[논문 리뷰] Dictionary-free MR Fingerprinting reconstruction of balanced-GRE sequences

Alessandro Sbrizzi, Tom Bruijnen외 3명|arXiv (Cornell University)|2017. 11. 24.

Advanced MRI Techniques and Applications참고 문헌 28인용 수 12

한 줄 요약

이 논문은 균형 GFE-MR 프로파일링을 위한 사전 계산된 사전사전이 없는 복원 방법을 제안한다. 매개변수 추정을 비선형 최소제곱 문제로 공식화하여, 사전 계산된 사전사전 없이도 강건하고 정확한 정량 맵핑을 가능하게 한다. 저역통과 시퀀스를 설계하여 일시적 신호 응답을 부드럽게 하여 최적화 경로를 잘 조절함으로써, 극도로 낮은 샘플링 데이터에서도 반복적 해법이 전역 수렴할 수 있도록 한다. 이는 시뮬레이션과 1.5T 임상 스캔에서 검증되었다.

ABSTRACT

Magnetic resonance fingerprinting (MRF) can successfully recover quantitative multi-parametric maps of human tissue in a very short acquisition time. Due to their pseudo-random nature, the large spatial undersampling artifacts can be filtered out by an exhaustive search over a pre-computed dictionary of signal fingerprints. This reconstruction approach is robust to large data-model discrepancies and is easy to implement. The curse of dimensionality and the intrinsic rigidity of such a precomputed dictionary approach can however limit its practical applicability. In this work, a method is presented to reconstruct balanced gradient-echo (GRE) acquisitions with established iterative algorithms for nonlinear least-squares, thus bypassing the dictionary computation and the exhaustive search. The global convergence of the iterative approach is investigated by studying the transient dynamic response of balanced GRE sequences and its effect on the minimization landscape. Experimental design criteria are derived which enforce sensitivity to the parameters of interest and successful convergence. The method is validated on simulated and experimentally acquired MRI data. Keywords: MR Fingerprinting, quantitative MRI, Bloch equation, nonlinear least squares, sequence design.

연구 동기 및 목표

• 사전사전 기반 MR 프로파일링의 한계, 즉 높은 메모리 사용량, 이산화 오차, B1+ 및 오프레온런스와 같은 추가 매개변수를 포함하는 데서의 유연성 부족을 극복하기 위해.
• 사전 사전 매칭을 전면적으로 피하면서도 극도로 낮은 샘플링을 적용한 균형 GFE 데이터로부터 다중 매개변수 맵(T1, T2, ρ, ω, B1+, φ)을 정확하게 복원할 수 있도록 하기 위해.
• 반복적 비선형 최소제곱 해법의 전역 수렴을 보장하기 위해 최소화 경로를 설계하는 시퀀스 설계 전략을 개발하기 위해.
• 수치 시뮬레이션과 임상 1.5T 스캐너에서 획득한 실험 데이터를 이용하여 사전사전이 없는 접근의 타당성과 정확성을 검증하기 위해.

제안 방법

• 균형 GFE 시퀀스에서 신호 진동을 모델링하기 위해 블로흐 방정식을 사용하여 MR 프로파일링 복원을 비선형 최소제곱 문제로 공식화한다.
• T1, T2 및 기타 매개변수에 대한 민감도를 극대화하면서도 일시적 신호 응답이 부드럽게 되도록 하는 최적화 문제를 풀어 저역통과 시퀀스를 설계한다.
• 데이터 적합도 비용 함수를 최소화하기 위해 기울기 기반 반복 알고리즘(예: 레벤버그–마르카르트)을 사용하여 사전사전 계산이 필요 없도록 한다.
• 공간적으로 변화하는 매개변수인 B1+ 전송장, 전환 위상 φ, 슬라이스 프로파일 효과를 신호 모델에 통합하여 정확도를 향상시킨다.
• 실험적 설계 원리를 적용하여 목적 함수를 밥통 형태의 볼록 유사 프로파일로 형상화하여 전역 수렴을 촉진한다.
• 수치 시뮬레이션과 임상용 1.5T 스캐너에서 획득한 생체 내 데이터를 이용하여 방법을 검증하며, 기존의 표준 사전사전 기반 접근과 비교한다.

실험 결과

연구 질문

• RQ1 균형 GFE 시퀀스에 대해 사전 계산된 사전사전 없이도 비선형 최소제곱 최적화가 MR 프로파일링 복원에 성공적으로 적용될 수 있는가?
• RQ2 시퀀스의 일시적 신호 응답이 비선형 최소제곱 최적화의 수렴 경로에 어떤 영향을 미치는가?
• RQ3 사전사전이 없는 복원에서 T1, T2, ρ, ω, B1+, φ에 대한 전역 수렴과 고민감도를 보장하기 위한 시퀀스 설계 기준은 무엇인가?
• RQ4 제안된 방법은 사전사전 관련 아티팩트나 이산화 오차 없이 극도로 낮은 샘플링을 적용한 실제 데이터에서 정확한 정량 맵핑을 달성할 수 있는가?
• RQ5 신호 모델에 B1+ 및 슬라이스 프로파일 효과를 통합할 경우 재구성 정확도와 수렴 안정성에 어떤 영향을 미치는가?

주요 결과

• 제안된 사전사전이 없는 접근법은 반복적 비선형 최소제곱 최적화를 통해 극도로 낮은 샘플링을 적용한 균형 GFE 데이터로부터 정확한 T1, T2, ρ, ω, B1+, φ 맵을 성공적으로 복원한다.
• 부드러운 일시적 응답을 보이는 시퀀스 설계는 잘 조절된, 밥통 형태의 목적 함수를 생성하여 비선형 최소제곱 해법의 전역 수렴을 가능하게 한다.
• 이 방법은 시뮬레이션 및 실험적으로 획득한 1.5T MRI 데이터 모두에서 강건하고 정확한 재구성을 달성하며, 사전사전 기반 방법과 비교해도 유사하거나 더 우수한 결과를 보인다.
• 신호 모델에 B1+ 및 슬라이스 프로파일 효과를 통합함으로써 매개변수 추정 정확도가 크게 향상되며, 특히 B1+ 비균일성이 뚜렷한 영역에서 두드러진다.
• 표준 데스크톱 PC에서 MATLAB를 사용할 경우 평균 복원 시간은 백미터당 약 1초로, 임상 적용 가능성에 부합한다.
• 90° 이하의 피크 각도를 가진 저역통과 시퀀스 역시 만족스러운 사전사전이 없는 복원을 가능하게 하여 고역장 응용에 대한 유연성을 보여준다.