L'imaging di risonanza magnetica (MRI) è uno degli strumenti diagnostici più potenti della medicina moderna, ma la sua utilità è storicamente costretta da lunghi tempi di acquisizione. Lo sviluppo delle tecniche di imaging parallelo ha cambiato fondamentalmente questo quadro, consentendo notevoli riduzioni nella durata della scansione, preservando - o anche migliorando - la qualità dell'immagine clinica.

I principi di Fisica della RM parallela

L'imaging parallelo sfrutta il fatto che, quando più bobine riceventi radiofrequenza (RF) sono posizionate intorno al paziente, ogni bobina percepisce il segnale MR con una sensibilità spaziale unica. Invece di affidarsi esclusivamente ai gradienti di campo magnetico per codificare le informazioni spaziali nel modo solito, l'imaging parallelo utilizza queste variazioni di sensibilità per integrare la codifica del gradiente.

Profili di sensibilità della bobina

Il profilo della sensibilità della bobina è una mappa di come la bobina rileva il segnale da ogni posizione nel campo della vista. Matematicamente, il segnale ricevuto dalle mappe [FLT: 1]-th coil a una posizione spaziale ( x], ]]] [FLT:]

k]-Spazio

La base del guadagno di velocità di imaging parallelo è quella di acquisire solo una frazione della k-linee spaziali che sarebbero necessarie per un'immagine completamente codificata del gradiente. Se il fattore di riduzione (R) uguale 2, ogni altro ]]k]-la linea di spazio è saltata, bloccando il tempo di acquisizione.

Considerazioni di segnale a rumore

[LTT] significa che la tecnologia di elaborazione di un sistema di controllo è molto simile a quella di un altro tipo di tipo.

Algoritmi di ricostruzione chiave: SENSE e GRAPPA

Due famiglie di algoritmi di ricostruzione dominano l'imaging parallelo: quelle che operano nel dominio immagine (SENSE) e quelle che operano in []k]-space (GRAPPA). Entrambi utilizzano informazioni sulla sensibilità della bobina per rimuovere l'alising, ma differiscono nel loro approccio, requisiti pratici e comportamento in presenza di rumore e artefatti.

SENSE (Sensitivity Encoding)

SENSE, introdotto da Pruessmann et al. nel 1999, risolve il problema di ricostruzione esplicitamente nel dominio immagine. Dopo una trasformazione diretta di Fourier delle mappe sottocampo k]- dati spaziali di ogni bobina, si ottiene immagini alias accelerate — per un fattore di riduzione R, ogni pixel nell'immagine alias contiene contributi da R diversi valori spaziali.

GRAPPA (Acquisizioni parallele parzialmente generiche)

[LT] I dati relativi a questo tipo di prodotto sono molto diversi da quelli ottenuti [FLT] [[S]] [[Spazio]] [Spazio] [Spazio]] [Spacchetto] [Spacchetto] [Spazio] [Spazio]] [Spazio]] [Scelta] [Spacchezza] [Sistema]] [Spazio]]

SENSE e GRAPPA comparati nella pratica

SENSE è spesso preferito per la sua semplicità computazionale e per l'impronta di memoria inferiore, mentre GRAPPA offre robustezza alla presenza di movimento e può essere più facile da integrare nei flussi di lavoro clinici perché evita la necessità di una scansione di calibrazione separata. Molti scanner moderni offrono approcci ibridi, come le varianti SENSE che includono la regolarizzazione e le estensioni GRAPPA come CAIPIRINHA (Controlled Aliasing Results

Avanzamenti in tecniche di imaging parallelo

Gli algoritmi SENSE e GRAPPA fondanti sono stati estesi e raffinati negli ultimi due decenni, portando a notevoli guadagni in velocità, qualità dell'immagine e utilità clinica. Questi progressi includono l'integrazione di rilevamento compresso, imaging multi-slice simultaneo (SMS) e l'uso di intelligenza artificiale per migliorare la ricostruzione.

Combinato con imaging parallelo

Il rilevamento compresso (CS) è una tecnica di elaborazione del segnale che sfrutta la parzialità nei dati MRI: l'idea che l'immagine o la sua trasformazione matematica (ad esempio, l'onda o la variazione totale) contiene molti coefficienti vicino allo zero.

Simultaneous Multi-Slice (SMS) Imaging

L'imaging multi-slice simultaneo (SMS) è noto anche come imaging multibanda, accelera le acquisizioni multi-slice 2D con eccitanti e l'acquisizione di più fette contemporaneamente. Le fette sono separate con impulsi RF multi-band che eccitano bande di frequenza distinte e i segnali della sequenza di immagini a fettine dimostrati nella banda del ricevitore.

3D Parallel Imaging e CAIPIRINHA

Mentre l'immagine parallela è ben stabilita per le acquisizioni 2D, la sua estensione per l'imaging 3D (dove una seconda direzione di codifica di fase, la direzione "partizione", è utilizzata) offre notevoli guadagni aggiuntivi.

Intelligenza artificiale nella ricostruzione di immagini parallele

I nuovi metodi di apprendimento delle macchine [ALT] sono basati su metodi di elaborazione di immagini parallele [ATM] e offrono una formazione di reti neurali profonde per la mappa dei dati sottocampo, rumorosi multi-coil alle immagini di alta qualità, spesso incorporando le informazioni sulla sensibilità della bobina e le conoscenze precedenti dai grandi dataset.

Immagini parallele in tempo reale e dinamica

L'imaging parallelo ha permesso di effettuare applicazioni MRI in tempo reale, in cui le immagini vengono ricostruite e visualizzate a velocità di fotogrammi video. Combinando fattori di accelerazione elevati (R ≥ 6) con algoritmi di ricostruzione veloci (spesso GRAPPA su GPU), è ora possibile visualizzare organi in movimento come la lingua, il cuore e le articolazioni durante il movimento senza screpolare.

Impatto clinico e direzioni future

I tempi di scansione più brevi riducono il disagio del paziente, aumentano il throughput del paziente e riducono al minimo gli artefatti del movimento. In imaging pediatrico, ad esempio, ridurre la durata della scansione da 10 minuti a 3-4 minuti può fare la differenza tra uno studio diagnostico e uno marred by motion.

Le direzioni future includono un'ulteriore integrazione con l'AI, come accennato, ma anche nuovi progetti di array di coil con elementi più indipendenti e sovrapposti modelli di sensibilità che spingono il fattore di accelerazione raggiungibile più alto. Lo sviluppo di array di "intero corpo" con 128 o più canali, combinati con la scansione in tempo reale g]]]-factor ottimizzazione, permetterà di imaging 3D isotropicale a risoluzione di risonanza sub-millimetro in uno a due minuti

I progressi nell'imaging parallelo stanno anche guidando l'adozione di MR-guida terapia, come ad esempio l'ecografia focalizzata e la pianificazione radioterapia, dove l'imaging veloce e in tempo reale è essenziale. Poiché l'hardware computazionale migliora e gli algoritmi di ricostruzione diventano più sofisticati, i confini di ciò che è realizzabile continueranno ad espandersi.

Conclusioni

Le tecniche di imaging parallelo hanno trasformato la risonanza magnetica da una modalità lenta e meticolosamente codificata in una capacità di acquisizione rapida e robusta dell'immagine. La fisica fondamentale - la codifica spaziale derivata da più profili di sensibilità della bobina - consente guadagni di velocità che sono essenziali per entrambe le impostazioni cliniche e di ricerca.