ES2578706T3 - Mejora de la obtención de imágenes por resonancia magnética en relación a la corrección de artefactos de desplazamiento químico y de inhomogeneidad de intensidad - Google Patents

Mejora de la obtención de imágenes por resonancia magnética en relación a la corrección de artefactos de desplazamiento químico y de inhomogeneidad de intensidad Download PDF

Info

Publication number
ES2578706T3
ES2578706T3 ES09732976.7T ES09732976T ES2578706T3 ES 2578706 T3 ES2578706 T3 ES 2578706T3 ES 09732976 T ES09732976 T ES 09732976T ES 2578706 T3 ES2578706 T3 ES 2578706T3
Authority
ES
Spain
Prior art keywords
image
fat
phase
component
water
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES09732976.7T
Other languages
English (en)
Inventor
Olof Dahlqvist Leinhard
Magnus Borga
Peter Lundberg
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Advanced MR Analytics AB
Original Assignee
Advanced MR Analytics AB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Advanced MR Analytics AB filed Critical Advanced MR Analytics AB
Application granted granted Critical
Publication of ES2578706T3 publication Critical patent/ES2578706T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00Arrangements or instruments for measuring magnetic variables
    • G01R33/20Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48NMR imaging systems
    • G01R33/4828Resolving the MR signals of different chemical species, e.g. water-fat imaging
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00Arrangements or instruments for measuring magnetic variables
    • G01R33/20Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48NMR imaging systems
    • G01R33/54Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/56527Correction of image distortions, e.g. due to magnetic field inhomogeneities due to chemical shift effects
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00Arrangements or instruments for measuring magnetic variables
    • G01R33/20Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48NMR imaging systems
    • G01R33/54Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00Arrangements or instruments for measuring magnetic variables
    • G01R33/20Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48NMR imaging systems
    • G01R33/54Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/565Correction of image distortions, e.g. due to magnetic field inhomogeneities
    • G01R33/5659Correction of image distortions, e.g. due to magnetic field inhomogeneities caused by a distortion of the RF magnetic field, e.g. spatial inhomogeneities of the RF magnetic field

Landscapes

  • Physics & Mathematics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

Un método para la producción de un campo de corrección de intensidad que permita la reconstrucción de un volumen con valores de intensidad normalizados con un sistema de obtención de imágenes por resonancia magnética, comprendiendo el método: adquisición (210) de un conjunto de datos de imagen con un sistema de obtención de imágenes por resonancia magnética; reconstrucción (220) de la imagen basándose en el conjunto de datos de imagen, conteniendo la imagen reconstruida información de fase agua y grasa, y siendo la reconstrucción sensible a fase de modo que dé como resultado un componente de imagen en fase (EF) que comprende una señal de agua más grasa y un componente de imagen fuera de fase (NF) que comprende una señal de agua menos grasa; identificación (230) de puntos de imagen en la imagen reconstruida, puntos de imagen que de acuerdo con un criterio de prueba representan tejido de grasa pura produciéndose una imagen de grasa pura, en donde la identificación (230) comprende una etapa de estimación del contenido de grasa con relación al contenido de agua mediante el cálculo de un contenido de grasa relativo que es una relación entre un componente de la imagen de grasa y el componente de la imagen en fase; segmentación (250) de la imagen de grasa pura para producir una imagen segmentada libre de datos de imagen no de tejido; y generación (260) del campo de corrección de intensidad mediante la interpolación de una imagen de grasa (G) usando los puntos de imagen indicados en la imagen segmentada, siendo calculada dicha imagen de grasa basándose en el componente de la imagen en fase (EF) y el componente de la imagen fuera de fase (NF).

