【MRI基础】TR 和 TE 时间概念

news2024/11/24 20:00:41

重复时间 (TR)

磁共振成像 (MRI) 中的 TR(重复时间,repetition time)是施加于同一切片的连续脉冲序列之间的时间间隔。具体而言,TR 是施加一个 RF(射频)脉冲与施加下一个 RF 脉冲之间的持续时间。TR 以毫秒 (ms) 为单位,主要控制后续脉冲之前的纵向弛豫程度(T1 弛豫),使其成为显著影响 MRI 中的图像对比度和信号特性的重要参数。

回声时间 (TE)

MRI 中的回波时间 (TE,echo time) 是 RF 脉冲的传送和接收到的信号 (回波) 峰值之间的时间。TE 也以毫秒 (ms) 为单位进行测量。它主要影响测量回波时发生的横向松弛量 (T2 松弛)。TE 在根据松弛特性区分各种组织类型方面发挥着重要作用。这里以gradient echo sequence (GRE) 为例。

 

TR 和 TE 的物理机制

MRI 中 TR 和 TE 背后的物理原理涉及磁场、RF 脉冲和体内氢原子核(质子)之间的相互作用。以下是详细分析:

磁场和质子的排列

  • 主磁场 (B0):当患者被置于 MRI 扫描仪中时,他们会暴露在强大的静磁场 (B0) 中。该磁场导致体内氢核(质子)的磁矩与磁场平行或反向平行。这些质子中的大多数平行排列,从而导致磁场方向的净磁化矢量 (M0)。

射频脉冲和激励

  • RF 脉冲:拉莫尔频率(特定于磁场强度和原子核类型)的射频脉冲垂直于主磁场施加。该 RF 脉冲使净磁化矢量从纵向(沿 B0)倾斜到横向平面。
  • 翻转角:磁化矢量倾斜的角度称为翻转角(例如,完全翻转到横向平面为 90 度)。

松弛过程

  • T1 弛豫(纵向弛豫):关闭 RF 脉冲后,磁化矢量开始沿 B0 场弛豫回到其平衡位置。这种恢复以 T1 弛豫时间为特征,即纵向磁化恢复 63% 的时间常数。
  • T2 弛豫(横向弛豫):同时,由于邻近自旋之间的相互作用,磁化矢量的横向分量发生失相,其特征是 T2 弛豫时间,即横向磁化衰减 63% 的时间常数。

重复时间(TR)

  • TR 的定义: TR 是施加一个 RF 脉冲与施加下一个 RF 脉冲之间的时间。它会影响在施加下一个 RF 脉冲之前纵向磁化恢复的程度。
  • 短 TR: TR 较短时,纵向磁化恢复不完全,导致饱和并影响图像对比度,尤其是增强 T1 对比度。
  • 长 TR:通过长 TR,纵向磁化几乎可以完全恢复,从而最大限度地减少饱和效应并增强 T2 对比度。

回波时间(TE)

  • TE 的定义: TE 是施加 RF 脉冲和接收线圈检测到信号(回波)峰值之间的时间。它决定了在松弛过程中测量信号的时间。
  • 短 TE:短 TE 在相位失调最小时尽早捕获信号,这对于 T1 加权成像非常重要。
  • 长 TE:长 TE 在发生更多失相时稍后捕获信号,这对于 T2 加权成像非常重要。

TR 和 TE 对图像对比度的影响

T1加权成像 

短 TR 和短 TE 值增强了 T1 加权对比度,使得具有短 T1 弛豫时间的组织(例如脂肪)显得明亮,而具有较长 T1 时间的组织(例如液体)显得暗淡。

T2加权成像

较长的 TR 和 TE 值可产生 T2 加权图像,其中具有较长 T2 弛豫时间的组织(例如液体)显得明亮。较长的 TR 可确保完全纵向弛豫,而较长的 TE 可使 T2 对比度有足够的横向失相。

质子密度加权成像

中等 TR 和短 TE 值用于产生质子密度加权图像,强调质子密度的差异,同时最小化 T1 和 T2 对比效应。

 

 

T2 加权 MRI 图像中重复时间 (TR) 的影响

低 TR(1000 毫秒)

