Compensation of MRI T1-weighted spin-echo images for radio-frequency inhomogeneities
Correction des inhomogénéités d'intensité dans les images IRM pondérées en T1
Résumé
We propose a correction method for magnetic resonance (MR) images to eliminate the effects of the inhomogeneity of the radio-frequency (RF) pulses and of the sensivity of the RF reception particularly in the case of T_1-weighted images. In this case the effects of the pulse inhomogeneities vary with the tissues, which prevents the use of simpler correction techniques based on a global multiplicative bias field model. Here, the MR signal is modeled as a sum of contributions of all the tissues present in the object. For sake of generality, each pixel is assumed to contain an unknown proportion of each tissue, so that the usually adopted segmentation based approach is not valid in the present context. The number of tissues composing the object as well as the MR characteristics of each tissue are required. Several images with different acquisition parameter values are also needed. A penalized least-square criterion is proposed to estimate the RF emitted field, the RF sensitivity reception and the proportion of each tissue. The criterion contains smoothness regularization for both RF fields. We solve the optimization problem using a conjugate gradient algorithm within a Gauss-Seidel iterative scheme. Results based on real MR images of fish demonstrate the effectiveness of the method.
Nous proposons une méthode de correction pour les images IRM afin d'éliminer les imperfections d la radio-fréquence en émission et en réception dans le cas particulier des images pondérées en T1. Dans ce cas les effets liés à la radio-fréquence en émission dépendent du tissu, ce qui ne permet pas d'utiliser une méthode de correction basée sur la modélisation d'un biais multiplicatif. Ici, le signal est modélisé comme la somme de la contribution de chaque tissu dans un voxel. Chaque voxel est supposé contenir une proportion inconnue de chacun des tissus interdisant par la même l'utilisation de techniques à base de segmentation. Le nombre de tissus présent dans l'objet ainsi que leur caractéristiques RMN sont supposés connus. Plusieurs images acquises avec des paramètres d'acquisition différents sont également requises. Un critère des moindres carrés pénalisé est proposé pour estimer le champ radio-fréquence émis, la sensibilité de la réception de la radio-fréquence, ainsi que la porportion des tissus. Le critère contient des termes de régularisation permettant d'obtenir des solutions lisses pour les cartes de radio-fréquence. Nous resolvons le problème d'optimisation en utilisant l'agorithme du gradient conjugué dans le cadre d'une approche itérative de type Gauss-Seidel. Des résultats basés sur des images IRM de poissons démontrent les perrformances de la méthode.