医学影像技术体系 · 第 28 卷 / 共 44 卷
梯度性能、重建前沿与运动控制
本卷导读
讲解梯度性能、dGEMRIC、图像重建前沿、迭代重建、超材料、多核成像、合成 CT、磁共振引导治疗、心脏电影与体部运动控制。
知识结构
- 梯度、重建与图像质量
- 磁共振胰腺扫描的一些技巧
- MRI梯度性能参数辨析
- 一文了解MRI图像重建的前沿趋势：从CS到深度学习
- 定量、多核与超材料
- 什么是磁共振dGEMRIC技术
- 什么是多核磁共振
- 水脂位移与采集带宽
梯度、重建与图像质量
1. 磁共振胰腺扫描的一些技巧
要想得到漂亮的胰腺MRI图像，可以使用下面的一些技巧。
因为胰腺相对来讲是一个腹膜后器官，其移动性比肝脏还大，而且胰腺位置和大小不像肝脏这么固定，不同人变异大。要扫描好胰腺，还是需要一些技巧的。
对于胰腺MRI扫描来讲，除了增强扫描和动态增强扫描，最重要的平扫序列就是横轴位T2WI脂肪抑制和横轴位T2WI非脂肪抑制序列。
由于胰腺的大小和体积远远小于肝脏，所以扫描的层厚一般比较薄。T2WI是2D序列，扫描层厚一般是3mm，0间距。
为了得到漂亮的胰腺图像，横轴位T2WI序列一定要扫描得好。横轴位T2WI脂肪抑制或者非脂肪抑制序列一般有五种技术：
①屏气BH T2WI or FS
②呼吸触发 单激发T2WI or FS
③自由呼吸 单激发T2WI or FS
④膈肌导航 T2WI or FS
⑤呼吸触发 多激发T2WI or FS。为了得到好的图像质量，推荐使用呼吸触发多激发T2WI配合抗运动伪影技术。
这是胰腺横轴位T2WI非脂肪抑制，这个图像质量还是不错的，主要原因在于使用了多激发技术结合抗运动伪影技术的序列。
飞利浦，使用的是MultiVane，序列是T2WI_MV。西门子，该技术叫Blade，序列则是t2_blade_tra。联影，这种技术叫做arm，扫描序列则是t2_fse_arms。
对于脂肪抑制来讲，序列基本上相同，只不过施加了脂肪抑制技术。
是飞利浦扫描的胰腺，采用的是T2WI SPAIR MultiVane。这里需要说明的是，为了得到好的图像，扫描时间可能会长一点，特别是胰腺，这是很正常的。也有意义T2WI采用屏气来做，也不是不可以，但是屏气扫描的T2WI，扫描时间短，一般分2~3次屏气做完，可能产生两个问题：
图像的空间分辨率不高，由于是屏气扫描，扫描时间短，所以矩阵不大
分2~3次屏气扫描，可能每一次屏气的位置不同，层面可能存在错层风险。
是采用屏气扫描得到的胰腺T2WI，分三次屏气完成，这个图其实质量已经很高了。由于这个病变比较明显，在胰尾，又是囊性信号，所以即使采用屏气T2WI，也可以得到满足临床需要的图像。
自由呼吸腹部T2WI，扫描层厚3mm，0间距，70层，可以发现左肾前方有一个长T2信号影。只看T2WI信号和液体很类似，基本上考虑囊性的。
但是这个位置有点靠下，是否来源于胰腺，仅凭借这一个序列，无法100%的判断清楚。
此时需要进行高空间分辨率或者小视野的胰腺扫描序列。
观察胰腺组织，小视野成像技术是有优势的。看的左上角，可以发现由于脾静脉横穿了胰腺，把胰尾的部分似乎分为了上下两部分。看基本上可以确定这个囊性病变是在胰腺里的。
在有时候对于病灶或者胰腺定位比较困难的时候（异位胰腺），可以结合小视野技术。
采用T2WI MultiVane脂肪抑制结合小视野成像技术zoom，可以清晰地显示胰腺走形及病变和胰腺的位置，并且胰管也清晰显示。
这里需要说明的是，以往的观点认为，正常的胰腺组织（胰管不扩张），在CT和MRI中，胰管是不显示的。随着影像技术发展和MRI成像的空间分辨率和精度越来越高。现在很多正常的胰腺组织扫描，也可以发现胰腺，这就是技术进步带来的改变。
由于胰腺走形弯曲，有可能一个层面甚至几个层面不能显示胰腺全段，导致不同层面胰腺组织显示比较分离，可能给大家判断带来一些困惑。可以使用DWI序列。
在相对高b值的DWI序列中，胰腺组织呈相对高信号。
采用小视野的DWI技术进行胰腺扫描。上排是b=0，下排是b=800。可以发现胰腺呈相对高信号，整个胰腺组织可以被勾勒出来。
现在技术发展，AI识别组织器官和勾画、渲染出组织器官已经有临床应用了。
几年前，我做培训的时候，测试序列，当时有临床医生提出需求。能否扫描一个序列（3D序列），可以可视化的显示胰腺全部，也就是把胰腺组织给勾画出来，测体积。
于是我尝试了采用一种序列，最后得到了初步的一些效果。
~12所示，是扫描一个3D序列，然后把胰腺给单独勾勒出来。
这个序列当时我记得使用一个3D的bSSFP序列改的，由于bSSFP系列中，胰腺相对显示高信号，结合背景抑制，可以使得胰腺呈相对高信号。这种序列，血管也会显示高信号，所以需要把血管给裁剪掉。
可以尝试使用非增强肾动脉扫描的序列，然后通过添加饱和度，使得腹主动脉信号被抑制，可以得到类似的效果。
这种3D勾勒胰腺的序列有点粗糙，现在技术发展了应该有更好的序列。
但是我想说，大家作为医学磁共振工作者，可以大胆地开自己脑洞，尝试各种序列，可能会得到一些有意思的结果。
对于胰腺MRI扫描，还是那句话，要想得到漂亮的图像，除了用好一些MRI技术，还需要记住一句话：好的图像，都是需要一些时间的。比如胰腺的小视野呼吸触发序列，扫描时间肯定比单纯屏气扫描的时间长。
- 2.3 周一 立春 于 成都
如何做好MRCP扫描（MRCP技术大全）。如何做16秒的3D MRCP薄层高分辨扫描。MRCP胆道水成像，为什么胆囊不显示？
在进行腹部磁共振成像中，腹部胰胆管成像（MRCP）是一项非常重要的内容。MRCP扫描根据临床应用需要可以选择不同的序列，2D扫描主要使用单次激发的快速自旋回波序列HASTE；3D扫描则根据设备场强不同在序列库中具有不同的序列可供选择，主要有3D TSE序列和SPACE序列。
2D Haste序列可以使用薄层或厚层进行扫描以显示胰胆管的整体或细节信息。使用厚层块扫描（50mm）时，一次扫描以一定的角度显示胰胆管信息，薄层面扫描则是以2-3mm的层厚以层组的方式显示胰胆管。2D扫描的优势是扫描时间快，图像的运动伪影的累积较少，组织结构清晰；但是由于是2D扫描，图像的容积效应明显，组织结构的细节显示能力较差。
3D MRCP扫描序列分为3D TSE序列及SPACE序列。3D TSE序列由于SAR的原因在3.0T设备上已经甚少使用，而最优化采集可变翻转角3D快速自旋回波序列 SPACE序列（Sampling Perfection with Application optimized Contrasts using different flip angle Evolutions），在不同的回波间期中使用不同的翻转角，有两个重要目的：（1）、使用较小的翻转角可以减小SAR，SAR与翻转角的平方成正比，所以降低翻转角能够以平方倍的关系降低SAR，该特点在高场中变得尤为重要；（2）、使用可变翻转角能够使采集获得信号的点分辨函数的模糊效应减轻，即图像的模糊效应可以减轻，这样在一次激发后可以采集很多的回波，即使用很长的回波链进行采集实现更高的采样效率。
3D MRCP扫描则具有良好的空间分辨率及容积效应轻等优点，但是由于3D扫描需要采用呼吸门控触发的方式进行信号采集，扫描时间较长，运动伪影的累积效应十分明显，经常出现胆囊颈、胆总管下端或者胰管显示不清的情况。导致3D MRCP结构显示不清的原因有：
（1）、病人在扫描过程中呼吸不规律，每次呼吸的深浅不一导致每次呼吸周期采集信号的空间位置不一
（2）、即使病人的呼吸非常的规律也可能出现MRCP显示不清的情况，主要原因是由于在进行长时间MRCP信号采集的过程中，胃肠道的蠕动也将影响组织细节的显示。
为了更好地显示MRCP的结构信息，需要将常规的3D MRCP序列进行优化，保证在相同或类似的空间分辨率的情况下实现快速或屏气扫描。
- 在Physio参数卡PACE子参数卡中将Resp. control参数的选项从Trigger改为Breath hold，即从呼吸触发的扫描模式改为屏气扫描模式；
- 在Resolution参数卡Common子参数卡中将原始的FOV read从380改为320（需要病人将手举上头顶以防止出现卷褶伪影），Base Resolution从384改为320，这样保证图像的体素不变；Slice Resolution改为50%，Slice partial Fourier改为6/8；
- 在Resolution参数卡iPAT子参数卡中将PAT mode改为GRAPPA，Accel. factor PE改为4，为了减轻并行采集的伪影可以适当增加Phase oversampling；
- 在Routine参数卡中，将层厚slice thickness改为1.2mm，slices per slab改为64-72层，TR改为1800-2000ms，TE改为400-500ms；
- 在Sequence参数卡Part1中将采样带宽Bandwidth增大至回波间隔Echo Spacing最小，这样在后续增加Turbo factor时能够保证采样的duration不变，即保证信号的点分辨函数的模糊效应不变，减少图像的模糊效应；勾选Elliptical scanning（减少采集K空间信息）缩短采样时间；
- 在Sequence参数卡Part2中将Turbo factor增加至320-360；Flip angle mode保持为Constant模式。
根据以上的参数优化过程就能够将SPACE序列的扫描时间从原始的3-5分钟缩短到20秒以内，这样就能够在一次屏气的时间内完成3D SPACE MRCP的扫描。
感谢福建医科大学附属协和医院孙斌教授提供病例。快速3D MRCP的扫描不依赖设备的机型及级别，在VD版本以上的各种MR机型，无论是1.5T还是3.0T都能实现。但是在参数优化的过程中还需要各位权衡不同场强及线圈类型导致图像信噪比的差别。目前经过临床验证，快速3D MRCP在胰管、胆囊颈及胆总管下段等受胃肠道蠕动影响比较厉害的区域，图像质量有明显的改善，显示细节有质的提升。
写文不容易，作图更不容易，写文2小时，作图可能6小时。原创全新内容，部分内容已经出版于本人作为副主编的一本图书里。
