Simultaneous q-Space Sampling Optimization and Reconstruction for Fast and High-fidelity Diffusion Magnetic Resonance Imaging

要約

拡散磁気共鳴画像法（dMRI）は、ヒト脳の組織微細構造特性と構造的結合性を非侵襲的に調べる上で重要な役割を果たしている。しかし、様々な方向やスケールにおける水拡散の複雑な特性を効果的に捉えるためには、包括的なq空間サンプリングを採用することが重要である。残念ながら、この要件はスキャン時間の長さにつながり、dMRIの臨床応用を制限している。この課題を解決するために、我々はSSOR（Simultaneous q-Space sampling Optimization and Reconstruction framework）を提案する。球面調和関数の連続表現と再構成ネットワークを用いて、q空間サンプルのサブセットを共同で最適化する。さらに、$l1$ノルムと全変量正則化を適用することで、q空間と画像の両領域における拡散磁気共鳴画像法(dMRI)のユニークな特性を統合する。HCPデータを用いた実験により、SSORは定量的にも定性的にも有望であり、ノイズに対して頑健であることが実証された。

要約(オリジナル)

Diffusion Magnetic Resonance Imaging (dMRI) plays a crucial role in the noninvasive investigation of tissue microstructural properties and structural connectivity in the \textit{in vivo} human brain. However, to effectively capture the intricate characteristics of water diffusion at various directions and scales, it is important to employ comprehensive q-space sampling. Unfortunately, this requirement leads to long scan times, limiting the clinical applicability of dMRI. To address this challenge, we propose SSOR, a Simultaneous q-Space sampling Optimization and Reconstruction framework. We jointly optimize a subset of q-space samples using a continuous representation of spherical harmonic functions and a reconstruction network. Additionally, we integrate the unique properties of diffusion magnetic resonance imaging (dMRI) in both the q-space and image domains by applying $l1$-norm and total-variation regularization. The experiments conducted on HCP data demonstrate that SSOR has promising strengths both quantitatively and qualitatively and exhibits robustness to noise.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL