[論文レビュー] Spatially regularized reconstruction of fibre orientation distributions in the presence of isotropic diffusion

Quan Zhou, Oleg Michailovich+1 more|arXiv (Cornell University)|Jan 23, 2014

Advanced Neuroimaging Techniques and Applications参考文献 29被引用数 4

ひとこと要約

本論文は、高角分解能拡散画像法（HARDI）における線維方向分布（fODF）を再構築するための空間的正則化を施した球面deconvolution（SCSD）手法を提案する。この手法は、白質線維の空間的連続性と等方的拡散を組み込み、中程度から重度のノイズおよび部分体積効果下でも方向分解能とロバスト性を向上させ、シミュレーションおよび生体内実験の両方で既存手法を上回る性能を示した。

ABSTRACT

The connectivity and structural integrity of the white matter of the brain is nowadays known to be implicated into a wide range of brain-related disorders. However, it was not before the advent of diffusion Magnetic Resonance Imaging (dMRI) that researches have been able to examine the properties of white matter in vivo. Presently, among a range of various methods of dMRI, high angular resolution diffusion imaging (HARDI) is known to excel in its ability to provide reliable information about the local orientations of neural fasciculi (aka fibre tracts). Moreover, as opposed to the more traditional diffusion tensor imaging (DTI), HARDI is capable of distinguishing the orientations of multiple fibres passing through a given spatial voxel. Unfortunately, the ability of HARDI to discriminate between neural fibres that cross each other at acute angles is always limited, which is the main reason behind the development of numerous post-processing tools, aiming at the improvement of the directional resolution of HARDI. Among such tools is spherical deconvolution (SD). Due to its ill-posed nature, however, SD standardly relies on a number of a priori assumptions which are to render its results unique and stable. In this paper, we propose a different approach to the problem of SD in HARDI, which accounts for the spatial continuity of neural fibres as well as the presence of isotropic diffusion. Subsequently, we demonstrate how the proposed solution can be used to successfully overcome the effect of partial voluming, while preserving the spatial coherency of cerebral diffusion at moderate-to-severe noise levels. In a series of both in silico and in vivo experiments, the performance of the proposed method is compared with that of several available alternatives, with the comparative results clearly supporting the viability and usefulness of our approach.

研究の動機と目的

• 低b値におけるHARDIの方向分解能が部分体積効果およびノイズによって制限される問題に対処すること。
• 線維方向分布（fODF）を再構築する球面deconvolution（SD）の安定性と正確性を向上させること。
• 神経線維の空間的連続性と等方的拡散をSDフレームワークに統合し、より生物学的に妥当な再構築を実現すること。
• 低SNR下でも空間的一致性を維持できる凸かつ計算的に取り扱いやすい最適化手法を開発すること。
• 現実的なノイズおよび複雑な線維配置下で、既存のSDおよびODF再構築手法を上回る性能を実証すること。

提案手法

• 本手法は、ガウスノイズを仮定するデータ適合項と、fODFの空間的連続性を強制する全変動（TV）正則化項を備えた凸最適化問題として球面deconvolutionを定式化する。
• 等方的拡散を、球面調和基底に定数項を含めることでモデル化し、等方的および非等方的拡散成分の分離を可能にする。
• 問題は周波数ドメインにおけるフィルタリング操作に変換され、有限インパルス応答（FIR）フィルタを用いた効率的なフーリエドメインアプローチで解かれる。
• FIRフィルタは、方向差分演算子の周波数応答の逆数から導出され、計算効率を高めるために7×7×7ボクセルに切り詰められている。
• 非滑らかさを伴うTV正則化問題を効率的にかつ安定的に解くために、スプリットBregman法が用いられている。
• 本手法はマルチシェルHARDIフレームワークに実装されており、低b値（例：1000 s/mm²）でも堅牢な再構築が可能である。

実験結果

リサーチクエスチョン

• RQ1 球面deconvolutionにおける空間的正則化は、ノイズおよび部分体積効果の影響下でもfODF推定の正確性と安定性を向上させるか？
• RQ2 SDフレームワークに等方的拡散を組み込むと、複雑な線維配置の再構築にどのような影響を与えるか？
• RQ3 全変動による空間的連続性の強制は、標準的なSD手法と比較して、より一貫性があり生物学的に妥当なfODFマップを生成するか？
• RQ4 提案手法は、従来のQBIおよびSD技術と比較して、低b値における優れた方向分解能を達成できるか？
• RQ5 本手法の計算複雑性は、臨床および研究現場での実用的応用において管理可能か？

主な発見

• 提案されたSCSD手法は、従来手法が失敗する低b値（例：1000 s/mm²）でも、fODF再構築における方向分解能を顕著に向上させた。
• シミュレーション実験では、SCSDは標準的なSDおよびQBIと比較して、60°の交差線維の回復において高い角度分解能を達成した。
• 中程度から重度のノイズレベル下でも、空間的一致性を維持し、誤ったfODFピークの発生を低減するというロバスト性を示した。
• 生体内実験では、複雑な線維構造を有する領域においても、より優れたtractography品質と被験者間で一貫性のあるfODFマップが得られた。
• 切り詰められたFIRフィルタの使用により、1%未満の誤差で線形計算複雑性のフィルタリングが実現され、大規模データへの実用的応用が可能になった。
• シミュレートおよび実データの両方で、fODFピークの鋭さや角度誤差といった定量的指標において、最先端の代替手法を上回る性能を示した。