dixon matlab,磁共振Dixon技术原理及初代算法解析

关键词: MRI 磁共振成像技术 Dixon 水脂分离 相位矫正

如上图所示，在磁共振中水脂共振频率存在差值，在1.5T中这个差值为208Hz(上一期中提到θ=γGt，所以在3.0T中这个值是加倍的)，也就是说每隔4.8ms就会有一次周期变化，当M水和M脂方向相同的时候(如TE=4.8ms)，进行扫描就会得到水脂相加图——称之为水脂正相(in)；向相反的时候(如TE=2.4ms)，扫描得到水脂肪信号相减图——水脂反向(op)。

因此有in=M水+M脂，op=M水-M脂，

所以in+op= (M水+M脂)+(M水-M脂)，M水=(in+op)/2

同样in-op= (M水+M脂)-(M水-M脂)，M脂=(in-op)/2

以上就是Dixon在1984年提出的Dixon成像技术，利用正反像计算出水像和脂像，对于熟悉磁共振的技师和医生这些可能都熟记于心。下面我们就来展示一些国内MRI技师和医生不太熟悉和东西。

这个老头就是W. Thomas Dixon, Ph.D.

这是1984年Dixon论文中的成功案例图像，使用的是0.35T磁共振。为什么说是成功案例，因为论文里也放出了不成功的案例，就算是现代商业化Dixon技术也会出现失败的情况。

我们暂时不了解Dxion技术的核心，因此我们就根据教科书上的公式来

我们先在一台3.0T飞利浦MRI上获取一组正反相位图，在扫描之前加上B0和B1的矫正，然后只取扫描范围最中间的一层。

左边TE=2.3ms(in)，右边TE=1.3ms(op)按照公式，利用公式直接进行加减，期望得到水脂分离的效果。

OK，出来两组跟期望不怎么相符的图像，水脂一点也没分离，得到了两组没什么用也不能看的图像。

上一期中说到，磁共振扫描是记录的H质子向量的状态，既然是向量，那么就要有幅值和角度两个属性。

因此，在扫描时打开原始图像保留，我们得到上面两组图像的相位图

这两组就是相位图，最亮的地方记做180°，最黑的地方记做-180°。

和上面正反相位图(最为幅度)组合，就生成了两组向量矩阵，这个矩阵中的每个像素都是向量(四维图)，因此只能放在matlab中进行计算，人类不能直接观看两幅图像。

这次计算不再鲁莽，去找到一份简单可能的算法，运用笔者强大的搜索能力，找到了这篇还算能看的懂得论文——Breath-Hold Water and Fat Imaging Using a Dual-Echo Two-Point Dixon Technique With an Efficient and Robust Phase-Correction Algorithm  Jingfei Ma(华人)

文中使用了一种自动生长的相位矫正法，文中只涉及简单的加减运算，没有涉及相位解卷绕，我们来实现它。

我们把正向图矩阵记做S0，反向图记做S1。

第一步，

如上图，因为各种误差的存在，正反相位不可能老老实实呆在x轴上，因此先消除一个偏角，让S0的偏角为0，S1的偏角为S1的偏角减去S0的偏角(计算后的矩阵记做S1-0)。

第二步，

只在乎S1-0矩阵，在自动生长过程中，让每个向量和周围的向量比较，如果出现角度和周围向量偏差较大的向量，进行修正，使此向量=-1×此向量。(作为初代Dixon，此步骤可以跳过，但会出现部分不能分离的情况)

第三步，

计算S0-real(S1-0)。

Wow，这就是水像图，虽然有些地方分离的不是很好，但确确实实是一个可用的水像。

接下来的几天都沉浸在兴奋中。。。。。。。。。。。。。

直到有一天，想起直接根据real(S1-0)的正负号(记做r)进行计算，S0-r×| S1-0|。

和上次的结果相比，这次分离的更成功，胰腺和脾脏还有皮肤的脂肪去的更干净。

初代Dixon算法解析完毕。

以上。

这种算法只是对条件好的DIXON进行分离，商业化还差一大步，下一期剖析真正能商业化的DIXON算法，请带好大脑http://3g.dxy.cn/bbs/topic/43527270

此文献给只能靠自学和探索的广大的国内磁共振技师。