并行采集技术（Parallel Acquisition Technique, PAT）或并行成像技术（Parallel Imaging, PI）是磁共振中一个非常重要的加速采集技术，在并行采集技术应用于临床之前，如果要缩短扫描时间就必须要直接减少TR或者信号采集次数或者相位编码步数。传统技术上减少了相位编码线步数，会导致空间分辨率降低或者图像FOV变化。而使用了并行采集技术之后，可以缩短序列的成像时间，且理论上并不影响空间分辨率和图像对比度。现代的磁共振扫描速度的大幅度提升离不开并行采集技术，该技术基本上可以用于各种不同序列。在了解该技术原理之前，需要先知道K空间填充和图像FOV之间的关系。
一.K空间填充和图像FOV之间的关系。对于传统的K空间笛卡尔填充方式下，K空间的相位编码线填充方式会影响到重建图像的FOV。其中K空间两条相邻相位编码线之间的间隔Δk与重建图像的FOV成反比，也就是FOV=1/ Δk。另外一条就是最大的编码频率Kmax和重建后的图像空间分辨率成反比。
如果改变K空间的填充方式，则会影响到重建图像的FOV或者空间分辨率。
如果K空间完全填充并且相邻相位编码间隔为Δky，则重建后的图像相位编码方向的视野大小FOVy=1/Δky。
K空间不完全填充，但是相邻相位编码间隔为Δky不变，所以重建后的图像相位编码方向的视野大小FOVy不变。然而由于填充的K空间相位编码线变少了，相位编码的最大频率Kmax变小了，所以重建的图像在相位编码方向上空间分辨率下降，表现为图像的像素在相位编码方向尺寸变大。可以采用牺牲图像相位编码方向的空间分辨率，减少K空间填充来达到加速的目的也是同样的原理。
多层同时成像技术是另一种磁共振加速技术，该技术的核心特点是一次射频脉冲同时激发多层进行同时成像，这样对于层数比较多的序列可以显著地缩短成像时间。
CT从单排到多排扫描是其发展的第一次飞跃，以为的单排扫描采集效率低下，速度慢，实现了多排之后，提高了扫描速度，临床应用也得到了大大的推广。
而磁共振由于成像模式和CT不同，所以有非常大的区别。磁共振的发展也同样离不开快速扫描技术。试想一下，如果现在做一个普通头颅平扫，需要1小时，那么磁共振的临床应用还会这么广泛吗？
传统的磁共振扫描模式主要分为两种：2D扫描和3D扫描，临床使用的磁共振序列很少进行单层扫描，一般都需要扫描很多层（多片）。而对于一些TR特别短，扫描层数特别多的序列，比如脑功能序列，显然采用这种方法并不能节约时间，因此多层同时成像技术应运而生。
和传统的多片技术不同，多层同时成像主要是一次射频脉冲就直接激发了多个层面，重建的时候在通过算法把不同层面的图像分开，这样扫描效率得到了大幅度提高，再配合一些其他的加速技术，能够使得一些高级的科研序列可以推广。
多层同时成像技术最初的原形是SMASH技术，最早是在2001年由英国的David Larkman等人首先提出，他采用类似的技术实现了膝关节的多层同时成像。
该技术的核心特征是一个射频脉冲同时激发多层，利用一个多频带的射频脉冲可以达到同时激发不同层面的目的。此时由于多层图像在一起，采集的时候会产生多层图像的混叠，然后利用重建算法去除混叠，得到不同层面的图像。
不同公司该技术名称不同：西门子公司多层同时成像叫做Simultaneous Multi-Slice，简称SMS；飞利浦公司该技术又叫做Multi-Band SENSE，简称MB-SENSE技术；GE公司这种技术叫HyperBand。
任何磁共振加速技术都会对原有的图像质量有影响，多层同时成像技术也不例外。使用了该技术之后，信噪比会有下降，但是和传统的并行采集技术相比，多层同时成像的优势在于信噪比降低不明显。两个公式是分别是多层同时成像的加速倍数及并行采集加速倍数和信噪比的关系。
SNRMB-SENSE=SNRfull÷g （1）
同样的参数，在不使用多层同时成像的时候扫描时间接近15分钟。使用了多层同时成像，即使加速倍数只有2倍，扫描时间也缩短一半。而且对于一个序列，原有的扫描时间越长，采用多层同时成像技术加速之后，节约的时间也就越多。
对于这种多方向的DTI，如果没有MB SENSE，一般需要扫描30~1小时，这种情况很难保证顺利完成检查。
在飞利浦系统中，要使用MB SENSE必须结合32通道的头颅线圈。
多层同时成像技术主要用于神经系统的高级序列，比如多方向的DTI、多B值的扩散加权成像以及多动态的脑功能成像BOLD等。这些序列扫描时间长，采用多层同时成像技术能够显著地缩短扫描时间。比如，对于一个128方向的DTI，传统的扫描序列可能需要40分钟以上，而使用多层同时成像加速2倍-4倍，扫描时间可以缩短到20分钟甚至10分钟以内。
5: 128方向的DTI。
对于脑功能成像，时间分辨率是非常重要的，常规的BOLD序列TR一般设置为2000ms，也就是全脑覆盖的时间分辨率大概为2秒。采用了多层同时成像技术后，可以在相同的时间内提高采样数量，也就是提高了时间分辨率，保证能够捕捉到更多的激活信号。
多层同时成像技术可以同时激发多层，等于增加了时间分辨率，提高采样数量，捕捉到更多过去看不到的细微的信号，使得脑功能成像更加精准。
需要注意的是使用多层同时激励技术后，随着同时激发的层数激发，特殊吸收率（SAR值）也会增加。和常规的射频脉冲B1=13.5μT相比，多层同时成像的多频带脉冲B1=22μT，其SAR值也高于常规序列。飞利浦MB SENSE基于DNA全数字网络架构，通过降低射频最小驻留时间实现脉冲优化，最终降低SAR值提高扫描的安全性。
该技术主要用于神经系统的一些高级序列或者科研序列，该技术也是对压缩感知技术的补充。已知，DWI序列和DTI序列不能采用压缩感知进行加速，所以可以通过使用MB SENSE来达到加速目的。
MRI梯度性能参数辨析
梯度是MRI中的重要系统，其性能直接影响成像过程和图像质量。梯度性能指标的描述主要以单轴最大梯度场强Gmax和最大梯度切换率SR为主。要注意区分不同梯度场强的物理意义，避免混淆。
毕竟这个是MRI系统的三大硬件，俗称“三大件”。类比于买汽车，汽车基本质量好不好，都知道要看（比）三大件：发动机、变速箱、底盘。
同样，对于磁共振成像系统，一个价格在几百万~三千万的设备（不考虑5T和7T，那个价格可能超过4500万），价格的制定和档次的区别主要还是看硬件系统的区别。
MRI的三大件主要是：主磁体系统、梯度系统、射频系统。而大家一般讨论最多的是梯度系统的性能指标参数。
主磁体系统是MRI的基础，临床扫描使用的MRI一个最重要的指标就是磁场强度（场强），比如：1.5T、3.0T或超高的7.0T。实际上主磁体的性能参数很多，只不过一般以场强为主。而场强又比较简单，是多少T（特斯拉）的都知道。
射频系统也很重要，这个部分大家主要关心的是射频接收系统，也就是接收线圈。讨论比较多的是线圈的单元数（elements）和通道数（channels）。这两个是比较好量化的，大家很少有歧义。而线圈的外形设计，重量也很重要，但是这个用户一般很少纠结，因为厂家给什么线圈，咱们就用什么。
梯度系统对于MRI图像非常重要，梯度系统主要由梯度线圈（Gradient Coil）、梯度放大器、模数转换器、梯度控制器等组成，主要的作用是产生成像所需要的梯度磁场。梯度磁场的变化也会产生磁共振信号，这种信号也就是梯度回波信号。
梯度系统对于图像影响非常重要，关于梯度系统的性能指标参数也非常重要，它可以直接决定梯度系统性能优劣和设备的档次。
一般评价梯度系统性能的参数主要包括：（最大）梯度场强、梯度切换率。
在这里很多老师就有疑问了，因为最大梯度场强和梯度切换率目前是不能通过扫描体模去测量或者验证的。梯度的这些性能是设备出厂前，厂家测试的。
这里就需要注意，对于梯度性能参数的描述很重要。先给大家看一个案例。
这是某个MRI设备的白皮书里写的，关于梯度性能（Performance）的描述。
可以发现关于梯度性能参数的解释有几个。首先看到了Max amplitude per aixs：45mT/m。还有一个Vector amplitude for each aixs：78mT/m。
为了让大家看得清楚，我再把图片发一下，把两个不同的反映最大梯度场强的参数给大家分别标示出来。
实际上英文的描述还是比较准确的，第一个：Max amplitude per aixs是指单轴最大梯度场强。现在好多中文的招标参数里面也写的很清楚：最大梯度场强（单轴）。就是怕有些人在这里故意混淆概念或者做文章。
可以在一个方向施加梯度，也就是开启一对梯度线圈，产生某一个方向的梯度场。也可以同时在两个或者三个方向开启梯度，同时在三个方向产生梯度场。MRI选层，之所以能够任意方向成像，斜断面成像，就是因为梯度线圈可以组合使用。
对于一个方向来讲，也就是单轴per aix，描述梯度性能的参数主要就是最大梯度场强和梯度切换率。
梯度场强的产生是通过在梯度线圈上通电流产生的。而通电肯定有一个时间，也就是梯度场强的上升阶段，这个时间叫做梯度爬升时间。当梯度场强达到最大值（稳定的最大值）并且保持一个平台，此时的梯度场强叫做最大梯度场强，Maximum Amplitude，代表梯度稳定输出的最大平台值。
最大梯度场强（默认是单轴），Gmax，它的单位是mT/m，前面的mT代表毫特斯拉，后面的m表示长度单位米。它的计算公式为：梯度场强（mT/m）=梯度场两端的磁场强度之差÷梯度场有效长度。
梯度爬升时间Rise Time表示梯度场从0到达最大平台值所需要的时间。梯度线圈通电后就会产生梯度磁场，但是这至少需要一点时间，这个时间就是梯度爬升时间。
梯度切换率Slew Rate（SR）是描述梯度场变化快慢的一个指标，表示单位时间内梯度场强的变化量，它的单位是T/m/s。梯度切换率的计算公式为：梯度切换率=最大梯度场强（mT/m）÷爬升时间（ms），理论上得到的单位是mT/m/ms，但是为了方便，一般单位换算为T/m/s。
梯度切换率越高，则达到最大梯度场强所需要的爬升时间越短，梯度所占据的时间窗则越小。
梯度系统性能越好，则爬升时间越短，梯度切换率越大，达到作用梯度所需要的时间越短，成像速度也就越快。这一点对于需要大量使用梯度场的序列尤为重要，比如EPI序列或者3D序列。通过增大梯度切换率可以显著地缩短扫描时间。
讲了这个大家清楚，为什么还有一个梯度场强叫做Vector amplitude for each aixs。实际上英文写得很清楚，per echa aixs，也就是三个方向的梯度共同作用，达到的一个综合矢量梯度场强。这是三个方向最大梯度场强的综合作用。梯度线圈有三对，三个正交方向，分别是X、Y、Z。根据矢量计算原则、三角函数和勾股定律，A和x、y、z的关系为：三个方向的最大梯度场强值都相同Gmax，所以根据公式2，可以得到：
