Un artefacto de MRI es un artefacto visual (una anomalía que se observa durante la representación visual) en la resonancia magnética (MRI). Es una característica que aparece en una imagen que no está presente en el objeto original. [1] Pueden ocurrir muchos artefactos diferentes durante la resonancia magnética, algunos afectan la calidad del diagnóstico, mientras que otros pueden confundirse con patología. Los artefactos se pueden clasificar como relacionados con el paciente, dependientes del procesamiento de señales y relacionados con el hardware (máquina). [1]
Artefactos de movimiento
![](http://wikiimg.tojsiabtv.com/wikipedia/commons/thumb/a/aa/MRI_with_motion_artifacts.jpg/440px-MRI_with_motion_artifacts.jpg)
Un artefacto de movimiento es uno de los artefactos más comunes en la resonancia magnética. [2] El movimiento puede causar imágenes fantasma o ruido de imagen difuso en la dirección de codificación de fase. La razón de afectar principalmente al muestreo de datos en la dirección de codificación de fase es la diferencia significativa en el tiempo de adquisición en las direcciones de codificación de frecuencia y fase. [1] El muestreo de codificación de frecuencia en todas las filas de la matriz (128, 256 o 512) tiene lugar durante un solo eco (milisegundos). El muestreo codificado en fase tarda varios segundos, o incluso minutos, debido a la recopilación de todas las líneas de espacio k para permitir el análisis de Fourier . Los movimientos fisiológicos principales tienen una duración de milisegundos a segundos y, por lo tanto, son demasiado lentos para afectar el muestreo codificado en frecuencia, pero tienen un efecto pronunciado en la dirección de codificación de fase. Los movimientos periódicos, como el movimiento cardíaco y la pulsación de los vasos sanguíneos o del LCR, producen imágenes fantasma, mientras que los movimientos no periódicos provocan un ruido de imagen difuso (Fig. 1). La intensidad de la imagen fantasma aumenta con la amplitud del movimiento y la intensidad de la señal del tejido en movimiento. Se pueden usar varios métodos para reducir los artefactos de movimiento, incluida la inmovilización del paciente, la activación cardíaca y respiratoria, la supresión de la señal del tejido que causa el artefacto, la elección de la dimensión más corta de la matriz como dirección de codificación de fase, el orden de vista o los métodos de reordenamiento de fase. e intercambiar direcciones de codificación de fase y frecuencia para mover el artefacto fuera del campo de interés. [1]
Flujo
![](http://wikiimg.tojsiabtv.com/wikipedia/commons/thumb/9/91/MRI_with_flow-related_signal_loss.jpg/440px-MRI_with_flow-related_signal_loss.jpg)
El flujo puede manifestarse como una señal intravascular alterada (mejora del flujo o pérdida de señal relacionada con el flujo) o como artefactos relacionados con el flujo (imágenes fantasma o mal registro espacial). La mejora del flujo, también conocida como efecto de entrada, es causada por protones completamente magnetizados que ingresan al corte de la imagen, mientras que los protones estacionarios no han recuperado completamente su magnetización. [1] Los protones totalmente magnetizados producen una señal alta en comparación con el resto del entorno. El flujo de alta velocidad hace que los protones que entran en la imagen se eliminen de ella en el momento en que se administra el pulso de 180 grados. El efecto es que estos protones no contribuyen al eco y se registran como un vacío de señal o una pérdida de señal relacionada con el flujo (Fig. 2). [1] El registro incorrecto espacial se manifiesta como el desplazamiento de una señal intravascular debido a la codificación de la posición de un vóxel en la dirección de fase que precede a la codificación de frecuencia en el tiempo TE / 2. La intensidad del artefacto depende de la intensidad de la señal del vaso y es menor aparente con aumento de TE. [1]
Artefactos de metal
![](http://wikiimg.tojsiabtv.com/wikipedia/commons/thumb/a/a3/MRI_with_metal_artifacts.jpg/440px-MRI_with_metal_artifacts.jpg)
![](http://wikiimg.tojsiabtv.com/wikipedia/commons/thumb/9/98/Head_MRI_with_metal_artifacts.jpg/440px-Head_MRI_with_metal_artifacts.jpg)
Los artefactos metálicos ocurren en las interfaces de los tejidos con diferentes susceptibilidades magnéticas, lo que hace que los campos magnéticos locales distorsionen el campo magnético externo. Esta distorsión cambia la frecuencia de precesión en el tejido, lo que provoca un desajuste espacial de la información. El grado de distorsión depende del tipo de metal (el acero inoxidable tiene un mayor efecto de distorsión que la aleación de titanio), el tipo de interfaz (efecto más llamativo en las interfaces de tejido blando-metal), secuencia de pulsos y parámetros de imagen. Los artefactos metálicos son causados por ferromagnéticos externos como el maquillaje que contiene cobalto, ferromagnéticos internos como clips quirúrgicos, hardware espinal y otros dispositivos ortopédicos y, en algunos casos, objetos metálicos ingeridos por personas con pica . [3] La manifestación de estos artefactos es variable, incluida la pérdida total de señal, la señal periférica alta y la distorsión de la imagen (Figuras 3 y 4). [1] Se puede intentar la reducción de estos artefactos orientando el eje largo de un implante o dispositivo paralelo al eje largo del campo magnético externo, posible con imágenes de extremidades móviles y un imán abierto. Otros métodos utilizados son elegir la dirección de codificación de frecuencia adecuada, ya que los artefactos metálicos son más pronunciados en esta dirección, utilizando tamaños de vóxel más pequeños, secuencias de imágenes rápidas, mayor ancho de banda de lectura y evitando imágenes de eco de gradiente cuando hay metal presente. Una técnica llamada MARS (secuencia de reducción de artefactos metálicos) aplica un gradiente adicional a lo largo del gradiente de selección de corte en el momento en que se aplica el gradiente de codificación de frecuencia. == Artefactos dependientes del procesamiento de señales == Las formas en que los datos se muestrean, procesan y mapean en la matriz de imágenes manifiestan estos artefactos. [1]
Artefacto de desplazamiento químico
![](http://wikiimg.tojsiabtv.com/wikipedia/commons/thumb/2/28/MRI_with_chemical_shift_artifact.jpg/440px-MRI_with_chemical_shift_artifact.jpg)
El artefacto de desplazamiento químico ocurre en la interfaz grasa / agua en las direcciones de codificación de fase o selección de sección (Fig. 5). Estos artefactos surgen debido a la diferencia en la resonancia de los protones como resultado de su entorno micromagnético. Los protones de la grasa resuenan con una frecuencia ligeramente más baja que los del agua. Los imanes de alta intensidad de campo son particularmente susceptibles a este artefacto. [1] La determinación del artefacto se puede realizar intercambiando los gradientes de codificación de fase y frecuencia y examinando el desplazamiento resultante (si lo hay) de los tejidos.
