MRI Image Formation

Teknologi Pencitraan Medik - 2016

GROUP V :
Adila Rachmatika 1406572391
Auto Hartanto 1306449656
Billie Pratama 1406608372
Gde Pranabhawa W. 1306405080
Geri Paksi Dirgantara 1406608795
Josua Christanto 1406552143
M. Hakim Mustakim 1406603900
Zakky 1406572391
 Formasi Pembentukan
Gamabar
Gradients and spatial encoding
Sampling k-space
Trajectories and acquisition
strategies
Fast imaging
Acquiring multiple slices
Image reconstruction and artifacts
Pencitraan MR didasarkan pada Tingkat Presisi
z

[Sumber : William Overall]

Presisi Spin pada Nilai Lamor:

= (B0 + B)
field strength field offset
 Magnetic Gradients
Gradien: Penambahan Medan Magnetik yang
Beragam Sepanjang Ruang
Gradien ditambahkan ke B0, sehingga medan yang
ada bergantung pada posisi
Beragam frekuensi lenggok ini bergantung letak
posisi
Sekuen Pulsa memodulasi ukuran dari gradien

High field

B0
Low field
 Gradien Magnetik
Spin pada masing-masing posisi *berbunyi* pada frekuensi
yang berbeda -beda
Kumparan RF *mendengar* semua spin secara bersamaan
Material yang berbeda pada posisi tertentu dengan pemilihan
seuai hasil *pendengaran* di frekuensi tersebut.

Fast
High field precession

B0
Slow
Low field precession
Percobaan Sederhana Pencitraan/
Penggambaran (1D)

Medan
Bertambah
 Percobaan SEderhana Pencitraan /
Penggambaran (1D)
Signal

Transformasi Fourier

Gambar
position

Transformasi Fourier : Untuk menentukan jumlah/nilai dari

material tertentu dengan mendengarkan hasil dari frekuensi
respon yang didapat
Pencitraan 2D via Transformasi Fourier
2D

1DFT

Sinyal 1D Gambar 1D

2DFT
ky y

kx x
Sinyal 2D Gambar 2D
Analogi : Persebaran Cuaca
 Transformasi Fourier 2D

2DFT

ky y

kx x
Sinyal diukur Gambar Rekonstruksi
(frekuensi-, atau k-space)

Transdormasi Fourier dapat diaplikasikan pada dimensi berapapun

MRI: sinyal yang didapat pada frekuensi 2D (K-space) biasanya
merekonstruksikan menggunakan transformasi Fourier 2D (2DFT)
 Gradient dan Perolehan
Gambar
Gradien Medan magner mengkodekan posisi
spasial pada frekuensi lenggok
Sinyal didapatkan pada domain (K-space)
Untuk mengghasilkan gambar, didapatkan
frekuensi spasial sepanjang baik dari sumbu x
maupun sumbu y
Gambar dikembalikan kembali dari data K-
space menggunakan Transdormasi Fourier
 Formasi Pembentukan
Gambar
Gradients and spatial encoding
Sampling k-space
Trajectories and acquisition
strategies
Fast imaging
Acquiring multiple slices
Image reconstruction and artifacts
Sampling k-space
x x x x x x x x x x x x x
x x x x x x x x x x x x x
x x x x x x x x x x x x x
x x x x x x x x x x x x x
x x x x x x x x x x x x FT
x
x x x x x x x x x x x x x
x x x x x x x x x x x x x
x x x x x x x x x x x x x
x x x x x x x x x x x x x
x x x x x x x x x x x x x
x x x x x x x x x x x x x

Rekonstruksi sempurna dari suatu objek

memerlukan pengukuran dari semua
lokasi pada k-space (tidak terbatas!)
Data didapatkan dari titik titik yang ada
pada k-space (sampling)
Sampling kk-space
x ky

kx

2 kxmax

1. Berapa Frekuensi tertimggi yang

dibutuhkan untuk dijadikan sample/
contoh pada k-space (kmax)?
2. Seberapa dekat seharusnya sample/
 Sprektrum Frekuensi

Berapa nilai
frekuensi maksimum
untuk melakukan
pengukuran ?
atau, Berapa nilai FT
maksimum untuk k-
space (kmax)?