这里Gvector代表所谓的最大矢量梯度场强，实际上是三个方向梯度共同作用，都在最大梯度场强综合作用的合矢量效果。由于根号3约等于1.732，所以Gvector≈1.732×Gmax。
来计算一下，Gmax=45mT/m，Gvector=45mT/m×1.732≈77.94mT/m。
这个结果和显示的Gvector=78mT/m是符合的。验证了科学的说法。
在看梯度性能参数的时候，要知道这个梯度场强的值代表什么含义。一般来讲国际白皮书公认的标准是最大梯度强度（Max Amplitude）（这里特指单轴），而计算的最大梯度切换率也是基于最大梯度场强除以梯度爬升时间。
而矢量梯度场强，则是把三个方向梯度场叠加综合作用的等效效果。在计算矢量梯度场强的时候，一般值会更大，会大根号3倍。
英文描述实际上比较准确，在写矢量梯度值的时候，写的是：Vector amplitude for each aixs，实际上就代表了三个轴同时作用的等效效果。
这个描述就比较清楚了，特别说明了是最大的单轴梯度场强，避免和矢量梯度场强混淆。
除了矢量梯度场强的概念，还有一个所谓的峰值梯度场强，这个和我们经常讨论的最大梯度场强也是不同的。
和14所示，理想的梯度是通电后，很快到达最大梯度值并且保持一个平台。而实际上，通电后，由于感生磁场方向和梯度作用方向相反，会有一个涡流产生，所以为了补偿这个涡流，需要额外增加电流。
梯度爬升阶段（爬升沿），由于磁场是一个正值，产生的感应磁场是个负值，阻碍梯度场的爬升。反之亦然，下降阶段（下降沿），产生的感应磁场是正值，延缓梯度场的下降。
为了补偿涡流的影响，所以在进行梯度场的爬升或者下降阶段，就会考虑到涡流的影响，会对涡流进行补偿。
峰值梯度场强一般比最大梯度场强大15%~20%，因为是包含额外预留涡流补偿梯度及为保证功放稳定输出预留15%余量的情况下测得参数。
涡流补偿后的梯度，实际上在某个时间点的值是高于最大梯度场强的。这个值被称为所谓的峰值梯度Peak Amplitude。
既然叫峰值，就是某一个时间点的值，峰值时间很短，并不能使得梯度场一直保持在这个值。所以理论上峰值梯度场强这个值并没有实际意义和临床意义。
在看梯度场强性能参数的时候，一般以（单轴）最大梯度场强Maximum Amplitude为主，而其他一些所谓的峰值梯度场强Peak Amplitude或者有些描述的Amplitude Performance*临床等效值这些是不太好比较的。
比较参数性能一定要在同一个标准，同一个概念来比较。矢量梯度场强是三个梯度（三轴）共同作用的，其值肯定比最大梯度场强（单轴）的值高了不少。
所以有些时候如果不清楚，两个梯度性能不是一个概念，去比较是没有意义的。
如果不清楚也可以通过计算来参考值的前后一致性。比如，有两个梯度场强，一个是36mT/m（红色箭头），一个是打了星号的45mT/m（黄色箭头），那么哪个是最大梯度场强呢？
实际上可以计算知道，因为这里给了梯度爬升时间Trise=240ms（绿色箭头），而文件里的梯度切换率SR=150T/m/s（蓝色箭头），所以我们就计算嘛。
36mT/m÷150T/m/s=0.24s=240ms 符合
45mT/m÷150T/m/s=0.3s=300ms 不符合。最大梯度值是36mT/m。
上面的公式中，是体素大小（尺寸）的公式，其中和梯度呈反比。梯度场强G越大，其作用时间越长（编码越长），则体素尺寸越小，图像的空间分辨率越高。
梯度线性度也是非常重要的，它代表梯度的线性情况。梯度线性部分越大，则成像的最大FOV也就越大；超过了梯度线性部分，则梯度变得不均匀，得到的图像可能会变形或者扭曲。
MRI的空间定位是靠梯度，梯度如果非线性，则不能准备的定位质子的位置和体素空间一一对应，图像则会形变扭曲。
综合以上，一般在描述MRI梯度性能参数的时候，多采用（单轴）最大梯度场强Max Amplitude和梯度切换率SR，描述方式多为“Gmax/SRmax”，其中Gmax的单位一般为mT/m，SRmax的单位一般为T/m/s。一般大家讨论梯度，口语都简化了单位，比如“45/200”，指的是最大梯度场强45mT/m和最大梯度切换率200T/m/s。还有一个性能参数叫做Gradient Performance，简称GP，不是太常用，反映综合梯度性能的，其公式为：
在MRI硬件的发展过程中，梯度性能提高很多，我记得早期我们读书的时候，教材都写的，为了保证安全，梯度性能一般不要同时达到80/200，也就是最大梯度场强80mT/m，最大梯度切换率200T/m/s。当时觉得80/200就是梯度的极限。实际上最近几年，特别是高场和超高场的，梯度性能越来越高。
梯度切换率受限主要是考虑控制PNS（周围神经刺激）。而现在最新的一些MRI介观等级的研究，用到的超高场MRI的梯度都非常高了。
描述梯度性能的参数比较多，大家要注意不同指标参数的意义，避免混淆。
- 10.21 周一 于 成都
（图：大部分图像，背景是黑色的，也就是说背景信号最低，是一个三反转脑灰质成像图，通过三个反转，把脂肪、脑脊液、脑白质信号全部抑制，保留脑灰质信号。
在磁共振成像中，有时候可能会有疑问，为什么大部分图像背景是黑色的，有些图像背景是灰色的，比如我们经常发现小儿头颅图像或者海马图像背景是灰色的，而不是黑色的。
（图：小儿头颅IR-T1WI图，图像背景是灰色的，可以发现由于背景是灰色的，更能突出颅脑灰白质对比，脑脊液是黑色的，脑白质是白色的，脑灰质是灰色的，对比度突出）
（图：海马IR-T1WI冠状位成像，1.5T扫描，采用灰色背景，突出T1对比度。
（图：在飞利浦机器中，在后处理栏，有图像类型，选择M，即重建的图像为模数图，背景是黑色的。
在IR（反转恢复）序列中，由于采用了180°的反转脉冲，IR序列采集信号的时候，系统可以同时接收信号的模部和相位信息，重建的图像可以是实图。
（图：如果是IR序列，可以在图像后处理中，图像类型，选择R，重建的图像就是实图。你可以同时要I模数图和R实图同时出来。
在IR反转恢复序列中，由于先给了一个180°反转脉冲，然后在经过TI时间给予90°激励脉冲，所以，图像和普通SE序列或FFE序列有所不同。普通SE或FFE序列，在射频脉冲反射时，组织的纵向磁化矢量都在正轴；而反转恢复序列，射频脉冲发射是，有的组织的纵向磁化矢量在负轴。如果单纯比较“绝对值”大小，不足以完成体现组织的信号差异。
Inversion recovery offers the possibility of the MR signal being positive or negative. Usually MR images are presented in magnitude form, i.e. with no negative values, the sign of the signal being ignored in the final image (this was to overcome artefact problems arising from phase changes due to susceptibility variations and magnet inhomogeneity).。这也是为什么有时候IR序列伪影大的原因。在IR序列中，接收信号时，由于纵向磁化矢量可以在纵坐标的正负方位，所以接收信号也有两种情况：
只考虑信号的模，即正值；在这种情况下，要得到T1对比度，应使用较长的TI，以便大部分组织拥有正像的磁矩。如果减少TI，组织T1恢复速度不同，某些组织表现为“正”磁矩，而另一些仍然为“负”磁矩；而如果他们的模数大小相同，则无法区别这两种组织
同时考虑信号的模和相位；在信号测量的时候，磁矩为“正”的组织和磁矩为“负”的组织表现出180°的相位差，这样组织间的对比度差异可以在更宽的灰度标尺上衡量。
正常情况下，是黑色的图像底色（背景）（即不产生信号的空气），此时用灰度均值（即灰度标尺的中值），即灰色的图像底色（背景）来表示，这样组织的信号差异显得更明晰。
并不是，只要是IR反转恢复序列，重建的图像就是实图。实际上大多数情况下，我们没有必要重建实图，我们只需要模图就够了。比如，3.0T临床常用的头颅T1WI扫描，大部分是采用IR-T1WI序列，但是出来的图像，也是以黑色背景居多。
（图：3.0T常用的IR-T1WI序列扫描头颅，虽然采用了IR序列，但是重建的图像还是模数图）。在有的时候，我们为了让图像好看，采用了一种灰白反转，也就是在图像上简单的把黑的变白，白的变黑，做了一个黑白反转的处理，这样黑白反转后，本来背景是黑色的就变为灰色或者白色，这个跟前面的实图是不一样的。
有一个概念要搞清楚，就是图像的实部和虚部。磁共振系统采集的信号是一个以时间为变量的函数。
- 衰减性，信号在随时时间的变化过程中会逐渐衰减，类似于T2（横向弛豫），自旋-自旋弛豫，在横向平面内，质子逐渐失相位。
当一个函数为奇函数时。就是f（t）=-f（t），比如正弦函数就是典型的奇函数。奇函数傅里叶变换后它的频率是一个正，一个负。当一个函数为偶函数时。就是f（t）=f（-t），比如余弦函数就是偶函数。
偶函数的傅里叶变换是实数，奇函数的傅里叶变换是虚数。这样在描述一个信号函数时，可以把它拆分为实数部和虚数部。
2. 一文了解MRI图像重建的前沿趋势：从CS到深度学习
MRI图像重建技术正在经历一场从传统傅里叶变换到人工智能驱动的变革。从传统傅里叶变换到压缩感知再到深度学习，AI技术正推动MRI重建进入新时代，实现"少采样、快扫描、高质量"的临床目标。
目前，我的研究主要聚焦于MRI图像重建与定量成像，涉及多模态MRI信号处理、深度学习辅助重建以及序列优化等方向，尝试将磁共振序列设计与下游图像分析任务结合，为高效采集与特征提取搭建桥梁。
磁共振成像作为现代医学影像非常常用的方式，其无创、高软组织对比度和多参数成像等特点至今仍然在临床不可替代。然而临床上MRI的扫描时间较长（相对CT）导致了一系列问题，比如
①老人、儿童以及重症患者难以长时间保持静止，易致运动伪影以致图像质量下降
②国内目前的大环境下，提高扫描速度是非常重要的痛点，几乎每个医院都会有“跑量”的压力，扫描时间直接关系到设备利用率和经济效益，已成为各医院成本控制的重要考量因素之一。
这也促使研究者在保证相同或者类似成像质量的基础上不断寻求更快的成像方法。近年来，重建技术的创新不断涌现，从传统的傅里叶变换，到压缩感知（CS），再到如今大火的深度学习重建方法。德国西门子也在这方面做了大量投入，开展了很多合作研究。