Volumen parcial
Los artefactos de volumen parcial surgen del tamaño del vóxel sobre el que se promedia la señal. Los objetos más pequeños que las dimensiones del vóxel pierden su identidad y se produce una pérdida de detalle y resolución espacial. La reducción de estos artefactos se logra utilizando un tamaño de píxel más pequeño y / o un grosor de corte más pequeño. [1]
Envolver alrededor
![](http://wikiimg.tojsiabtv.com/wikipedia/commons/thumb/3/3f/Head_MRI_with_wrap_around_artifacts.jpg/440px-Head_MRI_with_wrap_around_artifacts.jpg)
![](http://wikiimg.tojsiabtv.com/wikipedia/commons/thumb/8/8e/MRI_with_wrap_around_artifacts.jpg/440px-MRI_with_wrap_around_artifacts.jpg)
Un artefacto envolvente, también conocido como artefacto de aliasing , es el resultado de un desajuste de la anatomía que se encuentra fuera del campo de visión pero dentro del volumen de corte. [4] El campo de visión seleccionado es más pequeño que el tamaño del objeto de la imagen. La anatomía suele desplazarse hacia el lado opuesto de la imagen (Figuras 6 y 7). Puede ser causado por gradientes no lineales o por submuestreo de las frecuencias contenidas dentro de la señal de retorno. [1] La frecuencia de muestreo debe ser el doble de la frecuencia máxima que se produce en el objeto ( límite de muestreo de Nyquist ). De lo contrario, la transformada de Fourier asignará valores muy bajos a las señales de frecuencia superiores al límite de Nyquist. Estas frecuencias luego se 'envolverán' en el lado opuesto de la imagen, disfrazándose como señales de baja frecuencia. En la dirección de codificación de frecuencia, se puede aplicar un filtro a la señal adquirida para eliminar frecuencias mayores que la frecuencia de Nyquist . En la dirección de codificación de fase, los artefactos se pueden reducir mediante un número creciente de pasos de codificación de fase (aumento del tiempo de imagen). Para la corrección, se puede elegir un campo de visión más grande. [1]
Artefactos de Gibbs
![](http://wikiimg.tojsiabtv.com/wikipedia/commons/thumb/b/b2/MRI_with_Gibbs_artifacts.jpg/440px-MRI_with_Gibbs_artifacts.jpg)
Los artefactos de Gibbs o los artefactos de timbre de Gibbs, también conocidos como artefactos de truncamiento, son causados por el submuestreo de altas frecuencias espaciales en los límites nítidos de la imagen. [5] [6] La falta de componentes de alta frecuencia adecuados conduce a una oscilación en una transición brusca conocida como artefacto de timbre. Aparece como múltiples bandas paralelas, regularmente espaciadas, de señales alternas brillantes y oscuras que se desvanecen lentamente con la distancia (Fig. 8). Los artefactos de timbre son más prominentes en tamaños de matriz digital más pequeños. [1] Los métodos empleados para corregir el artefacto de Gibbs incluyen el filtrado de los datos del espacio k antes de la transformada de Fourier, el aumento del tamaño de la matriz para un campo de visión dado, la reconstrucción de Gegenbauer y el enfoque bayesiano. [1] == Artefactos relacionados con la máquina / hardware == Este es un tema amplio y aún en expansión. Solo se reconocen algunos artefactos comunes. [1]
Cuadratura de radiofrecuencia (RF)
La falla del circuito de detección de RF se debe a un funcionamiento inadecuado del canal del detector. Los datos transformados de Fourier muestran un punto brillante en el centro de la imagen. Si un canal del detector tiene una ganancia más alta que el otro, resultará en un objeto fantasma en la imagen. Este es el resultado de una falla de hardware y debe ser abordado por un representante de servicio. [1]
Falta de homogeneidad del campo magnético externo (B0)
![](http://wikiimg.tojsiabtv.com/wikipedia/commons/thumb/2/29/MRI_with_B0_inhomogeneity.jpg/440px-MRI_with_B0_inhomogeneity.jpg)
La falta de homogeneidad de B0 conduce a un emparejamiento incorrecto de los tejidos. Un campo magnético externo no homogéneo causa distorsiones espaciales, de intensidad o ambas. La distorsión de intensidad ocurre cuando el campo en una ubicación es mayor o menor que en el resto del objeto de la imagen (Fig. 9). La distorsión espacial resulta de gradientes de campo de largo alcance, que permanecen constantes en el campo no homogéneo. [1]
Artefactos de campo degradado
Los gradientes de campo magnético se utilizan para codificar espacialmente la ubicación de las señales de los protones excitados dentro del volumen que se está tomando como imagen. El gradiente de selección de corte define el volumen (corte). Los gradientes de codificación de fase y frecuencia proporcionan la información en las otras dos dimensiones. Cualquier desviación en el gradiente se representaría como una distorsión. [1] A medida que aumenta la distancia desde el centro del gradiente aplicado, se produce una pérdida de intensidad de campo en la periferia. Se produce compresión anatómica y es especialmente pronunciada en las imágenes coronales y sagitales. [1] Cuando el gradiente de codificación de fase es diferente, el ancho o la altura del vóxel es diferente, lo que genera distorsión. Las proporciones anatómicas se comprimen a lo largo de uno u otro eje. Deben obtenerse píxeles cuadrados (y vóxeles). [1] Idealmente, el gradiente de fase debería asignarse a la dimensión más pequeña del objeto y el gradiente de frecuencia a la dimensión más grande. En la práctica, esto no siempre es posible debido a la necesidad de desplazar los artefactos de movimiento. [1] Esto puede corregirse reduciendo el campo de visión, disminuyendo la intensidad del campo de gradiente o disminuyendo el ancho de banda de frecuencia de la señal de radio. Si no se logra la corrección, la causa podría ser una bobina de gradiente dañada o una corriente anormal que pasa a través de la bobina de gradiente. [1]
Falta de homogeneidad de RF (B1)
La variación en la intensidad en la imagen puede deberse a la falla de la bobina de RF , campo B1 no uniforme, sensibilidad no uniforme de la bobina de recepción única (espacios entre el cable en la bobina, distribución desigual del cable) o presencia de -material ferromagnético en el objeto fotografiado. [1]
Cuando se utiliza una secuencia FLASH , las variaciones del ángulo de la punta debido a la falta de homogeneidad de B1 pueden afectar el contraste de la imagen. De manera similar, para pulsos de recuperación de inversión y otros métodos dependientes de T1, sufrirán errores de intensidad de señal y una ponderación de T1 generalmente más baja. [7] Esto se debe a ángulos de giro imperfectos en todo el corte, pero particularmente alrededor de los bordes del cuerpo, lo que resulta en una recuperación de magnetización imperfecta.