-kmax kmax
Sprektrum Frekuensi
Sprektrum Frekuensi
Frequency spectrum
Sprektrum Frekuensi
Sprektrum Frekuensi
 Sprektrum Frekuensi

Frekuensi yang lebih

tinggi ini menghasilkan
rekonstruksi yang
terlihat seperti objek
aslinya
Perberasn kmax
meningkatkan resolusi
(Memudahkan kita
membedakan bagian
yang lebih kecil)
2D Extension
kymax
Perbesaran
kmax

kxmax kxmax

kymax
2 kxmax

kmax Menentukan Tingkat Resolusi gambar

kmax berarti resolusi tinggi
Sampling k-space
k x ky

kx

2 kxmax

1. Berapa nilai frekuensi tertinggi untuk

sample pada k-space (kmax)?
2. Seberapa dekat sample yang terjadi
pada k-space (Dk)?
 Teorema Sampling
menggunakan Nyquist
Pemberian frekuensi sample harus 2 kali per
siklus ini bertujuan untuk dapat memproduksi
kembali sacara akurat
1 sample/siklus 2 sample/siklus

Tidak dapat dibedakan Gelombang paling atas dapat

Dari bentuk gelombang diselesaikna
Nyquist Sampling
Theorem

Medan Meningkat

Insufficient sampling
forces us to interpret
that both samples are
at the same location:

aliasing
 Aliasing (ghosting): ketidakmampuan unutk membedakan
antara 2 frekuensi yang menyebabkan kedua frekuensi ini
muncul di lokasi yang sama

x x

penerapan FOV Gambar Aliasing

Maksimal frekuensi Maksimal frekuensi
 Hubungan k-space :
FOV and Resolusi
kx ky

FOV = 1/kx
kx
x = 1/(2*k x
max
)

2 kxmax
 k-space relations:
FOV and Resolution
kx ky

xmax = 1/kx
kx
2 kxmax = 1/x

2 kxmax

k-space dan image-space Berhungan terbalik:

resolusi di satu domain menentukan batas untuk
yang lain
 k-space Image

mpling Maksimal Maksimal-FOV,

Resolusi Tingg

2DFT Maksimal-FOV,
Pengurangan k max Resolusi Renda
Gambar jadi
blur(kabur)

Minimal-FOV,
Resolusi
Penambahan k Tinggi
Terjadi
aliasing
 Formasi Pembentukan
Gambar
Gradients and spatial encoding
Sampling k-space
Trajectories and acquisition
strategies
Fast imaging
Acquiring multiple slices
Image reconstruction and artifacts
Memvisualisasi lintasan untuk k-
space

kx(t) = Gx(t) dt

k (t) = G (t) dt
y y

Lokasoi k-space proposional untukl area yang

diakumulasikan dibawah bentuk gelombang gradien
Gradient bergerak sepanjang lintasan melalui k-space
 Medapatkan Raster-scan (2DFT)

Medapatkan k-space dari garis ke garis line-by-line (biasa

disebut2DFT)
Gx menyebabkan frekuensi bergerak sepanjang x: seumbu frequency
encode
 Echo-planar Imaging (EPI) Acquisition

Single-shot (snap-shot): mendapatkan semua data

dalam satu waktu
Banyak Kemungkinan melalui K-spase
Pertimbangan Dalam Membuat Lintasan

Pembacaan Lebih lama= gambar lebih detail

(artifak)
Pembelokan atau pengaburan Single-shot (EPI &
spiral)
PR & 2DFT memiliki pembacaan yang sangat pendek
dan artifak yang sedikit

Cartesian (2DFT, EPI) vs radial (PR, spiral)

