[논문 리뷰] Real-time Dynamic MRI Reconstruction using Stacked Denoising Autoencoder

Angshul Majumdar|arXiv (Cornell University)|2015. 03. 22.

Advanced MRI Techniques and Applications참고 문헌 38인용 수 13

한 줄 요약

이 논문은 비정상적인 k-space 데이터에서 완전히 샘플링된 영상으로의 비선형 맵핑을 학습하기 위해 스택드 디노이징 오토에인코더(SDAE)를 사용하는 실시간 동적 MRI 재구성 방법을 제안한다. SDAE는 간단한 행렬-벡터 곱셈을 통해 빠른 추론을 가능하게 하여 데이터 수집 속도를 초월하는 재구성 속도를 달성하면서도 압축 센싱 기반 방법과 유사한 영상 품질을 유지한다.

ABSTRACT

In this work we address the problem of real-time dynamic MRI reconstruction. There are a handful of studies on this topic; these techniques are either based on compressed sensing or employ Kalman Filtering. These techniques cannot achieve the reconstruction speed necessary for real-time reconstruction. In this work, we propose a new approach to MRI reconstruction. We learn a non-linear mapping from the unstructured aliased images to the corresponding clean images using a stacked denoising autoencoder (SDAE). The training for SDAE is slow, but the reconstruction is very fast - only requiring a few matrix vector multiplications. In this work, we have shown that using SDAE one can reconstruct the MRI frame faster than the data acquisition rate, thereby achieving real-time reconstruction. The quality of reconstruction is of the same order as a previous compressed sensing based online reconstruction technique.

연구 동기 및 목표

• 기존 실시간 동적 MRI 재구성 기법의 한계, 즉 임상적 사용에 부적합할 정도로 느린 속도를 해결하기 위해.
• 영상 품질을 훼손하지 않으면서도 실시간 재구성 속도를 달성하는 방법을 개발하기 위해.
• 딥 러닝을 활용하여 비정상적인 영상에서 완전히 재구성된 MRI 프레임으로의 빠르고 비선형 맵핑을 구현하기 위해.
• SDAE 기반 재구성이 기존의 압축 센싱 및 칼만 필터링보다 재구성 속도 면에서 뛰어나다는 것을 입증하기 위해.

제안 방법

• 비정상적인 MRI 프레임에서 해당되는 완전히 샘플링된 고품질 영상으로의 비선형 맵핑을 학습하기 위해 종단간(end-to-end)으로 SDAE를 훈련한다.
• 훈련 중에 노이즈를 주입하여 강건성을 향상시키기 위해, 대규모 비정상적 및 기준 영상 MRI 프레임 쌍으로 구성된 데이터셋을 오프라인으로 사용하여 SDAE를 훈련한다.
• 추론 중에는 SDAE를 통과하는 단일 전방 전파(forward pass)만으로도 충분하며, 몇 번의 행렬-벡터 곱셈으로 이루어져 실시간 성능을 보장한다.
• 아키텍처는 입력 데이터로부터 계층적인 특징을 학습하는 다수의 스택드된 디노이징 오토에인코더로 구성되어 있다.
• 예측 영상와 기준 영상 간의 차이를 최소화하는 재구성 손실 함수를 사용하여 백프로파게이션을 통해 모델을 최적화한다.
• 구현에 따라 k-space 데이터 또는 영상 영역 데이터에 직접 적용되어 동적 MRI 시퀀스를 재구성한다.

실험 결과

연구 질문

• RQ1 딥 오토에인코더 아키텍처가 데이터 수집 속도를 초월하는 실시간 동적 MRI 재구성을 달성할 수 있는가?
• RQ2 SDAE 기반 방법이 최신 압축 센싱 기법과 동등한 영상 품질을 제공하는가?
• RQ3 SDAE가 최소한의 피팅 조정으로도 새로운 동적 MRI 시퀀스에 잘 일반화되는가?
• RQ4 칼만 필터링 및 압축 센싱과 비교해 SDAE의 재구성 속도 및 정확도는 어떠한가?

주요 결과

• SDAE 기반 방법은 데이터 수집 속도를 초월하는 재구성 속도를 달성하여 진정한 실시간 동적 MRI 재구성을 가능하게 한다.
• SDAE 재구성의 영상 품질은 이전의 압축 센싱 기반 온라인 재구성 기법과 유사하다.
• 추론 중에는 프레임당 몇 번의 행렬-벡터 곱셈만으로도 충분하여 낮은 계산 지연(latency)을 보장한다.
• 디노이징 훈련 목표 덕분에 노이즈 및 과도 샘플링 아티팩트에 대해 강건함을 입증하였다.
• 오프라인 훈련 단계는 계산적으로 집약적이지만, 추론 단계는 매우 효율적이므로 실시간 구현에 적합하다.