Ricostruzione di mappe MRI da dati sottocampionati

In questa tesi si è affrontato il problema della creazione di mappe MRI da immagini ricostruite da spazi k sottocampionati. Per far ciò si è utilizzato l'algoritmo di ricostruzione di immagini FNCR che si basa sulla recente teoria del Compressive Sensing. Lo si è provato su degli spazi k simulati e sottocampionati con delle funzioni appositamente implementate. Si sono confrontati i risultati con un altro algoritmo di ricostruzione ritenuto molto efficiente. Lo si è poi utilizzato su degli spazi k reali. Inizialmente si sono utilizzati dei dati provenienti da una scansione di un fantoccio scaricati dalla rete. Successivamente si sono acquisiti degli spazi k grazie all'estrazione e manipolazione di dati grezzi da un tomografo di risonanza magnetica. Tali spazi k provengono dalla scansione di un fantoccio di calibrazione dello strumento tramite una sequenza Saturation Recovery la quale fornisce immagini pesate nel tempo di rilassamento longitudinale T1. Si è reso necessario un adattamento dell'algoritmo e una manipolazione degli spazi k acquisiti. Una volta ricostruite le immagini si sono create le mappe con il software ARTS il quale effettua un fitting basandosi sul metodo di minimi quadrati non lineari di Levenberg-Marquardt applicato a una funzione monoesponenziale, modello delle immagini pesate in T1. Si è osservato che nonostante la ricostruzione delle singole immagini migliori con l'aumentare della percentuale di campionamento questo non avviene nella creazione delle mappe, fatto imputabile all'algoritmo utilizzato in quanto questo risulta molto efficiente quando utilizzato con una quantità minima di dati piuttosto che con grandi quantità, dove potrebbero essere più efficaci altri metodi di ricostruzione.