Strukturalny rezonans magnetyczny płuc przy użyciu obrazowania ultrakrótkiego echa przy swobodnym oddychaniu, samobramkowaniu

Moje badania koncentrują się na rozwoju i zastosowaniu metod MRI do obrazowania struktury i funkcji płuc. Chcemy zrozumieć, w jaki sposób możemy najlepiej zobrazować płuca, a następnie wykorzystać te techniki do zrozumienia zdrowia i chorób płuc. Rezonans magnetyczny płuc to szybko rozwijająca się dziedzina.

Naukowcy pracują nad nowymi sposobami pobierania MRI różnych środków gazowych oraz nad nowymi metodami wykorzystania konwencjonalnego MRI do obrazowania struktury i funkcji płuc. Strukturalny rezonans magnetyczny przeszedł długą drogę dzięki różnym nowym sposobom łagodzenia ruchu i poprawy SNR obrazów. Wiele dostępnych metod rekonstrukcji umożliwiających generowanie wysokiej jakości obrazów MRI struktury płuc jest albo skomplikowanych, albo kosztownych obliczeniowo, albo jedno i drugie.

Protokół ten wykorzystuje stosunkowo wydajne obliczeniowo metody rekonstrukcji i implementuje prosty potok bramkowania oddechowego po akwizycji. Aby rozpocząć, uzyskaj obrazy MRI płuc w ultrakrótkim czasie echa podczas swobodnego oddychania. Zaimportuj dane i trajektorie oparte na k-space do MATLAB.

Odrzuć pierwsze 1000 projekcji, aby upewnić się, że dane osiągną namagnesowanie w stanie ustalonym. Następnie wykonaj rekonstrukcję obrazu za pomocą niejednorodnej szybkiej transformaty Fouriera do rozmiaru matrycy 96 na 96 na 96. Użyj około 200 projekcji odpowiadających danym o długości od 0,6 do 0,8 sekundy.

Następnie zrekonstruuj i zapisz obrazy ze wszystkich elementów cewki, a także końcowy obraz połączony z cewką. Na obrazie połączonym ze zwojami wybierz wycinek koronalny, który wyraźnie pokazuje membranę. Po wybraniu wycinka koronalnego wyświetl obrazy poszczególnych cewek dla tego przekroju i wybierz jeden lub dwa elementy cewki, które najlepiej pokazują membranę.

Teraz zrekonstruuj tylko dane z elementów cewki za pomocą przesuwanego okna, aby wygenerować obrazy z rozdzielczością czasową około 0,5 sekundy. Użyj pierwszych 200 rzutów, aby zrekonstruować obraz przy użyciu niejednorodnej szybkiej transformaty Fouriera i zapisać tylko wycinek membrany. Przesuń o 100 projekcji i zrekonstruuj dodatkowy obraz, przechowując wycinek przysłony.

Teraz wybierz linię nad przysłoną na pierwszym z obrazów okna przesuwnego. Wizualizuj ruch oddechowy, wyświetlając ten nawigator oddechowy dla wszystkich projekcji. Określ położenie membrany dla wszystkich urządzeń nawigacyjnych i użyj tej lokalizacji, aby oznaczyć występy jako należące do danego pojemnika oddechowego.

Następnie zidentyfikuj kosz z największą liczbą występów odpowiadających końcowemu wygaśnięciu i wybierz go do rekonstrukcji. Użyj filtra wykładniczego, aby zapewnić wagę jeden dla występów w pojemniku głównym i ostro zmniejszającą wagę dla występów w różnych pojemnikach oddechowych. Następnie użyj Berkeley Advanced Reconstruction Toolbox, aby zrekonstruować obraz o wysokiej rozdzielczości w żądanym pojemniku oddechowym.

Obliczanie wag kompensacji zagęszczenia przy użyciu iteracyjnej kombinacji gęstości. Skaluj ciężary kompensacji gęstości za pomocą miękkich ciężarków bramkujących. Następnie wyskaluj dane na podstawie kompensacji gęstości i wag z miękkim bramkowaniem.

Teraz wykonaj podstawową, niejednorodną, szybką transformację Fouriera, aby ułatwić kombinację cewek. Przekształć niejednorodny obraz szybkiej transformacji Fouriera na siatkową przestrzeń k dla kombinacji cewek. Następnie wygeneruj macierz kombinacji cewek i użyj jej do połączenia cewek zarówno dla danych surowych, jak i przestrzeni k z siatką, a także do oszacowania czułości cewki.

Następnie, korzystając z ważonej kompensacji gęstości, danych połączonych cewki i map czułości cewki, wykonaj równoległą obrazowanie skompresowanej rekonstrukcji czujnika. Obrazy wygenerowane pod koniec wygaśnięcia przy użyciu bramkowania opartego zarówno na obrazie, jak i na k-przestrzeni wykazały wyraźną wizualizację membrany, przy czym bramkowanie oparte na obrazie wykazało lepszą kompensację ruchu. Miękkie bramkowanie poprawiło ostrość obrazów inspiracji, redukując artefakty niedopróbkowania w porównaniu z twardym bramkowaniem.

Zarówno bramkowanie oparte na obrazie, jak i na przestrzeni k z powodzeniem wykrywało przebiegi oddechowe podczas regularnego oddychania, przy czym bramkowanie oparte na obrazie dawało wyraźniejsze wyniki w nieregularnych warunkach oddychania.