為什麼在GRE圖像中血流是高信號

2021-01-15 騰訊網

在我們見過的很多梯度回波類序列中,血流在梯度回波類序列中表現為高信號,如下圖:

這就是用梯度回波類序列採集的3D-TOF原始圖像,很明顯大腦中動脈表現為高信號,那這是什麼原因呢?

首先,要和大家繼續聊聊流入增強效應,流入增強效應是指如果血流垂直於或基本垂直於掃描層面,同時所選用的TR比較短,這樣層面內靜止組織的質子群因沒有足夠的時間發生充分的縱向弛豫,出現飽和現象,即不能接受新的脈衝激發產生足夠大的宏觀橫向磁化矢量,因而信號發生衰減。而對於血流來說,總有未經激發的質子群流入掃描層面,經脈衝激發後產生宏觀磁化矢量,產生較強的信號,與靜止組織相比表現為高信號。流入增加效應既可以出現在梯度回波序列,也可出現在自旋迴波序列。在多層面掃描時,血流上遊方向第一層內血流的流入效應最強,信號很高,而血流方向的其他層面內由於血流中飽和的質子群逐漸增多,信號逐漸減弱。

(圖示:梯度回波序列上流入增強效應示意圖 黑色虛線框範圍表示梯度場和接受線圈的有效區域;灰色表示靜止組織;黑色區域表示掃描層面;白色表示血管內血流,血流方向垂直於掃描層面。圖a表示在層面選擇梯度場的作用下,小角度(如30°)脈衝施加在被選擇的掃描層面,層面內的靜止組織和血液均被激發。圖b表示儘管在回波採集的時刻被激發的血流已經離開掃描層面,但由於梯度回波的產生無需進行層面選擇,被激發的血流只要不離開讀出梯度場和採集線圈的有效範圍,仍可以產生回波,因而不表現為流空反而呈現高信號)

(圖八:流入側信號強,流出側信號弱)

因此,如果直接應用在像顱內動脈3D血管成像中,會出現明顯的信號不均勻情況,所以,在目前大多數情況下採用多層塊堆積進行血管成像,利用了流入增強信號強的部分,如果還出現階梯狀偽影(百葉窗),可以使用斜坡脈衝。

(圖示:顱腦3D-TOF-MRA定位)

(圖示:顱腦3D-TOF-MRA原始圖)

(圖示:顱腦3D-TOF-MRA的應用)

血流為什麼在梯度回波類序列上為高信號呢?

因為GRE序列成像通常是以順序採集的方式進行圖像採集,也就是一次一個層面,就如在顱腦3D-TOF-MRA一個堆積塊掃完出一次圖像,或2D-TOF-MRA中,也是一層一層出圖,結果就是每一次都是一個流入層面,每一個層面都有流入增強效應產生,所以為高信號。

因為在GRE序列中沒有180度聚相位的聚焦脈衝,並且GRE序列中的聚相位梯度沒有層面選擇性,所以在GRE圖像中血流信號的丟失並不顯著。

(圖示:自旋迴波序列中的180度聚焦脈衝與梯度回波序列中的聚相位梯度作用類似)

因為在GRE序列中TE非常短,這樣可以把失相位導致的信號丟失減到最小,即短TE可以減少T2*散相,同時也減少了流動相關的信號丟失,因此上信號基本沒有丟失就開始採集所以表現為高信號。

