[논문 리뷰] Spatially regularized reconstruction of fibre orientation distributions in the presence of isotropic diffusion

Quan Zhou, Oleg Michailovich외 1명|arXiv (Cornell University)|2014. 01. 23.

Advanced Neuroimaging Techniques and Applications참고 문헌 29인용 수 4

한 줄 요약

이 논문은 고각도 해상도 확산 영상(HARDI)에서 섬유 방향 분포(fODFs)를 재구성하기 위해 공간적 정규화를 통한 구면 deconvolution(SCSD) 방법을 제안한다. 이 방법은 백색질 피질의 공간 연속성과 등방성 확산을 통합하여, 중간에서 심한 노이즈 및 부분 볼륨 효과 하에서도 방향 해상도와 강인성을 향상시킨다. 시뮬레이션 및 생체 내 실험에서 기존 방법들을 능가한다.

ABSTRACT

The connectivity and structural integrity of the white matter of the brain is nowadays known to be implicated into a wide range of brain-related disorders. However, it was not before the advent of diffusion Magnetic Resonance Imaging (dMRI) that researches have been able to examine the properties of white matter in vivo. Presently, among a range of various methods of dMRI, high angular resolution diffusion imaging (HARDI) is known to excel in its ability to provide reliable information about the local orientations of neural fasciculi (aka fibre tracts). Moreover, as opposed to the more traditional diffusion tensor imaging (DTI), HARDI is capable of distinguishing the orientations of multiple fibres passing through a given spatial voxel. Unfortunately, the ability of HARDI to discriminate between neural fibres that cross each other at acute angles is always limited, which is the main reason behind the development of numerous post-processing tools, aiming at the improvement of the directional resolution of HARDI. Among such tools is spherical deconvolution (SD). Due to its ill-posed nature, however, SD standardly relies on a number of a priori assumptions which are to render its results unique and stable. In this paper, we propose a different approach to the problem of SD in HARDI, which accounts for the spatial continuity of neural fibres as well as the presence of isotropic diffusion. Subsequently, we demonstrate how the proposed solution can be used to successfully overcome the effect of partial voluming, while preserving the spatial coherency of cerebral diffusion at moderate-to-severe noise levels. In a series of both in silico and in vivo experiments, the performance of the proposed method is compared with that of several available alternatives, with the comparative results clearly supporting the viability and usefulness of our approach.

연구 동기 및 목표

• 낮은 b값에서 부분 볼륨 효과와 노이즈로 인해 HARDI의 방향 해상도가 제한되는 문제를 해결하기 위해.
• 섬유 방향 분포(fODFs) 재구성에서 구면 deconvolution(SD)의 안정성과 정확도를 향상시키기 위해.
• 신경 섬유의 공간 연속성과 등방성 확산을 SD 프레임워크에 통합하여 더 생물학적으로 타당한 재구성을 가능하게 하기 위해.
• 낮은 신호 대 노이즈 비율에서 공간 일관성을 유지하는 볼록이고 계산적으로 다룰 수 있는 최적화 방법을 개발하기 위해.
• 현실적인 노이즈와 복잡한 섬유 구성 조건에서 기존의 SD 및 ODF 재구성 방법보다 뛰어난 성능을 입증하기 위해.

제안 방법

• 이 방법은 구면 deconvolution을 가우시안 노이즈를 가정하는 데이터 적합성 항과 fODFs의 공간 연속성을 강제하는 총 변동(TV) 정규화 항을 포함하는 볼록 최적화 문제로 공식화한다.
• 등방성 확산을 등장하는 구면 조화 기저에 상수 항을 포함시켜 모델링함으로써 등방성 및 이방성 확산 성분을 분리할 수 있도록 한다.
• 문제는 주파수 도메인 접근을 사용하여 효율적으로 해결되며, 유한 임펄스 응답(FIR) 필터를 사용한 주파수 도메인 필터링 연산으로 변환된다.
• FIR 필터는 방향 차분 연산자의 주파수 응답의 역수에서 유도되며, 계산 효율성을 위해 7×7×7 박자로 잘라낸다.
• 비매끄러운 TV-정규화 문제를 해결하기 위해 분할 브레그만 알고리즘을 사용하여 효율적이고 안정적인 수렴을 가능하게 한다.
• 이 방법은 다중 쉘 HARDI 프레임워크에 구현되어, 낮은 b값(예: 1000 s/mm²)에서도 강인한 재구성을 가능하게 한다.

실험 결과

연구 질문

• RQ1 구면 deconvolution에서 공간 정규화가 노이즈 및 부분 볼륨 효과가 존재하는 상황에서 fODF 추정의 정확성과 안정성 향상에 기여하는가?
• RQ2 SD 프레임워크에 등방성 확산을 통합할 경우, 복잡한 섬유 구성의 재구성에 어떤 영향을 미치는가?
• RQ3 총 변동을 통한 공간 연속성 강제가 기존의 표준 SD 방법 대비 더 일관되고 생물학적으로 타당한 fODF 지도를 제공하는가?
• RQ4 제안된 방법이 기존의 QBI 및 SD 기법 대비 낮은 b값에서 뛰어난 방향 해상도를 달성할 수 있는가?
• RQ5 이 방법의 계산 복잡도는 임상 및 연구 환경에서의 실용적 응용에 대해 다룰 수 있을 정도로 관리 가능한가?

주요 결과

• 제안된 SCSD 방법은 기존 방법이 실패하는 낮은 b값(예: 1000 s/mm²)에서도 fODF 재구성에서 방향 해상도를 크게 향상시킨다.
• 시뮬레이션 실험에서 SCSD는 표준 SD 및 QBI보다 60° 각도에서 더 높은 각도 해상도와 교차 섬유의 더 나은 복원을 달성했다.
• 중간에서 심한 노이즈 수준에 대해 강인성을 보였으며, 공간 일관성을 유지하고 임의의 fODF 피크를 감소시켰다.
• 생체 내 결과에서는 더 나은 트락토그래피 품질과 복잡한 섬유 구조가 있는 영역에서 더 일관된 fODF 지도를 보였다.
• 자르기된 FIR 필터를 사용함으로써 1% 미만의 오차로 효율적인 선형 복잡도 필터링이 가능해져 대규모 데이터에 대한 실용성을 확보했다.
• 모의 및 실제 데이터에서 fODF 피크의 날카움과 각도 오차 등의 정량적 지표에서 최신 기술보다 뛰어난 성능을 보였다.