[논문 리뷰] CMRxRecon: An open cardiac MRI dataset for the competition of accelerated image reconstruction

Chengyan Wang, Jun Lyu외 26명|arXiv (Cornell University)|2023. 09. 19.

Advanced MRI Techniques and Applications인용 수 15

한 줄 요약

이 논문은 300명의 건강한 피험자로부터 다중 대조, 다중 시야, 다중 슬라이스 및 다중 코일 데이터를 포함하는 오픈형 대규모 심장 MRI 데이터셋인 CMR×Recon을 공개하고, 가속된 CMR 영상 재구성을 위한 처리 스크립트와 기본 재구성 등을 제공한다.

ABSTRACT

Cardiac magnetic resonance imaging (CMR) has emerged as a valuable diagnostic tool for cardiac diseases. However, a limitation of CMR is its slow imaging speed, which causes patient discomfort and introduces artifacts in the images. There has been growing interest in deep learning-based CMR imaging algorithms that can reconstruct high-quality images from highly under-sampled k-space data. However, the development of deep learning methods requires large training datasets, which have not been publicly available for CMR. To address this gap, we released a dataset that includes multi-contrast, multi-view, multi-slice and multi-coil CMR imaging data from 300 subjects. Imaging studies include cardiac cine and mapping sequences. Manual segmentations of the myocardium and chambers of all the subjects are also provided within the dataset. Scripts of state-of-the-art reconstruction algorithms were also provided as a point of reference. Our aim is to facilitate the advancement of state-of-the-art CMR image reconstruction by introducing standardized evaluation criteria and making the dataset freely accessible to the research community. Researchers can access the dataset at https://www.synapse.org/#!Synapse:syn51471091/wiki/.

연구 동기 및 목표

• 가속된 CMR 영상 재구성을 위한 공개적으로 접근 가능하고 표준화된 원시 k-공간 데이터셋을 제공한다.
• 수동 분할이 포함된 다중 대조( Cine 및 매핑), 다중 시야, 다중 슬라이스 및 다중 코일 데이터를 포함한다.
• 전처리 파이프라인, 평가 기준 및 벤치마크 재구성을 제공하여 공정한 비교를 촉진한다.
• 기준 재구성 스크립트(GRAPPA, ESPIRiT, MoDL) 및 평가 플랫폼을 제공한다.

제안 방법

• 32-채널 코일로 3T CMR 데이터를 300명의 건강한 피험자로부터 취득한다.
• 처리를 위해 다중 코일 데이터를 10개의 가상 코일로 압축한다.
• 카르테시안 스킴에서 과거에 k-공간을 언더샘플링(4x, 8x, 10x)하고 GRAPPA로 재구성한다.
• 전체 k-공간, 언더샘플링된 k-공간, 마스크, ACS 라인 및 재구성 이미지를 MATLAB 및 NIfTI 형식으로 제공한다.
• 숙련된 방사선과 의사가 심근 및 심장 구획의 수동 분할을 제공한다.
• 최신 병렬 영상화 및 모델 기반 딥 러닝 재구성을 벤치마크로 위한 스크립트를 제공한다.

실험 결과

연구 질문

• RQ1 표준화되고 공개적으로 이용 가능한 CMR 데이터셋이 가속 재구성 방법의 개발과 벤치마킹을 어떻게 가속화할 수 있는가?
• RQ2 다른 언더샘플링 요인에서 cine 및 매핑 시퀀스의 기준 재구성 성능(PSNR, SSIM, NMSE)은 어떻게 되는가?
• RQ3 다중 대조 및 다중 코일 데이터가 재구성 품질 및 방법 간 비교에 어떤 영향을 미치는가?
• RQ4 제공된 실제 지상참조 구간이 하류 분석 및 재구성 중심 지표 평가를 지원할 수 있는가?

주요 결과

• 데이터셋은 cine 및 T1/T2 매핑 시퀀스를 포함하는 300명의 건강한 자원자들을 포함하며, 각 모달리티에 대해 120개의 학습, 60개의 검증, 120개의 테스트 케이스가 있다.
• 언더샘플링된 k-공간 데이터(4x, 8x, 10x)와 해당 마스크, ACS 라인, 재구성 이미지가 벤치마킹을 위해 제공된다.
• GRAPPA, ESPIRiT 및 수정된 MoDL을 이용한 벤치마크가 제공되며, 다중 뷰 및 매핑에 걸친 정량 지표(PSNR, SSIM, NMSE)가 포함된다.
• 심근 및 심실의 수동 분할은 하류 평가 및 주석 작성을 지원하기 위해 제공된다.
• 데이터 처리 워크플로우는 스캐너 데이터를 다중 코일 형식의 익명화된 k-공간으로 변환하며(에뮬레이션된 단일 코일 데이터 제공) GitHub의 사용 준비 완료 처리 스크립트와 Synapse 평가 플랫폼을 제공한다.