Teoría del ángulo de la punta de RF frente a la realidad
El cuerpo humano está lleno de protones y durante las imágenes, el campo B0 alinea estos protones individuales con una magnetización neta en la dirección del campo magnético. Un pulso de RF que se aplica perpendicular al campo magnético principal invierte los giros en un ángulo deseado. Este ángulo de volteo se escala con la amplitud del campo B1. [8] Un ángulo de volteo preciso es crucial porque las señales de RM medidas dependen del ángulo de volteo de los protones. Sin embargo, esta teoría asume que el campo B1 es homogéneo y, por lo tanto, todos los giros en un segmento se invierten en la misma cantidad.
En realidad, diferentes áreas de un corte ven diferentes campos de radiofrecuencia, lo que lleva a diferentes ángulos de giro. Una razón por la que esto ocurre es porque la longitud de onda de RF es inversamente proporcional a B0. Entonces, la longitud de onda de RF disminuye cuando B0 aumenta. En campos B0 de 1,5T, las longitudes de onda de RF son largas en comparación con el tamaño del cuerpo. [9] Pero a medida que aumenta el campo magnético principal, estas longitudes de onda se vuelven iguales o más pequeñas que las regiones del cuerpo que se están fotografiando, lo que resulta en una falta de homogeneidad del ángulo de giro. En las imágenes del cerebro de un paciente sano, se puede ver visualmente cuán heterogéneos son los campos en 3T y 7T. [10]
En una nota al margen, esta no es la única causa de la falta de homogeneidad de B1. También podría deberse al diseño del pulso de RF, a la falta de homogeneidad del campo B0 o incluso al movimiento del paciente. [11]
Brillo asimétrico
Hay una disminución uniforme en la intensidad de la señal a lo largo del eje de codificación de frecuencia. La caída de la señal se debe a filtros demasiado ajustados en la banda de señal. Por tanto, parte de la señal generada por la sección de la imagen se rechaza de forma inapropiada. Un artefacto similar puede deberse a la falta de uniformidad en el grosor del corte. [1]
Ruido de RF
Los pulsos de RF y las frecuencias de precesión de los instrumentos de resonancia magnética ocupan el mismo ancho de banda de frecuencia que las fuentes comunes como la televisión, la radio, las luces fluorescentes y las computadoras. Las señales de RF perdidas pueden causar varios artefactos. El ruido de banda estrecha se proyecta perpendicular a la dirección de codificación de frecuencia. El ruido de banda ancha interrumpe la imagen en un área mucho mayor. La planificación adecuada del sitio, la instalación adecuada y el blindaje de RF (jaula de Faraday) eliminan las interferencias de RF parásitas. [1]
Artefactos de línea cero y estrella
Una señal lineal brillante en un patrón punteado que disminuye en intensidad a través de la pantalla y puede ocurrir como una línea o patrón de estrella, dependiendo de la posición del paciente en el "espacio de frecuencia de fase". [1] Los artefactos de línea cero y estrella se deben al ruido del sistema o cualquier causa de contaminación de RF dentro de la habitación (jaula de Faraday). Si este patrón persiste, verifique las fuentes de ruido del sistema, como los componentes electrónicos defectuosos o el ruido de la línea de corriente alterna, las conexiones sueltas a las bobinas de la superficie o cualquier fuente de contaminación de RF. Si se encuentra un patrón de estrella, el fabricante debe reajustar el software del sistema para que la imagen se mueva fuera del punto cero. [1]
Artefactos de cremallera
Aunque menos comunes, las cremalleras son bandas que atraviesan el centro de la imagen debido a una jaula de Faraday imperfecta, con contaminación de RF en el interior de la jaula, pero que se origina en el exterior. [12] El eco estimulado por desintegración por inducción libre residual también causa cremalleras. [1]
Artefacto de punto de rebote
La ausencia de señal de los tejidos de un valor de T1 particular es una consecuencia de la reconstrucción sensible a la magnitud en las imágenes de recuperación de inversión. Cuando el T1 elegido es igual al 69% del valor de T1 de un tejido en particular, se produce un artefacto de punto de rebote. [1] Utilice técnicas de recuperación de inversión de reconstrucción sensible a la fase.
Artefactos de bobina de superficie
Cerca de la bobina de superficie, las señales son muy fuertes, lo que da como resultado una señal de imagen muy intensa (Fig. 10). [1] Más allá de la bobina, la intensidad de la señal cae rápidamente debido a la atenuación con una pérdida de brillo de la imagen y un sombreado significativo de la uniformidad. La sensibilidad de la bobina de superficie intensifica los problemas relacionados con la atenuación de RF y la falta de coincidencia de RF.
Interferencia de rebanada a rebanada
La energía de RF no uniforme recibida por los cortes adyacentes durante una adquisición de múltiples cortes se debe a la excitación cruzada de los cortes adyacentes con pérdida de contraste en las imágenes reconstruidas (Fig. 11). Para superar estos artefactos de interferencia, es necesario incluir la adquisición de dos conjuntos independientes de imágenes de múltiples cortes con huecos y, posteriormente, reordenar durante la visualización del conjunto de imágenes completo. [1]
Corrección de artefactos
Corrección de movimiento
Puerta
La compuerta, también conocida como activación, es una técnica que adquiere datos de resonancia magnética en un estado de movimiento bajo. Un ejemplo de esto podría ser adquirir un corte de resonancia magnética solo cuando la capacidad pulmonar es baja (es decir, entre respiraciones profundas). Gating es una solución muy simple que puede tener un resultado muy grande. La compuerta es la más adecuada para mitigar los artefactos respiratorios y cardíacos. Esto se debe a que estos tipos de movimiento son repetitivos, por lo que podemos aprovechar las adquisiciones desencadenantes en un 'estado de movimiento bajo'. La compuerta se utiliza para imágenes de cine, MRA, exploraciones de tórax con respiración libre, imágenes de flujo de LCR y más. [13]
Para realizar la compuerta correctamente, el sistema debe conocer el movimiento cardíaco y el patrón respiratorio del paciente. Esto se hace comúnmente usando un oxímetro de pulso o un sensor de EKG para leer una señal cardíaca y / o un fuelle para leer la señal de respiración. Una gran desventaja de la compuerta es el "tiempo muerto", definido como el tiempo perdido debido a la espera de que pase un estado de alto movimiento. Por ejemplo, no queremos adquirir una imagen de resonancia magnética mientras alguien está inhalando, ya que este sería un estado de alto movimiento. Entonces, tenemos muchos períodos de tiempo en los que estamos esperando que pase un estado de alto movimiento. Esto es aún más prominente cuando consideramos juntos el bloqueo respiratorio y cardíaco. Las ventanas de tiempo en las que los movimientos respiratorios y cardíacos son bajos son muy poco frecuentes, lo que lleva a tiempos muertos elevados. Sin embargo, la ventaja es que las imágenes adquiridas con sincronización cardíaca y respiratoria tienen una mejora significativa en la calidad de la imagen. [13]
Tono piloto
