CODIFICACIÓN DE LA SEÑAL EN RESONANCIA MAGNÉTICA

Sabemos que los pulsos de RF que se aplican para excitar una muestra
no son selectivos, es decir, mientras coincida la Fc del volumen con la
frecuencia del pulso de RF a emitir, los pulsos de RF excitarán todo el volumen
dentro del resonador, principalmente el volumen ubicado el isocentro del
magneto. Por lo tanto, en teoría se podría inclinar el vector de magnetización
de toda la muestra expuesta al pulso de RF. Por este motivo el primer paso a
seguir es definir la selectividad de la excitación, mediante la selección de un
corte tomográfico, con una localización y grosor determinado. Una vez definido
este corte, se hace necesario independizar la señal proveniente de cada vóxel
que forma parte de este corte, a los cuales se le asignará un tono de gris que
depende de la cantidad de señal que posee cada uno de ellos, lo que
dependerá de la potenciación y de la cantidad de espines que lo componen
(densidad protónica del vóxel); mientras mayor es la señal, más hiperintensa
será la imagen, mientras que la hipointensidad absoluta se relaciona con la
ausencia de señal, secundaria a desfases rápidos, saturación o a ausencia de
espines.

La excitación selectiva se logra mediante la aplicación de un pulso de RF

con una frecuencia determinada principalmente por el B0, y un gradiente de
selección de corte conocido genéricamente como Gz (o Gs o Gss), aunque
este gradiente puede ejecutarse en cualquier eje del espacio, o en una
combinación de ejes. De este modo, la dirección el eje (x, y, z) determinará la
orientación e inclinación del corte, mientras que la amplitud del gradiente
determinará el grosor de corte. Por este motivo, al hablar de las características
del pulso selectivo de RF, éste debe poseer una frecuencia central (Fc) y un
rango angosto de radiofrecuencias asociadas, conocido como ancho de banda
(BW) y que típicamente varía entre 1 y 2 kHz.

Cuando un pulso de RF es emitido en la presencia de un gradiente Gz,

una angosta región de tejido alcanza la condición resonante (de absorción de
energía), lo que está determinado por la ecuación de Larmor, ya que si el pulso
de RF tiene la misma frecuencia de precesión de los espines que están bajo la
influencia del gradiente Gz, éstos serán los spines que serán excitados. La
duración de este pulso de RF y su amplitud determinarán la cantidad de
rotación resultante del spin (90º - 180º). La frecuencia central del pulso
determinará la localización de la excitación lograda por éste cuando Gz está
presente. De esta forma se pueden alcanzar diferentes posiciones de corte,
sólo cambiando la frecuencia central del pulso de RF. Como sabemos, el
espesor de corte está determinado por la amplitud del gradiente Gz (o también
conocida como “pendiente del gradiente”) y el BW incorporado en el pulso de
RF incidente. Habitualmente el BW se mantiene fijo (ya que variarlo determina
cambios en la relación señal-ruido, o SNR; o un cambio en el desplazamiento
químico entre el agua y la grasa presente), por lo que el factor que en definitiva
determinará el espesor de corte será la amplitud del gradiente Gz. Así se
establece que al aumentar la amplitud del gradiente de resolución de corte,
disminuirá el espesor de corte, y viceversa (ver figura 1).

Figura 1: Efecto de la pendiente de la gradiente Gz sobre el espesor de

corte

De lo anterior se desprende que es posible excitar simultáneamente en

distintos lugares, lo que permite obtener múltiples cortes al mismo tiempo, esto
es lo denominado “técnica multicortes”. La técnica multicortespermite que
durante la ejecución de una secuencia se adquieran todos los cortes
programados al mismo tiempo(ver figura 2)
 Figura 2: Técnica Multicortes

Los cortes generados tendrán un “grosor” que se medirá en milímetros

una vez que sean reconstruidos. Antes de la reconstrucción del corte, el grosor
y todas características de éste estarán implícitos en lo que se conoce como
“perfil de RF”. Los bordes de este perfil no son perfectos, ya que el pulso de RF
excitatorio siempre contendrá algunas frecuencias redundantes, conocidas
como “frecuencias armónicas”, lo que queda demostrado al analizar el espectro
del pulso. Una solución para corregir este problema es muestrear la señal con
una mayor cantidad de frecuencias, lo que agrega más pasos matemáticos y
una mayor lentitud al proceso de reconstrucción de la imagen (ver figura 3)

Figura 3: Pulso de RF y Perfil de RF

 Un efecto de la aplicación de la gradiente Gzal mismo tiempo que se
aplica un pulso de RF es la formación de desfases en la zona excitada, lo que
implica pérdida de señal por disminución del componente Mxy. El pulso de RF
produce una inmediata puesta en fase de los espines, y el gradiente aplicado al
mismo tiempo destruirá parcialmente la coherencia de fases introducida por la
acción de la RF. Esto se corrige mediante la introducción de un lóbulo de
refase –Gzque revierte la polaridad del gradiente Gz, por un periodo de tiempo
de duración Gz/2. Este lóbulo, la mitad más pequeño que el lóbulo +Gz,
refasará los espines que habiendo sido puestos en fase por el pulso de RF,
fueron desfasados por acción del lóbulo +Gz del gradiente de corte (ver figura
4)

Figura 4: Gradiente Gz: Lóbulo +Gz y –Gz/2

Proceso de Lectura de la señal

Cabe señalar que la codificación de la señal diferencia a la Imagenología

por RM (MRI) de la espectroscopía por RM (MRS). En una secuencia de MRI la
señal siempre será detectada en presencia de una gradiente de lectura,
llamada gradiente de codificación de frecuencias (Gx o GR). Es conocido por
nosotros que tras la excitación en una región particular de tejido producida por
un pulso selectivo de RF, por ejemplo por un pulso de 90º, se producirá una
orientación del vector neto de magnetización en sentido transverso respecto a
B0 y precesará a la frecuenciaω0. El proceso T2* inducirá desfases en esta
magnetización transversa, lo que es parcialmente revertido para obtener un eco
con la aplicación de un pulso de RF de 180º (proceso más eficiente para
refasar), un pulso de gradiente, o ambos. Mientras el eco se está adquiriendo,
el gradiente de lectura es aplicado perpendicular a la dirección del corte. Bajo
la influencia de este nuevo gradiente los espines en relajación empezarán a
precesar a diferentes frecuencias dependiendo de su posición en la dirección
del gradiente, en concordancia a lo establecido en la Ecuación de Larmor.
Todas y cada una de estas frecuencias estarán incluidas en el eco. En el
momento de la recepción del eco (TE) la señal será leída por la antena
receptora y digitalizada para la posterior transformación de Fourier. Tanto la
magnitud de la magnetización implícita en el eco, como su frecuencia
permitirán que se detecte la posición correspondiente de cada vóxel dentro del
corte.

Dentro del proceso anteriormente descrito se encuentra la determinación

del campo de visión (Field of View, FOV) de la imagen. Para el ancho de banda
dado (total de frecuencias medidas en la señal), el FOV deseado estará
determinado por la amplitud del gradiente de lectura. A medida que aumenta la
amplitud del gradiente Gx, el tamaño del FOV disminuye en forma directa. Esto
es análogo al espesor de corte. El espesor de corte depende de la pendiente
de la gradiente de codificación de corte (Gz). A mayor pendiente de Gz, menor
es el espesor de corte. El FOV depende de la pendiente de la gradiente de
codificación de frecuencias (Gx). A mayor pendiente de Gx, menor es el FOV
corte (ver figura 5)
 Figura 5: Efecto de la pendiente de la gradiente Gx sobre el FOV

La otra codificación necesaria para formar una imagen de RM es la codificación

en dirección de la fase. La codificación de fase se logra mediante la aplicación
de un gradiente de fase (Gy o “GradientPhaseEncoding” GPE) en sentido
perpendicular tanto a la codificación de frecuencia como de selección de corte.
Es el único gradiente que cambia de amplitud durante la adquisición de la
señal, por esto, cualquier variación en la amplitud de la señal detectada entre
las distintas adquisiciones, se asume que será causada por la influencia de Gy
durante la medición.

