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:

 image

clip_image001

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。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值