[논문 리뷰] Multi-shot multi-channel diffusion data recovery using structured low-rank matrix completion

Merry Mani, Mathews Jacob외 2명|arXiv (Cornell University)|2016. 02. 22.

Advanced Neuroimaging Techniques and Applications참고 문헌 41인용 수 3

한 줄 요약

이 논문은 운동 유도 위상 변화를 명시적인 위상 추정 없이 암묵적으로 보상함으로써 다중 셸드 방사선 감쇠 영상(MS-DWI) 데이터를 보정하는 보정이 필요 없는 방법인 MUSSELS를 제안한다. 이 방법은 구조적 낮은 질서 행렬 완성 기법을 활용하여 k-space 데이터를 블록 히브버그 행렬 구조로 변환하고, 부드러운 위상 조절이 유도하는 영공간 벡터를 이용해 낮은 질서 성질을 강제로 적용하며, 핵심-노름 최소화와 데이터 일致 조건을 통해 앨리어징이 없는 영상을 복원한다. 기존의 SENSE나 위상 기반 방법에 비해 특히 부족 샘플링 또는 노이즈 조건에서 더 낫거나 동등한 고스트 아티팩트 감소 성능을 보인다.

ABSTRACT

Purpose: To introduce a novel method for the recovery of multi-shot diffusion weighted (MS-DW) images from echo-planar imaging (EPI) acquisitions. Methods: Current EPI-based MS-DW reconstruction methods rely on the explicit estimation of the motion- induced phase maps to recover the unaliased images. In the new formulation, the k-space data of the unaliased DWI is recovered using a structured low-rank matrix completion scheme, which does not require explicit estimation of the phase maps. The structured matrix is obtained as the lifting of the multi-shot data. The smooth phase-modulations between shots manifest as null-space vectors of this matrix, which implies that the structured matrix is low-rank. The missing entries of the structured matrix are filled in using a nuclear-norm minimization algorithm subject to the data-consistency. The formulation enables the natural introduction of smoothness regularization, thus enabling implicit motion-compensated recovery of fully-sampled as well as under-sampled MS-DW data. Results: Our experiments on in-vivo data show effective removal of the ghosting artifacts arising from intershot motion in MS-DW data using the proposed method. The performance is comparable and better in certain cases than conventional phase-based methods. Conclusion: The proposed method can achieve effective unaliasing of fully/under-sampled MS-DW images without using explicit phase estimates.

연구 동기 및 목표

• 다중 셸드 방사선 감쇠 영상(MS-DWI)에서 셸드 간 운동으로 인한 위상 변화로 인해 발생하는 고스트 아티팩트를 해결하기 위해.
• 부족 샘플링 또는 노이즈가 있는 데이터에서 오류가 발생하기 쉬운 운동 유도 위상 지도의 명시적 추정이 필요 없도록 하기 위해.
• 완전 샘플링 및 부족 샘플링 MS-DWI 데이터에 대해 효과적인 언앨리어징을 가능하게 하는 내성적이고 보정이 필요한 재구성 방법을 개발하기 위해.
• 운동 아티팩트로 인한 잔여 앨리어징을 줄임으로써 DTI에서 영상 품질과 텐서 추정 정확도를 향상시키기 위해.

제안 방법

• 메서드는 k-space 데이터 행렬에 슬라이딩 윈도우를 적용하여 다중 셸드 k-space 데이터로부터 블록 히브버그 행렬을 구성함으로써 구조적 낮은 질서 행렬을 형성한다.
• 이 방법은 셸드 간 부드러운 위상 조절이 구조적 행렬 내 영공간 벡터를 생성함으로써 낮은 질서 성질을 유도한다는 사실을 활용한다.
• 암묵적 운동 보정을 가능하게 하기 위해 데이터 일치 조건 하에 핵심-노름 최소화를 통해 앨리어징이 없는 k-space 데이터를 복원한다.
• 특히 부족 샘플링 또는 노이즈 조건에서의 재구성 품질 향상을 위해 부드러움 정규화(SR)를 도입한다.
• k-space 내의 부분 도함수 정보를 통합하기 위해 공동 행렬 라이징 공식을 사용하여 구조적 행렬의 낮은 질서 근사치를 향상시킨다.
• 수렴성과 복원 과정의 안정성을 확보하기 위해 최적화 문제를 해결하기 위해 증강 라그랑주 알고리즘을 사용한다.

실험 결과

연구 질문

• RQ1 다중 셸드 방사선 감쇠 영상에서 운동 유도 위상 지도의 명시적 추정 없이 고스트 아티팩트를 효과적으로 줄일 수 있는가?
• RQ2 부족 샘플링 또는 노이즈가 있는 MS-DWI 데이터에서 위상 기반 재구성 기법에 비해 구조적 낮은 질서 행렬 완성 기법이 강건한 대안이 될 수 있는가?
• RQ3 기존의 SENSE 및 위상 추정 기반 방법(MUSE)과 비교할 때 제안된 방법은 아티팩트 감소 및 영상 품질 측면에서 어떻게 성능을 내는가?
• RQ4 부드러움 정규화를 통합함으로써 앨리어징이 없는 DWI 데이터의 재구성 품질은 어느 정도 향상되는가?
• RQ5 T2 감쇠 및 에코 트레인 길이가 문제를 일으키는 고해상도 또는 초고자기장 MRI에서 이 방법이 신뢰할 수 있는 언앨리어징을 달성할 수 있는가?

주요 결과

• 제안된 MUSSELS 방법은 명시적 위상 추정 없이 다중 셸드 DWI에서 고스트 아티팩트를 효과적으로 제거하였으며, 기존의 SENSE 및 위상 기반 방법과 비교해 성능이 유사하거나 뛰어나다.
• 완전 샘플링 8 셸드 데이터에서 부드러움 정규화(SR) 없이도 MUSSELS는 TV-MUSE를 능가했으며, MUSE 및 SENSE보다 더 정확한 분수 이방성(FA) 지도를 생성했다.
• 부드러움 정규화를 적용한 결과 SR-MUSSELS는 모든 테스트 방법 중에서 가장 정확한 FA 지도를 생성하여 재구성 품질이 더욱 향상되었다.
• 4 셸드 부족 샘플링 데이터에서 균일 및 비균일 샘플링 패턴 모두에서 MUSSELS는 효과적인 언앨리어징을 달성했으며, 정규화되지 않은 재구성 결과도 상당히 우수한 성능을 보였다.
• 위상 추정이 노이즈로 인해 실패한 MUSE의 경우 MUSSELS는 안정된 성능을 유지하여 암묵적 운동 보정이 명시적 위상 추정보다 우월함을 입증했다.
• 고자기장 7T 영상에서도 MUSSELS는 장기적인 에코 시간으로 인한 신호 손실과 기하학적 왜곡이 심한 상황에서도 앨리어징이 없는 DWI를 효과적으로 복원함을 입증했다.