同时减少 GRAPPA EPI 时间序列数据中两种常见的自校准误差
医学物理
2012-08-07 v1 神经元与认知
摘要
并行 MRI 的 GRAPPA (GeneRalized Autocalibrating Partially Parallel Acquisitions) 方法利用自校准扫描 (ACS) 来确定一组用于图像重建的合成系数。对于 EPI 时间序列，ACS 数据通常在时间序列之前采集一次。在这种情况下，交错 R 射 EPI 轨迹（其中 R 为 GRAPPA 缩减因子）具有优势，我们从理论和实验角度证明了这一点。不幸的是，由于射间发生的信号扰动（如直接和间接运动效应），交错的 R 射 ACS 可能会受到破坏，这些扰动可能导致 GRAPPA 重建图像中出现伪影。因此，我们还提出了一种采集交错 ACS 数据的方法，以减少射间信号扰动的影响。该方法利用相位校正数据（ conveniently 许多标准 EPI 序列的一部分）来评估 R 射 EPI ACS 扫描各段之间的信号扰动。相位校正扫描充当导航回波，或更准确地说是扰动敏感信号，对其应用均方根偏差扰动度量，以便在 EPI 时间序列之前采集的多组完整 ACS 数据中确定最佳可用完整 ACS 数据集。该最佳集合（假设为具有最小扰动度量值的集合）用于 GRAPPA 自校准算法，从而以略微增加总采集时间为代价，显著改善后续 EPI 时间序列的图像质量和时间信噪比。
引用
@article{arxiv.1208.0972,
title = {Simultaneous Reduction of Two Common Autocalibration Errors in GRAPPA EPI Time Series Data},
author = {D. Sheltraw and B. Inglis and V. Deshpande and M. Trumpis},
journal= {arXiv preprint arXiv:1208.0972},
year = {2012}
}