[ 논문 ] fastMRI: A Publicly Available Raw k-Space and DICOM Dataset of Knee Images for Accelerated MR Image Reconstruction Using Machine Learning

 

MR Image 복원을 위한 ML 연구가 활발해지고 있다. 보통 ML 모델의 성능을 확인할 때 large dataset 을 이용해서 benchmarking 을 한다. 하지만 MRI 의 k-space raw data는 publicly 양이 부족하기 때문에 연구가 더뎌지고 있고 해당 논문/기관은 이를 제공함으로써 연구에 힘을 보탠다. https://fastmri.med.nyu.edu/ 홈페이지에서 data sharing agreement 후 데이터를 사용할  수 있다.

 

연구 목적 : MRI 검사 속도 높이기 (2D sequences 빠르게 얻기) 

방법 : 얻어지는 k-space lines 갯수 줄이기  * quality 유지 및 higher temporal resolution 주기 해상도 

 

< ML model >

Train: To Identify the patterns of image artifacts 

그리고 trained model을 이용해서 k-space data 에서 이미지를 복원한다. 

 

< DATASET >

[1] Knee MRI  ([2] Brain MRI 다음 논문)

1. k-space raw data
2. DICOM image (magnitude Digital Imaging and Communication in Medicine image) 
3. k-space raw data 를 reference 이미지 복구 알고리듬을 이용해서 얻어진 Image

해당 기관은 MR을 통해 5 가지 sequence 정보가 담긴 데이터를 얻는다. 

[1] coronal proton density-weighted

[2] coronal proton density-weighted with far suppression

[3] axial T2 weighted with fat suppression

[4] sagittal proton density-weighted

[5] sagittal T2 weighted with fat suppression 

 

k-space dataset 은 coronal로 얻어진 데이터만 존재한다. DICOM 은 다섯가지 모두 포함한다. 

k-space data 1.35 TB	multicoil_train (931 GB), multicoil_val (192 GB), multi- coil_test (109 GB), singlecoil_train (88 GB), singlecoil_val (19 GB), and singlecoil_test (7 GB)
DICOM image 164 GB	DICOMs_batch1 (134 GB) and DICOMs_batch2 (30 GB)

 

 

Reference

[1] Knoll, F., Zbontar, J., Sriram, A., Muckley, M. J., Bruno, M., Defazio, A., Parente, M., Geras, K. J., Katsnelson, J., Chandarana, H., Zhang, Z., Drozdzalv, M., Romero, A., Rabbat, M., Vincent, P., Pinkerton, J., Wang, D., Yakubova, N., Owens, E., … Lui, Y. W. (2020). FastMRI: A publicly available raw K-space and DICOM dataset of knee images for accelerated Mr Image Reconstruction using machine learning. Radiology: Artificial Intelligence, 2(1).