[ 논문 ] fastMRI: An Open Dataset and Benchmarks for Accelerated MRI

 

MRI 하는데 돈과 시간이 많이 든다 --> 적게 measure 하면 가격, 환자의 스트레스 및 시간을 감소 시킬 수 있다.

해당 논문에서는 MRI 의 속도를 높이기 위한 실험에 필요한 public data를 제공한다.

Data: [1] raw MR measurements [2] clinical MR images 

 

< Compressed Sensing >

해당 방법은 less measurement data를 진단 가능할 정도로 이미지를 복원시키는 방법이다. 원래보다 적은 데이터를 뽑아내기때문에 scan time 을 크게 단축 시킬 수 있다. 

 

 

< MRI Image Acquisition and Reconstruction >

MR imaging 은 Frequency 와 phase를 측정하여 indirectly 이미지를 얻는다. 

공간적으로, 일시적으로 바뀌는 자기장 "pulse sequence" 를 이용해서 환자의 몸에서 전자기를 공명시켜 receiver coil로 측정한다. 이는 일반적으로 다차원 Fourier 공간으로 표현할 수 있게 측정되고 이 공간을 k-space 라 일컫는다. MRI 이미지는 k-space 값 y 를 inverse multidimention Fourier 변환을 통해 얻을 수있다. 

                                                                                       mˆ =F−1(y)          

 

# 익명화

Raw Data --> ISMRMRD format (vendor-neutral)

DICOM data --> RSNA clinical trial processor 

 

 

< Dataset >

[1] knee MRI    [2] brain MRI

• Raw mulci-coil k-space data ( raw data )
• Emulated single-coil k-space data ( multi-coil 에서 만들어낸 짬뽕 single-coil k-space data) 
• Ground-truth Images  ( Fully sampeld acquisition ) 
• DICOM images (spatially-resolved images) 

Multi-coil data 가 더 정확하지만 knee single-coil data 도 제공해주는데 이는 MRI 데이터를 처음 접하는 이들도 쉽게 이용할 수 있기 위함이다. 

 

무릎 데이터를 좀더 자세히 들여다보면 아래와 같다. 

1) Knee emulated Single-coil k-space Data 

 

2) Knee DICOM Data  

• Coronal proton-density weighting without fat suppression (관상면)  
• Coronal proton-density weighting with fat suppression (관상면)
• Sagittal proton-density weighting without fat suppression  (시상면)
• Sagittal T2 weighting with fat suppression
• Axial T2 weighting with fat suppression. (축면) 

* coronal 데이터가 raw data 와 직접적으로 연관이 있다. 

* fat supression 차이점 : Fat은 MR 영상에서 높은 신호 반응을 보이며, 이는 다른 지역의 세부 사항을 보기 어렵게 만들 수 있지만 fat supression scan이 일반적으로 노이즈가 더 높다.

(a) proton-density weighted image with fat suppression (b)without suppression

 

 

데이터 사용을 요청 하면 이메일로 아래와 같이 데이터링크를 보내준다. 

 

Knee MRI:
knee_singlecoil_train (~88 GB)
knee_singlecoil_val (~19 GB)
knee_singlecoil_test (~7 GB)
knee_singlecoil_challenge (~1.5 GB)
knee_multicoil_train (~931 GB)
knee_multicoil_val (~192 GB)
knee_multicoil_test (~109 GB)
knee_multicoil_challenge (~16.2 GB)
knee_DICOMs_batch1 (~134 GB)
knee_DICOMs_batch2 (~30 GB)

Brain MRI:
brain_multicoil_challenge (~36.5 GB)
brain_multicoil_challenge_transfer (~19.1 GB)
brain_multicoil_train (~1228.8 GB)
brain_multicoil_val (~350.9 GB)
brain_multicoil_test (~34.2 GB)
brain_fastMRI_DICOM (~39.6 GB)
SHA256 Hash (0.5 KB)

 

 

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).