2. k空间数据采集与轨迹工程

k空间轨迹决定了MRI数据在频率域中的采样路径，而轨迹的物理可实现性完全由梯度硬件的能力边界所约束。理解轨迹工程，核心是建立“目标k空间覆盖 → 梯度波形 → 硬件约束 → 数据组织”这条闭环链路。本节从物理约束出发，逐一分析四类主流轨迹的梯度设计逻辑与数据组织方式。

梯度硬件的两个硬约束

任何k空间轨迹都必须满足两个基本物理约束。第一是梯度幅值上限：梯度线圈在给定时间内能产生的最大梯度场强，典型全身系统为40～80 mT/m，头部专用梯度可达80～120 mT/m。第二是梯度切换率上限：梯度幅值随时间的变化率，典型值为150～200 mT/m/s，高性能系统可达200～300 mT/m/s。这两个约束共同决定了k空间轨迹的“速度极限”。

从梯度到k空间位置的关系由k空间轨迹方程给出：k(t) = γ∫₀ᵗ G(τ)dτ。这意味着梯度波形的积分直接决定k空间采样位置，而梯度波形的斜率受切换率限制，幅值受最大梯度限制。设计轨迹时，必须保证任意时刻的梯度波形G(t)满足|G(t)| ≤ G_max且|dG/dt| ≤ S_max。

笛卡尔轨迹：最直接的工程实现

笛卡尔轨迹是最基础的采样方式：在k空间中以平行直线逐行采集。以二维笛卡尔为例，每个TR内施加一个相位编码梯度G_pe和一个频率编码梯度G_ro。频率编码梯度在读出窗口内保持恒定，使k_x方向以恒定速率移动；相位编码梯度在读出前施加一个短脉冲，将轨迹“搬移”到目标k_y位置。

笛卡尔轨迹的梯度波形设计相对简单：读出梯度为矩形脉冲，相位编码梯度为梯形脉冲。其优势在于数据直接落在规则网格上，可直接使用FFT重建，无需网格化处理。但缺点是采集效率受限于TR周期，且对运动敏感。数据组织上，每个读出窗口对应一行k空间数据，按相位编码步进顺序填充k空间矩阵。

径向轨迹：旋转的辐条

径向轨迹（radial）以k空间中心为原点，沿不同角度采集辐条。每条辐条从k空间中心向外延伸，梯度波形为两个正交梯度通道的联合作用：G_x(t) = G(t)·cosθ，G_y(t) = G(t)·sinθ，其中θ为辐条角度。梯度幅值沿径向线性增加，使k空间采样点沿辐条均匀分布。

径向轨迹的物理约束体现在：每条辐条必须从k空间中心出发，因此梯度波形在t=0时刻为零，然后线性上升。切换率约束决定了辐条的最大角速度。径向轨迹的优点是过采样k空间中心，对运动不敏感，且欠采样时产生的是条纹伪影而非混叠。数据组织上，每条辐条的数据按角度顺序存储，重建时需先进行网格化（gridding）再FFT。

螺旋轨迹：连续曲线采样

螺旋轨迹在k空间中以阿基米德螺旋线或变密度螺旋线连续采集。梯度波形设计更为复杂：G_x(t) = A(t)·cos(ωt)，G_y(t) = A(t)·sin(ωt)，其中A(t)为幅值包络，ω为角频率。螺旋轨迹的梯度波形需要同时满足幅值和切换率约束，通常采用变密度设计——k空间中心采样密集，边缘稀疏。

螺旋轨迹的工程难点在于梯度波形的精确控制。由于梯度线圈存在涡流和延迟，实际轨迹会偏离设计轨迹，需要进行轨迹测量与校正。数据组织上，螺旋轨迹的数据沿曲线分布，重建前必须进行网格化。螺旋轨迹的优点是采集效率极高，单次激发即可覆盖整个k空间，但缺点是离共振伪影严重，且梯度波形设计复杂。

