Unaliasing by Fourier-encoding the Overlaps using the temporaL Dimension

(UNFOLD), applied to cardiac imaging and fMRI.

Introduction: UNFOLD is a new, flexible way of encoding spatio-temporal information
with MRI. In some applications, the k-t space of a dynamic object can be thought of
as a 'partially filled box, having free space in 'hard-to-reach' areas. By using the
time axis to encode some spatial information in addition to the temporal
information, a denser, tighter and smaller k-t space can be generated. Because less
k-t points need to be acquired, the imaging time can be significantly reduced
(roughly a factor two in cardiac imaging, and as much as a factor six in fMRI),
allowing increased time resolution and/or spatial coverage.

Theory: A Cartesian sampling function can be translated in the phase-encoding

direction by introducing an offset in the strength of the phase-encoding gradients.
Such a translation introduces a phase shift in any aliased component present in the
FOV, but leaves the non-aliased signal unaffected. The phase shift is e i2nfnal where f
is the size of the translation (in units of ky lines), and nal is the 'order of aliasing' (0
for non-aliased material, 1 for 1 wraparound, 2 for 2 wraparound, etc.). With f(t) =
mt (a linear function along the time axis of a time series of images), e i2f(t)nal
becomes a Fourier basis function. By applying this Fourier phase factor onto aliased
components, the UNFOLD method actually labels each 'order of aliasing'. As a
result, data sets are generated where aliased and non-aliased components can be
separated using a Fourier transform (FT) along the time axis. (Although it is not
demonstrated here, the UNFOLD method can be generalized to non-Cartesian
imaging methods, like spiral imaging. A rotation of spiral arms then replaces the
translation of a Cartesian sampling function.) The present method achieves
reductions in imaging time by reducing the encoded FOV. The spatial information
that is lost in the resulting aliasing is recovered by using the time axis to Fourier
encode the aliased components. This 'transfer of responsibilities' from k axes to the
t axis in a k-t space is useful only in applications where the time axis is inefficiently
exploited by conventional encoding. It is shown here that such applications include
cardiac imaging and fMRI. (In the cardiac application, for the special case where the
material outside the heart is static, it can be shown that UNFOLD becomes
completely equivalent to [2].)
The present method achieves reductions in imaging time by reducing the encoded
FOV. The spatial information that is lost in the resulting aliasing is recovered by
using the time axis to Fourier encode the aliased components. This 'transfer of
responsibilities' from k axes to the t axis in a k-t space is useful only in applications
where the time axis is inefficiently exploited by conventional encoding. It is shown
here that such applications include cardiac imaging and fMRI. (In the cardiac
application, for the special case where the material outside the heart is static, it can
be shown that UNFOLD becomes completely equivalent to (2).) Results: Fig. la
shows an fMRI activation image, obtained with bilateral finger tapping. Consider an
activated pixel P. Due to the paradigm, the complex intensity at P changes as a
function of time, with a known frequency. Fig. lb shows the FT of this time variation
(normalized with the DC peak). The peaks shown by the dashed arrows are at the
paradigm frequency; their presence is the reason why this pixel is considered
'activated'. In an fMRI study, signal is expected only at DC, at the fundamental
frequency of the paradigm, and at the harmonics. These locations are indicated by
the marks on the frequency axis in Fig. 1b. Notice how small a percentage of the
total bandwidth is filled with useful information, the space between the marks being
left unused. The UNFOLD method can fill this space with useful spatial information.

