Perfusionsmätningar med MR för stroke diagnostik

Rapport: 85 

___________________________________________________________________________ 

Examensarbete 

Perfusionsmätning med MR för 

Strokediagnostik 

Institutionen för elektronik 

KTH 

Diagnosis of Stroke by means of 

Perfusionweighted MRI 

Examensarbete utfört av 

Tobias Wedin 

i samarbete med 

MR-sektionen, Avd. För Sjukhusfysik 

Och Neuroradiologiska Avdelningen 

Karolinska Sjukhuset 

KAROLINSKA 

INSTITUTET 

Enheten för medicinsk teknik 

Institutionen för medicinsk 

laboratorievetenskap & teknik 

KI 

Stockholm 2001

Abstract 

Today, stroke is the leading cause of chronic disability. Most often strokes are 

thromboembolic in origin. The thrombosis cuts off the distribution of blood and oxygen to the 

tissue. The infarction can be treated with thrombolysis, a medicine that dissolves the 

thrombosis. To decrease the risk of fatal bleeding it is important to begin treatment soon after 

onset of symptoms. Therefore, it is important to make an early diagnosis. 

With perfusionweighted MRI, an infarction may be seen short after it occurs. With a fast 

imaging technique, Echo Planar Imaging (EPI), it is possible to dynamically measure the 

signal change while a bolus injection of a paramagnetic contrast agent is given to the patient. 

This test produces a series of images that shows the signal variation when the bolus passes 

through the tissue. The series of images can be used to calculate other images, showing 

cerebral blood flow and cerebral blood volume. 

The calculation of the perfusion images has been time consuming and the possibilities to 

evaluate the result have been limited. The goal of this thesis is to create a program that makes 

the calculation of perfusion images easier to perform, and also improves the possibilities to 

evaluate the result. The program “perfim.pro” is written in the programming language IDL 

and contains a graphical user interface. The buttons in the interface make the calculation both 

quicker and easier. The calculated images can be normalized against an area chosen by the 

user. The result is a color coded image that clearly shows differences between various tissues. 

In addition, the calculated images can be sent back to the console of the MR scanner and the 

database. This improves the possibilities of an accurate evaluation. 

To calculate the perfusion images, a so-called arterial inputfunction is needed. The 

inputfunction shows the signal variation in one of the brain arteries and is chosen manually by 

the individual performing the calculation. The calculated result depends strongly on the 

choice of inputfunction. When studying the choices of several individuals in regards to 

arterial input function, calculated results shows great variation. The normalized result are 

however similar, despite great differences before normalization. This indicates that the 

method should only be used for relative measurements. To avoid incorrect conclusions it is 

important that the individual evaluating the images is aware of this. In addition, it is important 

that different individuals agree on how to choose the arterial input function. This helps ensure 

that the test result reflects the examination, not the individual choice of the one performing 

the calculation.

Tack! 

Jag vill först och främst tacka min handledare docent och sjukhusfysiker Bo Nordell som gav 

mig möjlighet att utföra det här examensarbetet och som hjälpt och uppmuntrat mig under 

hela arbetet. 

Ett stort tack även till sjukhusfysiker Stefan Skare som fungerat som en extra handledare och 

vars hjälp med programmeringen varit oerhört värdefull. 

Jag vill tacka professor Kaj Ericson, neuroradiolog Pernille Skejö och all övrig personal på 

Neuroradiologiska Avdelningen som alltid tagit sig tid att svara på mina frågor och alltid visat 

stor uppskattning för mina framsteg. 

Jag vill tacka personalen på MR-avdelningen vid Lunds Lasarett, speciellt Ronnie Wirestam 

som alltid ställt upp och svarat på mina många frågor och Linda Andersson som delat med sig 

av sina kunskaper i IDL. 

Tack även till General Electric för programvaran som varit nödvändig för att genomföra 

projektet.

Sammanfattning 

Stroke är i dag den vanligaste orsaken till bestående neurologiska handikapp. Den vanligaste 

orsaken till stroke är en infarkt, en blodpropp som stoppar blod- och syrgastillförseln till 

hjärnans vävnader. Infarkten kan behandlas med trombolys, ett läkemedel som löser upp 

blodproppen. För att minska risken för komplikationer måste behandlingen startas tidigt och 

det är därför viktigt med en diagnos kort efter att symptom på stroke uppstått. 

En möjlighet att upptäcka en infarkt tidigt är att med MR mäta perfusionen, genomblödningen 

i hjärnan. Med en snabb avbildningsteknik, Echo Planar Imaging (EPI), är det möjligt att 

dynamiskt mäta signalförändringen i hjärnan, under det att en bolusinjektion av ett 

paramagnetiskt kontrastmedel ges till patienten. Resultatet av mätningen är en bildserie som 

visar hur signalen förändras under kontrastmedlets passage genom hjärnan. Denna bildserie 

kan sedan användas för att beräkna bilder som visar blodflödet och blodvolymen i hjärnans 

olika delar. 

Arbetet med att beräkna perfusionen har tidigare varit tidsödande och innehållit många 

manuella moment. Möjligheten att utvärdera det färdiga resultatet har dessutom varit 

begränsat. Målet med examensarbetet har varit att skriva ett program som förenklar 

beräkningen av perfusionsundersökningar och förbättrar möjligheten att utvärdera resultatet. 

Programmet ”perfim.pro”, som skrivits i programspråket IDL, innehåller ett grafiskt 

användarinterface. Via knapparna i interfacet blir beräkningen både enklare och snabbare och 

fler personer än tidigare kan beräkna perfusionsundersökningar. Programmet gör det möjligt 

att normalisera de färdiga bilderna mot ett utvalt område i hjärnan. Resultatet blir en färgbild 

som tydligt visar skillnader mellan hjärnans olika delar. Det går också att skicka de färdiga 

bilderna, via nätverk, tillbaka till magnetkamerans konsol och till databasen, vilket förbättrar 

möjligheten att utvärdera resultatet. 

När bilderna skall beräknas behövs en s.k. arteriell inputfunktion som visar hur signalen 

varierar i en av hjärnans artärer under boluspassagen. Inputfunktionen väljs manuellt och har 

stor betydelse för resultatet. En jämförelse mellan olika personers val av inputfunktion på 

samma undersökning visar att det beräknade resultatet varierar kraftigt. Det normaliserade 

resultatet visar däremot ett likartat resultat, trots stora avvikelser före normalisering. Detta 

visar att perfusionsmätningen endast skall användas som relativmätande metod. Det är viktigt 

att den som tittar på bilderna är medveten om detta, så att inte fel slutsatser dras vid en 

utvärdering av undersökningen. Det är viktigt med konventioner, dvs. att olika personer 

kommer överens om hur inputfunktionen skall väljas, för att resultatet skall bero mer på 

undersökningen än på den som utför beräkningen.

Perfusionsmätning med MR för Strokediagnostik Tobias Wedin 

Tack! .......................................................................................................................................... I 

Sammanfattning .......................................................................................................................II 

1 Inledning.................................................................................................................................3 

2 Projektbeskrivning..................................................................................................................4 

3 MR-teknik ...............................................................................................................................4 

3.1 Fysikalisk princip ...........................................................................................................5 

3.1.1 Kärnspinn...................................................................................................................5 

3.1.2 Precession ..................................................................................................................6 

3.1.3 Magnetiseringsvektorn ..............................................................................................7 

3.2 Relaxation........................................................................................................................8 

3.2.1 T1-relaxation ..............................................................................................................8 

3.2.2 T2-relaxation ..............................................................................................................8 

3.2.3 T2*-relaxation ............................................................................................................8 

4 Magnetkameran......................................................................................................................8 

4.1 Huvudmagneten..............................................................................................................9 

4.2 RF-spolar.........................................................................................................................9 

4.3 Gradientspolar ..............................................................................................................10 

5 Spatiell inkodning, bildrekonstruktion ................................................................................10 

5.1 Skivselektering..............................................................................................................10 

5.2 Frekvenskodning ..........................................................................................................11 

5.3 Faskodning ....................................................................................................................11 

5.4 Bildrekonstruktion .......................................................................................................12 

5.4.1 Den insamlade signalen ...........................................................................................12 

5.4.2 Vad är k-space? .......................................................................................................13 

5.4.3 Förflyttning i k-space...............................................................................................13 

6 Pulssekvenser........................................................................................................................14 

6.1 En enkel pulssekvens....................................................................................................14 

6.2 Echo Planar Imaging, EPI ...........................................................................................15 

7 Perfusionsmätning................................................................................................................16 

7.1 Metod .............................................................................................................................16 

7.2 Kontrastmedel...............................................................................................................17 

7.3 Den arteriella inputfunktionen....................................................................................18 

7.3.1 Vad är den arteriella inputfunktionen? ....................................................................18 

7.3.2 Fissura sylvi.............................................................................................................19 

8 Matematisk metod.................................................................................................................19 

8.1 Beräkning av rCBV......................................................................................................19 

8.2 Beräkning av rCBF ......................................................................................................20 

8.2.1 Singulärvärdesfaktorisering, SVD...........................................................................22 

8.3 Beräkning av MTT .......................................................................................................23 

1


9 Programmet ”perfim.pro” ....................................................................................................23 

9.1 Det grafiska användargränssnittet..............................................................................23 

9.2 Andra program som anropas ......................................................................................25 

9.2.1 Program som skrivits i det här examensarbetet .......................................................26 

9.2.2 Övriga program........................................................................................................26 

9.3 Begränsningar i programmet ......................................................................................27 

10 Reproducerbarhet ...............................................................................................................28 

11 Diskussion...........................................................................................................................31 

12 Slutsats ................................................................................................................................31 

13 Referenser ...........................................................................................................................32 

14 Ordlista................................................................................................................................34 

Bilaga 1: Manual till ”perfim.pro” 

Bilaga 2: Beskrivning av programmen 

Bilaga 3: Manual till ”xds” 

2


1 Inledning 

På neuroradiologiska avdelningen på Karolinska Sjukhuset (KS) pågår ett forskningsprojekt 

vars syfte är att med hjälp av magnetisk resonans tomografi (MRT) diagnostisera akut stroke 

inom 24 timmar. Det här examensarbetet är en del i detta forskningsprojekt och syftar till att 

förenkla beräkningen och förbättra möjligheten att utvärdera perfusionsstudier gjorda med 

MRT. MRT kallas normalt endast för MR. 

Stroke, även benämnt slaganfall, innefattar hjärninfarkt och hjärnblödning. Sjukdomen är i 

dag den tredje vanligaste dödsorsaken och den vanligaste orsaken till bestående neurologiska 

handikapp [1-2]. Stroke definieras enligt Världshälsoorganisationen, WHO, som plötsligt 

utvecklade kliniska symptom på en lokal störning av hjärnfunktionen, med en varaktighet 

längre än 24 timmar eller ledande till döden, beroende på vaskulära störningar [3]. Den 

vanligaste orsaken till stroke, 80-85 %, är en blodpropp. Blodproppen täpper till blodkärl och 

stoppar blod- och syrgastillförseln till hjärnans vävnader vilket leder till ischemi, syrebrist. 

Blodförsörjningen till det skadade området kan förbättras genom trombolytisk behandling, ett 

läkemedel som löser upp blodproppen. Behandlingen måste dock startas mycket snart efter att 

symptom på stroke uppstått, då det ischemiska tillståndet kommer att göra kärlbädden i det 

skadade området skört. Samtidigt kommer andra kärl i hjärnan att dilateras, vidgas, för att 

kompensera för det minskade blodflödet. Om behandlingen startats för sent är risken för en 

blödning mycket stor, när proppen till slut löses upp av trombolysen. Det är därför mycket 

viktigt att diagnostisera en stroke tidigt för att kunna behandla den effektivt och speciellt är 

det väsentligt att avgöra om symtomen beror på en blödning eller en infarkt. Omfattande 

studier, ECASS och NINDS [4-5], har visat att trombolysbehandling som ges för sent eller på 

fel indikationer ger en ökad risk för komplikationer. 

