Documente Academic
Documente Profesional
Documente Cultură
ia
D es
estigac
Inv
i
arrollo
Ciencia
Hctor Cristyan
Manta Caro1
Hctor Fernando
Cancino de Greiff2
Reconstruccin no lineal de
imgenes por resonancia magntica
de datos no cartesianos en espacio K
RESUMEN
En este artculo, se presentan dos mtodos
novedosos de reconstruccin no lineal de imgenes por resonancia magntica de datos no
cartesianos en Espacio K, esto es, muestras no
uniformes en el dominio espacio-frecuencia. En
primera instancia, el mtodo de reconstruccin
por interpolacin en el dominio de la frecuencia, Gridding, y en segundo lugar, el mtodo de
reconstruccin iterativa mediante la pseudo-inversin de la transformada rpida no uniforme
de Fourier con la tcnica no lineal del gradiente
conjugado.
La investigacin se enfoca en la eleccin de
parmetros eficientes para la minimizacin de la
funcin error cuadrtico medio de reconstruccin y su posterior caracterizacin mediante tcnicas de simulacin de Montecarlo. Con el fin
de simplificar y estandarizar el anlisis y aplicacin de los mtodos dichas tcnicas se realizan
sobre una imagen antropognica de tipo numrica, conocida como el phantom de Shepp y
Logan.
Palabras clave: mtodos de reconstruccin,
imgenes por resonancia magntica, transformada rpida no uniforme de Fourier.
NON-LINEAR RECONSTRUCTION OF
MAGNETIC RESONANCE IMAGING OF
NON-CARTESIAN K-SPACE DATA
ABSTRACT
40
Vol. 10 No. 1
Ingeniera
1. INTRODUCCIN
En la actualidad han surgido mtodos de adquisicin de imgenes por resonancia magntica
ms sofisticados que las convencionales adquisiciones cartesianas, en los cuales los datos colectados de la transformada continua de Fourier en el
dominio espacio-frecuencia se encuentran
muestreados de manera no uniforme [2].
Estas estrategias de muestreo estn basadas en
adquisiciones espirales y radiales del Espacio K
y proporcionan ventajas y propiedades de movimiento comparadas con los mtodos convencionales. As, la imagen no puede ser reconstruida
por simple aplicacin de la transformada inversa rpida de Fourier y deben implementarse estrategias de reconstruccin ms sofisticadas.
De esta forma, se han presentado algoritmos
de reconstruccin con base en operadores de
interpolacin en el dominio de la frecuencia, y
as emplear las ventajas computacionales de
algoritmos como la FFT [8], con complicacio-
(1)
k y (t ) = k max sin(2 y t )
(2)
(3)
(4)
El Phantom de Shepp Logan [11] es una superposicin de 10 elipses, ver Figura 3, las cuales representan caractersticas del cerebro humano.
Vol. 10 No. 1
Ingeniera
41
M S (k x , k y ) = M ( k x , k y ) S ( k x , k y )
muestrean
sobre
una
cuadricula
Cartesiana III (k x , k y ) con separacin entre puntos k de forma:
i ( k x x0 + k y y 0 )
J 1 B (u ' AB 1 ) 2 + v' 2
(5)
(u ' AB 1 ) 2 + v' 2
E (k x , k y ) = E (k x , k y ; i ; x0 , y 0 ; Ai , Bi , i )
i
i =1
(6)
kx k y
M S (k x , k y )
,
M SCS (k x , k y ) =
III
* C (k x , k y )
k x k y
(8)
3. MTODOS DE RECONSTRUCCIN
Los algoritmos de reconstruccin se agrupan
en tres grandes reas:
Grid-Driven: los valores de cada punto en la
cuadrcula son interpolados de los datos vecinos en el Espacio K.
Data-Driven: la contribucin de cada dato es
sumado al punto de la cuadrcula Cartesiana
adyacente. Ejemplo: el algoritmo Gridding.
Finalmente, existe un grupo de algoritmos que
calculan aproximaciones locales a fin de minimizar el error de interpolacin en localizaciones especficas de los datos muestreados y los
puntos de la cuadrcula.
