原文链接:How does GRAPPA/ARC work?
- 概要
GRAPPA (GeneRalized Autocalibrating Partial Parallel Acquisition) 和 ARC (Autocalibrating Reconstruction for Cartesian imaging)都是多线圈并行成像技术。像其他的并行成像技术（如SENSE/ASSET）一样，GRAPPA/ARC仅采样数量有限的相位编码步骤。相位欠采样大大减少成像时间但是导致信号混叠，必须展开。SENSE/ASSET中，线圈敏感性用于在傅里叶变换后的图像域区分这些信号，而GRAPPA/ARC则是在傅里叶变换前的k空间中进行校正。可以说：
SENSE/ASSET方法是先重建，然后校正
GRAPPA/ARC方法是先校正，然后重建
下表说明了GRAPPA/ARC过程中四个主要的步骤：
- 数据采集。对采集的MR信号进行数字化，解调，填充每个线圈的k空间矩阵。因为跳过了多个相位编码步骤，许多k空间中的线会丢失。然而穿过k空间中心的线是全采样的，构成自动校准信号（ACS）区域。这些额外的ACS线就是在图像采集过程中完成的（因此术语为“自校准”）。
- 估计缺失的线。ACS中得到的已知数据用于计算每个线圈的权重因子。这些权重因子反应了每个线圈在全FOV的k空间数据中如何扭曲，变形和空间频率错置。估计k空间中缺失的点采用迭代方式，使用全局权重因子结合每个小区域（称为块或核）的局部已知数据。需要指出的是，使用所有线圈的权重因子和已知数据估计一个线圈的缺失数据。
- 生成单个线圈的图像。将k空间中缺失的线填充后，进行傅里叶变换得到每个线圈的单张图像。与SENSE/ASSET中的线圈图像不同，GRAPPA/ARC得到的图像是没有混叠的。
- 组合。最终对单个线圈的图像进行平方和运算得到最终的幅度图像。
GRAPPA/ARC重建过程概览。注意：相位编码方向为水平轴。
GRAPPA/ARC中的关键步骤是估计缺失的点，这个步骤中有很多可能的变量，包括重建核的大小和使用参数的数目。GRAPPA和ARC主要的不同是后者使用3D的核，将所有三个方向邻域的源数据考虑进去计算缺失的数据。ARC中的估计过程也有一点不同，使得3D数据计算是可控的。
|
|
GRAPPA/ARC中估计k空间中缺失的线。此处的相位编码沿垂直轴。
高级讨论
除了标准的产品，GE还提供了在“Turbo Mode”下使用ARC的选择，可使扫描速度再提高一倍。TurboARC调整数据采样模式，在k空间外围采集更少的数据点。数据的填充模式（中心圆vs中心椭圆）可能也会调整。
- 参考材料
- Blaimer M, Breuer F, Mueller M, Heidemann RM, Griswold MA, Jakob PM. SMASH, SENSE, PILS, GRAPPA. How to choose the optimal method. Top Magn Reson Imaging 2004;15:223-236 [review].
- Brau A. New parallel imaging method enhances imaging speed and accuracy. GE Signa Pulse, 2007; 36-38. (Promotional piece describing GE's ARC method).
- Brau ACS, Beatty P, Skare S, Bammer R. Comparison of reconstruction accuracy and efficiency among autocalibrating data-driven parallel imaging methods. Magn Reson Med 2008; 59:382-395
- Deshmane A, Gulani V, Griswold MA, Seiberlich N. Parallel MR imaging. J Magn Reson Imaging 2012;36:55-72. (review)
- Griswold MA, Jakob PM, Heidemann RM, et al. Generalized autocalibrating partially parallel acquisitions (GRAPPA). Magn Reson Med 2002; 47:1202-1210
- 相关问题