当前位置: 首页 > news >正文

磁共振成像原理(理论)28:饱和恢复序列 (Saturation-Recovery Sequence)

引言

图像对比度是磁共振成像中的重要参数,因为人类视觉系统不擅长判断绝对亮度值。如下图所示,两个中间小方块的实际强度相同,但右侧的看起来更亮,这说明了对比度感知的复杂性。
image.png

图像对比度被定义为:图像强度差异的函数。具体而言,设IAI_AIAIBI_BIB分别表示组织A和B的图像强度,CAB\mathcal{C}_{AB}CAB为它们的对比度指数,则对比度定义为:
CAB=∣IA−IB∣Iref(7.1) \mathcal{C}_{AB} = \frac{|I_A - I_B|}{I_{\text{ref}}} \tag{7.1} CAB=IrefIAIB(7.1)

其中IrefI_{\text{ref}}Iref为归一化参考值(通常取白质或灰质的平均强度)。从公式(7.1)可以看出,增强图像对比度需要最大化不同组织间的图像强度差异。这也是序列设计的一个目标之一。

在磁共振成像中,图像强度III是自旋密度ρ\rhoρ、弛豫时间T1T_1T1T2T_2T2T2∗T_2^*T2、扩散系数DDD等多参数的函数。因此,对比度可表示为:
CAB=f(ρ,T1,T2,T2∗,D,…)(7.2) \mathcal{C}_{AB} = f(\rho, T_1, T_2, T_2^*, D, \ldots) \tag{7.2} CAB=f(ρ,T1,T2,T2,D,)(7.2)

函数fff的具体形式取决于数据采集序列。通过选择突出特定效应的参数,可获得近似对比度:

  • T1T_1T1效应占主导时,得到T1T_1T1对比度:
    CAB≈f(T1)(7.3) \mathcal{C}_{AB} \approx f(T_1) \tag{7.3} CABf(T1)(7.3)
  • 当自旋密度效应占主导时,得到自旋密度对比度:
    CAB≈f(ρ)(7.4) \mathcal{C}_{AB} \approx f(\rho) \tag{7.4} CABf(ρ)(7.4)
  • T2T_2T2效应占主导时,得到T2T_2T2对比度:
    CAB≈f(T2)(7.5) \mathcal{C}_{AB} \approx f(T_2) \tag{7.5} CABf(T2)(7.5)

饱和恢复序列

基本饱和恢复序列由一系列等间隔的90°脉冲组成,如下图所示。脉冲间隔时间称为重复时间TRT_RTR。该序列可简写为:
(90∘−TR)N(7.6) (90^\circ - T_R)_N \tag{7.6} (90TR)N(7.6)
其中NNN为90°脉冲的应用次数。
image.png

为分析该序列的图像对比特性,需推导信号与序列参数的关系表达式。设Mz′(n)(0−)M_{z'}^{(n)}(0_-)Mz(n)(0)Mz′(n)(0+)M_{z'}^{(n)}(0_+)Mz(n)(0+)分别表示第nnn个90°脉冲前后的纵向磁化强度,初始条件为:
{Mz′(1)(0−)=Mz0Mz′(1)(0+)=0(7.7) \begin{cases} M_{z'}^{(1)}(0_-) = M_z^0 \\ M_{z'}^{(1)}(0_+) = 0 \end{cases} \tag{7.7} {Mz(1)(0)=Mz0Mz(1)(0+)=0(7.7)

根据弛豫方程(式3.122)
{Mx′y′(t)=Mx′y′(0+)e−t/T2Mz′(t)=Mz0(1−e−t/T1)+Mz′(0+)e−t/T1(3.122) \left\{ \begin{array}{l} M_{x'y'}(t) = M_{x'y'}(0_+) e^{-t/T_2} \\ M_{z'}(t) = M_z^0 (1 - e^{-t/T_1}) + M_{z'}(0_+) e^{-t/T_1} \end{array} \right. \tag {3.122} {Mxy(t)=Mxy(0+)et/T2Mz(t)=Mz0(1et/T1)+Mz(0+)et/T1(3.122)

