品質は、以前の圧縮センシングベースのオンライン再構成手法と同等である。
• 推論時には、1フレームあたり数回の行列・ベクトル乗算のみを要するため、計算レイテンシが非常に低い。
• ノイズ除去トレーニング目的のおかげで、SDAEはノイズおよびアンダーサンプリングアーティファクトに対してロバストである。
• オフライントレーニングフェーズは計算的に高コストであるが、推論フェーズは極めて効率的であるため、リアルタイムデプロイメントに適している。