El principio de la codificación de fase se basa en el hecho de que la

precesión del espin es periódica por naturaleza, su frecuencia no varía a
menos que “algo” interfiera en ella. Previo a la aplicación de Gy el
espinprecesaba a una frecuenciaω0. En presencia de Gy su frecuencia de
precesión se incrementa o disminuye dependiendo de la amplitud del gradiente
de fase aplicado (según la Ecuación de Larmor). Mientras mayor sea la
amplitud del gradiente Gy la frecuencia de precesión será mayor (“frecuencias
altas”) y la amplitud de la señal será menor, por haber más desfases. A la
inversa, si la amplitud de Gy es menor, la frecuencia de precesión será menor
(“frecuencias bajas”), y la amplitud de la señal será mayor, porque los espines
están menos desfasados y la componente transversal será mayor, por lo que
generará una mejor señal de inducción en la antena. Como veremos más
adelante, las altas frecuencias se relacionarán con el detalle de la imagen, y
con la periferia del Espacio-K, mientras que las bajas frecuencias se relacionan
con el contraste (los detalles gruesos), y con las regiones centrales del
Espacio-K. Una vez que el gradiente Gy termina, su influencia se mantiene: a
pesar que el gradiente Gy ha terminado y a pesar de que una vez ocurrido
esto, los espines retoman su frecuencia de precesión original (ω0), todos los
spines expuestos al gradiente aumentan o disminuyen su fase con respecto a
la fase que poseían originalmente antes de la aplicación de Gy. La cantidad de
shift de fase inducido depende de la magnitud y duración de Gy. Los espines
localizados en diferentes posiciones en la dirección de codificación de fase
experimentan diferentes cantidades de shift de fase para un mismo pulso Gy.
Un protón localizado en los extremos del FOV elegido experimenta la máxima
cantidad de phaseshift para cada paso de codificación de fase,
ophaseencodingstep (PES). (ver figura 6)

Figura 6: Efecto de la gradiente de codificación de fase Gy sobre la

frecuencia

Todas y cada una de las líneas del Espacio-K serán codificadas por la
gradiente Gy. El total de líneas es igual a la cantidad total de codificaciones de
fase necesarias para llenarlas. Por ejemplo, si un Espacio-K está formado por
256 líneas, se correlacionará con una matriz de 256 corridas de píxeles. Para
llenar todas las líneas se necesitarán un total de 256 gradientes Gy, es decir, la
Dimensión de la Fase (Dim-Phase o Ny) será igual a 256, por lo que estará
formada de 256 pasos de codificación de fase (PES o PhaseEncodingSteps).
Entonces cada gradiente Gy será un PES. En este caso los PES irán desde la
gradiente Gy=+128, que será de una gran amplitud, y así el siguiente PES será
de +127, y así sucesivamente; hasta llegar al valor cero. En el valor cero no se
aplica Gy (Gy=0). Posteriormente los PES seguirán desde Gy=-1, Gy=-2, hasta
llegar a Gy=-128. El PES -128 es igual en amplitud al PES +128, solo cambia el
sentido de la gradiente (Son iguales en amplitud, pero su sentido es contrario).

Un espin en el extremo del FOV en la dirección de codificación de fase

sufre 90º de cambio de fase∆φdesde un PES a otro. Cada punto dentro del
FOV sufre, progresivamente, menos cambio de fase para la misma amplitud del
gradiente. Un espin en el isocentro nunca experimenta un cambio de fase. El
cambio en la amplitud del gradiente (en la siguiente figura de 0.01 mT/m) desde
un PES al siguiente, depende del FOV seleccionado y de la matriz, ya que al
aumentar las matrices, aumentan los PES, ya que aumenta la cantidad de
líneas del Espacio-K, por lo que disminuye la diferencia en mT/m entre un PES
y el siguiente(ver figura 7)

Figura 7: Cambio y evolución la fase de los espines entre líneas del

Espacio-K

La información de RM es obtenida al repetir múltiples veces la excitación

de corte y la detección de señal, cada vez con diferente amplitud de Gy.
 RECONSTRUCCIÓN DE IMÁGENES EN RESONANCIA MAGNÉTICA (2)

Autor: Prof. Cristián Garrido Inostroza

Introducción

Se tiende a confundir Reformación con Reconstrucción. Cuando

hablamos de MIP, MPR o VRT, estamos hablando de reformaciones. La
reconstrucción es el proceso mediante el cual se logra formar la imagen a partir
de la señal o los datos originales.

Sabemos que la señal de resonancia es una FID, pero como esto es la

realidad, no esperemos obtener la misma FID que se ve en los libros. Es
increíble pensar que en la señal eléctrica inducida en la antena por un vector
magnético proveniente de una muestra de espines, va codificada la información
suficiente para generar una imagen, y que esta información trae implícita la
señal proveniente de todos y cada uno de los vóxeles que componen un plano
tomográfico. Ya dijimos que en una imagen de matriz 512x512, la señal debe
contener implícita la información de una imagen potenciada en T1, T2, etcétera;
para cada uno de los 262.144 píxeles que la componen. Es esperable entonces
que la “sencilla FID” que conocíamos es en realidad una onda sinusoidal
compleja

Obtener la señal es el primer paso, después debe ser desmontada de

una señal transportadora, amplificarse, digitalizarse, ser discretizada, y
almacenarse constituyendo una suerte de raw data temporal, que tras un nuevo
proceso generará la imagen.

En este documento se abordarán algunos aspectos de este proceso.

Algo ya se ha visto en las clases previas.

¿Se acuerdan de la clase de Potenciación de la Imagen, y del Dr.

Damadian?....Bueno, ¡sigue peleando por el Nobel!
Formación de la Imagen en RM

Figura 1: Formación de la Imagen en RM

Es importante recalcar, que si no se hace nada para codificar la señal,

es decir, simplemente se excita un volumen de espines, se les permite relajar, y
luego se recibe la señal proveniente del volumen excitado, lo que se recibe es
una señal que contiene la información de todo el volumen, pero no se puede
establecer qué parte de esa señal proviene desde un vóxel específico.

Lo primero siempre es establecer un corte (plano tomográfico) dentro de

un volumen. Ya sabemos que esta función la realiza la gradiente de resolución
de corte Gz, la cual se aplica siempre en conjunto con los pulsos de RF
excitatorios, para que estos exciten un corte en una determinada posición y con
un determinado grosor, y no un volumen ubicado en la región del isocentro del
magneto. Esta gradiente ya la conocemos y sabemos de que dependerá la
posición y espesor del corte: La posición depende del valor que adopte el
gradiente, y que este valor coincida con la frecuencia del pulso de RF a emitir,
mientras que el espesor de corte depende del ancho de banda de excitación, el
que no se manipula directamente, sino que a través de la pendiente de la
gradiente Gz. Una pendiente mayor se relaciona con espesores de cortes más
finos, mientras que una pendiente menor se relaciona con espesores de corte
más gruesos (Figura 2). Entre los gradientes que participan directamente en la
formación de la imagen, el gradiente Gz es el único que se aplica durante la
excitación.
 Figura 2: Codificación de corte Gz / Pendiente de Gz y espesor de corte

Ya resuelta la definición de un plano tomográfico, ahora es necesario

conocer la señal de todos y cada uno de los vóxeles contenidos en cada corte,
para finalmente asignarles un valor de gris que dependerá en primer lugar de la
potenciación en la que fue adquirido ese corte, y luego dependerá de la
densidad protónica, de la presencia de susceptibilidad magnética y de la
presencia de medio de contraste, entre otros parámetros. Para definir la señal
de cada uno de los vóxeles en el proceso de reconstrucción de la imagen,
primero debemos saber que la señal es de inducción (FID) y que esta puede
ser manipulada durante la relajación para determinar dónde viene la señal
específica de cada uno de los vóxeles que constituyen el corte. La
manipulación de la FID se logra mediante las codificaciones de Fase y
Frecuencia, que son gradientes que se aplican durante la relajación y que
tienen todas las características propias de las gradientes que ya conocemos
(generan una diferencia lineal de intensidad de campo, donde los espines
precesan más lento en la zona donde se encuentra la menor intensidad de
campo magnético, y más rápido en la zona con mayor intensidad de éste
campo). Durante la relajación, los espines también están precesando y si en
ese momento son sometidos a una gradiente, ellos sufrirán una alteración en
su frecuencia de precesión, la que se reflejará como cambios en la fase.
Utilizando ese truco podremos saber los componentes en fase y frecuencia de
cada uno de los vóxeles que están formando parte de un corte, y a través de
este atributo se puede conocer la señal que tienen. Si la señal es alta, se les
asigna el color blanco, si no hay señal, se les asigna el color negro, y los
grados variables de señal se relacionarán con valores intermedios de gris. Esto
finalmente se transformará en la imagen que conocemos.
 Transformada de Fourier (FT)

No es la intención de este curso ahondar en esta herramienta

matemática, sin embargo se debe mencionar que es importantísima para poder
descomponer la compleja señal de RM. Fue desarrollada por Jean-Baptiste
Fourier (21/03/1768 –16/05/1830). Él no era físico, era matemático, pero tenía
unos amigos físicos que trabajaban en la propagación del calor
(específicamente en la propagación de calor en las piedras del desierto). A
ellos les diseñó una herramienta matemática para simplificar todos los
componentes de una onda de calor. Se dio cuenta que cualquier serie, por muy
compleja que fuera, cualquier fenómeno que oscilara o cambiara en función del
tiempo, podía descomponerse en sumas de funciones trigonométricas simples,
específicamente funciones seno y coseno con una frecuencia constante

Se usó originalmente para estudiar la propagación del calor, pero nunca

pensó que su herramienta se iba a utilizar para retroproyección filtrada en
tomografía computada, por ejemplo, o para almacenar y descomponer la señal
de RM y “almacenarla” en un espacio matemático denominado Espacio-K. La
serie inversa sirve para pasar desde el Espacio-K a la imagen (Figura 3)

Figura 3: Transformada de Fourier

Una imagen puede ser muestreada ya que está formada por colores y
formas. Las formas y los colores cambian en función de la distancia, o
frecuencia, los colores y formas cambiando son los componentes
fundamentales de la imagen. Por eso una imagen entonces se transforma en
un espectro de frecuencias, y para conocer sus componentes fundamentales
(colores y formas cambiando en función de la distancia) es que se aplica la
transformada de Fourier.
 Figura 4: Señal de RM es una función temporal (onda periódica)

En la Figura 4 podemos apreciar una onda periódica compleja que no se

parece en nada a la FID que conocemos, pero en realidad así es la señal, eso
sí, después de que pasó por la codificación de fase y frecuencia. Es una
función que refleja un cambio de intensidad de voltaje inducido en la antena, en
función del tiempo. Acá se ve un período dentro de la señal. Cuando vemos los
incrementos en función del tiempo estamos hablando de frecuencia lineal y
cuando vemos los cambios en función del tiempo hablamos de frecuencia
angular.

