Артефакт МРТ

Артефакт МРТ — это визуальный артефакт (аномалия, наблюдаемая во время визуального представления) при магнитно-резонансной томографии (МРТ). Это особенность изображения, которой нет в исходном объекте. Может возникнуть много разных артефактовпри проведении МРТ некоторые из них влияют на качество диагностики, а другие можно спутать с патологией. Артефакты можно разделить на связанные с пациентом, зависящие от обработки сигналов и связанные с аппаратным обеспечением (машиной).

Артефакты МРТ, связанные с пациентом

Артефакты движения

Рис. 1. Артефакт движения (корональное исследование Т1 шейных позвонков).

Артефакт движения — один из наиболее распространенных артефактов при МРТ. Движение может вызвать либо призрачные изображения, либо диффузный шум изображения в направлении фазового кодирования. Причиной преимущественного влияния на выборку данных в направлении фазового кодирования является значительная разница во времени сбора данных в направлениях частотного и фазового кодирования. Выборка частотного кодирования во всех строках матрицы (128, 256 или 512) происходит в течение одного эха (миллисекунды). Выборка с фазовым кодированием занимает несколько секунд или даже минут из-за сбора всех линий k-пространства для проведения анализа Фурье . Основные физиологические движения имеют продолжительность от миллисекунд до секунд и, следовательно, слишком медленны, чтобы повлиять на частотно-кодированную выборку, но они оказывают выраженный эффект в направлении фазового кодирования. Периодические движения, такие как движение сердца и пульсация кровеносных сосудов или спинномозговой жидкости, вызывают призрачные изображения, тогда как непериодические движения вызывают диффузный шум изображения (рис. 1). Интенсивность призрачного изображения увеличивается с увеличением амплитуды движения и интенсивности сигнала от движущейся ткани. Для уменьшения артефактов движения можно использовать несколько методов, включая иммобилизацию пациента, сердечную и респираторную вентиляцию, подавление сигнала ткани, вызывающей артефакт, выбор более короткого размера матрицы в качестве направления фазового кодирования, методы упорядочивания изображений или переупорядочения фаз. и поменять местами направления фазового и частотного кодирования, чтобы вывести артефакт из поля интереса.

Поток

Рис. 2. Потеря сигнала, связанная с потоком, в сонных и базиллярных артериях (Т2-аксиальное исследование головного мозга).

Поток может проявляться либо как измененный внутрисосудистый сигнал (усиление потока или потеря сигнала, связанного с потоком), либо как артефакты, связанные с потоком (фантомные изображения или пространственная несовпадение). Усиление потока, также известное как эффект притока, вызвано тем, что полностью намагниченные протоны попадают в отображаемый срез, в то время как неподвижные протоны не полностью восстановили свою намагниченность. Полностью намагниченные протоны дают более сильный сигнал по сравнению с остальным окружением. Высокоскоростной поток приводит к тому, что протоны, попадающие в изображение, удаляются из него к моменту подачи 180-градусного импульса. Эффект заключается в том, что эти протоны не вносят вклад в эхо и регистрируются как отсутствие сигнала или потеря сигнала, связанная с потоком (рис. 2). Пространственная расрегистрация проявляется как смещение внутрисосудистого сигнала вследствие кодирования положения воксела в фазовом направлении, предшествующем частотному кодированию по времени TE/2. Интенсивность артефакта зависит от интенсивности сигнала от сосуда и менее выражена с увеличением ТЭ.

Металлические артефакты

Рис. 3. Артефакты, связанные с металлом.

Рис. 4. Артефакты, связанные с металлом.

Металлические артефакты возникают на границах тканей с различной магнитной восприимчивостью, что приводит к тому, что локальные магнитные поля искажают внешнее магнитное поле. Это искажение изменяет частоту прецессии в ткани, что приводит к пространственному искажению информации. Степень искажения зависит от типа металла (нержавеющая сталь оказывает больший искажающий эффект, чем титановый сплав), типа границы раздела (наиболее яркий эффект наблюдается на границах раздела мягкие ткани-металл), последовательности импульсов и параметров визуализации. Металлические артефакты вызваны внешними ферромагнетиками, такими как кобальтсодержащая косметика, внутренними ферромагнетиками, такими как хирургические зажимы, спинальные аппараты и другие ортопедические устройства, а в некоторых случаях металлические предметы, проглоченные людьми с извращенной изжогой . Проявления этих артефактов варьируются, включая полную потерю сигнала, периферический высокий сигнал и искажение изображения (рис. 3 и 4). Уменьшить эти артефакты можно попытаться, ориентируя длинную ось имплантата или устройства параллельно длинной оси внешнего магнитного поля, что возможно с помощью мобильной визуализации конечностей и открытого магнита. Дальнейшие используемые методы включают выбор подходящего направления частотного кодирования, поскольку металлические артефакты наиболее выражены в этом направлении, использование меньших размеров вокселов, быстрых последовательностей изображений, увеличенной полосы пропускания считывания и избежание визуализации градиентного эха при наличии металла. Метод, называемый MARS (последовательность уменьшения металлических артефактов), применяет дополнительный градиент вдоль градиента выбора среза во время применения градиента частотного кодирования. ==Артефакты, зависящие от обработки сигнала== Эти артефакты проявляются в способах выборки, обработки и отображения данных в матрице изображения.

Артефакт химического сдвига

Рис. 5. Артефакт химического сдвига: светлые и темные полосы вокруг почек на противофазном аксиальном градиентном эхо-изображении.

