A novel reconstruction method for susceptibility-weighted imaging called Magnitude of Complex Fil-tering is proposed to significantly reduce the background phase effects, especially at the air-tissue interface, and to enhance the desirable local structures of veins. In the proposed reconstruction method, a complex-valued magnetic resonance image is acquired using a flow-compensated high-resolution 3D gradient-echo sequence and the magnitude of the complex-valued image is set to 1 so that the phase information, which contains details of the local susceptibility, is emphasized. Then, the nonlinear filter of the Magnitude of Complex Filtering method is applied to the complex-valued image with a constant magnitude. This filter utilizes the magnitude of the low-pass and high-pass filtered complex data to selectively reduce the background phase effects while enhancing the local structures. The filter output is then processed to generate a susceptibility-weighted image. Compared with the conventional susceptibility-weighted images generated by a homodyne high-pass filter, the susceptibility-weighted images from the proposed Magnitude of Complex Filtering method show significant improvement; the undesirable artifacts at the air-tissue interface regions and the brain boundaries are significantly reduced, while the contrast of the local structures of veins is enhanced. In conclusion, the Magnitude of Complex Filtering method successfully reduced most background phase effects without requiring additional processing or scan time.
자화율 강조 영상법에서 배경 위상 변화에 의한 인공물을 최소화하고 정맥과 같은 목표 조직의 대조도를 향상시키기 위하여 새로운 필터링 방법을 제안한다. 제안하는 방법은 우선 3차원 고해상도 경사자계 에코 시퀀스를 이용하여 자기 공명 복소수 영상을 얻는다. 복소수 영상에서 자화율 정보를 포함하고 있는 위상 값을 사용하기 위하여, 크기 값을 1로 설정한다. 이렇게 얻은 크기 값이 1인 복소수 영상에 제안하는 방법의 비선형 필터를 적용한다. 이 필터는 저주파와 고주파 필터링 된 복소수 영상의 크기 값을 이용하여, 불필요한 배경 위상 변화를 선택적으로 제거해주고 목표 조직에서만 큰 값을 제공해준다. 이러한 필터 결과를 이용하여 자화율 강조 영상을 만들면 기존 방법에서 보이는 배경 위상 변화에 의한 인공물을 제거해줄 수 있다. 제안하는 방법은 기존 방법 대비 배경 위상 변화에 의한 인공물을 제거해 주었으며, 뇌 경계 부분을 더 잘 살려내었으며, 정맥과 같은 목표 조직의 대조도를 증가시켜주었다. 또한 제안하는 방법은 쉽게 구현 가능하며 처리 시간이 짧다는 장점이 있다. 이 논문은 제안하는 방법의 원리를 설명한 후, 시뮬레이션 영상과 실제 뇌 자기공명 영상을 이용하여 제안하는 방법의 성능을 검증하였다.