Esta situación se puede clasificar como perteneciente al dominio

temporal, pues vemos el cambio de “algo” en función del tiempo. El dominio
temporal, sin embargo, no sirve para trabajar la señal; lo que sirve es el
dominio Espacial o Frecuencial. La transformada de Fourier permite, entonces,
pasar una señal trigonométrica compleja que está en el dominio temporal al
dominio frecuencial.

Para hacer una analogía, la transformada de Fourier es una especie de

“caja negra” (Figura 5)
 Figura 5: Analogía de la FT con una caja negra

Hay una suma de funciones seno y coseno, con distintas fases, distintas
frecuencias y distintas amplitudes. La suma de todas éstas forma la señal. La
transformada de Fourier se considera como una caja negra, donde la señal
compleja en el dominio temporal al pasar por esta caja negra se convierte en
múltiples funciones seno y coseno en el dominio frecuencial, también llamado
Dominio de Fourier. La analogía se hace más clara al analizar un ejemplo: Un
acorde (Figura 6)

Figura 6: Ejemplo del acorde

 En la Figura 6 vemos un acorde formado por tres notas SOL, MI y DO.
Una persona con oído absoluto, o al menos bien entrenado, escucha el acorde
y lo puede reproducir sin mirar cómo se generó. En este caso se hizo, en varias
áreas del cerebro, una transformación de Fourier, ya que al escuchar el acorde,
se descompuso en sus notas fundamentales y eso permitió reproducirlo. En la
parte inferior de la figura se refleja lo mismo, pero el acorde se representa
como una onda compleja, y las notas descompuestas como tres funciones
coseno de distinta frecuencia, que corresponden a las frecuencias de las notas
SOL, MI y DO. Las 3 ondas sumadas generan el acorde.

Para empezar a aplicar algunos conceptos a las imágenes veremos otro

ejemplo: La discoteca. En la pista de baile hay personas bailando, pero todo
está oscuro (la bola disco fue robada en la tarde), y solo tenemos una luz
estroboscópica (esa, la que pestañea) para iluminar. Nuestra luz puede regular
su velocidad de pestañeo solo en 2 velocidades (frecuencias): pestañeo rápido
(alta frecuencia) y pestañeo lento (baja frecuencia). Si queremos ver que pasa
en la pista vamos a probar con las dos frecuencias disponibles de nuestra luz.
Al alumbrar la pista con la frecuencia baja veremos unos bultos oscuros que se
mueven, pero con un movimiento muy “cortado”. Nuestra información carecerá
de todo detalle y solo veremos luces y sombras, lo que denominaremos
“imagen con información de contraste”. Si volvemos a iluminar la pista, pero
con la frecuencia alta, veremos a las personas con mayor detalle y el
movimiento se podrá apreciar más fluido. La información ahora será llamada
“imagen con información de definición”. Del ejemplo se extrae que las
frecuencias bajas aportan la información de contraste, mientras que las altas
frecuencias aportarán la información de definición. Ambos atributos, contraste y
definición, forman “la imagen completa”. Esta analogía será llevada a las
imágenes al analizar la Figura 7 y revisar el concepto de frecuencia espacial.

Figura 7: Frecuencia espacial

 La frecuencia espacial es la variación del brillo de una imagen en una
dirección, y en función de la distancia. Se mide en ciclos/unidad de distancia.
Cuando el brillo varía muy poco, ya que la imagen es muy poco detallada
(imagen A), no necesito muestrearla mucho, ya que no hay muchos cambios en
ella. La imagen B en cambio, es una imagen que, además de tener cambios de
forma tiene cambios bruscos de contraste. Entonces, en este tipo de imagen
necesitamos un muestreo con mayor frecuencia. Si yo muestreo una sola vez
algo que cambio mucho no tengo una representación fidedigna de todos sus
detalles. La imagen A es, entonces, de baja frecuencia, mientras que la B es de
baja frecuencia

Ahora, la FT no es una sola herramienta, existen varios tipos de ella. La

transformada de Fourier es capaz de muestrear todas las frecuencias
presentes en una imagen, sin embargo, muestrear con tal detalle es demoroso.
La transformada discreta de Fourier (DFT) es una variedad de FT que realiza
menos pasos de muestreo lo que acelera el proceso. A pesar de esto el
muestreo es capaz de abarcar toda la gama de frecuencias posibles,
suficientes para expresar todo el dominio frecuencial.

La transformada rápida de Fourier (FFT) es una simplificación de la DFT. El

muestreo es básicamente igual, solo que con menos iteraciones (pasos
matemáticos). Con la FFT se corre más riesgo de submuestrear las frecuencias
más altas, con lo que se puede perjudicar el detalle, la definición, de la imagen.

Cualquiera de las dos, DFT y FFT van a descomponer la imagen en dos

componentes, uno real, de magnitud o módulo, que quedará descrita por las
funciones coseno; y un componente de fase, también llamado imaginario,
descrito por las funciones seno.

Figura 8: Funciones seno y coseno

 La función coseno es simétrica en torno al 0 (el eje x situado en 0 simula
un espejo) en los valores -1 y 1. Una vez aplicada la FT, esta será la función
real. La función seno entre los valores -1 y 1 no es simétrica, ya que no
comparte la misma fase. Al aplicarle la FT todos los componentes van a ser
multiplicados por un número que es múltiplo de √-1(el número imaginario i) y
por eso es la componente imaginaria o de fase. Todavía queda el problema de
que las funciones seno y coseno son funciones temporales (oscilaciones en
función del tiempo). Queda por resolver el paso de estas funciones temporales
al dominio frecuencial.

Figura 9: FT y paso de funciones trigonométricas al dominio frecuencial

En la Figura 9, imagen superior, se observan dos funciones coseno. La

función A tiene una frecuencia mayor que la función B. Al aplicarles a ambas la
FT se ven dos picos, como sabemos simétricos, que están separados por
unidades de distancia. Este es el paso del dominio temporal al frecuencial.
Cuando la frecuencia en el dominio temporal es mayor, la separación entre los
picos es mayor en el dominio frecuencial y viceversa, por lo que ambos
dominios son recíprocos entre sí. En la imagen inferior vemos básicamente lo
mismo. La diferencia está en que en la situación A hay una función coseno, y
en la situación B hay una función seno, ambas con la misma frecuencia en el
dominio temporal. Al pasar por la FT al dominio frecuencial, ambas funciones
tendrán la misma separación de sus picos (ya que la separación depende de la
frecuencia en el dominio temporal), pero la función seno generará un pico
invertido en su valor negativo (-1), ya que esta función es asimétrica.
 Esta información es la que deberá ser almacenada. El almacenamiento
se hará en un espacio matemático virtual…El Espacio-K. Este espacio será
abordado más adelante.

Codificación espacial de la señal

Ya sabemos que el plano tomográfico, el corte, será determinado en la

excitación con pulsos de RF a través de un gradiente de codificación de corte
Gz, el que ya hemos revisado en más de una oportunidad.

El corte, cuyo espesor será la unidad de volumen (vóxel), está formado

por numerosos píxeles, los que no están definidos. La codificación de corte
solo permite obtener “la lonja”, pero los pixeles deben “ser inventados” en el
corte a través de las codificaciones de fase y frecuencia, las que permitirán
muestrear todas las frecuencias presentes en el vóxel. Cuando se muestrean
muchas frecuencias, la imagen tendrá más píxeles que cuando se muestrean
pocas. La cantidad de píxeles dependerá de la matriz de adquisición, por lo que
la resolución de la imagen dependerá de la matriz. Mientras mayor sea la
matriz, mayor será también la resolución de la imagen, por estar formada por
mayor cantidad de píxeles (Figura 10)

Figura 10: Matriz y resolución

El problema de la RM no es hacer secuencias con muchos píxeles, sino

que el poder hacer implícita en UNA SOLA SEÑAL, la información de TODOS
Y CADA UNO DE LOS PIXELES. No existe una señal por cada píxel (Figura
11).
 Figura 11: El problema de la señal y los píxeles

Como ya fue mencionado, la codificación de fase y frecuencia serán las

encargadas de crear los pixeles en el corte, de modo que la señal única que se
reciba desde el corte contenga la señal proveniente de cada uno de los píxeles
que lo componen. La FT aplicada sobre la señal global permitirá
descomponerla y asignarle una señal a cada píxel, ya que la sumatoria de la
señal parcial de cada uno de ellos constituye la señal completa. Además
sabemos que la FT permite transformar la información temporal a la
frecuencial, por lo que la información contenida en la señal se traducirá a
“distancias”. Es la información de “distancia” de cada píxel, la que permitirá
ubicar a cada píxel con su señal en una matriz. La posición del píxel en la
matriz estará dada por la información de frecuencia, mientras que la intensidad
de la señal se relacionará con su valor de gris, la alta señal será hiperintensa, y
la baja será hipointensa.