一.MRI图像重建技术的发展历程。MRI图像重建的本质是解决一个反问题：已知测量信号，如何重建原始图像？这个过程可以简单理解为：我们有了一些信号测量值，需要反推出产生这些信号的物体是什么样子。传统全采样MRI中，这个问题比较直接，通过数学转换就能获得图像。然而我们为了加快扫描速度就必须减少k空间采样点，问题随之变得复杂。
核心逻辑很明确：数据越少，就越需要更好的模型来弥补。
已知，最基础的MRI图像重建，就是把采集到的完整K空间数据做个傅里叶逆变换，直接还原出图像。这种方式虽然在教科书里最常见，但临床上其实很少这么老老实实地全采。即使在常规临床MRI中没有使用压缩感知的序列，也已经采用了多种传统加速技术来缩短扫描时间，如PI（并行采集）、EPI（回波平面成像）、TSE（快速自旋回波）和Halfscan（半扫描）等。但一些问题也随之而来：这些传统加速技术的天花板比较明显，一般也就加速个2-4倍，越往上提，信噪比越差（比如并行成像的SNR，跟加速因子的平方根成反比），而且容易带来各种伪影，比如PI会出折叠伪影，EPI常见几何畸变等等。
也正是这些先天短板，逼着科研和工业界去寻找更强大的方案。
压缩感知近年来应用十分普遍。可以采集远少于传统要求的k空间数据，通过CS算法重建出高质量图像。现在的主流设备都会配置，比如西门子的Compressed Sensing Cardiac 心脏成像，GOBrain 脑成像和CS-VIBE腹部成像，以及飞利浦的Compressed SENSE结合并行成像、4D Flow血流成像，GE的HyperSense和HyperCube通用框架等。
尽管如此，作为一种革命性重建方法的CS技术也有一些限制，它的非线性迭代算法相对仍较为耗时，而且在8倍以上加速因子的情况下会出现空间分辨率降低、对比度减弱和边缘模糊等质量下降问题。
虽然深度学习重建前期训练耗时，但在实际使用阶段速度极快，能够以最少的k空间采集数据在数秒内完成高质量图像重建。近年来，GPU和TPU的算力爆发为复杂神经网络的训练提供了肥沃土壤，Deepseek等大型语言模型也是这一技术进步的直接成果。
NVIDIA于2024年底推出的Jetson Orin Nano Super等设备也具有极大应用前景，这台仅掌心大小的AI超级计算机能够提供高达67 TOPS的AI算力，支持生成式AI和大型语言模型，且价格仅为249美元。这类便携式高性能计算设备的出现，使得深度学习重建模型能够脱离云端，在边缘设备上直接运行，为未来的MRI重建技术带来了更多可能性。在此背景下，多学科开始快速交叉融合，医学影像物理学提供了问题背景，计算机视觉贡献了网络架构，优化理论引入了数学框架，临床医学指明了实际需求。这种跨领域的协作使得AI重建技术从实验室快速走向临床，促进了业内的迅速发展。
想象你是一位新入职的MR技师。第一天上班，你看到一幅因为患者呼吸运动导致的模糊图像。经验丰富的技师看一眼图像就指出问题所在："这是呼吸伪影，如果完整扫描，肝脏边缘应该是这样的..."，然后拿出另一份患者图像，上面正清晰展示了正常的肝脏边缘轮廓。这就是深度学习的核心思想：通过大量的"读片经验"（训练数据），学会从不完整信息推断出完整图像。
以骨髓信噪比为例，标准序列为6.00，而CS-AI 4.5达到6.60，比CS 4.5的6.51略高；在8倍加速下，CS-AI 8达到6.18，显著高于CS 8的5.60；在11倍加速下，CS-AI 11达到5.72，明显优于CS 11的5.05。这表明深度学习重建能更好地保持高加速因子下的图像信号质量。
均方根误差(RMSE)分析显示，低加速因子(4.5)的重建质量接近原始图像，而高加速因子(8和11)下误差增加；但即使在11倍加速下，CS-AI重建的RMSE仍保持在可接受范围内(94.79)。更重要的是在临床可接受度评价中，CS-AI 8的可接受率高达95%，而CS-AI 11仍达到70%，远高于传统CS 11的32.5%。
在MRI重建中，"习题"是欠采样的k空间数据（比如只采集了50%），"标准答案"是全采样的高质量图像。训练的神经网络将通过对比自己预测的答案和标准答案来改进。
在数据准备阶段，收集一批病人的全采样数据作为标准答案，人为地从每个全采样数据中抽取50%，制造欠采样数据也就是作为习题，形成1000对"习题-答案"的训练集。
- 无监督学习：没有标准答案的自学。假设一个场景：医院刚引进了新的快速扫描序列，只能采集30%的k空间数据。由于是新序列，没有全采样的参考图像。
无监督学习的核心思想是利用图像本身的统计特性（如自然图像应该是平滑的）、MRI的物理特性（例如k空间共轭对称）以及通过最小化某些"合理性"指标来训练网络。比方说，我们告诉它："好的MR图像应该是平滑的，不会有太多噪点，而且你预测出来的全部数据应该和我们采集到的那部分数据完全吻合。"电脑就会按照这些简单的规则，自己摸索出重建全部k空间的方法。这有点像是不给标准答案的考试，但告诉学生什么样的答案是合理的，让他们自己推理。
在实际研究中，我们一般会设计一个"评分标准"，包括三部分：一是"数据匹配度"，重建的图像转换回k空间后，已采集部分必须和原始数据一致；二是"平滑度"，真实的组织不会有跳变的边界；三是"简洁性"，自然图像在特定变换下（比如把照片变成小波）通常是简单的。基于该原则，电脑就可以不断调整自己的参数，直到重建的结果评分最高。
实际研究中，很多研究员都会因为训练数据不足而头痛。
记得上学时，老师经常让学生自己出题自己做，这种学习方法也可以运用到自监督学习中：先拿一张完整的k空间数据，故意遮住一部分（比如30%），让网络猜测被遮住的部分是什么。因为已知正确答案（原始数据中有），可以告诉网络："猜对了"或"猜错了，再试一次"。经过成千上万次这样的"游戏"，网络学会了如何根据部分信息来推测完整图像。
四.主动采集：采集与重建的协同优化。随着深度学习在MRI重建领域的应用不断深入，研究者发现，传统的图像重建管道存在一个根本性的局限：采样模式与重建算法是分离的。此时采样模式就成为了一个瓶颈，能否找到更优的采样模式，使得在相同的采样率下获得更高质量的重建图像？
与传统固定采样模式不同，主动采集技术会动态地决定哪些k空间位置最值得采集，从而进一步提高扫描效率。通过深度学习网络同时学习两个关键部分：一个"编码器"网络，学习最优的k空间采样模式；一个"解码器"网络，负责从采样的k空间数据重建高质量图像。这两个网络协同工作，通过端到端的训练实现最佳的采样-重建性能。
从医学影像会议到厂商宣传，再到医院临床试点，近几年都在讲“深度学习重建多快多好”。但说到底，它还不是一个完美的技术。要做到真正落地临床、服务医生和患者，还有不少问题需要解决。
这在医疗领域是个隐患，因为涉及生命健康的领域需要的是“能解释的安全感”。
现在有研究试图用诸如SURE这种方法来估不确定性，结果看似可行，但仍存在显著不足。一些深度学习模型对输入数据特别敏感，噪声、轻微的运动、序列参数的变化等等，都可能导致结果出现严重偏差。这种扰动敏感的特性跟神经网络结构、训练数据的选择、甚至采样方式都有关系。可能训练得再好，一旦更换了设备、采集方式等，重建质量就会跳水。而且最重要的是，如果想训练一个靠谱的AI重建模型，就必须有大量训练数据。但问题是，临床上这类数据根本不多，尤其是一些罕见病、边缘成像参数、非标准序列，几乎没有参考图像。这导致很多模型一旦脱离训练集范围就极有可能水土不服，泛化能力较差。再加上某些架构特别复杂，比如AUTOMAP、GAN、VAE等，看论文效果很好，临床一测发现要花好几分钟，显卡不够还跑不动。很多医院电脑配置一般，GPU资源也不一定充足，能不能实时用起来就要画一个大大的问号。
上面对多种神经网络模型和术语进行了高度抽象概括，没有涉及具体的网络模型特点，以方便大家对相应知识有初步的理解。有些老师可能依旧抱有疑虑：临床上我们已经能做到最快两三分钟一次扫描了，那这些新技术又能有什么用？
根据经验，比如急诊场景的脑卒中成像，在传统DWI序列需要2-3分钟，而且患者经常很难保持静止。如果采用深度学习重建的快速DWI序列，将缩短扫描时间至30秒级别，而且图像质量仍能保持相应诊断水平。诸如此类的应用前景在临床十分广泛。
左上与左下分别为传统DWI (采集时间165秒)和DL-DWI (采集时间49秒)的弥散加权图像，右上与右下为相应的ADC图。
传统DWI显示左侧额叶有一个≤5mm的高信号病灶(a)，但ADC图因运动伪影严重模糊(b)。相比之下，DL-DWI展示了边缘清晰的病灶(c)和清晰的ADC图(d)，使小尺寸急性梗塞的诊断更加明确。根据欧盟的医疗器械法规MDR和人工智能法案AI act，把医疗AI按照自主程度分成了几个级别：
L0是完全辅助型，显示重建图像质量数据，所有决策都依赖于人工操作。L1是建议型，比如推荐最佳扫描参数，但最终执行权仍在技师手里。L2就进阶了，能自动执行某些任务，但需要人工进行确认，比如能自动检测图像质量不佳并提示重扫的系统。L3在特定条件下可以独立运行，只有遇到异常才需要人工干预。Level 4就相当先进，能独立完成复杂任务链，仅需人工监督，就可以实现全自动的扫描重建流程。最后Level 5是完全自主，但因涉及太多伦理和法规问题，在医疗领域尚未实现，涉及太多伦理和法规问题。
在目前环境下，作为临床一线工作者，仍然要把AI当工具用，而不是借助AI进行决策。新时代的影像工作者更重要的能力是保持独立的专业判断，学会质疑不合理的AI输出。
"AI是影像从业者工具箱里的新工具，但绝不应该是唯一的工具。未来的医疗影像将会是人机协作的典范，我们的专业知识和AI的计算能力相结合，才能真正造福患者。
- 5.13 周二 于 德国 埃尔朗根
做神经科学研究，我们习惯了直接打开 NIfTI 文件查看大脑结构或功能图。但你是否想过，扫描仪接收到的那些杂乱无章的K空间（K-space）信号，究竟是如何变回一张张清晰的大脑切片的？
传统的重建方法（如快速傅里叶变化-FFT）往往要求数据在规则的网格上采样。但在实际的高级成像中（例如为了提高时间分辨率的非笛卡尔采样，或为了矫正畸变的非线性梯度场），传统方法就显得力不从心了。这时，需要引入“广义迭代重建（Generalized Iterative Reconstruction）”。本章通过将 MRI 数据采集（编码）和图像重建（解码）过程构建为线性方程，可以利用迭代数值求解器来重建图像。这种方法具有高度的通用性，能够适应接收线圈阵列、K空间轨迹、空间编码磁场以及干扰场（nuisance fields）的各种复杂组合。
