Parallel MRI: Acquisición y reconstrucción de RM Santiago Aja-Fernández, Laboratorio de Procesado de Imagen. Universidad de Valladolid (Spain)

Slides:



Advertisements
Presentaciones similares
ANGIÓGRAFO ROTACIONAL: ADQUISICIÓN DE TC Y 3D
Advertisements

COMPENSACIÓN DE MOVIMIENTO
Tema 3. Formación de imágenes 3D. El concepto de seccionado óptico.
Los exponentes también se llaman potencias o índices
UNIDAD 3 Clase 3.3 Tema: Vectores en R2 y R3
Filtros digitales y Máscaras
Fuerza   Cualquier acción o influencia que modifica el estado de reposo o de movimiento de un objeto. Es decir, que fuerza es el empuje que pone en movimiento.
Ciencias, Unidad 2: PETER CAIRNEY
Tema 3 Revisión de diversos métodos robustos aplicados en algunos problemas fotogramétricos.
CÁLCULO MENTAL EN EDUCACIÓN INFANTIL
Introducción a los Procesadores Digitales de Señal (DSP)
MÁSCARAS DE CONVOLUCIÓN PARA LA DETECCIÓN DE BORDES.
POTENCIAS.
Esto es sólo una muestra, el power point no está completo
APLICACIONES DEL DSPI DESARROLLADAS EN EL CIOp. Medición de focales de lentes o sistemas Medida de espaciados.
Falta agregar contenidos del servicio de pet, eco 4d, ecoestres, nuevo resonador y doppler pulsado, tambien hay que analizar traumatologia y anunciar el.
Tracking de objetos articulados Model-Based Tracking of Complex Articulated Objects Kevin Nickels, Member, IEEE, and Seth Hutchinson, Senior Member, IEEE.
Procesamiento digital de Imágenes
MODULO MATERIALES DIDACTICOS
Procesado de Imágenes Médicas Introducción a la asignatura.
Factorización de polinomios
Operaciones con números complejos
BIOMETRIA II TEMA 2 El Modelo de Regresión.
Prueba de concepto Entrega de respuestas a sus preguntas de implementación de Windows® 7 y Microsoft® Office 2010 Prueba de concepto Entrega de respuestas.
CIRCUITOS INDUCTIVOS Y CAPACITIVOS
Estilos de aprendizaje
Material de apoyo para el docente CURSO II: “CANTIDAD”
Del lenguaje ordinario al lenguaje algebraico
Conferencia 7 Una línea típica de transmisión, Línea de transmisión homogénea, Coeficiente de Reflexión Tomado del material preparado por el Dr. Ricardo.
Flujo óptico Omar Ocegueda 24 de Noviembre de 2003.
Detectores de Borde. Extracción de Características Detección de Líneas. Detección de Puntos de Borde. Detección de Contornos.
DERIVADO DE LOS COEFICIENTES DE REGRESIÓN LINEAL Y X Esta sequencia muestra cómo los coeficientes de regresión para un modelo de regresión lineal simple.
Recuerda: propiedades de la suma y el producto
Ernesto Coto RECONSTRUCCIÓN DE VOLÚMENES CON TETRAEDROS A PARTIR DE SUPERFICIES GENERADAS UTILIZANDO MODELOS DEFORMABLES Laboratorio de Computación Gráfica.
Números complejos Álgebra Superior.
McGraw-Hill©The McGraw-Hill Companies, Inc., 2001 Capítulo 5 Codificación y modulación.
Unidad 2: ECUACIONES DIFERENCIALES DE ORDEN SUPERIOR
Imágenes en el PC Fuente: Curso HTML del CNICE. Tipos de imagen A grandes rasgos podríamos dividir las imágenes digitales en dos grupos: Imágenes vectoriales,
Tema 3: Filtros.
Cálculo vectorial El curso debería ser de un año
Procesamiento Digital de Imágenes
Analisis de datos en imagenes hiperespectrales: intro 1 Analisis de datos hiperespectrales: otra revisión Hyperespectral image data analysis, D. Landgrebe,
Robot Bailón Desarrollado por: Jesús López Méndez Valerio Rodríguez Robledo.
Departamento de Ingeniería En Obras Civiles
Departamentalización Estructuras Tipo
MAPAS MENTALES 11 HERRAMIENTAS PARA CREAR MAPAS MENTALES.
Geometría primitiva y Transformaciones
Secciones de un formulario
Sur-Gard System III El Receptor más versatil, flexible y poderoso del mercado El Receptor de la próxima generación… Cubriendo las necesidades del futuro!
Sistema de Información Médica Digital. HIS PACS Almacenamiento Visualización DigitalizaciónPlanificación Admisión InformesFacturación Recuperación Procesamiento.
Modelos matemáticos del proceso de muestreo y retención
Añadir o insertar imágenes y formas a una presentación Puede insertar o copiar, imágenes e imágenes prediseñadas (imagen prediseñada: imagen ya elaborada.
ARCHIVOS DE AUDIO.
TRABAJO DE MATEMÁTICAS
Las columnas están distinguidas con “letras” desde la A hasta la ZZ Las filas están distinguidas con “Números” desde el 1 hasta el infinito Los usuarios.
Combinación de casos de factorización
PRÁCTICO 2 NIVEL DE ENLACE DE DATOS DELIMITADOR DE FRAMES DETECCIÓN DE ERRORES CONTROL DE FLUJO Comunicación de Datos I.
Construcción de modelos con regresión y correlación
Operaciones con Expresiones Algebraicas
Ciencia del tipo axiomático – deductivo, que estudia la comunicación y el control de los sistemas.
Interpolación Jessica Hernández Jiménez.
Multiplicación de Expresiones Algebraicas
Geometría Analítica.
1.ª Parte: Dónde y cómo buscar información.  Cuando se busca información sobre un tema, es necesario emplear una «estrategia de búsqueda» para optimizar.
Distribución en Planta
NEW TECHNIQUE PAINTS TISSUE SAMPLES WITH LIGHT./ NUEVA TÉCNICA PINTA MUESTRAS DE TEJIDO CON LUZ. La imagen numero 1 de la lectura podría tratarse de un.
TEMA 7 ANÁLISIS DE LOS RESULTADOS TEMA 7 ANÁLISIS DE LOS RESULTADOS.
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
SISTEMA TRANSMILENIO ANÁLISIS DEL SISTEMA POR ARBOL DE DECISION SISTEMA TRANSMILENIO ANÁLISIS DEL SISTEMA POR ARBOL DE DECISION MARCELA MALAVER JUAN DAVID.
ICBM COMPUTATIONAL ANALYSIS OF CELL BEHAVIOUR IN DEVELOPING EMBRYOS |04|2007 Miguel Concha / Steffen Härtel Programa de Anatomía y Biología del Desarollo,
Transcripción de la presentación:

