Lezione 11 – K-space e trasformata di Fourier

🎯 Obiettivi formativi

• Comprendere cos’è il k-space e il suo ruolo nella formazione delle immagini RM.

• Analizzare come i dati vengono campionati e memorizzati nel k-space.

• Approfondire la trasformata di Fourier (FT) come passaggio dal dominio delle frequenze al dominio spaziale.

• Correlare le zone del k-space con le caratteristiche dell’immagine finale (risoluzione e contrasto).

• Discutere strategie di riempimento (Cartesian, EPI, radial, spiral) e loro impatto su tempo, SNR e artefatti.

Durata stimata: 1 ora (teoria 40’, applicazioni 15’, riepilogo 5’).

Cos’è il k-space (10 min)

• Definizione: il k-space è una matrice matematica in cui vengono memorizzati i dati grezzi acquisiti durante l’esame RM.

• Non è un’immagine, ma una rappresentazione nel dominio delle frequenze spaziali.

• Ogni punto del k-space contiene informazione sull’intera immagine, ma con peso diverso.

• Coordinate kx, ky (e kz in 3D) → definite dai gradienti di frequenza, fase e slice.

🔑 Idea chiave: il k-space è lo “spazio delle frequenze” da cui nasce l’immagine RM attraverso la trasformata di Fourier.

Trasformata di Fourier (15 min)

• Principio matematico: la trasformata di Fourier (FT) scompone un segnale complesso in una somma di onde sinusoidali di diverse frequenze e fasi.

• In RM:

  • I dati nel k-space sono segnali nel tempo modulati dai gradienti.

  • La FT converte queste frequenze spaziali in intensità luminose su pixel → ricostruzione dell’immagine.

• Trasformata di Fourier bidimensionale (2D-FT):

  • Dimensione x → gradienti di frequenza (readout).

  • Dimensione y → gradienti di fase.

• 3D-FT: aggiunge la direzione z (partition encoding).

Esempio semplice:

• Riga centrale del k-space ↔ contenuto a basse frequenze (contrasto e forma grossolana).

• Riga periferica ↔ alte frequenze (dettaglio fine e bordi netti).

Struttura del k-space e significato delle regioni (10 min)

• Centro del k-space:

  • Contiene informazioni a bassa frequenza → intensità globale, contrasto.

  • Riempito subito, spesso più sensibile a movimento.

• Periferia del k-space:

  • Contiene informazioni ad alta frequenza → bordi e dettagli fini.

  • Acquisizione più lenta, più sensibile a SNR basso.

• Combinazione:

  • Senza centro → immagine rumorosa e poco contrastata.

  • Senza periferia → immagine sfocata, ma contrasto conservato.

Modalità di riempimento del k-space (10 min)

• Cartesian (standard): linee una dopo l’altra → robusto, facile da ricostruire.

• EPI (Echo Planar Imaging): riempie molte linee per TR con un’unica eccitazione → rapidissimo, ma sensibile a distorsioni e artefatti.

• Radial (PROPELLER, BLADE): acquisizione a “raggi” → riduce sensibilità al movimento, buon SNR.

• Spiral: copertura continua a spirale → veloce, efficiente in SNR, ma ricostruzione complessa.

• Partial Fourier: acquisizione incompleta del k-space, il resto viene ricostruito → riduce tempo, ma può generare artefatti e riduzione SNR.

Artefatti e manipolazioni legati al k-space (10 min)

• Aliasing (wrap-around): insufficiente campionamento → immagine sovrapposta.

• Troncamento (Gibbs): se si riducono troppo le linee periferiche → bordi con oscillazioni.

• Motion ghosting: il movimento del paziente altera i dati nel k-space → righe fantasma lungo direzione di fase.

• Parallel imaging (SENSE, GRAPPA): riduce linee acquisite sfruttando più coil → meno tempo, ma riduzione SNR.

• Filtro k-space:

  • Apodizzazione → riduce ringing, ma introduce blur.

  • Zero-fill interpolation → migliora l’aspetto ma non la vera risoluzione.

Riepilogo operativo (5 min)

• Il k-space è lo spazio matematico dove si raccolgono i dati RM.

• La FT converte i dati da frequenze a immagine.

• Centro ↔ contrasto, periferia ↔ dettaglio.

• Strategie di riempimento influenzano tempo, qualità e artefatti.

• La conoscenza del k-space è fondamentale per ottimizzare i protocolli e comprendere i limiti delle sequenze.

💡 Attività didattiche consigliate

1. Esperimento pratico: visualizzare immagini con k-space parzialmente riempito (solo centro o solo periferia) e discutere le differenze.

2. Simulazione FT: usare un software di training per applicare la trasformata di Fourier a un segnale semplice e visualizzare la ricostruzione.

3. Esercizio di gruppo: associare diversi artefatti RM alla loro alterazione nel k-space (es. ghosting, aliasing, Gibbs).

4. Discussione guidata: confrontare strategie di riempimento (Cartesian vs EPI vs Radial) e proporre quale scegliere per encefalo, addome, articolazioni.

5. Quiz rapido: domande a risposta multipla su cosa contiene il centro/periferia del k-space, vantaggi/limiti di EPI e partial Fourier.