对于n>1n > 1n>1,也就是第n个脉冲前Mz′(n)(0−)M_{z'}^{(n)}(0_-)Mz(n)(0),发生在第n-1个脉冲作用后Mz′(n−1)(0+)M_{z'}^{(n-1)}(0_+)Mz(n1)(0+)TRT_RTR时刻,将Mz′(0+)→Mz′(n−1)(0+),t→TRM_{z'}(0_+) \to M_{z'}^{(n-1)}(0_+), t \to T_RMz(0+)Mz(n1)(0+),tTR,可得:
Mz′(n)(0−)=Mz0(1−e−TR/T1)+Mz′(n−1)(0+)e−TR/T1(7.8) M_{z'}^{(n)}(0_-) = M_z^0 \left(1 - e^{-T_R / T_1}\right) + M_{z'}^{(n-1)}(0_+) e^{-T_R / T_1} \tag{7.8} Mz(n)(0)=Mz0(1eTR/T1)+Mz(n1)(0+)eTR/T1(7.8)

该激发序列通常满足饱和条件:
Mz′(n)(0+)=0(n≥1)(7.9) M_{z'}^{(n)}(0_+) = 0 \quad (n \geq 1) \tag{7.9} Mz(n)(0+)=0(n1)(7.9)

此条件在TR≫T2T_R \gg T_2TRT2时成立。饱和条件意味着前一个90°脉冲产生的横向磁化在下一个脉冲应用前已完全衰减。因此不会有横向磁化被90°脉冲转到纵向,基于式(7.9),式(7.8)可改写为:
Mz′(n)(0−)=Mz0(1−e−TR/T1)(n≥2)(7.11) M_{z'}^{(n)}(0_-) = M_z^0 \left(1 - e^{-T_R / T_1}\right) \quad (n \geq 2) \tag{7.11} Mz(n)(0)=Mz0(1eTR/T1)(n2)(7.11)

这表明自旋系统在第二个90°脉冲前已达到稳态。因此,第一个90°脉冲常称为预备脉冲,其对应信号通常被舍弃。因为第一个脉冲产生的信号幅度正比于 Mz0M_z^0Mz0,而稳态信号幅度正比于 Mz0(1−e−TR/T1)M_z^0 (1 - e^{-T_R/T_1})Mz0(1eTR/T1)
S1∝Mz0Sn∝Mz0(1−e−TR/T1)(n≥2) \begin{aligned} S_1 &\propto M_z^0 \\ S_n &\propto M_z^0 (1 - e^{-T_R/T_1}) \quad (n \geq 2) \end{aligned} S1SnMz0Mz0(1eTR/T1)(n2)

而对于长 T1T_1T1 组织,当 TR≪T1T_R \ll T_1TRT1 时:
(1−e−TR/T1)≪1() (1 - e^{-T_R/T_1}) \ll 1 \tag{} (1eTR/T1)1()
第一个信号幅度远大于稳态信号幅度,如果混合使用会造成严重的图像伪影。

回到正文,由式(7.11)可得横向磁化强度:
Mx′y′(n)(0+)=Mz0(1−e−TR/T1)(n>1)(7.12) M_{x'y'}^{(n)}(0_+) = M_z^0 \left(1 - e^{-T_R / T_1}\right) \quad (n > 1) \tag{7.12} Mxy(n)(0+)=Mz0(1eTR/T1)(n>1)(7.12)

相应的FID信号幅度为:
Af∝Mz0(1−e−TR/T1)∝ρ(1−e−TR/T1)(7.13) A_f \propto M_z^0 \left(1 - e^{-T_R / T_1}\right) \propto \rho \left(1 - e^{-T_R / T_1}\right) \tag{7.13} AfMz0(1eTR/T1)ρ(1eTR/T1)(7.13)

从式(7.13)可见,FID信号携带:特征性的T1T_1T1加权因子(1−e−TR/T1)(1 - e^{-T_R / T_1})(1eTR/T1)。该加权因子不受后续空间信息编码和图像重建步骤影响,因此图像强度同样具有T1T_1T1加权特性:
I(r)=Cρ(r)[1−e−TR/T1(r)](7.14) I(\mathbf{r}) = C\rho(\mathbf{r}) \left[1 - e^{-T_R / T_1(\mathbf{r})}\right] \tag{7.14} I(r)=(r)[1eTR/T1(r)](7.14)

其中CCC为与编码和重建方法相关的比例常数。饱和恢复序列可产生自旋密度加权T1T_1T1加权对比度:

  • 当采用长TRT_RTR时,(1−e−TR/T1)→1(1 - e^{-T_R / T_1}) \rightarrow 1(1eTR/T1)1,组织对比主要来自自旋密度差异;
  • 当采用短TRT_RTR时,图像呈T1T_1T1加权,组织对比主要源于T1T_1T1值差异。