Ambas codificaciones, fase y frecuencia, se realizarán a través de la

aplicación de gradientes durante la relajación. La gradiente de codificación de
fase (Gy) será unipolar y de distinta amplitud en cada TR, o para cada eco
adquirido. La gradiente de codificación de frecuencia (Gx) será bipolar,
bilobular, y tendrá la misma amplitud en cada TR. La gradiente de codificación
de frecuencias se aplica durante la colección del eco, mientras que la de fase
se aplica entre el pulso de 90º y el de 180º en las secuencias de eco de espin,
o un poco después del pulso flip en las secuencias GRE.

En la Figura 12 se aprecia cómo actúa una gradiente en la fase de los

espines, con la función de codificar una imagen. Es capaz de generar desfases
a lo largo de una dirección. En este caso, una columna no presenta el mismo
valor de fases a lo largo de ella, sin embargo, si vemos las filas, estas son
distintas entre sí, pero dentro de la misma fila, los espines tienen la misma
fase.
 La gradiente permite determinar las filas, porque en este caso su sentido
de variación es hacia abajo, por lo tanto hacia el lado todos tendrán la misma
frecuencia y compartirán la misma fase. Esto es porque los espines de la
misma fila están sometidos a un mismo valor de gradiente, mientras que los
ubicados en filas contiguas tendrán distintos valores de frecuencia y fase, eso
sí, se cumple que dentro de la misma línea la fase y frecuencia de los espines
es exactamente la misma.

Antes de aplicar la gradiente todos los espines tenían la misma fase,

pero al aplicar la gradiente, vemos que se generaron los desfases, lo que
generó filas. Este “truco”, el establecimiento de filas con espines que precesan
en la misma fase, y que se diferencian de la fase de los espines en las filas
contiguas; realizado a través de la aplicación de un gradiente en el eje y, es lo
que se denomina codificación de fases o codificación por fase.

Figura 12: Gradiente determinando filas

Codificación de fases (Figura 13):

Figura 13: Codificación de fases

Durante la codificación de fase se aplica un gradiente unipolar durante la

relajación. Se aplica un gradiente Gy en cada TR.

¿Quién determina la cantidad de codificaciones de fase? La matriz. Lo

que se conoce también como la dimensión de la fase o Dim-Phase (Ny). Por
ejemplo, si la matriz es 256, la Dim-Phase es 256 y necesito 256 TRs para
llenar el Espacio-K necesario para satisfacer esta dimensión de la fase. Cada
codificación de fase realizada se denomina Phase Encoding Step (PES). Una
Dim-Phase de 256 está formada por 256 pasos de codificación de fase.

La fase es lo que toma tiempo en la adquisición, ya que un valor de fase

se relaciona con un TR. Una matriz de 128 se demora menos que una de 256 y
mucho menos que una de 512. Exactamente la 128 se demora 4 veces menos
en ser adquirida que la 512, y la mitad que lo que toma la 256.

La gracia de la Gy radica en que la primera gradiente tomará un valor

muy alto (mucha amplitud), capaz de generar mucho desfase dentro de la fila
del Espacio-K que codifica. Contar con mucho desfase implica que la
frecuencia es alta. Recordar más adelante que mucho desfase implica alta
frecuencia y baja señal. La Gy siguiente tomará un valor de amplitud más bajo,
que codificará la línea inmediatamente inferior, con menos desfase y por lo
tanto, con una frecuencia más baja y alta señal (Figura 14)
 En este caso, la matriz de la imagen es 256x256. La Dim-Phase por lo
tanto es de 256, por lo que el Espacio-K deberá ser llenado con 256 PES. El
tamaño del Espacio-K entonces será de 256 líneas. Irá desde la línea externa
+128 a la externa -128, pasando por la línea central 0. En la línea +128 se
utilizará una gradiente de gran amplitud, la que producirá mucho desfase, y por
lo tanto, altas frecuencias y muy baja señal. La línea -128 es exactamente igual
en amplitud, solo que el gradiente se establecerá en el sentido contrario, y
tendrá el mismo efecto que la +128, solo que la fase girará en el sentido
contrario. A medida que nos acercamos a la línea central 0, progresivamente
se aplicarán gradientes de menor amplitud, que irán produciendo menos
desfases, frecuencias más bajas y más señal. En la línea 0 no se aplican
gradientes, por lo que no hay desfase, la frecuencia será baja, y la intensidad
de la señal será máxima. Las líneas comprendidas entre +64 y 0; y entre 0 y -
64 serán codificadas por gradientes Gy de menor amplitud en los valores cada
vez menores (progresivamente +63, +62, +61...+12, +11, + 10…+3, +2, +1) que
producirán cada vez menos desfases, frecuencias cada vez más bajas y cada
vez más señal. La línea +10 y la -10 serán exactamente iguales en cuanto a la
amplitud de la gradiente que las codificó, y solo se diferenciarán en el sentido
de ésta. Esto se cumple par todas las líneas, y permitirá configurar un Espacio-
K con una característica que veremos en las Figuras 15 y 16.
 Figura 15: Regiones del Espacio-K

En la Figura 15, vemos un esquema que resume las características del

Espacio-K, dadas por el llenado de sus líneas. En la periferia (+) y (-) se
produjo el llenado con altos valores de Gy, es decir, con gradientes de gran
amplitud, que producen muchos desfases, y por lo tanto, altas frecuencias y
baja señal. Acá debemos recordar el concepto de frecuencia espacial, en que
enunciamos que para conocer el detalle de una imagen debíamos muestrearla
con altas frecuencias. Bueno, por el hecho de que en la periferia se encuentran
las frecuencias altas, es que en esta zona se encontrará la definición de la
imagen, la información del detalle. En el centro del Espacio-K se encontrarán
las frecuencias bajas, ya que las líneas de esta región se codificaron con
valores bajos de Gy, es decir, con gradientes de menor amplitud. Recordemos
que la línea 0 se registró sin la aplicación de gradientes, por lo que los
desfases presentes en esta línea son nulos. Como en el centro se encuentran
las frecuencias bajas, la información de la imagen que aporta será la de
contraste.
 La Figura 16 muestra básicamente lo mismo, pero es “más explícita”

Figura 16: Regiones del Espacio-K y los atributos de la imagen

En cada línea del Espacio-K se encuentra la información de TODA LA

IMAGEN. Por lo tanto, una línea del Espacio-K no se relaciona con una línea
de la matriz, sino que contendrá información de toda la imagen.
 Aumentar la matriz, por ejemplo de 256 a 512, implica tener más líneas,
y que las líneas más periféricas casi no contendrán señal y estarán muy
desfasadas. El tiempo de exploración aumentará al doble, ya que se necesitará
el doble de codificaciones de fase (el doble de PES), y por ejemplo en una
secuencia SE, el doble de TRs. En la matriz esto se traducirá en píxeles mas
pequeños, que por contener menos señal disminuirán la relación señal-ruido
(SNR) por lo que la imagen será más ruidosa. Entonces, tener más resolución
implica un gran sacrificio: Aumentar el tiempo de exploración y disminuir la
SNR de la imagen obtenida.

Ahora, para poder hablar después de las propiedades de simetría del

Espacio-K, es necesario aclarar que las líneas (+) y (-) recíprocas (+30 y -30,
+62 y -62, +100 y -100, etc.) tendrán la misma cantidad de desfase, pero con
sentido contrario. Por eso los puntos de la misma línea (+) y (-) serán iguales
en fase pero “en espejo” (Figura 17)

Figura 17: Reciprocidad de las líneas del Espacio-K

El problema de la codificación de las líneas ya está resuelto. Hay otra

dimensión que debe ser codificada: la frecuencia.
 Codificación de frecuencias:

Esta codificación es realizada por la gradiente Gx, la que se aplica

durante todo el tiempo de recolección del eco. Es una gradiente bipolar que se
aplica durante la relajación, y vimos como actúa en las secuencias GRE.
Sabemos que tiene un lóbulo negativo –Gx que desfasa los espines, y un
lóbulo positivo +Gx que es el doble más largo que –Gx, y en cuyo centro se
produce el máximo refase de los espines. Actuará en cada línea del Espacio-K,
refasando y luego desfasando la señal de cada línea, pasando por un punto de
máximo refase de los espines

La codificación de frecuencias siempre es abordada como que codifica

las columnas. En realidad la codificación de frecuencias permite mostrar cómo
se comportan todas las frecuencias presentes en cada una de las líneas de
Espacio-K. Una línea presenta el mismo desfase de principio a fin, pero si
dentro de una línea se aplica una gradiente bipolar Gx, tendremos que en el
extremo derecho e izquierdo de cada línea habrán muchos desfases, mientras
que a medida que nos acercamos al centro de esa línea comenzaremos a
refasar los espines en relajación mientras se recolecta el eco, para que en el
centro de la línea se produzca el refase máximo. Este proceso se repite
exactamente igual en cada línea del Espacio-K.

El esquema de la función de la gradiente bipolar Gx se ve en la Figura

18.
 Figura 18: Gradiente Gx

En la Figura 18 como ya sabemos, se ve que el lóbulo -Gx desfasa todos

los espines, por lo que se llama lóbulo de desfase. El lóbulo +Gx se llama
lóbulo de refase, ya que al empezar refasará los espines. En el punto medio
producirá el máximo refase de ellos, y al finalizar desfasará nuevamente los
espines. En los esquemas podemos ver la evolución de la fase en cada uno de
los lóbulos de la gradiente Gx.