Артефакт химического сдвига возникает на границе раздела жир/вода в направлении частотного кодирования (рис. 5). Эти артефакты возникают из-за разницы в резонансе протонов в результате их микромагнитного окружения. Протоны жира резонируют на несколько более низкой частоте, чем протоны воды. Магниты с высокой напряженностью поля особенно чувствительны к этому артефакту. Определить артефакт можно путем замены градиентов фазового и частотного кодирования и изучения результирующего сдвига жировой ткани.

Частичный объем

Основная статья: Частичный объем (изображения)

Артефакты частичного объема возникают из-за размера воксела, по которому усредняется сигнал. Объекты, размер которых меньше размера вокселя, теряют свою идентичность, при этом происходит потеря детализации и пространственного разрешения. Уменьшение этих артефактов достигается за счет использования меньшего размера пикселей и/или меньшей толщины среза.

Обертывание

Дополнительная информация: Псевдонимы

Рис. 6. Артефакты обтекания.

Рис. 7. Артефакты обтекания.

Артефакт обертывания, также известный как артефакт сглаживания , является результатом неправильного отображения анатомии, которая находится за пределами поля зрения, но внутри объема среза. Выбранное поле зрения меньше размера отображаемого объекта. Анатомия обычно смещена в противоположную сторону изображения (рис. 6 и 7). Это может быть вызвано нелинейными градиентами или недостаточной дискретизацией частот, содержащихся в отраженном сигнале. Частота дискретизации должна быть в два раза больше максимальной частоты, встречающейся в объекте ( предел выборки Найквиста ). В противном случае преобразование Фурье присвоит очень низкие значения сигналам частоты, превышающей предел Найквиста. Эти частоты затем «переходят» на противоположную сторону изображения, маскируясь под низкочастотные сигналы. В направлении частотного кодирования к полученному сигналу можно применить фильтр для исключения частот, превышающих частоту Найквиста . В направлении фазового кодирования артефакты можно уменьшить за счет увеличения количества шагов фазового кодирования (увеличения времени изображения). Для коррекции можно выбрать большее поле зрения.

Артефакты Гиббса

Рис. 8. Артефакт Гиббса (Т1 сагиттальное исследование головного мозга).

Артефакты Гиббса или артефакты звона Гиббса, также известные как артефакты усечения, вызваны недостаточной дискретизацией высоких пространственных частот на резких границах изображения. Отсутствие соответствующих высокочастотных составляющих приводит к появлению колебаний при резком переходе, известных как артефакт звона. Он выглядит как множественные, равномерно расположенные параллельные полосы чередующихся ярких и темных сигналов, которые медленно исчезают с расстоянием (рис. 8). Артефакты звона более заметны при использовании цифровых матриц меньшего размера. Методы, используемые для исправления артефакта Гиббса, включают фильтрацию данных k-пространства перед преобразованием Фурье, увеличение размера матрицы для заданного поля зрения, реконструкцию Гегенбауэра и байесовский подход.

Артефакты, связанные с машиной/оборудованием

Это обширная и все еще расширяющаяся тема. Распознаны лишь несколько распространенных артефактов.

Радиочастотная (РЧ) квадратура

Неисправность схемы радиочастотного обнаружения возникает из-за неправильной работы канала детектора. Данные, преобразованные Фурье, отображают яркое пятно в центре изображения. Если один канал детектора имеет более высокий коэффициент усиления, чем другой, это приведет к появлению ореолов объекта на изображении. Это результат аппаратного сбоя, и его должен устранить представитель сервисной службы.

Неоднородность внешнего магнитного поля (В0)

Рис. 9. Неоднородность B0: искажение интенсивности на осевом исследовании T1 поясничных позвонков.

Неоднородность B0 приводит к неправильному картированию тканей. Неоднородное внешнее магнитное поле вызывает либо пространственные, либо интенсивные, либо и те и другие искажения. Искажение интенсивности возникает, когда поле в каком-либо месте больше или меньше, чем в остальной части изображаемого объекта (рис. 9). Пространственные искажения возникают в результате дальних градиентов поля, которые остаются постоянными в неоднородном поле.

Артефакты градиентного поля

Градиенты магнитного поля используются для пространственного кодирования местоположения сигналов от возбужденных протонов внутри отображаемого объема. Градиент выбора среза определяет объем (срез). Градиенты фазового и частотного кодирования предоставляют информацию в двух других измерениях. Любое отклонение градиента будет представлено как искажение. По мере увеличения расстояния от центра приложенного градиента на периферии происходит потеря напряженности поля. Возникает анатомическая компрессия, особенно выраженная на корональных и сагиттальных изображениях. Когда градиент фазового кодирования различен, ширина или высота воксела различна, что приводит к искажению. Анатомические пропорции сжаты по той или иной оси. Должны быть получены квадратные пиксели (и воксели). В идеале градиент фазы должен быть присвоен меньшему измерению объекта, а градиент частоты - большему измерению. На практике это не всегда возможно из-за необходимости вытеснения артефактов движения. Это можно исправить, уменьшив поле зрения, уменьшив градиент напряженности поля или уменьшив полосу частот радиосигнала. Если коррекция не достигается, причиной может быть либо повреждение градиентной катушки, либо ненормальный ток, проходящий через градиентную катушку.

RF (B1) неоднородность

Изменение интенсивности на изображении может быть связано с неисправностью радиочастотной катушки , неоднородным полем B1, неравномерной чувствительностью приемной катушки (пространства между проводами в катушке, неравномерным распределением проводов) или наличием неравномерного распределения проводов. -ферромагнитный материал в изображаемом объекте.

