まず、品質管理(QC)の目的で制御ノイズプロファイルを作成します。高視野を含む特定のカスタマイズされた2D GREシーケンスを使用して、エリアから最大信号をキャプチャし、ピクセルあたりの帯域幅を広くして近くのノイズ共振を特定し、可能な限り短い繰り返し時間(TR)とエコー時間(TE)を特定します。キセノンベストまたはループコイルを使用してノイズプロファイルのQCを取得します。コイル内に過分極キセノン129サンプルがない画像を取得します。
この画像は、ノイズプロファイルを特徴付けます。取得したノイズ データ、特に非ガウス要素 (スパイク、パターン、離散化値、ビン化値など) の K 空間を調べます。取得した実数データまたは虚数データを、平均、標準偏差、ベクトル長が同一の合成ガウス データセットに対して、最小から最大の順にプロットして、分位点-分位点 (QQ) プロットを作成します。
QQプロットの線Yからの偏差がXに等しい場合は、集録データ内に非ガウス成分が存在することを示しており、さらなる調査が必要です。ノイズ分布パターンと潜在的な外れ値の特定に進み、適切なプロットを選択します。スキャナーをノイズ源として除外するには、さまざまなパルスシーケンスパラメータを無効にし、電子部品の電源をオフにした状態で、標準のサイトプロトコルを使用して画像を取得します。
考えられるノイズ源については、画面上のリストを参照してください。部屋からノイズ源を除去するには、キセノン129周波数に調整された単純な表面ループコイルを使用して、マグネットルームの周りをノイズ源の匂いを嗅ぎます。キセノンコイル素子を潜在的な問題のあるデバイスの近くに物理的に配置し、テストシーケンスを実行して増幅されたノイズを検出します。
K空間データと画像データを調べて、コヒーレンスノイズの正確な発生源を特定します。特定の発生源が特定された場合は、それを無効にするか、アルミホイル、フラッシング、または銅メッシュで覆ってノイズを減らします。ノイズ源を無効化またはカバーした後、スキャンを再実行して、ノイズが解決するかどうかを確認します。
すべてのノイズ源が除去され、低い二乗平均平方根ガウス ノイズのみが残るまで、このプロセスを続けます。不規則なノイズを、個々の K 空間ピクセルで高い信号スパイクが発生し、実チャネルまたは虚数チャネルで信号が異常に高いまたは低いこととして識別します。前部から後部、頭から足、左から右など、さまざまな位相エンコード方向でイメージングを実行します。
X-Y-または Z-グラデーションに関する潜在的な問題を、個々のグラデーションを選択的に有効または無効にすることで解消します。結果の画像を体系的に調べて、どの特定の勾配方向がノイズの原因となっているかを特定します。ノイズスキャンで実施されたノイズ特性解析の結果は、K空間に対する規則的および不規則なノイズの両方の影響を示しました。
規則的なノイズは K 空間に連続的なパターンをもたらし、不規則なノイズは QQ プロットに高い値の外れ値をもたらしました。HPG MRIを用いて取得した一連の肺画像は、K空間を中心とする明瞭な輝点が、低ノイズで明瞭な肺信号を示していることを示しました。逆に、通常のノイズの存在が画像全体に広がっていました。
不規則なノイズは、明らかにK空間で高い値のスパイクを引き起こし、画像空間に縞模様をもたらしました。規則的なノイズと不規則なノイズの両方が同時に存在するシナリオも、肺画像に影響を与えました。
