[Paper Review] Generalized Autocalibrating Partially Parallel Acquisitions (GRAPPA)
Paper Review
기존(논문 시점 기준)의 PILS(Parallel Imaging with Localized Sensitivities) / VD-AUTOSMASH 기술을 발전시킨 새로운 형태의 Parallel Imaging 기법인 GRAPPA를 소개하는 논문이다.
Parallel Imaging?
MRI에서 이미지를 빠르게 획득하기 위한 기술로, 여러 개의 수신 채널을 사용하여 이미지를 동시에 획득하고, 이를 결합하여 고해상도의 이미지를 생성한다.
기존 MRI(논문 시점 기준)에서는 단일 수신 채널을 사용하여 이미지를 획득했었는데, Parallel imaging을 사용하여 동시 획득으로 이미지 획득 시간을 단축시켰다.
🍞 1. Introduction
1980년대 후반 NMR pahsed array 개발 이후, multicoil이 volume coil/large surface coil에 비해 증가된 SNR 등의 이점으로 사용되기 시작했고, 여러 Partially Parallel Acquisition(PPA - 부분적 병렬 취득) 기법이 제안되어 일부의 phase 정보만 획득하여 재구성하는 방식을 통해 이미지 획득 시간을 단축시킬 수 있다.
PPA의 제한 요소는 코일의 복잡한 sensitivities, 대상 또는 coil의 움직임 등이 있고, 이를 다 고려해야 reconstruction을 수행할 수 있다.
논문 기준 지난 해에 위치에 따른 PILS 기술을 발표했는데, 각 구성 코일이 localized된 sensitivity profile을 가진다 가정하고, 가정이 참일경우 FOV(Field-Of-View) 내에서 코일의 위치에 대한 정보만으로 각 구성 코일에 대해 uncombined된 코일 이미지를 형성할 수 있다.
기존 PPA 방식들은 recon과 optimization이 한 단계에서 일어났지만, PILS는 두 과정이 분리되어 별도로 최적화가 가능하지만 이 분리를 위해서는 PPA에 의해 결합되지 않은 이미지가 형성되어야 하고, 논문 시점까지는 PILS 이외의 방법이 존재하지 않았다.
이 논문에서는 공간적으로 localized 되지 않은 코일에도 적용이 가능한 확장 기술(=GRAPPA)을 제안하게 되는데, AUTO-SMASH 기술의 더 generalized된 관점을 사용하여 각 코일로부터 uncombine된 코일 이미지를 생성한다. (기존 VD-AUTO-SMASH에 비해 더 높은 SNR과 이미지 품질의 결과가 나옴.)
🍞 2. Theory
🌿Review of AUTO-SMASH and VD-AUTO-SMASH
AUTO-SMASH
추가적인 ACS를 획득하여 감소된 데이터 취득(data acquisition)과 함께 사용한다. recon에 사용되는 weight를 결정하기 위해 감소된 데이터셋 내의 한 라인을 ACS 라인과 맞춘다. (기존 SMASH에서 누락된 라인을 재구성할 때 사용되는 가중치를 결정하는 과정)
VD-AUTO-SMASH
k-space의 중심에서 여러 ACS 라인을 획득하여 각 누락된 라인에 대해 여러 번의 맞춤을 수행하여 noise와 coil profile의 불완전함의 영향을 완화시키고, 최종 이미지에 추가적인 ACS 라인을 포함하여 artifact를 더욱 감소시킬 수 있다.
🌿 GeneRalized Autocalibrating Partially Parallel Acquisitions(GRAPPA)
GRAPPA는 VD-AUTO-SMASH보다 더 generalize된 방식으로 볼 수 있다. uncombine된 이미지는 각 코일의 missing line을 생성하기 위한 multiple blockwise recon을 각 코일에 적용하여 생성된다. 기존의 SMASH에서는 낮은 SNR, phase cancellation, 낮은 재구성 이미지 품질의 문제가 있다.
Phase Cancellation?
multicoil로 신호를 수집할 때 발생하는 현상으로, 코일 간의 위상 차이/움직임/노이즈 등의 원인으로 최종 이미지에서 신호 간섭을 일으킴.
- 데이터 recon 과정: 각 코일에서 획득된 데이터(검은 원)은 ACS line(회색 원)에 맞춰지고, 이 과정에서 모든 코일의 여러 라인에서 얻은 데이터를 사용하여 단일 코일의 ACS 라인에 맞춘다. 이를 통해 얻은 가중치는 해당 코일의 누락된 라인을 생성하는 데 사용된다. 특정 코일의 모든 라인이 recon되면, FT를 사용하여 코일의 uncombine 이미지를 생성할 수 있다. 이 과정을 각 코일에 대해 반복하여 전체 uncombine 이미지들을 얻고, sum-of-squares-reconstruction 등을 사용하여 결합될 수 있다.