Description

5
10
15
20
25
30
35
40
45
50
55
60
65
DESCRIPCION
Mejora de la obtencion de imageries por resonancia magnetica en relacion a la correction de artefactos de desplazamiento qulmico y de inhomogeneidad de intensidad
Campo tecnico
La presente description se refiere a la mejora de las imagenes adquiridas a partir de sistemas de obtencion de imagenes por resonancia magnetica. Mas especlficamente se refiere a la correccion de una inhomogeneidad en la intensidad de dichas imagenes.
Antecedentes
El metodo de adquisicion y reconstruction sensible a fase, tal como un metodo “en fase y fuera de fase” del que el metodo Dixon puede ser el mejor conocido, vease por ejemplo W. T. Dixon, “Simple proton spectroscopic imaging”, Radiology, vol. 153(1), pags. 189-194, 1984, tiene muchas ventajas. El tratamiento de imagen Dixon proporciona dos imagenes, una mostrando el contenido graso en cada voxel y una que muestra el contenido de agua en cada voxel. Por ello las imagenes Dixon no estan afectadas adversamente por efectos de volumen parcial. Las imagenes de grasa y agua separadas son tambien utiles en el proceso de segmentation. Brevemente, el tratamiento de imagen Dixon se realiza mediante la adquisicion de dos imagenes separadas: una en la que las senales de la grasa G y el agua A no estan en fase (NF = A - G) y otra en la que estan en fase (EF = A + G). Idealmente, puede as! obtenerse el agua y la grasa de la suma y diferencia de estas imagenes, respectivamente, y la cantidad de contenido en cualquier region de interes puede calcularse como la integral de la imagen de grasa en esa region.
Un artefacto de desplazamiento qulmico manifestado como un artefacto de desplazamiento agua - grasa provoca la distorsion en las imagenes de agua-grasa obtenidas usando adquisicion y reconstruccion sensible a fase, como en el metodo Dixon. La frecuencia de resonancia de los protones en el llpido metileno humano [CH2]n y el agua difieren en 3,5 ppm correspondiente a 224 Hz y a una intensidad de campo de 1,5 T. Esta diferencia intrlnseca puede utilizarse para una separation efectiva de grasa y agua usando la adquisicion y reconstruccion sensible a fase. Sin embargo, una consecuencia de la utilization del desplazamiento a la frecuencia de resonancia en dichos metodos es el registro espacial erroneo en la direction de codification de la frecuencia conocido como artefacto de desplazamiento qulmico, en el caso de que las imagenes de grasa y agua, el artefacto de desplazamiento agua- grasa. En la obtencion de imagenes por resonancia magnetica (IRM) la frecuencia se usa para codificar la position espacial de la senal. Cuando se sintoniza el pulso de RF a la frecuencia del agua, la grasa tendra un desplazamiento de frecuencia relativa que no podra distinguirse de la diferencia de fase introducida por la codificacion de frecuencia. El artefacto de desplazamiento agua-grasa aparece normalmente proximo a estructuras de grasa y es provocado por el gradiente bipolar que se este usando.
Se ha propuesto un protocolo de retroceso, vease por ejemplo Cunningham “Magnetic Resonance in Medicine”, 2005, pags.1286-1289, para eliminar el problema cuando la falta de registro es constante entre los instantes de adquisicion, pero tiene el efecto de disminuir la relacion senal a ruido (SNR).
El efecto del artefacto de desplazamiento agua-grasa es normalmente no despreciable en una reconstruccion sensible a fase tal como en el tratamiento de imagen Dixon. Los artefactos que se originan por el desplazamiento agua grasa deberlan gestionarse por ello para aprovechar completamente la altamente efectiva supresion agua y grasa y el elevado SNR que se permite por la tecnica. Un ejemplo especlfico de una situation en la que el artefacto resulta importante es durante el examen de estructuras delgadas o superficies de organos rodeadas por grasa donde frecuentemente la cuestion cllnica es juzgar si el tejido patologico penetra o no en la estructura.
El predominio de la inhomogeneidad de la intensidad en IRM es debido a factores tales como la inhomogeneidad del campo estatico, la no uniformidad del campo de excitation en RF, no homogeneidad en la sensibilidad de la bobina de reception y movimientos del paciente. El efecto de la no uniformidad es normalmente una variation de intensidad no anatomica que varla lentamente a traves de la imagen. Aunque a veces puede ser diflcil ver la no uniformidad de la intensidad mediante inspection visual hay implicaciones que significativamente pueden disminuir los resultados de segmentacion y registro dado que muchas tecnicas de imagen medica se basan en las suposiciones de que los mismos tejidos tienen la misma intensidad en todo volumen. De modo mas importante afecta a la cuantificacion lineal de la senal de RM. Un voxel que contenga una cierta cantidad de grasa deberla tener la misma intensidad de senal, independientemente de donde se localiza en el espacio. Esto no es verdadero en el caso de una incidencia de inhomogeneidad de la intensidad.
El documento EP0851236 desvela un metodo de determination del contenido de agua en una imagen por resonancia magnetica mediante la identification de puntos de imagen de tejido graso. La imagen es corregida respecto a no uniformidad de intensidad espacial por medio de un espectro uniforme.
Metodos adicionales de segmentacion de un conjunto de puntos de imagen en una imagen se presentan en Hou, Z., “A review on MRI image intensity inhomogeneity correction”, International Journal of Biomedical Imaging, vol. 2006,
5
10
15
20
25
30
35
40
45
50
55
60
65
2006, paginas 1-11.
Sumario de la invencion
A la vista de lo anterior, un objetivo general de la presente divulgacion es presentar una solucion que supere o al menos alivie los problemas de la tecnica anterior.
Un objetivo mas especlfico es presentar una solucion que permita la correccion del, o al menos el alivio de los efectos del, artefacto de desplazamiento qulmico en una imagen adquirida desde un sistema de obtencion de imagenes por resonancia magnetica.
Se ha descubierto que la compensacion de modo iterativo del efecto de falta de registro, es decir el artefacto de desplazamiento qulmico, puede ser un enfoque efectivo. Se ha desarrollado un metodo iterativo dirigido a este enfoque.
Otro objetivo mas especlfico es presentar una solucion que permita la correccion de, o al menos el alivio de los efectos de, la inhomogeneidad de la intensidad en una imagen adquirida desde un sistema de obtencion de imagenes por resonancia magnetica.
A diferencia de otros metodos de adquisicion de reconstruccion sensible a fase, tal como el metodo Dixon de dos puntos, puede proporcionar volumenes puros de grasa y agua. Por lo tanto no hay normalmente problema en distinguir diferentes tejidos en el mismo volumen. Se ha descubierto que una forma eficiente de corregir la inhomogeneidad de la intensidad en volumenes de imagenes adquiridos con el uso por ejemplo de una tecnica Dixon de dos puntos es localizar los voxeles que corresponden a un tejido adiposo puro y estimar un campo de correccion a partir de estos puntos. Se ha desarrollado un metodo dirigido a esta idea.
La invencion se define por las reivindicaciones independientes adjuntas. Las realizaciones preferidas se exponen en las reivindicaciones dependientes y en la siguiente descripcion y dibujos.
Por ello, de acuerdo con un primer aspecto, se proporciona un metodo para la produccion de un campo de correccion de intensidad con un sistema de obtencion de imagenes por resonancia magnetica, de acuerdo con la reivindicacion 1 y de acuerdo con un segundo aspecto, un sistema de obtencion de imagenes por resonancia magnetica de acuerdo con la reivindicacion 11.
El metodo del primer aspecto tiene varias aplicaciones. Pueden ser en la estimacion de un contenido de grasa preciso que permite la integracion de la grasa en la imagen evitando efectos de volumen parcial. La aplicacion del campo de correccion a la imagen de agua reconstruida proporciona una referencia de intensidad que es estable tambien despues de la inyeccion del agente de contraste cuando la influencia del contraste sobre la senal de la grasa es despreciable.
Realizaciones preferidas con relacion al primer y el segundo aspecto se siguen de las reivindicaciones 2-8, 12 y 13, respectivamente.
El campo de correccion de intensidad puede usarse preferiblemente para corregir cualquier imagen adquirida usando el sistema de IRM que proporciona datos a partir de los que se genero el campo de correccion de intensidad, es decir cualquier imagen a partir del mismo conjunto de datos de imagen y/o a partir de cualquier otro conjunto de datos de imagen.
La obesidad es hoy en dla un problema creciente en muchas partes del mundo. Se considera generalmente que el diagnostico no favorable en sujetos sedentarios con obesidad abdominal es debido a grandes cantidades de grasa intra-abdominal. Para estudiar dichos efectos, el metodo de acuerdo con el primer aspecto puede extenderse de acuerdo con lo que se desvela en la reivindicacion 4 y reivindicaciones dependientes de la misma. Esto permite medir de modo cuantitativo la composition de grasa abdominal a partir de imagenes de RM. Se miden ventajosamente tres tipos diferentes de grasa: subcutanea, interna visceral y no visceral. Para evitar la dependencia del operador y un trabajo manual extenso, permitiendo de ese modo estudios mas grandes, el metodo puede automatizarse completamente. Esto lo distingue de la mayor parte de los metodos publicados previamente. Adicionalmente, el metodo permite medir de modo cuantitativo el contenido en grasa en cada voxel individual para evitar efectos de volumen parcial.
Breve descripcion de los dibujos
Lo anterior, as! como otros aspectos, objetivos, caracterlsticas y ventajas de la presente invencion, se entenderan mejor a traves de la descripcion detallada a continuation ilustrativa y no limitativa, con referencia a los dibujos esquematicos adjuntos.
La Fig. 1a-f muestra esquematicamente diferentes senales de ejemplo en un tratamiento de imagen Dixon de 2
5
10
15
20
25
30
35
40
45
50
55
60
puntos.
La Fig. 2 muestra esquematicamente etapas del metodo de production de una imagen con un sistema de obtencion de imagenes por resonancia magnetica.
La Fig. 3 ilustra esquematicamente una realization del sistema de obtencion de imagenes por resonancia magnetica.
La Fig. 4 muestra las etapas de una realizacion de un metodo de produccion de un campo de correction de intensidad con un sistema de obtencion de imagenes por resonancia magnetica.
La Fig. 5 ilustra esquematicamente una realizacion de un sistema de obtencion de imagenes por resonancia magnetica.
La Fig. 6a-b muestra histogramas de senal de grasa antes y despues de la correccion de intensidad resultante de un experimento usando un metodo de acuerdo con una realizacion.
Descripcion de realizaciones preferidas
Correccion del artefacto de desplazamiento quimico
La Fig. 1a-f muestra esquematicamente diferentes senales de ejemplo en el tratamiento de imagen Dixon de 2 puntos, en el que la Fig. 1a muestra una senal de agua, la Fig. lb muestra una senal de grasa, la Fig. 1c muestra una senal en fase, la Fig. 1d muestra una senal fuera de fase, la Fig. 1e muestra una senal de agua reconstruida y la Fig. 1f muestra una senal de grasa reconstruida. Las senales de una adquisicion Dixon de dos puntos despues de la reconstruction sensible a fase pueden describirse como:
EF(x) = A(x) + G(x) * 5{x + DAG) (1)
NF(x) = A(x) - G(x) * 5(x - DAG) (2)
en las que 5 es la funcion delta de Dirac, A la senal de agua, G la senal de grasa y DAG el desplazamiento agua- grasa. El asterisco * en las ecuaciones define una convolution. Combinando las senales EF y NF deberlan proporcionar idealmente volumenes de agua y grasa separados como en las Figs. 1a-b, pero la falta de registro espacial introducido por el artefacto de desplazamiento quimico conduce a (Figs. 1e-f):
EF(x) + NF(x) = 2A(x) + G(x) * 5(x + DAG) - G(x) * 5(x - DAG) (3)
EF(x) - NF(x) = G(x) * 5(x + DAG) + G(x) * 5(x - DAG) (4)
La consecuencia del artefacto es un efecto de filtrado paso bajo en el volumen de grasa extraldo y un efecto de contamination derivativa sobre la senal de grasa verdadera en el volumen de agua extraldo. El desplazamiento agua grasa DAG es conocido, lo que significa que puede compensarse, creando volumenes sinteticos en fase (EF')
y fuera de fase (NF') sintonizados a la frecuencia del llpido metileno:

EF’(x) = EF(x) * 5(x - DAG) = A(x) * 5(x - DAG) + G(x) (5)

NF’(x) = NF(x) * 5(x + DAG) = A(x) * 5(x + DAG) + G(x) (6)
Estas ecuaciones conducen a expresiones alternativas para grasa y agua:

EF’(x) + NF’(x) = A(x) * 5(x + DAG) + A(x) * 5(x - DAG) (7)

