1. MRI信号与图像重建工程导论

磁共振成像(MRI)的工程本质,是把人体组织内氢质子宏观磁化矢量在射频与梯度场作用下的演化过程,转化为可被计算机处理的离散数字信号,再通过数学反演还原为可诊断的断层图像。理解这条链路,是后续所有重建算法、序列设计与工程实现的基础。本节从物理信号出发,逐步过渡到k空间数据、重建问题的数学表述,并给出工程实现链路的整体概览。

一、从物理信号到可测信号

在静磁场 B₀ 中,氢质子自旋产生沿 B₀ 方向的净磁化矢量 M。施加 90° 射频脉冲后,M 被翻转到横向平面,进动频率由拉莫尔关系决定:ω₀ = γB₀,其中 γ 为质子的旋磁比(约 42.58 MHz/T)。此时横向磁化矢量 Mxy 以 ω₀ 旋转,其随时间衰减的过程由 T₂ 或 T₂* 决定。

关键工程转折在于:单个线圈只能测到整体感应电压,无法区分空间位置。为此引入梯度磁场 Gx、Gy、Gz,使不同空间位置的质子进动频率产生差异。此时接收线圈感应到的信号是全体质子横向磁化矢量的叠加,可写为:

s(t) = ∫∫ M(x,y) · exp(-j·2π·γ·(Gx·x + Gy·y)·t) dx dy

该式表明:接收信号 s(t) 是图像函数 M(x,y) 的傅里叶变换在特定轨迹上的采样。这正是k空间概念的数学来源——信号不是直接对应像素,而是对应空间频率域中的样本点。

二、k空间:信号与图像的桥梁

定义 kx = γGxt,ky = γGyt,则上式可重写为:

s(kx, ky) = ∫∫ M(x,y) · exp(-j·2π·(kx·x + ky·y)) dx dy

这意味着:每一次施加梯度并采集一个数据点,就相当于在k空间的一个位置 (kx, ky) 上采样。k空间中心对应低空间频率,决定图像对比度与整体亮度;k空间边缘对应高空间频率,决定图像细节与分辨率。工程上,频率编码方向通过读出梯度连续采样形成一行,相位编码方向通过改变 Gy 幅度逐行填充,最终形成完整的k空间矩阵。

需要特别强调的是:k空间数据与图像之间是全局关系,不是局部对应。任何一个k空间样本都包含全图像的信息,任何一个像素都依赖全部k空间样本。这一性质直接决定了欠采样、部分傅里叶、并行成像等加速策略的可行性与伪影特征。

MRI 信号采集与图像重建工程链路 物理层 B₀ 静磁场 RF 激发脉冲 梯度场 Gx/Gy/Gz 信号层 Mxy 进动 感应电压 s(t) T₂ / T₂* 衰减 k空间层 kx = γGx·t ky = γGy·t s(kx,ky) 采样矩阵 重建层 逆傅里叶变换 网格化/FFT 图像 M(x,y) k空间采样轨迹(笛卡尔) kx ky 低频 对比度 高频·细节 重建问题的数学表述 正向模型:s = E·M + n E 为编码矩阵(傅里叶+梯度+线圈灵敏度) 逆问题:M̂ = argmin ‖E·M − s‖² + λR(M) R(M) 为正则项,λ 控制数据一致性与先验的平衡 工程实现:FFT / NUFFT / 迭代求解 / 深度学习 输出复数图像 → 模值 → 后处理 → DICOM 图 1-1 MRI 从物理信号到 k 空间采样再到图像重建的工程链路概览

三、重建问题的数学表述

将上述过程统一为线性算子形式,可写为:

s = E · M + n

其中 s 为采集到的k空间数据向量,M 为待重建图像向量,n 为噪声,E 为编码矩阵。E 的每一行对应一个采样点,每一列对应一个像素,其元素由傅里叶核、梯度轨迹和接收线圈灵敏度共同决定。对于笛卡尔全采样,E 退化为离散傅里叶变换矩阵,重建即为逆傅里叶变换;对于非笛卡尔轨迹或欠采样,E 不再是正交矩阵,需要求解最小二乘或正则化问题:

M̂ = argmin ‖E·M − s‖² + λR(M)

这里 R(M) 是先验正则项,λ 是正则化参数。λ 越大,解越平滑但可能丢失细节;λ 越小,数据拟合越强但噪声放大。工程上需要根据加速倍数、信噪比和临床诊断需求折中选择。这一框架统一了从传统并行成像(SENSE、GRAPPA)到压缩感知、再到深度学习重建的各类方法。

四、工程实现链路概览

从扫描到出图,完整链路可拆为五个阶段:

  • 序列控制与梯度波形生成:按时序产生 RF 脉冲、梯度波形和采集窗,决定k空间轨迹形状(笛卡尔、径向、螺旋等)。
  • 信号采集与数字化:接收链完成低噪声放大、混频、滤波和 ADC 采样,输出复数原始数据。
  • k空间数据整理:包括相位校正、线圈合并前的数据排序、轨迹记录与噪声估计。
  • 图像重建:根据轨迹选择 FFT、NUFFT 或迭代求解器,完成从k空间到图像域的映射。
  • 后处理与输出:模值计算、偏置场校正、滤波、窗宽窗位映射,最终封装为 DICOM 图像。
在实际工程中,重建链路的性能瓶颈往往不在 FFT 本身,而在数据搬运、轨迹补偿和迭代求解的收敛速度。理解每一级的数据形态与维度变化,是定位伪影和优化吞吐量的前提。

五、关键参数与观察指标

以一组典型教学示例参数为例:矩阵 256×256,FOV 240 mm,带宽 125 kHz,TR 500 ms,TE 20 ms,接收线圈 8 通道。此时频率编码方向采样间隔 Δkx = 1/FOV,相位编码步进 Δky = 1/FOV,k空间覆盖范围决定像素分辨率。若将相位编码步数从 256 降至 128(加速 2 倍),则 ky 方向采样间隔加倍,直接逆傅里叶变换会出现卷褶伪影;此时需要并行成像或正则化重建来恢复。

判断重建是否成功,可观察三个层面:图像域看是否有卷褶、模糊、噪声放大;k空间域看采样轨迹是否完整、中心是否对齐;定量指标可用 SNR、g-factor(并行成像)和 RMSE(与全采样参考对比)。这些指标将在后续章节逐一展开。

本节的核心认知是:MRI 重建不是“把信号变成图像”的黑箱,而是一个有明确正向模型、可分解、可优化的逆问题。掌握 s = E·M + n 这一表述,就掌握了贯穿全课程的工程主线。