Spiral scanの進化の可能性は機械学習にあるか

不等間隔高速フーリエ変換と機械学習を用いたSpiral再構成手法の開発

Development of a Reconstruction Method using the Non-uniform Fourier Transform and a Machine Learning Approach for Spiral Imaging

Spiral収集は高い収集効率と動きに対するロバストさがメリット

デメリット:non-Cartesianなトラジェクトリに由来する再構成時の比較的大きな計算コスト

アンダーサンプリングの場合:iterativeな再構成手法が必要となる

U-netAUTOMAPといった手法が有用とされているが、調整の困難さやメモリ消費の大きさ、シングルコイルが前提とした問題がある

深層学習とnon-uniform FFT(NUFFT)を組み合わせた再構成手法を提案

目的:スパイラルに起因するアーチファクトと画像ボケの改善

提案手法はsum-of-square再構成による結果に比べて有意に高いSSIMを示す事がわかった。

アンダーサンプリングされたk-spaceも提案手法を用いることによりaliasingのアーチファクトは低減される。

再構成時間も500ms以下で、十分実用的である。

しかし新たなアーチファクトが発生し、今後Blochシミニュレーションを用いてより現実的な検討が必要。

JJMRM 2019.39(1).20-24.

SSIMとは:Structural Similarity 画像処理を繰り返した際の劣化の影響などを評価する画質評価手法の一つ。画像の違いに関して、より「人間の見た目の評価」に近い結果が得られる。

明度に対してはそこまで影響せず、ノイズなどに感度が強い。微小な移動や回転に関してはSSIMは弱い。(人間の目ではそこまでの違いを感じないながらも)

sum-of-squareとは:個々のコイルを独立したものと考えて,定式を用いてコイルの個数分の画像を再構成したのち,最終的に異なるコイルから得られた画素値を画素ごとにsquare root of the sum of squares2乗和の平方根 , 以下SoS)などの方法で組み合わせるもの.
1)スパースモデリングと医用MRI. 応用数理.2015. 25(1). 10-14.

 

うまいことアーチファクトが除去されていた。

正直新たなアーチファクト(縞模様)が皮膚上にでていたが、サンプリングデータが少なくて済むのであればさらなる自由呼吸下での撮像を可能とするのではないか。このアーチファクトもよくみればSoS reconstruction上のアーチファクトに似ていて強いところは残るのかもしれない。

サンプリング数をもう少し調整すればかなりいい結果になるかもしれない。

いずれEOBの動脈相がアーチファクトレスになることを願いたい。

コメント

タイトルとURLをコピーしました