Commencez par créer un profil de bruit de contrôle à des fins de contrôle de la qualité ou de contrôle qualité. Utilisez une séquence GRE 2D personnalisée spécifique, y compris un champ de vision élevé, pour capturer le signal maximal de la zone, une bande passante élevée par pixel pour identifier les résonances de bruit à proximité et le temps de répétition le plus bas possible, ou TR, et le temps d’écho, ou TE. Acquérez le QC pour le profil de bruit à l’aide d’un gilet au xénon ou d’une bobine de boucle. Obtenir une image sans échantillon de xénon 129 hyperpolarisé dans la bobine.
Cette image caractérisera le profil de bruit. Examinez les données de bruit acquises, en particulier l’espace K pour les éléments non gaussiens, tels que les pointes, les motifs ou les valeurs discrétisées ou regroupées. Créez un quantile-quantile, ou tracé QQ, en traçant les données réelles ou imaginaires acquises par rapport à un jeu de données gaussiennes synthétisé avec une moyenne, un écart-type et une longueur vectorielle identiques, tous deux classés du plus petit au plus grand.
Les écarts par rapport à la droite Y est égal à X dans le tracé QQ, indiquent la présence de composantes non gaussiennes dans les données acquises, ce qui nécessite une enquête plus approfondie. Procéder à l’identification du modèle de distribution du bruit et des valeurs aberrantes potentielles à l’aide d’un tracé approprié. Pour exclure le scanner en tant que source de bruit, acquérez des images à l’aide du protocole de site standard avec divers paramètres de séquence d’impulsions désactivés et les composants électroniques éteints.
Reportez-vous à la liste à l’écran pour connaître les sources de bruit possibles. Pour éliminer les sources de bruit de la pièce, utilisez une simple bobine de boucle de surface réglée sur la fréquence xénon 129 pour renifler les sources de bruit dans la pièce magnétique. Placez physiquement l’élément de bobine de xénon à proximité d’appareils potentiellement problématiques et exécutez une séquence de test pour détecter le bruit amplifié.
Examinez l’espace K et les données d’image pour identifier la source exacte du bruit de cohérence. Si une source spécifiée est identifiée, essayez de la désactiver ou de la recouvrir d’une feuille d’aluminium, d’un solin ou d’un treillis en cuivre pour réduire le bruit. Relancez l’analyse après avoir désactivé ou couvert les sources de bruit pour voir si le bruit se résout.
Continuez ce processus jusqu’à ce que toutes les sources de bruit soient éliminées, ne laissant que le bruit gaussien quadratique moyen faible. Identifiez le bruit irrégulier comme des pics de signal élevés dans les pixels individuels de l’espace K avec des signaux anormalement élevés ou faibles dans les canaux réels ou imaginaires. Effectuez des images dans différentes orientations d’encodage de phase, y compris antérieure à postérieure, de la tête aux pieds et de gauche à droite.
Éliminez les problèmes potentiels liés aux dégradés X-Y ou Z, en activant ou en désactivant les dégradés individuels de manière sélective. Examinez systématiquement les images résultantes pour identifier la direction spécifique du gradient qui contribue au bruit. Les résultats de l’analyse de caractérisation du bruit effectuée sur le balayage du bruit ont démontré l’impact du bruit régulier et irrégulier sur l’espace K.
Le bruit régulier a conduit à un motif continu dans l’espace K, tandis que le bruit irrégulier a entraîné des valeurs aberrantes de grande valeur dans le graphique QQ. Une série d’images pulmonaires acquises à l’aide de l’IRM HPG a montré qu’un point lumineux distinct centré dans l’espace K indiquait un signal pulmonaire clair avec un faible bruit. À l’inverse, la présence d’un bruit régulier s’est répandue dans l’ensemble des images.
Le bruit irrégulier a évidemment provoqué des pics de valeur élevés dans l’espace K et a entraîné un motif de rayures dans l’espace image. Un scénario où des bruits réguliers et irréguliers étaient présents simultanément a également affecté l’image pulmonaire.