Thiết kế ma trận đo sử dụng xung hypersecant cho hệ thống chụp ảnh cộng hưởng từ song song

1

Thiết kế ma trận đo sử dụng xung Hypersecant
cho hệ thống chụp ảnh cộng hưởng từ song song

Trần Quang Huy

Trường Đại học Công nghệ
Luận văn ThS. Công nghệ điện tử viễn thông; Mã số: 60 52 02 03
Người hướng dẫn: TS. Đinh Văn Châu
Năm bảo vệ: 2013
60 tr.

Abstract. Luận văn này đã thực hiện việc tìm hiểu về kích thích bằng xung hypersecant,
thu tín hiệu cộng hưởng từ và kỹ thuật lấy mẫu nén. Mặt khác cũng thấy rõ được việc sử
dụng xung hypersecant trong PMRI cải thiện đáng kể tốc độ thu tín hiệu MR. Kết hợp áp
dụng kỹ thuật lấy mẫu nén và sử dụng xung hypersecant cho hiệu quả tốt về thời gian thu
tín hiệu và tạo ảnh cộng hưởng từ, do vừa thực hiện kích thích cộng hưởng vừa thu tín
hiệu, đồng thời áp dụng kỹ thuật lấy mẫu nén tức là chỉ thực hiện lấy mẫu với số lượng
nhỏ hơn rất nhiều chiều dài của xung. Từ kết quả mô phỏng cho thấy việc thiết lập các
thông số của xung hypersecant và thay đổi tỷ lệ nén của CS có thể thu được sự khác biệt
của ảnh cộng hưởng từ có sử dụng xung hypersecant. Kết quả của Luận văn khẳng định
rằng hoàn toàn có thể sử dụng CS trong PMRI để thu ảnh nhanh mà vẫn chính xác.

Keywords. Kỹ thuật điện tử; Ma trận; Xung hypersecant; Điện tử viễn thông; Chụp ảnh
cộng hưởng từ song song

Content.

Trong công nghệ và khoa học y tế, chụp ảnh cộng hưởng từ (Magnetic Resonance Imaging -
MRI) đã tạo ra một cuộc cách mạng về việc chẩn đoán bệnh qua hình ảnh, dựa trên hiện tượng

cộng hưởng từ của các hạt nhân (ví dụ như hạt nhân Hydro) của các mô trong các đối tương
được chụp ảnh. Về nguyên tắc, vật thể được kích thích bằng xung tần số vô tuyến (Radio
Frequence – RF ) và thu tín hiệu cộng hưởng bằng cuộn dây RF. Bằng viê
̣
c sử dụng nhiều cuộn
dây thu (công nghệ PMRI) để tăng thêm thời gian mã hóa Fourier đã giảm đáng kể thời gian thu
nhâ
̣
n a
̉
nh.
Song song, trong lĩnh vực xử lý tín hiệu và lý thuyết thông tin, có một bước đột phá đó là kỹ
thuật lấy mẫu nén (Compressed Sensing - CS) chỉ ra rằng các tín hiệu thưa thớt hay tín hiệu có
thể nén có thể được phục hồi lại từ một số lượng nhỏ các phép đo tuyến tính ngẫu nhiên. Phương
pháp này rất quan trọng vì nhiều tín hiệu mà chúng ta quan tâm, bao gồm hình ảnh tự nhiên, hình
ảnh chuẩn đoán, video, lời nói, âm nhạc là tín hiệu thưa thớt. Có nhiều nghiên cứu phát triển việc
sử dụng CS trong nâng cao tốc độ thu ảnh cộng hưởng từ.
2

Gần đây, xung đảo đoạn nhiệt đã được sử dụng làm xung kích thích RF trong MRI, đã chứng tỏ
được rằng nó mang lại hiệu quả tốt, thu ảnh nhanh và yên tĩnh. Trong đó tín hiệu hypersecant –
tín hiệu có tần số và biên độ phi tuyến đã được sử dụng như một xung đảo đoản nhiệt. Từ những
lợi thế của kỹ thuật CS và các xung đảo đoạn nhiệt, đưa ra mục tiêu của khóa luận là xem xét
mở rộng việc đo đạc CS bằng cách sử dụng tín hiệu phi tuyến cụ thể là xung hypersecant và áp
dụng nó trong PMRI để có thể tăng tốc độ thu PMRI.
Trong Luận văn này, đầu tiên tôi đưa ra những hiểu biết chung nhất về MRI và PMRI, việc kích
thích và thu tín hiệu cộng hưởng từ, sử dụng xung hypersecant cũng như đo đạc trong kỹ thuật
lấy mẫu nén.Sau đótôi tiến hành thiết kế một quy trình sử dụng lấy mẫu nén cho hệ thống tạo ảnh
cộng hưởng từ song song được kích thích bằng xung hypersecant.Tôi đã tính toán các yêu cầu và
thông số trong việc thu ảnh cộng hưởng từ sử dụng xung hypersecant, viết chương trình CS để

thu được một phương pháp hiệu quả cho pMRI dựa trên lỹ thuật lấy mẫu nén.
Luận văn bao gồm các chương:
Chương 1: Giới thiệu
Chương 2: Nguyên tắc hoạt động
Chương 3: Mô phỏng và kết quả

References.

[1]L. Landini, V. Positano, M. Santarelli, Advanced Image Processing in Magnetic Resonance
Imaging, CRC Press, 2005.
[2]Matt A.Bernstein, Kenvin F.King, Xiaohong Joe Zhou, Handbook of MRI Pulse Sequences,
book, 2004.
[3]David G.Norris, “Adiabatic Radiofrequency Pulse Forms in Biomedical Nuclear Magnetic
Resonance”, Concepts Magn Reson 14: 89-101 2002.
[4]D. Idiyatullina, C. Coruma, J Y. Parka and M. Garwood, “Fast and quiet MRI using a swept
radiofrequency”, Journal of Magnetic Resonance, 181(2):342-349, 2006.
[5]Emmanuel J. Candès and Michael B. Wakin, “An Introduction To Compressensive Sample”,
IEEE Signal Processing Magazine 61:21-82 March 2008.
[6]Richard Baraniuk, Justin Romberg, Robert Nowak, “Compressive Sensing: A New Framework
for Imaging”, Rice University of Technology University of Wisconsin-Madison.
[7]Michael Lusti, David Donoho and Jonh M. Pauly, “Sparse MRI: The Application of
Compressed Sensing for Rapid MR Imaging”, Magenetic Resonance in Medicine 58:1182-
1195 (2007).
[8]G. Puy, Y. Wiaux, R. Gruetter, and J P. Thiran, “Spread spectrum for accelerated acquisition
in magnetic resonance imaging”, IEEE Trans, Image Process, 2009.
[9]Ng. Linh-Trung, DV. Phong, Ha LV and Minh N.Do, “Fast Image Acquisition in Magnetic
Resonance Imaging by Chaotic Compressed Sensing”, 8th IEEE International Symposium on
Biomedical Imaging (ISBI11), March 30 - April 2, 2011.
3

[10]Lê Văn Phước và Phạm Ngọc Hoa Khoa, “Bài giảng MRI nguyên lý & ứng dụng”, Bệnh viện
Chợ Rẫy dành cho sinh viên ngành Y tham khảo học tập.
[11]Phan Sỹ An và cộng sự, Vật lý đại cương - Lý Sinh Y học, NXB Y học, 2006.
[12] Zhou Wang, Student Member, IEEE, and Alan C. Bovik, Fellow, IEEE, “A Universal
Image Quality Index”, IEEE SIGNAL PROCESSING LETTERS, VOL. 9, NO. 3, MARCH
2002.