En la Figura 19 vemos todas las líneas en el Espacio-K, afectadas por

las codificaciones de fase y frecuencia.

Figura 19: Fases en el Espacio-K tras la aplicación de todas las gradientes

Gy y Gx
 En las filas, de arriba abajo se van aplicando gradientes Gy con amplitud
cada vez menor hasta llegar a 0. Desde 0 hacia abajo la amplitud de la
gradiente va aumentando. La primera y la última línea son iguales en cuanto a
la amplitud del gradiente aplicado, pero con sentido contrario y así
sucesivamente hacia el centro, por lo que se establece la reciprocidad en
espejo de las líneas. La línea central no fue adquirida aplicando gradientes, por
lo que no habrá desfase. La reciprocidad establece una simetría en espejo de
Espacio-K en el sentido arriba-abajo. De izquierda a derecha se ve la acción de
la gradiente Gx. Antes de recolectar el eco actuó el lóbulo de desfase –Gx, de
modo que al recolectarlo comienza a actuar el lóbulo +Gx, que comienza a
refasar los espines, alcanzando el máximo refase en la columna del medio, y
luego comienza nuevamente el desfase hasta hacerse máximo al final de la
línea, al final de la recolección del eco. Esto determina la aparición de simetría
en espejo del Espacio-K en el sentido derecha-izquierda.

Fíjese además de un detalle: En el Espacio-K aparece una cruz al medio

que determina la formación de cuadrantes. La cruz está formada por líneas con
desfase igual a 0o, es decir, con máximo refase. En el centro del Espacio-K se
ve un punto que es el punto donde se produce el máximo refase, tanto por la
codificación de fase, como por la de frecuencia. Este punto se conoce como
punto KX0Y0 o simplemente Punto Central. En la Figura 20 se ve la cruz y el
punto central.

Figura 20: Cruz de refase y punto central KX0Y0

 Para resumir, en una secuencia se aplicará una codificación de fase
para cada eco que se desee recibir. Las codificaciones Gy positivas irán desde
la periferia hacia el centro del Espacio-K, desde las más altas a las más bajas,
pasando por cero. Posteriormente desde el valor cero irán las codificaciones
Gy negativas desde el centro a la periferia del Espacio-K, desde las
codificaciones más bajas a las más altas. Mientras se recibe el eco se aplicará
la codificación de frecuencias Gx que permite refasar y desfasar el eco en cada
línea del Espacio-K ya codificada por la codificación de fase. De esta forma se
construirá la data en el Espacio-K, línea a línea, en cada TR hasta completar la
Dim-Phase. En la Figura 21 vemos el proceso de codificación justo hasta antes
de almacenar la data en el Espacio-K.

Figura 21: Codificación del Eco en Fase y Frecuencia

 Campo de visión (FOV) de la imagen en RM.

Ver Figura 22.

Figura 22: Gradiente de codificación de frecuencias Gx y FOV.

En la figura se ve la acción de unas gradientes, y nos parece bastante

familiar…se parece a la forma en que se determina el espesor del corte
tomográfico. La antena lee la señal de inducción, pero cuando lo hace, uno
puede “elegir” que del total de señal que llega, finalmente se lea mucha señal o
poca. Si se “escucha” toda la señal, lo bueno es que no excluye ninguna de las
frecuencias presentes en la imagen; pero lo malo es que no sólo lee señal, sino
que también lee ruido. Por este motivo la forma óptima de adquirir es
trabajando con anchos de banda de recepción (rBW) no muy amplios. Trabajar
con anchos de banda amplios implica que la imagen será más ruidosa, pero
disminuye la expresión del artefacto de chemical shift. El rBW de uso habitual
en RM es de 32 kHz (±16 kHz).

El FOV, entonces, depende de alguna manera del ancho de banda:

mientras mayor sea el rBW, el FOV será mayor, y viceversa. El FOV, según la
fórmula, depende del ancho de banda directamente, e inversamente de la
constante giromagnética y la gradiente de codificación de frecuencia. Esto
significa que si la pendiente de gradiente de frecuencia es mayor, el FOV será
menor, análogo a la conocida relación de la codificación de cortes con la
pendiente de Gz.

Aumentar el valor de Gx es aumentar su pendiente y disminuir el FOV.

Se prefiere esto que modificar el ancho de banda, ya que modificar el rBW
tiene implicancias en la SNR.
 En resumen, el grosor de corte se regula mediante el BW de excitación,
pero en la práctica se maneja con la pendiente de la gradiente de resolución de
corte Gz: A mayor pendiente de Gz, menor espesor de corte, y viceversa. El
tamaño del FOV se regula mediante el ancho de banda de recepción (rBW)
pero en la práctica se controla mediante la pendiente de la gradiente de
codificación de frecuencias Gx, ya que manipular el rBW condiciona la SNR y el
desplazamiento químico. Si la pendiente de Gx es mayor, el FOV es menor y
viceversa. El rBW casi estándar en RM está en torno a los 32 kHz (±16 kHz).

Duración de una secuencia y tiempo de exploración.

El tiempo de exploración (TAdq) quedará definido por la siguiente

fórmula:

TAdq = TR x Dim-Fase x NEX

El TR es el primer condicionante de la TAdq. Las secuencias T1 son

más cortas por este motivo, ya que usan TRs cortos. Disminuir el TR no es una
buena estrategia para disminuir el TAdq, ya que puede alterar la potenciación
de la secuencia.

Una Dim-Fase pequeña (matrices chicas) es la mejor estrategia para

disminuir el Tadq, sin embargo si se disminuye se compromete la resolución de
la imagen. Hacer imágenes con matrices grandes (384 o 512) alarga el TAdq y
trae otra consecuencia: Disminuye la SNR, ya que en las matrices grandes, el
tamaño del píxel es más pequeño, y por lo tanto contiene menos señal. Esta
situación se relaciona con el siguiente parámetro: los NEX (Número de
Excitaciones), también conocido como Promedios (Averages) o NA (Número
de Adquisiciones).

Los NEX corresponden a la cantidad de veces que se tira una

secuencia. Por ejemplo, si se manda una secuencia una vez, tenemos una
cierta cantidad de señal (SNR); si repito la secuencia y junto ambas raw datas,
tengo mejor señal y mejor imagen, con menor ruido. Entonces, aumentar la
cantidad de NEX es ejecutar la secuencia dos veces, con la diferencia que se
suman las señales de ambas. Es una de las formas de mejorar una imagen
“ruidosa”, ya que aumenta la SNR, pero no en forma lineal: Si una secuencia
con 1 NEX tiene una SNR de 1.0, al hacerla con 2 NEX el tiempo de
exploración aumentará al doble, pero la SNR aumentará solo a 1.41 (ya que
aumenta en una relación igual a 1-Ö2).
 La mejor forma de disminuir el TAdq es muestreando un porcentaje del
FOV, estrategia denominada Recon FOV, o evitando adquirir las líneas
extremas del Espacio-K, las que tienen menos señal; estrategia denominada
Scan Percentage.

Propiedades del Espacio-K

Ya hemos visto las propiedades del Espacio-K, ahora solo vamos a

recapitular y apreciarlas.

Vimos que debido al uso de las gradientes de codificación de fase y

frecuencia, se establecían zonas del Espacio-K que se encargan de ciertos
atributos de la imagen. En las Figuras 15 y 16 vimos que en el centro del
Espacio-K se encuentran las bajas frecuencias (con alta señal), que se
encargan del contraste de la imagen. En la periferia del Espacio-K se
encuentran las frecuencias altas, que además tienen baja señal, encargadas de
la definición de la imagen. Por lo tanto:

• El centro del Espacio-K entrega la información del contraste de la

imagen
o Contiene las señales más altas
o Contiene las frecuencias más bajas

• La periferia del Espacio-K entrega la información de la definición

de la imagen
o Contiene las señales más bajas
o Contiene las frecuencias más altas

La apariencia del Espacio-K se puede apreciar en la Figura 23.

Figura 23: Apariencia del Espacio-K

 En la Figura 23 podemos apreciar la cruz de refase y el punto central
KX0Y0 (el más brillante) que fue explicado en la Figura 20. Los puntos más
brillantes corresponden a los picos de más alta señal de los ecos, mientras que
los más oscuros son los valles de los ecos. Si vemos con atención podemos
apreciar cuatro cuadrantes y dos mitades: La mitad derecha e izquierda, y la
mitad superior e inferior. Sabemos que en el centro del Espacio-K yace el
contraste de la imagen, y en la periferia reside la definición. Los dos atributos
son importantes, sin embargo en la RM el más importante es el contraste, ya
que la potencia de esta técnica imagenológica radica más que en su alta
definición, en su gran resolución de contraste, que no depende de la densidad
de los tejidos estudiados, sino que de su entorno bioquímico.

En la Figura 24 vemos que un Espacio-K completo es capaz de generar

una imagen, ya que la imagen y su Espacio-K están relacionados a través de la
transformada de Fourier, y la transformada inversa de Fourier. Debemos
recordar que cada punto del Espacio-K tiene contribuciones de toda la imagen,
de todos los píxeles que la forman.