EPI轨迹：单次激发的快速扫描

EPI（回波平面成像）轨迹本质上是笛卡尔轨迹的快速变体：在单次激发内，通过快速切换读出梯度极性，连续采集多行k空间数据。梯度波形为三角波或正弦波，读出梯度在正负之间快速切换，相位编码梯度在每次切换时施加一个短脉冲。

EPI的物理约束最为严苛：读出梯度切换率必须足够高，以在T2*衰减前完成所有相位编码行。典型EPI读出梯度切换率为150～200 mT/m/s，单次激发采集时间约50～100 ms。EPI的缺点是几何失真严重，因为梯度切换期间的离共振效应会导致像素位移。数据组织上，EPI数据按奇偶行交替排列，重建时需进行奇偶回波校正。

数据组织方式的差异

四类轨迹的数据组织方式差异显著。笛卡尔轨迹的数据直接按k空间矩阵的行列顺序存储，重建时直接FFT即可。径向轨迹的数据按辐条角度存储，每条辐条包含从k空间中心到边缘的采样点，重建前需进行网格化——将非均匀采样点插值到规则网格上。螺旋轨迹的数据沿螺旋曲线存储，同样需要网格化，且由于螺旋轨迹对梯度延迟敏感，还需进行轨迹延迟校正。EPI数据按奇偶行交替存储，重建时需进行奇偶回波相位校正，以消除N/2鬼影。

从工程实现角度看，笛卡尔轨迹的梯度波形最简单，但采集效率最低；径向轨迹对运动最鲁棒，但需要网格化重建；螺旋轨迹采集效率最高，但梯度波形设计和轨迹校正最复杂；EPI轨迹采集速度最快，但几何失真最严重。选择轨迹时，需要根据应用场景在采集效率、运动鲁棒性、重建复杂度和图像质量之间权衡。

轨迹选择与参数配置示例

以下给出一个二维笛卡尔轨迹的梯度波形参数配置示例，用于说明实际工程中的参数计算过程。假设目标矩阵为256×256，FOV=256 mm，则k空间最大空间频率k_max = 1/(2·Δx) = 1/(2·1 mm) = 0.5 mm⁻¹。频率编码梯度G_ro需满足γ·G_ro·T_ro = 2·k_max，其中γ=42.58 MHz/T。若T_ro=5 ms，则G_ro = 2·0.5/(42.58×10⁶×5×10⁻³) ≈ 4.7 mT/m，远低于G_max，说明读出梯度不是瓶颈。相位编码梯度步进ΔG_pe = 2·k_max/(N_pe·γ·T_pe)，其中N_pe=256，T_pe=1 ms，则ΔG_pe ≈ 0.09 mT/m。实际配置时，需确保梯度切换率满足S_max约束，即ΔG_pe/T_ramp ≤ S_max。

# 笛卡尔轨迹梯度参数计算示例（Python伪代码）
import numpy as np

gamma = 42.58e6        # Hz/T
G_max = 40e-3          # T/m
S_max = 150e-3         # T/m/s
FOV = 0.256            # m
N = 256                # matrix size
dx = FOV / N           # m
k_max = 1 / (2 * dx)   # 1/m

T_ro = 5e-3            # readout duration, s
G_ro = 2 * k_max / (gamma * T_ro)
print(f"G_ro = {G_ro*1e3:.2f} mT/m")  # ~4.7 mT/m

T_pe = 1e-3            # phase encode duration, s
dG_pe = 2 * k_max / (N * gamma * T_pe)
print(f"dG_pe = {dG_pe*1e3:.3f} mT/m")  # ~0.09 mT/m

# check slew rate
T_ramp = 0.2e-3        # ramp time, s
S_actual = dG_pe / T_ramp
print(f"S_actual = {S_actual*1e3:.1f} mT/m/s")  # ~0.45 mT/m/s, well below S_max

该示例表明，在常规分辨率下，笛卡尔轨迹的梯度需求远低于硬件上限，真正的瓶颈在于TR周期和采集时间。而对于EPI或螺旋轨迹，梯度切换率往往接近硬件极限，此时轨迹设计必须精确考虑梯度延迟、涡流和硬件非线性，否则会导致严重的图像伪影。