Konventionella datortomograf- och magnetkameraundersökningar kan inte se en infarkt i ett 

tidigt skede, den syns först när vävnaden är död. Det finns en möjlighet att upptäcka en infarkt 

tidigt genom att med magnetkamera mäta perfusionen, genomblödningen, i hjärnan. Med en 

snabb avbildningsteknik, Echo Planar Imaging (EPI), är det möjligt att följa MR-bildens 

signalförändring efter en bolusinjektion av ett paramagnetiskt kontrastmedel. Perfusionen i 

hjärnan kan sedan beräknas med hjälp av de resulterande bilderna. 

Ett annat sätt att använda MR-tekniken är att mäta diffusionen, vattenmolekylernas rörelse, i 

hjärnan. Det finns en möjlighet att med hjälp av perfusions- och diffusionsbilder avgöra 

storleken på den s.k. penumbran. Tröskelvärdet för normal synaptisk funktion i hjärnans celler 

är 20-25 ml blod/100g vävnad/minut. Vid blodflöden under detta värde upphör den elektriska 

aktiviteten i hjärnan. Om blodflödet sjunker till 10-12 ml/100g vävnad/minut uppstår 

anaerobisk metabolism i cellerna vilket leder till acidos, syraförgiftning, och så småningom 

celldöd [2-6]. Vävnad med en blodförsörjning mellan dessa tröskelvärden befinner sig i ett 

potentiellt reversibel tillstånd, dvs. vävnaden går att rädda om tillförseln av syre och glukos 

förbättras. Detta potentiellt reversibla område kallas för penumbran [1-2, 7]. I ett tidigt skede 

påverkas normalt perfusionen i ett större område än diffusionen och det finns därför en 

möjlighet att bestämma penumbrans storlek genom skillnaden i de båda bilderna. 

För att kunna utnyttja informationen i en perfusionsstudie behövs ett verktyg som gör det 

möjligt att snabbt och enkelt beräkna perfusionen och utvärdera resultatet. Det har varit målet 

med det här examensarbetet. 

3


2 Projektbeskrivning 

Vid en perfusionsmätning med MR tas en serie med bilder som visar hur signalen i vävnaden 

förändras efter en injektion av ett paramagnetiskt kontrastmedel, dvs. man studerar dynamiskt 

signalförändringen i MR-bilden under kontrastmedlets passage genom hjärnan. Denna 

bildserie är sedan underlag för beräkningen av tre olika typer av bilder, regional Cerebral 

Blood Flow (rCBF), regional Cerebral Blood Volume (rCBV) och Mean Transit Time(MTT). 

Den första bilden, rCBF, visar blodflödet i hjärnans olika områden, den andra bilden, rCBV, 

visar hur blodvolymen är fördelad i hjärnan och den sista, MTT, visar hur lång tid det tar för 

blodet att passera genom den avbildade vävnaden. 

Innan beräkningen kan utföras överförs bildserien från magnetkameraundersökningen till en 

extern dator och en s.k. arteriell inputfunktion måste beräknas. Arbetet med att beräkna 

perfusionsbilderna har tidigare varit tidsödande och innehållit många manuella moment. 

Antalet program och anropsparametrar har varit stort, vilket ställt stora krav på den som utfört 

beräkningen, och även ökat risken för fel. De färdiga perfusionsbilderna har inte kunnat 

skickas tillbaka till magnetkameran, för utskrift på film, och utvärdering av bilderna på ett 

praktiskt sätt har inte heller varit möjlig. 

Syftet med detta examensarbete har varit att skapa ett program, i programspråket IDL [8], 

som genom musknapptryckningar förenklar och förbättrar framtagningen av 

perfusionsbilderna. Programmet skall ge användaren möjlighet att titta på resultatet och även 

normalisera bilderna mot en vald del av hjärnan. De normaliserade bilderna skall visas i färg. 

Det skall även gå att skicka de färdiga bilderna över nätverk tillbaka till magnetkameran, för 

utskrift på film.Programmet, ”SVD_gado_grinder”, som utför själva beräkningen av 

perfusionsbilderna kommer från Leif Östergaard i Århus, se referens [16] och [17]. Vidare har 

ett samarbete skett med MR-avdelningen på Lunds Lasarett, speciellt med avseende på 

färgkodningen av perfusionsbilderna. 

Vid beräkningen av bilderna behövs en s.k. arteriell inputfunktion som visar hur signalen 

förändras i en av hjärnans artärer under boluspassagen. Den person som utför beräkningen 

måste manuellt leta efter en artär i bildserien som överförts från magnetkameran. En del i 

projektet har varit att kontrollera hur mycket resultatet varierar då olika personer gör detta. 

Rapporten innehåller också en grundläggande beskrivning av MR-tekniken. 

3 MR-teknik 

Fenomenet Nuclear Magnetic Resonance (NMR) upptäcktes 1946 av E. M. Purcell och F. 

Bloch, för vilket de fick Nobelpris i fysik 1952. Paul C. Lauterbur och Raymond V. 

Damadian började tidigt jobba med, och banade vägen för, bildgivande NMR. Lauterbur kom 

på tekniken att använda gradienter i flera riktningar för att spatiellt avkoda MR-signalen (en 

förklaring på detta finns i kapitel 4). Damadian tog det första patentet på en helkroppsscanner 

och avbildade det första snittet genom en människa 1977, se figur 3.1. Richard R. Ernst 

introducerade användandet av den tvådimensionella Fouriertransformen och fick Nobelpris 

för sina insatser inom NMR 1991 [9]. 

Att skapa tvärsnittsbilder med hjälp av NMR kallas för Magnetisk Resonans Tomografi 

(MRT), Magnetic Resonance Imaging (MRI) eller vanligen endast MR. Detta för att undvika 

ordet ”nuclear” som kan ge intrycket att tekniken är farlig. Vid en MR-undersökning placeras 

4


patienten i ett starkt magnetfält. Radiovågor sänds in i patienten som efter att sändaren stängts 

av kommer att avge en signal. Denna signal samlas in och rekonstrueras till en bild. Det är 

kärnan hos väteatomerna ( 1 H) i kroppen som tar upp och avger den radiofrekventa energin om 

radiosignalens frekvens är i resonans med protonernas resonansfrekvens. 

3.1 Fysikalisk princip 

3.1.1 Kärnspinn 

Figur 3.1: Raymond V. Damadian avbildade det första snittet genom en 

människa år 1977. snittet går genom bröstkorgen och visar hjärta och lungor. 

Bilden tog 4h och 45 min att skapa [9]. 

Väteatomens ( 1 H) kärna består av en proton. En atom med ojämnt antal protoner eller 

neutroner har både kärnspinn och laddning som ger upphov till ett elektriskt och magnetiskt 

fält som omger kärnan. Magnetfältet som omger kärnan liknar det från en magnetisk dipol. I 

kvantteorin är bara vissa energinivåer tillåtna. Protonen har spinnkvanttal I = ½, vilket innebär 

att den har två diskreta energinivåer enligt 1+2I. Om protonen (den lilla dipolen) placeras i ett 

yttre magnetfält B0 kommer den att ställa in sig parallellt eller antiparallellt med B0. Det 

parallella läget representerar en lägre energinivå och det antiparallella en högre energinivå. 

Energiskillnaden, ∆E, mellan de båda tillstånden blir större ju starkare magnetfältet B0 är, se 

figur 3.2. En proton kan exciteras från det lägre- till det högre energitillståndet genom att ta 

upp en foton om fotonens energi överensstämmer med ∆E. Det parallella läget är 

energimässigt gynnsammare och det kommer därför alltid att finnas ett litet överskott av 

parallella spinn. Ju starkare B0 är desto större kommer överskottet av parallella spinn att vara. 

5


E 

0 

3.1.2 Precession 

En kärna som placeras i ett magnetfält kommer att precessera runt det yttre magnetfältet med 

en karaktäristisk frekvens som beror av magnetfältets styrka, se figur 3.3. På liknande sätt 

precesserar ett gyro i jordens gravitationsfält. Precessionshastiheten kallas för 

Larmorfrekvensen ω och ges av: 

ω = γ ⋅ B 

(3.1) 

där: γ = gyromagnetisk kvot 

B0 = magnetfältets styrka 

0 

För väte gäller att γ = 42.58 MHz/Tesla ⇒ ω = 63.9 MHz vid B0 = 1.5 Tesla 

∆E 

- Antiparallella spinn 

- Parallella spinn 

Figur 3.2: Energiskillnaden ∆E mellan parallella och antiparallella 

spinn ökar med starkare magnetfält B0. 

B0 

Figur 3.3: Protonerna precesserar i det yttre magnetfältet B0 med 

Larmorfrekvensen ω. Figuren visar ett parallellt spinn. 

ω 

B0 

6


3.1.3 Magnetiseringsvektorn 

Då samtliga spinn i en voxel, ett litet volymselement, adderas vektoriellt kommer det lilla 

överskottet av parallella spinn att bilda en resulterande vektor som pekar i samma riktning 

som B0, den s.k. magnetiseringsvektorn M0, se figur 3.4. 

Protonernas excitering kan betraktas ur en kvantmekanisk synvinkel där kärnan exciteras från 

det parallella tillståndet till det antiparallella genom att ta upp energi från den radiofrekventa 

pulsen (RF-pulsen). Alternativt kan excitationen betraktas ur en klassisk synvinkel där den 

roterande magnetiska vektorn i RF-pulsen påverkar magnetiseringsvektorn M0 som på så sätt 

”tippas” i B0-fältet, se figur 3.5. Den komponent av magnetiseringvektorn som roterar i xyplanet, 

den transversella magnetiseringen Mxy, kommer att avge en radiosignal med 

information som bygger upp MR-bilden. Hur mycket magnetiseringsvektorn tippas, den s.k. 

”flipvinkeln”, avgörs av radiopulsens amplitud och längd. 

B0 

B0 

M0 

Figur 3.4: Överskottet av parallella spinn bildar magnetiseringsvektorn M0 som 

pekar i samma riktning som B0. 

y 

M0 

Figur 3.5(A): Före excitationen pekar 

magnetiseringsvektorn M0 i samma riktning 

som B0. 

z 

x 

B0 

y 

z 

Mxy 

x 

RF-puls 

Figur 3.5(B): En RF-puls tippar M0. 

Transversalmagnetiseringen Mxy roterar i 

xy-planet med Larmorfrekvensen. 

7


3.2 Relaxation 

MR-signalen från en vävnadsvolym är som störst direkt efter en 90º puls, dvs. en RF-puls som 

tippar magnetiseringsvektorn 90º. Transversalmagnetiseringen Mxy kommer sedan successivt 

att minska i längd, och magnetiseringsvektorn M0 att växa tillbaka, i takt med att de 

exciterade protonerna avger energi och återgår till sin ursprungliga orientering i magnetfältet. 

MR-signalen kommer i sin tur att avta i takt med att Mxy försvinner. Hur lång tid det tar för 

den exciterade vävnaden att avge sin energi beror på dess relaxationstider. Man talar om tre 

olika relaxationstider, T1-, T2- och T2*-relaxation. Olika vävnader har olika relaxationstider 

vilket ger en kontrastskillnad mellan vävnaderna i den färdiga MR-bilden. 

3.2.1 T1-relaxation 

Signalen som avges från den exciterade vävnaden kommer av att protonerna avger energi när 

de återgår från det antiparallella tillståndet till det parallella. Det innebär att 

magnetiseringsvektorn M0 svänger tillbaka och ställer sig parallellt med B0 igen. Återväxten 

av M0 kallas för T1-relaxation. 

