2. Methoden

Abb. 1 stellt die Geometrie und den pulsatilen Zufluss dar, der aus experimentellen in-vitro 4D-Fluss-MRI-Daten stammt, die auf demselben Phantom basieren (Garreau et al. 2022). Neben den Netz- und Randbedingungen ist die MR-Pulsfolge ein weiterer Input in unsere Simulation, der dem Chronogramm des äußeren Magnetfelds entspricht. Die MR-Sequenzen, die in dieser Arbeit verwendet werden, basieren auf einer Konstruktor-Sequenz (WIP 4D Flow Siemens). The CFD tetrahedral-based mesh (2mm characteristic size) is seeded with Lagrangian particles (8/cell), which are massless tracers carrying a magnetization vector that evolves with their position and the effective magnetic field they experience. Der erste Schritt unseres Solvers besteht darin, das CFD-Velocity-Feld zu berechnen. Dieses Geschwindigkeitsfeld wird dann interpoliert auf der Position von Partikeln. Bloch-Gleichungen werden für jedes Fluidpartikel entsprechend den aktuellen magnetischen Ereignissen gelöst. Zu bestimmten Zeitpunkten, die in der Sequenz angegeben sind, wird die globale Magnetisierung berechnet und im sogenannten k-Raum gesammelt, der als 3D-Fourier-Transformation des Bildes interpretiert werden kann. Die synthetischen Bilder (SMRI) werden dann mit hausinternen Python-Skripten aus dem k-Raum rekonstruiert.

Abbildung 1 (1) Geometrie und field-of-view (FOV) MRI. (2) Inflow – Linien zeigen Zeitmomente für Abb. 2 an.

In der vorliegenden Arbeit werden zwei 4D-Fluss-MRI-Sequenzen verglichen, eine herkömmliche und eine mit Partial-Echo (PE). PE besteht darin, nur einen Bruchteil des k-Raums zu erwerben, wobei man sich auf seine symmetrischen Eigenschaften stützt. Hier werden die ersten 25% des k-Raums nicht für die 2 erworben.nd sequenz. Während Sequenzen so gestaltet werden können, dass Positions- und Geschwindigkeitscodierung gleichzeitig entlang zweier Richtungen (hier X und Y), gibt es eine unvermeidliche Zeitverzögerung zwischen der Geschwindigkeit und der räumlichen Kodierung entlang der letzten Richtung (hier Z), da das Latest während der Signalsammlung rund um die Echozeit TE auftreten muss. Diese Verzögerung, die als displacement time TD bezeichnet wird, steht bekanntermaßen in Zusammenhang mit gewöhnlichen Fehlregistrierungsartefakten(Steinman et al. 1997). Mehr als nur die Akquisitionszeit zu verkürzen, ermöglicht PE die Reduzierung von TD. In der vorliegenden Arbeit wurde die Erfassungszeit für beide Sequenzen gleich gehalten. TE wird von 4,20 auf 4,16 ms reduziert, aber TD sinkt von 1,99 auf 1,52 ms. Andere Sequenzparameter sind in beiden Simulationen gleichwertig. Die Bilder der 2nd Simulation werden nach der Zero-Filling-Methode rekonstruiert (Dyverfeldt et al. 2015).