最优TRT_RTR计算

假设样本包含两种自旋密度均匀但T1T_1T1弛豫时间不同(T1AT_{1A}T1AT1BT_{1B}T1B)的组织。根据式(7.14),强度表达式为:
{IA∝ρA(1−e−TR/T1A)IB∝ρB(1−e−TR/T1B)(7.16) \begin{cases} I_A \propto \rho_A (1 - e^{-T_R / T_{1A}}) \\ I_B \propto \rho_B (1 - e^{-T_R / T_{1B}}) \end{cases} \tag{7.16} {IAρA(1eTR/T1A)IBρB(1eTR/T1B)(7.16)

ρA=ρB\rho_A = \rho_BρA=ρB时,对比度为:
CAB∝∣IA−IB∣=C(e−TR/T1B−e−TR/T1A)(7.17) \mathcal{C}_{AB} \propto |I_A - I_B| = C \left(e^{-T_R / T_{1B}} - e^{-T_R / T_{1A}}\right) \tag{7.17} CABIAIB=C(eTR/T1BeTR/T1A)(7.17)

最优TRT_RTR值需满足:
∂CAB∂TR=C(1T1Ae−TR/T1A−1T1Be−TR/T1B)=0(7.18) \frac{\partial \mathcal{C}_{AB}}{\partial T_R} = C \left(\frac{1}{T_{1A}} e^{-T_R / T_{1A}} - \frac{1}{T_{1B}} e^{-T_R / T_{1B}}\right) = 0 \tag{7.18} TRCAB=C(T1A1eTR/T1AT1B1eTR/T1B)=0(7.18)

解得:
TR0=ln⁡(T1AT1B)1T1B−1T1A(7.19) T_R^0 = \frac{\ln\left(\frac{T_{1A}}{T_{1B}}\right)}{\frac{1}{T_{1B}} - \frac{1}{T_{1A}}} \tag{7.19} TR0=T1B1T1A1ln(T1BT1A)(7.19)
而当ρA≠ρB\rho_A \neq \rho_BρA=ρB时,组织A和B之间的对比度定义为它们图像强度的绝对差值:
CAB=∣IA−IB∣=C⋅∣ρA(1−e−TR/T1,A)−ρB(1−e−TR/T1,B)∣() \mathcal{C}_{AB} = |I_A - I_B| = C \cdot \left| \rho_A (1 - e^{-T_R/T_{1,A}}) - \rho_B (1 - e^{-T_R/T_{1,B}}) \right| \tag{} CAB=IAIB=CρA(1eTR/T1,A)ρB(1eTR/T1,B)()

为了最大化对比度 CAB\mathcal{C}_{AB}CAB,需要找到使 ∣IA−IB∣|I_A - I_B|IAIB 取最大值的 TRT_RTR 值。不失一般性,假设 IA>IBI_A > I_BIA>IB(如果相反,只需交换A和B的标签),因此可以去掉绝对值符号:
CAB=C[ρA(1−e−TR/T1,A)−ρB(1−e−TR/T1,B)]() \mathcal{C}_{AB} = C \left[ \rho_A (1 - e^{-T_R/T_{1,A}}) - \rho_B (1 - e^{-T_R/T_{1,B}}) \right] \tag{} CAB=C[ρA(1eTR/T1,A)ρB(1eTR/T1,B)]()

定义目标函数:
f(TR)=ρA(1−e−TR/T1,A)−ρB(1−e−TR/T1,B)() f(T_R) = \rho_A (1 - e^{-T_R/T_{1,A}}) - \rho_B (1 - e^{-T_R/T_{1,B}}) \tag{} f(TR)=ρA(1eTR/T1,A)ρB(1eTR/T1,B)()

对目标函数求导并令导数为零:
df(TR)dTR=ρA⋅1T1,Ae−TR/T1,A−ρB⋅1T1,Be−TR/T1,B=0ρA⋅1T1,Ae−TR/T1,A=ρB⋅1T1,Be−TR/T1,B \begin{aligned} \frac{df(T_R)}{dT_R} &= \rho_A \cdot \frac{1}{T_{1,A}} e^{-T_R/T_{1,A}} - \rho_B \cdot \frac{1}{T_{1,B}} e^{-T_R/T_{1,B}} = 0 \\ \rho_A \cdot \frac{1}{T_{1,A}} e^{-T_R/T_{1,A}} &= \rho_B \cdot \frac{1}{T_{1,B}} e^{-T_R/T_{1,B}} \end{aligned} dTRdf(TR)ρAT1,A1eTR/T1,A=ρAT1,A1eTR/T1,AρBT1,B1eTR/T1,B=0=ρBT1,B1eTR/T1,B

