Discusiones y conclusiones
El concepto de MRF que se presenta aquí es un nuevo enfoque de la RM y brinda muchas oportunidades para ampliar las mediciones de RM más allá de sus límites actuales. Esto se origina en el concepto único de diseño de secuencias de pulsos en MRF, donde el objetivo es generar evoluciones de señales únicas que puedan coincidir con evoluciones de señales teóricas y, posteriormente, generar información cuantitativa subyacente sobre el material, el tejido o la patología de interés. Dado que no existe un requisito a priori sobre la forma de las curvas de evolución de la señal, hay más grados de libertad en el diseño de una adquisición MRF, donde parámetros como TR, TE, pulsos de RF y trayectorias de muestreo (entre otros) se pueden variar juntos para producir la sensibilidad simultánea a numerosas propiedades del tejido. La capacidad de analizar señales oscilantes en MRF también brinda la oportunidad de utilizar fracciones más grandes de la magnetización disponible que los métodos que se basan en una señal de estado estable, que es un factor significativo que contribuye a una mayor eficiencia en MRF. Además, la señal oscilatoria en MRF permite muestrear más puntos informativos a lo largo de una evolución de señal más larga en comparación con los métodos convencionales que siempre alcanzan un nivel de estado estable después de una cantidad de tiempo finita. Específicamente, nuestros resultados iniciales aquí demuestran que la eficiencia de MRF es aproximadamente 1,8 veces mayor que los métodos DESPOT, que anteriormente eran los métodos más eficientes para la medición de los parámetros de relajación. Por lo tanto, la predicción directa de las evoluciones de las señales oscilantes e incoherentes a través de la simulación de Bloch nos brinda el potencial para obtener nueva información cuantitativa que hoy en día no es práctica debido a los tiempos de escaneo prohibitivamente largos que se requieren, especialmente en muestras biológicas y pacientes.
Como lo demuestran los resultados que se muestran aquí, MRF tiene el potencial de reducir significativamente los efectos de los errores durante la adquisición a través de su base en el reconocimiento de patrones. Los errores de adquisición pueden reducir globalmente la probabilidad de una coincidencia de una señal observada con cualquier huella dactilar determinada, pero siempre que los errores no hagan que otra huella dactilar se convierta en la coincidencia más probable, se seguirá realizando la identificación cuantitativa correcta. Idealmente, el patrón de secuencia se diseñará de modo que las diversas huellas dactilares de diferentes tejidos y materiales sean lo más independientes posible, asegurando así esta solidez frente al movimiento y otros errores prácticos.
Los escáneres de RM comerciales incluyen métodos para minimizar los efectos de las imperfecciones inevitables del sistema. Sin embargo, estas imprecisiones se están volviendo cada vez más importantes a medida que la tecnología de RM se lleva al límite, como el uso de campos magnéticos muy altos o sistemas físicamente más grandes. MRF proporciona una ruta para modelar y tener en cuenta las imperfecciones del sistema, como las faltas de homogeneidad de los campos B0 y B1, al agregar estos parámetros a la simulación del diccionario. Dado que tanto MRF como DESPOT2 se basan en una secuencia bSSFP, que se sabe que es sensible a las faltas de homogeneidad del campo30,37, la figura complementaria 2 compara los mapas T2 adquiridos de MRF y DESPOT2 a partir de una exploración in vivo. Dado que la resonancia no se tiene en cuenta en el modelo DESPOT2, el mapa T2 de DESPOT2 muestra áreas de señal vacía que resultan de los efectos de susceptibilidad en las interfaces aire-tejido. MRF incorpora naturalmente estos efectos en las huellas dactilares y, por lo tanto, los mapas generados por MRF no muestran estos errores. Por lo tanto, MRF podría, por ejemplo, proporcionar resultados de mayor calidad utilizando la generación actual de escáneres MR. Alternativamente, MRF también podría permitir el diseño de escáneres de RM de menor costo que pueden proporcionar la misma calidad que los sistemas de gama alta de hoy en día a través de la aplicación de modelos MRF.
Debido a su capacidad para proporcionar resultados cuantitativos a través de muchos parámetros simultáneamente, MRF podría conducir a la identificación directa de un material, tejido o patología basándose únicamente en su huella digital. Por ejemplo, muchas células cancerosas muestran cambios en múltiples parámetros de RM (p. ej., T1, T2, tensor de autodifusión, etc.), una combinación (aunque no un único parámetro) de los cuales podría caracterizarlas potencialmente como diferentes de todos los tipos de tejido normales circundantes, y por lo tanto, potencialmente separables. En una situación ideal, cada material, tejido o patología tendría su propia evolución de señal que sería ortogonal a todas las demás evoluciones de señal. El concepto MRF también implica que son posibles esquemas de adquisición completamente diferentes en los casos en los que uno solo está interesado en la presencia o ausencia de un material particular o estado de enfermedad. Por ejemplo, se podría hacer una exploración MRF muy rápida de un área a granel de material o tejido y comparar las evoluciones de la señal medida con el conjunto de estados de interés conocidos. Esta medida podría indicar la presencia del material o enfermedad de interés, o indicar su ausencia dentro de un margen de error. Esta característica podría resultar en procedimientos de detección muy rápidos y precisos. En particular, esta función puede ayudar a relajar la resolución espacial requerida de un examen de resonancia magnética, aumentando así la velocidad y reduciendo potencialmente el costo de un examen de resonancia magnética. Un ejemplo preliminar de este tipo de visualización se muestra en la Sección 3 del Material Suplementario. Usando el concepto MRF, la operación de la unidad MR también se simplificará en gran medida, ya que el concepto de escaneo 'todo en uno' de MRF tiene el potencial de reducir las docenas de parámetros actualmente presentados al operador MR a un simple botón 'escanear'..
Es importante tener en cuenta que la implementación de prueba de principio de MRF que se muestra aquí es solo una de las muchas posibilidades que podrían emplearse para esta técnica y tanto el diseño/implementación de la secuencia como los métodos de posprocesamiento seguirán siendo una importante vía abierta. área de investigación al igual que el diseño de secuencias ha avanzado a lo largo de las décadas desde que se introdujeron los métodos convencionales. Es probable que otros algoritmos de reconocimiento de patrones más avanzados38-42 mejoren el rendimiento de MRF. Para las aplicaciones de MRI con codificación espacial, los parámetros recuperados de MRF son mucho menores que la cantidad de píxeles en las imágenes, y dado que las señales generadas son en gran parte incoherentes, MRF tiene el potencial adicional de ser altamente acelerado mediante la combinación con otros métodos de detección comprimidos para aceleración. codificación espacial, además de los métodos estándar de imágenes en paralelo43-45, ninguno de los cuales se incluyó en la Figura 5. Cualquiera de estos métodos reduciría los errores de submuestreo que se ven en la Figura 3a incluso antes del paso de reconocimiento de patrones, lo que debería dar como resultado una mayor calidad. resultados. Recientemente, hemos publicado datos que indican que podemos lograr una reducción de ~10 veces en el tiempo de obtención de imágenes para un corte 2D utilizando únicamente imágenes en paralelo43,45,46.
Salud Eternity 