具体而言，该迭代求解器基于共轭梯度算法（Conjugate-Gradient algorithm）[1]。已有文献证明，该算法是敏感度编码（Sensitivity Encoded）MRI 中一种通用的广义方法。
在广义迭代重建的框架下，我们不再依赖简单的傅里叶变换。相反，将整个MRI的数据采集（编码）和图像重建（解码）过程看作是一个巨大的线性方程组。
• (Image)：我们要重建的大脑图像（未知数）。
• (Data)：扫描仪实际采集到的K空间数据（已知量）。
• (Encoding Matrix)：编码矩阵。它包含了所有的物理设置--线圈灵敏度、梯度场形状、K空间轨迹等。
所谓的“重建”，本质上就是利用数值求解器（如共轭梯度法 Conjugate-Gradient），解出这个方程中的。
这种方法的强大之处在于通用性（Generalized）：无论你的梯度场是弯曲的（非线性），还是采样轨迹是乱序的，只要能写进矩阵 里，算法就能把图像算出来。
虽然方法是通用的，但物理法则依然存在。为了保证图像不混叠，数据采集必须满足奈奎斯特采样定理（Nyquist sampling）。
如果我们要重建一张 128 x 128 像素的图，那么梯度场的数值范围就是 -64 到 63；K空间坐标则是从 -1 到 0.9844。除了本章演示的基础重建，这套逻辑是许多高级成像技术的基础：
\1. 处理低信噪比（SNR）数据：通过迭代算法优化信号。
\2. 加速成像：支持非笛卡尔（Non-Cartesian）轨迹（如螺旋采样），大幅缩短扫描时间。
\3. 校正畸变：处理非线性空间编码磁场（如PatLoc成像）或离共振（Off-resonance）伪影--这对fMRI研究中的EPI畸变校正尤为重要。
为了演示这个过程，我们用 MATLAB 模拟一个最基础的场景：单通道线圈、全采样、笛卡尔轨迹。
- 模拟“真实”的大脑信号
% b1 为线圈灵敏度图，x 为原始图像（Ground Truth）
% 将图像与线圈灵敏度叠加，模拟真实物理信号。for i=1:size(b1,3)。ORIG(:,:,i) = imresize(x .* b1(:,:,i), matrix{m_idx});
- 定义“磁场尺子”（梯度场）。MRI利用梯度场对空间位置进行编码。
% 生成频率编码和相位编码的网格
% 缩放网格以匹配奈奎斯特采样的数值要求。grid_freq = fmri_scale(grid_freq, ...);。grid_phase = fmri_scale(grid_phase, ...);
% 将定义好的梯度场存入通用变量 G_general。G_general(:,:,1) = grid_phase;。G_general(:,:,2) = grid_freq;
(图注：模拟的线性梯度场，数值随空间位置线性变化，这是空间定位的“坐标轴”)
- 规划采样路径（K空间轨迹）。决定在K空间如何“行走”来收集数据。本例采用最规矩的逐行扫描（笛卡尔采样）。
K{g_idx} = zeros(n_phase1, n_freq);。K{g_idx}(...) = 1;
% 获取采样点坐标并归一化到 [-1, 1) 区间
(图注：K空间采样轨迹，蓝点代表采集数据的位置)
• 编码（Encoding）：模拟扫描仪采集过程，生成K空间数据。
• 解码（Decoding）：不使用FFT，而是调用迭代求解器 itdr4_core_ktraj_cg。
[ACC_enc] = mri_patloc_tdr_forward_op(..., 'X', x0);
% 此时 ACC_enc 就是我们通常拿到的“原始数据”
% 使用共轭梯度算法 (CG) 求解线性方程
[recon_opt, recon_history_opt, error_opt] = itdr4_core_ktraj_cg(...
'Y', ACC_enc, ... % 输入原始数据
'S', b1, ... % 输入线圈灵敏度
'G_general', G_general, ...% 输入梯度场信息
'iteration_max', 50, ... % 最大迭代次数
'epsilon', 1e-80); 1. 梯度场检查：最大/最小值完美匹配奈奎斯特要求。2. 图像重建：
(待模拟的图像（真实图像）是大脑的轴位切片。重建图像与真实图像在视觉上完全一致。左侧和右侧分别展示了重建图像。
(迭代重建过程。第一次重建结果即为最终重建结果：四次迭代计算的结果几乎没有差别。
除了以上的简单示例之外，这些例程还可用于各种程序。
• 基于笛卡尔（Cartesian）采样轨迹的加速成像 (Accelerated imaging with a Cartesian sampling trajectory)
• 基于非笛卡尔（Non-Cartesian）采样轨迹的加速成像 (Accelerated imaging with a non-Cartesian sampling trajectory)
• 非线性空间编码磁场下的 MRI 成像 (MRI with nonlinear spatial encoding magnetic fields)
定量、多核与超材料
dGEMRIC打药（离子型Gd对比剂）后延迟一定时间测量软骨T1值来间接反映糖胺聚糖GAG含量的技术。dGEMRIC是否可以作为一种关节软骨糖胺聚糖GAG的生物标记物biomarker呢？
磁共振基本序列及图像对比度（权重）。磁共振中的弛豫：纵向弛豫和横向弛豫及T1、T2值。相位对比血管成像技术原理及临床应用。MRI基本原理的难点突破--K空间。磁共振前列腺规范化扫描方案及临床应用讲座。心脏MRI扫描技术及高级临床应用。关节软骨生化成像技术分为平扫生化成像和打药生化成像。
而打药的生化成像技术就是本章要讲的dGEMRIC。
软骨延迟钆增强扫描（delayed Gadolinium-enhanced MRI of cartilage, dGEMRIC）是在打药前及打药后延迟10~15分钟测量软骨组织的T1值来间接反映蛋白聚糖的含量。
骨关节炎早期改变主要是关节软骨（articular cartilage）的退变。传统的影像学检查手段对于关节软骨的显示（可视化）及评价作用有限。
软骨组织主要由细胞外基质（extracellular matrix, ECM）和分布在其中的软骨细胞（2%左右）构成。而ECM又是由水（60%-80%）、II型胶原蛋白（15%-20%）、proteoglycans（PG，蛋白聚糖，也可以翻译为蛋白多糖）（3%-10%）组成。根据软骨组织内所含纤维的不同，可以将软骨分为三种：透明软骨、弹性软骨及纤维软骨。
不同病理阶段，软骨组织成分有明显不同。画着类似鱼骨的是Proteoglycans则是蛋白聚糖（也可以翻译为蛋白多糖，本章使用蛋白聚糖，后面不再重复）；画着一个圆圈打一个点的是Chondrocyte软骨细胞。
（B）则是早期骨关节炎的软骨组织，蛋白聚糖含量减少，胶原基质开始崩解。（C）是晚期骨关节炎的软骨组织改变，此时蛋白聚糖大量消耗，软骨结构也发生明显改变。
蛋白聚糖（PG）是由糖胺聚糖（glycosaminoglycan, GAG）以共价的形式与线性多肽连接而成的多糖和蛋白复合物，它们能够形成水性的胶状物。
dGEMRIC是一种可以定量地检测关节软骨中糖胺聚糖GAG分布的磁共振技术。该技术的原理是基于正常生理状态下GAG含有羧基蛋白酶(carboxyl)和硫酸盐基团(sulfate groups)，带负电荷。由于电荷的同性相斥、异性相吸，负电荷吸引带正电荷的离子和水进入软骨；排斥带负电荷的离子。
离子型Gd对比剂，比如Gd-DTPA（钆喷酸葡胺）带负电荷，静脉注射钆剂以后，经过一定时间代谢，由于同性相斥，GAG和钆对比剂相互排斥，对比剂只分布在GAG缺失的部位，也就是在T1WI中显示信号增强的地方。
根据钆对比剂的化学结构类型，可以分为线性螯合物和大环状螯合物。线性螯合物中的配体是“开环”的，大环状螯合物，Gd3+离子被“固定”在配体形成的环形中。根据钆对比剂离子情况（是否带电荷），可以分为离子型对比剂和非离子型对比剂。Gd-DTPA是离子型对比剂，带两个单位负电荷。
注意如果使用的是非离子型对比剂（也就是不带电荷的），则不能到达dGEMRIC技术的效果。
测量T1值可以反映dGEMRIC指数从而间接反映GAG含量。这种方法需要打药，并且扫描时间长，主要是打药后需要延迟。
当时使用的对比剂也是离子型对比剂Gd-DTPA，当时用的是Gd-DTPA2-表示带两个负电荷。
左边的图片是股骨头组织切片进行糖胺聚糖GAG染色显示。其中顶部显示正常的软骨区域，由于GAG浓度高，表现为蓝色染色区；中间是解剖结构完整但是退化的组织，由于GAG含量低，没有染色区；是软骨完全退化的区域。蛋白聚糖具有糖胺聚糖GAG侧链，GAG含有羧基蛋白酶(carboxyl)和硫酸盐基团(sulfate groups)，带负电荷。
与周围溶液中的浓度相比，高浓度的固定电荷密度（FCD）使得相对高浓度的可移动正离子（带正电荷，例如Na+，图中用绿色圆圈+号表示）聚集。可以直观地看出，GAG缺失的部分，Gd-DTPA-聚集。
注射离子型Gd对比剂后，延迟充分的时间，使得对比剂有时间渗入软骨组织。对比剂主要分布在蛋白聚糖缺失的部位，也就是在T1WI中显示信号增强的地方。通过测量打药延迟后的T1值，也就是dGEMRIC指数从而间接反映GAG的含量。
打药前测量软骨组织的T1值称为Native T1，这个和心脏的T1 mapping类似。
注射离子型Gd对比剂后，延迟扫描，测量软骨组织的T1值，称为T1Gd或者dGEMRIC指数或者T1Gd mapping。和心脏T1 mapping不同，由于人体中软骨组织平扫测量的T1值差异不大（Native T1），所以可以直接用打药后延迟测量的T1值作为dGEMRIC指数。
该技术具有一定的难度，首先是对比剂的选择，dGEMRCI技术最常使用的对比剂是钆喷酸葡胺（因为是离子型对比剂）。其次是延迟时间，也就是注射对比剂之后延迟多长时间扫描合适？
