MRI》中解释了为什么能够将数字化的磁共振信号直接填充在 k 空间。为了便于更加深刻地理解，我们再学习下另一本书中与此相关的内容。即我在 B 站直播的那本书《MRI from Picture to Proton》。下面我将引述于下，且同样进行译注，如果想看直播回放请去 B 站查看，文末附有直播间房间号。

一切权利归原作者所有。

仅供学习交流使用，严禁用作商业用途。

在磁共振成像中我们用梯度来测量被成像物体的二维（或三维）频谱。这一频谱就是所谓的 k 空间，由一组单独的空间频率所组成的数字矩阵。下面将从概念上来解释这一过程。

空间频率这一概念不仅仅是一个空想出来折磨磁共振学习者的抽象理论，在现实生活中，我们的大脑利用空间频率来建立我们所看到的视觉图像。空间频率理解起来可能很困难，但它们却又是真实存在的，并且如果没有空间频率的话，我们将处理黑暗之中！

理解空间频率最简单的一种方法就是考虑一个线对测试卡片，比如用于测试 X 线成像系统的线对。它们包含明暗交替变化的条带或不同间距的线对（如图 8.10，即下图）。

这个明暗相间的条带的方向可以是任意方向，代表可能含有各个方向的空间频率。我们回顾下【Q&A in MRI】中的一个 gif 动图:

k 空间的中心区域。而且 k 空间中的点所蕴含的空间的频率的方向你发现规律了吗？

假设每厘米有 5 个线对，这意味着在一厘米内有 5 组明暗条纹。这种线对模式产生的图像亮度模式类似于空间频率。在磁共振中，空间频率是信号或图像亮度在空间分布上的周期性变化，不是用每厘米线对数表示，而是用“每厘米周期数”表示（十分相似）。

空间频率 k 的单位为 cycles/cm. 之前 【Q&A in MRI】中写过，二维图像是由各个方向各个频率各个相位的平面简谐波组成（或图像可以拆解成若干平面简谐波）。

任何图像（不仅仅是磁共振图像），应用傅立叶变换理论进行解析都可以分解成周期变化的亮度（正弦曲线形式）或空间频率。矩阵为 256 × 256 像素的数字图像将有 256 × 256 （=65 536）个可能的空间频率，可以是正值也可以是负值。如果我们知道某物体一幅图像的所有空间频率，那么我们可以计算出这个图像。用梯度进行磁共振定位的目的就是想要操纵磁共振信号，使之能够提供重建一幅图像所需要的所有空间频率。k  空间中的每一个点代表一个空间频率分量。

【MR技术】为什么磁共振成像这么麻烦？或许这篇文章能够给你带来新意。

在这一链接文章里通过浅显的话道出了磁共振成像的精髓之处。为什么磁共振成像那么麻烦？不就是在获取图像的空间频率（“图像的另一面”）吗？然后再通过逆傅立叶变换得到我们“看得懂的图像”。

图 8.11（即下图 a）展示了一幅图像以及它所对应的空间频率（即 k 空间）。如果我们将高频信息去除掉，那么得到的图像将只有亮度没有细节（即下图 b）；如果去除的是低频率数据，那么得到的图像将会只包含图像边缘和一些尖锐特征，而图像整体的亮度将很低（即下图 c）。因此，大的物体对应低频信息，小的物体或锐利的边缘对应高频信息。

我们可以通过 ImageJ 软件来进行模拟相同的实验：

大的物体对应低频信息，小的物体或锐利的边缘对应高频信息。从上面以及原文中的示例图就能够完全看出。另外，从下面 大圆 与 小圆 的 k 空间示意图中也能够完美表现：大圆的空间频率主要集中在低频区域，小圆拥有丰富的高频空间频率（k 空间调成相同的窗宽窗位观察）。