3.2.2 T2-relaxation 

Efter en excitationspuls kommer protonerna att precessera i fas med varandra. Spinn i olika 

kärnor kan ”se” närliggande protoners dipolfält och de kommer därför att påverka varandras 

precessionshastighet. Skillnaden i precessionshastighet medför en urfasning av spinn som 

orsakar en minskning av transversalmagnetiseringen Mxy. Denna urfasning kallas för T2relaxation. 

3.2.3 T2*-relaxation 

I ett perfekt homogent magnetfält existerar bara T1- och T2-relaxation, men i verkligheten 

finns inget perfekt magnetfält. Magnefältet i kameran kommer att innehålla små 

inhomogeniteter och dessutom störas av kroppar och föremål som placeras i magnetfältet. Det 

innebär att urfasningen av spinn kommer att gå snabbare än T2-relaxationen. Denna urfasning 

kallas för T2*-relaxation. 

4 Magnetkameran 

Magnetkameran består av en huvudmagnet som skapar magnetfältet B0, gradientspolar som 

genererar gradienter i tre ortogonala riktningar x, y, z samt RF-spolar som sänder och tar emot 

den radiofrekventa signalen. 

8


4.1 Huvudmagneten 

Det finns tre olika typer av huvudmagneter: permanentmagneter, resistiva elektromagneter 

samt supraledande magneter. Några olika typer av magneter visas i figur 4.1. 

Figur 4.1: Magnetkameror med olika typer av huvudmagneter. 

Den supraledande magneten ger den starkaste och stabilaste fältstyrkan men är också dyrast 

att hålla i drift. Magnetens lindning hålls kyld och supraledande med flytande helium, -269 

°C, som fylls på i takt med att den kokar bort. En modern magnet behöver bara fyllas på en 

gång per år. Magneten ger ett kraftigt magnetfält i spolens längdriktning, se figur 4.2. 

Magneten på neuroradiologiska avdelningen på KS är en supraledande magnet med en 

fältstyrka på 1,5 T. Det är ca 30 000 gånger starkare än jordens magnetfält. En speciell typ av 

huvudmagnet är den öppna magneten (bild 1 och 3 i figur 4.1). Öppna magneter är ofta av 

permanenttyp. De är billiga i drift men ger lägre fältstyrka. Många personer upplever det som 

obehagligt att ligga i magnetkameran. Den öppna magneten kan då upplevas som mindre 

skrämmande. 

4.2 RF-spolar 

y 

Figur 4.2: Magnetkamerans koordinatsystem, magnetfältet B0 pekar i 

spolens längdriktning Z. X- och Y-axeln pekar horisontellt respektive 

vertikalt genom kameran. 

Den radiofrekventa energin sänds och tas emot av en antenn, en RF-spole. Kameran 

innehåller en helkroppsspole (body coil) men den används inte vid alla undersökningar. För 

att få en stark signal är det bäst att placera spolen nära det område som skall avbildas. Det 

finns därför speciella spolar för avbildning av olika områden. Vid en perfusionsundersökning 

av hjärnan används en huvudspole som kommer nära hjärnan och därför ger ett bättre resultat 

än kamerans helkroppsspole. 

z 

x 

9


4.3 Gradientspolar 

En gradientspole är en spole som skapar ett ”lutande” magnetfält där fältstyrkan blir en 

funktion av position. När en gradient G appliceras kommer magnetfältet längs gradienten att 

variera enligt, 

B x 

( x, 

t) 

= B0 

+ xG( 

t) 

. (4.1) 

Spinn längs gradienten kommer att uppleva olika starkt magnetfält och därför precessera med 

olika Larmorfrekvens. Larmorfrekvensen är på så sätt direkt kopplad till spinnens position. 

Detta gör det möjligt att excitera en begränsad vävnadsvolym, ett snitt, samt att få fram 

spatiell information ur den mottagna signalen. Magnetkameran innehåller tre gradientspolar 

som genererar gradienter i tre ortogonala riktningar x, y och z. Gradienterna definieras enligt, 

G 

x 

∂Bx 

= , 

∂x 

G 

y 

∂B 

y 

= , G 

∂y 

5 Spatiell inkodning, bildrekonstruktion 

z 

∂Bz 

= . (4.2) 

∂z 

För att kunna avbilda ett objekt måste positionen för varje region med spinn bestämmas. Det 

sker i tre riktningar med hjälp av skivselektering, frekvenskodning och faskodning. I 

magnetkameran är dessa riktningar inte fasta utan skivselektering, frekvenskodning och 

faskodning kan ske i vilken riktning som helst i koordinatsystemet. Här sätter vi riktningarna 

enligt figur 5.1. 

5.1 Skivselektering 

y, faskodning 

z, skivselektering 

x, frekvenskodning 

Figur 5.1: Riktningen för skivselektering, frekvenskodning och faskodning 

sätts här enligt figuren. 

För att excitera en begränsad vävnadsvolym, ett snitt, appliceras gradienten Gz samtidigt som 

excitationspulsen sänds ut. Resonans, och därmed excitation, kommer endast att uppstå i det 

område där Larmorfrekvensen överensstämmer med RF-pulsens frekvens. 

Skivselekteringsgradientens lutning avgör tillsammans med RF-pulsens bärfrekvens och 

bandbredd det exciterade snittets placering och tjocklek. Efter excitationen slås Gz av. 

Gradienten slås på igen när ett nytt snitt skall exciteras eller samma snitt skall exciteras på 

nytt. 

10


5.2 Frekvenskodning 

Om signalen från det exciterade snittet tas emot utan gradient kommer signalen endast att 

innehålla en enda frekvens och det är då omöjligt att avgöra varifrån signalen kommer, se 

figur 5.2. 

B 

Om en frekvenskodningsgradient, Gx, appliceras under inläsningsfasen kommer spinn längs 

gradienten att precessera med olika Larmorfrekvens och den mottagna signalens 

frekvensinnehåll kommer att innehålla spatiell information enligt figur 5.3. 

B 

5.3 Faskodning 

x 

signal 

Figur 5.2: Utan gradient kommer den mottagna signalen endast att innehålla en 

frekvens. Det går då inte att skilja på spinn med olika position. 

Gx 

x 

signal 

frekvens 

frekvens 

Figur 5.3: Med gradient kommer signalen att innehålla olika frekvenser. Signalens 

frekvensinnehåll beror på spinnens position längs gradienten. 

Objektet som avbildas i figur 5.3 innehåller tre regioner med spinn som går att åtskilja i en 

riktning med hjälp av frekvensinnehållet i signalen. För att kunna åtskilja spinn på olika 

”höjd” i objektet behövs en gradient till, faskodningsgradienten Gy, se figur 5.4. Gradienten 

Gy appliceras innan inläsningen startas och Gx slås på. Spinn med olika position i y-led 

kommer då att känna olika starkt magnetfält och urfasas. Graden av urfasning bestäms av 

spinnens position i y-led. 

11


Gy slås av innan inläsningen börjar och Gx slås på. Vid inläsningen kommer spinn med 

samma position i x-led men olika i y-led att ha samma frekvens men olika fas. Genom att 

ändra amplituden på Gy stegvis kan en subfrekvens samplas, i faskodningsriktningen, som 

innehåller spatiell information i y-led. I kameran går det även att kombinera gradienter för att 

excitera och avbilda lutande snitt. 

5.4 Bildrekonstruktion 

5.4.1 Den insamlade signalen 

y 

Föregående avsnitt beskriver hur gradienter skapar fas- och frekvensskillnader i MR-signalen, 

och hur signalen på så sätt innehåller spatiell information om objektet. Det gäller sedan att få 

fram den spatiella informationen ur signalen. I den färdiga MR-bilden kommer intensiteten i 

en punkt bero av spinndensiteten ρ(x) i den punkten. Vid avbildning med MR måste ρ(x) 

bestämmas ur en signal s(t) som samlas in som funktion av tiden. Om vi betraktar ett exciterat 

snitt V och gör förenklingen att relaxationstiden T2 är konstant över hela snittet, ges signalen 

av [10], 

s ( t) 

= exp( t / T2 

) ∫ ρ ( x) 

exp( −i2πk 

( t) 

x) 

dx , (5.1) 

V 

där ρ(x) är spinndensiteten och k(t) är positionen i det så kallade k-rummet el. k-space, som 

definieras enligt [11], 

t 

∫ 

k( 

t) 

= γ G( 

t') 

dt' 

. (5.2) 

0 

Vi gjorde här förenklingen att relaxationstiden var konstant över hela snittet. I verkligheten 

stämmer inte detta. Olika vävnader kommer att ha olika relaxationstid och därför ge olika 

stark signal. Både spinndensiteten och relaxationstiden har på så sätt betydelse för signalens 

styrka, vilket ger kontrastskillnader mellan olika vävnader i den färdiga bilden. 

Gfas 

Figur 5.4: Faskodningsgradienten fasar ur spinn med olika 

position i y-led. Spinnens fasförhållande innehåller då spatiell 

information i y-led. 

B 

12


5.4.2 Vad är k-space? 

Efter excitation avger kroppen en radiosignal s(t) som samlas in och sparas i k-space som 

enkelt beskrivet är det tvådimensionella rum som utgör Fouriertransformen av den färdiga 

bilden, se figur 5.5. Positionen i k-space ges av ekvation 5.2, signalen som samplas är alltså 

en funktion av positionen i k-space. Av ekvation 5.1 framgår att signalen s(t) är en 

Fouriertransform av spinndensiteten ρ(x). Spinndensiteten och därmed bilden kan nås via en 

invers Fouriertransform av informationen som lagras i k-space. 

Vi vet sedan tidigare att närvaron av en gradient orsakar en urfasning av spinn. Positionen i kspace 

beror enligt ekvation 5.2 på tidsintegralen av gradienten och är på så sätt direkt kopplad 

till graden av urfasning. Informationen i k-space kan ses som spatiella frekvenser där låga 

spatiella frekvenser, dvs. grundinformationen i MR-bilden, finns centralt i k-space och höga 

spatiella frekvenser finns perifert i k-space. Ju längre tid gradienterna appliceras desto längre 

ut från centrum samplas k-space, och desto finare blir den spatiella upplösningen i bilden. 

Observera att varje punkt i k-space motsvarar hela MR-bilden. 

5.4.3 Förflyttning i k-space 

FT 

Figur 5.5: Den färdiga MR-bilden nås via en invers Fouriertransform av informationen 

som lagras i k-space. Grundkontrasten, låga spatiella frekvenser, finns centralt i k-space 

och höga spatiella frekvenser finns perifert i k-space. 

Hur raderna i k-space samplas avgörs av den ordning i vilken gradienterna Gx och Gy 

appliceras, se figur 5.6. Koordinataxlarna i k-space kallas kx och ky. 

Frekvenskodningsgradienten Gx ger en förflyttning horisontellt i k-space och 

faskodningsgradienten Gy ger en förflyttning vertikalt i k-space. Produkten av gradientstyrkan 

och tiden den appliceras, dvs. ∫ Gi ( t) 

dt , avgör hur långt från centrum som k-space samplas 

och hur fin den spatiella upplösningen blir. 

13


Gx 

Gy 

Figur 5.6: Gradienten Gx ger en förflyttning horsontellt i k-space och Gy ger en 

förflyttning vertikalt. Positiva gradienter ger en förflyttning i positiv riktning och 

negativa i negativ riktning, längs respektive axel. 

6 Pulssekvenser 

En pulssekvens beskriver hur och i vilken ordning gradienterna appliceras och därmed hur 

bildinformationen samlas in. Hur k-space samplas beror alltså på den pulssekvens som 

används. Det finns en mängd olika pulssekvenser som skapar olika typer av MR-bilder. 

6.1 En enkel pulssekvens 

Den enklaste typen av pulssekvens visas i figur 6.1. Den läser en rad i k-space för varje 

excitationspuls. En MR-bild med 128x128 pixlar kräver då 128 st. excitationer i varje snitt 

som skall avbildas. 