将方程(7.19)两边取自然对数:
ln⁡(ρA⋅1T1,A)−TRT1,A=ln⁡(ρB⋅1T1,B)−TRT1,B() \ln\left(\rho_A \cdot \frac{1}{T_{1,A}}\right) - \frac{T_R}{T_{1,A}} = \ln\left(\rho_B \cdot \frac{1}{T_{1,B}}\right) - \frac{T_R}{T_{1,B}} \tag{} ln(ρAT1,A1)T1,ATR=ln(ρBT1,B1)T1,BTR()

整理项:
TRT1,B−TRT1,A=ln⁡(ρB⋅1T1,B)−ln⁡(ρA⋅1T1,A)() \frac{T_R}{T_{1,B}} - \frac{T_R}{T_{1,A}} = \ln\left(\rho_B \cdot \frac{1}{T_{1,B}}\right) - \ln\left(\rho_A \cdot \frac{1}{T_{1,A}}\right) \tag{} T1,BTRT1,ATR=ln(ρBT1,B1)ln(ρAT1,A1)()

提取公因子并简化:
TR(1T1,B−1T1,A)=ln⁡(ρBρA⋅T1,AT1,B)() T_R \left( \frac{1}{T_{1,B}} - \frac{1}{T_{1,A}} \right) = \ln\left( \frac{\rho_B}{\rho_A} \cdot \frac{T_{1,A}}{T_{1,B}} \right) \tag{} TR(T1,B1T1,A1)=ln(ρAρBT1,BT1,A)()

对于自旋密度不同的两种组织,饱和恢复序列中最优重复时间的通用解为:
TRo=ln⁡(ρBT1,AρAT1,B)1T1,B−1T1,A T_R^o = \frac{\ln\left( \frac{\rho_B T_{1,A}}{\rho_A T_{1,B}} \right)}{\frac{1}{T_{1,B}} - \frac{1}{T_{1,A}}} TRo=T1,B1T1,A1ln(ρAT1,BρBT1,A)

http://www.dtcms.com/a/610900.html

相关文章:

  • 桂林网站开发公司电话2345网址导航怎么彻底删掉win10
  • 网站册数平面设计可以自学吗
  • Boost库中Boost.PropertyTree使用和实战示例
  • 公司网站维护建设费入什么科目广东华电建设股份有限公司网站
  • 上海营销型网站建设价格线上运营推广是做什么的
  • 织梦绿色企业网站模板 苗木企业网站源码 dedecms5.7内核WordPress 营利
  • 高端建设网站建设北京网站建设最好公司
  • 成都制作网站软件网站建设新闻稿
  • 网站地图格式wordpress安装虚拟主机
  • 代理模式啦
  • 自动化测试:Python开发IDE介绍
  • 国产操作系统调研报告:产业现状与未来方向
  • 好用的远程软件!ToDesk、向日葵、UU远程横测
  • 商务网站建设用的是什么软件成都比较好的设计公司
  • ESP32基础-PWM_步进电机
  • (修改认证方式、设置密码策略);)Zabbix安装(配置清华源、安装必要组件);)数据库初始化(创建库/用户、导入数据);)服... ...
  • 爱网站在线观看视频vi展示效果图
  • 网站ip地址查询域名网站建设388
  • 郑州网站建设价格wordpress编辑文章更新失败
  • 打造“移动的风景线”:RTMP推流平台EasyDSS无人机推流直播实现文旅宣传新形态
  • 测试测试测试测试测试
  • 异形零件自动化排列:整列机与传统振动盘的 5 大技术维度解析
  • google网站质量做网站的网页用什么软件好
  • 深度学习:正则化(Regularization)实践(无正则化 vs 有正则化(L2 正则化、Dropout))
  • 郑州网站seo优wordpress登陆代码
  • 网站建设哪家做的好一点网站图片链接是怎么做的
  • Pytorch性能调优简单总结
  • 探索回文诗歌的艺术:从Python视角理解语言的对称性
  • 【工具变量】全国质量强市示范城市DID数据(2000-2025年)
  • 网站优化与seo的区别内部优惠券网站怎么做