Similarly, notice how Fig. 2b is a mostly empty bandwidth. It represents a mean

time variation undergone in region B (shown in Fig. 2a). Fig. 2a is a time frame part
of a 16 phases cardiac gated study. Although the signal outside the heart can
change with the cardiac phase, the variations in region B are possibly much less
dynamic than in region A, which contains the beating heart itself. Accordingly, a
narrower bandwidth would be sufficient to describe the pixels in region B. The
remaining space can be used to store spatial information.
The FOV is reduced in Fig. 1c and 2c, leading to aliasing (factor 6 reduction for the
spiral image in lc, and factor 2 in 2c). Although the aliasing may look quite severe
(especially in lc), Fig. 1e and 2e show that signals from aliased and non-aliased
components can be discriminated, since they are Fourier-encoded to different
locations in the temporal frequency domain (the dashed arrows in le show aliased
components). Choosing only the spectral components located at the black marks on
the frequency axis in Fig. 1e (one every six points), and using the filter shown with a
dashed line in Fig. 2e, one can separate aliased and non-aliased components. This
allows the construction of the unaliased images shown in Fig. lId and 2d. Fig. lId
requires 6 times less data (and can be acquired 6 times faster) than the images
used in the generation of Fig. 1a. Fig. 2d requires 2 times less data (and can be
acquired twice faster) than Fig. 2a. Fig. If is the activation map obtained with images
like ld, and should be compared to la. (To make an SNR equivalent comparison, 6
different ways of taking 1/6 of the data to make images like ld have been
independently processed, and then averaged. This is appropriate in a demonstration
of the method's behavior, but would not normally be possible in practice.) Fig. 2f
shows the mean intensity as a function of time in a small ROI (3x3 pixels) shown in
Fig. 2d (this ROI is chosen because wide variations occur as the myocardium moves
in and out of the ROI, and because bright aliasing was present at this location in 2c).
The images using half the data (like 2d) are represented by the dashed line in 2f,
while the 'truth' images (like 2a) are represented by the full line.
Conclusion: By encoding more efficiently the desired information, the UNFOLD
method can reduce data requirements (and imaging time) by about a factor 2 in
cardiac imaging, and by as much as a factor 6 in fMRI

Unaliasing por Fourier codifica las superposiciones utilizando la dimensin temporal

(UNFOLD), aplicado a imgenes cardacas y fMRI.
Introduccin: UNFOLD es una nueva forma flexible de codificar la informacin
espacio-temporal con la RM. En algunas aplicaciones, el espacio kt de un objeto
dinmico puede ser pensado como una "caja parcialmente lleno, tener espacio libre
en zonas difciles de alcanzar. Al utilizar el eje de tiempo para codificar informacin
espacial en Adems de la informacin temporal, una ms densa, kt espacio ms
apretado y ms pequea se puede generar. Debido puntos menos kt necesitan ser
adquirido, el tiempo de formacin de imgenes puede reducirse significativamente
(aproximadamente un factor de dos en imagen cardiaca, y tanto como un factor de
seis en fMRI), lo que permite una mayor resolucin de tiempo y / o cobertura
espacial.

Teora: Una funcin de muestreo cartesiano puede ser traducido en la direccin de

codificacin de fase-mediante la introduccin de un desplazamiento en la fuerza de
los gradientes de fase de codificacin. Traduccin Tal introduce un cambio de fase
en cualquier componente alias presente en el campo de visin, pero deja la seal
no-alias afectados. El cambio de fase es ei2nfnal donde f es el tamao de la
traduccin (en unidades de lneas ky), y el final es el "orden de alias '(0 para
material no-alias, 1 por 1 envolvente, 2 para 2 envolvente, etc. ). Con f (t) = MT
(una funcin lineal a lo largo del eje de tiempo de una serie temporal de imgenes),
ei2f (t) nal se convierte en una funcin de base de Fourier. Mediante la aplicacin
de este factor de fase de Fourier en componentes con alias, el mtodo UNFOLD
realidad etiqueta cada 'orden de alias'. Como resultado, se generan conjuntos de
datos donde alias y componentes no-alias se pueden separar utilizando una
transformada de Fourier (FT) a lo largo del eje de tiempo. (Aunque no se demuestra
aqu, el mtodo UNFOLD se puede generalizar a los mtodos de imagen no
cartesianas, como formacin de imgenes espiral. Una rotacin de los brazos
espirales a continuacin, sustituye a la traduccin de una funcin de muestreo
cartesiano.) El presente mtodo logra reducciones en el tiempo de formacin de
imgenes por la reduccin de la FOV codificado. La informacin espacial que se
pierde en el aliasing resultante se recupera usando el eje de tiempo a Fourier
codificar los componentes de alias. Esta "transferencia de responsabilidades" de
ejes k al eje t en un espacio kt slo es til en aplicaciones donde el eje de tiempo se
ineficientemente explotadas por codificacin convencional. Se muestra aqu que
tales aplicaciones incluyen imgenes cardacas y fMRI. (En la aplicacin cardiaca,
para el caso especial donde el material fuera del corazn es esttica, se puede
demostrar que se despliegan se vuelve completamente equivalente a [2]).
El presente mtodo logra reducciones en el tiempo de formacin de imgenes
mediante la reduccin del FOV codificado. La informacin espacial que se pierde en
el aliasing resultante se recupera usando el eje de tiempo a Fourier codificar los
componentes de alias. Esta "transferencia de responsabilidades" de ejes k al eje t
en un espacio kt slo es til en aplicaciones donde el eje de tiempo se

