磁共振数据重建方案研讨会:研究结果总结与建议
本文总结2016年8月17日由皇家学会资助的磁共振数据重建方案研讨会,21名来自六国机构的参会者讨论了压缩感知与超分辨率重建的现状与挑战。压缩感知在正常志愿者和脑肿瘤患者中的初步结果有前景,但k空间采样模式选择、图像质量验证和正则化参数优化仍具挑战;近期综述认为需更大患者人群证明诊断效能并确定最优成像参数后方可支持更广泛临床使用。研讨会建议各站点将各自技术应用于其他类型数据以比较超分辨率和压缩感知方法,并建立长期跨站点合作。
要点
- 压缩感知可提高分辨率或加快MR成像,但采样模式、图像质量验证与正则化参数优化仍有挑战。
- 近期综述认为需更大患者人群证明压缩感知诊断效能,并应先确定最优成像参数再支持更广泛临床使用。
- 研讨会建议各站点将各自技术应用于其他类型数据以比较超分辨率和压缩感知方法,并建立长期跨站点合作。
核心结论
- 压缩感知在结构MR和31P-MR波谱成像中的初步评估在正常志愿者和脑肿瘤患者中显示有前景的结果,但采样模式选择、图像质量验证和正则化参数优化仍有挑战。
- 近期综述认为需更大患者人群证明压缩感知的诊断效能,并应在更广泛临床使用前确定最优成像参数。
- 研讨会建议各站点将各自技术应用于其他类型数据以比较超分辨率和压缩感知方法,并同意建立长期跨站点合作以识别当前方法缺陷并制定近期联合策略。
研究设计与样本
- 由皇家学会通过牛顿流动资助计划资助的半天研讨会,于2016年8月17日举行,参会者21名,为来自六国机构的大学学生、计算机科学家、图像分析师、工程师和物理学家。
- 研讨会讨论围绕探索实现高分辨率、高质量和快速采集MR成像的新途径,本文总结研讨会主题并对正在进行和未来工作提出建议。
- 研讨会中仅两项工作涉及从个体采集磁共振成像:一项获得参与者知情同意及机构审查委员会和伦理协调委员会批准,另一项仅从一名健康志愿者采集图像并获书面知情同意。
关键影像表现/征象
- 3D反转恢复准备梯度回波扫描健康志愿者的示例图像显示,全采样与四倍欠采样压缩感知重建相比,欠采样扫描的重建伪影导致深部灰质明显变亮,尤其在基底节。
- 采样模式和重建参数使用均方误差优化,可能对这些相对低对比度结构不理想。
临床应用与阅片要点
- 研讨会建议各站点将各自技术应用于其他类型数据,以便研究组间比较超分辨率和压缩感知方法与结果。
- 研讨会同意建立长期跨站点合作以识别当前方法缺陷并制定近期联合策略。
局限性
- 压缩感知的初步结果来自正常志愿者和脑肿瘤患者,近期综述认为需更大患者人群证明其诊断效能。
- 采样模式选择、图像质量验证和正则化参数优化仍有挑战。
- 使用均方误差优化采样模式和重建参数可能对相对低对比度结构不理想。
- 超分辨率方法在MR中的应用仍处于探索阶段,研讨会提出卷积神经网络方法值得在近期尝试。
全文中译3 节 · 点击展开
引言
数字革命时代正推动着新型传感、通信和信息表示系统的发展,这些系统对保真度和分辨率的要求不断提高。这通常通过以某种方式压缩或缩减所获取的信息来实现。对压缩和低分辨率信号的高保真重建已成为当今不同领域的前沿研究方向之一,磁共振(MR)采集和数据分析也不例外。虽然已有令人鼓舞的结果报道,尤其是在超分辨率方法的应用中[1],但快速采集(即压缩感知)技术的初步结果表明,在其应用于临床之前仍需开展更多工作。
我们于2016年8月17日举办了一次为期半天的MR数据重建方案研讨会,旨在讨论相关研究领域的新思路,这些思路可能有助于克服迄今已评估的常规重建方法的不足之处[2]。讨论围绕探索实现高分辨率、高质量和快速MR成像采集的新途径展开。该研讨会由英国皇家学会通过牛顿流动资助计划赞助。来自不同背景的参会者(完整名单见电子补充材料表S1(在线))分别来自爱丁堡大学数字通信研究所、临床脑科学中心、脑研究成像中心和压缩感知研究组,阿伯丁大学生物医学成像中心,代尔夫特理工大学应用数学研究所,弗罗茨瓦夫大学计算机科学研究所,博阿济奇大学生物医学工程研究所,以及瓦伦西亚理工大学生物材料与组织工程中心。
结果与讨论
压缩感知一直是实现更高分辨率和/或更快MR成像的一种途径。压缩感知在结构性MR[3]和31P-MR波谱成像[4]中的应用被展示和讨论。对正常志愿者[3]和脑肿瘤患者[5]的初步评估显示了令人鼓舞的结果。然而,恰当地选择k空间采样模式、验证所得图像的质量以及优化正则化参数以获得逆问题的最优解(从而在欠采样原始数据的保真度与变换域中的稀疏性之间取得平衡)一直具有挑战性[3](图1)。这些结果与近期一篇关于压缩感知在临床环境中应用的综述中所分析的结果一致,该综述的结论是:需要开展涉及更大患者群体的更多工作来证明压缩感知的诊断效能,并且在支持更广泛的临床使用之前应确定最佳成像参数[2]。