Parallel MRI: Acquisición y reconstrucción de RM Santiago Aja-Fernández, Laboratorio de Procesado de Imagen. Universidad de Valladolid (Spain) ENERO 2015 U NIVERSIDAD DE V ALLADOLID E.T.S. I NGENIEROS DE T ELECOMUNICACIÓN

Parallel Imaging 2

3 Adquisiciones en RM Una sola bobina (single coil) Varias bobinas/antenas (multiple-coil) En caso de varias bobinas: posibilidad de aceleración: pMRI

Parallel Imaging 4 Proceso de adquisición Imagen de magnitud + Procesado Adquisición Paciente

Parallel Imaging 5 ScannerK-space X-space (complex) Magnitude F -1 |. | Signal acquisition (Single coil)

Parallel Imaging Signal acquisition (Multiple coil) 6

Parallel Imaging 7 Signal acquisition (Multiple coil) F -1 7

Parallel Imaging 8 Modelo de Imagen en cada coil Se adopta el siguiente modelo para la imagen en cada bobina (espacio x) I l (x)=C l (x)·I(x) =x 8

Parallel Imaging 9 9

10 Reconstrucción de Imagen de Magnitud Con las sensibilidades: I l (x)=C l (x)·I(x)  I=C I(x) I R (x)=(C H C) -1 C H I  M(x)=|I R (x)| Sin las sensibilidades (Sum of squares) M(x)= (  l |I l (x)| 2 ) 1/2 10