El método Pilot Tone implica encender una frecuencia de RF constante para detectar el movimiento del paciente. Más específicamente, la máquina de resonancia magnética detectará la señal de tono piloto al adquirir una imagen. La fuerza de la señal del tono piloto en cada TR será proporcional a los patrones de respiración / movimiento del paciente. Es decir, los movimientos del paciente harán que el tono de RF constante recibido se module en amplitud. Una gran ventaja del tono piloto es que no requiere contacto con el paciente. Extraer una señal de respiración usando un tono piloto es simple en teoría: uno debe colocar una señal de frecuencia constante cerca del orificio de MRI, adquirir una imagen y tomar una FFT a lo largo de la dirección de lectura para extraer el tono piloto. Las consideraciones técnicas incluyen la elección de la frecuencia de RF. El tono piloto debe ser detectable por la máquina de resonancia magnética, sin embargo, debe elegirse cuidadosamente para no interferir con la imagen de resonancia magnética. El tono piloto aparece como una cremallera (para una adquisición cartesiana). [14]
La ubicación de esa línea está determinada por la frecuencia del tono de RF. Por esta razón, las adquisiciones de tonos piloto suelen tener campos de visión ligeramente grandes, para dejar espacio para el tono piloto. Una vez que se ha adquirido una imagen, la señal de tono piloto se puede extraer tomando la FFT a lo largo de la dirección de lectura y trazando la amplitud de la señal resultante. El tono piloto se mostrará como una línea (de amplitud variable) al tomar una FFT a lo largo de la dirección de lectura. El método de tono piloto también se puede utilizar de forma prospectiva para adquirir imágenes cardíacas. [15]
El método Pilot Tone es ideal para detectar artefactos de movimiento respiratorio. Esto se debe a que hay una modulación muy grande y distinta debido a los patrones de respiración humana. Las señales cardíacas son mucho más sutiles y difíciles de detectar utilizando un tono piloto. Las técnicas retrospectivas que utilizan el tono piloto pueden aumentar el nivel de detalle y reducir el desenfoque en imágenes radiales de respiración libre. [14]
DOMADOR
La estimación y reducción de movimiento dirigido (TAMER) es un método de corrección de movimiento retrospectivo desarrollado por Melissa Haskell, Stephen Cauley y Lawrence Wald. El método se introdujo por primera vez en su artículo Estimación y reducción de movimiento dirigido (TAMER): Mitigación de movimiento basada en la consistencia para resonancia magnética utilizando una optimización conjunta de modelo reducido , como parte de IEEE Transactions on Medical Imaging Journal . [16] El método corrige los artefactos relacionados con el movimiento adquiriendo una estimación conjunta de la imagen libre de movimiento deseada y la trayectoria de movimiento asociada minimizando el error de consistencia de datos de un modelo de avance SENSE que incluye el movimiento del sujeto de cuerpo rígido. [dieciséis]
Preliminares
El método TAMER utiliza el modelo de avance SENSE (que se describe a continuación) que se ha modificado para incluir los efectos del movimiento en una secuencia de imágenes multidisparo en 2D. Nota: el siguiente modelo SENSE modificado se describe en detalle en la tesis doctoral de Melissa Haskell, Corrección de movimiento retrospectivo para imágenes por resonancia magnética. [17]
Supongamos que tenemos bobinas. Dejar ser un vector de columna de valores de vóxel de imagen donde es el número de k muestras espaciales adquiridas por disparo y deja ser el datos de señal de bobinas. Dejar matriz de codificación para un determinado vector de trayectoria de movimiento del paciente, . está compuesto por muchos submatrices (matrices de codificación para cada disparo ).
Para cada tiro , tenemos la submatriz que es la matriz de codificación para esa toma en particular dónde:
es el operador de submuestreo
es el operador de codificación de Fourier
es el operador de traducción in situ
es el operador de traducción a través del plano
es el operador de rotación
Modelo SENSE Motion Forward:
Modelo SENSE Ampliado para describir una secuencia de imágenes multidisparo 2D:
El modelo de movimiento hacia adelante de cuerpo rígido no es lineal y el proceso de resolución de estimaciones tanto de la trayectoria del movimiento como del volumen de la imagen es un desafío computacional y requiere mucho tiempo. En un esfuerzo por acelerar y simplificar los cálculos, el método TAMER separa el vector de valores de vóxeles de imagen,, en un vector de valores de voxel objetivo, , y un vector de vóxeles fijos, . Dada cualquier opción de vóxeles de destino y vóxeles fijos, tenemos lo siguiente:
Nota: La longitud de solo representa alrededor del 5% de la longitud total de .
Ahora la optimización se puede reducir para ajustar la contribución de la señal de los vóxeles de destino a los valores correctos de vóxeles de destino. y el movimiento correcto, .
Algoritmo TAMER
El algoritmo TAMER tiene 3 etapas principales: inicialización, inicio de la búsqueda de parámetros de movimiento y búsqueda de modelos reducidos de optimización conjunta.
Inicialización: la primera etapa del algoritmo TAMER adquiere la reconstrucción inicial del volumen completo de la imagen,, asumiendo que todos los parámetros de movimiento son cero. Uno puede resolver minimizando el error mínimo cuadrado del modelo de avance SENSE sin movimiento, es decir, resolver el sistema dónde y es la transposición conjugada de . [16] Hemos discutido la noción de separar el modelo sensorial en; sin embargo, aún no hemos discutido cómo se eligen los vóxeles de destino. Los vóxeles que están fuertemente acoplados indican movimiento. En una adquisición cartesiana sin movimiento, cada vóxel solo estaría acoplado a sí mismo, por lo que nuestro objetivo es esencialmente desacoplar estos vóxeles. Como se describe en el artículo Estimación y reducción de movimiento dirigido (TAMER): Mitigación de movimiento basada en la consistencia para MRI usando una optimización conjunta del modelo reducido , como parte de las transacciones IEEE en Medical Imaging Journal, el algoritmo TAMER converge más rápido al elegir vóxeles de destino que son altamente acoplado. [16] Los vóxeles de destino pueden estar completamente determinados por los parámetros de secuencia y las sensibilidades de la bobina. [dieciséis]
Proceso de selección de vóxeles de destino:
- Agrupe las bobinas según las propiedades del artefacto. El error del modelo se calcula primero asumiendo que no hay movimiento. Luego, la correlación del modelo se calcula en todos los canales. TAMER se aplica a grupos de bobinas con los artefactos de correlación más grandes para lograr la estimación de movimiento e imagen. [17]
- Los vóxeles de destino iniciales se seleccionan eligiendo primero un vóxel raíz (generalmente el centro de la imagen). Una vez que se elige el vóxel raíz, la correlación entre el vóxel raíz y todos los demás vóxeles se determina obteniendo el vector de columna de la matriz de correlacióncorrespondiente al vóxel raíz. La magnitud de las entradas en este vector de columna representa la fuerza de interacción entre el vóxel raíz y todos los demás vóxeles. [16] El vóxel raíz junto con los vóxeles que tienen la interacción más fuerte con el vóxel raíz se eligen entonces para que sean los vóxeles objetivo iniciales.