EF’(x) - NF’(x) = 2G(x) + A(x) * 5(x - DAG) - A(x) * 5(x + DAG) (7)
A partir de (3) y (8) pueden extractarse expresiones para las senales de grasa y agua verdaderas para crear:
A(x) =
G(x) =
EF(x) + NF(x) G(x)* 5(x + DAG) - G(x)* 5(x - DAG)
2 2
EF'(x) - NF'(x) ,. A(x) * 5(x - DAG) - A(x) * 5(x + DAG)
22
(9)
(10)
La constante K se introduce con finalidades de estabilizacion. Dado que la senal de grasa verdadera es desconocida el volumen de grasa filtrado paso bajo extraldo a partir del metodo Dixon puede usarse como una suposicion inicial. Basandose en lo anterior, puede deducirse el esquema de correccion siguiente:
Etapa 1
Fijar el valor de grasa inicial:
5
10
15
20
25
30
35
40
45
50
55
60
G(x) =
EF (x) + NF (x) 2
(11)
Etapa 2
Calcular el nuevo valor de agua a partir de (9):
A(x) = EF(x) + NF(x) _ kG(x)* S(x + DAG) - G(x)* S(x - DAG)
(12)
Etapa 3
Calcular el nuevo valor de grasa a partir de (10):
G(x) =
EF'(x) - NF'(x) 2
- K
A(x) * 5(x - DAG) - A(x) * 5(x + DAG) 2
(13)
Repetir la etapa 2 hasta que se cumpla un criterio especificado o se alcance un numero definido de iteraciones.
Se sabe que los factores (EF + NF)/2 y (EF' - NF')/2 en las expresiones 12 y 13 no cambian entre iteraciones y por ello pueden verse como una senal de agua sin corregir Anocorr y una senal de grasa sin corregir Gnocorr, respectivamente. En cada iteracion las senales sin corregir Anocorr y Gnocorr pueden verse como corregidas por los factores en las expresiones 12 y 13 que comprenden la constante K, factores que por ello pueden verse como un factor de correccion de la senal de agua Acorr y un factor de correccion de la senal de grasa Gcorr, respectivamente.
Por ello, las expresiones 11-13 y el enfoque iterativo, puede describirse por las siguientes expresiones y etapas:
a)
Gn = (EF - NF)/2, n=0; (14)
b)
Vn+1 = Anocorr - Acorr(Gn); (15)
c)
Gn+1 = Gnocorr - Gcorr(An+1); (16)
n = n + 1;
d) repetir desde b) hasta que se cumpla un criterio especificado o se alcance un numero definido de iteraciones.
Aunque los ejemplos del presente documento se basan principalmente en una situacion agua-grasa en la que la frecuencia de resonancia del agua es la frecuencia de referencia “en fase”, lo que normalmente es el caso, se entendera que la solucion que se ha presentado no depende de esto y es aplicable tambien a otras situaciones. A partir de la flsica y matematica subyacente a la solucion presentada es claro, dado que ni la flsica ni la matematica dependen de los nombres que se le han dado a las cosas, que la solucion es aplicable tambien cuando por ejemplo, grasa es la referencia “en fase”, o en cualquier situacion de senales primera y segunda compatibles con |Rm con diferentes frecuencias de resonancia.
La Fig. 2 muestra esquematicamente etapas de un metodo de produccion de una imagen con un sistema IRM. En una primera etapa 120 se adquiere un conjunto de datos de imagen con el sistema IRM y en la etapa 130 se forman los componentes de la imagen en fase y fuera de fase EF, NF a partir del conjunto de datos. Siguen a continuacion las etapas 140-180 que corresponden a las etapas a) - d) anteriormente descritas.
En la etapa 140, se fija una segunda senal, por ejemplo una senal de grasa Gn, a sus valores de arranque iniciales para tener algo desde lo que comenzar. Los valores iniciales se han supuesto, pero se entiende que se prefiere normalmente que los valores iniciales sean iguales o proximos a los que pueden deducirse a partir del componente en fase EF y el componente fuera de fase NF sin ninguna compensacion por el artefacto de desplazamiento qulmico implicada, es decir, que la senal de grasa G0 es inicialmente una funcion de EF y NF, por ejemplo G0 = (EF - NF)/2, como en la etapa a).
En la etapa 150 se genera una primera senal usando la segunda senal (fijada en el valor inicial o calculada en una iteracion previa), por ejemplo se calcula una senal de agua An+1 usando la senal de grasa Gn como en la etapa b).
5
10
15
20
25
30
35
40
45
50
55
60
65
En la etapa 160 se genera una segunda senal usando la primera senal (calculada en la etapa 150), por ejemplo se calcula una senal de grasa Gn+1 usando la senal de agua An+1 calculada como en la etapa c).
En la etapa 170 se comprueba si se ha satisfecho un criterio, normalmente si se han alcanzado o no un numero predeterminado de iteraciones, lo que puede realizarse mediante la comprobacion del valor de un parametro entero n. Si se ha cumplido el criterio, se produce una imagen resultante en la etapa 180, imagen resultante que tiene un artefacto de desplazamiento qulmico corregido, o al menos reducido, siendo la imagen resultante por ejemplo una imagen de grasa, una imagen de agua, o una imagen conjunta de las mismas. Si no se ha cumplido el criterio, puede incrementarse el parametro entero n en uno y se arranca una siguiente iteracion desde la etapa 150.
La Fig. 3 ilustra esquematicamente una realizacion del sistema IRM configurado de modo que puede llevar a cabo el metodo explicado anteriormente. El sistema comprende medios de adquisicion 101, por ejemplo un hardware de adquisicion de datos controlado por ordenador que puede conectarse a un conjunto de imanes, configurado para adquirir el conjunto de datos de imagenes, es decir de modo que puede llevar a cabo la etapa 120, y medios de reconstruction 103, por ejemplo un ordenador, configurado, preferiblemente por software, para formar un componente de imagen en fase, y un componente de imagen fuera de fase a partir del conjunto de datos adquiridos, es decir de modo que puede llevar a cabo la etapa 130. Adicionalmente el sistema comprende medios de correction 105, tambien normalmente un ordenador, que se configura, preferiblemente por software, para compensar un artefacto de desplazamiento qulmico de modo iterativo y generar primera y segunda senales compensadas, es decir configurado de modo que puede llevar a cabo las etapas 140-170. Un medio de generation de imagen 107 se configura para producir una imagen resultante basandose en la primera y/o segunda senales compensadas, es decir configurado de modo que puede llevar a cabo la etapa 180, y es tambien normalmente un ordenador configurado por software. Los ordenadores a los que se hace referencia como ejemplos pueden ser el mismo u ordenadores separados, y pueden ser ordenadores de proposito general o especlficos en terminos de software y/o hardware.
Evaluation 1
Se uso en un objeto simulado, dimensional que contenla grasa y agua para evaluacion del metodo basado en el esquema de correccion de acuerdo con las expresiones 11-13. Se introdujo la resolution limitada en comparacion con el DAG de la imagen mediante, convolution del objeto simulado con una funcion de sincronismo multiplicada con un filtro de hamming. En las simulaciones se uso un DAG de 0,415, dado que el DAG en la mayor parte de aplicaciones, debido a limitaciones flsicas, es aproximadamente 0,4-0,5 plxeles a 1,5 T si se usa para la resolucion deseada el ancho de banda mas bajo posible y los tiempos de eco fuera de fase y en fase mas cortos posibles. Se calcularon las imagenes EF y NF obtenidas. Las senales de agua y grasa obtenidas sin correccion DAG se compararon con las senales de agua y grasa corregidas correspondientes, y se estudiaron los residuos usando 15 iteraciones y valores de K de 0,80 y 0,95.
La senal de agua y grasa corregida del objeto simulado mostro claras mejoras en comparacion con las senales originalmente reconstruidas. El efecto de filtrado paso bajo en la senal de grasa y los artefactos de anillos alrededor de objetos grasos en la senal de agua se eliminaron cuando se usaron altos valores de la constante K.
Evaluacion 2
Se analizo la influencia del ruido por el metodo usando el esquema de correccion de acuerdo con las expresiones 11-13. Este estudio se realizo mediante I) adicion de ruido gaussiano a imagenes EF y NF de valor real que se crearon sin ninguna senal de agua y grasa y II) usando ruido gaussiano con diferente amplitud como senales de agua y grasa. Se evaluo el efecto del diferente numero de iteraciones, la constante, K, y el impacto del ruido en diferentes SNR, mediante el calculo de la desviacion estandar, DE, del residuo de imagen de agua corregida, (obtenida a partir de la diferencia de la senal de agua obtenida tras la correccion y la senal de agua original usada para la generacion de las senales en la simulation). Adicionalmente, III) se calculo la DE en una imagen en vivo corregida en una zona de interes (ZDI) colocada en un tejido de hlgado homogeneo y se comparo con la DE en una imagen no corregida correspondiente.
En la evaluacion de acuerdo con I), se trazaron los valores resultantes de (DEcorregida - DEnocorregida) / DEnocorregida para 5, 10, 15, 30 y 60 iteraciones en funcion de K. La solution mostro que el metodo es estable para todos los K < 1, sin embargo, se vio un efecto de amplification del ruido para K > 0,8 y un efecto de filtrado paso bajo para 0 < K < 0,8. Fueron suficientes 15 iteraciones para alcanzar una solucion estable cuando K < 0,95.
En la evaluacion de acuerdo con II), K se mantuvo en el intervalo 0 a 1. Se anadio ruido gaussiano a EF y NF proporcionando una relation senal a ruido en las imagenes EF de 0, 0,5, 1 y 5, en la que la SNR se define como la DE de la amplitud del ruido en las imagenes de agua y grasa dividida por la DE del ruido anadido a las imagenes EF y NF. Tambien en este caso se trazaron (DEcorregida - DEnocorregida) / DEnocorregida usando 15, 30 y 60 iteraciones. La tasa de convergencia disminuyo para valores mas altos de K. Las senales con elevada SNR parece que se corrigen mas efectivamente usando valores de K proximos a 1 cuando el efecto de la amplificacion del ruido se hace insignificante. A SNR mas bajos los valores optimos de K parece que se hacen mas bajos. Fueron suficientes 15