Figura 24: Imagen y Espacio-K

En la Figura 25 vemos la imagen que genera el uso solo de la

información central del Espacio-K. Por definición el centro del Espacio-K no
debe superar el 25% de su área central. Si supera este 25% ya se habla que
este centro incluye periferia. La imagen será una imagen de contraste.
 Figura 25: Imagen formada con la información central del Espacio-K:
Imagen de contraste

En la Figura 26 vemos la imagen que genera el uso solo de la

información periférica del Espacio-K. La imagen será una imagen de definición.
Figura 26: Imagen formada con la información periférica del Espacio-K:
Imagen de definición

Ya habíamos hablado del Espacio-K separado en cuadrantes por la

“cruz de refase”. Si lo vemos en un esquema que incluye la señal real e
imaginaria del Espacio-K, podremos apreciar fácilmente la simetría superior-
inferior, y la simetría derecha-izquierda. Vemos que la simetría será de tipo
conjugada o especular (en espejo), también denominada como de tipo
Hermitiana. Esta simetría especular se cumple tanto en la orientación arriba-
abajo, como en la orientación derecha- izquierda. La simetría especular
superior-inferior significa que la mitad inferior del Espacio-K es igual a la
superior, pero invertida. La simetría especular derecha-izquierda significa que
la mitad derecha del Espacio-K es igual a la izquierda, pero en sentido contrario
(Figura 27).

Figura 27: Espacio-K real e imaginario. Simetría especular

 La simetría especular determina formas de muestreo del Espacio-K en
las que no se codifica todo, sino que solo una parte, y el resto del Espacio-K es
interpolado matemáticamente. Esto ahorra adquirir todos los PES, lo que en
definitiva ahorra tiempo. Las dos formas de muestreo que ahorran tiempo son
el Half NEX (Half Fourier en fase) y el Eco fraccionado.

Figura 28: Half NEX

En la Figura 28 vemos el Half NEX, que es una técnica de adquisición

parcial del Espacio-K. En estricto rigor la técnica implica muestrear la mitad
superior del Espacio-K, y aprovechando la simetría especular de la mitad
inferior, esta se interpola matemáticamente a partir de la información adquirida
de la mitad superior. La interpolación no es capaz de “construir” una mitad
inferior perfecta, exactamente igual como si hubiera sido adquirida y no
interpolada. Estos errores de interpolación producen pequeñas alteraciones en
la definición de la imagen final, denominadas” imperfecciones de fase”, que se
ven como “rayos” que van desde una esquina de la imagen a la otra.

Para no afectar el contraste de la imagen, lo que se hace en la práctica

es muestrear más del 50% del Espacio-K (alrededor del 60% superior), con el
fin de adquirir más líneas del centro, para que la información del contraste de la
imagen no se vea afectada por los errores de interpolación.
 La técnica de Half NEX es la base de la secuencia HASTE, que en un
TR adquiere las codificaciones de fase suficientes para generar una imagen de
buena calidad, es decir, permite obtener al menos el 50% de las codificaciones
de fase, aunque en la realidad siempre se muestrea sobre el 60% de las
codificaciones de fase. En la Figura 29 vemos la imagen formada con el 100%
de los PES, y otra obtenida mediante Half NEX. Nótense las imperfecciones de
fase de la imagen Half Fourier (extremo inferior izquierdo y superior derecho)

Figura 29: Comparación entre imagen completamente muestreada y una

Half NEX
 Figura 30: Eco fraccionado

En la Figura 30 vemos el Eco Fraccionado, que es una técnica de

adquisición parcial del Espacio-K. La técnica consiste en muestrear la mitad
derecha o izquierda del Espacio-K, y aprovechando la simetría especular de la
mitad contralateral, esta se interpola matemáticamente a partir de la
información adquirida de la otra mitad. Esta estrategia permite acortar el tiempo
de adquisición del eco, ya que se necesita solo la mitad de éste para generar
toda la señal presente en el Espacio-K, necesaria para generar una imagen. El
acortamiento del eco no tiene repercusión directa en el TAdq, sin embargo,
cuando los TRs son ultracortos, como en las secuencias en Steady State, una
disminución en el TE permite disminuir aún más el TR. Las secuencias que ya
eran rápidas se hacen aún más rápidas. Por ejemplo, una secuencia FLASH
(Fast Low Angle Shot) a través de esta estrategia se transforma en Turbo
FLASH (de gran utilidad en CardioRM) y la secuencia SPGR (Spoiled Gradient
Recalled) se transforma en Fast SPGR. En esta última secuencia, el aumento
en la rapidez de adquisición permite aumentar la resolución, llegando incluso a
vóxeles isotrópicos (con todas sus dimensiones de igual tamaño) y
submilimétricos (por ejemplo, de tamaño 0.7 x 0.7 x 0.7 mm), útiles en la
adquisición de imágenes volumétricas encefálicas para hacer reformaciones
multiplanares de gran calidad, o para post proceso (morfometría de imágenes,
como secuencia morfológica para “montar en ella” la información de una
tractografía o de RM funcional BOLD; etc.). El Eco fraccionado también
disminuye el contraste T2 y los artefactos de susceptibilidad, sin embargo, su
principal desventaja es la disminución de la SNR.
 Otra estrategia de llenado del Espacio-K es el zero-filling (llenado por
ceros) o interpolación. Se utiliza para aumentar la resolución de una imagen,
sin aumentar el tiempo de exploración. En la Figura 31 podemos visualizarla.

Figura 31: Zero filing

En las secuencias con matrices altas, sabemos que la periferia del

Espacio-K estará conformada por líneas con ecos de muy baja señal, y de muy
alta frecuencia. Por ejemplo, con matrices de 512, las líneas más externas
(alrededor de la +256 y -256) usan gradientes de codificación de fase Gy de
tanta amplitud, que desfasan demasiado el eco, y por lo tanto producen líneas
con altas frecuencias y baja cantidad de señal. Estas líneas sin prácticamente
líneas rectas, y las líneas rectas se consideran como que tienen valor 0. Si se
agregan más valores 0 en la periferia (+) y (-) es posible aumentar la
resolución, ya que “se inventan” codificaciones de fase, lo que simula una Dim-
Fase y una matriz mayor. Una matriz 512 adquirida, puede ser llevada a una
matriz 1024 solo por llenar con valores 0 (líneas rectas) 256 líneas periféricas
arriba (+) y 256 líneas abajo (-). Así la imagen adquirida con 512 PES se
transformará en una imagen interpolada con matriz 1024. También se puede
utilizar para disminuir el TAdq en secuencias que utilizan matrices grandes. Por
ejemplo, en una imagen con matriz 512, se puede adquirir el 80% central del
Espacio-K y llenar con ceros el 10% superior y el 10% inferior. La calidad de la
imagen es prácticamente la misma que si hubiera sido adquirida en su
totalidad, con la diferencia que el TAdq disminuyó en un 20%. Si la señal es
muy baja, se pueden hacer 2 NEX de la región central adquirida, y después
ejecutar el llenado con ceros.
 Llenado del Espacio-K

La forma de llenado del Espacio-K se denomina trayectoria de llenado.

El Espacio-K se llena exclusivamente con ecos, pero las trayectorias pueden
variar según se deseen utilizar.

Los principales tipos de trayectorias con:

1. Llenado secuencial o 2DFT

2. Llenado EPI ( en zig-zag)
3. Llenado concéntrico (por ejemplo la secuencia VIBE)
4. Llenado espiral: Secuencia FLASH
5. Llenado Single Shot: HASTE
 Figura 31: Llenado secuencial o 2DFT

El llenado 2DFT es el más básico. En la Figura 31 vemos que las líneas

del Espacio-K se llenan línea a línea, de arriba hacia abajo, y de izquierda a
derecha (tal como escribimos en un cuaderno). La ubicación de la línea a llenar
estará dada por la codificación de fase. Los valores más altos, positivos y
negativos de Gy llenaran líneas pertenecientes a la periferia, mientras que los
valores más bajos de Gy llenarán líneas más centrales. El llenado termina en la
última línea negativa del Espacio-K.
 Figura 32: Llenado EPI

En la Figura 32 vemos el llenado EPI, o en zig-zag, característico de la

secuencia Eco Planar. Esta trayectoria es más rápida que la 2DFT. La línea a
llenar depende de las codificaciones de fase, mientras que la dirección del
llenado depende de las codificaciones de frecuencia Cuando el eco es
codificado por el lóbulo +Gx, la línea se llenará de derecha a izquierda,
mientras que cuando el eco es codificado por el lóbulo –Gx, la línea se llenará
de izquierda a derecha (Figura 33).

Figura 33: Llenado EPI y gradiente Gx

UNA INTRODUCCIÓN A LA TRANSFORMADA DE FOURIER: RELACIÓN CON
RM

(TRADUCCIÓN: “An Introduction to the Fourier Transform: Relationship to

MRI” . Thomas A. Gallagher, Alexander J. Nemeth, LotfiHacein-Bey)

La transformada de Fourier, una herramienta matemática fundamental

ampliamente utilizada en el análisis de señales, es ubicua en la radiología y
esencial en la formación de la imagen moderna de RM. Entender la técnica
de resonancia, requiere una comprensión básica de lo que hace la
Transformada de Fourier; la codificación de la imagen de RM, el llenado del
espacio k y un amplio espectro de los artefactos tienen su raíz en la
Transformada de Fourier.

