[논문 리뷰] Motion Correction and Volumetric Reconstruction for Fetal Functional Magnetic Resonance Imaging Data

Daniel Sobotka, Michael Ebner외 9명|arXiv (Cornell University)|2022. 02. 11.

Fetal and Pediatric Neurological Disorders참고 문헌 63인용 수 18

한 줄 요약

이 논문은 태아 fMRI를 위한 새로운 운동 보정 및 부피 재구성 프레임워크를 제안하며, 이상치에 강건한 기준 부피 추정과 Huber L2 정규화를 사용하여 기능적 연결성 정확도를 향상시킨다. 운동 유도 잡음과 신호 이상치를 줄임으로써 재현 가능성과 신호 해석 가능성을 향상시키며, 임신 20~25주 사이의 다양한 시기 동안 이상치 시간 포인트를 18.6%에서 9.16%로 감소시킨다.

ABSTRACT

Motion correction is an essential preprocessing step in functional Magnetic Resonance Imaging (fMRI) of the fetal brain with the aim to remove artifacts caused by fetal movement and maternal breathing and consequently to suppress erroneous signal correlations. Current motion correction approaches for fetal fMRI choose a single 3D volume from a specific acquisition timepoint with least motion artefacts as reference volume, and perform interpolation for the reconstruction of the motion corrected time series. The results can suffer, if no low-motion frame is available, and if reconstruction does not exploit any assumptions about the continuity of the fMRI signal. Here, we propose a novel framework, which estimates a high-resolution reference volume by using outlier-robust motion correction, and by utilizing Huber L2 regularization for intra-stack volumetric reconstruction of the motion-corrected fetal brain fMRI. We performed an extensive parameter study to investigate the effectiveness of motion estimation and present in this work benchmark metrics to quantify the effect of motion correction and regularised volumetric reconstruction approaches on functional connectivity computations. We demonstrate the proposed framework's ability to improve functional connectivity estimates, reproducibility and signal interpretability, which is clinically highly desirable for the establishment of prognostic noninvasive imaging biomarkers. The motion correction and volumetric reconstruction framework is made available as an open-source package of NiftyMIC.

연구 동기 및 목표

• 태아 운동과 모성 호흡으로 인한 태아 fMRI에서의 운동 유도 잡음 문제를 해결하기 위해.
• 운동으로 인한 허위 상관관계를 최소화하여 기능적 연결성 추정을 향상시키기 위해.
• 신호 품질을 유지하면서도 강건하고 오픈소스인 운동 보정 및 부피 재구성 파이프라인을 개발하기 위해.
• 임상적으로 도전적인 태아 fMRI 데이터에서 더 신뢰할 수 있고 재현 가능한 기능적 연결성 분석을 가능하게 하기 위해.
• 손상된 시간 포인트를 제거하는 대신 운동을 보정하여 운동 캐시로 인한 데이터 손실을 줄이기 위해.

제안 방법

• 세 구성 요소로 이루어진 프레임워크 제안: (1) S2V 운동 보정을 사용한 이상치에 강건한 고해상도 기준 부피 구축.
• 시간 포인트 간 개별 슬라이스를 정렬하기 위해 강체 슬라이스 기반 운동 보정 적용.
• 스택 내 신호 연속성을 유지하기 위해 Huber L2 정규화를 사용한 내부 스택 부피 재구성.
• 최적의 파rameter를 도출하기 위해 TK1 L2, TV L2, Huber L2 정규화를 비교하는 정량적 연구 수행.
• 신호 품질과 기능적 연결성 평가를 위해 강도, 이상치, 연결성 기반 메트릭 사용.
• 정확도를 보장하기 위해 알려진 운동 패턴을 가진 합성 데이터를 사용하여 운동 추정의 정당성을 검증.

실험 결과

연구 질문

• RQ1 이상치에 강건한 기준 부위 추정이 고도로 운동으로 인해 손상된 태아 fMRI 데이터에서 운동 보정을 향상시킬 수 있는가?
• RQ2 기존 정규화 방법(예: TK1 L2, TV L2)에 비해 Huber L2 정규화가 기능적 연결성 유지와 잡음 감소에 더 우수한가?
• RQ3 제안된 프레임워크가 기능적 연결성 분석에서 이상치 시간 포인트의 수를 얼마나 줄일 수 있는가?
• RQ4 운동 보정이 태아 fMRI에서 기능적 연결성 네트워크의 재현 가능성과 해석 가능성에 어떤 영향을 미치는가?
• RQ5 이 프레임워크는 축방향, coronal, 그리고 sagittal 시퀀스를 포함한 다양한 촬영 프로토콜에 효과적으로 적용될 수 있는가?

주요 결과

• 제안된 프레임워크는 한 명의 환자에서 이상치 비율을 12.9%에서 8.6%로 감소시켜(p-value 0.019), 운동 보정과 Huber L2 정규화 이후에 신호 품질 향상을 입증하였다.
• 환자 운동과 기능적 연결성 간 관계의 기울기가 -0.0029에서 -0.0010으로 감소하여 운동 관련 편향 감소를 보였다.
• 0.1의 파rameter를 가진 Huber L2 정규화가 다른 정규화 방법에 비해 가장 재현 가능하고 정확한 기능적 연결성 추정을 제공하였다.
• 임신 20~25주 사이에서는 이상치 시간 포인트 비율이 18.6%에서 9.16%로 감소하였고, 26~31주 사이에는 7.125%에서 5%로 감소하였다.
• 특히 TK1 L2나 MCFLIRT를 사용할 경우 발생하던 뇌 가장자리의 허위로 높은 상관관계를 보이는 영역이 효과적으로 감소하였다.
• 극도의 운동(최대 50 mm) 조건에서도 프레임워크는 높은 성능를 유지하나, 극도의 EPI 및 인터리브드 프로토콜 조건에서는 재구성 품질이 약간 저하되었다.