[论文解读] Multidimensional Wavelet-based Regularized Reconstruction for Parallel Acquisition in Neuroimaging

Lotfi Chaâri, Sébastien Mériaux+3 more|arXiv (Cornell University)|Jan 1, 2012

Advanced MRI Techniques and Applications参考文献 44被引用 7

一句话总结

本文提出了基于小波的3D-UWR-SENSE和4D-UWR-SENSE方法，用于并行磁共振成像重建，通过利用3D和4D小波变换，有效减少跨切片伪影并利用功能性磁共振成像中的时间相关性，从而提升图像质量。该方法在解剖成像和功能成像中，于受试者水平和群体水平上均优于SENSE方法，在加速因子R=2和R=4时性能提升得到验证。

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.

研究动机与目标

• 通过将2D小波正则化扩展至同时处理所有切片的3D小波表示，解决并行磁共振成像重建中的跨切片伪影问题。
• 通过在3D+t采集方案中引入时间相关性，提升功能磁共振成像的重建质量，此类方案在神经影像中常见，但以往方法未充分加以利用。
• 通过在参考扫描上基于最大似然法估计所有参数，实现完全无监督的正则化，消除人工调参。
• 在解剖和功能磁共振成像重建中验证该方法的优越性，特别是在事件相关功能磁共振成像中的统计敏感性。

提出的方法

• 该方法使用3D小波变换联合重建所有切片，捕捉切片间的相关性，减少伪影在切片间的传播。
• 对于功能磁共振成像，该方法扩展至4D（3D + 时间）小波表示，以利用动态扫描中的时间冗余性。
• 在小波域中应用稀疏性促进惩罚进行正则化，所有参数通过在参考扫描上进行最大似然估计，确保完全无监督。
• 该框架基于SENSE重建模型，但通过多维小波正则化增强稀疏性和噪声抑制能力。
• 该算法设计与标准并行成像协议兼容，包括各向同性2x2x3mm³分辨率的EPI序列。
• 参数估计完全自动化，避免用户定义的正则化权重，提升不同受试者和扫描间的可重复性。

实验结果

研究问题

• RQ1 与逐切片的2D正则化相比，3D小波正则化是否能有效减少并行磁共振成像重建中的跨切片伪影？
• RQ2 与2D+t方法（如kt-FOCUSS）相比，将时间相关性纳入3D+t小波表示在功能磁共振成像重建中能带来多大程度的性能提升？
• RQ3 基于最大似然的完全无监督参数估计策略在多大程度上提升了重建的鲁棒性和可重复性？
• RQ4 在高加速因子（R=2和R=4）下，4D-UWR-SENSE方法是否能提升事件相关功能磁共振成像协议的统计敏感性？
• RQ5 与标准SENSE相比，该方法在神经影像研究中于受试者水平和群体水平上的图像质量和检测能力如何？

主要发现

• 在快速事件相关功能磁共振成像协议中，4D-UWR-SENSE方法在统计敏感性上优于标准SENSE方法，且在R=2和R=4加速因子下均表现出显著提升。
• 3D-UWR-SENSE方法通过利用3D小波变换捕捉切片间相关性，有效减少了跨切片伪影，提升了解剖图像质量。
• 通过最大似然法实现的完全无监督参数估计确保了在不同受试者间的一致性能，无需人工调参，显著提升了可重复性。
• 在群体水平的功能磁共振成像分析中，4D-UWR-SENSE在运动和计算任务中的检测能力优于SENSE，证实了其鲁棒性。
• 该方法在解剖和功能成像中均实现了更优的重建质量，在2x2x3mm³ EPI数据上，图像保真度和统计敏感性均有可测量的提升。