  • 导致信噪比相对较低,从而产生较多噪声的图像。
  • T2 对比度并不理想,因为组织信号没有足够的时间在连续的激发之间恢复,从而降低了不同组织类型之间的区别。组织之间的CNR不好。

中等 TR (2000 毫秒)

  • 提供中等 SNR,与较低的 TR 设置相比可提高图像质量。
  • 提供比低 TR 更好的 T2 对比度,但可能仍然不是清晰区分所有组织类型的最佳选择。

最佳 TR (3000-4000 毫秒)

  • 最适合最大化 T2 对比度,可以更清晰地区分不同的组织。
  • 由于组织在激发之间有充足的时间放松和恢复信号,因此更高的 SNR 可以产生更清晰、更详细的图像。

高 TR(10000 毫秒)

  • 可产生非常高的信噪比,以最小的噪声产生最清晰的图像。组织之间的CNR最好。
  • 虽然对于 SNR 来说非常好,但是极长的 TR 会导致扫描时间延长,使患者不舒服,还会在成像中引入运动伪影。

回波时间 (TE) 对 T2 加权 MRI 图像的影响

低 TE(15-25 毫秒):

  • 产生质子密度 (PD) 对比度:在这个短 TE 中,图像具有最小的 T2 加权,强调质子密度对比度,其中信号强度与组织中的氢质子数量更相关。
  • 信噪比 (SNR):由于信号衰减最小,因此 SNR 较高,可以从组织中捕获强信号。

中等 TE (50-60 毫秒):

  • 图像对比度:开始显示增加的 T2 加权,其中具有较长 T2 弛豫时间的组织(如充满液体的结构)显得更亮。
  • SNR 影响:中等 SNR;由于 T2 衰减会导致一些信号损失,与低 TE 相比,这会降低图像清晰度。

最佳 TE(100-110 毫秒):

  • 图像对比度:最佳地增强 T2 对比度,使其非常适合检测水肿和神经胶质增生等具有延长 T2 弛豫时间的病理。
  • SNR 影响:足够的 T2 对比度和可接受的 SNR 之间取得良好的平衡,尽管一些信号衰减是不可避免的。

高 TE(200-400 毫秒):

  • 增加 T2 加权:进一步强调 T2 对比度,但代价是组织放松速度加快导致信号衰减增加。
  • SNR:由于信号衰减明显导致 SNR 降低,从而降低了整体图像的清晰度和细节。
  • 降低组织对比度:高 TE 会降低 T2 弛豫时间略有不同的组织之间的区分,从而可能掩盖精细细节。

 

T1 加权 MRI 图像中重复时间 (TR) 的影响

低 TR (150 毫秒):

  • 在 T1 加权成像中使用低 TR 会导致 SNR 降低,因为组织没有足够的时间完全恢复其纵向磁化。这会导致整体信号强度较弱,并且不同组织之间的 T1 对比度区分效果较差。

中等 TR (250 毫秒):

  • 在中等 TR 设置下,与极低 TR 相比,SNR 略有改善。组织有更多时间进行磁化恢复,这可以增强信号强度,但仍然无法为 T1 加权图像提供最佳对比度。

最佳 TR (300-500 毫秒):

  • 此 TR 范围被认为是 T1 加权成像的理想范围。它能够在 SNR 和组织对比度之间实现良好的平衡。组织恢复足够的纵向磁化以产生强信号,从而有助于更好地区分不同组织类型的 T1 特性。

高 TR(2000 毫秒):

  • 高 TR 会大幅提高 SNR,因为组织几乎完全恢复了其纵向磁化,从而使信号强度最大化。然而,在如此高的 TR 值下,图像不仅会增强 T1,还会增强质子密度 (PD) 对比度。这种混合对比度可能很有用,但可能会掩盖纯 T1 对比度效果。

参考文献 

  • Pai, A., Shetty, R., Hodis, B. and Chowdhury, Y.S. (2023) ‘Magnetic Resonance Imaging Physics’, StatPearls [Internet]. Available at: https://www.ncbi.nlm.nih.gov/books/NBK572133/
  • Alzola-Aldamizetxebarria, S., Fernández-Méndez, L., Padro, D., Ruíz-Cabello, J. and Ramos-Cabrer, P., 2022. A Comprehensive Introduction to Magnetic Resonance Imaging Relaxometry and Contrast Agents. ACS Omega, [online] 7(42), pp.36905-36917. Available at: A ComprehensiveIntroduction to Magnetic Resonance Imaging Relaxometryand Contrast Agents - PMC