RF 

Gz 

Gy 

Gx 

Eko 

90° 

TE 

TR 

Figur 6.1: Figuren visar en enkel pulssekvens som samplar k-space en rad i 

taget. Sekvensen kräver en excitation för varje rad i den matris som utgör den 

färdiga MR-bilden. 

ky 

90° 

t 

t 

t 

t 

t 

kx 

14


Samtidigt som en 90° RF-puls sänds ut appliceras skivselekteringsgradienten Gz. 

Skivselekteringsgradienten har en positiv och en negativ del. Den negativa delen har en area 

som är hälften av den positiva och kompenserar på så sätt för den urfasning som sker under 

tiden som den positiva gradienten är applicerad. Därefter följer en faskodningsgradient Gy 

som ger en förflyttning vertikalt i k-space. Faskodningsgradienten har i figur 6.1 ritats som en 

stege för att illustrera att den ändras stegvis för varje excitation och insamlad rad i k-space. 

Efter detta följer en negativ Gx gradient som ger en förflyttning i negativ kx riktning i k-space. 

Gradienterna Gx och Gy har nu gett en förflyttning i k-space till början av den rad som skall 

samplas. Under tiden den positiva Gx gradienten är påslagen samplas signalen (ekot) av en 

analog-digital omvandlare (ADC). Den positiva Gx gradienten fasar ihop spinn som urfasats 

av den negativa Gx gradienten. Eftersom arean av den positiva gradienten är dubbelt så stor 

som arean av den negativa kommer signalen att nå maximal amplitud i mitten av 

utläsningsgradienten. Tiden mellan två excitationer kallas för repetitionstid (TR) och tiden 

mellan excitation och insamling av ekot kalls för ekotid (TE). Pulssekvensen ovan samplar kspace 

en rad i taget enligt figur 6.2. Hur faskodningsgradienten appliceras avgör i vilken 

ordning raderna samplas. 

6.2 Echo Planar Imaging, EPI 

ky 

Figur 6.2: Pulssekvensen i figur 6.1 samplar k-space en rad i taget. 

I vilken ordning raderna samplas beror på hur 

faskodningsgradienten appliceras. 

Echo planar imaging, EPI, är en metod som samlar in hela MR-bilden, dvs. samplar hela kspace, 

efter bara en excitation. Att avbilda ett snitt med en EPI pulssekvens går mycket fort 

och det är på så sätt möjligt att avbilda dynamiska förlopp. Pulssekvensen som visas i figur 

6.3 kallas för en gradienteko-EPI, eller GEEPI. Det är den pulssekvens som används vid 

perfusionsundersökningen för att följa kontrastmedlets passage genom hjärnan. Idealt är 

formen på en gradient rektangulär. I verkligheten tar det tid för gradienten att byggas upp, 

därav gradientformen i figur 6.3. Pulssekvensen inleds med en RF-puls och en 

skivselekteringsgradient, precis som tidigare. Sedan följer en negativ Gx gradient och en 

negativ Gy gradient som ger en förflyttning till det nedre vänstra hörnet av k-space. De 

följande Gx gradienterna flyttar samplingspunkten fram och tillbaka i k-space medan signalen 

samlas in. Mellan varje Gx gradient appliceras en liten faskodningsgradient Gy som hoppar 

upp en rad i k-space. I figur 6.4 visas hur pulssekvensen samplar k-space. 

kx 

15


Med EPI kan en bild med 128x128 pixlar samlas in på ca 60 ms. Priset för detta är sämre 

upplösning och ett sämre signal till brus förhållande. Med TE menas i EPI sammanhang tiden 

tills ekon i centrala delar av k-space samplas. Det är dessa ekon som ger grundkontrasten i 

bilden. I verkligheten kommer signalstyrkan att minska så att det sist insamlade ekot har lägre 

amplitud än det första (jmfr Figur 6.3). 

7 Perfusionsmätning 

7.1 Metod 

RF 

Gz 

Gy 

Gx 

Eko 

90° 

Figur 6.3: Figuren visar en GEEPI pulssekvens som samlar in hela k-space 

efter bara en excitation. Pulssekvensen kan avbilda dynamiska förlopp och 

därför användas vid en perfusionsundersökning. 

ky 

Figur 6.4: Pulssekvensen i figur 6.3 samplar hela k-space enligt ovan. 

Vid en perfusionsundersökning delas hjärnan upp i ett antal snitt som i en snabb följd avbildas 

med en EPI pulssekvens. Efter en tid TR avbildas snitten på nytt och på så sätt fås ett antal 

samplingpunkter över tiden. Samtliga snitt avbildas inom en TR, sedan börjar pulssekvensen 

om från snitt ett, se figur 7.1. Detta görs om och om igen under det att en bolusinjektion med 

kx 

t 

t 

t 

t 

t 

16


kontrastmedel ges i patientens högra arm. Resultatet blir en serie bilder som visar hur signalen 

varierar med tiden, i varje del av den volym som snitten täcker. Med hjälp av dessa bilder kan 

sedan perfusionsbilderna rCVF, rCBV och MTT beräknas, för respektive snitt av hjärnan. Vid 

perfusionsundersökningarna som utförs på KS delas hjärnan upp i 9 snitt som avbildas 30 ggr. 

Resultatet blir 270 st. bilder som är underlag för beräkningen. 

Snitt 1: 

GEEPI 

Snitt 2: 

7.2 Kontrastmedel 

GEEPI 

Snitt 3: 

TR 

GEEPI 

Snitt … 

GEEPI 

GEEPI 

Figur 7.1: Samtliga snitt avbildas inom en TR med en GEEPI pulssekvens. Sedan börjar 

avbildningen om på det första snittet igen. Detta upprepas 30-40 ggr. så att varje snitt 

innehåller en serie med bilder som visar signalvariationen under boluspassagen. 

Vid en perfusionsundersökning används ett paramagnetiskt kontrastmedel. Effekten blir en 

kraftig störning av magnetfältet, vilket leder till en förkortad T2*-relaxation och en 

signalförlust vars storlek beror på koncentrationen av kontrastmedel. Tack vare blod hjärn 

barriären kommer kontrastmedlet inte att ansamlas i vävnaden utan följa blodflödet genom 

vävnaden. Som kontrastmedel används Gadolinium (Gd) som är kraftigt paramagnetiskt. 

Gadolinium är giftigt och måste därför kapslas in i ett ”chelat” för att inte skada patienten. Ett 

vanligt chelat är diethylenetriaminepentacetic acid (DTPA), se figur 7.2. På KS används f.n. 

ett kontrastmedel som heter Gadovist ® 1.0 vars aktiva substans heter Gadobutrol [12]. Vid en 

undersökning ges 15 ml kontrastmedel, vilket innebär 0,2-0,3 mmol/kg kroppsvikt. 

Kontrasten injiceras med en hastighet av 5 ml/sek. För att erhålla en jämn och snabb bolus 

används en injektionspump som fjärrstyrs från magnetkamerans kontrollpanel. 

Figur 7.2: Gadolinium är giftigt och kapslas därför in i ett 

s.k. chelat för att inte skada patienten. 

TR 

17


7.3 Den arteriella inputfunktionen 

7.3.1 Vad är den arteriella inputfunktionen? 

För att kunna beräkna perfusionen behövs en arteriell inputfunktion. Den visar hur bolusen 

passerar genom en av hjärnans artärer, dvs. hur signalförändringen ser ut i en artär. När 

inputfunktionen skall väljas gäller det att hitta pixlar som ligger i en artär. Hjärnan delas vid 

MR-undersökningen upp i nio snitt som avbildas 30 ggr med TR sekunders mellanrum. Om vi 

jämför alla bilder i ett utvalt snitt går det att se hur signalen förändras över tiden, i varje pixel 

i bilden. Utifrån signalförändringens utseende går det att avgöra om den valda pixeln ligger i 

en artär eller inte. Inputfunktionen väljs manuellt i ett utvalt snitt, med hjälp av programmet 

”xds”, och används sedan för beräkningen av perfusionsbilderna i samtliga snitt. En manual 

till programmet ”xds” finns i bilaga 3. 

Signalen i en artär kommer att variera som i figur 7.3. I den första bilden kommer signalen att 

vara mycket hög. Det beror på att vävnaden är helt relaxerad då den första bilden tas. Vid 

nästa excitation har inte vävnaden hunnit relaxera lika mycket och det finns därför mindre 

nettomagnetisering M0 för excitationspulsen att tippa. När bolusinjektionen når artären 

minskar signalen mycket fort. Det är i brytpunkten, precis när bolusen kommer och signalen 

minskar, som den arteriella inputfunktionen börjar, se figur 7.3(A). När kontrastmedlet 

passerat återkommer signalen för att sedan minska igen. Att signalen sjunker igen beror på att 

kontrastmedlet passerar en andra gång, vilket kallas för ”second pass”. Signalförlusten blir 

inte lika stor som vid första passagen eftersom injektionen blivit ”utsmetad” på vägen. 

Toppen på kurvan precis innan ”second pass” är slutet på inputfunktionen, se figur 7.3(B). För 

att det skall gå att hitta en bra inputfunktion gäller det att patienten ligger stilla under hela 

MR-undersökningen. 

Figur 7.3: (A) den första bilden markerar var den arteriella 

inputfunktionen startar. (B) den andra bilden markerar slutet på 

inputfunktionen. Avståndet mellan de korta vertikala strecken i kurvan 

är en TR. 

18


7.3.2 Fissura sylvi 

En bra plats att söka inputfunktionen är i fissura sylvi där flera av hjärnans artärer passerar. 

Fissura sylvi (fissur = veck) är ett veck i hjärnan som åtskiljer temporalloben och frontalloben 

[13]. Området där artärerna finns är markerat i det axiala snittet i figur 7.4. 

Figur 7.4: Fissura sylvi är det 

veck som åtskiljer frontalloben 

och temporallioben. I Fissura 

sylvi passerar flera av hjärnans 

artärer och är därför en bra plats 

att söka inputfunktionen. 

8 Matematisk metod 

8.1 Beräkning av rCBV 

Frontallob 

Fissura sylvi 

Temporallober 

Signalförlusten i en vävnad beror på koncentrationen av kontrastmedel i vävnaden. 

Koncentrationen C(t) kan beräknas ur [14-16], 

⎛ S( 

t) 

⎞ 1 

C( 

t) 

= −ln 

⎜ 

S ⎟ , (8.1) 

⎝ 0 ⎠ TE 

där S0 är signalnivån innan bolusen når vävnaden och TE är ekotiden. Den regionala cerebrala 

blodvolymen, rCBV, kan sedan beräknas ur [14], 

19


∞ 

rCBV = ∫ CVOI 

τ ) dτ 

−∞ 

( , (8.2) 

där CVOI är koncentrationen i en specifik voxel (VOI = Volume Of Interest) , beräknad enligt 

ekvation 8.1. 

8.2 Beräkning av rCBF 

Det regionala cerebrala blodflödet, rCBF, är svårare att beräkna än rCBV. Idealt ser bolusen 

(CAIF(t)) och koncentrationen i vävnaden (CVOI(t)) ut som i figur 8.1. Det regionala blodflödet 

kan då läsas av som höjden på vävnadens koncentrationskurva. Koncentrationskurvans 

utseende beror på att olika delar av bolusinjektionen färdas olika långt genom en 

vävnadsvolym och därför inte lämnar den samtidigt. 

Idealt 

Verkligt 

I verkligheten kommer bolusinjektionen att spädas ut på vägen från injektionspunkten och 

koncentrationskurvorna kommer att få ett mer utsmetat utseende. Vävnadens 

koncentrationskurva blir en faltning mellan den ideala koncentrationskurvan och den 

uppmätta inputfunktionen [15], 

CVOI Ideal 

AIF 

Bolus Vävnadskonc. 

rCBF 

Figur 8.1: De ideala koncentrationskurvorna skiljer sig från dem som går att mäta. I det 

ideala fallet svarar höjden på vävnadens koncentrationskurva mot regionalt cerebralt 

blodflöde, rCBF. 

