velocità di imaging: metodo view sharing e riempimento Keyhole del K spazio.
Buongiorno a tutti. I due metodi sopracitati servono ambedue per velocizzare una acquisizione dinamica o cine. Ma qualcuno mi sa dire la differenza che esiste tra i due metodi di riempimento? Il Keyhole lo conosco bene, ma faccio fatica a capire che differenze ci sono con il view sharing che mi sembra analogo. Grazie. 🙂
[allegato non incluso]
Dovrebbe essere la condivisione degli echi, appena ho il pc cerco qualche articolo vero
Grazie, mentre aspetto faccio qualche altra ricerca.
ti mando un articolo che penso sia quello che fa per te.
però poi ci fai un piccolo riassuntino sul view sharing in modo che possiamo capire anche noi 😀
Sostanzialmente è il nome generico che include tutte le differenti tecniche tra cui anche il keyhole
Ti ringrazio Utente 0002. Datemi il tempo di vedere se capisco e poi informo tutti.
Che bell'articolo che mi hai mandato. Ma si può pubblicare la traduzione di alcune parti o è coperta anche quella dai diritti di autore? E' veramente interessante e utile.
Massi certo basta che citi la fonte è che non fai proprio un copia incolla da Google translator
Non è proprio un copia e incolla, perchè all'inglese bisogna dargli un senso. Sono a buon punto, le cose più importanti le ho quasi tradotte tutte. A breve arriva.
Massi certo basta che citi la fonte è che non fai proprio un copia incolla da Google translator
Vediamo se riesco ad essere esaustiva, ho studiato un po'.
Il metodo view sharing raggruppa le tecniche di condivisione dei dati ottenuti nel tempo nelle acquisizioni dinamiche; queste comprendono: MR fluoroscopia, Keyhole, BRISK, CURE, TRICKS, il sottocampionamento radiale, VIPR, golden-angle radial, TWIST e molti altri ancora. Sappiamo che nell'acquisizione dinamica si formano tanti K spazio quante sono le fasi dinamiche della sequenza. In questo caso dobbiamo considerare non più il K spazio propriamente detto, ma lo spazio K-t che ne è una estensione. In pratica al k spazio che noi conosciamo viene aggiunto un asse supplementare che è rappresentativo del tempo. Ad es.. se in una acquisizione dinamica 2D acquisiamo una serie di matrici di K spazio singole, una dopo l'altra, impilandole in successione, si può ottenere un cubo 3D che rappresenta lo spazio K-t 3D con asse Kx, Ky e asse t. In modo analogo, per l'imaging dinamico 3D, ci sarà un corrispondente spazio K-t 4D. Il campionamento dei dati segue un modello che indica quando e quali punti dei dati devono essere acquisiti. L'immagine rappresenta un tipo di campionamento ed è tratta da MRI Temporal Acceleration Techniques di Jeffrey Tsao et all, JMRI 36:543-560(2012).[allegato non incluso]
Modello di campionamento K-t.
La figura mostra per semplicità esempi per l’imaging 2D. Nella riga in alto per ciscun frame di acquisizione, si acquisiscono o le linee pari o le dispari, le acquisite rappresentate in nero e grassetto e le non acquisite in tratteggiato. Il tutto viene rappresentato dal modello di campionamento K-t a dx, dove i punti neri rappresentano l’acquisito, e i punti bianchi il non acquisito. In basso la rappresentazione grafica è adattata al modello di campionamento radiale. In questo caso, l’asse verticale del modello di campionamento K-t rappresenta l’angolo del raggio radiale nel K spazio.
Campionando come nell'es.. alcuni dati vengono acquisiti direttamente per ogni frame e gli altri ricostruiti con quelli acquisiti nel frame precedente ottenendo una riduzione del tempo di acquisizione che dipende da quanti dati vengono acquisiti ogni volta. In pratica dalla pianificazione del campionamento. La cosa interessante è che l'acquisizione dell'immagine è totalmente scorporata dalla generazione dell'immagine, e i dati vengono condivisi nei momenti successivi per generare immagini diverse dopo ogni TR senza aspettare il riempimento di un intero K spazio. Quindi si ha una acquisizione in continuo che aggiorna i dati, mentre la generazione dell'immagine prende qualsiasi contenuto dell'insieme di dati e lo converte in immagine. Le immagini che si ottengono sono la media dei dati acquisiti all'interno di una intera finestra temporale .