2DFT & EPI = ghosting & pembelokkan artifak
PR & spiral = blurring artifacts

SNR untuk penembakan sebanyak N dengan

waktu persekon
SNR Tread
Ttotal = : N Tread
 Formasi Pembentukan
Gambar
Gradients and spatial encoding
Sampling k-space
Trajectories and acquisition
strategies
Fast imaging
Acquiring multiple slices
Image reconstruction and artifacts
 Partial k-space
Jika objek sepenuhnya bernilai real,
kuadran dari K-space mengandung
informasi yang berlebihan
2 1

c+id a+ib

ky
aib cid
3 4

kx
 Partial k-space
Tips: cukup peroleh setengah dari K-space dan isi data yang hilang
Simetri tidaklah sempurna, maka harus didapatkan sedikit lebih banyak dari
setengah

c+id a+ib Data yang terukur

ky a+ib c+id Data yang hilang

kx
 Pendekatan secara Banyak

ky ky

kx kx

Perolehan setengah dari Lintasan fasa encode

masing-masing Frekuensi encode
yang sudah dikurangi
 Parallel imaging
(SENSE, SMASH, GRAPPA, iPAT, etc)
Permukaan
Kumparan

Objek didalam array Sensitivitas satu

8-channel kumparan

Kumparan Multi-channel : Array dari kumparan penerima RF

receive coils
Setiap kumparan sensitif terhadap subset dari objek tersebut
 Parallel imaging
(SENSE, SMASH, GRAPPA, iPAT, etc)
Permukaan
Kumparan

Objek didalam array Sensitivitas satu

8-channel kumparan

Kumparan Sensitif terhadap penambahan informasi yang

dikodekan
Bisa meninggalkan baguan besar dari bagian k-space (lebih
dari 1/2!)
Penggunaan yang sama untuk k-space parsial (pencitraan lebih
cepat, mengurangi distorsi) tetapi bisa lebih jauh
 Formasi Pembentukan
Gambar
Gradients and spatial encoding
Sampling k-space
Trajectories and acquisition
strategies
Fast imaging
Acquiring multiple slices
Image reconstruction and artifacts
 Slice Selection
RF

0 Frekuensi

Gz gradien

excited slice
 2D Multi-slice
Imaging
excited slice

t1
t2
t3
t4
t5
t6

Semua potongan dieksitasi dan diperoleh secara sequensial

(terpisah)
Most scans acquired this way (termasuk FMRI, DTI)
 True 3D
imaging
excited volume

excited volume

Repeatedly excite all slices simultaneously, k-space acquisition

extended from 2D to 3D
Higher SNR than multi-slice, but may take longer
Typically used in structural scans
 Image Formation

Gradients and spatial encoding

Sampling k-space
Trajectories and acquisition
strategies
Fast imaging
Acquiring multiple slices
Image reconstruction and artifacts
 Motion Artifacts

PE

Motion causes inconsistencies between readouts

in multi-shot data (structurals)
Usually looks like replication of object edges
along phase encode direction
Gibbs Ringing (Truncation)

Abruptly truncating signal in k-space introduces

ringing to the image
 EPI distortion (warping)
field offset image distortion

Field map EPI image

(uncorrected)

Magnetization precesses at a different rate than expe

Reconstruction places the signal at the wrong location
 EPI unwarping (FUGUE)

field map uncorrected corrected

Field map tells us where there are problems

Estimate distortion from field map and remove it
 EPI Trajectory Errors

Left-to-right lines offset from right-to-left lines

Many causes: timing errors, eddy currents
 EPI Ghosting
Shifted trajectory is sum of 2
shifted undersampled
trajectories
Causes aliasing (ghosting)
To fix: measure shifts with
reference scan, shift back in
reconstruction

= +

undersampled
 Image Formation Tutorial
Matlab exercises (self-contained, simple!)
k-space sampling (FOV, resolution)
k-space trajectories

Get file from FMRIB network:

http://www.fmrib.ox.ac.uk/karla/misc/imageform.tar
Instructions in PDF

Go through on your own (or in pairs), well

discuss on Thursday
 Reference
M. Karla , MRI Image Formation