( t) 

= C ( t) 

⊗ C ( t) 

, (8.3) 

där tecknet ⊗ betyder faltning. Ekvation 8.3 går att skriva som en faltningsintegral, 

20


C 

VOI 

t 

∫ 

( t) 

= C ( τ ) C ( t −τ 

) dτ 

. (8.4) 

0 

AIF 

Ideal 

Ekvation 8.4 går i sin tur att skriva om som [15-17], 

C 

VOI 

t 

( t) 

= rCBF∫ 

C AIF ( τ ) R( 

t −τ 

) dτ 

. (8.5) 

0 

Vi har nu infört den så kallade residualfunktionen R(t) som beskriver hur stor del av bolusen 

som finns kvar i vävnaden vid tidpunkten t. Ekvation 8.5 visar att höjden på den avfaltade 

koncentrationskurvan (CVOI(t)) är lika med blodflödet rCBF, se figur 8.2. 

Om CAIF(t) och R(t) antas vara konstanta över små tidsintervall ∆t så kan ekvation 8.5 skrivas 

om som en matrisekvation [15, 17], 

eller: 

⎛ C 

⎜ 

⎜ C 

rCBF ⋅ ∆t⎜ 

⎜ 

⎝C 

C 

AIF 

AIF 

AIF 

Vi kan mäta och !! 

Avfaltning ger: 

VOI 

M 

( t 

( t 

( t 

j 

∑ 

i= 

0 

( t) 

= rCBF∆t 

C ( t ) R( 

t − t ) , (8.6) 

1 

2 

N 

) 

) 

) 

C 

C 

AIF 

0 

AIF 

M 

( t 

( t 

1 

) 

N − 1 

) 

L 

L 

O 

L 

AIF 

AIF 

C 

i 

j 

i 

0 ⎞ ⎛ R( 

t1) 

⎞ ⎛ CVOI 

( t1) 

⎞ 

⎟ ⎜ ⎟ ⎜ ⎟ 

0 ⎟ ⎜ R( 

t2 

) ⎟ ⎜ CVOI 

( t2 

) ⎟ 

⎟ ⋅⎜ 

⎟ = ⎜ ⎟ . (8.7) 

M M M 

⎟ ⎜ ⎟ ⎜ ⎟ 

( t ) ⎟ ⎜ ⎟ ⎜ ⎟ 

1 ⎠ ⎝ R( 

t N ) ⎠ ⎝CVOI 

( t N ) ⎠ 

AIF 

rCBF 

Vävnadskonc. 

Figur 8.2: Höjden på den avfaltade koncentrationskurvan svarar mot 

regionalt cerebralt blodflöde, rCBF. 

21


Ekvation 8.7 kan även skrivas på förenklad form som, 

A⋅b = c . (8.8) 

När faltningsintegralen skrivs om som en matrisekvation (ekvation 8.6 och 8.7) gjörs 

antagandet att koncentrationskurvan CAIF(t) och residualfunktionen R(t) är konstanta över små 

tidsintervall ∆t. I vårt fall är ∆t =TR, dvs. tiden mellan två excitationer i samma snitt. Det syns 

tydligt på inputfunktionen i figur 7.3 att antagandet om ett konstant förlopp mellan 

samplingspunkterna inte stämmer. En bättre approximation är att anta att CAIF(t) och R(t) 

förändras linjärt över tiden ∆t. Elementen i matris A kan då skrivas: 

⎧ om : 0 ≤ j ≤ i ∆t( 

CAIF 

( ti− 

j −1) 

+ 4CAIF 

( ti− 

j ) + CAIF 

( ti− 

j + 1)) 

/ 6 

aij 

= ⎨ 

(8.9) 

⎩ annars 

0 

Matrisekvation 8.8 kan nu lösas iterativt för att få ut rCBF⋅R(t). Det maximala värdet av den 

nu avfaltade kurvan representerar relativt cerebralt blodflöde rCBF. Problemet med en sådan 

metod är att lösningen blir mycket bruskänslig. Ett litet fel i en iteration kommer att påverka 

alla senare iterationer och lösningen kommer att oscillera. 

8.2.1 Singulärvärdesfaktorisering, SVD 

En metod att få en mindre bruskänslig lösning på problemet är singulärvärdesfaktorisering, 

SVD (eng. Singular Value Decomposition). Det är den metod som beräkningsprogrammet 

”SVD_gado_grinder” använder sig av [16] [17]. SVD går ut på att uttrycka matrisen A i 

ekvation 8.8 (fortfarande med element enligt ekvation 8.9) som produkten av tre matriser 

enligt: 

A = U⋅W⋅V T (8.10) 

Matriserna U och V är två ortogonala matriser, dvs. multiplicerade med sitt eget transponat 

bildar de enhetsmatrisen I. Matrisen W är en diagonalmatris som innehåller de singulära 

värdena. De singulära värdena är den positiva kvadratroten ur egenvärdena till matrisen A T A. 

Inversen till A går nu att skriva som: 

A -1 = V⋅W -1 ⋅U T (8.11) 

Matris b i ekvation 8.8 beräknas som: 

b = V⋅W -1 ⋅U T ⋅c (8.12) 

22


Fördelen med metoden är att diagonalelement i W som är noll eller nära noll svarar mot 

ekvationer i A som är linjärkombinationer av varandra och inte bidrar med information till 

lösningen. Dessa ekvationer gör att lösningen av b kommer att oscillera. Genom att sätta alla 

värden i W under ett visst tröskelvärde till noll minskar brusets inverkan på lösningen. 

8.3 Beräkning av MTT 

När rCBV och rCBF är beräknade så är det enkelt att beräkna MTT (Mean Transit Time) 

enligt [14]: 

rCBV 

= MTT 

(8.13) 

rCBF 

MTT är ett mått på hur lång tid det tar för bolusen att passera genom vävnaden. Mätningarna 

som görs är relativa så om samma förhållande mellan blodvolym och flöde gäller i hela 

hjärnan kommer MTT-bilden att vara jämngrå. En regional ökning av blodvolymen till följd 

av ett ökat flöde kommer inte att synas i bilden. Om ökningen däremot beror på någonting 

annat än ett ökat flöde så kommer bilden att visa en förlängd MTT i det området och bilden 

blir ljusare. 

9 Programmet ”perfim.pro” 

9.1 Det grafiska användargränssnittet 

Programmet ”perfim.pro” har skrivits i det här examensarbetet för att förenkla beräkningen av 

perfusionsbilder och förbättra möjligheten att utvärdera dem. Tidigare var beräkningen av 

perfusionen en tidsödande process som krävde en person med stor vana av arbete i UNIX 

miljö. De färdiga bilderna kunde inte omvandlas till det format som magnetkameran använder 

och därför inte heller skickas tillbaka till den konsol där MR-bilder normalt utvärderas. 

När programmet ”perfim.pro” startas öppnas ett grafiskt användargränssnitt som innehåller ett 

antal knappar och inmatningsfält, se figur 9.1. Användaren kan enkelt använda sig av 

knapparna och behöver inte hålla reda på vilka övriga program som anropas eller hur dessa 

skall anropas. När beräkningen utförts går det enkelt att titta på resultatet, samt även skicka 

bilderna till magnetkamerans konsol för vidare utvärdering. De färdiga bilderna kan även 

normaliseras mot ett område i hjärnan som väljs av användaren. Normaliseringen ger en 

färgbild som tydligare, än en svartvit bild, visar intensitetsskillnader i bilden. Ett exempel på 

detta visas i figur 9.2. En manual till programmet och exempel på hur resultatet ser ut finns i 

bilaga 1. 

23


Figur 9.1: När programmet 

”perfim.pro” startas så öppnas ett 

grafiskt interface. Det innehåller 

knappar och fält som skall underlätta 

beräkning och utvärdering av 

perfusionsundersökningen. 

Figur 9.2: I programmet ”perfim.pro” ges möjligheten att 

normalisera det beräknade resultatet mot ett område som väljs av 

användaren. I färgbilden blir avvikelser tydligare än i den 

svartvita bilden. 

24


9.2 Andra program som anropas 

Vid beräkningen av en perfusionsstudie är inte bara programmet ”perfim.pro” inblandat. 

Generering av det grafiska användarinterfacet samt visning och normalisering av bilder sker 

helt och hållet i ”perfim.pro”. Andra aktiviteter sköts av andra program som anropas när en 

knapp i interfacet trycks ner, eller ett fält fylls i. Ett exempel på detta är uppdatering av 

headerinformation. Varje bild som hämtas från magnetkameran har en header som innehåller 

alla patientdata samt information om undersökningens parametrar. Innan de nya uträknade 

bilderna kan skickas tillbaka till magnetkameran måste de förses med en ny header. Detta 

sköts av program utanför ”perfim.pro”. I figur 9.3 visas vilka program som anropas för 

respektive aktivitet i interfacet. Några program har skrivits i det här examensarbetet, några 

kommer från magnetkameratillverkaren General Electric och andra har skrivits av min 

delhandledare sjukhusfysiker Stefan Skare eller utvecklats på andra platser. 

perfim.pro 

Show exams 

Examnumber:… 

Seriesnumber:… 

Get series 

Run ”XDS” 

Start art. Input:… 

End art. Input:… 

Calculate images 

 

Send images to camera 

--Remove raw data-- 

Quit 

listexams 

listseries 

mget5 

strt_prg 

strt_prg xds 

strt_prg 

strt_prg 

strt_prg 

strt_prg 

get5 

prepbef 

fixART 

run_gadogrinder 

prepafter 

gluehdr 

geinfo 

strt_prg sendtocamera mib.lxmrt1 

SVD gado grinder 

Signa2aw 

Figur 9.3: Figuren visar vilka knappar i användarinterfacet som anropar andra program. De heldragna pilarna 

visar programanrop. De streckade pilarna till programmet ”geinfo” betyder att programmen ”fixART” och 

”run_gadogrinder” frågar efter information som ges av ”geinfo”. 

Samtliga program kan användas utan att anropet behöver gå via interfacet i ”perfim.pro”. Allt 

utom att titta på de färdiga bilderna eller normalisering av dem går att göra utan ”perfim.pro”. 

Hur programmen skall användas och en beskrivning av vad de utför finns i bilaga 2. 

25


9.2.1 Program som skrivits i det här examensarbetet 

Nedan följer en förteckning på de program som skrivits i det här examensarbetet och en kort 

kommentar på vad programmet gör. En mer ingående beskrivning av programmen finns i 

bilaga 2. 

Programnamn Programspråk Kommentar 

Perfim.pro IDL Generering av det grafiska användarinterfacet, visning 

och normalisering av bilder. 

prepbef C++ Uppdatering av nya headrar samt packning av bilder. 

strt_prg C-shell Ett script som skickar ett programanrop till rätt 

katalog. 

fixART C-shell Ett script som tar bort en textrad i ART-filen så att 

den kan läsas av SVD_gado_grinder. 

run_gadogrinder C-shell Ett script som anropar SVD_gado_grinder för varje 

snitt som skall beräknas. 

prepafter C++ Packar upp beräkningsresultatet från 

SVD_gado_grinder. 

gluehdr C-shell Ett script som sätter ihop de nya bilderna med rätt 

uppdaterad header. 

sendtocamera C-shell Ett script som skickar bilderna till magnetkameran. 

mib.lxmrt1 C-shell Ett script som importerar bilderna till databasen. 

9.2.2 Övriga program 

Nedan följer en förteckning på övriga program som anropas. En mer ingående beskrivning av 

programmen samt hur de skall anropas finns i bilaga 2. 