Nota: Para cada iteración del proceso TAMER, los vóxeles de destino se seleccionan cambiando los vóxeles de destino de la iteración anterior perpendicularmente a la dirección de codificación de fase en una cantidad preestablecida.
Inicio rápido de la búsqueda de parámetros de movimiento:
Ahora, la suposición inicial del movimiento del paciente se determina evaluando la métrica de consistencia de datos en un rango de valores para cada uno de los parámetros de movimiento y se selecciona el mejor valor para cada parámetro para construir la estimación inicial. [17]
Búsqueda de modelos reducidos de optimización conjunta:
Ahora tenemos los vóxeles de destino iniciales, la estimación de movimiento y las agrupaciones de bobinas. Ahora se ejecuta el siguiente procedimiento.
Dejar ser la trayectoria de movimiento estimada para el paso de búsqueda. Dejar sea el número máximo de iteraciones.
Tiempo repita lo siguiente:
- Resolver
- Resolver
- Colocar
- Colocar
- Colocar
TAMER: ventajas y desventajas
Ventajas:
- TAMER corrige retrospectivamente el movimiento, por lo que no es necesario realizar modificaciones en el procedimiento del examen de resonancia magnética.
- TAMER no altera el procedimiento de adquisición, por lo que puede integrarse fácilmente en las exploraciones de resonancia magnética clínicas actuales.
- TAMER reduce significativamente el cálculo del modelo de optimización conjunta utilizado para estimar los parámetros de movimiento y los vóxeles de imagen.
Desventajas:
- Las implementaciones actuales de TAMER tienen tiempos de cálculo generales prolongados.
- TAMER requiere datos multicanal, ya que los parámetros de movimiento necesitan grados de libertad adicionales que proporciona la adquisición multicanal. [dieciséis]
- El algoritmo TAMER asume perfiles de bobina estáticos que no cambian con el movimiento del paciente. Esta suposición sería un problema para un movimiento más amplio.
Enfoques de redes neuronales
En los últimos años, las redes neuronales han generado un gran interés al superar a los métodos tradicionales [18] en problemas de larga data en muchos campos. El aprendizaje automático y, por extensión, las redes neuronales, se han utilizado en muchas facetas de la resonancia magnética [19] , por ejemplo, para acelerar la reconstrucción de imágenes o mejorar la calidad de la reconstrucción cuando se trabaja con una falta de datos. [20] [21] Las redes neuronales también se han utilizado en la corrección de artefactos de movimiento gracias a su capacidad para aprender información visual de los datos, [18] así como inferir representaciones latentes subyacentes en los datos. [22]
NAMER
La Estimación y Reducción de Movimiento Acelerado de Red (NAMER) [23] es una técnica de corrección de movimiento retrospectiva que utiliza redes neuronales convolucionales (CNN), una clase de redes neuronales diseñadas para procesar y aprender de información visual como imágenes. Este es un seguimiento de los autores del artículo de TAMER titulado Network Accelerated Motion Estimation and Reduction (NAMER): corrección de movimiento retrospectivo guiada por red neuronal convolucional utilizando un modelo de movimiento separable. [23] De manera similar a TAMER, el documento tiene como objetivo corregir los artefactos relacionados con el movimiento mediante la estimación de una imagen sin movimiento deseada y la optimización de los parámetros para un modelo de avance SENSE que describe la relación entre los datos sin procesar del espacio k y el espacio de la imagen mientras se tiene en cuenta movimiento rígido.
Configuración
Se utiliza un modelo de avance SENSE para inducir artefactos de movimiento sintético en datos de espacio k sin procesar , lo que nos permite acceder tanto a los datos con artefactos de movimiento como a la imagen real del terreno sin artefactos de movimiento. Esto es importante para la técnica NAMER, porque utiliza una red neuronal convolucional (CNN) para cargar la estimación de imágenes y guiar la estimación de parámetros del modelo. Las redes neuronales convolucionales aprovechan los núcleos de convolución para analizar imágenes visuales. Aquí, se utiliza una red de 27 capas con múltiples capas de convolución, normalización por lotes y activaciones ReLU . Utiliza un optimizador ADAM estándar. [24]
Estimación de imágenes
La CNN intenta aprender los artefactos de la imagen a partir de los datos de entrada dañados por el movimiento. . La estimación de estos artefactos, denotada como, luego se restan de los datos de entrada dañados por movimiento para producir una mejor estimación de la imagen sin movimiento: [23]
Optimización de parámetros del modelo SENSE
El uso de una CNN nos permite evitar la segunda etapa de TAMER al omitir la búsqueda de parámetros conjuntos. Esto significa que podemos centrarnos en estimar únicamente los parámetros de movimiento.. Porquees realmente un vector de múltiples parámetros independientes, podemos paralelizar nuestra optimización estimando cada parámetro por separado. [23]
Optimización del procedimiento de optimización
Antes, usamos lo siguiente para optimizar tanto la imagen y parámetros En seguida. Ahora, podemos optimizar únicamente el valores:
Además de esto, si se realizó una adquisición de múltiples disparos, podemos estimar los parámetros para cada uno de disparos por separado, e ir aún más lejos estimando los parámetros para cada línea en cada tiro : [23]
Esto nos permite reducir enormemente el tiempo de cálculo, de alrededor de 50 minutos con TAMER [16] a solo 7 minutos con NAMER. [23]
Reconstrucción
Los nuevos parámetros del modelo se utilizan luego en un problema de optimización de mínimos cuadrados estándar para reconstruir una imagen que minimiza la distancia entre los datos del espacio k y el resultado de aplicar el modelo directo SENSE. bajo nuestra nueva estimación de parámetros a nuestra mejor estimación para la imagen libre de movimiento: [23]
Redes generativas de confrontación
Otras técnicas más avanzadas aprovechan las redes generativas de confrontación (GAN) que tienen como objetivo aprender la representación latente subyacente de los datos para sintetizar nuevos ejemplos que son indistinguibles de los datos reales. Aquí, dos redes neuronales, una red generadora y una red discriminadora, se modelan como agentes que compiten en un juego . El objetivo de Generator Network es producir imágenes sintéticas que estén lo más cerca posible de las imágenes de la distribución real, mientras que el objetivo de Discriminator Network es distinguir las imágenes sintéticas generadas de la distribución de datos reales. Específico para la corrección de artefactos de movimiento en MRI, Generator Network toma una imagen con artefactos de movimiento y genera una imagen sin artefactos de movimiento. Luego, Discriminator Network diferencia entre la imagen sintetizada y los datos de verdad del terreno. Varios estudios [25] [26] han demostrado que las GAN funcionan muy bien en la corrección de artefactos de movimiento.