-
Block recon 과정: 특정 코일의 데이터를 정상적으로 획득된 데이터로부터 offset된 라인에서 recon하는 과정으로, 여러 블록을 사용하여 수행된다. 블록은 single acquisition line, A-1개의 missing line으로 구성된다. ----> AUTO-SMASH, SMASH 유형의 recon에서 'pure spatial senstivity profile을 사용하여야만 perfect spatial harmonic이 생성된다'라는 가정은 special array geometries를 사용해야만가 가능하다는 한계를 넘어선다.
----> GRAPPA는 더 많은 블록의 데이터를 사용하여 각 missing line에 대한 맞춤을 수행하고, 각 recon line에 더 많은정보를 통합하여 더 개선된 결과를 제공한다. -
weight 결정 및 final recon: k-space에서 추가적인 ACS line block을 획득하고 이를 사용하여 가중치를 결정한다. Sliding Block Approach는 각 missing line에 대해 여러 가능한 recon을 수행하고, 이 line들을 weighted average 하여 최종 recon line을 형성한다.
👀 GRAPPA의 장점
- k-space 기반 기술이 이전에 갖던 한계를 제거(low SNR, phase cancellation problem, poor-recon quality)
- 최종 이미지 combination은 magnitude recon을 사용(phase X)하기 때문에 phase 관련 문제가 사실상 제거됨
- weighted sum recon 사용으로 GRAPPA의 recon 효율성은 weighted sum recon의 SNR 효율성 -> 이전에 비해 최대 L배 높을 수 있다.
🍞 3. Materials and Methods
(구현 및 시뮬레이션에 관한 섹션)
🌿 Computer Simulation
Matlab 환경에서 구현했고, recon에 사용할 block 수를 자유롭게 결정할 수 있으며 experimental 상으로는 4~8이 좋은 결과
🌿 In Vivo Imaging
Siemens scanner를 사용, 뭐 여러 데이터 수집했다고 한다.
🍞 4. Results
🌿 Computer Simulation
🌿 In Vivo Imaging
왼쪽: full time reference scan PILS recon, 오른쪽: GRAPPA recon //둘다 acceleration factor = 2
: 8개의 uncombined image
: extended GRAPPA는 free of aliasing
왼쪽: full time acquisition + sum of squares recon / 오른쪽: GRAPPA recon + sum of sqaures recon
원래 acceleration + recon 하면 기존에는 quality 저하 등 있었는데 GRAPPA를 적용하자 육안으로 full-time acquisition과 거의 비슷한 결과가 나왔다.
얘는 쓰기 귀찮아서 fig 설명으로 대체한다.
FIG. 8. TrueFISP cine results reconstructed using the various reconstruction strategies. a: Full-time reference image. b: AUTOSMASH reconstruction without phase correction of coil images. c: VD-AUTO-SMASH reconstruction with eight ACS lines without phase correction of coil images. d: GRAPPA reconstruction with eight ACS lines.
FIG. 9. Single-shot inversion recovery HASTE images in the lungs of a healthy volunteer acquired with an eight-element cardiac array.
(Interecho spacing 2.88 ms, bandwidth 781 Hz/pixel, FOV 500 500 mm, Slice thickness 10 mm). Left: Conventional full time
acquisition matrix 128 256 (207 ms). Right: GRAPPA acquisition (acceleration factor 3) with matrix 256 256 (150 ms). In addition to the lack of any phase-related artifacts, the GRAPPA image demonstrates increased resolution and decreased blurring compared to the conventional acquisition. The phase-encoding direction is horizontal in these images.
🍞 5. Discussion / Conclusion
PILS 및 VD-AUTO-SMASH의 확장인 GRAPPA 개념을 소개하고, undersampling된 데이터로부터 uncombined coil image를 recon 후 sum-of-squares로 최종 이미지를 얻는다. 다른 조합 방법을 통해 이미지 quality를 개선할 수 있을지도 ..? 라고 하네용
coil map이 error가 있을 여러 경우가 분명히 있기 때문에, GRAPPA와 같은 자동보정 기술이 꼭 사용되어야 하고, ~~~ 암튼 GRAPPA 좋다(GRAPPA 2024에도 쓰이는 기술임 !!)
암튼 GRAPPA에 관해 알 수 있는 좋은 논문이었당