5
10
15
20
25
30
35
40
45
50
55
60
65
iteraciones para alcanzar la convergencia tambien para senales con una SNR mas alta. Para senales de SNR alta puede usarse la utilizacion de valores de K mas altos para obtener una correccion optima.
En la evaluacion de acuerdo con III) se observo una menor influencia de la DE probablemente debido a diferentes caracterlsticas del ruido.
Evaluacion 3
Tambien aqul se evaluo el metodo basandose en el esquema de correccion de acuerdo con las expresiones 11-13. La adquisicion de datos, y se adquirieron imagenes NF y EF de implementacion de resolution con reconstruction sensible a fase en TE 2,3 ms y 4,6 ms con un escaner de RM Achieva 1,5 T (Philips Medical Systems, Best, Holanda). Se ajusto una secuencia de pulsos THRIVE estandar (grasa suprimida, muestreo radial, y adquisicion tridimensional del eco de campo turbo) mediante la elimination de la supresion de grasa y la adicion de una salida de lectura de eco invertido extra. Las imagenes se adquirieron en una contention de la respiration de 23 s usando una bobina corporal de detection de cuatro elementos sobre un voluntario saludable. Se adquirieron 40 cortes usando un grosor de corte de 4 mm usando una resolucion en plano de 2 x 2 mm2, el DAG fue de 0,415 plxeles, el TEOP fue de 2,3 ms, el TEIP fue de 4,6 ms y el TR fue de 6, 5 ms. Todas las imagenes se interpolaron a una resolucion de 1 x 1 mm2 en plano y un grosor de corte de 2 mm. Las imagenes EF y NF corregidas en fase se obtuvieron usando una version tridimensional del metodo anti-gradiente, vease por ejemplo J. Rydell, H. Knutsson, J. Pettersson, A. Johansson, G. Farneback, O. Dahlqvist, P. Lundberg, F. Nystrom, y M. Borga, “Phase sensitive reconstruction for water/fat separation in MR imaging using inverse gradient”, en International Conference on Medical Image Computing and Computer-Assisted Intervention (MICCAI'07), Brisbane, Australia, octubre de 2007, y en Rydell J, Johansson A, Dah/qvist Leinhard O, Knutsson H, Farneback G, Lundberg P, Borga M. Three dimensional phase sensitive reconstruction for water/fat separation in MR imaging using inverse gradient. En Proceedings of the International Society for Magnetic Resonance in Medicine annual meeting (ISMRM'08) Toronto, Canada: ISMRM, 2008.
Tras la aplicacion de la resolucion iterativa, es decir el esquema de correccion, se calcularon imagenes EF y NF corregidas usando un intervalo de valores K desde 0,5 a 1,05 y 15 reiteraciones. La resolucion iterativa se implemento en Matlab (The MathWorks, Inc, Massachusetts, Estados Unidos). Antes de la aplicacion de la parte iterativa del esquema de correccion, las imagenes se interpolaron a una separation de plxeles que coincidla exactamente con el desplazamiento agua - grasa usando una transformada de Fourier rapida (FFT) basandose en el metodo de interpolation. Despues de esta operation se realizaron todas las convoluciones en el metodo iterativo usando desplazamientos de 1 pixel de las senales, por ello sin necesidad de ninguna interpolacion adicional. Se sabe que dicha interpolacion antes de la aplicacion de la parte iterativa del metodo es en general beneficiosa dado que por ejemplo permite una implementacion mas simple y mas rapida.
Las imagenes de agua corregidas mostraron mejoras visibles en comparacion con las imagenes originales. Los efectos mas evidentes fueron en la capa de piel exterior pero tambien fueron evidentes en la zona alrededor de la espina dorsal. Los efectos en las imagenes de grasa fueron mas diflciles de distinguir mediante inspection visual pero observando una diferencia de imagenes, el efecto de refinado del algoritmo de reconstruccion iterativo se hace evidente. Mas evidentes fueron los efectos de la correccion en una imagen en fase corregida en donde se eliminaron el artefacto de desplazamiento grasa/agua y el artefacto de borde alrededor de los objetos de grasa.
Se estudiaron imagenes de agua y grasa originales y reconstruidas en fase despues de la correccion del artefacto del desplazamiento qulmico usando 15 iteraciones y K=0,84 y K=0,95, junto con imagenes diferencia creadas tomando la imagen corregida - imagen original. Se estudiaron tambien trazados de llneas de intensidades de senal de agua y grasa antes y despues de la correccion. Se observo la eliminacion de los artefactos de amplification de borde, la mejora de la amplitud de pico en las estructuras de grasa delgada corregidas (aproximadamente un incremento de 5-10 %), y la eliminacion de puntos de senal negativa alrededor de estructuras de grasa. Tambien se estudiaron trazados de llneas de senal de agua y grasa antes y despues de la correccion usando K=0,95 y K=0,80. Se observo la eliminacion del artefacto de la amplificacion de borde que tiene lugar en la proximidad a estructuras de grasa, la eliminacion del efecto de filtrado paso bajo en la imagen de grasa y el incremento de la amplitud de pico en estructuras de grasa delgadas (en un 5-10 %). Se realiza tambien una comparacion con una imagen adquirida usando el metodo de “retroceso” de la tecnica anterior. La DE de una imagen diferencia entre una senal de agua de “retroceso” y una senal de agua corregida fue el 27 % mas baja en comparacion con la DE de la imagen diferencia entre la senal de agua de “retroceso” y una senal de agua sin corregir cuando se midio en todos los cortes excluyendo voxeles fuera del cuerpo.
Las conclusiones de lo anterior incluyen que el metodo desvelado tiene el efecto de reducir los artefactos de desplazamiento quimico, que presenta una convergencia rapida y bajos requisitos computacionales. Dado que una ventaja que tiene el metodo iterativo presentado en el presente documento sobre el metodo de “retroceso”, es la capacidad de obtener elevadas SNR, las realizaciones que dan como resultado perdidas de SNR significativas son normalmente de menor interes. En este sentido un valor optimo de la constante de estabilizacion K se ha encontrado para K=0,80. En este punto el efecto de filtrado paso alto del metodo se ha observado que se cancela por el efecto de filtrado paso bajo con valores de K mas bajos. Otra perspectiva de la election de la constante K optima es que el
5
10
15
20
25
30
35
40
45
50
55
60
65
incremento de la amplitud del ruido deberla ser significativamente mas bajo en comparacion con el incremento de la DE obtenida usando el metodo de “retroceso”, lo que da como resultado que pueden usarse valores de K mas altos para obtener una correccion mas efectiva. Con dichos valores mas altos, puede usarse K=0,95 dado que las simulaciones en este valor dieron como resultado una SNR similar que con el metodo “retroceso” y las mediciones en vivo dieron aproximadamente un 5 % de incremento en la DE. Sin embargo, en general, para hallar un valor optimo se deberlan considerar las caracterlsticas de ruido exactas de las imagenes reconstruidas a partir del escaner de RM.
Tras la correccion de las imagenes de agua y grasa es posible calcular no solamente imagenes de agua pura y grasa sino tambien imagenes en y fuera de fase sin influencia del artefacto de desplazamiento agua-grasa. Una ventaja que el metodo iterativo presentado en el presente documento tiene sobre las otras tecnicas de RM es que la influencia del artefacto puede reducirse de una forma rapida.
En ese trabajo se ha usado un metodo de reconstruccion sensible a fase basado en el calculo del campo de gradiente inverso (vease J. Rydell, H. Knutsson, J. Pettersson, A. Johansson, G. Farneback, O. Dahlqvist, P. Lundberg, F. Nystrom y M. Borga, “Phase sensitive reconstruction for water/fat separation in MR imaging using inverse gradient”, en la International Conference on Medical Image Computing and Computer- Assisted Intervention (MICCAI'07)) generalizado para resolver el campo de fase en tres dimensiones (vease Rydell J, Johansson A, Dahlqvist Leinhard O, Knutsson H, Farneback G, Lundberg P, Borga M. Three dimensional phase sensitive reconstruction for water/fat separation in MR imaging using inverse gradient. Proceedings of the International Society for Magnetic Resonance in Medicine annual meeting (ISMRM' 08) Toronto, Canada: ISMRM, 2008). Sin embargo, la aplicacion del metodo de correccion iterativo presentado en el presente documento es independiente del metodo usado para la estimation del campo de correlation de fase.
La aplicacion de este metodo a esquemas de adquisicion Dixon de tres puntos bipolares deberla ser directa pero no se ha investigado en detalle. Una mejora posible del metodo puede ser permitir amplitud variable de la constante K en diferentes regiones de la imagen. A partir de lo precedente se puede observar que K=0 significa que la imagen de agua se calcula a partir de EF + NF y que la imagen de grasa se calcula a partir de EF' - NF' y por lo tanto no es igual al resultado de la reconstruccion de Dixon original en donde la imagen de grasa es de alguna manera filtrada paso bajo. Esto tiene el coste de la introduction de artefactos que se originan en los bordes de agua. Una solution optima puede ser descrita probablemente por lo tanto usando valores de K altos en donde la SNR del otro componente de la senal es alta y bajo en zonas en donde la SNR es baja y se espera un efecto de amplification del ruido por la correccion.
Correccion de inhomogeneidad de la intensidad
