磁共振的实图和模图的应用

（图：大部分图像，背景是黑色的，也就是说背景信号最低，上图是一个三反转脑灰质成像图，通过三个反转，把脂肪、脑脊液、脑白质信号全部抑制，保留脑灰质信号。）

   在磁共振成像中，有时候可能大家会有疑问，为什么大部分图像背景是黑色的，有些图像背景是灰色的，比如我们经常发现小儿头颅图像或者海马图像背景是灰色的，而不是黑色的。

（图：小儿头颅IR-T1WI图，图像背景是灰色的，可以发现由于背景是灰色的，更能突出颅脑灰白质对比，脑脊液是黑色的，脑白质是白色的，脑灰质是灰色的，对比度突出）

（图：海马IR-T1WI冠状位成像，1.5T扫描，采用灰色背景，突出T1对比度。）

    一般普通的SE序列，最后采集信号时，只接收信号的模部（也就是说只关注信号的大小，不考虑方向），重建的图像是模数图。

（图：在飞利浦机器中，在后处理栏，有图像类型，选择M，即重建的图像为模数图，背景是黑色的。）

   在IR（反转恢复）序列中，由于采用了180°的反转脉冲，IR序列采集信号的时候，系统可以同时接收信号的模部和相位信息，重建的图像可以是实图。

（图：如果是IR序列，可以在图像后处理中，图像类型，选择R，重建的图像就是实图。当然，你可以同时要I模数图和R实图同时出来。）

  在IR反转恢复序列中，由于先给了一个180°反转脉冲，然后在经过TI时间给予90°激励脉冲，所以，图像和普通SE序列或FFE序列有所不同。普通SE或FFE序列，在射频脉冲反射时，组织的纵向磁化矢量都在正轴；而反转恢复序列，射频脉冲发射是，有的组织的纵向磁化矢量在负轴。如果单纯比较“绝对值”大小，不足以完成体现组织的信号差异。图A：只接收信号的模数；图B：同时接受信号的模数和相位。

    Inversion recovery offers the possibility of the MR signal being positive or negative. Usually MR images are presented in magnitude form, i.e. with no negative values, the sign of the signal being ignored in the final image (this was to overcome artefact problems arising from phase changes due to susceptibility variations and magnet inhomogeneity).

 这也是为什么有时候IR序列伪影大的原因。

  在IR序列中，接收信号时，由于纵向磁化矢量可以在纵坐标的正负方位，所以接收信号也有两种情况：

  1.只考虑信号的模，即正值；在这种情况下，要得到T1对比度，应使用较长的TI，以便大部分组织拥有正像的磁矩。如果减少TI，组织T1恢复速度不同，某些组织表现为“正”磁矩，而另一些仍然为“负”磁矩；而如果他们的模数大小相同，则无法区别这两种组织；

  2.同时考虑信号的模和相位；在信号测量的时候，磁矩为“正”的组织和磁矩为“负”的组织表现出180°的相位差，这样组织间的对比度差异可以在更宽的灰度标尺上衡量。

  正常情况下，是黑色的图像底色（背景）（即不产生信号的空气），此时用灰度均值（即灰度标尺的中值），即灰色的图像底色（背景）来表示，这样组织的信号差异显得更明晰。

  当然，并不是，只要是IR反转恢复序列，重建的图像就是实图。实际上大多数情况下，我们没有必要重建实图，我们只需要模图就够了。比如，3.0T临床常用的头颅T1WI扫描，大部分是采用IR-T1WI序列，但是出来的图像，也是以黑色背景居多。

（图：3.0T常用的IR-T1WI序列扫描头颅，虽然采用了IR序列，但是重建的图像还是模数图）

图像的灰白反转

   在有的时候，我们为了让图像好看，采用了一种灰白反转，也就是在图像上简单的把黑的变白，白的变黑，做了一个黑白反转的处理，这样黑白反转后，本来背景是黑色的就变为灰色或者白色，这个跟前面的实图是不一样的。

（图：采用灰白反转以后，图像有的时候非常看好，比如把MRA血管反转以后，黑类似于DSA效果）

（下面一个部分可以忽略不看）

   另外，有一个概念要搞清楚，就是图像的实部和虚部。磁共振系统采集的信号是一个以时间为变量的函数。

   磁共振信号的特点是：1.周期性，线圈接收的信号是由于横向的磁化矢量切换线圈产生的，反映在系统上，信号就是由震荡的横向磁场切割线圈产生的周期变化的电流或电压，所以信号就类似于三角函数一样具有周期性的；2.衰减性，信号在随时时间的变化过程中会逐渐衰减，类似于T2（横向弛豫），自旋-自旋弛豫，在横向平面内，质子逐渐失相位。

    信号可以用一系列正弦或余弦函数表示。

    当一个函数为奇函数时。什么叫奇函数？就是f（t）=-f（t），比如正弦函数就是典型的奇函数。奇函数傅里叶变换后它的频率是一个正，一个负。当一个函数为偶函数时。什么叫偶函数？就是f（t）=f（-t），比如余弦函数就是偶函数。

    偶函数的傅里叶变换是实数，奇函数的傅里叶变换是虚数。这样在描述一个信号函数时，可以把它拆分为实数部和虚数部。