8.5.2 完全懵的概念：相位编码

可能大多数人觉得相位编码是磁共振成像过程中最难理解的一环，但一旦你从概念上掌握了相位编码的话，那么对于你全面理解磁共振成像将获益良多。下面我们结合图 8.12（即下图）来理解相位编码。图 8.12 给出了在施加相位编码梯度时，三个不同空间位置的横向磁化矢量分别在三个不同时刻相位编码梯度对它们的作用效果。

A 时刻之后打开梯度编码，y 轴方向上不同位置的质子群所受的叠加的磁场强度不同，就导致大家的进动频率不同。在上图所示中，相位编码梯度施加的效果为，正 y 轴处是正向梯度场强，负 y 轴处是负向梯度场强（绿色标示）。然后各个位置的质子群按自己的进动频率进行进动，那么就导致大家步调（相位）的不一致，而越是y轴正向的进动越快，越是y 轴负向的进动越慢。就导致y 轴正向的相位增加（多跑了好几圈），y 轴负向的相位减少（少跑了好几圈），y = 0 处的跟之前一样，进动频率不变。
最终产生的最大的相位差别跟梯度效能十分相关，即梯度峰下面积：

不论是相位编码梯度还是扩散敏感梯度，扰相（毁损）梯度亦或是其他应用类型的梯度，对质子群的作用都是一样的。若要想达到某施加效果，比如使梯度施加方向上的质子群相位变化为 8π，由于梯度作用产生的相位是具有累积效应的，那么梯度场强度越大，所需要的时间就越短；梯度场强度越小，所需要的时间就越长。另外梯度爬升的过程也是有效作用时间，那么爬升得越快，梯度场强越大，所需的时间就越短。总之，梯度波形下的面积要相等。另外，梯度的快速来回切换，与 PNS 与听觉噪声十分相关；还有静音序列的梯度模式、Spiral 采集所配合的读出梯度等通常不是梯形/矩形梯度脉冲。

假设一开始所有自旋的磁共振信号都是同相。如果我们在时刻 A 沿着 y 轴方向施加一相位编码梯度，那么所有的氢原子核的进动频率将加快或减慢，具体根据它们在 y 轴所处的位置来判断。就像我们在 8.3.3 节中讲过的，这一编码梯度将导致自旋开始散相或成扇形散开，只要梯度一直施加，那么散相的程度将一直持续增大。如果我们在时刻 B 关闭梯度的话，那么所有的氢原子核将又恢复到它们原来的进动频率，但它们不同的相位角将得到保留。这一过程就称作相位编码。而这一不同位置质子群信号相对的相位差异将一直保留，直至另一个梯度的出现或磁共振信号由于 T2 弛豫衰减完毕。

8.3.3 节所讲的散相如下图：

图 8.13（即下图）显示了在相位编码梯度方向沿柱形分布的质子群所经受三个不同梯度场强度而产生的信号差异。我们看到，在没有施加梯度时，所有质子群均同相，并且采集的信号强度很大（即下图 a）。但随着梯度强度的增大，质子群的散相也越来越大，当散相足够大使得所有质子群的相位相互抵消时，那么将没有磁共振信号产生。

从上图中我们看到，在没有施加梯度的时候，所有自旋同相，那么采集的信号就很强，因为大家叠加之后信号是增强的效果。而当施加梯度后，所有自旋处于一个散相过程，那么通过矢量叠加后，表现为相互有所抵消，那么采集的信号就强度就有所下降。这种情况就相当于我们 Cartesian k 空间模式采集中心区域的信号。而当施加的梯度效果很强时，所有自旋散相很严重，那么到最后采集到的信号就表现为很弱，就相当于我们 Cartesian k  空间模式采集周围区域时的信号。而在 Cartesian k 空间采集过程中，相位编码梯度是逐级变化的，从正向最大按固定的步长变化到负向最大。那么就导致采集的 MR 信号从 k 空间中心向相位编码方向两端逐渐变弱。

