[논문 리뷰] Simultaneous Reduction of Two Common Autocalibration Errors in GRAPPA EPI Time Series Data

Daniel Sheltraw, Ben Inglis외 2명|arXiv (Cornell University)|2012. 08. 05.

Advanced MRI Techniques and Applications참고 문헌 13인용 수 6

한 줄 요약

이 논문은 GRAPPA EPI 시간 시리즈에서 발생하는 두 가지 주요 자동교정 오차를 동시에 감소시키는 방법을 제안한다: R-shot ACS 수득 중 상호 촬영 간 신호 편향으로 인한 아티팩트와 최적화되지 않은 ACS 데이터 선택. 위상 보정 스캔을 편향 민감성 내비게이터로 사용하여, 가장 깨끗한 완전한 ACS 데이터 세트를 선택하기 위한 근미분제곱(deviation) 지표를 계산함으로써, 추가 스캔 시간을 최소화하면서도 영상 품질과 시간적 SNR를 크게 향상시킨다.

ABSTRACT

The GRAPPA (GeneRalized Autocalibrating Partially Parallel Acquisitions) method of parallel MRI makes use of an autocalibration scan (ACS) to determine a set of synthesis coefficients to be used in the image reconstruction. For EPI time series the ACS data is usually acquired once prior to the time series. In this case the interleaved R-shot EPI trajectory, where R is the GRAPPA reduction factor, offers advantages which we justify from a theoretical and experimental perspective. Unfortunately, interleaved R-shot ACS can be corrupted due to perturbations to the signal (such as direct and indirect motion effects) occurring between the shots, and these perturbations may lead to artifacts in GRAPPA-reconstructed images. Consequently we also present a method of acquiring interleaved ACS data in a manner which can reduce the effects of inter-shot signal perturbations. This method makes use of the phase correction data, conveniently a part of many standard EPI sequences, to assess the signal perturbations between the segments of R-shot EPI ACS scans. The phase correction scans serve as navigator echoes, or more accurately a perturbation-sensitive signal, to which a root-mean-square deviation perturbation metric is applied for the determination of the best available complete ACS data set among multiple complete sets of ACS data acquired prior to the EPI time series. This best set (assumed to be that with the smallest valued perturbation metric) is used in the GRAPPA autocalibration algorithm, thereby permitting considerable improvement in both image quality and temporal signal-to-noise ratio of the subsequent EPI time series at the expense of a small increase in overall acquisition time.

연구 동기 및 목표

• R-shot 자동교정 스캔 중 촬영 간의 신호 편향으로 인해 발생하는 GRAPPA 재구성 EPI 시간 시리즈의 아티팩트를 해결하기 위해.
• 병렬 영상 EPI에서 이미지 품질과 시간적 신호 대비비율(tSNR)을 향상시키기 위해 가장 안정적인 ACS 데이터 세트를 선택하기 위해.
• 기존의 위상 보정 스캔을 활용하여 ACS 수득 중 촬영 간의 신호 편향을 감지하기 위해.
• 최소한의 편향 지표를 가진 ACS 데이터 세트를 선택함으로써 강력한 GRAPPA 재구성을 가능하게 하여 오차 전파를 최소화하기 위해.
• 아티팩트 감소와 함께 고속도 가속 효율성을 유지하기 위해, 필드 비균일성과 운동 유도 신호 이격으로 인한 오차를 줄이기 위해.

제안 방법

• R-shot 혼합 EPI 궤적을 사용하여 자동교정 스캔(ACS) 데이터를 획득함으로써, 1-shot ACS에 비해 필드 비균일성에 더 잘 대응할 수 있도록 함.
• 기본적인 EPI 시퀀스에 이미 존재하는 위상 보정 스캔을 이용하여, ACS 촬영 세그먼트 간의 신호 안정성을 모니터링하는 내비게이터 에코로 활용함.
• 사전 시간 시리즈 수득 이전에 획득한 다수의 완전한 ACS 데이터 세트 간의 신호 편향을 정량화하기 위해 근미분제곱(RMS) 편차 지표를 적용함.
• 가장 작은 RMS 편차 값을 가진 ACS 데이터 세트를 GRAPPA 자동교정에 최적의 입력으로 선택하여, 손상된 데이터에서 기인하는 오차를 최소화함.
• 선택된 최적의 ACS 데이터를 GRAPPA 재구성 과정에 구현하여, 코ils 감도 정보를 이용해 누락된 k-스페이스 라인들을 합성함.
• 블록 단위 계수 추정 전략을 적용하여, 코일 감도와 시스템 연산자의 공간적 변화가 느리다고 가정하고 국소적으로 계수를 계산함.

실험 결과

연구 질문

• RQ1 R-shot ACS 수득 중 촬영 간의 신호 편향은 EPI 시간 시리즈의 GRAPPA 재구성 품질에 어떤 영향을 미치는가?
• RQ2 위상 보정 스캔을 효과적으로 내비게이터로 재활용하여 ACS 데이터의 불안정성과 편향을 감지하고 정량화할 수 있는가?
• RQ3 가장 편향이 적은 ACS 데이터 세트를 선택하는 것이 GRAPPA 재구성 EPI 시간 시리즈의 이미지 품질과 시간적 SNR에 어떤 영향을 미치는가?
• RQ4 RMS 편차 지표는 다른 선택 기준에 비해 가장 신뢰할 수 있는 ACS 데이터 세트를 식별하는 데 어떻게 비교되는가?
• RQ5 제안된 방법은 표준 1-shot 또는 선택되지 않은 R-shot ACS 접근 방식에 비해 아티팩트를 얼마나 줄이는가?

주요 결과

• 제안된 방법은 R-shot ACS 수득 중 촬영 간의 신호 편향으로 인한 아티팩트를 감소시킴으로써, GRAPPA 재구성 EPI 시간 시리즈의 영상 품질을 크게 향상시킨다.
• 시간적 신호 대비비율(tSNR)은 가장 낮은 RMS 편차 지표를 가진 ACS 데이터 세트를 선택함으로써 뚜렷이 향상된다.
• 위상 보정 스캔을 내비게이터로 활용함으로써, 추가 하드웨어나 시퀀스 수정 없이도 ACS 데이터 안정성에 대한 강력하고 실시간 평가가 가능해진다.
• 이 방법은 높은 가속 효율성을 유지하며 표준 EPI 시퀀스와 호환되며, 구현을 위해 소프트웨어 수준의 미세한 변경만 필요로 한다.
• 최적의 ACS 데이터 세트 선택은 누락된 k-스페이스 라인의 더 정확한 합성으로 이어져 재구성 오차를 줄이고 신뢰도를 향상시킨다.
• 이 방법은 필드 강도가 높고 감도 계수도 높을수록 필드 비균일성과 신호 이격이 더 두드러지므로 특히 효과적이다.