3.1. Reconstruccin Gridding
La idea fundamental del mtodo de reconstruccin Gridding [8] es como sigue: sea m( x, y )
una funcin bidimensional con transformada de
Fourier M (k x , k y ) y S (k x , k y ) una funcin de
42
Vol. 10 No. 1
Ingeniera
S ( k x , k y )
k
M (k x , k y )
k
(k x , k y ) III x , y
M (k x , k y ) =
k x k y
* C (k x , k y )
(9)
La otra es la postcompensacin:
(M (k x , k y ) S (k x , k y ) )
k
ky
* C (k x , k y )
III x ,
M (k x , k y ) =
k k
(k x , k y )
x
y
(10)
(12)
4. TRANSFORMADA RPIDA NO
UNIFORME DE FOURIER (NUFFT)
{[ m ( x, y ) * s ( x, y )] c ( x, y )}
1
x
y
,
c ( x, y ) + a * III
FOV
FOV
x
y
(11)
n = N / 2
exp( in k )
(13)
F = f
En los casos considerados, se tiene el problema de la rplica de los lbulos laterales, los cuales tiene la misma amplitud de la imagen deseada, en los bordes del FOV , el cual es una medida
de la dimensin de la imagen. El problema consiste en la inexistencia de una banda de transicin, esto es consecuencia directa de la reconstruccin de la imagen a partir de una cuadrcula
del mismo nmero de muestras, que los datos
N / 2 1
(15)
F Tf = U p f
donde U p denota el operador interpolacin. Recientemente, Fessler y Sutton [5], [6] proponen
obtener coeficientes de interpolacin que minimizan el mximo error de aproximacin. Este
acercamiento puede ser formulado como un
problema min.-mx.
u k kp f k f
min max
2
uk
1
2
(16)
Vol. 10 No. 1
Ingeniera
43
(17)
2
2
(18)
5. SIMULACIONES DE MONTECARLO
La palabra simulacin se refiere a un programa de tipo computacional, basado en modelos
probabilsticos a fin de imitar un sistema real,
caracterizar o establecer relaciones entre variables especialmente cuando otros tipos de anlisis son complejos matemticamente o existen
dificultades para reproducir un experimento y
los mtodos de Montecarlo abarcan una coleccin de tcnicas estocsticas.
(a)
(b)
(c)
Vol. 10 No. 1
Ingeniera
(d)
Simple
con Precompensacin de Densidad 1X
con Precompensacin de Densidad 2X
con Precompensacin de Densidad 2X y Deapodization
e RM S
Phantom 1 Phantom 2
0,0356
0,1563
0,0105
0,0191
0,0100
0,0150
0,0071
0,0152
(b)
e RM S
Phantom 1 Phantom 2
0,0
0,0356
0,1563
0,2
0,0343
0,1550
0,4
0,0325
0,1456
0,6
0,0283
0,1110
0,8
0,0227
0,0761
1,0
0,0105
0,0191
(c)
e RM S
Phantom 1 Phantom 2
0,01514
0,00725
0,01515
0,00723
0,01517
0,00721
0,01519
0,00719
0,01520
0,00717
0,01522
0,00716
0,01523
0,00714
0,01525
0,00713
0,01526
0,00712
0,01528
0,00710
0,01529
0,00709
P1 + P2
0,02238
0,02238
0,02238
0,02238
0,02237
0,02237
0,02238
0,02238
0,02238
0,02238
0,02238
Ingeniera
45
Nmero de Ensayos
1,00E-05
78
10
54
15
42
20
37
25
34
30
31
6. CONCLUSIONES
El problema dominante en el operador
Gridding simple es el excesivo componente D.C.
debido a que la trayectoria espiral sobremuestrea
las bajas frecuencias. Se observa adems el efecto de rplicas y aliasing por causa de la
convolucin entre la imagen ideal y la transformada de Fourier de la funcin de muestreo no
uniforme y el re-muestreo rectilneo en el espacio k. Las rplicas que se presentan en la imagen
46
Vol. 10 No. 1
Ingeniera
(a)
(b)
(c)
(d)
Figura 7. Corte transversal del (a) Phantom ideal, (b) y (c)
phantoms 2D reconstruidos por mtodo de Gridding, (d)
phantoms 1D reconstruidos por el mtodo iterativo.
Sin embargo, existe un aumento en las rplicas debidas al muestreo no uniforme en trayectoria espiral, an as se logra obtener mejores
resultados y se reduce la complejidad de la tcnica de reconstruccin en este aspecto, aunque
se agregan tcnicas adicionales en la actualizacin de la direccin del gradiente conjugado de
bsqueda, pero esencialmente se incrementa la
complejidad en la incorporacin de la tcnica de
bsqueda lineal. El nmero de ensayos es funcin de la mnima variacin permitida en las observaciones y la relacin seal a ruido.
[10]. Rasche, V., Proska, R., Sinkus, R., Boernert, P., Eggers, H.
Resampling of data between arbitrary grids using convolution
interpolation, IEEE Transactions on Medical Imaging, Vol. 18,
No. 5, pp 385-392, 1999.
REFERENCIAS BIBLIOGRFICAS
Vol. 10 No. 1
Ingeniera
47