Programvara från GE: Kommentar 

listexams Listar alla undersökningar på kameran. 

listseries Listar alla serier i en undersökning. 

get5 Extraherar bilder ur databasen. 

geinfo Läser information ur en bildheader. 

26


signa2aw När get5 hämtar bilder ur databasen görs de om från awformat 

till signa-format. Innan de kan läggas tillbaka 

måste de göras om till aw-format igen, se bilaga2. 

Skrivet av fysiker på KS: 

mget5 Skapar kataloger för varje undersökning och serie, dit 

bilder från kameran kopieras via get5. 

Övriga program: 

SVD_gado_grinder [16] [17] Beräknar rCBF-, MTT- och rCBV-bilderna. 

xds [18] Används för att välja arteriell inputfunktion. 

fsc_inputfield.pro [19] Behövs för att inmatningsfälten i användarinterfacet 

skall fungera. 

9.3 Begränsningar i programmet 

Programmet ”perfim.pro” förenklar och förbättrar möjligheten att utvärdera 

perfusionsundersökningar. Det finns trots detta en del svagheter i programmet. 

En svaghet i programmet är att fönsterinställningen i det fönster där bilderna visas är fast och 

går inte att ändra interaktivt av användaren. En bild med låg intensitet kan därför vara svår att 

se innan den skickas tillbaka till kameran, där fönsterinställningen kan ändras. För att ändra 

fönsterinställning så måste programkoden ändras. Problemet försvinner om bilden 

normaliseras eftersom maxintensiteten i den normaliserade bilden alltid kommer att vara 

samma, oavsett hur hög eller låg intensiteten i bilden är före normalisering. En förklaring på 

detta finns i bilaga 2. 

Programmet kan bara läsa in bilder som är av GE-formatet signa. Signaformatet innebär att 

bilden är en heltalsmatris med en header på 7904 bytes. För att programmet skall kunna läsa 

bildfilen måste den dessutom vara döpt enligt: 

ExxxxxSyyy_slicezzz.typ 

Där: xxxxx är undersökningsnummer, fem siffror 

yyy är serienummer, tre siffror 

zzz är snittnummer, tre siffror 

typ är CBF, MTT eller CBV 

Som framgår av kapitel 9 är applikationen inte bara ett program utan ett ”paket” av flera 

program. För att det skall kunna installeras på en annan plats krävs att magnetkameran är av 

samma märke, GE, och att plattformen är UNIX. Det går inte att använda programmen 

tillsammans med en magnetkamera av ett annat märke. Om programmen skall kunna 

installeras helt utan modifiering av programkoden krävs dessutom en GE-kamera av samma 

modell, samt att kamera, gemensamma kataloger och användare heter likadant. 

27


10 Reproducerbarhet 

Innan perfusionen kan beräknas behövs en arteriell inputfunkiton som väljs manuellt i 

programmet ”xds”. Det är viktigt att veta hur olika personers val av inputfunktion får 

resultatet att variera. För att få en uppfattning om detta har fem olika personer utvärderat fem 

undersökningar. En person har valts som referens och den procentuella skillnaden mellan 

bildernas medelvärde har beräknats. Ingenting säger att referenspersonens resultat är mer rätt 

än någon annans, jämförelsen har bara gjorts för att få en uppfattning om skillnaden i 

resultatet. Figur 10.1 visar hur resultatet i rCBF varierar mellan de olika personerna, i ett 

utvalt snitt i respektive undersökning. 

procentuell avviklese 

140 

120 

100 

80 

60 

40 

20 

0 

-20 

-40 

-60 

rCBF 

-80 

0 1 2 3 4 5 6 

Patient 

Figur 10.1: De fem olika personernas beräkning av rCBF varierar. Resultatet från person 1 

har valts som referens. Tabellen visar den procentuella avvikelsen mellan de olika 

personernas beräkningsresultat. Jämförelsen gäller medelintensiteten i ett utvalt snitt i 

undersökningen. 

ber pers 1 

ber pers 2 

ber pers 3 

ber pers 4 

ber pers 5 

Samtliga personer har blivit tillsagda att leta efter inputfunktionen i Fisura sylvi, se figur 7.4. 

Trots det så visar figur 10.1 att resultatet i rCBF varierar kraftigt. Resultatet i rCBV visar 

mindre variation enligt figur 10.2. 

28


procentuell avvikelse 

40 

30 

20 

10 

0 

-10 

-20 

rCBV 

-30 

0 1 2 3 4 5 6 

patient 

Figur 10.2: Tabellen visar den procentuella avvikelsen av medelintensiteten i rCBV, för 

samma snitt som i figur 10.1. Observera att skalan på y-axeln är en annan. Resultatet i rCBV 

sprider mindre än resultatet i rCBF. 

Enligt figurerna ovan är spridningen störst i undersökning nummer 5. Det kan påpekas att det 

var en undersökning där det ansågs enkelt att hitta en bra inputfunktion. Om de olika 

personernas beräkning, av undersökning nummer 5, istället normaliseras mot samma område i 

hjärnan blir resultatet mer lika. De normaliserade bilderna från referenspersonen, person två 

och person fem visas i figur 10.3. Bilderna har ett likartat utseende även om bilden med den 

största avvikelsen innan normalisering (figur 10.3(C)) visar hög intensitet i ett större område 

än de övriga. 

ber pers 1 

ber pers 2 

ber pers 3 

ber pers 4 

ber pers 5 

29


(A) (B) (C) 

Figur 10.3: Bilderna visar det normaliserade resultatet av snitt nr.6 i undersökningen av patient 

nr.5. Bild (A) visar referenspersonens resultat, bild (B) resultatet från person nr.2 och bild (C) 

resultatet från person nr.5. Trots stor intensitetsskillnad före normalisering visar bilderna ett 

likartat resultat. 

En annan parameter som påverkar beräkningsresultatet är valet av inputfunktionens start- och 

slutbild. Inputfunktionen planar ut något innan ”second pass” och resultatet i rCBF kan 

variera kraftigt beroende på var användaren anser att inputfunktionen slutar. I ett försök 

gjordes två beräkningar med samma inputfunktion men med en bilds skillnad i angiven 

slutbild. Resultatet i rCBV skiljde sig obetydligt medan resultatet i rCBF skiljde sig med en 

faktor 1.8 mellan beräkningarna. I figur 10.4 visas resultatet efter normalisering mot samma 

område i hjärnan. 

Figur 10.4: Valet av inputfunktionens start- och slutbild har stor betydelse för resultatet i rCBF. 

Intesitetsskillnaden i bilderna skiljer sig en faktor 1.8 före normalisering. Normaliseringen ger 

en bild av de relativa avvikelserna mellan olika delar i hjärnan. Resultatet är i stort sett identiskt 

trots den stora skillnaden före normalisering. 

30


De normaliserade bilderna är mycket lika trots den stora intensitetsskillnaden före 

normalisering. Det är viktigt att den som tittar på bilderna är medveten om att resultatet kan 

variera kraftigt så att inte fel slutsatser dras vid eventuella uppföljningsstudier. 

11 Diskussion 

Jämförelsen mellan olika personers val av inputfunktion visar att resultatet varierar och beror 

på vem som utför beräkningen. Detta trots att samtliga personer sökt inputfunktionen i samma 

område i hjärnan. Samtidigt visar en normalisering av bilderna ett likartat utseende trots den 

stora intensitetsskillnaden före normalisering. Det indikerar att metoden endast skall användas 

som relativmätande och att den som tittar på bilderna måste vara medveten om detta. Om två 

undersökningar på samma patient ger bilder med olika intensitetsnivå kan det vara farligt att 

dra slutsatser på grundval av en eventuell ökning eller minskning av blodflödet. Skillnaden 

kanske inte alls beror på ett läkemedel som givits till patienten, det kan vara valet av 

inputfunktion som ger skillnaden. Detta gäller speciellt om olika personer har valt 

inputfunktion i de två undersökningarna. Jämförelsen mellan de båda undersökningarna skall i 

stället gälla flödet i ett speciellt område i förhållande till resten av hjärnan. 

Även valet av inputfunktionens start- och slutbild har visat sig ha stor betydelse för resultatet. 

Det är därför viktigt med konventioner, så att olika personer väljer inputfunktion samt start- 

och slutbild på samma sätt. Detta för att minimera spridningen mellan olika personers 

utvärderingar. Kanske skulle resultatet variera mindre om jämförelsen gjordes om när de fem 

personerna fått större rutin på att välja inputfunktion. En intressant jämförelse, som inte gjorts 

här, är att jämföra hur resultatet från samma person varierar om samma undersökning 

beräknas flera gånger. Det måste då gå en viss tid mellan beräkningarna så att personen inte 

minns var inputfunktionen valdes förra gången. 

12 Slutsats 

Tack vare användarinterfacet i programmet ”perfim.pro” kan fler personer än tidigare 

utvärdera en perfusionsundersökning och det går fortare än tidigare att utföra de beräkningar 

som krävs. Det går att normalisera bilder och även skicka tillbaka dem till magnetkameran, 

vilket förbättrar möjligheten att utvärdera resultatet. Genom att göra resultatet av en 

perfusionsundersökning mer tillgängligt kan det användas kliniskt, för att på ett tidigt stadium 

diagnostisera en infarkt i hjärnan och på så sätt möjliggöra en effektivare behandling. 

Valet av inputfunktion har stor betydelse för det färdiga resultatet. Eftersom inputfunktionen 

väljs manuellt skall metoden bara användas för relativa mätningar. Det är viktigt att den som 

tittar på bilderna är medveten om detta, så att inte fel slutsatser dras på grund av skillnader 

mellan två undersökningar. Det är viktigt med konventioner, att olika personer kommer 

överens om hur inputfunktionen samt dess start- och slutbild skall väljas, för att resultatet 

skall bero mer på undersökningen än på den som utför beräkningen. 

31


13 Referenser 

[1]. Heros RC, Camarata PJ, Latchaw RE. Brain Attack. Neurosurgery Clinics of North 

America 1997;8:135-144 

[2]. Tarr RW. Clinical Monitoring of Early Pathophysiologic Events. Neurosurgery Clinics of 

North America 1997;8:179-194 

[3]. Jörgensen HS, Nakayama H, Reith J, Raaschou HO, Olsen TS. Stroke recurrence: 

Predictors, severity and prognosis. The Copenhagen Stroke Study. Neurology 1997;48:891- 

895. 

[4]. Hacke W, Kaste M, Fieschi C, Intravenous thrombolysis with recombinant tissue 

plasminogen activator for acute hemispheric stroke: The European Cooperative Acute Stroke 

Study (ECASS) JAMA 1995;274:1017-1025 

[5]. The National Institute of Neurological Disorders and Stroke rt-PA Stroke Study Group. 

Tissue Plasminogen Activator For Acute Ischemic Stroke. The New England Journal of 

Medicine 1995;333:1581-1587 

[6]. LaManna JC, Lust WD, Nutrient Consumption and Metabolic Perturbations. 

Neurosurgery Clinics of North America 1997;8:145-163 

[7]. Lo EH, Rogowska J, Bogorodzki P, Trocha M, Matsumoto K, Saffran B, Wolf GL. 

Temporal Correlation Analysis of Penumbral Dynamics in Focal Cerebral Ischemia. J Cereb 

Blood Flow Metab 1996;16:60-68. 

[8]. Research Systems, Inc. www.rsinc.com 

[9]. Mattson J, Simon M. The Pioneers of NMR and Magnetic Resonance in Medicine, The 

Story of MRI, 1996. 

[10]. Twieg DB. The k-trajectory formulation of the NMR imaging process with applications 

in analysis and synthesis of imaging methods. Medical Physics, 1983;vol.10, No.5:610-621. 

[11]. Ljunggren S. A simple graphical representation of Fourier based imaging methods. J 

Magn Reson 1983;54:338-343. 

[12]. Scheering AG, Germany. www.scheering-diagnostics.de 

[13]. Purves D, Augustine GJ, Fitzpatrick D, Katz LC, LaMantia AS, McNamara JO. 