静脉注射离子型Gd对比剂（GBGAs）后，需要延迟等待对比剂渗入关节软骨，这个延迟时间就比较重要。静脉注射后，建议活动关节，这样能够加快对比剂渗入关节软骨。注射对比剂90分钟后，钆在关节软骨中含量比较稳定了。注射对比剂30分钟后的早期，dGEMRIC指数敏感度比较高，但是基线不稳。推荐注射对比剂30分钟后进行延迟扫描，延迟时间不要超过120分钟。
也有文献直接采用关节腔内注射的方法，这样能够使得对比剂快速渗入关节软骨，而且可以清晰地显示软骨结构。但是基于钆的磁共振对比剂GBCAs基本上所有说明书上都写了对比剂的适应症：用于诊断，仅供静脉内给药。关节腔内注射实际上是超适应症使用。
对于对比剂注射剂量，该技术的先驱Burstein认为双倍剂量效果肯定优于单倍剂量。但是考虑钆沉积及对比剂安全问题，还是不首先推荐双倍剂量。
对于髋关节检查，建议注射对比剂后时间窗在3090分钟；对于膝关节，要保证对比剂渗入所有的关节软骨，大概需要23小时。因此根据经验和文献，髋关节软骨dGEMRIC建议注射对比剂后至少延迟30分钟，而膝关节则是至少90分钟。
需要注意，由于dGEMRIC技术需要测量组织的T1值，而组织T1值会受磁场强度影响。在3T的环境下，组织的T1值延长，大于1.5T。
（a）中，注射对比剂后80分钟测量T1Gd值中显示髌骨的中央部相对于边缘表现为高T1值，dGEMRIC指数高，说明对比剂离子通过关节软骨骨面和滑膜面穿透进入中心。而此时，对比剂并没有完全渗入软骨组织中。（b）图中是将T1Gd mapping和软骨成像序列DESS融合在一起，通过融合图证明了对比剂还没有完全渗入软骨。
A和C采用DESS序列扫描得到软骨MRI成像，B和D使用dGEMRIC技术测量T1Gd。
进行这种单髋关节的扫描，推荐使用表面线圈，这样可以提高图像的信噪比和T1 mapping的准确性。
最后需要注意采用dGEMRIC技术的时候，得到T1Gd或者dGEMRIC指数，需要谨慎的判断。有文献认为将阈值设置为500ms，来判断软骨病变阳性。由于T1值的测量受场强依赖，大量研究显示在3.0T上测量的T1Gd要高于1.5T上大约50%。
该技术对于关节软骨中的糖胺聚糖GAG含量变化比较敏感，可以作为无创的检测GAG的一种技术。
- 9.18 周一 于 成都
在医学影像学领域，图像信噪比（SNR）、对比噪声比（CNR）、高分辨率与成像时间之间的平衡至关重要。随着软硬件技术的不断进步，包括压缩感知欠采样技术、人工智能的应用、魔毯线圈技术以及更高场强设备的开发，磁共振图像的信噪比得到了显著的直接或间接提升。始终追求快速获取丰富、真实且无损的数据，同时降低成本，一直是影像技术的目标和发展方向。磁共振成像设备不仅占用空间大，而且成本高昂。在硬件技术迅速迭代的今天，如何在不增加过多成本的前提下，利用现有资源提升图像质量，已成为一个重要课题。超材料的出现为我们提供了一种新的解决方案。
超材料（Metamaterial）是一种具有非凡物理特性的特殊人工合成材料，它具备天然材料所缺乏或难以实现的独特性质，例如改变或优化电磁波的特性。这些性能的实现归功于其在结构和材料方面的精心设计。[1-4]“磁共振超材料”是将这项技术应用于磁共振成像领域的产物。本质上，“磁共振超材料”仍然属于电磁超材料的范畴。通过开发和利用超材料的特殊电磁性质，在信号采集过程中增强信号，进而实现提高磁共振设备图像质量的目的。
超材料的历史可以追溯到1968年，当时前苏联理论物理学家V.G. Veselago构想了一种被称为“左手材料”的特殊材料，并预言了其独特的电磁性质，从而在理论上提出了超材料的概念。直到1999年，英国科学家John Pendry首次提出了一个可行的左手材料的理论模型和材料设计方案。[2]随后，美国科学家David Smith教授在2001年首次通过实验成功制备了“左手材料”，并证实了其电磁特性。[3]在2000年的美国物理学会春季年会上，Rodger Walser教授正式提出了“超材料”（Metamaterial）这一术语，指的是通过人工设计周期性结构来实现电磁谐振激发的宏观三维复合材料，这些材料并非自然界中天然存在的。[4]最初的超材料通常是三维结构且体积较大。为了解决这一问题，哈佛大学的Capasso教授团队在2011年提出了广义斯涅尔定律，并引入了“超表面”（Metasurfaces）的概念。
在21世纪初期，随着电磁超材料领域取得的突破和发展，研究者们开始探索超材料在磁共振成像领域的应用。到了2010年，他们成功制备出了具有磁共振特性的超材料结构。近年来，磁共振超材料的研究逐渐转向实用化，许多具有实用价值的产品相继问世，并已开始进行广泛的临床测试。[5,9-14]随着材料技术的不断进步，超材料的性能和价值有望得到进一步的提升。展望未来，超材料将在更多领域得到应用。
磁化的氢质子在受到射频脉冲激发后，会产生横向磁化矢量分量并切割线圈产生感应电流，从而探测到所产生的磁共振信号。尽管激发氢质子群所需的射频脉冲强度相当大，但线圈探测到的信号却极其微弱。长期以来，磁共振硬件的发展一直致力于提高对微弱信号的探测能力，或者增强磁化矢量的强度，以提高图像的信噪比。
超材料的出现为硬件层面提升图像信噪比开辟了新的途径。超材料凭借其独特的电磁场限制与增强能力，可被应用于提升磁共振的图像质量。通过其独特的电磁特性，超材料能够利用电磁波与超材料的金属或介质元素之间的相互作用，以及元素间的耦合效应，操控电磁波的传播路径和场分布，从而实现信号的谐振放大。[5,6,13,17]利用电磁超材料设计的线圈能够重构局域磁场特性，并实现对外磁场的非线性调控。[8,10-12]这一技术直接放大了人体发出的磁共振信号，显著提高了图像的信噪比，进而实现了更高分辨率、更快速度以及更强大功能的磁共振扫描。
然而，在传输期间，超材料可能会干扰射频场，导致成像失败或引入伪影。在设计临床适用的超材料时，需要考虑其射频场的干扰，并确保超材料在信号接收期间增强信号，而在射频施加阶段不会增强信号。通常的解决策略是通过其自适应的共振模式，根据外部信号的强度调节其工作状态。它能够感应激发信号的强度，在RF接收阶段选择性地放大磁场，而在RF传输阶段则保持“关闭”状态。这种自适应响应确保了超材料在RF传输阶段不会增强磁场，从而避免了对射频场的干扰，同时提高了磁共振信号的信噪比。超材料还具有电压驱动的频率调节机制和场依赖的共振响应。其谐振频率可以通过控制电路进行调节，以确保与MRI系统的最佳频率匹配，使其能够适用于不同磁场强度的磁共振系统，并且能够根据不同的应用场景进行定制。
需要关注的一个问题是，超材料的存在可能会干扰图像的均匀性。超表面通过其共振模式重新分布电磁场，使得磁场主要集中在被扫描物体的区域，而电场则被推向远离被扫描区域的边缘。这种空间上的重新分布虽然增强了磁场，但可能导致电场分布不均，进而影响信号的均匀性。超表面的边缘区域可能会产生较高的SAR值，这可能进一步影响信号的均匀性。为了改善信号均匀性，可以考虑优化超表面的结构设计，或者结合使用优化的介质垫和超材料，以及采用可调谐的超材料等方法来实现对电磁场的均匀增强和控制。
在磁共振成像（MRI）中应用超材料可以带来诸多优势，包括更高的信噪比、更佳的分辨率、更快的扫描速度以及更强大功能的磁共振扫描。超材料能够增强磁共振的信号强度，进而直接提高图像的信噪比。据文献报道，使用超材料后，图像信噪比的提升可达到2至4倍。[5,8-14]这种信噪比的增加不仅使得可以获得更高分辨率的图像，从而观察到更细微的结构，而且多余的信噪比还可以用来缩短扫描时间，提高扫描效率，或者减少因长时间扫描导致的患者不适和运动伪影。高信噪比显著提高了磁共振成像的数据采集效率和信息含量，因此在诊断方面，能够获取更丰富的图像信息。对于某些功能成像序列，高信噪比不仅增强了图像质量，还提高了定量数据的精确度，进而推动了诊断工具的进步。如今，那些曾经因信噪比限制而难以普及或实现的成像技术，现在也可以被纳入考虑范围。
尽管超材料的概念已经存在了近六十年，但其在磁共振领域的进展与突破却仅在过去十年左右才取得。[4-6,17]因此，目前超材料主要还处于研究与开发阶段，并未实现广泛的商业化或投入临床应用。目前，国内外均有文献报道了超材料磁共振线圈的研究成果，并通过实验验证了其能够有效提升信噪比，且无需依赖其他表面线圈，仅使用磁共振设备自带的正交体线圈便能获得满足诊断需求的图像。[5,8-13]与传统表面线圈相比，超材料磁共振线圈提供的图像信噪比更高，达到其2至3倍。[5,10]此外，波士顿大学的科学团队曾介绍过一种创新设计的可穿戴超材料头盔。[8]近年来，相关文献也报道了其它适应性超表面的研究进展。在最近的研究中，该团队开发了计算机设计的可穿戴超表面，这些材料能够适应膝盖、脚踝和脊柱等身体部位，提高图像质量并减少扫描时间。[11]除单独设计超材料磁共振线圈外，超表面也可与表面线圈配套使用，以提升它们的性能。
并且，超材料的出现颠覆了以往磁共振信号增强对场强的依赖性，解决了早期设备因硬件限制而无法在信噪比、扫描时间与信息量之间取得平衡的问题。对于低场强磁共振或部分早期型号磁共振的性能提升，超材料开辟了一个全新的升级途径。
目前，国内对超材料的研发和应用仍处于研究阶段，并未广泛应用于常规医疗实践中。然而，根据公开资料显示，清华大学的研究团队已经成功研发出一系列基于“超材料”的磁共振线圈或超表面。这种材料不仅能够提高信噪比，还具备智能化、无线、无源设计等优势。它能够适配所有类型的磁共振扫描设备和序列，且无需对现有设备进行任何调整。得益于信噪比的显著提升，这种技术能够实现更精细、高效的图像采集，从而提高检查的流通量，并可能改善患者的就诊体验。
总的来说，超材料作为一种前沿材料，其发展历程充满了挑战与机遇。
目前使用的磁共振成像主要以氢核为基础，而多核磁共振则是可以探测多种不同元素组织的信号。本来磁共振就是多参数成像，而多核磁共振则是多维度多参数成像。未来期待可以开启磁共振的多核时代。
关键词：MN, multi-nuclear, MNS, MNI, UHF, ultrahigh field。有人可能会说，MRI的灰度图像就是代表信号强度啊。
但是信号强度代表什么？什么的信号强度，得到的图像信息来源是什么？
简单来讲，我们先和其他影像成像比较。比如X线（DR）或者CT。
X线和CT成像主要是X射线穿透人体后，人体不同组织对X射线“吸收”不同，其衰减不同。最终图像得到的灰度图反映的是不同组织的密度和或厚度。
CT可以理解为断层的X射线，把图像切成一层一层，这样厚度信息就基本一致了。CT图像反映的就是不同组织对 X 射线的吸收。常规CT主要反映了组织的密度信息。
