[논문 리뷰] Realistic voxel sizes and reduced signal variation in Monte-Carlo simulation for diffusion MR data synthesis

Matt G. Hall, Gemma Nedjati‐Gilani외 1명|arXiv (Cornell University)|2017. 01. 13.

Advanced Neuroimaging Techniques and Applications참고 문헌 8인용 수 8

한 줄 요약

이 논문은 실제 병변 크기의 볼륨 단위 조직 기반을 사용하여 확산 MRI 데이터 합성에 최적화된 몬테카를로 시뮬레이션 방법을 제안한다. 기존의 방법에 비해 훨씬 낮은 편향과 분산을 보이며, 기반 구조 생성 및 시뮬레이션 중 동적 공간 분할 및 국소적 교차 검사를 적용하여 표준 하드웨어에서도 대규모 복잡한 기반 구조(예: 100만 개의 실린더 포함)를 효율적으로 시뮬레이션할 수 있다.

ABSTRACT

To synthesize diffusion MR measurements from Monte-Carlo simulation using tissue models with sizes comparable to those of scan voxels. Larger regions enable restricting structures to be modeled in greater detail and improve accuracy and precision in synthesized diffusion-weighted measurements. We employ a localized intersection checking algorithm during substrate construction and dynamical simulation. Although common during dynamics simulation, a dynamically constructed intersection map is also applied here during substrate construction, facilitating construction of much larger substrates than would be possible with a naive "brute-force" approach. We investigate the approach's performance using a packed cylinder model of white matter, investigating optimal execution time for simulations, convergence of synthesized signals and variance in diffusion-weighted measurements over a wide range of acquisition parameters. The scheme is demonstrated with cylinder-based substrates but is also readily applicable to other geometric primitives, such as spheres or triangles. The algorithm enables models with far larger substrates to be run with no additional computational cost. The improved sampling reduces bias and variance in synthetic measurements. The new method improves accuracy, precision, and reproducibility of synthetic measurements in Monte-Carlo simulation-based data synthesis. The larger substrates it makes possible are better able to capture the complexity of the tissue we are modeling, leading to reduced bias and variance in synthesised data, compared to existing implementation of MC simulations.

연구 동기 및 목표

• 기존 몬테카를로 시뮬레이션에서 기반 구조가 임상 스캔 볼륨보다 훨씬 작아서 발생하는 편향과 변동성 있는 합성 확산 가중 신호 문제를 해결하기 위해.
• 실제 볼륨 척도의 치수를 가진 기반 구조를 사용함으로써 합성 확산 MRI 데이터의 정확성과 정밀도를 향상시키기 위해.
• 교차 검사를 위한 동적 공간 분할 알고리즘을 도입하여 기반 구조 생성 및 동역학 시뮬레이션의 계산 병목 현상을 줄이기 위해.
• 새로운 방법으로 가능해진 더 큰 기반 구조가 합성 확산 측정에서 편향과 분산을 줄이는 데 기여함을 입증하기 위해.
• 표준 데스크톱 하드웨어에서 고해상도이고 생물학적으로 타당한 조직 모델(예: 감마 분포를 가진 반지름을 가진 밀도가 높은 실린더 집합)을 사용할 수 있도록 하기 위해.

제안 방법

• 기반 구조 부피를 균일한 공간 분할(격자)으로 나누며, 각 하위 볼륨에는 교차 가능성이 있는 기하학적 물체(예: 실린더) 목록이 포함된다.
• 기반 구조 생성 과정에서, 새로 배치된 실린더와 기존 실린더 간의 겹침을 효율적으로 확인하기 위해 동적 교차 지ap을 사용하여 브루트 포스 O(N²) 검사 방식을 피한다.
• 공간 분할은 동역학 시뮬레이션 뿐 아니라 초기 기반 구조 생성 단계에도 적용되어 총 물체 수에 관계없이 확장 가능한 성능을 보장한다.
• 격자 크기는 실린더 평균 반지름을 기반으로 하며, 메모리 사용과 계산 비용을 균형 잡기 위해 설정되며, 하위 볼륨 크기가 실린더 반지름의 모드와 직경 사이일 때 최적 성능을 보였다.
• 실린더 표면에서 탄성 반사가 발생하는 랜덤 워크 궤적을 사용하고, 스핀의 평균 제곱 이동 거리로부터 신호 감쇠를 계산한다.
• 각 기하학적 형태에 맞는 교차 검사를 적용함으로써 이 방법은 구, 삼각형 메쉬 등 다른 기하학적 원소로도 일반화 가능하다.

실험 결과

연구 질문

• RQ1 임상 스캔 볼륨의 물리적 크기와 동일한 기반 구조를 사용하는 몬테카를로 시뮬레이션은 효율적으로 확장될 수 있는가?
• RQ2 기반 구조 생성 단계에서 공간 분할을 적용하면 대규모 복잡한 조직 모델을 구축하는 데 드는 계산 비용이 크게 감소하는가?
• RQ3 기반 구조의 크기를 증가시키면 합성 확산 가중 신호 측정에서 편향과 분산이 어느 정도 감소하는가?
• RQ4 하위 볼륨 격자 크기의 선택이 시뮬레이션 성능과 정확도에 어떤 영향을 미치는가?
• RQ5 제안된 방법은 고성능 컴퓨팅 자원 없이도 표준 데스크톱 하드웨어에서 고정밀 합성 데이터 생성을 가능하게 하는가?

주요 결과

• 제안된 방법은 이전에는 계산 비용으로 인해 불가능했던 표준 데스크톱 하드웨어에서 최대 100만 개의 실린더를 포함한 기반 구조의 생성 및 시뮬레이션을 가능하게 했다.
• 공간 분할을 적용한 기반 구조 생성 시간은 분할에 따라 효율적으로 스케일링되며, 실질적으로 시간 복잡도를 O(N²)에서 O(N)으로 감소시켰고, 대규모 N에 대해서도 성능 저하 없이 작동한다.
• 임상 스캔 볼륨 크기(예: 1 mm³)와 유사한 기반 구조를 사용한 시뮬레이션은 표본 수가 1,000개를 초과할 경우 편향이 1% 이하로 크게 감소하는 것으로 나타났으며, 이는 이전의 작은 기반 구조로는 달성할 수 없었다.
• 새로운 방법으로 가능해진 큰 기반 구조를 사용할 경우 합성 확산 가중 측정의 신호 분산이 상당히 감소하여 합성 데이터의 재현성과 신뢰성이 향상되었다.
• 최적의 하위 볼륨 격자 크기는 실린더 반지름의 모드와 직경 사이에 위치하며, 넓은 최소값 영역을 보이므로 다양한 설정에서도 안정적인 성능을 유지할 수 있다.
• 비최적화된 방법 대비 시뮬레이션 시간이 10배 빨라졌으며, 가장 빠른 런은 3,000초, 가장 느린 최적화 런은 30,000초로 기록되었다.