ineficientemente explotadas por codificacin convencional. Se muestra aqu que

tales aplicaciones incluyen imgenes cardacas y fMRI. (En la aplicacin cardiaca,
para el caso especial donde el material fuera del corazn es esttica, se puede
demostrar que se despliegan se vuelve completamente equivalente a (2).)
Resultados: Fig. la muestra una imagen de activacin fMRI, obtenido con tapping
dedo bilateral. Considere un pixel activado P. Debido al paradigma, el complejo de
intensidad en P cambios como una funcin del tiempo, con una frecuencia conocida.
Fig. libra muestra el FT de esta variacin en el tiempo (normalizado con el pico DC).
Los picos indicados por las flechas de trazos son a la frecuencia de paradigma; su
presencia es la razn por la cual se considera este pxel 'activado'. En un estudio
fMRI, se espera que la seal slo a DC, a la frecuencia fundamental del paradigma,
y en los armnicos. Estas ubicaciones se indican mediante las marcas en el eje de
frecuencias en la fig. 1b. Observe cmo pequeo porcentaje del ancho de banda
total est lleno de informacin til, el espacio entre las marcas que se deja sin
utilizar. El mtodo UNFOLD puede llenar este espacio con informacin espacial til.
Del mismo modo, observe cmo la figura. 2b es un ancho de banda prcticamente
vaco. Representa una variacin tiempo medio experimentado en la regin B
(mostrado en la Fig. 2a). Fig. 2a es una parte de marco de tiempo de un estudio
cerrado 16 fases cardaco. Aunque la seal fuera del corazn puede cambiar con la
fase cardiaca, las variaciones en la regin B son posiblemente mucho menos
dinmico que en la regin A, que contiene el propio corazn que late. De acuerdo
con ello, un ancho de banda ms estrecho sera suficiente para describir los pxeles
en la regin B. El espacio restante se puede utilizar para almacenar informacin
espacial.
El FOV se reduce en la Fig. 1c y 2c, llevando a aliasing (factor de reduccin de 6
para la imagen de espiral en lc, y el factor 2 en 2c). Aunque el aliasing puede
parecer muy grave (especialmente en moneda local), la Fig. 1e y 2e muestran que
las seales de componentes de alias y no con alias pueden ser discriminados, ya
que son de Fourier codificado a diferentes lugares en el dominio de la frecuencia
temporal (las flechas discontinuas en le muestran componentes alias). Elegir slo
los componentes espectrales situados en las marcas negras en el eje de frecuencias
en la Fig. 1e (uno de cada seis puntos), y usando el filtro se muestra con una lnea
discontinua en la Fig. 2e, se puede separar los componentes de alias y no con alias.
Esto permite la construccin de las imgenes unaliased mostrados en la Fig. tapa y
2d. Fig. tapa requiere 6 veces menos datos (y puede ser adquirido 6 veces ms
rpido) que las imgenes utilizadas en la generacin de la fig. 1a. Fig. 2d requiere 2
veces menos datos (y se puede adquirir dos veces ms rpido) que figura. 2a. Fig.
Si es el mapa de activacin obtenido con imgenes como ld, y debe compararse con
la. (Para hacer una comparacin equivalente SNR, 6 formas diferentes de tomar
sexto de los datos para tomar imgenes como ld han sido procesados de forma
independiente, y luego promediado. Esto es apropiado en una manifestacin de la
conducta del mtodo, pero normalmente no sera posible en la prctica.) Fig. 2F
muestra la intensidad media como una funcin del tiempo en una pequea ROI (3x3
pxeles) se muestra en la Fig. 2d (esto ROI se elige debido a amplias variaciones se
producen como el miocardio mueve dentro y fuera de la ROI, y porque aliasing
brillante estaba presente en esta ubicacin en 2c). Las imgenes utilizando la mitad
de los datos (como 2d) estn representados por la lnea discontinua en 2f, mientras
que las imgenes de la 'verdad' (como 2a) estn representados por la lnea
completa.
Conclusin: Mediante la codificacin ms eficiente la informacin deseada, el
mtodo UNFOLD puede reducir los requisitos de datos (y el tiempo de formacin de
imgenes) en aproximadamente un factor de 2 en imagen cardiaca, y por tanto
como un factor de 6 en fMRI