Non so perchè l'immagine non è uscita.[allegato non incluso]
Ci aggiungo un pezzetto di traduzione dello stesso articolo sopra citato, perchè penso possa essere utile a tutti.
View Sharing.
Dal 1980 sono state sviluppate diverse tecniche di condivisione dei dati (i cosiddetti views) attraverso il tempo, in modo da sfruttare la somiglianza tra i frames acquisiti in tempi adiacenti. Queste comprendono la MR fluoroscopia (60), Keyhole(61,62), BRISK (1), CURE (63), TRICKS (29), sottocampionamento radiale (31), VIPR (32), golden-angle radial (64), TWIST (38) e molti altri.
Supponiamo che le linee del K spazio si dividono in 8 interlive. Per ogni intervallo di tempo viene acquisito un solo interlive di dati, mentre le altre vengono saltate, e quindi i tempi di sotto campionamento durano 1/8 della matrice completa, ottenendo un aumento di 8 volte in risoluzione temporale apparente. La parola chiave è “apparente”, perché anche se otteniamo una risoluzione temporale 8 volte maggiore, le immagini non possono contenere informazioni corrette.(vedi fig.1). A seconda delle la tecnica di recupero dati, come si spiega in seguito, le immagini possono soffrire di blurring temporale, per cui la risoluzione temporale reale sarà inferiore a 8 volte.
La fluoroscopia MR è stata la prima tecnica di view-sharing. Acquisisce ripetutamente dati del K spazio in modo lineare da una estremità della matrice a quella opposta (come in figura 2 in alto), in modo che ogni parte del K spazio ha la garanzia di essere aggiornata nella stessa misura. Per ogni frame, dopo che ogni riga del K spazio viene acquisita, la restante parte non acquisita viene riempita con i dati del k spazio acquisiti in precedenza per le stesse linee. In questo modo i dati o le viste (views) vengono condivisi attraverso momenti successivi e possono essere generate immagini diverse dopo ogni TR, piuttosto che dopo la riacquisizione dell’intero K spazio (cioè dopo TR*N° di linee di codifica del K spazio). Questa tecnica inoltre disaccoppia il compito di acquisizione delle immagini da quella di generazione di immagine: l'acquisizione in continuo aggiorna un insieme di dati, mentre la generazione di immagini prende qualsiasi contenuto nell'insieme in un determinato momento e lo converte in un'immagine. I due compiti sono quindi separati e operano in modo asincrono. Questa tecnica è nota anche come moving buffer, moving average, o sliding window reconstruction ed e una acquisizione che produce le immagini di una serie dinamica attingendo i dati acquisiti in una finestra temporale che comprende tutta l’acquisizione, e ciascuna immagine è ottenuta attraverso una media dei dati acquisiti all’interno della finestra temporale stessa.
I parametri della tecnica MR fluoroscopy studiano l’impatto dei diversi modelli di campionamento del K-t, al fine di manipolare il contrasto dell’immagine, migliorare la rappresentazione del movimento,e ridurre gli effetti off-resonance nelle EPI (65, 66).
Seguono tecniche a densità variabile come Keyhole (61,62), BRISK (1), CURE (63), TRICKS (29), sottocampionamento radiale (31), VIPR (32), golden-angle radial (64) e TWIST (38).
Queste tecniche aggiornano il K spazio in modo non uniforme, di solito più frequentemente al centro, partendo dal presupposto che la maggior parte del segnale è contenuta in quella sede.
Keyhole è il caso estremo, in cui solo il centro viene aggiornato continuamente, mentre la periferia viene acquisita una sola volta all’inizio, e magari di nuovo alla fine della serie dinamica. In effetti è stato dimostrato che la vera informazione dinamica è a bassa risoluzione spaziale e per questo motivo si aggiorna solo la parte centrale del K spazio e la restante parte viene copiata da un time frame diverso.
Tecniche quali BRISK e TRICKS dividono la spazio K in diverse zone e utilizzano un modello di campionamento che campiona alternativamente il centro del K spazio e una zona prestabilita alla periferia del K spazio. CURE utilizza un modello con ordine pseudo casuale e con aggiornamenti più frequenti al centro. TWIST è una estensione di TRICKS e suddivide ulteriormente ciascuna zona in sotto zone più piccole in modo pseudo casuale come CURE. [allegato non incluso]