[논문 리뷰] Sparse MRI for motion correction

Zai Yang, Cishen Zhang외 1명|arXiv (Cornell University)|2013. 02. 01.

Sparse and Compressive Sensing Techniques참고 문헌 10인용 수 4

한 줄 요약

이 논문은 압축 감지 원리를 사용하여 강체 이동 운동과 운동 없는 영상을 동시에 추정함으로써 자기공명영상(MRI)에 대한 흐트러진 이동 보정 방법을 제안한다. 운동을 샘플링 시스템 내의 알 수 없는 매개변수로 설정하고, 웨이브렛 도메인에서 영상의 희박성 특성을 활용함으로써 추가적인 k-space 데이터나 내비게이터 에코가 필요 없이 아티팩트를 감소시킨다. 편향된 영상에서 거의 완벽한 복원을 달성하였고, 노이즈와 이동이 존재하는 상황에서도 시뮬레이션된 뇌 영상에서 심각한 아티팩트 억제 효과를 보였다.

ABSTRACT

MR image sparsity/compressibility has been widely exploited for imaging acceleration with the development of compressed sensing. A sparsity-based approach to rigid-body motion correction is presented for the first time in this paper. A motion is sought after such that the compensated MR image is maximally sparse/compressible among the infinite candidates. Iterative algorithms are proposed that jointly estimate the motion and the image content. The proposed method has a lot of merits, such as no need of additional data and loose requirement for the sampling sequence. Promising results are presented to demonstrate its performance.

연구 동기 및 목표

• 영상의 희박성을 사전 지식으로 활용하여 이동으로 인한 왜곡이 있는 MRI 복원 문제의 부족한 해를 해결.
• 추가적인 k-space 데이터나 특정 샘플링 시퀀스가 필요한 기존 내비게이터 기반 방법의 한계를 극복.
• 추가적인 촬영이 없는 완전 샘플링된 k-space 데이터에 직접 작용하는 이동 보정 프레임워크 개발.
• 작은 이동에서 중간 수준의 이동까지 유지하면서도 높은 이미지 정밀도를 확보.
• 반복적 희박한 복원 알고리즘을 사용하여 운동과 영상 내용의 동시 추정 가능성을 입증.

제안 방법

• 이동으로 인한 훼손된 k-space 데이터를 이동 자유 영상의 위상 이동된 형태로 표현하며, M̄ = Tβℱm⁰로 기술한다.
• 복원된 영상의 웨이브렛 계수에 대한 ℓ1-노름 최소화를 통해 웨이브렛 도메인에서의 희박성 제약 조건을 도입한다.
• 훼손된 k-space 데이터와 일치하는 희박한 영상을 찾는 탈출 문제를 해결하기 위해 이완된 평균 교차 반복(RAAR) 알고리즘을 사용한다.
• 희박성 제약 조건 집합(S₁)과 푸리에 도메인 일致성 집합(S₂)에 번갈아가며 투영하는 반복 알고리즘을 구현하며, 이완 매개변수 θ = 0.9를 사용한다.
• 진짜 운동 없는 데이터로의 수렴을 향상시키기 위해 훼손된 데이터의 절댓값을 취하여 진폭을 유지한다.
• 초기 복원은 훼손된 데이터의 표준 역 푸리에 변환으로 시작한 후, SRAAR 알고리즘을 사용해 반복적으로 개선한다.

실험 결과

연구 질문

• RQ1 추가적인 k-space 데이터 없이도 영상의 희박성을 효과적으로 활용하여 MRI에서 이동 이동을 보정할 수 있는가?
• RQ2 희박성 제약 조건 하에서 운동과 영상 콘텐츠의 동시 추정을 제약 최적화 문제로 어떻게 수식화할 수 있는가?
• RQ3 추가 데이터를 확보하지 못한 상황에서 희박성 기반 접근 방식이 기존 내비게이터 기반 방법보다 얼마나 뛰어나게 성능을 발휘할 수 있는가?
• RQ4 노이즈와 다양한 운동 진폭 조건에서 제안된 방법은 어떻게 작동하는가?
• RQ5 RAAR와 같은 반복적 투영 알고리즘은 운동 추정과 고해상도 MRI 영상 복원을 동시에 수행하도록 어떻게 적응시킬 수 있는가?

주요 결과

• 제안된 SRAAR 알고리즘은 100회의 반복 후 Shepp-Logan 편향 영상에서 거의 완벽한 복원을 달성하여 이상적인 조건에서 높은 정확도를 입증하였다.
• 작은 이동 운동(5 픽셀 이내)이 있는 시뮬레이션된 인간 뇌 영상에 대해서도 이동 아티팩트를 효과적으로 억제하였으며, 노이즈 존재 조건에서도 잔여 아티팩트 외에는 거의 보이지 않았다.
• 노이즈와 중간 수준의 운동에 대해 강건성을 보였지만, 큰 운동 진폭(이전 사례의 3배 이상)에서는 성능 저하가 발생하여 극단적 운동 상황에서는 한계를 드러냈다.
• SRAAR 알고리즘의 각 반복은 3GHz CPU에서 약 1초가 소요되어 256×256 영상의 복원이 몇 분 내로 가능하여 계산 가능성 입증.
• 푸리에 일치성 집합에 대한 투영 과정에서 독립된 읽기선들에 대해 운동 추정을 병렬화함으로써 알고리즘의 가속화 가능.
• 내비게이터 에코나 오버샘플링이 필요 없어, 촬영 효율성과 하드웨어 요구사항 측면에서 전통적 운동 보정 기법에 비해 뚜렷한 이점 제공.