那么这又是如何测量空间频率的呢？参考图 8.13，假设质子群均匀分布，并且我们施加一个足够强的相位编码梯度，使得所有质子群的相位变化范围为 360°（2π 弧度或 2π 的倍数）。由于所有自旋平均分布于各个方向，当将这一圆柱内的所有质子的磁共振信号相加时我们将得到零信号。那么我们说这个物体没有单位长度一个周期的空间频率信息。

下面我们来看看一系列线对结构（包含质子与不包含质子交替排列），如下图 8.14 所示。

很显然，只有含有质子的那部分对磁共振信号有贡献。例如上图，当 k = 8 时，由于质子的空间分布是同相的，那么叠加起来时将会产生一个净的明确的信号。也就是说， 这一特定的相位编码梯度对在 FOV 大小内八个周期的空间频率敏感。再看图 8.14 中的其他线对模式，加起来的信号都是零。

然而，通常一个物体（如病人的身体）所拥有的空间频率是一个范围。每一个相位编码值可以看成是一个模版或一把梳子（用专业术语叫滤波器），对应于磁共振信号的一个空间分布或空间频率。如果要重建一幅完整的图像，就需要包括所有可能的空间频率。通过逐步采集所有相位编码来实现（如图 8.1 中用“梯状图形”来表示相位编码），一个 TR 间期采集一个相位编码。当没有施加梯度时，采集的整个物体的信号称之为零空间频率或 k = 0.

因此，磁共振成像序列包含多个射频激发过程，而每一次射频激发都匹配一个不同的相位编码梯度，直至所有可能的空间频率都被采集完。你可以将每一个相位编码步长想像成一个滤波器或一把梳子，就像图 8.15 中所示。当所有信号都采集完，通过傅立叶变换就可以将空间频率分布转换成被激励的氢原子核的空间分布，即病人的一幅图像。

比如有一簸箕各种豆子，有黄豆、绿豆、红豆、黑豆等混杂在一起，各个颜色的豆子大小各不相同。

现在有一个可调节网孔大小的筛子，那么可以通过多次调节网孔大小将所有豆子按大小给分类。

而每一次调节网孔的大小并进行筛选就相当于 MRI 成像中施加的一次相位编码（它蕴含一个空间频率）并进行信号采集。

而那么多次的相伴编码，每次施加的相位编码的梯度大小是不同的，但它们之间的步长相等。

以自旋回波 SE 序列为例，频率与相位编码步长均为256。

每一个 TR，采集一个回波填充一条 K 空间相位编码线，且从+128至-127顺序填充。那么每个信号的频率编码都是相同的，而相位编码是不同的，相位编码梯度以一定的步长从正向最大变为反向最大。

在这里再提一下，当采集第一条第+128相位编码线时，由于其相位编码梯度开的最大，那么各体素内散相的程度也最大，那么在采集时，信号将非常小，此时所采集的空间频率属于高频，相位编码方向的的空间频率 k 很大；当采集 K 空间中心部分时，+2，+1，0，-1，-2等时，由于相位编码梯度开的不是很大，那么各体素内的散相不是很严重，拥有较高的信号强度，此时所采集的空间频率属于低频，相位编码方向的的空间频率 k 很小。

顺便在这里再提一下，由于相位编码梯度的极性是反转的，由正向最大变成负向最大，那么所蕴含/采集的空间频率 k 也是有正负之分。这样 k 空间在相位编码方向就形成了对称的格式；而 k 空间在频率编码方向上的对称通过施加预读出梯度，这样在信号读出的中心时刻，空间频率为零，这样两边关于中心对称。
另外，由上也可以推得，MRI 扫描时，将空间体素做的越小，需要采集的空间频率就越多越丰富，对于细节显示也越好，包含了更多的空间频率，越逼近于图像真实的情况。若有时空间分辨力做的不够高时，就可能会出现截断伪影，即它所采集的空间频率不够，对于边缘、细节地方属于高频，那么就不能很完美地表达，在图像上就会出现“震铃”效应。关于更多信号采集与处理相关的内容请参阅下面链接：

