MRI技术之大师的路

MRI自它诞生之日起，很多大牛们研究出诸多天才式的想法和技术，把MRI技术推进到今天的水平。曾经也想向这些大牛一样，真正进入这个领域，才发现能走的路基本上都被走过了，只剩下点汤水聊以解馋了。长话短说，咱们进入正题。

上回讲到，为了区别不同位置的体素（Pixel），可以通过给不同未知的体素打上不同的标签，目前MRI中一般使用的就是打上不同的相位标签，因为这个相位标签，使得MRI成像与傅里叶变换紧紧的联系在一起了。如果打的相位标签是离散傅里叶变换矩阵，那么只需要在采集到的信号矩阵上做一个IFFT就可以得到原各个体素的磁化矢量强度，使用公式表达就是：

 

其中F指离散傅里叶变换矩阵，S为采集到的电信号，M为磁化矢量。

可以说相当一部分的MRI技术都是为了追求MRI的核心：质量和速度而产生的。反映在上面的式子里就是如何设计编码矩阵F和如何求解M。以一维MRI为例，假设M是一个n*1的矩阵，F是一个m*1的矩阵，下面进行分情况讨论。

1.m=n

这是一个MRI最朴素的情况，既然要求解出M中n*1个体素的磁化矢量，只要对它使用n*n的离散傅里叶变换矩阵进行编码，进行n次采集得到S，然后做一个IFFT就可以了。这样当然可以，数学里这就是一个正定方程的求解，但对n*1个体素进行成像就要进行n*1次编码，有没有可以更快的方法？

2.m<n

要快，从编码公式上很明显就是减少编码次数，那就是m<n，大师们开始在这上面发力。举两个常用的技术，分别基于以下两个近似事实的假设。

1.M是实数矩阵，因为在被射频脉冲激发后，所有位置的磁化矢量是同向的。由此产生了部分傅里叶技术。为什么可以只采集一半的数据就可以重建出完整的图像？一个简单的想法，都是实数的的话，只有实部未知数只有n*1个，但采集到是数据S是个复数，除了实部还有虚部，所以只需要采集n/2*1个点就可以重建出来n*1的M。

2.MRI的信号是稀疏的，比如在K空间域里，信号主要集中在低频部分。这个比较好理解，人体组织成分大体相同，多是水，并且分布比较连续。基于这个事实，衍生出的技术比较多了，一个是在采集轨迹上做文章，比如采用椭圆采集，螺旋采集等。另外就是压缩感知技术，这个东东还比较热现在。

3.m>n

看到m>n,可能有点怪了，采集的信号比要成像的还要多也能加速？ 好吧，我把并行采集作为过采集的一类了，事实也也确实如此的。如果把加速的倍数（K空间内采集的线与完整的K空间线数比）乘上线圈的通道数的话，值是远大于一的，所以其实这是个过采集，我们求解的是一个超定方程。

对于超定方程的求解，MAP，最小二乘是比较常用的。像SMASH，GRAPPA等都是基于最小二乘的。当然一些小众的方法，比如采用梯度下降法的MAP，POCS和其他的一些技术。

总之，MRI是想使用最短的时间才得到最好的图像质量，超分辨率重建技术很多都可以在MRI中使用。到这里对MRI技术做个概括的描述，下面进行一些零散的东西。