Abdominal magnetic resonance imaging (MRI) remains as a major challenge due to respiratory motions, which degrade image quality. To minimize the motion-related artifacts, free-breathing methods for retrospective reconstruction based on the respiratory self-gating have been proposed. However, in these methods, acquisition
timings of the adjacent phase-encoding (PE) lines can be concentrated in non-quiescent respiratory phases (e.g. mid-inspiration), resulting in severe image artifacts.
To overcome the problem, a robust data acquisition scheme based on a variable density sampling is presented in this thesis, where multiple signals of the same PE are equidistantly acquired over a respiratory cycle and the consecutive PE steps are randomly distributed. After gating procedure the data represent randomly undersampled
patterns along the respiratory phase direction. Thus, by using compressed sensing (CS) reconstruction technique, artifacts caused by undersampling and motion inconsistency can be effectively eliminated.
To extract the respiratory motion state, the self-navigated technique is embedded in a Cartesian two dimensional fast low angle shot sequence. A variable density acquisition, whose distribution is determined by Gaussian function with an adjustable variance, is used. In the proposed data ordering, firstly, signals of the same PE step are equidistantly acquired over a predetermined respiratory period, Tresp and secondly, the ordering of the PE steps is incoherently traversed using a random generator, thereby preventing the adjacent PE lines from being densely acquired at non-quiescent respiratory phases. After retrospective gating procedure, the multiple images at different respiratory phases are reconstructed from randomly undersampled k-space data using reconstruction method with total variation as a sparsifying transform.
To validate the proposed method, a numerical phantom simulation and in-vivo experiments are conducted. Simulation and experimental results show that the proposed data acquisition method provides improved image quality regardless of the different motion patterns and by using the CS reconstruction method, reconstructed images preserve more fine details of anatomy regions with reduced motion artifacts.
복부 자기공명영상에서 호흡 움직임에 의한 왜곡 현상은 영상의 화질 저하를 야기하기
때문에 보상되어야만 하는 문제점이다. 호흡에 의한 왜곡을 최소화하기 위해 최근 자유로운
호흡상태에서 데이터를 취득하고, 네비게이터 신호를 이용하여 호흡의 상태를 후처리적으로
결정함으로써 영상을 복원하는 기법들이 제안되었다. 그러나 이러한 방법들은 데이터의 취득
면에 있어, 호흡의 움직임이 크게 발생하는 위상에서, k-공간의 인접한 데이터들이 집중적으로 취득될 수 있다는 단점이 있다. 이는 영상 복원 과정에서 왜곡을 만드는 주된 원인이 되기 때문에 개선되어야 한다. 이러한 문제점을 개선하기 위하여, 본 논문에서는 variable density 샘플링 기법과 호흡 주기를 고려한 랜덤 한 데이터 취득 기법을 동시에 사용함으로써, 호흡의 움직임에 강인한 영상법을 제안한다.
먼저, 자유로운 호흡상태에서 데이터를 취득하되, 취득된 각각의 데이터들이 호흡의 어떤
상태에서 얻어졌는지를 셀프 네비게이팅 기법을 이용하여 판단한다. 데이터의 취득은 가우시안 함수를 이용하여 k-공간의 중앙의 데이터를 가장자리의 데이터보다 많이 취득하는 variable density 방법과, 반복 취득되는 데이터는 호흡의 한 주기 동안 반복되도록 하되 데이터의 증가폭은 랜덤 한 패턴을 갖도록 하는 랜덤 순서 방법을 동시에 사용한다. 그 후, 셀프 네비게이터 신호를 이용하여 취득된 데이터를 호흡의 여러 위상으로 분류하게 되면, 분류된 데이터는 랜덤 한 undersampling 패턴을 갖게 된다. 이와 같은 결과는 압축 센싱 복원 방법에 적용할 수 있는 조건을 충족하기 때문에 호흡의 여러 위상의 영상을 복원함에 있어 압축 센싱 복원 방법을 사용한다. 이를 통해 기존의 영상 복원 방법보다 왜곡이 개선된 영상을 복원 할 수 있다.
시뮬레이션과 실험결과는 제안하는 데이터 취득 기법이 호흡의 여러 경향성에 보다
강인하다는 것을 보여준다.