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2114796.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

LEAN 类型理论之注解(Annotations of LEAN Type Theory)-- 小结(Summary)

在证明LEAN类型理论的属性前,先对LEAN类型理论所定义的所有推演规则做一个小结,以便后面推导LEAN类型理论的属性。各部分的注解请查看对应文章。 注:这些都是在《LEAN类型理论》中截取出来的,具体内容,读者可参考该论…

ApacheKafka中的设计

文章目录 1、介绍1_Kafka&MQ场景2_Kafka 架构剖析3_分区&日志4_生产者&消费者组5_核心概念总结6_顺写&mmap7_Kafka的数据存储形式 2、Kafka的数据同步机制1_高水位(High Watermark)2_LEO3_高水位更新机制4_副本同步机制解析5_消息丢失问…

Redis典型应用 - 分布式锁

文章目录 目录 文章目录 1. 什么是分布式锁 2. 分布式锁的基本实现 3. 引入过期时间 4. 引入校验Id 5. 引入 watch dog(看门狗) 6. 引入redlock算法 工作原理 Redlock的优点: 总结 1. 什么是分布式锁 在一个分布式系统中,也可能会出现多个节点访问一个共…

QT 编译报错:C3861: ‘tr‘ identifier not found

问题: QT 编译报错:C3861: ‘tr’ identifier not found 原因 使用tr的地方所在的类没有继承自 QObject 类 或者在不在某一类中, 解决方案 就直接用类名引用 :QObject::tr( )

关于易优cms自定义字段不显示的问题

今天在该易优cms自定义字段&#xff0c;折腾了大半天没显示出来&#xff0c;原来是改错对方了。 主要引用的时候 要放在list标签内&#xff0c;不要看文档&#xff0c;把addfields 放在list标签上 例如 {eyou:list loop8} <li><a href"{$field.arcurl}">…

基于yolov8的电动车佩戴头盔检测系统python源码+onnx模型+评估指标曲线+精美GUI界面

【算法介绍】 基于YOLOv8的电动车佩戴头盔检测系统利用了YOLOv8这一先进的目标检测模型&#xff0c;旨在提高电动车骑行者的安全意识&#xff0c;减少因未佩戴头盔而导致的交通事故风险。YOLOv8作为YOLO系列的最新版本&#xff0c;在检测速度和精度上均进行了优化&#xff0c;…

✨机器学习笔记(一)—— 监督学习和无监督学习

1️⃣ 监督学习&#xff08;supervised learning&#xff09; ✨ 两种主要类型的监督学习问题&#xff1a; 回归&#xff08;regression&#xff09;&#xff1a;predict a number in infinitely many possible outputs. 分类&#xff08;classification&#xff09;&#xff1…

C#串口助手初级入门

1.创建项目 修改项目名称与位置&#xff0c;点击创建 2.进入界面 在视图中打开工具箱&#xff0c;鼠标拖动&#xff0c;便可以在窗口添加控件&#xff0c;右边可以查看与修改属性 3.解决方案资源管理器 发布之前&#xff0c;需要修改相关的信息&#xff0c;比如版本号&#x…

Lombok jar包引入和用法

大家好&#xff0c;今天分享一个在编写代码时的快捷方法。 当我们在封装实体类时&#xff0c;会使用set、get等一些方法。如下图&#xff0c;不但费事还影响代码的美观。 那么如何才能减少代码的冗余呢&#xff0c;首先lib中导入lombok的jar包并添加库。 此处我已导入&#xf…

插件:清理maven错误缓存.bat

插件&#xff1a;https://pan.baidu.com/s/1nHIxHoo1C4MvFlW7QbZe5Q?pwd7zenhttps://pan.baidu.com/s/1nHIxHoo1C4MvFlW7QbZe5Q?pwd7zen没错误缓存时&#xff1a; 有错误缓存时&#xff1a;

真实案例分享:零售企业如何避免销售数据的无效分析?