讲了这些，我们再来看看“多核”磁共振。所谓多核，那么肯定和传统的磁共振有不同。磁共振的信号来源基础是什么呢？
和所有影像成像手段一样，磁共振成像也需要一些必要的条件，包括介质，组织对比。
磁共振成像是基于核磁共振这个物理现象，那么这里就多了一个“核”字，nuclear。
这个核，代表的是原子核。曾经原子被认为是最小的不可分割的物质（粒子）。原子核由是有质子和中子组成（这个说法不严谨，因为1H就没有中子）。
磁共振成像的信号（或者叫信息）来源就是人体中的原子核。但是不是所有原子核都可以作为磁共振信号采集的。
原子核是一种微观粒子，微观粒子有一些其固有的属性，比如自旋spin。实际情况不是这样。
原子核自旋有自旋角动量，可能产生磁矩。能够产生磁矩的原子核就可以作为磁共振成像的信号来源。
是不是所有的原子核都能产生磁矩呢？能够产生自旋角动量和具有磁矩的原子核被称为磁性原子核。磁性原子核都可以作为磁共振信号的来源。
只要中子数和质子数不同时为偶数的原子核，其自旋量子数就不为0，就具有自旋角动量，也就有磁矩，就是磁性原子核。
比如12C，碳12就不是，其中子数为6，质子数为6，质量数是12，中子数和质子数都是偶数，碳12（12C）就不是磁性原子核。
碳的同位素，碳13（13C）就是，因为它的质子数还是6，中子数为7，一奇一偶，满足磁性原子核。
磁共振成像有可能探测碳13的信号，但是不可能探测碳12的信号。
讲了这么多，大家也清楚了，下一步就是解释我们传统磁共振到底用的是哪种原子核成像。
想必大家看已经知道了，临床常用的磁共振基本上都是基于氢原子核成像。
满足磁性原子核的元素很多，为什么MRI成像主要选择氢质子？
②氢质子的相对磁化率高，可以引发非常显著的共振现象
③人体组织中，水和脂肪的含量高，而这两种组织都含有氢质子。
氢元素也有同位素，除了1H，还有2H和3H。氢的同位素实际上有氕（H）、氘（D）和氚（T）。
其中，自然界最常见的就是1H，也就是质量数为1，质子数为1，中子数为0（不含中子）的氢元素。这种氢由于不含中子，直接简称质子（也不用说氢质子了，不含中子肯定是氢质子）。
另外的2H，质量数为2，质子数为1，中子数为1；3H，质量数为3，质子数为1，中子数为2。
我们传统的或者临床常用的磁共振就是以1H为信号基础的磁共振。如果严谨，我们应该说目前临床使用的磁共振叫氢核磁共振。（当然，这个说法也不严谨，因为氢元素也有同位素，氕氘氚，我们临床使用的MRI实际上是1H磁共振。2H也就是氘理论上属于多核磁共振，可以进行氘代葡萄糖的探测）。只不过学术界都默认了氢核磁共振就是传统的磁共振。
讲了这些，我们就应该知道多核磁共振代表什么意思。
实际上多核磁共振就是除了氢核，还可以探测其他原子核的磁共振，比如氟（19F）、磷（31P）、钠（23Na）、氙（129Xe）等多种原子核，突破了传统磁共振单一成像维度的限制，从人体结构信息、功能信息、代谢信息等方面为疾病诊治提供了全新的手段和视角。多核（multi-nuclear, MN）就是这个意思。
所以多核磁共振（multi-nuclear MRI）的意思就是，不光可以探测人体内氢质子的含量，还可以探测其他元素相关组织含量。
早期的多核磁共振主要是用于磁共振波谱，通过探测不同元素代谢物的含量提高额外的信息，这种又叫多核磁共振波谱（multi-nuclear spectroscopy, MNS）。
磁共振波谱一般得到的是代谢物信息和谱线。所以早期就有多核MRS，但是大家一般不把这种称为多核磁共振。
多核磁共振是将氢核以外的可磁共振核（非质子核）作为探测对象。所以多核磁共振是以多核成像（multi-nuclear imaging, MNI）为目的的。不同原子核具有不同的磁共振频率（Larmor 频率）、灵敏度和体内分布特点。
多核磁共振突出的是MRI，也就是磁共振成像。比如，我们传统的磁共振得到的图像，反映的是氢质子的信息，你可以理解为氢图。而多核磁共振，我们就可以得到比如钠图，磷图，氟图....。
虽然现在已经有多核磁共振的研究和一些临床尝试，但是还是存在很大挑战。
首先是探测MR信号的系统，不同原子核，其拉莫尔进动频率不同。
传统的MRI只探测1H氢质子，其拉莫尔进动频率是固定的，采用的线圈射击，射频线圈激发都是一个系统。
而多核，由于不同原子核其拉莫尔频率不同，就要考虑多核射频功放和相应的接口。进行多核磁共振成像，射频功率，频率，接收线圈可能都要调整。这就得使用多核专业线圈。
MRI信号除了取决于拉莫尔进动频率，还和组织的T2弛豫有关。如果一些组织T2弛豫太快，也就是T2很短，则来不及采集信号，该多核的MR信号就衰减了。使用多核磁共振成像，其扫描序列也要有所调整。目前除了1H，很多元素的代谢物的T2值都非常短。需要使得序列的TE进一步缩短。
第三，很多元素在人体中浓度低，本身磁共振信号就弱。另外就是相对磁化率也低。除了氢质子，其他核的MR信号非常低。进行多核磁共振需要得到的信号及图像对比度。有些元素在人体中甚至太少，需要外源性引入，比如进行氟（19F）成像，一般需要打入一些含19F的核素。
基于第三点，未来的多核磁共振应该在超高场氢的MRI系统中完成。否则信号太低，得到的图像信噪比不够，或者空间分辨率太差。
3T上进行的多核MRI成像，其得到的其他原子核图像，由于信噪比低，空间分辨率非常大。比如，在实验室里，有3T进行的23Na图头颅成像，为了提高信噪比，体素都达到6mm了。对于常规的磁共振氢质子图像，一般体素都是1mm。
众多科研文献成果表明，提升场强是提高多核成像质量最直接有效的方法。
为不同场强下多核钠成像图。可以发现常规场强的1.5T或3.0T进行多核成像是比较吃力的，得到的图像由于信噪比太低，灵敏度明显不够。
超高场7T进行多核成像则可以得到一个相对好的图像质量和足够的信噪比。法国那边Nerospin项目，已经开始做11.74T的多核研究了。
实际上和MRS一样，由于多核探测的代谢物含量很低，MR信号很弱，因此超高场的MRI得到的多核MRS和多核图像更稳定。
3T上的磷谱能够粗略地观察到一些峰，但是除了PCr峰，其余代谢物峰都很低。
其中129Xe主要用于肺部磁共振成像，可以评估肺功能。为了提高信号敏感度，还可以进行超极化。
目前国内具备多核成像功能的MRI还不多，这是因为为了得到相对稳定的多核图像需要超高场MRI。而目前7T仅西门子和GE有，西门子最新的7T具备多核功能的，也正在进行创新产品获批，期待未来磁共振开启多核时代。
- 8.28 周四 于 肇庆
水脂位移与采集带宽
谁能想到第一场开幕式，东道主俄罗斯5:0大胜沙特阿拉伯。
“懋式百科全书”也写了很多体育类文章，毕竟叫百科全书嘛，虽然磁共振文章占了85%以上。
比较有意思的是，研究生期间，我还发表了2篇体育论文，发表在中国体育文化导刊上，是不是这个名字我记不住了，在体育类杂志中算排名可以的。当然磁共振是我第二热爱的工作。有了这个工作提供一些物质基础和经济来源，我才能去做自己喜欢做的事。
谈心结束，进入主题。磁共振扫描，我们都知道需要调整很多参数，来生成需要的图像。比如：调节TR，TE可以控制图像权重；调整TSE factor（回波链长度）可以节约扫描时间，或者在一个package多采集几层；调整FOV可以保证视野大小；调节SENSE factor（并行采集因子）可以节约扫描时间。
以上这些，都是我们临床工作中，磁共振操作人员（技术人员）或者医生会调节的。当把这些“调节”熟练了以后，进入“老司机”阶段，我们就不能仅仅满足，调节这些基本参数了。我们可能需要调整一个临床常见的参数，叫做带宽Bandwidth（大部分情况下，我们指的带宽是采集带宽）。
经常去医院培训，有研究生在机器上做了科研，需要写论文，其中实验与方法部分，要求写磁共振扫描参数，很多研究生会问我，李老师，飞利浦的机器在哪里看带宽。因为很多时候在GE机器上做的科研，显示带宽直接是+-16kHz（32kHz），那么飞利浦的就找不到这么直观的显示带宽的。飞利浦的显示带宽是最简单及方便的。后面我们一一分析。
射频脉冲主要是电磁脉冲，这个脉冲有一定的频率范围，并不是说这个视频脉冲发射的频率就固定在64.58MHz，它会有一点的频率范围，比如63.58MHz~65.58MHz，那么这个视频范围就是它的视频脉冲发射带宽，质子进动频率范围在这个范围内的会被激发，吸收能量，产生共振。为什么MRI叫磁共振，没有共振，怎么成像。
射频脉冲本质是电磁波，具有电磁波的特性，这些特性就包括：波长，振幅，频率，相位，带宽（频率范围）。
临床使用的磁共振RF射频脉冲，由于需要使质子共振，所以，频率范围一般是位于无线电波的频率范围。为什么磁共振要把屏蔽工作做好，否则容易受到外界射频干扰，产生伪影。
一般的磁共振，已知电生磁，磁生点。有电磁波，就会形成磁场。把发射的视频脉冲形成的磁场称为B1场。而磁共振主磁体产生的磁场（比如1.5T，3.0T），我们称之为B0场。
敲黑板：射频场，又叫发射场，发射视频脉冲产生的磁场，叫做B1场；静止磁场，静磁场，主磁体产生的磁场，叫做B0场。
一个射频持续时间越短，经过傅里叶变换后，其频率范围越宽，这种脉冲我们称之为硬脉冲。硬脉冲由于射频带宽宽，所以，激发的层理论上应该比较厚，或者激发的范围比较大。比如，磁共振中的3D序列，其实是激发一个容积，然后在两个方向进行相位编码。3D序列的射频脉冲一般是硬脉冲。
我们大部分时候，调节或写论文的参数是采集带宽。采集带宽主要是指系统读出磁共振信号的频率，也就是单位时间内能够采集的采样点数。
因为信号振幅的变化是连续的，但是机器系统不可能连续采集信号。机器是选择很多采样点，连续采样这些点，然后在把这些采样点连接起来，模拟出连续的信号变化。
采集带宽，除了与系统有关，也与需要采样的点的数目有关，也就是频率编码方向上的采样点数目。
带宽的公式就是：BW=Frequency matrix÷Sampling time。带宽的单位，我们都知道是赫兹或者兆赫兹，Hz or MHz，赫兹是频率单位，频率是时间的倒数。带宽就是采样的点数目除以采样时间。
系统的采集（采样）时间是很短的，也就是在读出信号的时候，读出梯度（频率编码方向）打开，采集采样点数，这个时间是相当短的。如何计算带宽，来举一个例子。
我们假设，一台1.5T磁共振，一般的机器性能，采样时间大概是8ms，分辨率我们做到256*256吧，也就是频率编码方向采样数目是256。
