Este documento describe los diferentes enfoques para el control de calidad en la imagen de resonancia magnética. Explica que existen dos aproximaciones principales: el control cualitativo guiado por un experto que busca artefactos visuales, y el control cuantitativo que usa índices numéricos como el desplazamiento del marco, DVARS, tSNR para medir la calidad. También presenta ejemplos de cómo estos índices pueden usarse para identificar y corregir problemas con el movimiento y el ruido en los datos.

1. Control de Calidad en Imagen de
Resonancia Magnética
Ángel Fernández-Cañada Vilata, MSc.
María de la Iglesia Vayá, PhD.
Jorge Isnardo Altamirano, MSc.

2. • ¿Por qué es importante el control de
calidad (CC)?
• Artefactos en la imagen de resonancia
magnética
• Dos aproximaciones de control de
calidad
– Control de calidad cuantitativo
– Control de calidad cualitativo
Índice

3. ¿Por qué es importante el control de calidad?

4. “Default Mode Network connectivity (PCC seed) is reduced in
subject groups with more motion, even when differences are
miniscule“
Van Dijk, Sabuncu, & Buckner (2012) NeuroImage
‘We demonstrated that the residual effect of subject motion is
larger than the effect of diagnosis.’
Tyszka JM, Kennedy DP, Paul LK, Adolphs R. (2013) Largely
typical patterns of resting-state functional connectivity in
high-functioning adults with autism.
La calidad de los datos es esencial para hacer buena ciencia.
¿Por qué es importante el control de calidad?

5. ¿Qué es un artefacto?
Un artefacto es cualquier detalle que aparece en la imagen que no
se encuentra presente en el objeto original.
¿Cuál es la causa de los artefactos en la resonancia
magnética?
Errores humanos:
Campo de visión mal colocado: imagen recortada o
incompleta.
Susceptibilidad magnética:
Pérdida de señal
Artefactos en la imagen de resonancia
magnética

6. ¿Cuál es la causa de los artefactos en la resonancia magnética?
Movimiento:
Efecto timbre, rayas, o emborronamiento (img. estructural).
Efecto persiana (img. funcional).
Problemas con la bobina:
Ruido de radio frecuencia.
Inhomogeneidad del campo.
Problemas en la reconstrucción de la imagen:
Imagen fantasma.
Envoltura.
Efecto arco.
Artefactos en la imagen de resonancia
magnética

7. ¿Cuándo un artefacto es un problema?

8. 1. Cualitativa: guiada por un ojo experto. En esta aproximación se
recorren los cortes de la IRM en busca de artefactos.
2. Cuantitativa: guiada por los datos. En esta aproximación se
evalúan índices numéricos calculados por un sistema
automatizado.
Dos aproximaciones de control de calidad

9. Artefacto de cobertura

10. Artefacto de cobertura

11. Susceptibilidad magnética

12. Efecto timbre, rayas o emborronamiento

13. Efecto arco

14. Efecto persiana

15. Ruido de radio frecuencia

16. Inhomogeneidad del campo

17. Imagen fantasma

18. Envoltura

19. Framewise displacement (FD)
El marcador FD es una representación numérica de seis
parámetros agrupados (3 giros y 3 traslaciones sobre los ejes x, y,
z).
iiiiziyixi dddFd γβα ∆+∆+∆+∆+∆+∆=
ixxiix ddd −=∆ − )1(
360
2 απ ∗∗∗
=
r
L
Aproximación cuantitativa

20. DVARS
Promedia el cambio de la señal BOLD a lo largo de cada volumen
de la imagen.
Este marcador no se puede usar por si sólo, pues un cambio
brusco en la intensidad de la señal no tiene porqué estar asociado
al movimiento sino a causas fisiológicas.
∑ −−= i titi YY
I
2
1,, )(
1
DVARS(t)
Aproximación cuantitativa

21. Selección de un umbral para FD y DVARS
“After studying the plots of dozens of healthy adults, values of 0.5
mm for framewise displacement and 0.5% ΔBOLD for DVARS were
chosen to represent values well above the norm found in still
subjects.” Spurious but systematic correlations in functional
connectivity MRI networks arise from subject motion. Power et
al. (2012)
“FD cut-off of 0.2 mm and DVARS cut-off of 0.4%” Distinct neural
signatures detected for ADHD subtypes after controlling for
micro-movements in resting state functional connectivity MRI
data. Fair et al. (2013)
Aproximación cuantitativa

22. Aproximación cuantitativa
Ejemplo

23. Aproximación cuantitativa
Ejemplo

24. Ejemplo
Posible solución: Scrubbing
Aproximación cuantitativa

25. Temporal Signal to Noise Ratio (tSNR)
es la relación entre la amplitud de la señal y el ruido de la misma a
lo largo del tiempo.
Dado que es deseable que los valores de señal sean altos y el
ruido sea lo más bajo posible, los valores de tSNR deberán ser
elevados. Nosotros estimamos que una relación 2:1 es lo mínimo
deseable.
Aproximación cuantitativa

26. Aproximación cuantitativa
Ejemplo

27. Ejemplo
Aproximación cuantitativa

28. Gracias por su antención
Ángel Fernández-Cañada Vilata, MSc.
María de la Iglesia Vayá, PhD.
Jorge Isnardo Altamirano, MSc.