Highly efficient non-rigid registration in k-space with application to cardiac Magnetic Resonance Imaging

要約

磁気共鳴画像法 (MRI) では、高い時間分解能の動きは、画像の取得と再構成、MR ガイド下放射線治療、動的コントラスト強調、血流および灌流イメージング、心血管、腹部、蠕動運動、運動パターンの機能評価に役立ちます。
胎児または筋骨格の画像処理。
従来、これらの動き推定は画像ベースのレジストレーションを通じて導出されますが、これは複雑な動きパターンと高い動的解像度にとって特に困難な作業です。
このようなアプリケーションでスキャンを高速化すると、画像アーティファクトが発生し、動きの推定が損なわれます。
この研究では、取得した加速フーリエ空間、つまり k 空間から直接非剛体運動推定を行うための、ローカルオール パス アテンション ネットワーク (LAPANet) と呼ばれる新しい自己教師あり深層学習ベースのフレームワークを提案します。
提案されたアプローチは、ローカル オール パス (LAP) レジストレーション技術に従って、非剛体運動をローカル並進変位の累積和としてモデル化します。
LAPANet は、さまざまなサンプリング軌跡と加速度にわたる心臓の動きの推定で評価されました。
私たちの結果は、従来の深層学習ベースの位置合わせ方法と比較して精度が優れていることを示しており、デカルト軌道ではフレームあたり 2 ライン、非デカルト軌道ではフレームあたり 3 スポークに対応します。
非剛体運動に対して達成された高い時間分解能 (5 ミリ秒未満) により、動的およびリアルタイム MRI アプリケーションでの運動検出、追跡、補正に新たな道が開かれます。

要約(オリジナル)

In Magnetic Resonance Imaging (MRI), high temporal-resolved motion can be useful for image acquisition and reconstruction, MR-guided radiotherapy, dynamic contrast-enhancement, flow and perfusion imaging, and functional assessment of motion patterns in cardiovascular, abdominal, peristaltic, fetal, or musculoskeletal imaging. Conventionally, these motion estimates are derived through image-based registration, a particularly challenging task for complex motion patterns and high dynamic resolution. The accelerated scans in such applications result in imaging artifacts that compromise the motion estimation. In this work, we propose a novel self-supervised deep learning-based framework, dubbed the Local-All Pass Attention Network (LAPANet), for non-rigid motion estimation directly from the acquired accelerated Fourier space, i.e. k-space. The proposed approach models non-rigid motion as the cumulative sum of local translational displacements, following the Local All-Pass (LAP) registration technique. LAPANet was evaluated on cardiac motion estimation across various sampling trajectories and acceleration rates. Our results demonstrate superior accuracy compared to prior conventional and deep learning-based registration methods, accommodating as few as 2 lines/frame in a Cartesian trajectory and 3 spokes/frame in a non-Cartesian trajectory. The achieved high temporal resolution (less than 5 ms) for non-rigid motion opens new avenues for motion detection, tracking and correction in dynamic and real-time MRI applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google