[论文解读] OCMR (v1.0)--Open-Access Multi-Coil k-Space Dataset for Cardiovascular Magnetic Resonance Imaging

Chong Chen, Yingmin Liu+6 more|arXiv (Cornell University)|Aug 8, 2020

Advanced MRI Techniques and Applications参考文献 28被引用 29

一句话总结

OCMR (v1.0) 是一个开放获取的多线圈 k 空间数据集，包含 53 个完全采样和 212 个前瞻性 undersampled 心脏电影 MRI 扫描，旨在实现对加速心血管 MRI 重建技术的客观评估与比较。该数据集支持对图像重建方法的定量与定性评估，尤其适用于自由呼吸、加速成像，并可通过 MATLAB 和 Python 接口访问，采用 ISMRMRD 兼容的 HDF5 格式。

ABSTRACT

Cardiovascular MRI (CMR) is a non-invasive imaging modality that provides excellent soft-tissue contrast without the use of ionizing radiation. Physiological motions and limited speed of MRI data acquisition necessitate development of accelerated methods, which typically rely on undersampling. Recovering diagnostic quality CMR images from highly undersampled data has been an active area of research. Recently, several data acquisition and processing methods have been proposed to accelerate CMR. The availability of data to objectively evaluate and compare different reconstruction methods could expedite innovation and promote clinical translation of these methods. In this work, we introduce an open-access dataset, called OCMR, that provides multi-coil k-space data from 53 fully sampled and 212 prospectively undersampled cardiac cine series.

研究动机与目标

• 为解决缺乏公开可用、标准化的数据集以评估和比较加速心血管 MRI 重建方法的问题。
• 通过提供一个共享的数据平台，支持先进重建技术（尤其是基于机器学习的技术）的临床转化。
• 实现对重建算法的定量比较（使用完全采样扫描）和定性评估（使用自由呼吸、前瞻性 undersampled 扫描）。
• 提供去标识化、高保真的 k 空间数据，涵盖多种心脏电影采集，以支持可重复研究。
• 为未来扩展至其他 CMR 应用（如 2D 相位对比 MRI）奠定基础。

提出的方法

• 该数据集从 53 个完全采样和 212 个前瞻性 undersampled 心脏电影 MRI 扫描中收集多线圈 k 空间数据，使用临床 MRI 扫描仪采集。
• 数据以 ISMRMRD 兼容的 HDF5 格式存储，具有九维数组结构：[kx, ky, kz, coil, phase, set, slice, rep, avg]。
• 提供 MATLAB 包装器（read_ocmr.m）和 Python 接口（read_ocmr.py），实现数据的无缝加载和参数提取。
• 数据集包含一个结构体（param）中的采集参数，如 FOV、时间分辨率、翻转角和序列类型，以支持精确的重建与分析。
• 建议进行预处理步骤，如沿读出方向进行 1D FFT 及对中心 50% 进行裁剪，以校正读出方向的 2 倍过采样。
• 所有数据均已去标识化，并经人工检查以确保移除受保护的健康信息和面部特征。

实验结果

研究问题

• RQ1 现有及新型图像重建算法在高度 undersampled、自由呼吸的心脏电影 MRI 数据上的表现如何？
• RQ2 标准化的、开放获取的 k 空间数据集在多大程度上能提升重建方法评估的可重复性与公平性？
• RQ3 同时包含完全采样和前瞻性 undersampled 数据是否能够实现对重建技术的定量与定性基准测试？
• RQ4 不同的采样模式（如伪随机、非对称回波）如何影响重建性能和图像质量？
• RQ5 多线圈数据结构和采集参数对基于机器学习的重建模型的泛化能力有何影响？

主要发现

• OCMR (v1.0) 提供 53 个完全采样和 212 个前瞻性 undersampled 心脏电影 MRI 数据集，所有数据均包含多线圈 k 空间数据和去标识化的患者信息。
• 该数据集可通过 MATLAB 和 Python 接口访问，内置 ISMRMRD 兼容的 HDF5 文件读取和参数提取包装器。
• k 空间数据在九维上进行结构化组织，包括空间编码、线圈元件、时间帧以及重复/平均，支持详细的重建分析。
• 空间分辨率可使用以下公式从 FOV 和 k 空间大小计算得出：[FOV(1)/size(kData,1), FOV(2)/size(kData,2), FOV(3)/size(kData,3)]。
• 读出方向包含两倍过采样，因此需通过 1D FFT 和中心裁剪进行预处理，以恢复正确的 FOV。
• 该数据集旨在同时支持使用完全采样数据的定量评估和使用 undersampled、自由呼吸数据的定性评估。