При использовании последовательности FLASH изменения угла кончика из-за неоднородности B1 могут повлиять на контрастность изображения. Аналогичным образом, для импульсов восстановления инверсии и других методов, зависящих от T1, будут возникать ошибки интенсивности сигнала и, как правило, более низкое взвешивание T1. Это происходит из-за несовершенных углов поворота по всему срезу, но особенно по краям тела, что приводит к несовершенному восстановлению намагниченности.

Теория угла радиочастотного наконечника и реальность

Человеческое тело полно протонов, и во время визуализации поле B0 выравнивает эти отдельные протоны, образуя чистую намагниченность в направлении магнитного поля. Радиочастотный импульс, приложенный перпендикулярно основному магнитному полю, переворачивает спины на нужный угол. Этот угол переворота масштабируется с амплитудой поля B1. Точный угол переворота имеет решающее значение, поскольку измеряемые МР-сигналы зависят от угла переворота протонов. Однако эта теория предполагает, что поле B1 однородно и, следовательно, все спины в срезе переворачиваются одинаково.

В действительности разные области среза видят разные радиочастотные поля, что приводит к разным углам поворота. Одна из причин, по которой это происходит, заключается в том, что длина волны РЧ обратно пропорциональна B0. Таким образом, длина волны РЧ уменьшается, когда B0 увеличивается. При полях B0, равных 1,5 Тл, длина волны радиочастотного излучения превышает размер тела. Но по мере увеличения основного магнитного поля эти длины волн становятся такими же или меньшими, чем отображаемые области тела, что приводит к неоднородности угла поворота. На изображениях мозга здорового пациента визуально видно, насколько неоднородны поля на 3Т и 7Т.

Кстати, это не единственная причина неоднородности B1. Это также может быть связано с дизайном радиочастотного импульса, неоднородностью поля B0 или даже движением пациента.

Асимметричная яркость

Происходит равномерное снижение интенсивности сигнала вдоль оси частотного кодирования. Падение сигнала происходит из-за фильтров, которые слишком плотно охватывают полосу сигнала. Таким образом, некоторая часть сигнала, генерируемого отображаемым участком, ненадлежащим образом отвергается. Подобный артефакт может быть вызван неравномерностью толщины среза.

РЧ-шум

Радиочастотные импульсы и частоты прецессии приборов МРТ занимают ту же полосу частот, что и обычные источники, такие как телевидение, радио, флуоресцентные лампы и компьютеры. Случайные радиочастотные сигналы могут вызывать различные артефакты. Узкополосный шум проецируется перпендикулярно направлению частотного кодирования. Широкополосный шум искажает изображение на гораздо большей площади. Соответствующее планирование места, правильная установка и радиочастотное экранирование (клетка Фарадея) устраняют паразитные радиочастотные помехи.

Нулевая линия и звездные артефакты

Яркий линейный сигнал в виде пунктирной диаграммы, интенсивность которого уменьшается по всему экрану и может проявляться в виде линии или звезды, в зависимости от положения пациента в «фазо-частотном пространстве». Артефакты нулевой линии и звезды возникают из-за системного шума или любой причины радиочастотного загрязнения внутри помещения (клетка Фарадея). Если эта закономерность сохраняется, проверьте наличие источников шума системы, таких как неисправная электроника или шум линии переменного тока, слабые соединения с поверхностными катушками или любой источник радиочастотного загрязнения. Если обнаружен звездчатый узор, производителю необходимо перенастроить системное программное обеспечение так, чтобы изображение было смещено от нулевой точки.

Артефакты на молнии

Хотя и реже, молнии представляют собой полосы, проходящие через центр изображения, из-за несовершенства клетки Фарадея с радиочастотным загрязнением внутри клетки, но исходящим извне. Остаточное эхо, стимулированное затуханием свободной индукции, также вызывает застегивание молний.

Артефакт точки отскока

Рис. 10. Артефакт поверхностной катушки: высокий сигнал на передней грудной стенке, прилегающей к поверхностной катушке.

Отсутствие сигнала от тканей определенного значения T1 является следствием магниточувствительной реконструкции при инверсионно-восстановительной визуализации. Когда выбранный T1 равен 69% значения T1 конкретной ткани, возникает артефакт точки отскока. Используйте методы фазочувствительной реконструкции и инверсии восстановления.

Артефакты поверхностной катушки

Вблизи поверхностной катушки сигналы очень сильны, что приводит к очень интенсивному сигналу изображения (рис. 10). Далее от катушки уровень сигнала быстро падает из-за затухания с потерей яркости изображения и значительным затенением на однородность. Чувствительность поверхностной катушки усугубляет проблемы, связанные с затуханием радиочастот и несогласованием радиочастот.

Межсрезовая интерференция

Рис. 11. Межсрезовая интерференция (Т1-осевое исследование поясничных позвонков).

Неоднородная радиочастотная энергия, получаемая соседними срезами во время многосрезового сбора данных, обусловлена ​​перекрестным возбуждением соседних срезов с потерей контрастности в восстановленных изображениях (рис. 11). Чтобы преодолеть эти интерференционные артефакты, необходимо включить получение двух независимых наборов многосрезовых изображений с промежутками и впоследствии переупорядочить их во время отображения полного набора изображений.

