核磁共振(NMR)与 MRI 成像技术
核磁共振(Nuclear Magnetic Resonance,简称 NMR)是一种利用原子核自旋在外部磁场中产生进动并与射频(RF)脉冲相互作用的物理现象。其核心概念包括:
自旋与磁矩
- 具有非零自旋的原子核(如 ¹H、¹³C、¹⁵N)在磁场 B₀ 中会产生磁矩 μ。
- 磁矩的大小与自旋量子数 I 成正比:
[
\mu = \gamma \hbar I
]
其中 γ 为核的磁旋比,ℏ 为约化普朗克常数。
拉莫尔进动
- 在 B₀ 作用下,磁矩以拉莫尔频率 ω₀ 进动:
[
\omega_0 = \gamma B_0
] - 该频率决定了后续射频激发的共振条件。
- 在 B₀ 作用下,磁矩以拉莫尔频率 ω₀ 进动:
射频激发与弛豫
- 当射频脉冲的频率 ω_RF 与 ω₀ 匹配时,核自旋会被翻转(如 90°、180° 脉冲)。
- 脉冲结束后,自旋系统经历两类弛豫过程:
- T₁(纵向弛豫):自旋恢复到平衡磁化强度的时间常数。
- T₂(横向弛豫):相干相位失相的时间常数。
这些基本原理构成了 NMR 谱仪的信号产生机制,也是磁共振成像(MRI)的理论基础。
MRI 成像的工作流程
MRI(Magnetic Resonance Imaging)是将 NMR 原理扩展到空间分辨的医学成像技术。其典型流程如下:
磁场与梯度系统
- 主磁场 B₀:提供统一的拉莫尔频率,决定整体信噪比。
- 梯度磁场 Gx、Gy、Gz:在三个空间方向上施加线性梯度,使得 ω₀ 随位置线性变化,实现空间编码。
射频激发
- 采用 90° 脉冲 将纵向磁化翻转至横向平面,随后通过 180° 脉冲(如 spin‑echo)或 梯度反转(如 gradient‑echo)产生回波信号。
信号采集与相位编码
- 频率编码:在读取梯度 G_read 作用下,回波信号的频率直接对应空间坐标。
- 相位编码:在相位编码梯度 G_phase 作用期间,信号相位随位置变化,逐步累积不同的相位编码步数,以构建二维或三维数据矩阵。
图像重建
- 采集的 k‑空间(频率-相位域)数据通过 二维快速傅里叶变换(2D‑FFT) 转换回空间域,得到最终图像。
示例:基本 spin‑echo 序列
1. 90° RF 脉冲 → 翻转磁化向量 2. TE/2 延迟 → 自旋开始弛豫 3. 180° RF 脉冲 → 产生回波对称 4. TE 延迟后采集回波信号 5. 重复相位编码梯度步骤,填满 k‑空间
NMR 与 MRI 的区别与联系
| 项目 | 核磁共振(NMR) | 磁共振成像(MRI) |
|---|---|---|
| 目标 | 研究样品内部的化学结构与动力学 | 获取活体组织的解剖与功能信息 |
| 样品 | 通常为液体或固体样品(管中) | 人体或动物体内组织 |
| 空间分辨 | 通过化学位移分辨不同核环境 | 通过梯度磁场实现空间编码,分辨率可达亚毫米 |
| 信号处理 | 频谱分析(傅里叶变换)得到化学位移谱线 | k‑空间采样 → FFT 重建图像 |
| 应用领域 | 化学、材料、药物研发 | 医学诊断、功能成像、神经科学 |
两者本质上都是利用核自旋的拉莫尔进动与射频相互作用,只是 NMR 更关注 频谱信息(化学位移、耦合常数),而 MRI 则将 空间信息 编码进信号,实现可视化成像。
典型应用实例
1. 脑部结构成像
- T1 加权成像:突出灰质与白质对比,常用于解剖结构评估。
- T2 加权成像:对水含量敏感,可检测脑水肿、出血等病变。
2. 功能磁共振成像(fMRI)
- 基于血氧水平依赖(BOLD)效应,捕捉神经活动引起的局部血流变化。
- 典型实验流程:
- 设计刺激任务(视觉、语言等)。
- 连续采集 T2* 加权的时间序列图像。
- 使用统计模型(GLM)定位激活区域。
3. 磁共振扩散成像(DTI)
- 通过测量水分子在组织中的各向异性扩散,重建白质纤维束走向。
- 常用于神经退行性疾病、脑外伤的评估。
4. 核磁共振波谱(MRS)在医学中的延伸
- 在 MRI 扫描中加入 化学位移编码,获取局部代谢物谱图(如 N‑乙酰天门冬氨酸、乳酸)。
- 可辅助诊断肿瘤分级、代谢性疾病。
发展趋势与技术挑战
超高场 MRI
- 7 T、10.5 T 甚至更高的磁场强度提升信噪比,改善分辨率与谱线分辨。
- 挑战:RF 能量沉积(SAR)限制、磁体成本与安全性。
并行成像与压缩感知
- 多通道接收线圈结合 SENSE、GRAPPA 等技术,实现加速扫描(加速因子 2–8)。
- 压缩感知(CS)进一步降低采样率,缩短检查时间。
低场便携式 MRI
- 采用永久磁体或低功耗超导磁体(0.2–0.5 T),实现床旁或移动诊断。
- 关键在于优化梯度与 RF 设计,弥补低场导致的信噪比下降。
人工智能在图像重建与诊断中的应用
- 深度学习网络(如 U‑Net)用于去噪、超分辨率重建以及自动分割。
- 需要大规模标注数据和对模型可解释性的研究。
多模态融合
- 将 MRI 与 PET、CT、超声等模态进行空间配准,实现结构‑功能‑代谢的综合评估。
小结
核磁共振(NMR)提供了对原子核自旋行为的精确描述,是磁共振成像(MRI)技术的理论根基。MRI 通过在强磁场和梯度场的配合下,将 NMR 信号空间编码,利用快速傅里叶变换实现高分辨率的医学图像。两者在原理上高度统一,却在应用目标、信号处理方式和技术实现上各有侧重。随着超高场磁体、并行成像、低场便携系统以及人工智能的快速发展,MRI 正在向更高分辨率、更快扫描速度以及更广泛的临床适用性迈进,为现代医学诊断和科研提供了强大的工具。