BW=256/8ms=32kHz，带宽算出来了，就是32kHz，这个带宽是采样整个频率编码方向矩阵所需要的带宽。
已知频率编码方向，我们的分辨率是256，也就是有256个像素（体素）。每一个体素占的频率范围（带宽）是多少呢？
BW/像素（每一个像素占据的带宽）=32kHz/256=125Hz。好的，我们又算出来了，每一个像素，占的带宽是125Hz。
我一个像素有125Hz的带宽，水和脂肪在1.5T中有220Hz的位移。
WFS（水-脂位移）=220Hz/125Hz≈2，也就是说，我们举例这个情况，水和脂肪大概会移动2个像素。
举例说明了一下，把水-脂位移引出来了。在做非脂肪抑制的序列时，由于水-脂进动频率不同，会在频率编码方向产生化学位移伪影。（前面百科全书专门写了）。
这个伪影出现在频率编码方向，改变方向可以改变伪影方向；这个伪影和水，脂肪差异有关，做了脂肪抑制就消除了；控制采集带宽可以控制化学位移伪影程度。
带宽增加，化学位移伪影减弱。看上面公司，因为，一个像素占的带宽多了，水-脂位移频率是固定的，这样除下来，位移程度减弱。第一幅图会移动6.6个体素，最后一幅只移动0.9个体素。这个跟什么有关呢？就是跟你设置的采集带宽有关。
- 飞利浦中带宽显示以及化学位移伪影的显示。GE公司的带宽显示的是整个采集带宽，单位是kHz；西门子的带宽显示和飞利浦类似，显示的是一个体素的带宽。（当然，不知道现在GE和西门子的机器是否还是这样显示的）。而飞利浦除了显示一个体素的带宽，也可以显示，在图像中，化学位移会移动几个体素。
在飞利浦的参数栏里，左侧是可以改的，右侧是具体参数的信息，是不能改的。在右侧参数栏里，有一个Act WFS，实际的水-脂位移，就可以显示图像的水脂位移会有几个体素，单位是Pixel体素。后面的BW，显示的是一个体素的带宽，单位是Hz。如果你一个体素带宽是150Hz，你的频率编码矩阵做的是320，那么整个采集带宽也非常好计算，就是150Hz×320=48000Hz=48kHz。
在飞利浦的参数栏里，左侧是可以改的。可以在Contrast对比度选项里，找到Water-fat shift这个参数。这个参数就是控制水-脂位移大小，也控制采集带宽。飞利浦的参数修改是最开放，最灵活的，你如果喜欢专研磁共振，那飞利浦是最好的选择。
水-脂位移最小 minimun，也就是机器给你算一个最小的水-脂位移，这样采集带宽最大。水-脂位移最大 maximum，也就是机器给你算一个最大的水-脂位移，这样采集带宽最小。user defined，用户自定义。你自己设，你想水-脂位移是1个，还是1.5个，还是0.9个体素，你自己设，非常方便。
大家调磁共振参数，永远记住，你不可能，调了一个参数，又提高了信噪比，又提高了分辨率，还节省了时间。
同样，你提高了采集带宽，信噪比是增加，还是减少？
采集带宽越大，信噪比越低；采集带宽越小（越精细），信噪比越高。
磁共振就是这样，我们提高了采集带宽后，水-脂位移减轻了，但是代价是信噪比牺牲了。磁共振修改参数，永远是在选择和权衡利弊，这也是磁共振有趣之处。怎么选择最优化的参数。
还有一种记忆方法。采集带宽大了，因为是频率范围大了，更多噪声被采集进来，那么信噪比降低；采集带宽缩小，频率范围小了，噪声采集得少，这样信噪比高。
BW=Frequency matrix÷Sampling time。看上面公式：采集带宽大了，同样的采集点数，采样时间就缩小了。这样有点考验系统性能，采样速度加快，对运动就不是那么敏感，但是信噪比下降。
2018年6月16日 二次修订 于成都
记得很早以前，一个医生问我，能不能有一个序列，一次扫描就自动出T1，T2权重序列，一出二（那个时候已经有DIXON方法的扫描一出四的水脂分离序列）。
我想都不想就觉得不可能，因为都知道，T1WI是短TR，短TE；T2WI是长TR长TE。一次扫描，如果采集双回波，倒是可以同时出PDW和T2WI，因为毕竟都是长TR嘛，TE不同，一个TR类，采集两个有效TE，分别填充K空间中心，就可以出PDW和T2WI。T1WI和T2WI是不可能的，因为一个是长TR，一个是短TR，基本上是矛盾的。
以上讨论的一次扫描出不同权重的图像，是指一次扫描，单个固定的TR，TE扫描出来的。不是扫描那种多回波多动态，通过计算，分隔出来的类T1，T2序列的图，那种不算。
说回正题，大家还记得我前面发过的模图和实图的区别吗？
如何保证一次扫描，一个固定的TR，TE出类T1，T2权重的图像呢？
而如果采用IR反转恢复序列，因为有180°反转脉冲，如果在一个TI时间激励，有可能不同组织的磁化矢量在正、负水平，这个时候如果只考虑磁化矢量大小，那么就不足以描述信号的差异。如果图像重建计算的过程中考虑位反向的负性磁化矢量，那么就形成实图。实图根据成像时间点TI Delay，背景为灰色。在负向的组织为黑色，在正向的组织背景为白色。
要同时通过一次扫描，生成类似（注意我用词比较严谨，我用的是类似，我并没有说，出来的图就一定是T2，T1）的T1，T2权重图。我们的TR时间，肯定不能短，这样T2权重不够。TE时间肯定不能长，也不能短，长了就是T2权重，不会有T1效果；短了就是T1权重，没有T2权重成分。
这个时候，通过不同的重建方式，用图像运算来处理这个问题就很简单了。
以脂肪和水举例，由于脂肪和水的T1（纵向弛豫时间），组织的纵向恢复能力不同。脂肪是短T1，水是长T1，采用模图重建的时候，情况是这样的，这个时候不考虑方向。
如果我们用IR序列，采用实图重建，这个时候，如果TI反转恢复时间点不同的话，脂肪有可能在负方向上，或者水在负方向上。重建的图像，脂肪和水有可能为黑色，而悲剧是灰色。
讲到这里，其实谜底已经揭晓了。看我今天在朋友圈发过后，有些资深的磁共振技术专家，已经大概知道怎么扫描了，只不过细节参数可能还不知道。
我是偶然改参数的时候，发现设置不同的TR，TE，能够到达不同的效果。我们下面来看看，一次扫描，固定TR，TE，怎么出类T1，T2权重的图像。
大家感兴趣，可以通过计算，来算算，用什么样的TR，TE，能够同时把类T1，T2权重给做出来。
影像成像中，无论是技师还是医师，最怕出现的情况就是扫描完后，发现重建图像有伪影。
MRI的Sparkle伪影（灯芯绒伪影）的仿真分析。磁共振sparkle伪影成因机理仿真分析。数学形式量化分析卷褶伪影为什么卷到对侧。而如果SE序列的信号平均次数NSA=1的话，是不能使用并行采集技术的。
这是一个单纯的SE序列，一般由于SE序列一次采集只能激发一个信号，填充一条K空间相位编码线，所以扫描效率特别低，扫描速度慢。
而针对速度慢的情况，一般都会使用一些MRI快速成像技术，如并行采集技术（SENSE）。
而在这里，使用一个T1WI SE序列，发现原始默认的扫描protocol协议里，并没有使用并行采集技术，也就是SENSE技术。
参数之间起了冲突了。打开SENSE，出现感叹号，说明参数之间有冲突。
加速技术SENSE；信号平均次数NSA=1。
也就是说：在NSA=1的单纯SE序列中，不能使用并行采集SENSE技术。
这是由于对于NSA=1的SE序列，如果使用了并行采集技术，则会由于算法，使得图像中间出现FID的线状伪影。想要知道这个原因，首先需要了解FID伪影产生的机制。
根据上面图示，FID伪影产生的原因主要是前面的自由感应衰减信号没有完全衰减之前，后面的重聚信号的侧峰和它重叠，产生干扰。FID伪影可能很多教科书或者磁共振书籍大家没有查到。这个伪影，GPS三家公司的叫法有区别。
Philips公司，根据伪影产生的机制，把这种伪影叫做FID伪影。GE公司则根据这种伪影的表现，称它为细线伪影（fine line artefact）。Siemens公司，把这种伪影有时候命名为Zip artifact。
在一个SE序列中，180°重聚脉冲会对前面90°射频脉冲产生的信号进行重聚。但是本来一个180°射频脉冲激发，就会产生一个FID信号，如果这个FID信号没有完全衰减，和后面的SE信号进行重叠，就会产生干扰，在图像重建后出现FID伪影。
为什么T1WI序列出现FID伪影的概率更大。因为，T1WI序列的TE回波时间更短，在短TE的情况下，很可能180°脉冲产生的FID信号还没有来得及完全衰减，所以就产生了FID伪影。
对于T1WI SE序列，其由于TE短，则很容易产生FID伪影。产生的FID伪影一般是会形成一些异常信号，出现在图像上，干扰我们真的。一般系统怎么解决这个问题呢？
既然射频脉冲会产生FID伪影，是否可以在每次发射90°激发脉冲的时候，改变激发脉冲的方向，这样经过180°重聚脉冲产生的自旋回波信号的方向（极性）会不同，交替正负。
把这样回波交替的信号填充K空间，然后进行傅里叶变换，可能会得到一个相位方向被交换的图像。
这种图像，我们肯定是不能用的，怎么办呢？通过算法，交换一下一半的FOV即可恢复正常图像。
经过图像后处理，交换1/2 FOV后，图像的解剖结构正常。
而如果使用SENSE技术，也就是图像域重建并行采集技术，又会把图像的边缘两侧的红色FID伪影给算回图像中心去。
也就是由于这个原因，当NSA=1的SE序列，系统强制不能使用并行采集。
我们扫描一个T1WI SE来验证一下，是否图像两侧有一些伪影。
的线条状FID伪影还是很明显的吧，试想一下，如果这个线状影卷到图像中心，则肯定会影响我们观察和诊断。
如果NSA=2（大于1）是否可以使用并行采集技术呢？
有人问，NSA=2，你就不怕SENSE算法把FID伪影算到中心了？
NSA=2，我们就方便处理了。第一个NSA，90°射频脉冲和180°重聚脉冲方向一致。第二个NSA，90°射频脉冲还是原来的方向，改变180°脉冲方向（方向相反），则产生的FID伪影相反。
这样，两次NSA信号进行平均，则把FID伪影给抵消了。
还有一个问题，就是TSE序列怎么不会产生这个问题？日常MRI扫描序列以TSE快速自旋回波序列应用最为广泛。而TSE序列基本上都和SENSE联用，不会产生这个问题，这又是为什么呢？
相信看过本章后，聪明的大家应该能够想象出来答案。
- 5.18 周三 于 神龙架
早就想写这个题目了，一直没有时间。磁共振扫描，我们都知道需要调整很多参数，来生成需要的图像。比如：调节TR，TE可以控制图像权重；调整TSE factor（回波链长度）可以节约扫描时间，或者在一个package多采集几层；调整FOV可以保证视野大小；调节SENSE factor（并行采集因子）可以节约扫描时间。
一起交流
分享你的思考，让讨论更进一步。