來源: 影像技術張春紅

【版權聲明】本平臺屬公益學習平臺,轉載系出於傳遞更多學習信息之目的,且已標明作者和出處,如不希望被傳播的老師可與我們聯繫刪除

相關焦點

  • 新GRE常考察詞彙vacillate
    decisiveness, equipoise   <> resolute(/ decide / settle / adamant /   vacillation < > decisiveness, pertinacity   <> constancy / persistence / impetuosity   新gre
  • GRE數學之排列組合簡析
    以下是gre考試數學中經常考察的內容,這些知識點都是最為基礎的,只有gre考生把這些知識點弄明白才能運用到考題當中。下面就給大家介紹一下最新gre考試數學知識和一些例題的解答過程。
  • GRE數學題目看不懂咋辦?了解GRE數學題目看不懂的原因及解決方法
    今天雷哥GRE資料君mmmgre就和大家分享一下GRE數學題目看不懂的原因及解決方法。目前也很容易就找到GRE資料君mmmgre整理的數學詞彙,平時沒事就寫一寫記一記,做題遇見不會的新數學詞彙也可以自己記錄下來,詞彙問題解決了,題目字面上的意思也能看懂了。看不懂GRE數學題目解決方法之熟系公式+翻譯考生先了解並熟悉GRE數學每一類問題的類型和解決問題的技巧,並熟悉公式的表達式。
  • 新gre官方填空官方指南例題解析25
    新gre填空增加了雙空空題型,自去年新gre改革以來更加側重基礎能力的考察,新gre填空題型更多的考察單詞的用法和精確含義,同時天空中加深了閱讀理解能力的考察,因此考生在備考新gre填空時大量的閱讀訓練也必不可少。
  • gre數學部分排列組合概念和基本公式
    gre數學部分排列組合的內容也是經常會考到的,考生如果想拿到這類題型的分數,必須要先掌握gre數學部分排列組合概念和基本公式。下面我們就給大家簡單地介紹一下相關知識。  (二)基本公式:  從n個不同的元素中任取m個不同的元素的排列數為:  從n個不同的元素中任取m個不同的元素的組合數為:  組合性質:  gre數學部分排列組合其實除了考察考生的公式運算能力,也比較鍛鍊考生的邏輯思維。只要考生平時多注意練習和總結,相信這部分一定不成問題。
  • 93年2月gre考試閱讀真題解析(A)
    接下來的幾天給大家整理了歷屆gre考試閱讀真題及解析,下面這篇是1993年2月gre考試閱讀真題SECTION A部分。複習gre考試閱讀的時候,gre考生應該以往年的真題為複習材料,從真題中總結閱讀規律和特點才是制勝法寶。
  • 新gre考試數學解答及例題指導
    伴隨著全球教育資源的加速共享,美國數學基礎教育的難度也在不斷提升,即新gre數學考試難度也有所增加,改革後的新gre數學考試出現了無選項計算題,對於考生解題思路要求提高了,以下是小編為大家搜索整理的gre考試數學知識解答及例題指導。
  • 醫學信號與圖像處理算法中的並行化
    對於傳統醫學信號與圖像處理大量依賴專用的硬體設備,不僅致使造價昂貴,而且很多性能瓶頸無法得到突破。眾所周知,信號處理上一些重要的變換,如FFT,希爾伯託變換等,在硬體實現上的成本異常驚人,達到難以接受的程度,只有在高端儀器上才會出現。  近年來,信號與圖像處理無論在算法上、系統結構上,還是在應用上以及普及程度上取得了長足的進展。
  • 最新gre考試數學知識及例題解答
    以下是gre考試數學中經常考察的內容,這些知識點都是最為基礎的,只有gre考生把這些知識點弄明白才能運用到考題當中。下面就給大家介紹一下最新gre考試數學知識和一些例題、練習題的解答過程。  An-2=1/(n-2)-/(n-1)  ………………………  ………………………  A1=1-1/2  把左邊加起來就是An+An-1+……+A1=1-1/(n+1) ...消掉了好多好多項之後的結果  Key:把n=100帶入得 前100項之和為100/101  9:等腰三角形,腰為6.底邊上的高為
  • 視覺軟體輸出的圖像視頻信號
    視覺軟體的輸出並不是圖像視頻信號,只是通過與運算處理後的檢驗結果,一般機器視覺檢測就是說用設備替代人眼來做精確測量和分辨,最先選用CCD相機將被攝入目標轉化成圖像信息,ccd監測系統設備,傳輸給專用的圖像處理系統,按照像素分布和色度
