[논문 리뷰] Multidimensional Wavelet-based Regularized Reconstruction for Parallel Acquisition in Neuroimaging

Lotfi Chaâri, Sébastien Mériaux외 3명|arXiv (Cornell University)|2012. 01. 01.

Advanced MRI Techniques and Applications참고 문헌 44인용 수 7

한 줄 요약

이 논문은 3D-UWR-SENSE와 4D-UWR-SENSE를 제안하며, 뇌영상에서의 정상적 및 기능적 영상에서의 이미지 품질을 향상시키기 위해 3D 및 4D 웨이브렛 변환을 활용하는 고도화된 웨이브렛 기반 정규화 방법을 개발한다. 이는 횡단면 잡음과 기능적 영상 내 시간적 상관관계를 감소시켜 개선한다. 이 방법은 해부학적 및 기능적 영상에서 SENSE보다 뛰어난 성능을 보이며, 가속도 요인 R=2 및 R=4에서 확인된 성과를 기록한다.

ABSTRACT

Parallel MRI is a fast imaging technique that enables the acquisition of highly resolved images in space or/and in time. The performance of parallel imaging strongly depends on the reconstruction algorithm, which can proceed either in the original k-space (GRAPPA, SMASH) or in the image domain (SENSE-like methods). To improve the performance of the widely used SENSE algorithm, 2D- or slice-specific regularization in the wavelet domain has been deeply investigated. In this paper, we extend this approach using 3D-wavelet representations in order to handle all slices together and address reconstruction artifacts which propagate across adjacent slices. The gain induced by such extension (3D-Unconstrained Wavelet Regularized -SENSE: 3D-UWR-SENSE) is validated on anatomical image reconstruction where no temporal acquisition is considered. Another important extension accounts for temporal correlations that exist between successive scans in functional MRI (fMRI). In addition to the case of 2D+t acquisition schemes addressed by some other methods like kt-FOCUSS, our approach allows us to deal with 3D+t acquisition schemes which are widely used in neuroimaging. The resulting 3D-UWR-SENSE and 4D-UWR-SENSE reconstruction schemes are fully unsupervised in the sense that all regularization parameters are estimated in the maximum likelihood sense on a reference scan. The gain induced by such extensions is illustrated on both anatomical and functional image reconstruction, and also measured in terms of statistical sensitivity for the 4D-UWR-SENSE approach during a fast event-related fMRI protocol. Our 4D-UWR-SENSE algorithm outperforms the SENSE reconstruction at the subject and group levels (15 subjects) for different contrasts of interest (eg, motor or computation tasks) and using different parallel acceleration factors (R=2 and R=4) on 2x2x3mm3 EPI images.

연구 동기 및 목표

• 모든 슬라이스를 동시에 고려한 3D 웨이브렛 표현으로 2D 웨이브렛 정규화를 확장함으로써 병렬 MRI 재구성에서 횡단면 잡음을 감소시키는 것.
• 뇌영상에서 흔한 3D+t 획득 체계에서 시간적 상관관계를 통합함으로써 기능적 MRI 재구성 품질을 향상시키는 것. 이는 이전 방법에서 다소 간과된 요소이다.
• 기준 스캔에서 최대우도 기반으로 모든 매개변수를 추정함으로써 완전히 비지도 정규화를 개발함으로써 수동 조정을 제거하는 것.
• 특히 이벤트 기반 fMRI에서 통계적 민감도를 향상시키기 위해, 해부학적 및 기능적 MRI 재구성에서의 성능을 주체 수준과 그룹 수준 모두에서 검증하는 것.

제안 방법

• 모든 슬라이스를 동시에 재구성하기 위해 3D 웨이브렛 변환을 사용하여 상하좌우 슬라이스 간 상관관계를 포착하고, 슬라이스 간 잡음 전파를 감소시킨다.
• 기능적 MRI의 경우, 동적 스캔에서의 시간적 부족함을 활용하기 위해 4D(3D + 시간) 웨이브렛 표현으로 확장된다.
• 모든 매개변수를 기준 스캔에서 최대우도 기반으로 추정하여 완전한 비지도 상태를 확보함과 동시에 웨이브렛 도메인에서 희박성 촉진 페널티를 적용하여 정규화를 수행한다.
• 프레임워크는 SENSE 재구성 모델을 기반으로 하지만, 다차원 웨이브렛 기반 정규화를 통합하여 희박성 향상과 노이즈 억제를 향상시킨다.
• 표준 병렬 영상 프rotocol, 특히 등방성 2x2x3mm³ 해상도의 EPI 시퀀스와도 호환되도록 설계되었다.
• 매개변수 추정은 완전히 자동화되어 사용자 정의 정규화 가중치를 방지하고 주체 및 스캔 간 복제 가능성 향상에 기여한다.

실험 결과

연구 질문

• RQ1 3D 웨이브렛 정규화는 슬라이스 별 2D 정규화 대비 병렬 MRI 재구성에서 횡단면 잡음을 감소시키는가?
• RQ2 3D+t 웨이브렛 표현에서 시간적 상관관계를 통합하면, kt-FOCUSS와 같은 2D+t 방법에 비해 기능적 MRI 재구성 품질을 어떻게 향상시키는가?
• RQ3 최대우도 기반으로 완전히 비지도 매개변수 추정 전략이 재구성의 강건성과 복제 가능성에 얼마나 기여하는가?
• RQ4 4D-UWR-SENSE 방법은 고가속도 요인(R=2 및 R=4)에서 이벤트 기반 fMRI 프rotocol에서 통계적 민감도를 향상시키는가?
• RQ5 뇌영상 연구에서 주체 수준과 그룹 수준 모두에서 표준 SENSE에 비해 제안된 방법은 이미지 품질과 탐지 능력 측면에서 어떻게 비교되는가?

주요 결과

• 4D-UWR-SENSE 방법은 고속 이벤트 기반 fMRI 프로토콜에서 표준 SENSE보다 통계적 민감도에서 뛰어난 성능을 보이며, R=2 및 R=4 가속도 요인에서 뚜렷한 향상이 관찰되었다.
• 3D-UWR-SENSE 방법은 3D 웨이브렛 변환을 통해 상하좌우 슬라이스 간 상관관계를 활용함으로써 횡단면 잡음을 효과적으로 감소시켜 해부학적 이미지 품질을 향상시켰다.
• 최대우도 기반 완전한 비지도 매개변수 추정은 수동 조정 없이 주체 간 일관된 성능을 보장하여 복제 가능성 향상에 기여했다.
• 그룹 수준의 fMRI 분석에서, 4D-UWR-SENSE는 SENSE보다 운동 및 계산 작업에 대한 탐지 능력이 향상되어 강건성을 확인했다.
• 이 방법은 해부학적 및 기능적 영상 모두에서 뛰어난 재구성 품질을 달성하였으며, 2x2x3mm³ EPI 자료에서 이미지 정밀도 및 통계적 민감도 향상이 측정되었다.