NeuroScience, 1997. 

[14]. Sorensen AG, Reimer P. Cerebral MR Perfusion Imaging, Principles and Current 

Applications, 2000. 

[15]. Wirestam R, Andersson L, Östergaard L, Bolling M, Aunola JP, Lindgren A, Geijer B, 

Holtås S, Ståhlberg F. Assessment of Cerebral Blood Flow by Dynamic Suscetibility Contrast 

MRI Using Different Deconvolution Techniques. MRM 2000;43:691-700. 

32


[16]. Östergaard L, Sorensen GA, Kwong KK, Weisskoff RM, Gyldensted C, Rosen BR. 

High Resolution Measurement of Cerebral Blood Flow Using Intravascular Tracer Bolus 

Passages. Part II: Experimental Comparison and Preliminary Results. MRM 1996;36:726- 

736. 

[17]. Östergaard L, Weisskoff RM, Chesler DA, Gyldensted C, Rosen BR. High Resolution 

Measurement of Cerebral Blood Flow Using Intravascular Tracer Bolus Passages. Part I: 

Mathematical Approach and Statistical Analysis. MRM 1996;36:715-725. 

[18]. X Display Stack, Revision 1.67. Copyright 1993 by Timothy L. Davis, MIT. 

[19]. Fanning Consulting, Coyote’s Guide To IDL Programming. www.dfanning.com 

Referenser till grundläggande MR-teknik och MR-fysik 

• Jacobson B. Medicin och Teknik, 1995. 

• Farr RF, Allisy-Roberts PJ. Physics for Medical Imaging, 1999. 

• Hornak JP. The basics of MRI, www.cis.rit.edu/htbooks/mri/bmri.htm 

• Zimmerman RA, Gibby WA, Carmody RF. Neuro Imaging Clincal and Physical 

Principles, 1997. 

• Haacke EM, Brown RW, Thompson MR, Venkatesan R. Magnetic Resonance 

Imaging, Physical Principles and Secuence Design, 1999. 

• Schmitt F, Stehling MK, Turner R. Echo-Planar Imaging Theory Technique and 

Application, 1998. 

33


14 Ordlista 

Acidos: syraförgiftning 

Anaerob: utan syre 

Bolus, Bolusinjektion: snabbt injicerad (intravaskulärt) liten mängd vätska eller läkemedel. 

Diffusion: vattenmolekylernas rörelse 

Dilateras: vidgas 

EPI: Echo Planar Imaging 

Fissur: veck 

Infarkt: stoppad blodförsörjning pga. blodpropp 

Ischemi: syrebrist 

Larmorfrekvens: protonernas precessionshastighet 

Magnetisk dipol: magnet med en nord- och en sydpol 

MRI: Magnetic Resonance Imaging 

MRT: Magnetisk Resonans Tomografi 

NMR: Nuclear Magnetic Resonance 

Paramagnetisk: ämne som uppträder magnetiskt i ett magnetfält 

Penumbra: vävnad i reversibelt tillstånd 

Perfusion: genomblödning 

Pixel: litet bild el. ytelement 

RF-puls: Radio Frekvent puls 

ROI: Region Of Interest 

Slaganfall: infarkt eller blödning i hjärnan 

Stroke: slaganfall 

Supraledande: ledare med resistans noll 

SVD: Singular Value Decomposition el. Singulärvärdesfaktorisering 

TE: ekotid, tid mellan excitation och insamling av ekot 

TR: repetitionstid, tiden mellan två excitationer 

Trombolys: läkemedel som löser upp en blodpropp 

Voxel: litet volymselement 

34

Bilaga 1 

Manual till 

”perfim.pro”

Bilaga1: Manual till ”perfim.pro” 

1 STARTA PROGRAMMET ....................................................................................... 3 

2 SHOW EXAMS ........................................................................................................ 4 

3 EXAMNUMBER....................................................................................................... 4 

4 SERIESNUMBER .................................................................................................... 4 

5 GET SERIES ........................................................................................................... 4 

6 RUN ”XDS” ............................................................................................................. 5 

7 START/END ART. INPUT ....................................................................................... 6 

8 CALCULATE IMAGES............................................................................................ 6 

10 VIEW IMAGES....................................................................................................... 6 

10.1 View all types ....................................................................................................................6 

10.2 View one type ....................................................................................................................8 

10.3 Calculate normalised images ...........................................................................................9 

11 SEND IMAGES TO CAMERA ............................................................................. 11 

12 REMOVE RAW DATA......................................................................................... 12 

13 BERÄKNA OM PERFUSIONEN ......................................................................... 12 

14 QUIT .................................................................................................................... 12 

2

1 Starta programmet 


Logga först in på datorn där beräkningen skall utföras. Om inget terminalfönster är öppet efter 

inloggning, öppna ett genom att högerklicka med musen mot skärmens bakgrund. Välj sedan: 

Program->Kommandofönster 

Flytta sedan till rätt katalog genom att skriva: 

cd /images/perfusion 

Programmet "perfim.pro" går endast att köra i katalogen /images/perfusion för att olika 

användare inte skall placera perfusionsundersökningar på olika ställen i datorn. 

Starta sedan IDL genom att skriva: 

idl 

Starta perfim.pro genom att skriva: 

perfim 

När programmet startar kommer ett fönster med knappkommandon upp på skärmen, se figur 

1.1. Knapparna och fönstren i fönstret "Perfusion images" skall användas i samma ordning 

som de står. Börja uppifrån och gå nedåt. 

Figur 1.1: När programmet 

”perfim.pro” startas så öppnas ett 

grafiskt interface. Det innehåller 

knappar och fält som skall underlätta 

beräkning och utvärdering av 

perfusionsundersökningen. 

3

2 Show exams 


Knappen "Show exams" ger en lista på alla undersökningar på kameran i det terminalfönster 

där IDL startades. 

Programmet kommer att svara: 

3 Examnumber 

Give an examnumber to show the series 

Fyll i ett undersökningsnummer i fältet efter "Examnumber:" och avsluta med ENTER. En 

lista på de serier som ingår i den valda undersökningen kommer att visas i terminalfönstret. 

Programmet kommer att svara: 

Write the seriesnumber you want to fetch 

Om inmatningen inte avslutas med ENTER kommer programmet inte att veta vilken 

undersökning som efterfrågas och listan med serier kommer inte att visas. Flytta till nästa fält 

med muspekaren eller med TAB-knappen. 

4 Seriesnumber 

Fyll i ett serienummer i fältet efter "Seriesnumber:" och avsluta med ENTER. Om 

inmatningen inte avslutas med ENTER kommer programmet inte att veta vilken serie som 

efterfrågas. Alla aktiviteter efter detta, utom "View images", kräver att undersökningsnummer 

och serienummer är korrekt definierade. Om de inte är det kommer programmet att ge ett 

felmeddelande. 

5 Get series 

Knappen "Get series" hämtar den valda serien från magnetkameran till beräkningsdatorn 

"Newton". Bilderna listas i terminalfönstret i den takt de hämtas över och sparas i: 

images/perfusion// 

När alla bilder har hämtats kommer programmet att ”packa” bilderna i snitt. När detta är klart 

kommer programmet att svara: 

Now, run xds to get the arterial inputfunction 

4


Det går nu att avsluta programmet och göra beräkningarna senare, om så önskas. Bilderna 

ligger i den nyss skapade katalogen och behöver inte hämtas över igen. Om beräkningen skall 

göras senare måste undersökningsnummer och serienummer matas in i programmet på nytt 

men då UTAN att trycka på "Get series". 

6 Run ”XDS” 

Knappen "Run XDS" öppnar ett filvalsfönster med rubriken "Select a slice for ART-function" 

, se figur 6.1. Första gången detta görs går programmet till den katalog där det startats, dvs. 

”/images/perfusion”. Scrolla under "Directories" och dubbelklicka på den undersökning och 

den serie som skall beräknas. Nästa gång fönstret öppnas kommer programmet att gå direkt 

till den katalog som valdes tidigare. Dubbelklicka (alt. markera och tryck OK) på den "slice" 

där den arteriella inputfunktionen skall beräknas. Programmer ”xds” startas och 

inputfunktionen kan beräknas i det valda snittet. Den arteriella inputfunktionen kommer att 

sparas i en fil som heter ART. Om det redan finns en ART-fil i katalogen så kommer den att 

raderas när ”xds” startas. En manual till programmet ”xds” finns i bilaga 3. 

Figur 6.1: Knappen ”Run”XDS” öppnar ett filvalsfönster. Dubbelklicka på den undersökning och 

serie som öskas. Välj sedan ett snitt som innehåller Fissura sylvi. Programmet ”xds” öppnas för 

beräkning av inputfunktion i det valda snittet. 

5

7 Start/End art. Input 


När programmet "xds" är avslutat skall den arteriella inputfunktionens start- och slutbild 

matas in i fälten efter "Start art. input" och "End art. input". Inmatningen behöver inte avslutas 

med ENTER. Flytta mellan fälten med muspekaren eller med TAB-knappen. 

8 Calculate images 

Knappen "Calcuate images" startar beräkningen av CBF-, MTT- och CBV-bilderna. Om 

inputfunktionens start- och slutbild inte angivits kommer programmet att ge ett 

felmeddelande. I terminalfönstret visar programmet vilket snitt som är under beräkning. När 

beräkningen är klar kommer programmet att svara: 

10 View images 

You can now view the images 

Under knappen "View images" finns tre alternativ att välja mellan. Titta på bilder är det enda 

som går att göra i programmet utan att ange ett undersökningsnummer och ett serienummer. 

10.1 View all types 

Knappen "View all types" öppnar ett filvalsfönster som i figur 6.1 men med rubriken "Select 

the first slice of three". Programmet minns vilken undersökning som valdes tidigare och går 

direkt dit. För att titta på en annan undersökning, dubbelklicka på den rad under "files" med 

två punkter på slutet. Gör detta två gånger för att backa tillbaka till katalogen 

/images/perfusion och välj sedan en ny undersökning. 

Dubbelklicka på det första av tre snitt du vill titta på (alt. markera och välj OK). Det spelar 

ingen roll vilken typ av bild som väljs, bara numret på snittet. Om snitt ett väljs kommer 

programmet att visa snitt ett tom. tre och om snitt två välj visas snitt två tom. fyra osv. 

Programmet kommer att öppna ett fönster och visa CBF-, MTT- och CBV-bilder för de tre 

snitten, se figur 10.1. I fönstrets övre kant står det vilken undersökning och vilken serie som 

visas. Det går att öppna flera fönster och på så sätt visa fler än tre snitt. I fönstrets övre vänstra 

hörn står det "Options". Under "Options" går det att välja tre olika alternativ. 

6


För att se bilderna i färg välj: Options->Colors 

För att se bilderna i svartvitt välj: Options->Black/White 

För att stänga fönstret välj: Options->Close 

Fönsterinställningen i programmet är fast och går inte att ändra utan att ändra i programkoden. 

Det är lätt att laborera med olika fönsterinställningar på magnetkameran efter att bilderna 

skickats tillbaka dit. En normering av bilderna kan ge en tydligare bild fast då i färg (se 

"Calculate normalised images"). 

Figur 10.1: Knappen ”View all types” under ”View images” öppnar ett fönster och visar rCBF, rCBV 

och MTT för tre snitt. 

7

10.2 View one type 


Knappen "View one type" öppnar ett filvalsfönster med rubriken "Select type of image, CBF, 

MTT or CBV". Välj det första snittet av nio, av den typ du vill titta på. Programmet öppnar ett 

fönster och visar nio snitt av den typ som valts, se figur 10.2. I fönstrets rubrikrad står vilken 

undersökning, serie och typ som visas. Alternativen under "Options" är samma som tidigare 

beskrivits 

Figur 10.2: Knappen ”View all types” under ”View images” öppnar ett fönster och visar nio snitt av 

den bildtyp som valts. 