在零售业务的数据分析中&#xff0c;无效分析不仅浪费时间和资源&#xff0c;还可能导致错误的决策。为了避免这种情况&#xff0c;企业必须采取策略来确保他们的数据分析工作能够产生实际的商业价值。本文将通过行业内真实的案例&#xff0c;探讨零售企业如何通过精心设计的数…

springboot数据库连接由localhost改成IP以后访问报错500(2024/9/7

步骤很详细&#xff0c;直接上教程 情景复现 一.没改为IP之前正常 二.改完之后报错 问题分析 SQL没开启远程连接权限 解决方法 命令行登入数据库 mysql -u root -p切换到对应数据库 use mysql;设置root用户的连接权限允许其他IP连接数据库 update user set host % whe…

jmeter执行python脚本,python脚本的Faker库

jmeter安装 jython的插件jar包 通过如下地址下载jython-standalone-XXX.jar包并放到jmeter的XXX\lib\ext目录下面 Downloads | JythonThe Python runtime on the JVMhttps://www.jython.org/download.html 重启jmeter在JSR223中找到jython可以编写python代码执行 python造数据…

一种快速生成CSV的方法

事情是这个样子的 在QQ群在聊把如何100万数据导出成CSV文件&#xff1f;会不会很慢&#xff1f; 俺回了一句“现在的机器性能好&#xff0c;没啥问题”。 然后大家开始谈论机器的配置了。哎&#xff0c;俺的机器配置有点差。 然后俺就进行了一个测试。 测试数据 数据定义…

【C++二分查找】2439. 最小化数组中的最大值

本文涉及的基础知识点 C二分查找 LeetCode2439. 最小化数组中的最大值 给你一个下标从 0 开始的数组 nums &#xff0c;它含有 n 个非负整数。 每一步操作中&#xff0c;你需要&#xff1a; 选择一个满足 1 < i < n 的整数 i &#xff0c;且 nums[i] > 0 。 将 num…

C++ | Leetcode C++题解之第392题判断子序列

题目&#xff1a; 题解&#xff1a; class Solution { public:bool isSubsequence(string s, string t) {int n s.size(), m t.size();vector<vector<int> > f(m 1, vector<int>(26, 0));for (int i 0; i < 26; i) {f[m][i] m;}for (int i m - 1; …

.Net6/.Net8(.Net Core) IIS中部署 使用 IFormFile 上传大文件报错解决方案

描述 最近使用.Net6 WebAPI IFormFile对象接收上传文件时大于30MB(兆)的文件就会报错 原因分析 IIS上传文件有大小默认限制大约28.6MB 解决办法 .无论是Net6还是.Net8写法都一样 方法一&#xff1a;IIS可视化操作 1.打开Internet Information Services (llS)管理器&…

Banana Pi BPI-SM9 AI 计算模组采用算能科技BM1688芯片方案设计

产品概述 香蕉派 Banana Pi BPI-SM9 16-ENC-A3 深度学习计算模组搭载算能科技高集成度处理器 BM1688&#xff0c;功耗低、算力强、接口丰富、兼容性好。支持INT4/INT8/FP16/BF16/FP32混合精度计算&#xff0c;可支持 16 路高清视频实时分析&#xff0c;灵活应对图像、语音、自…

LeetCode --- 413周赛

题目列表 3274. 检查棋盘方格颜色是否相同 3275. 第 K 近障碍物查询 3276. 选择矩阵中单元格的最大得分 3277. 查询子数组最大异或值 一、检查棋盘方格颜色是否相同 题目给定两个字符串来表示两个方格的坐标&#xff0c;让我们判断这两个方格的颜色是否相同&#xff0c;这…

C++——关联式容器(2):AVL树(平衡二叉树)

2.AVL树 2.1 AVL树的概念 在学习了二叉搜索树后&#xff0c;我们发现了二叉搜索树可以根据大小比较来进行类似于折半查找的操作&#xff0c;使得搜索时间复杂度达到logn的水准。但是在面对极端情况下&#xff0c;如近似有序的序列&#xff0c;那么整棵树的时间复杂度就有可能退…