La Fig. 4 muestra esquematicamente las etapas de una realization del metodo de production de un campo de correccion de intensidad con un sistema de tratamiento de imagenes por resonancia magnetica (IRM). En una primera etapa 210 se adquiere un conjunto de datos de imagenes usando el sistema de IRM. En una segunda etapa 220 se reconstruye la imagen basandose en el conjunto de datos de imagen adquiridos, conteniendo la imagen information de fase agua y grasa representada por un componente EF en fase y un componente NF fuera de fase. La adquisicion y reconstruccion se realiza preferiblemente mediante un tratamiento de imagen Dixon de dos puntos. Sin embargo, hay tambien variantes del tratamiento de imagen Dixon anteriormente descritas, que, como se sabra por el experto en la materia, son compatibles con soluciones presentadas en el presente documento, por ejemplo tratamiento de imagen Dixon de tres puntos, o cualquier otra tecnica que de como resultado componentes en fase y fuera de fase. Adicionalmente, hay tambien otras formas de medicion del contenido de grasa usando IRM. Por ejemplo, dado que el tiempo de relajacion T1 del tejido adiposo es mas corto que el de la mayor parte de otros tipos de tejidos, se usa comunmente la segmentation de imagenes ponderadas por T1. Sin embargo, debido a efectos de volumen parcial, esta tecnica ha demostrado que subestima consistentemente el volumen de grasa.
Tras las etapas 210 y 220 sigue la etapa 230 en donde se identifican puntos de imagen de grasa pura, en este caso voxeles de tejido adiposo puro, produciendose una imagen de grasa pura. La no uniformidad de la intensidad en el volumen en fase, EF, y volumen de grasa extraldo, G, son normalmente de proximas a iguales. Mediante el calculo de un contenido de grasa relativo Gr, es decir una relation G/EF, puede alcanzarse una estimacion del contenido de grasa en relacion al contenido de agua sin el impacto de la no uniformidad de la intensidad, es decir el contenido de grasa relativo puede verse como insensible a variaciones de intensidad. Dado que se sabe que el tejido adiposo puro da como resultado aproximadamente el 90 % de la senal en la imagen de grasa y aproximadamente el 10 % de senal en la imagen de agua, puede usarse un sistema de umbral, que puede hacerse simple, de contenido de grasa relativo para identificar y recoger voxeles de tejido adiposo puro. (En ausencia de no uniformidades de intensidad, todos los dichos voxeles deberlan tener la misma intensidad en, por ejemplo la imagen en fase EF.) Se eliminan preferiblemente los voxeles localizados fuera del cuerpo. Por ello, pueden estimarse las variaciones de intensidad mediante el examen de los voxeles que estan situados dentro del cuerpo y tienen altos valores Gr de contenido en grasa relativa.
Otros criterios de prueba distintos de un sistema de umbral incluyen por ejemplo operadores morfologicos, tal como un requisito de que un voxel para ser aceptado debe pertenecer a una estructura de grasa de un cierto tamano y/o
5
10
15
20
25
30
35
40
45
50
55
60
65
forma. Otros criterios de prueba podrlan basarse en la combinacion de la codificacion Dixon de las imagenes de RM con otras secuencias de pulsos de RM que proporcionan multiples imagenes con diferentes propiedades de contraste. Puede usarse una mascara adicional para tener en cuenta solamente los valores en tejidos humanos. Esto puede hacerse mediante una operacion de seleccion de umbrales iniciales con un umbral determinado emplricamente para valores de fondo. Esto es, puede usarse un criterio adicional para separar voxeles de grasa verdadera de falsos positivos provocada por una baja intensidad de senal tanto en la imagen de grasa como en fase para tener en cuenta solo valores en tejidos humanos.
Sigue entonces la etapa 250 en donde se segmenta la imagen de grasa pura, preferiblemente mediante segmentacion bimodal. La segmentacion bimodal significa un proceso para determinar un valor de umbral apropiado basandose en un modelo bimodal de la distribucion de senal.
En la etapa 260 se genera un campo de correccion de intensidad mediante la interpolacion de una imagen G, que se basa en el componente EF en fase y el componente NF fuera de fase, usando la imagen segmentada, es decir se interpola un campo a partir de los voxeles identificados. Cuando se han identificado voxeles de tejido adiposo el campo de correccion se crea preferiblemente con una convolution normalizada, vease por ejemplo H. Knutsson y C- F. Westin. En Proc. of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, junio de 1993, pags. 515-523, en donde se ponderaron los voxeles de grasa pura como 1 y los voxeles restantes como 0. Es posible tambien ponderar usando un intervalo de valores mas amplio, y por ejemplo valores no enteros, y aplicar por ejemplo valores desde, o ponderados con valores desde un intervalo mas ancho, por ejemplo un valor no entero de un intervalo predefinido. La no uniformidad de la intensidad varla normalmente lentamente a traves de la imagen, es decir la variation de la intensidad espacial es normalmente lenta, y por ello puede obtenerse un mapa de no uniformidad completo mediante interpolacion de la intensidad de aquellos voxeles que usan convolucion normalizada. Se prefiere la convolucion con un nucleo de suavizado gaussiano dado que suprime el ruido al mismo tiempo que se interpola el campo de correccion a partir de los puntos recogidos.
En la etapa 270, se produce una imagen resultante, y por ello de intensidad corregida, que puede implicar la aplicacion del campo de correccion de intensidad a los componentes de la imagen en fase y fuera de fase, EF y NF. Por ello, puede reconstruirse un volumen. Por ejemplo, un volumen de grasa extraldo puede dividirse mediante el campo de no uniformidad de la intensidad calculado, es decir el campo de correccion de la intensidad, para adquirir un volumen normalizado en intensidad. Las imagenes de agua A y grasa G pueden corregirse mediante multiplication con la inversa de un mapa de no uniformidad de intensidad que corresponde al campo de correccion de intensidad. La aplicacion del campo de correccion a la imagen de agua reconstruida proporciona una referencia de intensidad que es estable tambien despues de la inyeccion del agente de contraste de modo que la influencia del contraste sobre la senal de grasa es despreciable. Por ello, el campo de correccion de intensidad generado puede usarse como una referencia y puede usarse para corregir no solo la imagen de grasa, sino tambien la imagen de agua, y tambien imagenes que se originen a partir de otros conjuntos de datos de imagenes adquiridos usando el sistema de IRM.
La Fig. 5 ilustra esquematicamente una realization de un sistema de obtencion de imagenes por resonancia magnetica (IRM) configurado de modo que puede llevar a cabo el metodo explicado anteriormente. El sistema comprende medios de adquisicion 301, por ejemplo un hardware de adquisicion de datos controlado por ordenador que puede conectarse a un conjunto de imanes, configurado para adquirir el conjunto de datos de imagen, por ejemplo de modo que puede llevar a cabo la etapa 210, y medios de reconstruction 303, por ejemplo un ordenador, configurado, preferiblemente por software, para reconstruir la imagen basandose en el conjunto de datos de imagen adquiridos, es decir de modo que puede llevar a cabo la etapa 220. Adicionalmente el sistema comprende un primer medio de correccion 305, tambien normalmente un ordenador, que se configura, preferiblemente por software, para compensar la inhomogeneidad de la intensidad, es decir configurado de modo que puede llevar a cabo las etapas 230-260. Un segundo medio de correccion 307 se configura para generar el campo de correccion de intensidad, es decir de modo que puede llevar a cabo la etapa 260, y que es tambien normalmente un ordenador que se ha programado por software. Un medio de generation de imagen 309 se configura para aplicar el campo de correccion de intensidad para producir una imagen resultante, es decir para llevar a cabo la etapa 270 y es tambien normalmente un ordenador configurado por software. En otra realizacion puede no haber medios de generacion de imagen 309, en dicha realizacion el campo de correccion de intensidad puede guardarse sobre medios de almacenamiento, por ejemplo un archivo sobre una unidad de disco, para uso posterior. En una realizacion el campo de correccion se aplica por otros medios de generacion de imagenes, que pueden ser separados.
En un experimento de recogida de datos y separation agua/grasa: se adquirieron 50 volumenes de 20 pacientes diferentes. Se recogieron imagenes de RM de contention de la respiration (28 s) multi-corte y en fase (TE= 2,3 y 4,6 ms) usando un escaner de RM de 1,5 T (Philips Medical systems, Best, Holanda). El grosor del corte fue de 5 mm y el campo de vision fue de 290 x 200 x 410 mm (anterior-posterior, pies-cabeza, derecha-izquierda). El TR fue de 286 ms y el angulo de batida fue de 80°. Las intensidades de senales fueron re-escaladas a la sensibilidad de la bobina de la cuadratura del cuerpo usando una reconstruccion de aspecto de nivel constante (CLEAR) y se uso el metodo del gradiente inverso [5] para la separacion agua y grasa. RESULTADOS: las imagenes de grasa de agua original y corregida se normalizaron con un valor de pico de grasa correspondiente a un cien por cien de tejido adiposo. Se obtuvieron valores de pico mediante analisis del histograma de los voxeles en las imagenes de grasa y
5
10
15
20
25
30
35
40
45
50
55
60
65
en la zona subcutanea y los histogramas de voxeles subcutaneos antes y despues de la normalizacion de intensidad se presentaron en las Figs. 2.3a-b. Se puede ver una mejora evidente en la imagen de grasa corregida. Se ve una mejora similar entre cortes y es mas evidente proximos a los bordes de la bobina de recepcion.