A Joseph Fourier se le da el mérito de observar que una señal

compleja podía re-escribirse como una suma infinita de ondas sinusoidales
simples. El mismo Fourier es más famoso por aplicar este principio para
resolver un conjunto de ecuaciones diferenciales que permiten determinar la
disipación del calor. Sin embargo, las aplicaciones de este concepto son
invaluables a cualquiera que desee estudiar la composición de una señal
compleja, ya sea que esté en la forma de música, voces, imágenes, o
imágenes digitales médicas, incluyendo la RM.

Cualquier señal u onda complicada puede reescribirse como la suma

de una serie de ondas simples. Una aproximación de una onda complicada
se puede lograr sumando ondas seno y coseno muy simples (Figura 1)
variando las combinaciones de frecuencias y amplitudes (Figura 2). La serie
de Fourier (Figura 3) entrega un medio para describir una onda complicada
en términos de simples senos y cosenos. Mientras más de ellos sumemos,
cada uno con una frecuencia sucesivamente mayor, mejor será la
aproximación (Figura 4).
 g(t) g(t) = 1 + 2sin(2nft)

amplitude = 2

Figura 1: Sumando ondas simples. Aquí se muestra un ejemplo de ondas seno,

1+2seno(2pft), que tiene frecuencia f=1/(2p), período T= 2p, amplitud = 2, y está centrada en
g(t)=1.

cos(3t) 2cos(2t) 3cos(t)

+ + =

cos(3t) + 2cos(2t) + 3cos(t) = = g(t)

Figura 2: Ondas complejas. Una onda compleja g(t) se puede obtener sumando juntas ondas
más simples.
 a=2 g(t)dt
g(t)cos(2nnft)dt

g(t)sin(2nnft)dt

0
g(t) = + ancos (2nnft) + b nsin(2nnft)
n=1

A complicated signal g(t) = The infinite sum of simple cosine and sine waves
of varying amplitudes (an and bn) and progressively
increasing frequency ƒ.

Figura 3: Serie de Fourier para g(t). Una onda compleja g(t) puede reescribirse como una
suma infinita de simples ondas seno y coseno al incrementar progresivamente su
frecuencia fundamental f en números enteros n, y variar sus amplitudes an y bn. Si
sustituimos g(t)=1 (una onda cuadrada) en las ecuaciones mostradas aquí, obtenemos
expresiones para a0, an, y bn que se pueden insertar en la serie de Fourier. Luego de
simplificar, nos queda una aproximación de Fourier para una onda cuadrada.

2 2
Fouri er series for this s quare wave
nmax

y y =
0 x< 0
0 x>n y
y=1+2
2 nn=0
S
sin[( 2n + 1)x]
2n + 1 n= 1
n=3
1 n=9

0 0.5n x n 0 0.5n x n

A B
 2
Fourier series for this square wave
nmax

y
y = 1+ 2
2 nn=0 S
s in[(2n + 1)x]
2n + 1 n = 51

0 0.5n x n

C
Figura 4: Serie de Fourier para una onda cuadrada.
A: Una onda cuadrada, dada por y (igual a 1 para 0<x<p e igual a 0 en cualquier otro lado),
se puede aproximar con exactitud cada vez mayor al sumar ondas seno y coseno simples de
frecuencias progresivamente mayores.
B y C, en ondas mostradas en B, n=1,,3,9; en C, n=51.

La transformada de Fourier descompone una onda compleja en las

frecuencias y amplitudes relativas de las ondas simples que la componen.

La transformada de Fourier (Figura 5A) nos permite estudiar el

contenido en frecuencias de una variedad de señales complicadas.
Podemos ver, e incluso, manipular dicha información en un espacio de
Fourier o espacio de frecuencia (Figura 5B). Un ejemplo clínico familiar de
un espacio de Fourier es el espectro de frecuencias y amplitudes obtenidos
durante la espectroscopía por RM (Figura 5C). Los múltiples “peaks”
(amplitudes) en el espectro de la espectroscopía por RM representan la
contribución relativa de metabolitos biológicos particulares en una región de
interés dada, cada una difiriendo levemente en su frecuencia de resonancia
como resultado de su estructura química única.

Fourier Transform: Inverse FourierTransform:

−i 2nƒt
G(ƒ) = g(t)e dt g(t ) = G(ƒ)ei 2nƒtdƒ

A
 A
B
+C

g(t) = A + B + C = g(t)

A A

B B
FT
CC

−3fo −2fo −fo fo 2fo 3fo

iFT
g(t) G(ƒ)
Time Domain Frequency Domain
B

C
Figura 5: Transformada de Fourier (TF)
A: La Transformada de Fourier de una señal compleja g(t), que existe en el tiempo (t) o
dominio espacial, da una expresión para el dominio de frecuencia G(t). Cuando se
representa, el dominio frecuencial despliega las frecuencias individuales y amplitudes
relativas de las ondas constituyentes más simples g(t). La transformada inversa de Fourier
(TFi) de G(t) restaura el dominio temporal. No se gana ni se pierde información en las
transformadas matemáticas, sólo se cambia la manera en que vemos la misma información.
B: La Transformada de Fourier (TF) extrae las frecuencias y amplitudes relativas de las
ondas más simples ocultas en una onda compleja g(t). La transformada inversa de Fourier
(TFi) restaura el dominio temporal. En este ejemplo, la Transformada de Fourier de tres
ondas coseno de diferentes frecuencias resulta en tres funciones delta.

C: Espectroscopía por RM: En contraste con la RM, que usa las frecuencias de resonancia y
fase para codificar una imagen, la espectroscopía por RM se dirige a una región de interés
más pequeña con un ancho de banda de radiofrecuencia específico. Múltiples metabolitos
neuronales (ml, mioinositol; Cho, colina; Cr, creatina; Glx, glutamato y glutamina; NAA, N-
acetil aspartato; Lac, lactato; lip, lípido) resuenan a frecuencias características sobre la base
de su estructura química particular. El eco recibido de la espectroscopía por RM es una
señal compuesta de muchos ecos diferentes de los metabolitos en la ROI, lo que es resuelto
en frecuencias de resonancias individuales y sus amplitudes relativas (abundancia) por la
transformada de Fourier. El término “relativo” es un calificativo importante porque la
transformada de Fourier no puede medir la naturaleza absoluta de ninguna frecuencia. La
altura de un peak en el espectro de Fourier de la espectroscopía por RM sólo hace sentido
en relación a otro peak.
CODIFICACIÓN DE LA IMAGEN DE RM Y LLENADO DEL ESPACIO k

Respecto a las imágenes por RM, la señal complicada que queremos

descomponer es el eco de RM que contiene la información codificada en
frecuencia y fase necesaria para construir una imagen. A continuación de la
gradiente de selección de corte para una secuencia espín eco típica, que
determina un plano de imagen particular, todos los espines precesan a la
misma frecuencia y fase, determinadas por el campo magnético principal
(B0). En este punto, todos los protones en el plano de imagen deseado se
ven iguales para la transformada de Fourier. La aplicación de campos
degradientes superpuestos y que cambian dinámicamente, introduce
variaciones dependientes del espacio en la frecuencia y la fase a lo largo de
la región de interés (ROI), con lo que se obtiene de manera efectiva la
información de la anatomía para todas sus frecuencias espaciales
diferentes.

Mientras más “fuerte” sea la gradiente aplicada, es posible alcanzar

un mayor grado de separación de los espines. Las gradientes fuertes son
necesarias para buscar frecuencias espaciales altas (detalle), así como
gradientes menos pronunciadas nos permiten conocer las frecuencias
espaciales bajas (contraste). Además, estas gradientes más pequeñas
generan mucha más señal colectiva que las gradientes mayores, porque las
frecuencias de precesión y de fase son en general más similares a lo largo
de la ROI (esto será evidente cuando comparemos las porciones centrales
del espacio k con la periferia más adelante). La amplitud de los ecos variará
con la composición del tejido, TR y TE.

Esto, que de otra manera sería una señal desesperanzadoramente

complicada, se digitaliza, es desmantelada gracias a la transformada de
Fourier, e ingresada al espacio k, un espacio Fourier 2D que organiza la
información de la frecuencia espacial y la amplitud (Figura 6). Un píxel en el
espacio k, cuando se hace la transformada inversa, contribuye con una
frecuencia espacial única y específica (alternando líneas oscuras y claras) a
la imagen total. Una transformada 2D inversa de Fourier de la totalidad del
espacio k combina todas las frecuencias espaciales y se traduce en la
imagen que vemos. Dependiendo de dónde se ubica el píxel dentro del
espacio k, las líneas serán de orientación y frecuencia variable. Por
convención, las altas frecuencias se mapean en la periferia del espacio k, y
las frecuencias espaciales bajas se ubican cerca del origen. La intensidad
relativa de un píxel refleja su contribución total a la imagen, siendo los
píxeles brillantes los que contribuyen más a una frecuencia espacial
particular.
 A B

C D

E
Figura 6: Espacios de Fourier y Espacio k
A: La transformada de Fourier de un lienzo en blanco (izquierda) es un punto brillante en el
origen del espacio k (derecha).

B: La transformada de Fourier de una sola frecuencia espacial en el dominio de la imagen es

simple. Se ven tres puntos brillantes en el espacio de Fourier como consecuencia de las
propiedades de simetría inherentes a la transformada de Fourier.