为了获得整个图像，没有理由不在另一个方向也施加相位编码。实际应用的困难在于，对于每一个 GPE 值（或相位编码方向的空间频率，kPE）我们必须采集所有的 kFE 值（施加所有 GFE 梯度步长）。这就要花费很长的时间，但是它是可行的。比如 3D 成像或 3D 傅立叶变换就是这么做的。幸运的是，有一个更快、更简便、概念上也更简单编码的方式，就是在成像层面内的另一个方向上使用频率编码。

从这里可以获知，要成一幅图像，没必要一个方向频率编码另一个方向相位编码，还可以两个方向都是相位编码。但这样就需要每一个 X 方向的相位编码需要对应所有 Y 方向的相位编码，比如两个方向相位编码步长都是 256，那么总共就需要采集 256×256 次信号，那么很显然，这将花费很长的时间，而使用频率编码就能很好地解决另一个方向空间频率采集的问题。但我们所熟知的 3D 采集时就需要这么做。层面内有一个频率编码与一个相位编码，层面间也是通过相位编码来采集的。所以 3D 序列的采集的时间通过表示成 TR×N1×N2×NSA，分别 N1, N2 分别代表层面内相位编码步长与层面间相位编码步长，因为一个方向的相位编码需要对应采集另一个方向的所有相位编码步长。

使用频率编码，我们能够从一次射频激发产生磁共振信号中采集完所需的所有空间频率信息。在相位编码中，一条数据线（即 kPE 值）的采集就需要一次磁共振激励（射频脉冲）。对于一幅相位编码方向有 256 个像素的图像，我们需要 256 次磁共振激励，这将花费 256 × TR ms 时间。图 8.16（即下图）表示开启梯度一段时间，将产生一定的梯度矩与相位变化；之后进行信号的采样，记录信号强度。再经过一个不同的梯度步长（以及不同的梯度矩和相位变化）后采集下一个数据点。这样经过梯度矩整个范围的作用，我们就采集了与磁共振信号强度相关所有数据点。

在施加频率编码梯度的同时进行信号的采集，那么随着梯度的持续施加，所采集的信号数据点中所包含的相位累积越来越多。在实际应用中，会在信号读取之前施加一预读出梯度，方向也读出梯度相反，所对应的梯度矩与读出梯度前一半时间内的梯度矩即峰下面积相同。信号读取的前半段时间内，横向磁化矢量聚相，信号强度逐渐增高；信号读取的后半段时间内，横向磁化矢量散相，信号强度逐渐衰减。但其整个过程中，不同时刻所采集的信号数据所包含的频率编码方向上的相位累积是不同的。

频率编码梯度施加时，信号采集是同步进行的，这样频率编码方向上的空间频率信息就被采集下来了。而相位编码方向的空间频率信息需要每一次不同的相位编码梯度来进行采集。如果从总的时间上来看，跟频率编码方向上的采集十分类似：

然而，假设我们持续施加一梯度，在施加梯度的不同时间点测量/采集磁共振信号。在每一个时间点，磁共振信号所受的梯度矩的总量是不同的，同时累积的相位差也不同。因此每一个时间点反映了一个不同量值的“相位编码”，它对应着不同的空间频率。那么我们可以通过一次射频激发，采集随时间变化的磁共振信号，来获得这一方向上的所有空间频率。这个可以与相位编码采集进行类比，但相位编码的时间变化是“伪时间”，间隔 TR 时间进行采样，如图 8.17 所示。最终所采集的原始数据矩阵称作 k 空间。

那么如果我们能施加一次频率编码就能采集所有频率编码方向的空间频率，为什么还要花费时间来进行多次激励和相位编码呢？因为频率是一个标量参数，即它是用单个数字表示的量。如果我们同时在两个方向施加频率编码梯度，那么我们没有方法知道信号中的某特定频率是来源于这两个梯度中的哪一个，亦或两者都有。通过在两垂直正交的方向联合相位编码与梯度编码，我们可以收集到成像所需要的明确的空间频率。