Corrección de falta de homogeneidad de RF (B1)
Objetos externos
La falta de homogeneidad de B1 debido a la interferencia constructiva o destructiva de la permitividad del tejido corporal se puede mitigar utilizando objetos externos con altas constantes dieléctricas y baja conductividad. [27] Estos objetos, denominados cojín de radiofrecuencia / dieléctrico, se pueden colocar sobre o cerca del corte de imagen para mejorar la homogeneidad de B1. La combinación de alta constante dieléctrica y baja conductividad permite que el cojín altere la fase de las ondas estacionarias de RF y se ha demostrado que reduce la pérdida de señal debido a la falta de homogeneidad de B1. Se demostró que este método de corrección tiene el mayor efecto en las secuencias que sufren de artefactos de inhomogeneidad B1, pero no tiene ningún efecto en aquellas con inhomogeneidad B0. En un estudio, el cojín dieléctrico mejoró la calidad de la imagen para las secuencias ponderadas en T2 basadas en eco de espín turbo, pero no en las secuencias ponderadas en T2 basadas en eco de gradiente. [27]
Correcciones mitigadas por bobina
La falta de homogeneidad de B1 se ha mitigado con éxito ajustando el tipo y las configuraciones de la bobina.
Reducir el número de bobinas
Un método es tan simple como usar la misma bobina de transmisión y recepción para mejorar la homogeneidad. [28] Este método aprovecha la compensación entre la dependencia de B1 y la dependencia de la sensibilidad de la bobina en las secuencias FLASH y permite al usuario seleccionar un ángulo de giro optimizado que reducirá la dependencia de B1. Al usar la misma bobina para transmitir y recibir, la sensibilidad de la bobina del receptor puede compensar algunas de las faltas de uniformidad en la bobina del transmisor, reduciendo la falta de homogeneidad de RF general. Para estudios anatómicos que utilizan la secuencia FLASH que se puede realizar con una bobina de transmisión y recepción, este método se puede utilizar para reducir los artefactos de inhomogeneidad B1. Sin embargo, el método no sería adecuado para exámenes con estrictas limitaciones de tiempo, ya que el usuario primero debe realizar la optimización del ángulo de giro.
Excitación de la bobina
La modificación de la distribución del campo dentro de las bobinas de RF creará un campo más homogéneo. Esto se puede hacer cambiando la forma en que se activa y excita la bobina de RF. Un método utiliza una excitación de RF de cuatro puertos que aplica diferentes cambios de fase en cada puerto. [29] Al implementar una unidad de cuatro puertos, el requisito de potencia se reduce en 2, la SNR aumenta en √2 y se mejora la homogeneidad general de B1.
Bobina espiral
Se puede cambiar la forma de las bobinas para reducir los artefactos de falta de homogeneidad de B1. Se ha demostrado que el uso de bobinas en espiral en lugar de bobinas estándar en campos más altos elimina los efectos de las ondas estacionarias en muestras más grandes. [30] Este método puede ser eficaz cuando se obtienen imágenes de muestras grandes a 4T o más; sin embargo, se requiere el equipo adecuado para implementar este método de corrección. A diferencia del posprocesamiento o las modulaciones de secuencia, cambiar la forma de la bobina no es factible en todos los escáneres.
Excitación paralela con bobinas
Otro método para corregir la falta de homogeneidad de B1 es emplear la infraestructura existente de un sistema paralelo para generar múltiples pulsos de RF de ángulos de giro inferiores que, en conjunto, pueden dar como resultado el mismo ángulo de giro que el creado con una sola bobina de transmisión. [31] Este método utiliza las múltiples bobinas de transmisión de los sistemas de imágenes en paralelo para reducir y mitigar mejor la deposición de potencia de RF al depender de pulsos de RF más cortos. Una ventaja de utilizar la excitación en paralelo con bobinas es la posibilidad de reducir el tiempo de exploración al combinar los múltiples pulsos de RF cortos y las capacidades de imágenes en paralelo para reducir el tiempo de exploración. En general, cuando este método se utiliza con la selección correcta de pulsos de RF y se optimiza para una deposición de baja potencia, los artefactos de la falta de homogeneidad de B1 pueden reducirse en gran medida.
Modulación de potencia activa
La modulación activa de la potencia de transmisión de RF para cada posición de corte compensa la falta de homogeneidad de B1. [32] Este método se centra en la falta de homogeneidad a lo largo de la dirección axial o del eje z, ya que es el más dominante en términos de escasa homogeneidad y menos dependiente de la muestra.
Antes de la corrección de la falta de homogeneidad, la medición del perfil B1 a lo largo del eje z de la bobina es necesaria para la calibración. Una vez calibrados, los datos B1 se pueden utilizar para la modulación activa de la potencia de transmisión. Para una secuencia de pulsos específica, los valores de cada posición de corte están predeterminados y los valores apropiados de la escala de potencia del transmisor de RF se leen de una tabla de consulta. Luego, mientras se ejecuta la secuencia, un contador de cortes en tiempo real varía la atenuación de la potencia de transmisión de RF. [32]
Este método es ventajoso para reducir los artefactos en la fuente, particularmente cuando el ángulo de giro preciso es crítico y para aumentar la relación señal / ruido. Aunque esta técnica solo se puede utilizar para compensar la variación de B1 a lo largo del eje z en imágenes adquiridas axialmente, sigue siendo significativa ya que la falta de homogeneidad de B1 es más dominante a lo largo de este eje.
Pulsos adiabáticos insensibles a B1
Una forma de lograr una inversión de giro perfecta a pesar de la falta de homogeneidad de B1 es utilizar pulsos adiabáticos . Este método de corrección funciona eliminando la fuente del problema y aplicando pulsos que no generarán errores de ángulo de giro. Las secuencias específicas que emplean pulsos adiabáticos para aumentar la uniformidad del ángulo de giro incluyen un pulso de eco de espín selectivo de corte, pulsos de RF adiabáticos de inversión de 180 grados y pulsos de reenfoque de 180 grados. [33] [34] [35]
Postprocesamiento de imágenes
Las técnicas de posprocesamiento corrigen la falta de homogeneidad de intensidad (IIH) del mismo tejido en un dominio de imagen. Este método aplica un filtro a los datos, típicamente basado en un mapa IIH pre-adquirido del campo B1. Si se conoce un mapa del IIH en el dominio de la imagen, entonces el IIH puede corregirse mediante la división en la imagen pre-adquirida. [36] Este modelo popular para describir el efecto IIH es:
- [36]
Dónde es la intensidad medida, es la verdadera intensidad, es el efecto IIH y ξ es el ruido.
Este método es ventajoso porque se puede realizar fuera de línea, es decir, no se requiere que el paciente esté en el escáner. Por lo tanto, el tiempo de corrección no es un problema. Sin embargo, esta técnica no mejora la SNR y el contraste de la imagen porque solo utiliza información que ya fue adquirida. Dado que el campo B1 no era homogéneo cuando se adquirieron las imágenes, los ángulos de giro y las señales adquiridas posteriores son imprecisos.