C: LaTransformada de Fourier de una imagen se representa en una imagen de magnitud 2D

de escala de grises en la cual cada píxel representa una frecuencia espacial particular. Por
convención, las altas frecuencias se localizan en la periferia y las bajas en el origen. La
intensidad del píxel corresponde a la contribución relativa de esa frecuencia a la imagen
completa. Cualquier imagen (que pueda pensarse como una onda compleja de intensidad de
píxeles variable) se puede construir mediante la combinación de diferentes frecuencias
espaciales (ondas simples). La transformada de Fourier de un simple cuadrado blanco en un
fondo negro, por ejemplo, muestra un patrón cruzado de intensidad aumentada a lo largo de
los ejes tradicionales x e y. Esto refleja la contribución de las frecuencias espaciales (dadas
por la transformada de Fourier inversa =TFi)más necesarias para recrear la imagen, las que
resultan ser ortogonales a los extremos del cuadrado. Ya que básicamente no hay
diagonales ni curvas presentes en la imagen, estas frecuencias espaciales no están tan
altamente representadas en el espacio de Fourier (TF y TFi generadas con la imagen ).

D: Transformada de Fourier de Lincoln. Todas la información de la frecuencia espacial

necesaria para crear esta imagen de Lincoln es guardada en su espacio de Fourier
(derecha). Como se discutió previamente, un solo píxel en la imagen no tiene una sola
correlación en píxel en el espacio de Fourier. Más bien, cada píxel en el espacio de Fourier
contribuye con una frecuencia espacial de la totalidad de la imagen de Lincoln.

E: RM. Este corte coronal del cerebro es examinado para todas sus diferentes frecuencias
espaciales al alterar sucesivamente las gradientes de campo magnéticas (flechas abiertas
en las 3 imágenes de arriba) durante la codificación de fase y frecuencia. Aunque se
muestran sólo tres ejemplos aquí, son necesarias muchas combinaciones diferentes de
gradientes para llenar el espacio k. La transformada inversa de Fourier del espacio k en
esencia suma las contribuciones relativas de todas las frecuencias espaciales para entregar
la imagen final.

La espiga de radiofrecuencia es un artefacto que ejemplifica este

concepto bastante bien. Un brillo de otra fuente de ruido de radiofrecuencia
en la sala de RM puede contaminar el eco de RM. Cuando se hace la
transformada de Fourier, la frecuencia de ese brillo puede ser incorporado
erróneamente en el espacio k como un píxel anormal, brillante. La
frecuencia ruidosa es transformada inversamente, entonces, en una onda
de ruido sinusoidal en el espacio k. (Figuras 7A y 7B). El artefacto de Zipper
es otra manifestación de filtración de radiofrecuencia. Es provocada por un
rango estrecho y constante de emisión de radiofrecuencia que está siendo
emanado ocasionalmente desde un dispositivo de monitoreo del paciente,
por ejemplo. Cuando a esta señal no deseada se le aplica la transformada
inversa de Fourier hacia el espacio de la imagen, se manifiesta como líneas
persistentes, delgadas e híperintensas en la dirección de la frecuencia, las
cuales se dice que se parecen a una cremallera (Figura 7C)
 A B

C
Figura 7: Artefacto de espigas de radiofrecuencia

A: Un píxel anormal brillante en un espacio de Fourier se transforma en un ruido sinusoidal

en el espacio de imagen. Si se mueve ligeramente lejos del origen, la frecuencia espacial es
más alta. Un brillo en la sala del resonador, integrado erróneamente al espacio k, puede
resultar en un artefacto de espiga de radiofrecuencia.

B: Se dejó un poquito abierta la puerta de RM durante esta adquisición. Note el patrón

regular de estriaciones (flechas) presente en la imagen, como resultado de filtración de
radiofrecuencia.

C: Artefacto de Zipper por filtración de radiofrecuencia. Durante esta adquisición FLAIR

sagital, el ruido de radiofrecuencia desde un monitor del paciente se transforma en líneas
intensas delgadas y brillantes a través de la imagen. El artefacto refleja un rango estrecho
de frecuencias contaminantes que se manifiestan en la dirección de la codificación de
frecuencia. Cada imagen durante la adquisición se degradó por las mismas líneas intensas
en la misma ubicación.
 Dependiendo de cómo y cuándo elijamos activar una combinación
particular de gradientes codificadoras de fase y frecuencia, tenemos la
opción de llenar el espacio k en varias maneras creativas. Si
inspeccionamos el espacio de Fourier de una fotografía de Lincoln (Figura
8A), las porciones más intensas (píxeles brillantes) están localizadas
centralmente, donde residen las frecuencias bajas (contraste). Aquí es
donde los componentes más esenciales de la imagen son guardados. Como
deducción, cuando se llena el espacio k, podemos elegir llenar las porciones
centrales con alta SNR, e ignorar las regiones de baja SNR, menos
importantes, para reducir el tiempo de adquisición. Esto se puede lograr
activando gradientes que correspondan al centro del espacio, quizá de
forma espiral (Figura 8B). Más aún, la organización simétrica del espacio k,
consecuencia directa de las propiedades de simetría conjugada complejas
inherentes a la transformada de Fourier, han sido usadas para disminuir los
tiempos de adquisición al adquirir sólo la mitad del espacio k (Figura 8C).
Una imagen en espejo de la mitad faltante puede generarse entonces,
ahorrando tiempo a expensas de la SNR.

A
 B C

Figura 8: Llenado diferencial del espacio k

A: Cuando se remueven las bajas frecuencias del espacio de Fourier de Lincoln (superior
izquierda), se preservan los bordes agudos de la imagen a expensas de la resolución de
contraste. Cuando se remueven las altas frecuencias, se mantiene el contraste de la imagen;
sin embargo, es borroso y demuestra artefactos de Gibbs. Observe cómo en realidad se
necesitan pocas frecuencias espaciales para recrear una imagen reconocible de Lincoln.

B: Manejando las gradientes de codificación de fase y frecuencia apropiadamente durante la

adquisición de la imagen de RM, se puede llenar el espacio k no sólo secuencalmente línea
por línea, sino también de manera espiral en torno al origen. Llenando la porción central del
espacio k, de alta SNR, se puede ahorrar un tiempo considerable y producir una imagen
reconocible. Este sucede a expensas del detalle fino, que es guardado en la periferia del
espacio k.

C: La fórmula de la transformada de Fourier hace uso de exponenciales de números

imaginarios para representar ondas simples, y como resultado la transformada de Fourier
contiene tanto la información real e imaginaria, representando una simetría compleja
conjugada. La mitad de las técnicas de Half-Fourier explotan esta simetría adquiriendo sólo
la mitad del espacio k y generando una imagen en espejo de la mitad remanente. Sin
embargo, tal mecanismo de ahorro de tiempo sucede a expensas de la SNR, ya que sólo la
mitad de la señal potencial se adquiere realmente.

La codificación de fase involucra una rápida activación y luego

desactivación de la gradiente. Mientras las gradiente está
momentáneamente activada, algunos espines precesarán más rápido que
otros, dependiendo de su localización a lo largo de la gradiente. Cuando se
desactiva, la tasa de precesión a través de la ROI se equilibrará; sin
embargo, un cambio de fase dependiente del espacio habrá sido “impreso”
en los protones. Aumentos sucesivos de la amplitud de la gradiente de
codificación de fase crearán una tasa de cambio variable de la fase a través
de la ROI. Esta tasa de cambio de la fase se traduce en un tipo de
frecuencia que la transformada de Fourier resuelve como frecuencias
espaciales diferentes (Figura 9A). Mientras más números de pasos de
codificación de fase se realicen, mayor será la resolución espacial resultante
(Figura 9B).
 A B
Figura 9: Codificación de fase

A: Los espines se desfasan a propósito a través de la ROI para crear variaciones espaciales
en la dirección de codificación de fase. Las cuatro ondas coseno en esta figura están
cambiadas ligeramente de fase. Si una línea intersecta el centro de las ondas, y se
representa la amplitud variable a lo largo de la línea, corresponde a su propia onda. Esta
tasa de cambio de fase corresponde a una frecuencia que la transformada de Fourier puede
resolver. Cada paso de codificación de fase se realiza a diferentes amplitudes de gradiente,
resultando en grados distintos de cambio de fase.

B: Cada una de las columnas en una matriz de imagen de 4x4 corresponden a una
frecuencia específica, dependiendo de la ubicación (codificación de frecuencia). Sin la
codificación de fase (izquierda) la transformada de Fourier no puede distinguir ninguna
diferencia en brillo en la dirección vertical ya que todas las frecuencias son idénticas y
todas las amplitudes (brillos) se confunden juntas. La adición de un cambio de fase (al
centro, demostrada como un cambio en las cajas hacia la derecha) imparte una singularidad
a las cajas en la dirección vertical (dirección de fase) por lo que el brillo se distingue
parcialmente. Mientras mayor sea el número de pasos de codificación de fase, mejor será la
resolución (derecha).

RESUMEN

La transformada de Fourier es una herramienta fundamental en la

descomposición de una señal compleja, permitiéndonos ver claramente los
componentes de frecuencia y amplitud ocultos en ella. En el proceso de
generación de una imagen RM, la transformada de Fourier resuelve las
señales de RM codificadas en fase y frecuencias que componen el espacio
k. La transformada inversa 2D de Fourier del espacio k es la imagen RM
que vemos. Un poquito de la transformada de Fourier es esencial para
entender varios de los artefactos en RM y la miríada de métodos de
adquisición de la señal en práctica actualmentE