[논문 리뷰] Spatial two tissue compartment model for DCE-MRI

Julia Sommer, Volker Schmid|arXiv (Cornell University)|2012. 09. 05.

MRI in cancer diagnosis참고 문헌 38인용 수 10

한 줄 요약

이 논문은 DCE-MRI를 위한 박자별 이중조직 복합 모델에서 매개변수 추정을 안정화하기 위해 가우시안 마르코프 무작위 필드(GMRFs)를 사용하는 공간적으로 정규화된 베이지안 계층 모델을 제안한다. 이론적 이웃 병변 간의 강도를 빌려쓰는 방식으로, 매개변수 중복 문제를 해결하고 이질적인 조직, 특히 종양 가장자리에서 신뢰할 수 있는 동학 매개변수 추정을 가능하게 하며, 표준 비선형 회귀에 비해 안정성과 해석 가능성 향상.

ABSTRACT

In the quantitative analysis of Dynamic Contrast-Enhanced Magnetic Resonance Imaging (DCE-MRI) compartment models allow to describe the uptake of contrast medium with biological meaningful kinetic parameters. As simple models often fail to adequately describe the observed uptake behavior, more complex compartment models have been proposed. However, the nonlinear regression problem arising from more complex compartment models often suffers from parameter redundancy. In this paper, we incorporate spatial smoothness on the kinetic parameters of a two tissue compartment model by imposing Gaussian Markov random field priors on them. We analyse to what extent this spatial regularisation helps to avoid parameter redundancy and to obtain stable parameter estimates. Choosing a full Bayesian approach, we obtain posteriors and point estimates running Markov Chain Monte Carlo simulations. The proposed approach is evaluated for simulated concentration time curves as well as for in vivo data from a breast cancer study.

연구 동기 및 목표

• DCE-MRI에서 복잡한 복합 모델로 인해 발생하는 비선형 회귀 문제에서의 매개변수 중복 문제를 해결하기 위해.
• 특히 종양 가장자리에서 이질성 있는 조직에서 동학 매개변수 추정의 안정성과 식별 가능성 향상을 위해.
• 조직의 공간적 상관관계를 활용하는 박자별 피팅 방법을 개발하기 위해.
• GMRF 사전분포를 통한 공간 정규화가 낮은 신호 대 잡음비 조건에서 매개변수 추정 정확성과 강건성 향상에 기여하는지 평가하기 위해.
• 임상적 관련성을 입증하기 위해 실생활 유방암 데이터를 사용하여 효과적 자유도 $p_D$를 조직 이질성의 척도로 제안하기 위해.

제안 방법

• 로그 동학 매개변수에 대해 가우시안 마르코프 무작위 필드(GMRF) 사전분포를 도입하여 이웃 병변 간의 공간적 매끄러움을 강제하는 계층 베이지안 모델을 구성한다.
• 두 조직 복합 구조를 사용하며, 별도의 이행 속도 $K^{ ext{trans}}_1$, $K^{ ext{trans}}_2$와 속도 상수 $k_{ ext{ep}_1}$, $k_{ ext{ep}_2}$를 사용하여 농도-시간 곡선(CTC)을 기술한다.
• 비선형 회귀는 마르코프 체인 몬테카를로(MCMC) 샘플링을 통해 후행 분포와 매개변수의 점 추정치를 확보한다.
• 우도 함수는 동맥 투여 함수(AIF)와 두 지수 감쇠의 합의 컨볼루션 기반으로 구성되며, 이는 두 조직 복합체를 나타낸다.
• 정밀도 매개변수 $\tau_{\theta_k}^i$ 및 $\tau_{\gamma_k}^i$를 포함한 모든 조건부 분포를 유도하여 MCMC 알고리즘에서 지그램 샘플링을 가능하게 한다.
• 모델 복잡성과 조직 이질성의 척도로 효과적 매개변수 수 $p_D$를 계산하며, 네 매개변수 모델조차도 $p_D$ 값이 흔히 1.5를 초과하지 않는다.

실험 결과

연구 질문

• RQ1 GMRF 사전분포를 통한 공간 정규화가 DCE-MRI를 위한 박자별 이중조직 복합 모델에서 매개변수 중복을 얼마나 줄이는가?
• RQ2 제안된 베이지안 접근법이 이질성 있는 조직, 특히 종양 가장자리에서 안정적이고 해석 가능한 동학 매개변수 추정치를 제공할 수 있는가?
• RQ3 공간 상관관계를 포함함으로써 낮은 신호 대 잡음비 조건에서 매개변수 추정이 어떻게 향상되는가?
• RQ4 효과적 자유도 $p_D$는 표준 동학 매개변수를 넘어서 조직 이질성에 대한 유의미한 통찰을 제공하는가?
• RQ5 모델이 시뮬레이션 데이터와 실생활 유방암 데이터에서 표준 단일복합 모델에 비해 어떻게 성능을 발휘하는가?

주요 결과

• GMRF 사전분포를 통한 공간 정규화가 매개변수 중복을 크게 감소시켜 낮은 신호 대 잡음비 조건에서도 안정적인 동학 매개변수 추정이 가능하다.
• 시뮬레이션 데이터에서, 표준 비선형 회귀에 비해 분산이 감소한 상태에서 진짜 매개변수 값을 성공적으로 복원하였다.
• 실생활 유방암 데이터에서 종양 가장자리에서 두 번째 복합체($K^{ ext{trans}}_2$)는 비영이었고 생물학적으로 의미 있는 값을 보였다. 이는 이질성 있는 조직을 개선된 방식으로 모델링한 결과이다.
• 치료 후, 두 번째 복합체가 기여한 병변 수가 감소하였고, $p_D$ 값도 낮아져 조직 이질성이 감소한 것을 반영하였다.
• 효과적 매개변수 수 $p_D$는 네 매개변수 모델조차도 흔히 1.5를 초과하지 않았으며, 이는 복잡도 증가에도 불구하고 모델이 여전히 단순성 유지함을 시사한다.
• MCMC 샘플링을 통한 베이지안 프레임워크는 전체 후행 분포를 제공하여 불확실성 정량화와 동학 매개변수의 개선된 해석 가능성을 가능하게 하였다.