Improved 3D Radial Phyllotaxis Trajectories for Uniform Density Distribution of Readout Directions and Sequential Binning

技术摘要：用于均匀密度分布和顺序分箱改进的 3D 径向叶片 phyllotaxis 轨迹

问题陈述
三维径向轨迹，特别是螺旋叶片（spiral phyllotaxis）轨迹，因其运动鲁棒性和自导航能力，被广泛应用于动态和运动分辨 MRI 中。然而，标准的螺旋叶片轨迹存在两个主要局限性：

1. 非均匀采样密度： 标准轨迹无法实现均匀的球面采样密度分布（SDSD）。它倾向于在赤道区域聚集读取方向，导致各向异性的 k 空间采样、依赖于方向的有效视野和空间分辨率变化，以及潜在的混叠伪影。
2. 顺序分箱伪影： 虽然全局 k 空间覆盖是高效的，但许多应用（例如动态成像、功能 MRI、运动分辨重建）需要从时间上连续的读取子集进行重建（顺序分箱）。在标准叶片模型中，连续的交替序列（interleaves）在极角上表现出系统性的聚集。当这些连续的子集进行分箱时，会在 k 空间中产生圆形间隙，从而在重建图像中表现为振铃伪影和时间不一致性。

方法论
作者提出了两种旨在解决这些局限性的方法论改进，并在使用一台 3T MRI 扫描仪通过两种梯度回波序列（T1 加权 GRE 和 LIBRE）对 10 名健康志愿者进行了体内（in vivo）评估。

1. 均匀叶片模型 (Uniform Phyllotaxis, UPhy)：

   • 目标： 实现读取方向的均匀密度分布（均匀 SDSD）。
   • 机制： UPhy 重新定义了标准叶片模型的极角公式。标准模型使用 $\theta_n = \frac{\pi}{2}\sqrt{\frac{n}{N}}$，而 UPhy 则利用 $\theta_n = \arccos(1 - \frac{n}{N})$。
   • 效果： 这种修改确保了点在球面上的均匀分布，消除了标准模型中观察到的赤道聚集现象，同时保留了原始的方位角（黄金角度）排序。

2. 灵活叶片模型 (Flexible Phyllotaxis, FlexiPhy)：

   • 目标： 提高对任意回顾性顺序分箱的鲁棒性。
   • 机制： FlexiPhy 在 UPhy 的基础上构建，并引入了交替序列的随机置换 ($\sigma$)。它将极角排序与方位角黄金角度进展解耦。具体而言，第 $k$ 个交替序列中第 $j$ 个点的极角由随机置换索引 $\sigma(k)$ 而非顺序索引 $k$ 决定。
   • 效果： 这种随机化打破了连续时间分箱内极角的系统性聚集。因此，连续的读取子集能够保持良好的采样模式，防止形成圆形的 k 空间间隙以及相关的振铃伪影。

核心贡献

• 解析与经验层面的均匀性： 本文证明了 UPhy 提供了经解析证明的均匀 SDSD，纠正了标准叶片模型的密度偏差。
• 解耦用于分箱： FlexiPhy 的引入通过随机化提供了一种通过解耦极角和方位角排序来优化采样质量的新策略，专门针对时间上连续子集的采样性能退化问题。
• 体内验证： 这些轨迹通过两种不同的序列（标准 GRE 和脂肪抑制 LIBRE）在静态脑成像和动态眼部成像场景下进行了测试。

结果

• 静态成像： 对连续时间分箱重建的视觉检查显示，标准叶片模型和 UPhy 均表现出可见的振铃伪影和时间不一致性。FlexiPhy 大幅减少了这些伪影，产生了更具时间稳定性的图像。
• 动态成像： 在动态眼部成像中，标准和 UPhy 轨迹产生的结构化振铃伪影会传播到眼眶区域，遮蔽了解剖细节。FlexiPhy 显著减少了这些伪影，改善了对眼睛及周围结构的视觉呈现。
• 定量指标：
  • SSIM 与 L2 误差： 对于 GRE 和 LIBRE 序列，FlexiPhy 的结构相似性指数（SSIM）值明显高于标准叶片模型和 UPhay，且相对 L2 误差更低（经 Bonferroni 校正后 $p < 0.05$）。
  • UPhy 对比标准模型： 虽然 UPhy 改善了理论上的角度均匀性，但除了在 LIBRE 序列中 L2 误差略有改善外，它并未比标准轨迹显著减少顺序分箱中的振铃伪影。这证实了仅靠提升全局 SDSD 并不足以解决顺序分箱伪影问题。

意义与主张
论文得出结论，FlexiPhy 通过减少轨迹诱导的振铃伪影和时间不一致性，实现了更可靠的顺序分箱重建。其随机化构建方式不依赖于特定的分箱策略，使其广泛兼容于动态和运动分辨 MRI 中使用的回顾性分箱方法。

作者强调，虽然 UPhy 纠正了全局密度分布，但 FlexiPhy 中极角与方位角排序的解耦才是维持时间子集内采样质量的关键。这项工作表明，FlexiPhy 在保留螺旋叶片模型实际优势（高效的 k 空间覆盖、平滑的梯度过渡）的同时，提供了卓越的鲁棒性，适用于需要时间分辨率或回顾性排序的应用。该研究承认了局限性，指出未来的工作应调查其对运动估计准确性等下游任务的影响，并探索将这些轨迹与极对极（pole-to-pole）采集技术相结合的可能性。