频率编码可以解析一维结构（傅立叶变换），但不能解析二维结构。

二维的结构的解析需要引入相位编码：

还有另一种方式理解频率编码，这也是通常许多书中所使用的方法。就是考虑频率编码梯度对磁共振信号频率的作用效果，如图像 8.18 所示（即下图所示）。

由于频率编码梯度施加的同时进行信号的采集，那么信号的频率将依赖于被扫描物质在梯度磁场中的位置。采集的信号将不再是单个正弦波，而是许多频率分量的混合，亦即这些信号被频率编码了。通过傅立叶变换可以轻易地测定频率成分。如果施加一维傅立叶变换，那么就得到物体的一维投影频谱。

声明：由于本人才疏学浅，且篇幅较长，译注难免会有不当或错误的地方，还请各位老师多多指正。

Spaces 的出现，是为了解决群组共享里的困扰：

- 经常需要在不同 APP 间拷贝粘贴链接；

- 在你需要的时候，群聊里有价值的信息最终往往找不到。

在 Spaces 里，可以就在 APP 里简单快速地分享文章、视频、图片。带着 Google 的加成，Spaces 里的搜索也很牛。

几天的简单体验，我觉得 Google Spaces 的亮点在于：

- 随处可见：在 Google 系列的 Web APP 顶栏右侧，随时会冒出 Spaces 的通知消息来，这比较容易将用户召唤进 Spaces 里；

- 在 APP 里分享：发任何东西都是基于内置的 Chrome 快速搜索、分享。不需要在多个应用里切换；

- 内容随时可以找到：无可非议地，在 Spaces 里说的内容、发的图片或视频，在这里都能最精准地被搜索。

- 添加链接时的交互很自然，无需跳出 APP

- 圈子内容为空时显示「让 Google 协助你创建第一条信息」

- 圈子成员为空时显示「通过以下方式邀请……」，点击后，iOS 直接拉起 Apple 的共享窗口

首先，在中国肯定没有任何机会。我估计普通小团队（尤其可能是松散团队）很难人人会翻墙，并且愿意忍受翻墙的麻烦来用 Google Spaces。

那在国外有机会吗？说实话，我觉得悬，基于以下几个原因：

- 在社交产品上，Google 的纪录一向不太好，做一个关一个已经习惯了，用户的信任感都快丢光了；

- 发布 Spaces 没几天后的 Google IO 上，Google 还推出了 Allo & Duo，多手互博，看得我眼花缭乱，不知道他们到底是在炫技，还是在做产品；

当然有，可以看看小密圈（）。小密圈是小团队共享工具，以「分组朋友圈」的形式，让团队、社群可以安全分享文件和信息。用小密圈可以做公司与团队内部知识管理、产品对外的交流反馈社区、组建兴趣与同好社群等。

小密圈主要服务于企业和大 V，尽量优化他们的使用体验。在深度使用小密圈后，你或许会发现小密圈有一些隐藏很深但是很有意思的功能点。比如对链接的处理：

- 在其他 APP 里复制了一个链接后，打开小密圈，会自动提示你是否粘贴；

- 贴进链接后，开始是个 URL，后台会自动识别页面主题，并把 URL 转换为主题文字；

- 如果这个链接被删除了，点击 URL 前面的「链接」二字，可以看到小密圈还保存了链接的 HTML 缓存和图片缓存，再也不怕链接被和谐了。

比如对转发到微信的处理：

- 圈主可以设置是否允许转发到微信和朋友圈；

- 被转发到微信后，通过微信阅读过的人，都会被记录下来。

- 允许上传 Office、WPS、PDF 等文档（朋友圈里可以没有这个待遇）；

- 在圈子里对文档做内容识别与聚类，圈内搜索的时候，也对文件内容进行全文搜索。