Por ello, para resumir, una solucion simple y eficiente que puede usarse para tener en cuenta la inhomogeneidad de la intensidad en tratamiento de imagen Dixon de dos puntos es identificar los valores de tejido adiposo puro y estimar un campo de correccion mediante convolution normalizada. El metodo ha mostrado buena estabilidad en la evaluation de 50 conjuntos de datos. Tras la aplicacion del campo de correccion hay senales notables que implican que la distribution de la intensidad a traves del volumen ha mejorado. Las variaciones de intensidad vistas entre y dentro de los cortes se eliminaron de modo eficiente. Buscando en el histograma de grasa subcutanea (vease la Fig. 6b) todos los voxeles tras la correccion de no uniformidad de intensidad y la comparacion con un histograma correspondiente sin la correccion (vease la Fig. 6a), puede verse un pico distintivo de tejido adiposo puro sin efectos de dispersion provocados por variaciones de intensidad.
El metodo descrito anteriormente puede adaptarse ventajosamente, o usarse en, un metodo de cuantificacion de grasa que puede usarse para cuantificacion automatica de grasa subcutanea, visceral y no visceral interna a partir de imagenes de RM adquiridas usando la tecnica de Dixon de dos puntos en la region abdominal. El metodo de cuantificacion de grasa incluye (1) desarrollo de una fase tridimensional para proporcionar imagenes de agua y grasa, (2) una correccion de inhomogeneidad de la intensidad de imagen (como en el metodo descrito anteriormente), y (3) un registro y segmentation no rlgida del tejido. Es seguido por una integration de las imagenes de grasa corregidas dentro de diferentes compartimentos de grasa que evita efectos de volumen parcial asociados con los metodos de segmentacion de grasa tradicionales. En otras palabras, el metodo de cuantificacion de grasa comprende un cierto numero de diferentes etapas: correccion de fase de imagenes Dixon de dos puntos, compensation de inhomogeneidad de la intensidad y segmentacion de los diferentes tipos de grasa.
En la practica, las inhomogeneidades del campo magnetico provocan que la fase compleja de EF y NF de la imagen Dixon varle a traves de las imagenes y puede ser necesaria una correccion de fase antes de que puedan calcularse A y G. Se han propuesto varios metodos diferentes para la correccion de las imagenes Dixon en por ejemplo, J. Ma. Magnetic Resonance in Medicine, vol. 52, n.° 2, pags. 415-419, 2004, S. M.-H. Song et al. IEEE Transaction on Image Processing, vol. 4, n.° 5, pags. 667- 676, mayo de 1995, y E.M. Akkerman y M. Maas. In Proc. of the ISMRM Annual Meeting, Niza, Francia, 1995, ISMRM, pag. 649. En experimentos se ha aplicado el metodo presentado en J. Rydell, et al. Med Image Comput Comput Assist Interv Int Conf Med Image Comput Comput Assist Interv. 2007; 10(Pt 1):210-8. y en Rydell J et al. In Proc. of the Int. Soc. for Magn. Res. In Med. annual meeting (ISMRM'08). Toronto, Canada: ISMRm, 2008, para correccion de fase, metodo que se ha demostrado se comporta bien incluso en presencia de artefactos de fase graves. Por ello, el metodo de cuantificacion de grasa, etapa 210 del metodo descrito anteriormente se extiende para englobar la correccion de fase.
En IRM la sensibilidad de inhomogeneidad de las bobinas de RF producen variaciones en la magnitud de la imagen a traves del campo de vision. La variation en la sensibilidad afecta a la intensidad de la senal dentro del volumen 3D y adicionalmente hace diflcil la comparacion de las intensidades de senal entre diferentes examenes. Esta no uniformidad degrada la calidad de la estimation del contenido de grasa, y por lo tanto necesita ser evitada, lo que es una razon por la que el metodo de correccion de la intensidad descrito precedentemente es ventajoso de usar con el metodo de cuantificacion de grasa.
Preferiblemente, se usa un registro no rlgido para la segmentacion basada en atlas. Uno de dichos metodos de registro no rlgido es el Morphon, vease por ejemplo H. Knutsson y M. Andersson. En la IEEE International Conference on Image Processing (ICIP'05), Genova, Italia, septiembre de 2005. En registro no rlgido, se registra una imagen prototipo con una imagen objetivo mediante la deformation de modo iterativo del prototipo. La estimacion de la deformacion se calcula mediante la maximization de la similitud entre el prototipo y el objetivo. La medida de la similitud puede basarse en, por ejemplo, la intensidad de imagen o en information de fase local. Esta ultima tiene la ventaja principal de ser invariante a variaciones de intensidad entre imagenes. Por ello, se usa preferiblemente un enfoque basado en la fase.
En una aplicacion de registro abdominal, se uso morphon para segmentar el tejido adiposo abdominal en tres tipos diferentes: subcutaneo, visceral y no visceral interno. Esto se realizo mediante el registro de un prototipo manualmente segmentado a la imagen de interes objetivo. El registro de un prototipo abdominal a una imagen de grasa en la region abdominal puede ser diflcil debido a la alta variabilidad en la acumulacion de grasa entre diferentes sujetos. Una ventaja significativa de la reconstruction Dixon sensible a fase es que pueden obtenerse imagenes separadas de grasa y agua. Dado que la imagen de agua contiene estructuras tales como musculos, huesos y medula espinal, con menos variabilidad que las estructuras de tejidos adiposos, fue una election preferible sobre la imagen de grasa para intentos de registro. Sin embargo, la imagen de agua tambien contenla areas perturbadoras con elevada variabilidad. Esto puede producir una degradation significativa de los resultados del registro. La convolucion normalizada con una mascara de certidumbre disminuye la influencia de estas regiones y la mejora del registro. Para realizar el proceso de encontrar las mascaras internas y viscerales mas robustas, el registro se divide en dos etapas. La primera etapa registra un prototipo binario de una mascara binaria calculada aproximadamente de la region interna en la imagen objetivo. Este registro se aplica sobre una escala gruesa para
5
10
15
20
25
30
35
proporcionar una suposicion inicial buena de la deformacion global. Cuando se acaba la primera etapa, el campo de deformacion resultante se aplica al segundo prototipo, creado a partir de la imagen de agua, antes de proceder a escalas de resolucion mas finas. Se crea una escala de certidumbre adicional, que cubre estructuras de musculos y huesos en la region abdominal, para reducir los efectos de las regiones de incertidumbre sobre el resultado del registro. Finalmente, se definen las mascaras sobre las regiones viscerales y no viscerales por la imagen prototipo. Estas se usan en la etapa de segmentacion para etiquetar los diferentes compartimentos de la imagen objetivo. Antes de que se lance el registro, la imagen objetivo se somete a etapas de procesamiento previo inicial para crear mascaras binarias del cuerpo y de la region interna para la etapa de registro inicial. Los brazos y fondo de la imagen objetivo pueden eliminarse de modo eficiente del resto del cuerpo usando niveles temporales locales. Puede esperarse un mlnimo local entre el cuerpo y los brazos, y este se usa para segmentacion del cuerpo. La eliminacion de todo excepto de los componentes conectados mayores deja la mascara del cuerpo que se procesa adicionalmente mediante operaciones morfologicas para producir una mascara densa. Despues de que se haya realizado el registro, se aplica el campo de deformacion calculado a las etiquetas asociadas con la imagen prototipo. Por ello, la grasa en la imagen objetivo se etiqueta como partes viscerales y no viscerales internas. Cualquier tejido adiposo no asociado con cualquiera de estas etiquetas pertenece a la grasa subcutanea. Dado que la imagen Dixon proporciona imagenes separadas de agua y grasa, no se necesita ninguna segmentacion para distinguir entre estos tipos de tejido. La finalidad del proceso de segmentacion es separar el tejido adiposo en diferentes compartimentos.
El metodo de cuantificacion de grasa presentado en el presente documento proporciona buenos resultados de segmentacion tambien cuando la imagen objetivo difiere sustancialmente del prototipo. Un aspecto del metodo es que el registro del prototipo al volumen objetivo se realiza exclusivamente sobre imagenes de agua eliminando los errores de registro de la grasa subcutanea. Una validation ha mostrado una reduction muy fuerte de las variaciones de intensidad de la senal dentro y entre diferentes objetos. Esto significa que el metodo proporciona una integration muy precisa del contenido de grasa dentro de los diferentes compartimentos evitando los efectos de volumen parcial asociados con los metodos basados en la suma de voxeles segmentados en imagenes fuertemente ponderadas por T1.
Los dibujos y la description precedente han de considerarse ejemplares y no restrictivos. La invention no esta limitada a las realizaciones desveladas. Por ejemplo, en lo precedente, se ha ejemplificado la adquisicion y reconstruction como principalmente de acuerdo con un tratamiento de imagenes Dixon de dos puntos, sin embargo, tal como es conocido por un experto en la materia, tambien puede usarse un tratamiento de imagen Dixon de tres puntos y otros metodos de adquisicion y reconstruccion sensibles a fase.
La presente invencion se define por las reivindicaciones y pueden entenderse y efectuarse variaciones a las realizaciones desveladas por el experto en la materia con la puesta en practica de la invencion reivindicada, por ejemplo mediante el estudio de los dibujos, la divulgation y las reivindicaciones. Los signos de referencia entre parentesis en las reivindicaciones son de ejemplo y no restrictivos.

