Pour commencer, acquérez des images IRM ultracourtes du poumon en respiration libre. Importez les données et les trajectoires espacées de k dans MATLAB. Ignorez les 1000 premières projections pour vous assurer que les données atteignent une magnétisation à l’état stationnaire.
Ensuite, effectuez la reconstruction d’image à l’aide d’une transformée de Fourier rapide non uniforme jusqu’à une taille de matrice de 96 par 96 par 96. Utilisez environ 200 projections correspondant à 0,6 à 0,8 seconde de données. Ensuite, reconstruisez et stockez les images de tous les éléments de la bobine ainsi que l’image finale combinée de la bobine.
Dans l’image combinée de la bobine, sélectionnez une tranche coronale qui montre clairement le diaphragme. Une fois la tranche coronale sélectionnée, affichez les images de bobine individuelles pour cette tranche et sélectionnez un ou deux éléments de bobine qui montrent le mieux le diaphragme. Maintenant, reconstruisez uniquement les données des éléments de la bobine à l’aide d’une fenêtre coulissante pour générer des images avec une résolution temporelle d’environ 0,5 seconde.
Utilisez les 200 premières projections pour reconstruire une image à l’aide d’une transformée de Fourier rapide non uniforme et stockez uniquement la tranche du diaphragme. Décalez de 100 projections et reconstruisez une image supplémentaire stockant la tranche de diaphragme. Maintenant, sélectionnez une ligne sur le diaphragme dans la première des images de la fenêtre coulissante.
Visualisez le mouvement respiratoire en consultant ce navigateur respiratoire pour toutes les projections. Déterminez l’emplacement du diaphragme de tous les navigateurs respiratoires et utilisez-le pour étiqueter les projections comme appartenant à une cellule respiratoire donnée. Identifiez ensuite le bac avec le plus grand nombre de projections correspondant à l’expiration finale et choisissez-le pour la reconstruction.
Utilisez un filtre exponentiel pour fournir un poids de un aux projections à l’intérieur du bac primaire et un poids fortement réduit aux projections à l’intérieur de différents bacs respiratoires. Ensuite, utilisez la boîte à outils de reconstruction avancée Berkeley pour reconstruire une image haute résolution à la poubelle respiratoire souhaitée. Calculez les poids de compensation de densité à l’aide d’une combinaison de densité itérative.
Mettez à l’échelle les poids de compensation de densité en fonction des poids de soft-gate. Ensuite, mettez les données à l’échelle en fonction de la compensation de densité et des poids de soft-gate. Effectuez maintenant une transformée de Fourier rapide non uniforme de base pour faciliter la combinaison de bobines.
Convertissez l’image de transformée de Fourier rapide non uniforme en espace k quadrillé pour la combinaison de bobines. Générez ensuite une matrice de combinaison de bobines et utilisez-la pour combiner des bobines à la fois pour les données brutes et l’espace K maillé et estimer les sensibilités des bobines. Ensuite, à l’aide de la compensation de densité pondérée, les données combinées de la bobine et les cartes de sensibilité de la bobine effectuent une reconstruction de sens compressée d’imagerie parallèle.
Les images générées à l’expiration de la fin à l’aide du gating basé sur l’image et du k-space ont montré une visualisation claire du diaphragme, le gating basé sur l’image démontrant une compensation de mouvement supérieure. Le soft-gating a amélioré la netteté des images d’inspiration, réduisant les artefacts sous échantillonnage par rapport au hard-gating. Le déclenchement basé sur l’image et le gating basé sur l’espace k ont détecté avec succès les formes d’onde respiratoires pendant la respiration normale, le gating basé sur l’image donnant des résultats plus clairs dans des conditions respiratoires irrégulières.