Parallel Imaging 11 Reconstrucción de Imagen en varios coils Esto no es Parallel Imaging Ventaja principal de varios coils: Mayor SNR En algunos casos aceleración Mejor adaptación a geometría Gran redundancia de datos: ¿podemos adquirir menos datos? 11

Parallel Imaging 12 Parallel Imaging Idea: como hay redundancia, escaneamos menos datos y reconstruimos lo que falta. Reducimos en el número de líneas Escaneo de línea (rápido) Salto de línea (lento) 12

X-space (complex) K-spaceK-space (subsampled) 13

Parallel Imaging 14 Parallel Imaging Muchas técnicas de reconstrucción pMRI, distintas filosofías. Aparecen variantes cada día. Más conocidas: SENSE y GRAPPA SENSE: Sensitivity encoding. GRAPPA: Generalized auto calibrating partially parallel acquisition. 14

Parallel Imaging 15 Parallel Imaging: SENSE Parallel Imaging: SENSE [Pruessmann, et al, MRM 2001; 46(4): ] Submuestreo homogéneo del espacio k 15 Coil 1 Coil 2 Coil 3 Coil 4 Reconstrucción en espacio x

Parallel Imaging 16 Parallel Imaging: SENSE 16 S m (x,y)= C m (x,y) I(x,y)+C m (x,y+FOV/2) I(x,y+FOV/2) Trabajamos en el espacio x complejo Coil m

Parallel Imaging 17 Parallel Imaging: SENSE 17 S m (x,y)= C m (x,y) I(x,y)+C m (x,y+FOV/2) I(x,y+FOV/2) S R =W · S S, con W(x,y)= ( C * (x,y) C(x,y) ) -1 C * (x,y) Obtenemos una (sola) imagen compleja. Es necesario tomar el módulo. Necesitamos estimar mapas de sensibilidad

Parallel Imaging 18 Parallel Imaging: GRAPPA Parallel Imaging: GRAPPA [Griswold et al, MRM 2002; 47(6): ] Autocalibrado: no necesita sensibilidades 18 Coil 1 Coil 2 Coil 3 Coil 4 Reconstrucción de espacio k

Parallel Imaging 19 Parallel Imaging: GRAPPA 19 Reconstruction from linear combination of subsampled data OriginalSubsampledReconstructed

20 k-space Lines to be reconstructed Sampled Lines Coil 1 Coil 3 Coil 2 Coil 4

Parallel Imaging 21 Parallel Imaging: GRAPPA 21 Necesito unos coeficientes para reconstruir cada punto. Los coeficientes son los mismos para toda la imagen (diferentes para cada coil). Ventana 3x2 y 8 coils: 3x2x8 para cada coil, (3x2x8)x8 coeficientes. Se estiman a partir de las líneas ACS (autocalibrado). Centro del espacio k sin muestrear

Parallel Imaging 22 Parallel Imaging: GRAPPA 22

Parallel Imaging 23 Parallel Imaging: GRAPPA 23 Reconstrucción a partir de operación local y combinación de coils: s R m (k) =  l s l (k)  w l,k (k) Señal reconstruida : s R m (k) en espacio k para cada coil. Pasamos a espacio x, S m (x)=F -1 {s R m (k)} Magnitud: Mediante suma de cuadrados: M(x)=SoS{S m (x); m=1,…L}

Parallel Imaging 24 Resumiendo Posibilidad de single coil – multiple coil Multiple coil: requiere de estrategia de combinación de imágenes Además, multiple coil puede acelerarse mediante pMRI Si se usa pMRI: necesaria estrategia de reconstrucción

Questions?

Parallel MRI: Acquisición y reconstrucción de RM Santiago Aja-Fernández, Laboratorio de Procesado de Imagen. Universidad de Valladolid (Spain) ENERO 2015 U NIVERSIDAD DE V ALLADOLID E.T.S. I NGENIEROS DE T ELECOMUNICACIÓN