Исправление артефактов

ворота

Стробирование, также известное как триггер, представляет собой метод, позволяющий получать данные МРТ в состоянии низкого движения. Примером этого может быть получение среза МРТ только при низкой емкости легких (т.е. между глубокими вдохами). Гейтирование — очень простое решение, которое может дать очень большой результат. Гейтирование лучше всего подходит для смягчения дыхательных и сердечных артефактов. Это связано с тем, что эти типы движения повторяются, поэтому мы можем использовать запуск сбора данных в «состоянии низкого движения». Стробирование используется для киновизуализации, МРА, сканирования грудной клетки при свободном дыхании, визуализации потока спинномозговой жидкости и многого другого.

Для правильного открытия ворот система должна знать о движениях сердца и характере дыхания пациента. Обычно это делается с помощью пульсоксиметра или датчика ЭКГ для считывания сердечного сигнала и/или сильфона для считывания сигнала дыхания. Большим недостатком стробирования является «мертвое время», определяемое как время, потраченное впустую из-за ожидания прохождения состояния высокого движения. Например, мы не хотим получать МРТ-изображение, пока кто-то находится в процессе вдоха, поскольку это будет состояние сильного движения. Итак, у нас есть много периодов времени, когда мы ожидаем прохождения состояния высокого движения. Это становится еще более заметным, если рассматривать одновременно дыхательные и сердечные ворота. Временные окна, в которых дыхательные и сердечные движения являются низкими, очень редки, что приводит к большому мертвому времени. Однако преимущество состоит в том, что изображения, полученные как при сердечном, так и при респираторном стробировании, значительно улучшают качество изображения.

Пилотный тон

Метод пилотного тона включает в себя включение постоянной радиочастоты для обнаружения движения пациента. Более конкретно, аппарат МРТ обнаружит сигнал пилот-тона при получении изображения. Сила пилот-сигнала на каждом TR будет пропорциональна характеру дыхания/движений пациента. То есть движения пациента будут вызывать амплитудную модуляцию принимаемого постоянного радиочастотного тона. Большим преимуществом пилотного тона является то, что он не требует контакта с пациентом. Извлечь сигнал дыхания с помощью пилот-тона теоретически просто: нужно поместить сигнал постоянной частоты рядом с отверстием МРТ, получить изображение и выполнить БПФ в направлении считывания, чтобы извлечь пилот-тон. Технические соображения включают выбор радиочастоты. Пилотный тон должен обнаруживаться аппаратом МРТ, однако его следует тщательно выбирать, чтобы он не мешал изображению МРТ. Пилотный тон отображается в виде молнии (для декартовой регистрации).

Местоположение этой линии определяется частотой радиочастотного тона. По этой причине захваты пилот-тона обычно имеют немного большее поле зрения, чтобы освободить место для пилот-тона. После получения изображения сигнал пилот-тона можно извлечь, выполнив БПФ в направлении считывания и построив график амплитуды результирующего сигнала. Пилотный тон будет отображаться в виде линии (разной амплитуды) при выполнении БПФ в направлении считывания. Метод пилот-тона также можно использовать проспективно для получения изображений сердца.

Метод Pilot Tone отлично подходит для обнаружения артефактов дыхательных движений. Это связано с тем, что существует очень большая и отчетливая модуляция, обусловленная характером человеческого дыхания. Сердечные сигналы гораздо более тонкие, и их трудно обнаружить с помощью пилот-тона. Ретроспективные методы с использованием пилот-тона способны повысить уровень детализации и уменьшить размытость в радиальных изображениях со свободным дыханием.

Укротитель

Целевая оценка и уменьшение движения (TAMER) — это метод ретроспективной коррекции движения, разработанный Мелиссой Хаскелл, Стивеном Коли и Лоуренсом Уолдом. Этот метод был впервые представлен в их статье «Целевая оценка и уменьшение движения (TAMER): смягчение движения на основе согласованности для МРТ с использованием уменьшенной модели совместной оптимизации» , как часть журнала IEEE Transactions on Medical Imaging Journal . Этот метод корректирует артефакты, связанные с движением, путем получения совместной оценки желаемого изображения без движения и соответствующей траектории движения путем минимизации ошибки согласованности данных прямой модели SENSE, которая включает в себя движение объекта твердого тела.

Предварительные сведения

В методе TAMER используется прямая модель SENSE (описанная ниже), которая была модифицирована для включения эффектов движения в последовательность двухмерных многокадровых изображений. Примечание. Следующая модифицированная модель SENSE подробно описана в докторской диссертации Мелиссы Хаскелл «Ретроспективная коррекция движения для магнитно-резонансной томографии».

Предположим, что у нас есть $C$ катушки. Позволять $x$ быть $nN_{sh}\times 1$ вектор-столбец значений вокселей изображения, где $n$ - количество k пространственных выборок, полученных за один снимок, и пусть $s$ быть $nN_{sh}C\times 1$ данные сигнала от $C$ катушки. Позволять $E_{\theta }{\text{ be an }}nN_{sh}C\times nN_{sh}$ матрица кодирования для данного $M\times 1$ вектор траектории движения пациента, $\theta$. $E_{\theta }$ состоит из $N_{sh}$ много $nC\times nN_{sh}$ подматрицы $E_{\theta _{i}}=U_{i}FCT_{xy,i}T_{z,i}R_{i}$ (матрицы кодирования для каждого кадра $i$).

За каждый выстрел $i$, у нас есть подматрица $E_{\theta _{i}}=U_{i}FCT_{xy,i}T_{z,i}R_{i}$ что является матрицей кодирования для этого конкретного кадра $i$ где:

$U_{i}$ это $nC\times nN_{sh}C$ оператор недостаточной выборки

$F$ — оператор кодирования Фурье

$T_{xy,i}$ это оператор перевода на месте

$Tz,i$ — оператор переноса в плоскости

$R_{i}$ это оператор вращения

Модель SENSE Motion Forward: $s=Ex$

Модель SENSE Расширена для описания последовательности многокадровых 2D-изображений: $$s=E_{\theta }x{\text{ where }}E_{\theta }={\begin{pmatrix}E_{\theta _{1}}\\E_{\theta _{2}}\\.\\.\\.\\E_{\theta _{Nsh}}\end{pmatrix}}{\text{ and }}E_{\theta _{i}}=U_{i}FCT_{xy,i}T_{z,i}R_{i}{\text{ for shot }}i=1,2,...,N_{sh}$$

Модель движения твердого тела вперед является нелинейной, и процесс решения оценок как траектории движения, так и объема изображения является сложным в вычислительном отношении и требует много времени. Стремясь ускорить и упростить вычисления, метод TAMER разделяет вектор значений вокселей изображения, $x$, в вектор целевых значений вокселей, $x_{t}$ и вектор фиксированных вокселей, $x_{f}$. Учитывая любой выбор целевых и фиксированных вокселей, мы имеем следующее:

$x={\binom {x_{t}}{x_{f}}}$

$s=s_{t}+s_{f}=E_{\theta }(t)x_{t}+E_{\theta }(f)x_{f}$$s_{t}=s-E_{\theta }(f)x_{f}=E_{\theta }(t)x_{t}$

Примечание. Длина $x_{t}$ составляет всего около 5% от общей длины $x$.

Теперь оптимизация может быть сведена к подгонке вклада сигнала целевых вокселей к правильным значениям целевых вокселей. $x_{t}$ и правильное движение, $\theta$.

Алгоритм ТАМЕР

Алгоритм TAMER состоит из трех основных этапов: инициализация, запуск поиска параметров движения и поиск сокращенной модели совместной оптимизации.

Инициализация: На первом этапе алгоритма TAMER выполняется первоначальная реконструкция полного объема изображения. $x_{0}$, предполагая, что все параметры движения равны нулю. Можно решить за $x_{0}$ минимизируя ошибку наименьших квадратов прямой модели SENSE без движения, т. е. решая систему $(E_{0}^{H}E_{0})x_{0}=E_{0}^{H}s$ где $E_{0}=UFC$ и $E_{0}^{H}$ является сопряженным транспонированием $E_{0}$. Мы обсудили идею разделения смысловой модели на $s=s_{t}+s_{f}=E_{\theta }(t)x_{t}+E_{\theta }(f)x_{f}$; однако мы еще не обсуждали, как выбираются целевые вокселы. Воксели, которые сильно связаны друг с другом, указывают на движение. При декартовой регистрации без движения каждый воксел будет связан только сам с собой, поэтому наша цель — по существу разъединить эти вокселы. Как описано в статье Targeted Motion Estimation and Reduction (TAMER): Consistency Based Motion Mitigation for MRI using a Reduced Model Joint Optimization , входящей в состав журнала IEEE Transactions on Medical Imaging Journal, алгоритм TAMER сходится быстрее всего при выборе целевых вокселей, которые высоко в сочетании. Целевые вокселы могут быть полностью определены параметрами последовательности и чувствительностью катушки.

Процесс выбора целевого воксела:

1. Группируйте катушки на основе свойств артефактов. Ошибка модели сначала вычисляется при условии отсутствия движения. Затем корреляция модели вычисляется по всем каналам. TAMER применяется к группам катушек с наибольшими корреляционными артефактами для оценки движения и изображения.
2. Исходные целевые вокселы выбираются путем выбора корневого вокселя (обычно центра изображения). После того, как корневой воксел выбран, корреляция между корневым вокселем и всеми остальными вокселами определяется путем достижения вектор-столбца корреляционной матрицы. $E^{H}E$ соответствующий корневому вокселу. Величина записей в этом вектор-столбце представляет силу взаимодействия между корневым вокселем и всеми другими вокселами. Корневой воксел вместе с вокселами, которые имеют наиболее сильное взаимодействие с корневым вокселем, затем выбираются в качестве исходных целевых вокселей.

Примечание. Для каждой итерации процесса TAMER целевые вокселы выбираются путем смещения целевых вокселов от предыдущей итерации перпендикулярно направлению фазового кодирования на заданную величину.

Начало поиска параметров движения:

Теперь первоначальная оценка движения пациента определяется путем оценки метрики согласованности данных в диапазоне значений для каждого из $M$ параметры движения, и лучшее значение для каждого параметра выбирается для построения первоначального предположения.

Совместная оптимизация Поиск сокращенной модели:

Теперь у нас есть исходные целевые вокселы, оценка движения и группировка катушек. Теперь выполняется следующая процедура.

Позволять $\theta ^{(i)}$ – оценка траектории движения $i^{th}$шаг поиска. Позволять $i_{max}$ быть максимальным количеством итераций.

Пока $i<i_{max}{\text{ and }}\nabla ^{(i)}>\Delta \epsilon _{max}$ повторите следующее:

1. Решите для $s_{t}^{\left(i\right)}\,\to s_{t}^{\left(i\right)}\,=\,s\,-\,E_{\theta ^{\left(i\right)}}\left(f\right)x_{f}=\,E_{\theta ^{\left(i\right)}}\left(t\right)x_{t}$
2. Решите для $x_{t}^{\left(i\right)}\,\to E_{\theta ^{\left(i\right)}}^{H}\left(t\right)E_{\theta ^{\left(i\right)}}\left(t\right)\,x_{t}^{\left(i\right)}=\,E_{\theta ^{\left(i\right)}}^{H}\left(t\right)x_{f}$
3. Набор $\epsilon ^{(i)}=||s-E_{\theta ^{(i)}}x^{(i)}||$
4. Набор $\,\theta ^{\left(i+1\right)}\,=\,\theta ^{\left(i\right)}\,+\,\nabla ^{\left(i\right)}\,\to \,\,\nabla ^{\left(i\right)}\,=\epsilon ^{(i)}-||s-E_{\left(\theta ^{\left(i\right)}\,+\,d\theta ^{\left(i\right)}\right)\,}x^{\left(i\right)}||_{2}$
5. Набор $i=i+1$

Укротитель: преимущества и недостатки

Преимущества:

• TAMER ретроспективно корректирует движение, поэтому нет необходимости вносить изменения в процедуру МРТ-исследования.
• TAMER не меняет процедуру получения данных, поэтому его можно легко интегрировать в текущие клинические МРТ-сканирования.
• TAMER значительно сокращает объем вычислений модели совместной оптимизации, используемой для оценки параметров движения и вокселей изображения.

Недостатки:

• Текущие реализации TAMER имеют длительное общее время вычислений.
• TAMER требует многоканальных данных, поскольку параметры движения требуют дополнительных степеней свободы, которые обеспечиваются многоканальным сбором данных.
• Алгоритм TAMER предполагает статические профили катушек, которые не меняются при движении пациента. Это предположение было бы проблемой для более крупного движения.

Нейросетевые подходы

В последние годы нейронные сети вызвали большой интерес, превзойдя традиционные методы. по давним проблемам во многих областях. Машинное обучение и, как следствие, нейронные сети использовались во многих аспектах МРТ. — например, ускорение реконструкции изображений или улучшение качества реконструкции при работе с недостатком данных. Нейронные сети также использовались для коррекции артефактов движения благодаря их способности изучать визуальную информацию из данных. а также выводить основные, скрытые представления в данных.

НАМЕРЕНИЕ

Сетевая ускоренная оценка и уменьшение движения (NAMER) — это метод ретроспективной коррекции движения, в котором используются сверточные нейронные сети (CNN), класс нейронных сетей, предназначенных для обработки и обучения на основе визуальной информации, такой как изображения. Это продолжение авторов статьи TAMER под названием Network Accelerated Motion Estimation and Reduction (NAMER): ретроспективная коррекция движения под управлением сверточной нейронной сети с использованием разделимой модели движения. Как и в случае с TAMER, статья направлена ​​на исправление артефактов, связанных с движением, путем оценки желаемого изображения без движения и оптимизации параметров для прямой модели SENSE, описывающей взаимосвязь между необработанными данными k-пространства и пространством изображения с учетом жесткого движения.

Настраивать

Прямая модель SENSE используется для создания искусственных артефактов движения в необработанных данных k-пространства , что позволяет нам получить доступ как к данным с артефактами движения, так и к реальному изображению без артефактов движения. Это важно для метода NAMER, поскольку он использует сверточную нейронную сеть (CNN) для предварительной оценки изображения и управления оценкой параметров модели. Сверточные нейронные сети используют ядра свертки для анализа визуальных изображений. Здесь используется 27-слойная сеть с несколькими слоями свертки, пакетной нормализацией и активациями ReLU . Он использует стандартный оптимизатор ADAM.

Оценка изображения

CNN пытается изучить артефакты изображения на основе входных данных, поврежденных движением. $x$. Оценка этих артефактов, обозначаемая как ${\textstyle CNN(x)}$, затем вычитаются из входных данных, поврежденных движением $x$ чтобы получить наилучшую оценку для изображения без движения: $$x_{CNN}=x-CNN(x)$$Это служит двум целям: во-первых, это позволяет CNN выполнять обратное распространение ошибки и обновлять веса модели, используя функцию потери среднеквадратической ошибки, сравнивая разницу между ${\textstyle x_{CNN}}$ и известное достоверное изображение без движения. Во-вторых, это дает нам хорошую оценку изображения без движения, что дает нам отправную точку для оптимизации параметров модели.

Оптимизация параметров модели SENSE

Эффективное использование CNN позволяет нам обойти второй этап TAMER, пропуская общий поиск параметров. Это означает, что мы можем сосредоточиться исключительно на оценке параметров движения. ${\textstyle \theta }$. Потому что ${\textstyle \theta }$ на самом деле представляет собой вектор из нескольких независимых параметров, мы можем распараллелить нашу оптимизацию, оценивая каждый параметр отдельно.

Оптимизация процедуры оптимизации

Раньше мы использовали следующее для оптимизации изображения $x$ и параметры ${\textstyle \theta }$ сразу. Теперь мы можем оптимизировать только ${\textstyle \theta }$ ценности:

$${\hat {\theta }}=argmin_{\theta }\Vert s-E_{\theta }x_{CNN}\Vert _{2}$$

Кроме того, если был выполнен многократный сбор данных, мы можем оценить параметры ${\textstyle \theta _{n}}$ для каждого из $n$ выстрелы по отдельности, и пойти еще дальше, оценив параметры ${\textstyle \theta _{n,l}}$ для каждой строки $l$ в каждом кадре $n$:

$${\hat {\theta }}_{n,l}=argmin_{\theta _{n,l}}\Vert s_{n,l}-E_{\theta _{n,l}}x_{CNN}\Vert _{2}$$

Это позволяет нам значительно сократить время вычислений примерно с 50 минут с помощью TAMER. до всего 7 минут с NAMER.

Реконструкция

Параметры новой модели затем используются в стандартной задаче оптимизации методом наименьших квадратов для восстановления изображения, которое минимизирует расстояние между данными k-пространства, и результатом применения прямой модели SENSE. $E_{\hat {\theta }}$ при нашей новой оценке параметров ${\textstyle {\hat {\theta }}}$ по нашей наилучшей оценке для изображения без движения: $$[{\hat {x}}]=arg\min _{x}\Vert s-E_{\hat {\theta }}x\Vert _{2}$$Этот процесс повторяется до тех пор, пока не пройдет желаемое количество временных шагов или пока изменение реконструированного изображения не станет достаточно низким. Метод NAMER показал себя очень эффективным при коррекции артефактов жесткого движения и сходится намного быстрее, чем другие методы, включая TAMER. Это иллюстрирует силу глубокого обучения в улучшении результатов во многих областях.

Генеративно-состязательные сети

Другие, более продвинутые методы используют преимущества генеративно-состязательных сетей (GAN), целью которых является изучение скрытого представления данных, чтобы синтезировать новые примеры, неотличимые от реальных данных. Здесь две нейронные сети, сеть-генератор и сеть-дискриминатор, моделируются как агенты, конкурирующие в игре . Цель сети генераторов — создавать синтетические изображения, максимально приближенные к изображениям из истинного распределения, а цель сети дискриминаторов — отличать сгенерированные синтетические изображения от истинного распределения данных. Специально для коррекции артефактов движения при МРТ сеть генераторов принимает изображение с артефактами движения и выводит изображение без артефактов движения. Затем сеть дискриминатора различает синтезированное изображение и достоверные данные. Различные исследования показали, что GAN очень хорошо справляются с коррекцией артефактов движения.

RF (B1) Коррекция неоднородностей

Внешние объекты

Неоднородность B1, возникающая из-за конструктивного или деструктивного вмешательства со стороны диэлектрической проницаемости тканей тела, может быть смягчена с помощью внешних объектов с высокими диэлектрическими проницаемостями и низкой проводимостью. Эти объекты, называемые радиочастотной/диэлектрической подушкой, можно размещать над срезом изображения или рядом с ним для улучшения однородности B1. Сочетание высокой диэлектрической проницаемости и низкой проводимости позволяет подушке изменять фазу стоячих радиочастотных волн и, как было показано, снижает потери сигнала из-за неоднородности B1. Показано, что этот метод коррекции оказывает наибольший эффект на последовательности, которые страдают от артефактов неоднородности B1, но не оказывает влияния на последовательности с неоднородностью B0. В одном исследовании диэлектрическая подушка улучшила качество изображения для последовательностей, взвешенных по Т2, основанных на турбоспин-эхо, но не для последовательностей, взвешенных по Т2, основанных на градиентном эхо.

Смягченные коррекции катушки

Неоднородность B1 была успешно устранена путем изменения типа и конфигурации катушки.

Уменьшение количества витков

Один из методов так же прост, как использование одной и той же передающей и приемной катушки для улучшения однородности. Этот метод использует компромисс между зависимостью B1 и зависимостью чувствительности катушки в последовательностях FLASH и позволяет пользователю выбрать оптимизированный угол поворота, который уменьшит зависимость B1. Используя одну и ту же катушку для передачи и приема, чувствительность приемной катушки может компенсировать некоторые неоднородности в катушке передатчика, уменьшая общую радиочастотную неоднородность. Для анатомических исследований с использованием последовательности FLASH, которые можно выполнить с помощью одной передающей и приемной катушки, этот метод можно использовать для уменьшения артефактов неоднородности B1. Однако этот метод не подходит для экзаменов в условиях жестких ограничений по времени, поскольку пользователю сначала необходимо выполнить оптимизацию угла поворота.

Катушка возбуждения

Изменение распределения поля внутри ВЧ-катушек создаст более однородное поле. Это можно сделать, изменив способ возбуждения и возбуждения радиочастотной катушки. В одном методе используется четырехпортовое радиочастотное возбуждение, которое применяет разные фазовые сдвиги к каждому порту. За счет реализации четырехпортового привода требуемая мощность снижается на 2, SNR увеличивается на √2, а общая однородность B1 улучшается.

Спиральная катушка

Изменение формы катушек можно использовать для уменьшения артефактов неоднородности B1. Было показано, что использование спиральной катушки вместо стандартных катушек в более сильных полях устраняет эффекты стоячих волн в более крупных образцах. Этот метод может быть эффективен при визуализации больших образцов при 4Т или выше; однако для реализации этого метода коррекции требуется соответствующее оборудование. В отличие от постобработки или последовательной модуляции, изменение формы катушки возможно не во всех сканерах.

Параллельное возбуждение катушками

Другой метод коррекции неоднородности B1 заключается в использовании существующей инфраструктуры параллельной системы для генерации нескольких радиочастотных импульсов с меньшими углами поворота, которые вместе могут привести к тому же углу поворота, что и созданный с использованием одной передающей катушки. В этом методе используются несколько передающих катушек из параллельных систем визуализации, чтобы уменьшить и лучше смягчить выделение радиочастотной мощности, полагаясь на более короткие радиочастотные импульсы. Одним из преимуществ использования параллельного возбуждения с катушками является возможность сократить время сканирования за счет объединения нескольких коротких радиочастотных импульсов и возможностей параллельного формирования изображения для сокращения времени сканирования. В целом, когда этот метод используется с правильным выбором радиочастотных импульсов и оптимизирован для малой мощности, артефакты от неоднородности B1 могут быть значительно уменьшены.

Модуляция активной мощности

Активная модуляция мощности радиочастотной передачи для каждой позиции среза компенсирует неоднородность B1. Этот метод фокусируется на неоднородности вдоль осевого направления или оси z, поскольку он является наиболее доминирующим с точки зрения плохой однородности и наименее зависит от образца.

Перед коррекцией неоднородности для калибровки необходимо измерить профиль B1 по оси z катушки. После калибровки данные B1 можно использовать для активной модуляции мощности передачи. Для конкретной последовательности импульсов значения каждой позиции среза заранее определяются, а соответствующие значения шкалы мощности радиочастотного передатчика считываются из справочной таблицы. Затем, пока выполняется последовательность, счетчик слайсов в реальном времени изменяет затухание мощности радиочастотной передачи.

Этот метод предпочтителен для уменьшения артефактов в источнике, особенно когда точный угол поворота имеет решающее значение, а также для увеличения отношения сигнал/шум. Несмотря на то, что этот метод можно использовать только для компенсации изменения B1 вдоль оси z в аксиальных изображениях, он все равно важен, поскольку неоднородность B1 наиболее преобладает вдоль этой оси.

B1 нечувствительные адиабатические импульсы

Одним из способов достижения идеальной инверсии спина, несмотря на неоднородность B1, является использование адиабатических импульсов . Этот метод коррекции работает путем устранения источника проблемы и применения импульсов, которые не вызывают ошибок угла поворота. Конкретные последовательности, в которых используются адиабатические импульсы для повышения однородности угла поворота, включают в себя селективный импульс спинового эха, адиабатические радиочастотные импульсы с инверсией 180 градусов и импульсы перефокусировки на 180 градусов.

Постобработка изображений

Методы постобработки корректируют неоднородность интенсивности (IIH) одной и той же ткани в области изображения. Этот метод применяет к данным фильтр, обычно на основе предварительно полученной карты IIH поля B1. Если известна карта IIH в области изображений, то IIH можно скорректировать путем разделения на предварительно полученное изображение. Эта популярная модель описания эффекта IIH:

• $x=\alpha x'+\xi$

Где $x$ измеренная интенсивность, $x'$ истинная интенсивность, $\alpha$ – эффект IIH, ξ – шум.

Этот метод имеет преимущество, поскольку его можно проводить в автономном режиме, т. е. пациенту не требуется находиться в сканере. Поэтому время коррекции не является проблемой. Однако этот метод не улучшает соотношение сигнал/шум и контрастность изображения, поскольку использует только уже полученную информацию. Поскольку поле B1 не было однородным при получении изображений, углы поворота и последующие полученные сигналы являются неточными.

Было продемонстрировано, что эффекты системы шумоподавления после сканирования изображений на основе искусственного интеллекта при сканировании мозга эффективны для более высокого качества изображений и морфометрического анализа. Системы обработки изображений после сканирования позволяют снизить шум, сохраняя при этом контрастность. Последующее улучшение изображения может быть выполнено за более короткое время сканирования для повышения производительности и более раннего обнаружения.

Методы картирования B1 для коррекции постобработки изображений

Чтобы исправить артефакты радиочастотной неоднородности с помощью поправок постобработки, существует несколько методов картирования поля B1. Вот краткое описание некоторых распространенных методов.

Метод двойного угла

Распространенный и надежный метод, в котором используются результаты двух изображений, полученных под углами поворота $\alpha$ и $2\alpha$. Затем карта B1 строится с использованием соотношения интенсивностей сигналов этих двух изображений. Этот метод, хотя и надежный и точный, требует длительного TR и длительного времени сканирования; следовательно, метод не оптимален для визуализации областей, подверженных движению.

Метод фазовой карты

Подобно методу двойного угла, метод фазовой карты использует два изображения; однако этот метод основан на накоплении фазы для определения реального угла поворота каждого вращения. После поворота на 180 градусов вокруг оси X и последующего поворота на 90 градусов вокруг оси Y полученная фаза затем используется для картирования поля B1. Получив два изображения и вычитая одно из другого, можно удалить любую фазу из неоднородности B0 и отобразить только фазу, накопленную неоднородным радиочастотным полем. Этот метод можно использовать для сопоставления трехмерных объемов, но он требует длительного времени сканирования, что делает его непригодным для некоторых требований сканирования.

Режим сбора эхосигнала с двойной перефокусировкой (DREAM)

Этот метод представляет собой метод мультисрезового отображения B1. DREAM можно использовать для получения 2D-карты B1 за 130 мс, что делает ее нечувствительной к движению и пригодной для сканирования, требующего задержки дыхания, например, для визуализации сердца. Короткое приобретение также снижает влияние химических сдвигов и восприимчивости. Кроме того, этот метод требует низких показателей SAR . Несмотря на то, что DREAM не так точен, как метод двойного угла, он обеспечивает надежное картирование B1 при коротких съемках. Т