Journal of Biomedical Engineering Research (대한의용생체공학회:의공학회지)
- Volume 19 Issue 6
- /
- Pages.585-593
- /
- 1998
- /
- 1229-0807(pISSN)
- /
- 2288-9396(eISSN)
Using Bayesian Approaches to Reduce Truncation Artifact in Magnetic Resonance Imaging
-
Lee, Su-Jin
(Department of Electronic Engineering, Paichai University)
-
이수진
(배재대학교 전자공학과)
- Published : 1998.12.01
Abstract
In Fourier magnetic resonance imaging (MRI), the number of phase encoded signals is often reduced to minimize the duration of the studies and maintain adequate signal-to-noise ratio. However, this results in the well-known truncation artifact, whose effect manifests itself as blurring and ringing in the image domain. In this paper, we propose a new regularization method in the context of a Bayesian framework to reduce truncation artifact. Since the truncation artifact appears in t도 phase direction only, the use of conventional piecewise-smoothness constraints with symmetric neighbors may result in the loss of small details and soft edge structures in the read direction. Here, we propose more elaborate forms of constraints than the conventional piecewise-smoothness constraints, which can capture actual spatial information about the MR images. Our experimental results indicate that the proposed method not only reduces the truncation artifact, but also improves tissue regularity and boundary definition without oversmoothing soft edge regions.
퓨리에 자기공명영상 기법의 경우 촬영시간 단축 및 적절한 신호대잡음비 유지를 위해 phase-encoded 신호의 개수를 감소시키는 경우가 종종 있다. 그러나, 이는 재구성된 영상에 번짐과 물결무늬 형태의 truncation artifact를 초래한다. 본 논문에서는 이러한 truncation artifact를 감소시키기 위해 Bayesian 방법에 근거한 새로운 정칙화기법을 제안한다. Truncation artifact는 phase 방향으로만 형성되므로 종전의 상호 대칭형태의 주변화소를 고려한 piecewise smoothness 사전정보를 사용할 경우 read 방향으로의 미세한 영상정보가 유실되기 쉽다. 따라서, 본 연구에서는 종전의 단순대칭형 보다 개선된 형태로서 자기공명영상의 공간정보를 포착할 수 있는 정교한 사전정보의 형태를 제안한다. 본 연구진의 실험결과 새롭게 제안된 방법으로 적용할 경우 truncation artifact가 감소될 뿐 아니라 종전의 미세정보유실 현상이 감소됨으로써 tissue regularity와 경계가 한층 더 향상됨을 확인할 수 있었다.
Keywords
- Magnetic Resonance Imaging;
- Truncation Artifact;
- Bayesian Methods;
- Gibbs Distribution;
- Deterministic Annealing