[논문 리뷰] Gradient waveform design for variable density sampling in Magnetic Resonance Imaging

Nicolas Chauffert, Pierre Weiss외 2명|arXiv (Cornell University)|2014. 12. 15.

Sparse and Compressive Sensing Techniques참고 문헌 28인용 수 10

한 줄 요약

이 논문은 크기 및 상승률 제약 조건 하에서 물리적으로 타당한 기울기 파형 집합 위로 매개변수화된 k-space 궤적을 투영하기 위한 볼록 최적화 기반 알고리즘을 제안한다. 이는 압축 감쇠를 위한 필수적인 가변 밀도 샘플링 패턴을 유지하면서도 더 빠른 촬영 시간을 가능하게 한다. 이 방법은 원래 궤적에서의 최소한의 편차를 보장하면서도 특히 고곡률 영역에서 획기적으로 도달 시간을 단축시킨다.

ABSTRACT

Fast coverage of k-space is a major concern to speed up data acquisition in Magnetic Resonance Imaging (MRI) and limit image distortions due to long echo train durations. The hardware gradient constraints (magnitude, slew rate) must be taken into account to collect a sufficient amount of samples in a minimal amount of time. However, sampling strategies (e.g., Compressed Sensing) and optimal gradient waveform design have been developed separately so far. The major flaw of existing methods is that they do not take the sampling density into account, the latter being central in sampling theory. In particular, methods using optimal control tend to agglutinate samples in high curvature areas. In this paper, we develop an iterative algorithm to project any parameterization of k-space trajectories onto the set of feasible curves that fulfills the gradient constraints. We show that our projection algorithm provides a more efficient alternative than existinf approaches and that it can be a way of reducing acquisition time while maintaining sampling density for piece-wise linear trajectories.

연구 동기 및 목표

• 기존 방법들이 하드웨어 제약 조건 하에서 기울기 파형을 설계할 때 가변 샘플링 밀도를 고려하지 못하는 격차를 보완하기 위해.
• 궤적 매개변수화와 물리적 타당성을 동시에 최적화하는 통합 프레임워크를 개발하여 MRI의 촬영 속도를 향상시키기 위해.
• 원래 궤적과 타당한 궤적 사이의 편차를 최소화하면서도 기울기 크기 및 상승률 한계를 준수하기 위해.
• 단일 최적화 프레임워크 내에서 k-space 중심에서 시작하거나 최대 촬영 시간을 제한하는 등의 추가 제약 조건을 탄력적으로 통합할 수 있도록 하기 위해.

제안 방법

• 이 방법은 주어진 k-space 궤적을 물리적으로 타당한 기울기 파형 집합 위로 투영하는 문제를 볼록 최적화 과제로 공식화한다.
• 가속화된 프록시멀 경사 하강법을 사용하는 원-이중 알고리즘을 통해 이중 문제를 해결하여 수렴 속도를 O(1/k²)로 보장한다.
• 기울기 파형을 그에 해당하는 k-space 궤적으로 매핑하는 선형 연산자 A를 통해 제약 조건을 통합한다.
• 이중 문제를 해결하기 위해 이중성 프레임워크를 사용하며, 해는 변환된 벡터를 타당 집합 위로 수직 투영한 결과에서 유도된다.
• 투영 과정 동안 원래 궤적의 샘플링 분포를 유지함으로써 가변 밀도 샘플링을 처리한다.
• 고정된 최대 촬영 시간을 허용하여 속도와 원래 샘플링 패턴에 대한 충실도 사이의 트레이드오프를 가능하게 한다.

실험 결과

연구 질문

• RQ1 MRI에서 하드웨어 제약 조건을 준수하면서도 가변 밀도 샘플링 패턴을 유지하는 한편 촬영 시간을 최소화할 수 있는 기울기 파형 설계 방법은 무엇인가?
• RQ2 주어진 k-space 궤적을 원래 궤적과 최소한의 편차로 물리적으로 타당한 파형 집합 위로 투영하는 최적의 방법은 무엇인가?
• RQ3 특히 고곡률 영역에서 기존 재매개변수화 기법에 비해 제안된 방법이 도달 시간 측면에서 뛰어나게 성능을 발휘할 수 있는가?
• RQ4 기울기 파형 설계 과정에서 매개변수화된 궤적을 타당한 파형으로 변환할 때 샘플링 밀도 분포를 어떻게 유지할 수 있는가?
• RQ5 제안된 최적화 프레임워크는 기울기 파형 설계에 대해 어떤 수렴 속도를 달성할 수 있는가?

주요 결과

• 제안된 알고리즘은 기존 재매개변수화 기법에 비해 특히 고곡률 영역에서 샘플이 집합되는 전통적 방법과 비교해 도달 시간을 크게 단축시킨다.
• 투영 과정에서 입력 궤적과 출력 궤적 간의 거리를 최소화함으로써 원래 샘플링 밀도 분포를 유지한다.
• 이중 문제에서 O(1/k²) 수렴 속도를 달성하여 실용적인 MRI 응용 분야에서 빠르고 안정적인 최적화를 보장한다.
• 프레임워크는 탄력적이며 k-space 중심에서 시작하거나 최대 촬영 시간을 제한하는 등의 추가 제약 조건을 통합할 수 있다.
• 로제트 및 TSP 기반 궤적에 대한 수치 실험 결과, 이 방법은 더 짧은 촬영 시간을 가진 타당한 파형을 생성하면서도 원하는 샘플링 패턴을 유지함을 확인했다.