Contrast-Agnostic Groupwise Registration by Robust PCA for Quantitative Cardiac MRI

要約

定量的心臓磁気共鳴画像法（MRI）は、心血管疾患の診断ツールとしてますます重要性を増している。しかし、定量的マップの精度と正確さのためには、定量的MRIシーケンス内のすべてのベースライン画像の共統合が不可欠である。しかし、心臓の定量的MRIシーケンスからすべてのベースライン画像を協調登録することは、心臓や呼吸運動と組み合わさって、強度とコントラストが同時に変化するため、依然として非自明な課題である。この課題に対処するため、我々は、定量的心臓MRIを低ランク成分とスパース成分に分解するロバストな主成分分析（rPCA）に基づく新しい動き補正フレームワークを提案し、グループワイズCNNベースのレジストレーションバックボーンをrPCAフレームワーク内に統合する。rPCAの低ランク成分は定量的マッピング（すなわち、変動の自由度が制限されている）に対応し、スパース成分は残差運動に対応するため、グループワイズレジストレーション問題の定式化と解法が容易になる。我々は、ガドリニウム造影剤投与前と投与後のMOLLI（modified Look-Locker Inversion Recovery）シーケンスによる心臓T1マッピングにおいて、提案手法を評価した。実験の結果、本手法はrPCAを導入しないベースライン法よりもレジストレーション性能を効果的に向上させ、領域内（造影剤投与前MOLLI）と領域外（造影剤投与後MOLLI）の両方の推論において定量的なマッピング誤差を減少させることが示された。提案したrPCAフレームワークは汎用的であり、他のレジストレーションバックボーンと統合可能である。

要約(オリジナル)

Quantitative cardiac magnetic resonance imaging (MRI) is an increasingly important diagnostic tool for cardiovascular diseases. Yet, co-registration of all baseline images within the quantitative MRI sequence is essential for the accuracy and precision of quantitative maps. However, co-registering all baseline images from a quantitative cardiac MRI sequence remains a nontrivial task because of the simultaneous changes in intensity and contrast, in combination with cardiac and respiratory motion. To address the challenge, we propose a novel motion correction framework based on robust principle component analysis (rPCA) that decomposes quantitative cardiac MRI into low-rank and sparse components, and we integrate the groupwise CNN-based registration backbone within the rPCA framework. The low-rank component of rPCA corresponds to the quantitative mapping (i.e. limited degree of freedom in variation), while the sparse component corresponds to the residual motion, making it easier to formulate and solve the groupwise registration problem. We evaluated our proposed method on cardiac T1 mapping by the modified Look-Locker inversion recovery (MOLLI) sequence, both before and after the Gadolinium contrast agent administration. Our experiments showed that our method effectively improved registration performance over baseline methods without introducing rPCA, and reduced quantitative mapping error in both in-domain (pre-contrast MOLLI) and out-of-domain (post-contrast MOLLI) inference. The proposed rPCA framework is generic and can be integrated with other registration backbones.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL