两个梯度,两个空间频率 同时有 x x x 、y y y 两个梯度时,位于 ( x , y ) (x,y) ( x , y ) 的水积累的相位是 2 π ( k x x + k y y ) 2\pi(k_xx+k_yy) 2 π ( k x x + k y y ) 。MIT 讲义把线圈信号写成下面的二维积分:一个对所有位置都相同的快速振荡,乘上水密度的二维傅里叶变换。
每个样本 ( k x , k y ) (k_x,k_y) ( k x , k y ) 测的是什么?它把水分布与一个条纹图案 e i 2 π ( k x x + k y y ) e^{i2\pi(k_xx+k_yy)} e i 2 π ( k x x + k y y ) 比对。这些条纹垂直于矢量 ( k x , k y ) (k_x,k_y) ( k x , k y ) ,相邻条纹相距 1 / ∣ k ∣ 1/|k| 1/∣ k ∣ 。k k k 小,条纹宽,测的是大尺度的明暗;k k k 大,条纹细,测的是细节和边缘。
MIT 讲义第 12 页的结果去掉共同的进动因子。 梯度的时间积分决定此刻测到哪个空间频率。 一次读出一行 行距:决定视野 实线:已采集 虚线:跳过 中心点:零频 每次激发记录 k 空间的一行:相位编码梯度选定 k y k_y k y ,读出梯度扫过 k x k_x k x 。实线是采集的行,虚线是跳过的行,对应隔行采样。行距 Δ k = 1 / F O V \Delta k=1/\mathrm{FOV} Δ k = 1/ FOV 决定视野,范围 N Δ k N\Delta k N Δ k 决定像素。原创示意图。 来源:MIT 6.3000 Signal Processing · M. Lustig
相位编码:每次激发填一行 读出梯度沿 x x x ,一次读出就扫过一整行 k x k_x k x 。在读出之前加一个持续时间固定、强度可调的 y y y 梯度,它的面积决定这一行的 k y k_y k y 。读出期间不再有 y y y 梯度,所以整行 k y k_y k y 相同。这一步叫相位编码,因为它只在读出前给不同的 y y y 位置不同的相位。
第 m m m 行需要 k y = m Δ k k_y=m\Delta k k y = m Δ k ,相邻两行的梯度面积相差 Δ k / γ ˉ \Delta k/\bar\gamma Δ k / γ ˉ 。纵向磁化要在两次激发之间恢复,所以每行之间隔一个重复时间 T R T_R T R 。MIT 讲义算过:256 行、每行 2 s,一共约 8.5 分钟。
Lustig 等人指出,Cartesian 采样中读出方向总是完整采集的,节省时间只能靠少采相位编码行,而且省下的时间与少采的比例完全成正比。第五、六章讨论的就是少采哪些行、怎样补。
每次激发采一行。读出本身只有几毫秒,扫描时间几乎全花在等磁化恢复上。 来源:MIT 6.3000 Signal Processing · M. Lustig
k 空间数据不像图像 MIT 讲义展示了一组真实的 k 空间数据:幅值要用对数标尺才看得清,几乎全部能量集中在中心附近;相位看上去杂乱无章。这些测量本身不是图像,它们是图像的傅里叶变换。Lustig 等人也写道,图像的大部分能量集中在 k 空间原点附近。
对 k 空间做逆傅里叶变换得到的图像有实部也有虚部,因为从射频激发到接收之间的信号通路会带来相位延迟。MIT 讲义因此取复图像的幅值作为最终图像。
中心样本 s ( 0 , 0 ) = ∬ ρ d x d y s(0,0)=\iint\rho\,dx\,dy s ( 0 , 0 ) = ∬ ρ d x d y 就是样品里水的总量。物体平移 r 0 \mathbf r_0 r 0 时,每个样本只乘上相位因子 e − i 2 π k ⋅ r 0 e^{-i2\pi\mathbf k\cdot\mathbf r_0} e − i 2 π k ⋅ r 0 ,幅值不变。这叫平移定理,后面拖动体模时会用到。
平移只改变 k 空间的相位,不改变幅值。 来源:MIT 6.3000 Signal Processing · M. Lustig
体模的精确变换 k 空间重建实验里的头部体模由 9 个均匀椭圆叠加而成,是本课程自己定义的教学体模。均匀椭圆有精确的傅里叶变换,用到一阶 Bessel 函数 J 1 J_1 J 1 :它是圆形边界对应的“正弦”,随自变量增大而振荡衰减。因此每个 k 空间样本都直接取自连续物体,没有先画成像素再变换。
基准程序用两种独立方法检验这条公式:把 J 1 J_1 J 1 与 Bessel 积分直接比较,差别 2.2 × 10 − 9 2.2\times10^{-9} 2.2 × 1 0 − 9 ;再把每个椭圆切成弦逐条积分,与公式相差不超过 6.7 × 10 − 10 6.7\times10^{-10} 6.7 × 1 0 − 10 (以椭圆面积为单位)。
半轴 a a a 、b b b ,中心 r 0 \mathbf r_0 r 0 ,k u k_u k u 、k v k_v k v 是 k \mathbf k k 在椭圆两轴上的分量。 来源:MIT 6.3000 Signal Processing · M. Lustig
完整例题:一次 64 行 64 列的扫描 题目:视野 256 mm,矩阵 64 × 64 64\times64 64 × 64 ,T R = 2 s T_R=2\,\mathrm s T R = 2 s ,相位编码梯度每次持续 1 ms。求 k 空间步长、最大空间频率、像素宽度、扫描时间,以及最外一行需要的相位编码梯度。这正是 k 空间重建实验的完整扫描。
步长 Δ k = 1 / 0.256 m = 3.906 m − 1 \Delta k=1/0.256\,\mathrm m=3.906\,\mathrm{m^{-1}} Δ k = 1/0.256 m = 3.906 m − 1 ,最大空间频率 k max = 32 Δ k = 125 m − 1 k_{\max}=32\Delta k=125\,\mathrm{m^{-1}} k m a x = 32Δ k = 125 m − 1 ,像素 256 / 64 = 4 m m 256/64=4\,\mathrm{mm} 256/64 = 4 mm 。扫描时间 64 × 2 s = 128 s = 2.13 m i n 64\times2\,\mathrm s=128\,\mathrm s=2.13\,\mathrm{min} 64 × 2 s = 128 s = 2.13 min ;若像 MIT 讲义那样采 256 行,就是 8.53 分钟。
每一步的梯度面积 Δ k / γ ˉ = 3.906 / ( 42.576 × 10 6 ) = 9.17 × 10 − 8 T s / m \Delta k/\bar\gamma=3.906/(42.576\times10^6)=9.17\times10^{-8}\,\mathrm{T\,s/m} Δ k / γ ˉ = 3.906/ ( 42.576 × 1 0 6 ) = 9.17 × 1 0 − 8 T s/m 。持续 1 ms 时,每一步梯度增加 0.0917 mT/m;最外一行要走 32 步,需要 2.94 mT/m。
换一个问题:MIT 讲义问,以 1 mm 分辨率拍一个 10 英寸见方的视野要测多少个 ( k x , k y ) (k_x,k_y) ( k x , k y ) 。10 英寸是 254 mm,每边 254 个样本,共 254 2 = 64 516 254^2=64\,516 25 4 2 = 64 516 个;每行 2 s 时扫描 8.47 分钟。
来源:MIT 6.3000 Signal Processing · M. Lustig