Técnicas de mapeo B1 para correcciones de posprocesamiento de imágenes
Para corregir los artefactos de inhomogeneidad de RF mediante correcciones de posprocesamiento, existen algunos métodos para mapear el campo B1. A continuación se ofrece una breve descripción de algunas técnicas habituales.
Método de doble ángulo
Un método común y robusto que utiliza los resultados de dos imágenes adquiridas en ángulos de giro de y . [37] A continuación, se construye el mapa B1 utilizando una relación de las intensidades de señal de estas dos imágenes. Este método, aunque robusto y preciso, requiere un TR largo y un tiempo de exploración prolongado; por lo tanto, el método no es óptimo para obtener imágenes de regiones susceptibles al movimiento.
Método de mapa de fases
Similar al método de doble ángulo, el método de mapa de fase utiliza dos imágenes; sin embargo, este método se basa en la acumulación de fase para determinar el ángulo de volteo real de cada giro. [38] Después de aplicar una rotación de 180 grados sobre el eje x seguida de una rotación de 90 grados sobre el eje y, la fase resultante se utiliza para mapear el campo B1. Al obtener dos imágenes y restar una de la otra, se puede eliminar cualquier fase de la falta de homogeneidad de B0 y solo se mapeará la fase acumulada por el campo de RF no homogéneo. Este método se puede utilizar para mapear volúmenes 3D, pero requiere un tiempo de escaneo prolongado, lo que lo hace inadecuado para algunos requisitos de escaneo.
Modo de adquisición de eco de reenfoque dual (DREAM)
Este método es una técnica de mapeo B1 multicorte. DREAM se puede utilizar para adquirir un mapa 2D B1 en 130 ms, lo que lo hace insensible al movimiento y factible para exploraciones que requieren contener la respiración, como imágenes cardíacas. [39] La corta adquisición también reduce los efectos de los cambios químicos y la susceptibilidad. Además, este método requiere tasas de SAR bajas. Aunque no es tan preciso como el método de doble ángulo, DREAM logra un mapeo B1 confiable durante adquisiciones breves.
Referencias
- ^ a b c d e f g h i j k l m n o p q r s t u v w x y z aa ab ac ad ae af ag ah ai aj ak al am an ao ap aq Erasmus LJ, Hurter D, Naudé M, Kritzinger HG, Acho S (2004). "Una breve descripción de los artefactos de resonancia magnética" . Revista Sudafricana de Radiología . 8 (2): 13. doi : 10.4102 / sajr.v8i2.127 . ISSN 2078-6778 . (CC-BY 4.0)
- ^ Zaitsev M, Maclaren J, Herbst M (octubre de 2015). "Artefactos de movimiento en resonancia magnética: un problema complejo con muchas soluciones parciales" . Journal of Magnetic Resonance Imaging . 42 (4): 887–901. doi : 10.1002 / jmri.24850 . PMC 4517972 . PMID 25630632 .
- ^ "Los médicos sacan 38 objetos metálicos, entre ellos llaves, monedas, una tarjeta SIM, la hoja de un sacapuntas y un imán 'al que se pegaron' del interior del estómago del hombre | NEWS.am Medicina: todo sobre salud y medicina" . med.news.am . Consultado el 16 de marzo de 2019 .
- ^ Yeung J. "Aliasing en MRI | Artículo de referencia de radiología | Radiopaedia.org" . Radiopedia . Consultado el 26 de mayo de 2019 .
- ^ Bashir U. "Gibbs y artefactos de truncamiento | Artículo de referencia de radiología | Radiopaedia.org" . Radiopedia . Consultado el 26 de mayo de 2019 .
- ^ Ferreira PF, Gatehouse PD, Mohiaddin RH, Firmin DN (mayo de 2013). "Artefactos de resonancia magnética cardiovascular" . Revista de resonancia magnética cardiovascular . 15 : 41. doi : 10.1186 / 1532-429X-15-41 . PMC 3674921 . PMID 23697969 .
- ^ Kingsley, PB; Ogg, RJ; Reddick, WE; Steen, RG (1998). "Corrección de errores causados por pulsos de inversión imperfectos en la medición de imágenes de RM de tiempos de relajación T1". Imágenes de Magn Reson . 16 (9): 1049-1055. doi : 10.1016 / s0730-725x (98) 00112-x . PMID 9839989 .
- ^ Nishimura, Dwight (2016). Principios de la resonancia magnética .
- ^ "Efecto dieléctrico" . Preguntas y respuestas en resonancia magnética . Consultado el 5 de mayo de 2021 .
- ^ Dieringer, Matthias A .; Deimling, Michael; Santoro, Davide; Wuerfel, Jens; Madai, Vince I .; Sobesky, Jan; von Knobelsdorff-Brenkenhoff, Florian; Schulz-Menger, Jeanette; Niendorf, Thoralf (12 de marzo de 2014). "Mapeo paramétrico rápido del tiempo de relajación longitudinal T1 utilizando imágenes de resonancia magnética de ángulo de volteo variable bidimensional a 1,5 Tesla, 3 Tesla y 7 Tesla" . PLOS ONE . 9 (3): e91318. doi : 10.1371 / journal.pone.0091318 . ISSN 1932-6203 . PMC 3951399 . PMID 24621588 .
- ^ Hou, Zujun (2006). "Una revisión sobre la corrección de la falta de homogeneidad de la intensidad de la imagen de RM" . Revista Internacional de Imágenes Biomédicas . 2006 : 49515. doi : 10.1155 / ijbi / 2006/49515 . ISSN 1687-4188 . PMC 2324029 . PMID 23165035 .
- ^ Bashir U. "Artefacto de cremallera | Artículo de referencia de radiología | Radiopaedia.org" . Radiopedia . Consultado el 26 de mayo de 2019 .
- ^ a b Elster AD. "Introducción a Gating / Triggering" . Cite journal requiere
|journal=
( ayuda ) - ^ a b Solomon E (noviembre de 2020). "Imagen radial de respiración libre utilizando un transmisor de radiofrecuencia de tono piloto para la detección del movimiento respiratorio". Resonancia Magnética en Medicina .
- ^ Ludwig J (octubre de 2020). "Corrección de movimiento basada en tonos piloto para la resonancia magnética de cine cardíaca compensada respiratoria prospectiva". Resonancia Magnética en Medicina . PMID 33226699 .
- ^ a b c d e f g h Haskell MW, Cauley SF, Wald LL (mayo de 2018). "Estimación y reducción de movimiento dirigido (TAMER): mitigación de movimiento basada en la coherencia de datos para resonancia magnética utilizando una optimización conjunta de modelo reducido" . Transacciones IEEE sobre imágenes médicas . 37 (5): 1253–1265. doi : 10.1109 / TMI.2018.2791482 . PMC 6633918 . PMID 29727288 .
