[论文解读] A Fast Volume Integral Equation Solver with Linear Basis Functions for the Accurate Computation of Electromagnetic Fields in MRI

Ioannis P. Georgakis, Ilias I. Giannakopoulos+2 more|arXiv (Cornell University)|Feb 6, 2019

Microwave Imaging and Scattering Analysis参考文献 68被引用 9

一句话总结

本论文提出了一种基于不连续分段线性（PWL）基函数的快速、稳定体积积分方程（VIE）求解器，用于在高对比度、非均匀的磁共振成像（MRI）环境中实现高精度电磁（EM）场计算。通过采用矩法的伽辽金法结合FFT加速的矩阵-向量乘积以及一种新型预条件器，该求解器在粗分辨率下也实现了卓越的精度和收敛性，优于传统分段常数（PWC）方案，且自由度更少。

ABSTRACT

A stable volume integral equation (VIE) solver based on polarization/magnetization currents is presented, for the accurate and efficient computation of the electromagnetic scattering from highly inhomogeneous and high contrast objects.We employ the Galerkin Method of Moments to discretize the formulation with discontinuous piecewise linear basis functions on uniform voxelized grids, allowing for the acceleration of the associated matrix-vector products in an iterative solver, with the help of FFT. Numerical results illustrate the superior accuracy and more stable convergence properties of the proposed framework, when compared against standard low order (piecewise constant) discretization schemes and a more conventional VIE formulation based on electric flux densities. Finally, the developed solver is applied to analyze complex geometries, including realistic human body models, typically used in modeling the interactions between electromagnetic waves and biological tissue.

研究动机与目标

• 解决在高场MRI中典型的高度非均匀、高对比度生物组织中实现EM场计算的准确性和高效性挑战。
• 克服低阶（分段常数）基函数在精度和收敛稳定性方面的局限性，特别是在粗网格分辨率下。
• 开发一种稳定、快速的VIE求解器，适用于超高场MRI中患者特异性SAR计算和射频线圈建模，其中网格细化通常不切实际。
• 实现p-型细化（更高阶基函数）作为h-型细化的替代方案，以在不增加计算成本或自由度的情况下实现精度。
• 将求解器集成到现有的SIE基框架中，用于在真实人体模型（RHBMs）中实现EM相互作用的混合建模。

提出的方法

• 通过等效极化和磁化电流表述EM散射问题，以实现稳定的体积积分方程（VIE）公式化。
• 在统一的体素化网格上使用不连续分段线性（PWL）基函数和测试函数对VIE进行离散化，相较于分段常数函数，可更精确地表示场分布。
• 应用伽辽金法的矩法，以确保伽辽金正交性，提升数值稳定性和精度。
• 利用快速傅里叶变换（FFT）加速迭代求解器（如GMRES）中的矩阵-向量乘积，实现大规模问题的高效计算。
• 实现一种专用预条件器，以稳定迭代求解器，尤其在精细分辨率下，未预条件系统会发散。
• 采用统一的体素网格，以实现高效的基于FFT的矩阵-向量乘法，并保持与现有MRI建模流程的兼容性。

实验结果

研究问题

• RQ1 与标准分段常数（PWC）函数相比，不连续分段线性（PWL）基函数是否能显著提升VIE求解器在高对比度、非均匀MRI问题中的精度和收敛稳定性？
• RQ2 使用PWL基函数进行p-型细化在多大程度上可实现与使用PWC函数进行h-型细化相当的精度，同时减少自由度？
• RQ3 所提出的基于电流的VIE公式化结合PWL函数，在极细分辨率（如1 mm）下是否能保持数值稳定性和收敛性，而不会发散？
• RQ4 在高介电常数垫片等具有挑战性的场景下，所提出的预条件器在加速PWL基VIE系统迭代求解器收敛方面有多高效？
• RQ5 PWL基VIE求解器是否能可靠地在粗分辨率下计算真实人体模型（RHBMs）中的EM场和磁能，从而实现实际的患者特异性SAR分析？

主要发现

• 即使在较粗分辨率下，PWL基VIE求解器的精度也高于PWC基求解器：2 mm分辨率下的PWL磁能低于1 mm分辨率下的PWC，表明误差更小。
• 尽管自由度仅为1 mm PWC的一半，2 mm分辨率下的PWL求解器在磁能（error_h1）、磁能密度（error_h2）和磁场模值（error_h3）上的误差均低于1 mm PWC。
• 5 mm分辨率下的PWL解在精度上与2 mm PWC相当或更优，尽管PWC的自由度约为PWL的3.75倍。
• 未预条件化的PWL求解器在1 mm分辨率下会发散，但所提出的预条件器可稳定收敛，将迭代次数从3900次减少至700次，性能接近PWC求解器。
• 在预条件器作用下，PWL求解器能稳定且高效地收敛，使求解器在无需网格细化的高要求MRI仿真中具备实际应用价值。
• 所提出的框架可在包含高介电常数垫片的复杂RHBMs中实现高精度EM场计算，展现出在高对比度场景下的鲁棒性。