[论文解读] Dictionary-free MR Fingerprinting reconstruction of balanced-GRE sequences

Alessandro Sbrizzi, Tom Bruijnen+3 more|arXiv (Cornell University)|Nov 24, 2017

Advanced MRI Techniques and Applications参考文献 28被引用 12

一句话总结

该论文提出了一种无需字典的平衡-FLASH MR指纹成像重建方法，通过将参数估计建模为非线性最小二乘问题，实现了无需预先计算字典的鲁棒、精确的定量映射。通过设计低通序列以确保平滑的瞬态信号响应，该方法生成了行为良好的优化景观，使得在高度欠采样的数据上使用迭代求解器能够实现全局收敛，该方法在仿真和1.5T临床扫描中得到验证。

ABSTRACT

Magnetic resonance fingerprinting (MRF) can successfully recover quantitative multi-parametric maps of human tissue in a very short acquisition time. Due to their pseudo-random nature, the large spatial undersampling artifacts can be filtered out by an exhaustive search over a pre-computed dictionary of signal fingerprints. This reconstruction approach is robust to large data-model discrepancies and is easy to implement. The curse of dimensionality and the intrinsic rigidity of such a precomputed dictionary approach can however limit its practical applicability. In this work, a method is presented to reconstruct balanced gradient-echo (GRE) acquisitions with established iterative algorithms for nonlinear least-squares, thus bypassing the dictionary computation and the exhaustive search. The global convergence of the iterative approach is investigated by studying the transient dynamic response of balanced GRE sequences and its effect on the minimization landscape. Experimental design criteria are derived which enforce sensitivity to the parameters of interest and successful convergence. The method is validated on simulated and experimentally acquired MRI data. Keywords: MR Fingerprinting, quantitative MRI, Bloch equation, nonlinear least squares, sequence design.

研究动机与目标

• 为克服基于字典的MR指纹成像的局限性，如高内存占用、离散化误差以及难以纳入B1+和失谐等附加参数。
• 实现在不依赖详尽字典匹配的前提下，从高度欠采样的平衡-FLASH数据中准确重建多参数图（T1、T2、ρ、ω、B1+、φ）。
• 开发一种序列设计策略，通过塑造最小化景观，确保迭代非线性最小二乘求解器的全局收敛性。
• 通过在1.5T扫描仪上获取的仿真和实验数据，验证该无字典方法的可行性和准确性。

提出的方法

• 利用Bloch方程对平衡-FLASH序列中的信号演化进行建模，将MR指纹成像重建表述为非线性最小二乘问题。
• 通过求解一个优化问题来设计低通序列，以最大化对T1、T2及其他参数的敏感性，同时确保平滑的瞬态信号响应。
• 使用基于梯度的迭代算法（例如Levenberg–Marquardt）最小化数据保真度代价函数，避免了字典计算的需求。
• 将空间变化的参数（如B1+发射场、收发相位φ以及层面轮廓效应）纳入信号模型，以提高精度。
• 应用实验设计原理，将目标函数塑造成类似盆地的凸形轮廓，以促进全局收敛。
• 使用数值仿真和临床1.5T扫描仪获取的体内数据对方法进行验证，并与标准的基于字典的方法进行比较。

实验结果

研究问题

• RQ1 非线性最小二乘优化能否成功应用于无需预先计算字典的平衡-FLASH序列MR指纹成像重建？
• RQ2 序列的瞬态信号响应如何影响非线性最小二乘优化的收敛景观？
• RQ3 何种序列设计标准可确保在无字典重建中实现全局收敛，并对T1、T2、ρ、ω、B1+和φ具有高敏感性？
• RQ4 所提出的方法能否在高度欠采样的真实世界数据上实现准确的定量映射，且无字典相关伪影或离散化误差？
• RQ5 在信号模型中包含B1+和层面轮廓效应如何影响重建精度和收敛稳定性？

主要发现

• 所提出的无字典方法成功地利用迭代非线性最小二乘优化，从高度欠采样的平衡-FLASH数据中重建出准确的T1、T2、ρ、ω、B1+和φ图。
• 采用平滑瞬态响应设计的序列产生了行为良好、类似盆地的代价函数，从而实现了非线性最小二乘求解器的全局收敛。
• 该方法在仿真数据和临床1.5T MRI实验数据上均实现了鲁棒且精确的重建，结果与或优于基于字典的方法。
• 在信号模型中引入B1+和层面轮廓效应显著提高了参数估计精度，尤其是在B1+不均匀性较强的区域。
• 在标准台式PC上使用MATLAB进行计算，每个体素的平均计算时间约为一秒，表明该方法具备临床应用的可行性。
• 即使采用降低翻转角（90°）的低通序列，仍可实现令人满意的无字典重建，显示出在更高场强应用中的灵活性。