Claims (13)

  1. 5
    10
    15
    20
    25
    30
    35
    40
    45
    50
    55
    60
    65
    REIVINDICACIONES
    1. Un metodo para la produccion de un campo de correction de intensidad que permita la reconstruction de un volumen con valores de intensidad normalizados con un sistema de obtencion de imagenes por resonancia magnetica, comprendiendo el metodo:
    adquisicion (210) de un conjunto de datos de imagen con un sistema de obtencion de imagenes por resonancia magnetica;
    reconstruccion (220) de la imagen basandose en el conjunto de datos de imagen, conteniendo la imagen reconstruida information de fase agua y grasa, y siendo la reconstruccion sensible a fase de modo que de como resultado un componente de imagen en fase (EF) que comprende una senal de agua mas grasa y un componente de imagen fuera de fase (NF) que comprende una senal de agua menos grasa; identification (230) de puntos de imagen en la imagen reconstruida, puntos de imagen que de acuerdo con un criterio de prueba representan tejido de grasa pura produciendose una imagen de grasa pura, en donde la identificacion (230) comprende una etapa de estimation del contenido de grasa con relation al contenido de agua mediante el calculo de un contenido de grasa relativo que es una relacion entre un componente de la imagen de grasa y el componente de la imagen en fase;
    segmentation (250) de la imagen de grasa pura para producir una imagen segmentada libre de datos de imagen no de tejido; y
    generation (260) del campo de correccion de intensidad mediante la interpolation de una imagen de grasa (G) usando los puntos de imagen indicados en la imagen segmentada, siendo calculada dicha imagen de grasa basandose en el componente de la imagen en fase (EF) y el componente de la imagen fuera de fase (NF).
  2. 2. El metodo de acuerdo con la reivindicacion 1, en donde el metodo comprende ademas:
    compensation de una inhomogeneidad de la intensidad en la imagen reconstruida mediante la produccion (270) de al menos una imagen resultante mediante la aplicacion del campo de correccion de intensidad a los componentes de la imagen en fase y fuera de fase de la imagen reconstruida, representando la al menos una imagen resultante al menos una de entre:
    una imagen de agua, una imagen de grasa, y
    una imagen conjunta que representa tanto agua como grasa.
  3. 3. El metodo de acuerdo con la reivindicacion 1, en donde el metodo comprende ademas
    la adquisicion (210) de un segundo conjunto de datos de imagen con el sistema de obtencion de imagenes por resonancia magnetica; y
    reconstruccion (220) de una segunda imagen basandose en dicho segundo conjunto de datos de imagen; y compensacion de una inhomogeneidad de la intensidad en la segunda imagen reconstruida mediante la aplicacion del campo de correccion de intensidad a un componente de imagen de la segunda imagen.
  4. 4. El metodo de acuerdo con una cualquiera de las reivindicaciones 1-3, en el que la etapa de reconstruccion (220) de la imagen basandose en el conjunto de datos de imagen comprende la correccion de fase del componente de imagen en fase y del componente de imagen fuera de fase.
  5. 5. El metodo de acuerdo con la reivindicacion 1, en el que el criterio de prueba en la etapa de identificacion (230) de los puntos de imagen en la imagen reconstruida comprende creation de un umbral, preferiblemente de un umbral de contenido de grasa relativo.
  6. 6. El metodo de acuerdo con una cualquiera de las reivindicaciones 1-5, en el que la etapa de segmentacion (250) de la imagen de grasa pura comprende una segmentacion bimodal.
  7. 7. El metodo de acuerdo con una cualquiera de las reivindicaciones 1-6, en el que la interpolacion de la imagen de grasa (G) en la etapa de generacion (260) de un campo de correccion de intensidad comprende la convolution normalizada de los puntos de imagen en la imagen segmentada.
  8. 8. El metodo de acuerdo con la reivindicacion 7, en el que la convolucion normalizada comprende la convolucion con un nucleo de suavizado gaussiano.
  9. 9. Un programa informatico que pueda cargarse dentro de la memoria interna de un ordenador, que comprende software adaptado para controlar un sistema de IRM (Obtencion de Imagenes por Resonancia Magnetica) para adquisicion de datos de RM (Resonancia Magnetica) y para realizar las etapas de una cualquiera de las reivindicaciones 1-8 cuando se ejecuta dicho programa en el ordenador.
  10. 10. Un medio legible por ordenador que tenga registrado en el un programa informatico de acuerdo con la reivindicacion 9.
    5
    10
    15
    20
    25
    30
    35
    40
  11. 11. Un sistema de obtencion de imageries por resonancia magnetica para la production de un campo de correction de intensidad que permita la reconstruction de un volumen con valores de intensidad normalizados, que comprende:
    medios de adquisicion (301) configurados para adquirir un conjunto de datos de imagen,
    medios de reconstruccion (303) configurados para reconstruir una imagen basandose en el conjunto de datos de imagen adquirido, conteniendo la imagen reconstruida information de fase agua y grasa representada por un componente de imagen en fase que comprende una senal de agua mas grasa y un componente de imagen fuera de fase que comprende una senal de agua menos grasa, un primer medio de correccion (305) configurado para:
    provocar la identification de puntos de imagen en la imagen reconstruida, puntos de imagen que de acuerdo con un criterio de prueba representan tejido de grasa pura produciendo as! una imagen de grasa pura, en donde la identificacion comprende una estimation del contenido de grasa con relation al contenido de agua mediante el calculo de un contenido de grasa relativo que es una relacion entre un componente de la imagen de grasa y el componente de la imagen en fase;
    provocar la produccion de una imagen segmentada basandose en imagenes de grasa pura, estando la imagen segmentada libre de datos de imagen no de tejido, y
    segundos medios de correccion (307) configurados para generar un campo de correccion de intensidad mediante la interpolation de una imagen de grasa (G) usando los puntos de imagen indicados en la imagen segmentada, siendo calculada dicha imagen de grasa basandose en el componente de la imagen en fase (EF) y el componente de la imagen fuera de fase (NF).
  12. 12. Un sistema de obtencion de imagenes por resonancia magnetica de acuerdo con la reivindicacion 11, que comprende ademas:
    medios de generation de imagen (309) configurados para aplicar el campo de correccion de intensidad a los componentes de imagen en fase y fuera de fase de la imagen reconstruida, representando la al menos una imagen resultante al menos una de entre:
    una imagen de agua, una imagen de grasa, y
    una imagen conjunta que representa tanto agua como grasa, un componente de imagen de la segunda imagen.
  13. 13. Un sistema de obtencion de imagenes por resonancia magnetica de acuerdo con la reivindicacion 11, que comprende ademas:
    medios de adquisicion (301) configurados para adquirir un segundo conjunto de datos de imagen;
    medios de reconstruccion (303) configurados para reconstruir una segunda imagen basandose en dicho segundo
    conjunto de datos imagen; y
    medios de generacion de imagen (309) configurados para aplicar el campo de correccion de intensidad a un componente de imagen de la segunda imagen.
ES09732976.7T 2008-04-17 2009-04-17 Mejora de la obtención de imágenes por resonancia magnética en relación a la corrección de artefactos de desplazamiento químico y de inhomogeneidad de intensidad Active ES2578706T3 (es)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US4588808P 2008-04-17 2008-04-17
US45888 2008-04-17
PCT/SE2009/000195 WO2009128764A1 (en) 2008-04-17 2009-04-17 Improvement in magnetic resonance imaging relating to correction of chemical shift artifact and intensity inhomogeneity