  • 新技術可根據腦電波信號生成圖像信息
    新華社赫爾辛基9月21日電(記者朱昊晨 徐謙)芬蘭赫爾辛基大學21日發布公報稱,其研究人員研發出一項腦機交互技術,可以讓電腦通過監測腦電波信號推測特定場景中人腦中的想法,並生成相應圖像信息。研究成果已發表在英國《科學報告》雜誌上。
  • 紐西蘭留學GRE小白必看:全面詳解GRE考試!
    即NEEA-GRE(https://gre.neea.cn/login.do)註冊考試。有同學可能註冊過NEEA-TOEFL,問託福帳號和GRE帳號有什麼關係。答:沒關係!!所以考GRE,需要重新註冊NEEA-GRE的帳號。
  • AP0100CS圖像信號處理器之功能詳解(獨家整理)
    AP0100CS集成了Aptina的先進圖像處理管道(pipeline),具有令人驚嘆的視頻和低光照性能。藉助用於寬動態範圍圖像再現(rendering)的高級局部色調映射(Advanced Local Tone Mapping, ALTM)功能,即使在非常困難的高對比度照明條件下也能夠生成高質量的視頻。
  • 這項新技術可根據腦電波信號生成圖像信息
    芬蘭赫爾辛基大學21日發布公報稱,其研究人員研發出一項腦機交互技術,可以讓電腦通過監測腦電波信號推測特定場景中人腦中的想法,並生成相應圖像信息。研究成果已發表在英國《科學報告》雜誌上。赫爾辛基大學表示,這種腦機交互技術首次利用人工智慧對腦電波信號和電腦顯示的信息同時建模,通過人腦和人工神經網絡的交互作用,使電腦制出與人腦在特定場景下關注到的事物或特徵相對應的圖像,可應用於心理學和認知神經科學。研究人員將這項技術命名為「神經自適應生成模型」,並開展了有31名志願者參與的技術有效性測試。
  • 高光譜圖像的多樣化應用和推廣介紹
    近年來高光譜圖像在軍事和工農業生產的應用越來越廣泛,下面是小編整理的高光譜圖像的應用場景。1. 高光譜目標探測和識別在軍事領域的應用高光譜探測和識別技術在軍事領域具有極為廣闊的應用前景。現有研究表明,以植被的紅邊作為基本識別特徵,高光譜圖像的偽裝目標識別準確率達到了99%。2. 高光譜分析、反演及分類在農業領域的應用高光譜遙感技術的出現,開拓了遙感信息定量獲取的新領域,已經逐漸成為農業遙感應用中重要、前沿的技術手段之一。
  • 圖像傳感器
    比,具有體積小、失真小、靈敏度高、抗振動、耐潮溼、成本低的特點。這些特色決定了它可以廣泛用於自動控制和自動測量,尤其是適用於圖像識別技術中。本文從分析固態圖像傳感器的原理出發,著重對它在測控及圖像識別領域進行分析和探討。
  • 磁性超材料在更短時間內增強MRI信號獲得更清晰圖像
    現在, 波士頓大學光子學中心的工程師開發了一種新設備,小到足以被製成可穿戴設備,這可以增強信號並在較低的磁場強度下提供更高解析度的圖像。MRI可能比X射線等其他成像技術更安全,但它仍然不是最令人愉快的體驗。患者必須完全躺臥一小時或更長時間。最新的核磁共振成像儀可以提高磁場的功率,從而獲得更高解析度的圖像,但這會對患者的植入設備甚至牙科填充物造成嚴重破壞。
  • 淺析人工智慧的卷積神經網絡與圖像處理
    卷積神經網絡被廣泛地運用到計算機視覺中,用於提取圖像數據的特徵,其中發揮關鍵作用的步驟就是卷積層中的卷積運算。 卷積到底是什麼?深度學習中的卷積運算與傳統的信號與系統中的卷積算子有什麼不同?為什麼卷積運算可以提取圖像的特徵呢?下3分鐘帶你讀懂卷積運算與圖像處理。
  • 為什麼在一條電話線路上既能打電話,又能傳輸數位訊號?
    為什麼在一條電話線路上既能打電話,又能傳輸數位訊號計算機上網,在沒有專用線路時可使用電話線路,但這時要增用一套調製器和解調器,這是為什麼呢?打電話時,在電話線路中傳送的是一種由聲音信號變換而來的電信號。
  • 計算機通過人腦信號預測想法,還原人腦圖像準確率高達83%
    【新智元導讀】近日,來自赫爾辛基大學的研究人員開發了一項技術,可以使計算機通過監測大腦信號來模擬視覺感知>近日,赫爾辛基大學的研究人員開發了一種技術,可以使計算機通過監測大腦信號來模擬視覺感知與測試者關注的視覺特徵相匹配的圖像是通過人腦反應與生成神經網絡之間的相互作用而生成的。