[논문 리뷰] Fast Fiber Orientation Estimation in Diffusion MRI from kq-Space Sampling and Anatomical Priors

Marica Pesce, Audrey Repetti외 4명|arXiv (Cornell University)|2021. 10. 27.

Advanced Neuroimaging Techniques and Applications참고 문헌 59인용 수 3

한 줄 요약

이 논문은 3D kq-공간 저샘플링과 해부학적 사전 지식을 활용하여 확산 MRI에서 고해상도 섬유 방향 분포(FOD) 추정을 위한 빠르고 압축 감지 기반의 방법을 제안한다. 구조적 희박성, 조직 분할 제약 조건 및 확률적 전진-후진 최적화 알고리즘을 결합함으로써, 심각하게 저샘플링된 kq-공간 데이터로부터 정확한 FOD 재구성 가능하며, 스캔 시간을 크게 단축하면서도 임상적 실현 가능성을 유지한다.

ABSTRACT

High spatio-angular resolution diffusion MRI (dMRI) has been shown to provide accurate identification of complex neuronal fiber configurations, albeit, at the cost of long acquisition times. We propose a method to recover intra-voxel fiber configurations at high spatio-angular resolution relying on a 3D kq-space under-sampling scheme to enable accelerated acquisitions. The inverse problem for the reconstruction of the fiber orientation distribution (FOD) is regularized by a structured sparsity prior promoting simultaneously voxel-wise sparsity and spatial smoothness of fiber orientation. Prior knowledge of the spatial distribution of white matter, gray matter, and cerebrospinal fluid is also leveraged. A minimization problem is formulated and solved via a stochastic forward–backward algorithm. Simulations and real data analysis suggest that accurate FOD mapping can be achieved from severe kq-space under-sampling regimes potentially enabling high spatio-angular resolution dMRI in the clinical setting.

연구 동기 및 목표

• 촬영 시간을 단축시켜 고공간-각도 해상도 확산 MRI를 가속화하기 위해.
• 심각한 kq-공간 저샘플링 조건에서 FOD 추정의 불안정한 역문제를 해결하기 위해.
• 해부학적 사전 지식(조직 분할)과 구조적 희박성을 통합하여 재구성 정확도를 향상시키기 위해.
• 낮은 스캔 시간을 통해 고해상도 dMRI의 임상적 실현 가능성을 보장하기 위해.
• 확률적 최적화를 활용한 계산 효율적이고 메모리 경량의 재구성 프레임워크를 개발하기 위해.

제안 방법

• 고해상도 각도 해상도를 유지하면서 데이터 수집 속도를 향상시키기 위해 3D kq-공간 저샘플링 기법을 적용한다.
• 비음수성과 구조적 희박성 제약 조건을 갖춘 볼록 정규화 최소화 문제로 FOD 복구 문제를 수식화한다.
• 비확산 가중치가 부여된 영상에서 유도된 조직 분할 제약 조건을 통해 회백질, 회색질 및 뇌척수액의 공간 일관성을 강제한다.
• 동시 희박성 유도 사전 확률을 통해 각 볼륨에서의 희박성과 섬유 방향의 공간적 매끄러움을 강제한다.
• 다중 코ils 데이터를 효율적으로 처리하고 메모리 및 계산 시간을 줄이기 위해 확률적 전진-후진 알고리즘을 사용한다.
• 수렴성과 정확도를 향상시키기 위해 반복적으로 해를 개선하기 위해 재가중 기법을 적용한다.

실험 결과

연구 질문

• RQ1 심각한 kq-공간 저샘플링 조건에서도 임상적으로 실현 가능한 스캔 시간 내에서 고각도 및 고공간 해상도 FOD 추정이 가능한가?
• RQ2 조직 분할 및 구조적 희박성 등의 해부학적 사전 지식을 통합할 경우, 저샘플링 조건에서 FOD 재구성 정확도는 어떻게 향상되는가?
• RQ3 확률적 최적화 접근 방식이 속도, 메모리 사용량, 정확도 측면에서 결정적 또는 이중 단계 재구성 방법보다 뛰어나게 성능을 발휘하는가?
• RQ4 kq-공간 저샘플링은 q-공간만 저샘플링하는 것과 비교해 FOD 복구 성능에서 어떤 차이를 보이는가?
• RQ5 운동 유도 위상 오차가 존재할 경우 제안된 방법은 정확도를 유지할 수 있으며, 이를 어떻게 보완할 수 있는가?

주요 결과

• 제안된 방법은 심각하게 저샘플링된 kq-공간 데이터로부터 정확한 FOD 매핑을 가능하게 하여, 스캔 시간을 단축하면서도 고공간-각도 해상도 dMRI를 실현한다.
• 조직 분할 및 구조적 희박성 사전 지식을 통합한 결과, 이러한 사전 지식이 없는 방법에 비해 FOD 재구성 정확도가 크게 향상된다.
• 확률적 전진-후진 알고리즘이 결정적 방법과 유사한 성능을 유지하면서도 메모리 요구량과 총 계산 시간을 줄인다.
• 동일한 전체 저샘플링 비율 조건에서 kq-공간 저샘플링은 q-공간만 저샘플링하는 것보다 성능이 뛰어나며, k-공간 샘플링 효율성이 핵심임을 시사한다.
• 합성 및 실제 데이터 실험 모두에서 표준 kq-공간 저샘플링 기법과 전통적인 이중 단계 재구성 파이프라인(DWI → FOD)보다 제안된 방법이 더 뛰어난 성능을 보인다.
• 저해상도 중심 kq-공간 영역을 사용해 위상 추정을 수행할 경우 운동 유도 위상 오차에 대해서도 방법이 강건하며, 더 고급 校정 방법을 적용할 경우 성능 향상이 추가로 기대된다.