Publications (1)

Publication Number Publication Date
ES2578706T3 true ES2578706T3 (es) 2016-07-29

Family

ID=41199325

Family Applications (1)

Application Number Title Priority Date Filing Date
ES09732976.7T Active ES2578706T3 (es) 2008-04-17 2009-04-17 Mejora de la obtención de imágenes por resonancia magnética en relación a la corrección de artefactos de desplazamiento químico y de inhomogeneidad de intensidad

Country Status (4)

Country Link
US (1) US8605967B2 (es)
EP (2) EP3112890A1 (es)
ES (1) ES2578706T3 (es)
WO (1) WO2009128764A1 (es)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2365354A1 (en) 2010-02-22 2011-09-14 Koninklijke Philips Electronics N.V. Magnetic resonance imaging of chemical species with a spectral model
WO2011139232A1 (en) * 2010-05-03 2011-11-10 Nanyang Technological University Automated identification of adipose tissue, and segmentation of subcutaneous and visceral abdominal adipose tissue
CN103140167B (zh) 2010-09-20 2016-01-20 皇家飞利浦电子股份有限公司 化学物类的磁共振成像
DE102010041125B4 (de) * 2010-09-21 2015-07-30 Siemens Aktiengesellschaft Räumliche Korrektur von Bilddaten einer Serie von Magnetresonanzaufnahmen
US8824766B2 (en) * 2012-02-10 2014-09-02 Duke University Systems and methods for automated magnetic resonance imaging
EP2815381B1 (en) 2012-02-17 2016-09-07 Advanced MR Analytics AB Method of classification of organs from a tomographic image
US8868153B2 (en) 2012-04-19 2014-10-21 General Electric Company Image correction using multichannel blind deconvolution with homomorphic filtering
RU2016129155A (ru) * 2013-12-19 2018-01-23 Конинклейке Филипс Н.В. Мр-визуализация с разделением воды и жира по методу диксона
CN105829906B (zh) * 2013-12-19 2020-11-03 皇家飞利浦有限公司 具有水/脂肪分离的相位敏感的反转恢复mri
ES2914613T3 (es) * 2014-04-25 2022-06-14 Amra Medical Ab Cuantificación de la concentración de agua en tejido magro
DE102014225299A1 (de) * 2014-12-09 2016-03-03 Siemens Aktiengesellschaft Verfahren zur Rekonstruktion von Magnetresonanz-Bilddaten
US9508127B1 (en) * 2015-06-30 2016-11-29 Konica Minolta Laboratory U.S.A., Inc. Processing for creating a transmission image without artificial noises
CN105902270B (zh) * 2016-06-15 2018-09-04 大连锐谱科技有限责任公司 一种超快速单次激发四点Dixon水脂分离成像方法
CN106780407B (zh) * 2017-03-01 2024-03-26 清远先导科臻医疗科技有限公司 一种针对超声图像斑点噪声的去噪系统及去噪方法
US10762603B2 (en) * 2017-05-19 2020-09-01 Shanghai United Imaging Healthcare Co., Ltd. System and method for image denoising
US10551463B2 (en) * 2017-09-21 2020-02-04 Siemens Healthcare Gmbh Method and magnetic resonance apparatus for reconstructing an image from data acquired from a frequency-modulated balanced steady-state free precession sequence
EP3462204A1 (en) 2017-09-28 2019-04-03 Koninklijke Philips N.V. Dixon-type water/fat separation mr imaging with improved fat shift correction
DE102018201314A1 (de) 2018-01-29 2019-08-01 Siemens Healthcare Gmbh Verfahren zur Normalisierung von Magnetresonanzbildern
DE102018203507B4 (de) * 2018-03-08 2020-10-22 Siemens Healthcare Gmbh Verfahren zur Aufnahme und Rekonstruktion eines vierdimensionalen Dynamikbilddatensatzes mit einer Magnetresonanzeinrichtung, Magnetresonanzeinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
EP3693976A1 (en) 2019-02-08 2020-08-12 AMRA Medical AB Method of evaluating a muscle related condition
DE102019204151A1 (de) * 2019-03-26 2020-10-01 Siemens Healthcare Gmbh Automatisiert optimierte MR-Bildgebung mit ultrakurzen Echozeiten
EP3726240A1 (en) * 2019-04-19 2020-10-21 Koninklijke Philips N.V. Automated detection of water-fat swaps in dixon magnetic resonance imaging
IT202000023257A1 (it) * 2020-10-02 2022-04-02 Esaote Spa Sistema e metodo per l’imaging diagnostico di acqua e grasso
EP4198545A1 (en) 2021-12-14 2023-06-21 Siemens Healthcare GmbH Chemical shift correction for multi-point magnetic resonance measurements

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19540837B4 (de) 1995-10-30 2004-09-23 Siemens Ag Verfahren zur Verzeichnungskorrektur für Gradienten-Nichtlinearitäten bei Kernspintomographiegeräten
IT1289809B1 (it) * 1996-12-27 1998-10-16 Ist Trentino Di Cultura Procedimento e sistema automatico per ottenere mappe di contenuto d'acqua e/o di permettivita'elettrica da immagini di risonanza
US6466014B1 (en) * 2000-08-29 2002-10-15 Ge Medical Systems Global Technology Company, Llc Suppression of fat signals in MR water images produced in Dixon imaging
US6906515B2 (en) * 2000-12-28 2005-06-14 Hitachi Medical Corporation Magnetic resonance imaging device and method
DE10132274B4 (de) * 2001-07-04 2004-01-15 Siemens Ag Trennung von Fett- und Wasserbildern durch das Zwei-Punkt-Dixon-Verfahren unter Berücksichtigung einer integrierten 3D-Feld-Messung zur Aufnahme einer Karte der Grundfeldinhomogenität
US7099499B2 (en) * 2002-08-15 2006-08-29 General Electric Company Fat/water separation and fat minimization magnetic resonance imaging systems and methods
US7349729B2 (en) 2003-10-20 2008-03-25 The Board Of Trustees Of The Leland Stanford Junior University Magnetic resonance imaging of different chemical species in a system having magnetic field heterogeneities
DE102004061507B4 (de) * 2004-12-21 2007-04-12 Siemens Ag Verfahren zur Korrektur von Inhomogenitäten in einem Bild sowie bildgebende Vorrichtung dazu
US7176683B2 (en) * 2005-05-06 2007-02-13 The Board Of Trustees Of The Leland Stanford Junior University Iterative decomposition of water and fat with echo asymmetry and least square estimation
US7486074B2 (en) 2006-04-25 2009-02-03 The Board Of Trustees Of The Leland Stanford Junior University Self-calibration methods for parallel imaging and multipoint water-fat separation methods
US7592810B2 (en) 2006-04-25 2009-09-22 The Board Of Trustees Of The Leland Stanford Junior University MRI methods for combining separate species and quantifying a species
US7432707B1 (en) * 2006-06-14 2008-10-07 Fonar Corporation Magnetic resonance imaging with corrected intensity inhomogeneity
US7375522B2 (en) * 2006-08-28 2008-05-20 Wisconsin Alumni Research Foundation Method for aligning multiple MR images acquired with alternating readout gradient

Also Published As

Publication number Publication date
EP3112890A1 (en) 2017-01-04
EP2283376A1 (en) 2011-02-16
EP2283376A4 (en) 2011-12-21
WO2009128764A9 (en) 2010-02-11
WO2009128764A1 (en) 2009-10-22
US20110091090A1 (en) 2011-04-21
US8605967B2 (en) 2013-12-10
EP2283376B1 (en) 2016-03-30

Similar Documents

Publication Publication Date Title
ES2578706T3 (es) Mejora de la obtención de imágenes por resonancia magnética en relación a la corrección de artefactos de desplazamiento químico y de inhomogeneidad de intensidad
US10761171B2 (en) Systems and methods for free-breathing three-dimensional magnetic resonance fingerprinting
CN106999091B (zh) 用于组成材料的改进分类的方法和系统
US7725157B2 (en) System and method for interventional procedures using MRI
US8643363B2 (en) Method of visualizing segmented MR images with absolute-scale values independent of MR scanner settings
US9612300B2 (en) System and method for object-based initialization of magnetic field inhomogeneity in magnetic resonance imaging
US10942239B2 (en) MRI method for determining signature indices of an observed tissue from signal patterns obtained by motion-probing pulsed gradient MRI
US20100261993A1 (en) Stem and method for acquiring mri data from bone and soft tissues
US20090326363A1 (en) Fused image modalities guidance
US20180231626A1 (en) Systems and methods for magnetic resonance fingerprinting for quantitative breast imaging
Delbany et al. One‐millimeter isotropic breast diffusion‐weighted imaging: Evaluation of a superresolution strategy in terms of signal‐to‐noise ratio, sharpness and apparent diffusion coefficient
WO2014176154A1 (en) System and method for image intensity bias estimation and tissue segmentation
JP2019122623A (ja) 磁気共鳴イメージング装置および医用画像処理装置
US8995738B2 (en) System and method for magnetic resonance imaging parametric mapping using confidence maps
WO2018210233A1 (en) Intravoxel incoherent motion mri 3-dimensional quantitative detection of tissue abnormality with improved data processing
US20150196223A1 (en) System and method for neutral contrast magnetic resonance imaging of calcifications
US10877121B2 (en) System and method for magnetic resonance fingerprinting with reduced acoustic noise
ES2979046T3 (es) Un procedimiento para posprocesar imágenes de resonancia magnética hepática para obtener un mapa reconstruido de la susceptibilidad magnética interna
US8952693B2 (en) Method for principal frequency magnetic resonance elastography inversion
KR101401969B1 (ko) Mri 시스템을 이용하여 대상체 내의 신경 섬유에 관한 섬유 구조 정보를 획득하기 위한 방법 및 장치
CN112617797B (zh) 应用于磁共振成像的生理信号检测方法以及电子装置
US10908247B2 (en) System and method for texture analysis in magnetic resonance fingerprinting (MRF)
CN114821049A (zh) 分割图像的方法、装置、设备及存储介质
US11779310B2 (en) Systems and methods for magnetic resonance elastography with unconstrained optimization inversion
WO2021183989A1 (en) Free-breathing abdominal magnetic resonance fingerprinting using a pilot tone navigator