超分辨率MR的最新进展可能为提高MR图像的分辨率提供了可能性,并被认为是值得探索的途径。会上提到了在超分辨率新型采集方法方面的努力,这些方法已报道了良好的结果。通过应用已成功应用于其他类型图像的超分辨率方法对现有图像进行后处理的思路被展示和讨论。
其中一种超分辨率方法由Valdés Hernández和Inamura于2000年提出,利用数据融合和反向传播神经网络将卫星图像的分辨率提高最多五倍[6]。如今,卷积神经网络已成为许多图像分析问题的最佳解决方案,而Valdés Hernández和Inamura在15多年前提出的想法,改为在卷积神经网络方法上实现,被提议作为在不久的将来值得尝试的方法。
还提出了其他在MR成像背景下解决超分辨率问题的方法。它们基于稀疏编码[7],并利用每个信号x ∈ Rd可以表示为线性组合x = α1D1 + α2D2 + ⋯ + αKDK这一事实,其中D = [D1 D2 … DK] ∈ Rd×K是表示所谓字典的矩阵,α = (α1, α2, … ,αK) ∈ RK是实值系数向量,其中大多数为零。在超分辨率背景的典型场景中,目标是分别为两个耦合特征空间Xh和Yl找到两个字典Dh和Dl,其中Xh是高分辨率图像块的空间,而Yl是Xh中图像块的低分辨率观测的空间。然后进一步假设每个xh ∈ Xh关于Dh的稀疏表示与其对应观测yl ∈ Yl关于Dl的稀疏表示相同[8]。形式上,上述定义的目标可以表述为以下形式的优化问题:其中和分别为所有i = 1, … ,N的耦合高分辨率和低分辨率图像块,且λ > 0固定。
值得注意的是,上述问题虽然以如此一般的形式表述,但显然不是凸的,因此提出了若干数值方法来处理该问题。提到了在假设系数α固定而交替优化字典Dh和Dl、反之亦然直到最终达到全局最优的直接技术[8]。然而,也提到了各种基于计算智能或机器学习以加速优化过程的当代方法[9]。Kato在[10]中提出的算法的应用(例如多帧情况)、使用卷积神经网络的其他方法以及当代进化算法是所提出的可能解决方案之一。
最后,展示了一个图形用户界面的示例,该界面协调并组合不同的成像模态(显微镜以及结构、定量和扩散MRI),以探索感兴趣区域内的模态间对应关系[11]。此类界面的实现在当前阶段将有助于评估所讨论的新型MR重建技术。我们相信MR成像中的这些趋势将会兴起,并且在不久的将来我们会看到更多这类研究。
由于不同参与站点所提出的技术是互补的,建议每个站点将其技术应用于其他类型的数据,以便能够比较研究组之间的超分辨率和压缩感知方法及结果。与会者同意为此建立长期站点间合作的必要性。这将有助于识别当前方法的缺点,并为不久的将来制定联合策略。
研究伦理
本次研讨会展示的研究中,仅有两项涉及从个体获取磁共振成像。E.O.-I.获得了研究参与者和/或研究参与者近亲的知情同意,并获得博阿齐奇大学(伊斯坦布尔)人体研究机构审查委员会和伦理协调委员会(EUK)的批准(http://www.boun.edu.tr/en-US/Content/About_BU/Governance/Councils_Boards_and_Committees/Ethics_Committeeshttp://www.boun.edu.tr/en-US/ Content/About_BU/Governance/Councils_Boards_and_Committees/Ethics_Committees)。I.M.仅从一名健康志愿者获取了图像,该志愿者提供了书面知情同意。
补充材料
引用
- Ozturk-Isik E, Marshall I, Filipiak P, et al. Workshop on reconstruction schemes for magnetic resonance data: summary of findings and recommendations. R Soc Open Sci. 2017. PMID: 28386427. doi:10.1098/rsos.160731
- 全文:PMC5367301(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5367301/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。