- ^ a b c Haskell, Melissa West (13 de mayo de 2019). "Corrección de movimiento retrospectivo para imágenes de resonancia magnética" . Cite journal requiere
|journal=
( ayuda ) - ^ a b Krizhevsky A, Sutskever I, Hinton GE (24 de mayo de 2017). "Clasificación de ImageNet con redes neuronales convolucionales profundas" . Comunicaciones de la ACM . 60 (6): 84–90. doi : 10.1145 / 3065386 . ISSN 0001-0782 .
- ^ Lundervold AS, Lundervold A (mayo de 2019). "Una descripción general del aprendizaje profundo en imágenes médicas centradas en MRI" . Zeitschrift für Medizinische Physik . 29 (2): 102-127. doi : 10.1016 / j.zemedi.2018.11.002 . PMID 30553609 .
- ^ Mardani M, Gong E, Cheng JY, Vasanawala SS, Zaharchuk G, Xing L, Pauly JM (enero de 2019). "Redes neuronales adversas generativas profundas para resonancia magnética de detección compresiva" . Transacciones IEEE sobre imágenes médicas . 38 (1): 167-179. doi : 10.1109 / TMI.2018.2858752 . PMC 6542360 . PMID 30040634 .
- ^ Lee D, Yoo J, Ye JC (abril de 2017). "Aprendizaje residual profundo para resonancia magnética de detección comprimida" . 2017 IEEE 14th International Symposium on Biomedical Imaging (ISBI 2017) : 15-18. doi : 10.1109 / ISBI.2017.7950457 . ISBN 978-1-5090-1172-8.
- ^ Creswell A, T blanco, Dumoulin V, Arulkumaran K, Sengupta B, Bharath AA (22 de octubre de 2020). "Redes generativas antagónicas" . Comunicaciones de la ACM . 63 (11): 139-144. doi : 10.1145 / 3422622 . ISSN 0001-0782 .
- ^ a b c d e f g h yo Haskell MW, Cauley SF, Bilgic B, Hossbach J, Splitthoff DN, Pfeuffer J, et al. (Octubre de 2019). "Reducción y estimación de movimiento acelerado de red (NAMER): corrección de movimiento retrospectivo guiada por red neuronal convolucional utilizando un modelo de movimiento separable" . Resonancia Magnética en Medicina . 82 (4): 1452–1461. doi : 10.1002 / mrm.27771 . PMC 6626557 . PMID 31045278 .
- ^ Kingma, Diederik P. (2015). "Adam: un método para la optimización estocástica" (PDF) . ICLR . arXiv : 1412.6980 .
- ^ Yuan Z, Jiang M, Wang Y, Wei B, Li Y, Wang P, et al. (2020). "SARA-GAN: redes adversas generativas basadas en el discriminador promedio relativo y de auto-atención para la reconstrucción de resonancia magnética de detección rápida comprimida" . Fronteras en Neuroinformática . 14 : 611666. doi : 10.3389 / fninf.2020.611666 . PMC 7726262 . PMID 33324189 .
- ^ Usman M, Latif S, Asim M, Lee BD, Qadir J (marzo de 2020). "Corrección de movimiento retrospectivo en resonancia magnética multidisparo mediante red generativa adversaria" . Informes científicos . 10 (1): 4786. doi : 10.1038 / s41598-020-61705-9 . PMC 7075875 . PMID 32179823 .
- ^ a b Franklin, KM; Dale, BM; Merkle, EM (2008). "Mejora en los artefactos de inhomogeneidad B1 en el abdomen en imágenes de RM 3T utilizando un cojín de radiofrecuencia". J Magn Reson Imaging . 27 (6): 1443–7. doi : 10.1002 / jmri.21164 . PMID 18421685 .
- ^ Wang, D; Heberlein, K; LaConte, S; Hu, X (2004). "Insensibilidad inherente a la inhomogeneidad de RF en imágenes FLASH" . Magn Reson Med . 52 (4): 927–31. doi : 10.1002 / mrm.20217 . PMID 15389953 .
- ^ Hayes, C., et al. (1985) "Una bobina de radiofrecuencia altamente homogénea y eficiente para imágenes de RMN de cuerpo completo a 1,5 T". Revista de resonancia magnética, 63 (3), 622-628.
- ^ Alsop, DC, Connick, TJ y Mizsei, G. (1998). Una bobina de volumen en espiral para mejorar la homogeneidad del campo de RF con una alta intensidad de campo magnético estático. Resonancia magnética en medicina, 40 (1), 49–54. https://doi.org/10.1002/mrm.1910400107 .
- ^ Zhu, Yudong. (2004). Excitación en paralelo con una serie de bobinas de transmisión. Resonancia magnética en medicina. 51. 775-84. 10.1002 / mrm.20011.
- ↑ a b Clare, S., Alecci, M. y Jezzard, P. (2001). Compensación de la falta de homogeneidad de B (1) utilizando modulación de potencia de transmisión activa. Imágenes por resonancia magnética, 19 (10), 1349-1352. https://doi.org/10.1016/s0730-725x(01)00467-2 .
- ^ Bendall, MR, Garwood, M., Uğurbil, K. y Pegg, DT (1987). Pulso de reenfoque adiabático que compensa la potencia de rf variable y los efectos fuera de resonancia. Resonancia magnética en medicina, 4 (5), 493–499. https://doi.org/10.1002/mrm.1910040510 .
- ^ Silver, MS, et al. (1984) Generación de pulsos π / 2 y π altamente selectiva. Journal of Magnetic Resonance, 59 (2), 347–351.
- ^ Uǧurbil, K., et al. (1988). Pulsos de reenfoque modulados en amplitud y frecuencia / fase que inducen rotaciones de plano incluso en presencia de campos B1 no homogéneos, Journal of Magnetic Resonance, 78 (3), 472-497.
- ↑ a b Hou Z. (2006). Una revisión sobre la corrección de la falta de homogeneidad de la intensidad de la imagen de RM. Revista internacional de imágenes biomédicas, 2006, 49515. https://doi.org/10.1155/IJBI/2006/49515 .
- ^ Cunningham, CH, Pauly, JM y Nayak, KS (2006). Método de doble ángulo saturado para mapeo B1 + rápido. Resonancia magnética en medicina, 55 (6), 1326-1333. https://doi.org/10.1002/mrm.20896 .
- ^ Morrell GR (2008). Un método sensible a la fase de mapeo de ángulos de volteo. Resonancia magnética en medicina, 60 (4), 889–894. https://doi.org/10.1002/mrm.21729 .
- ^ Nehrke, K. y Börnert, P. (2012). DREAM: un enfoque novedoso para el mapeo B1 multicorte robusto, ultrarrápido. Resonancia magnética en medicina , 68 (5), 1517-1526., Https://doi.org/10.1002/mrm.24158 .