8

10.3 Calculate normalised images 


Programmet kan normalisera bilderna mot medelvärdet i en ROI (ROI = Region Of Interest), 

som placeras av användaren i ett utvalt snitt. Det går även att placera flera sådana ROI:ar i ett 

snitt och jämföra medelvärdet i olika delar av bilden. 

Knappen "Calculate normalised images" öppnar ett filvalsfönster, som tidigare, med rubriken 

"Select an image for normalisation". Välj ett snitt som innehåller det område du vill 

normalisera mot och är av önskad typ. Ett fönster kommer att öppnas med den valda bilden, 

se figur 10.3. Bildens namn står överst i fönstrets ram. 

Figur 10.3: Snittet som valts för normalisering visas i ett fönster. 

Normalisering sker mot det område som markeras i bilden. 

Tryck på "Place ROI in image". En ruta med rubriken "Region of interest" öppnas, se figur 

10.4. Det kommer att hamna bakom det senast öppnade fönstret varför det måste flyttas för att 

rutan skall synas. 

9


Figur 10.4: Knappen ”Place ROI in image” (i figur 10.3) öppnar 

fönstret ”Region of Interest”. 

Rita en ROI i bilden med vänster musknapp nedtryckt och tryck sedan på "Done" i fönstret 

”Region of Interest”. Det markerade området kommer att lysas upp och medelvärdet skrivs ut 

i terminalfönstret. Proceduren går att upprepa flera gånger för att jämföra medelvärdet i olika 

delar av bilden. Normeringen kommer att ske mot det senast beräknade medelvärdet. Tryck 

sedan på "Calculate normalised images". De normaliserade bilderna kommer att visas i färg i 

ett fönster, se figur 10.5. Alternativen under "Options" är samma som tidigare beskrivits. 

Längst ner i fönstret syns en färgskala som visar vilken intensitetsnivå som svarar mot vilken 

färg i bilden. En beskrivning av färgskalan och hur normaliseringen går till finns i bilaga 2. 

10


Figur 10.5: De normaliserade bilderna visas i färg. Det är då betydligt lättare att se skillnaden i flöde i 

olika områden. I snitt nr.6 syns tydligt skillnaden i blodflöde mellan hjärnans höger och vänster sida. 

Observera att hjärnan visas sedd underifrån så det högre flödet finns i hjärnans högra del. 

11 Send images to camera 

Knappen "Send images to camera" skickar tillbaka de färdiga perfuisonsbilderna till 

magnetkamerans konsol, där MR-bilderna normalt utvärderas. När bilderna installerats på 

kameran svarar programmet: 

Images installed 

11

12 Remove raw data 


För att spara plats på datorn finns valmöjlighten att radera all data som tidigare importerats 

från magnetkameran. Under knappen "Remove raw data" finns en knapp med rubriken "Yes 

I'm sure I want to remove all raw data". Den raderar alla importerade bilder och lämnar bara 

perfusionsbilderna kvar. Om perfusionen senare behöver beräknas igen måste serien med 

bilder hämtas från magnetkameran på nytt. 

13 Beräkna om perfusionen 

Om perfusionen av någon anledning behöver beräknas igen måste bilderna från 

magnetkameran först packas. Packningen av bilderna, i snitt, sker automatiskt när de hämtas 

från kameran, men eftersom bilderna redan finns i datorn så är det onödigt att hämta över dem 

igen då detta tar en del tid. 

Öppna ett terminalfönster på samma sätt som tidigare beskrivits (det går inte att använda 

fönstret där IDL startades). Flytta till den katalog där bilderna ligger genom att skriva: 

cd /images/perfusion// 

Packa om bilderna genom att skriva: 

prepbef I.001 

Återgå till perfim.pro och utför beräkningen som tidigare utan att trycka på ”Get series”. Det 

går att använda samma inputfunktion som tidigare eller beräkna en ny med "xds". En 

beskrivning av vad programmet prepbef gör finns i bilaga 2 

14 Quit 

Avsluta perfim.pro med "Quit" och skriv sedan "Exit" i det fönster där IDL startades för att 

avsluta IDL. 

12

Bilaga 2 

Beskrivning av 

Programmen 

perfim.pro 

listexams 

listseries 

mget5 

get5 

strt_prg 

prepbef 

xds 

geinfo 

fixART 

run_gadogrinder 

SVD_gado_grinder 

prepafter 

gluehdr 

sendtocamera 

mib.lxmrt1 

signa2aw 

fsc_inputfield 

xds


1 PERFIM.PRO........................................................................................................... 3 

1.1 Kompilering ........................................................................................................................3 

1.2 Normalisering......................................................................................................................4 

2 LISTEXAMS ............................................................................................................ 4 

3 LISTSERIES............................................................................................................ 5 

4 MGET5 OCH GET5 ................................................................................................. 5 

5 STRT_PRG.............................................................................................................. 5 

6 PREPBEF................................................................................................................ 6 

7 GEINFO ................................................................................................................... 7 

8 FIXART.................................................................................................................... 7 

9 RUN_GADOGRINDER OCH SVD_GADO_GRINDER ........................................... 8 

10 PREPAFTER ......................................................................................................... 8 

11 GLUEHDR ............................................................................................................. 9 

12 SENDTOCAMERA ................................................................................................ 9 

13 MIB.LXMRT1 OCH SIGNA2AW............................................................................ 9 

14 FSC_INPUTFIELD............................................................................................... 10 

15 XDS ..................................................................................................................... 10 

2

1 perfim.pro 

1.1 Kompilering 


Hur programmet startas och används står beskrivet i bilaga 1. Om programkoden skall ändras 

måste en editor öppnas. Öppna ett kommandofönster och skriv: 

idlde 

En editor öppnas, se figur 1.1. För att kompilera den ändrade koden välj: 

Run -> Compile 

Kör sedan programmet genom att skriva programmets namn, utan suffix, på kommandoraden 

längst ner (den rad som börjar med IDL>). 

Figur 1.1: Kommandot ”idlde” öppnar en editor där programkoden kan modifieras och 

kompileras. 

3

1.2 Normalisering 


När de normaliserade bilderna skall beräknas sker detta mot medelvärdet i den ROI som 

placeras av användaren. Programmet beräknar först medelvärdet och tilldelar sedan varje 

pixel i varje snitt ett värde beroende på pixelvärdets förhållande till medelvärdet. Värdet i den 

normaliserade bilden tilldelas enligt tabellen nedan. 

Resultatet blir en ickelinjär färgskala. Färgskalan har tagits fram av Linda Andersson vid 

universitetssjukhuset i Lund för att den, tydligare än en linjär färgskala, visar hjärnans 

anatomi. 

2 listexams 

Pixelvärde p (x = medelvärde) Normaliserat värde 

0 ≤ p < 0,05⋅x 0 

0,05⋅x ≤ p < 0,1⋅x 16 

0,1⋅x ≤ p < 0,2⋅x 32 

0,2⋅x ≤ p < 0,3⋅x 48 

0,3⋅x ≤ p < 0,4⋅x 64 

0,4⋅x ≤ p < 0,5⋅x 80 

0,5⋅x ≤ p < 0,6⋅x 96 

0,6⋅x ≤ p < 0,75⋅x 112 

0,75⋅x ≤ p < 0,9⋅x 128 

0,9 ⋅x ≤ p < 1,15⋅x 144 

1,15⋅x ≤ p < 1,4⋅x 160 

1,4⋅x ≤ p < 1,7⋅x 176 

1,7⋅x ≤ p < 2,1⋅x 192 

2,1⋅x ≤ p < 2,8⋅x 208 

2,8⋅x ≤ p < 3,8⋅x 224 

3,8⋅x ≤ p 240 

För att se vilka undersökningar som finns på magnetkameran skriv: 

listexams -r lxmrt1 

Där lxmrt1 är magnetkamerans namn. 

Programmet ger en lista i terminalfönstret som visar alla undersökningar som finns på 

kameran. I listan står undersökningens nummer, patientens namn, datum och undersökningens 

rubrik. Programmet kommer från GE. 

4

3 listseries 


För att se vilka serier som ingår i en undersökning skriv: 

listseries -r lxmrt1 exno 

Där exno är undersökningens nummer. 

Programmet ger en lista i terminalfönstret som visar alla serier som ingår i undersökningen. I 

listan står bland annat serienummer, hur många bilder serien består av och en seriebeskrivning 

(t.ex. perfusion). Programmet kommer från GE. 

4 mget5 och get5 

För att hämta önskad serie från magnetkameran skriv: 

mget5 -r lxmrt1 exno serno1 serno2 

där serno1 är numret på den första serien som skall hämtas och serno2 är numret på den sista 

serien som skall hämtas. 

Om serien hämtas via perfim.pro går det bara att hämta en serie i taget men om mget5 anropas 

manuellt går det att hämta flera serier samtidigt. För att hämta bara en serie, sätt serno2 = 

serno1. 

Programmet mget5 skapar en katalog som döps till angivet undersökningsnummer och en 

underkatalog som döps till angivet serienummer. Sedan görs ett anrop till get5 som hämtar 

bilderna och lägger dem i den nyss skapade underkatalogen. Programmet get5 kommer från 

GE och mget5 har skrivits av fysiker på KS. 

5 strt_prg 

Eftersom perfim.pro inte kommer att köras i den katalog där bilderna ligger behövs ett 

program som skickar varje anrop till rätt katalog. Detta är anledningen till att perfim.pro hela 

tiden behöver ha ett undersöknings- och ett serienummer angivet. Programmet perfim.pro 

skickar programanropen via strt_prg. Skriv strt_prg utan argument i ett terminalfönster. 

Programmet svarar: 

The program starts another program in a directory selected by the user 

Usage: strt_prg [exno.] [serno.] [pro.] [arg1] [arg2] [arg3] 

Om perfusionsbilderna skall beräknas utan användning av perfim.pro behöver inte strt_prg 

användas. Programmet är ett C-shell script som har skrivits i det här examensarbetet. 

5

6 prepbef 


Varje bild som hämtas över av mget5 innehåller en header (7904 bytes) med patientdata och 

information om undersökningen. Själva bilden består av en heltalsmatris (format short). För 

att kunna köra programmet som beräknar inputfunktionen behöver bilderna packas i snitt och 

göras om till flyttal (format float). Vid packningen sätts samtliga bilder ihop, utan headrar, till 

en enda fil. 

Kör programmet genom att skriva: 

prepbef I.001 

Programmet packar bilderna i flyttalsfiler som döps till: 

ExxxxxSyyy_slicezzz.bfloat 

där: xxxxx = undersökningsnummer 

yyy = serienummer 

zzz = snittets nummer 

Programmet skapar också en miniheaderfil till varje snitt som innehåller information om 

bildens dimensioner och hur många bilder som ingår i varje snitt. Miniheadern behövs för att 

köra xds och SVD_gado_grinder. 

Miniheaderfilen döps till: 

ExxxxxSyyy_slicezzz.hdr 

Till de färdiga perfusionsbilderna behövs nya uppdaterade headrar. De skapas av prepbef 

redan nu och ligger sedan i katalogen och väntar på att själva bilden skall beräknas. Den nya 

headern behöver ett nytt serienummer som blir: 

200+10⋅y+t 

där: y = det gamla serienumret 

t = 1 för CBF 

t = 2 för MTT 

t = 3 för CBV 

En CBV-bild från serie nr.6 får alltså nytt serienummer 263. Tvåan som står först har valt 

därför att färdigberäknade diffusionsbilder har serienummer som börjar på 100. 

Undersökningsnumret ändras ej och bilderna kommer att hamna i samma undersökning som 

de kom ifrån när de skickas tillbaka till kameran. 

När serierna i en undersökning listas på kameran kommer en parameter som heter "series 

description" att synas i listan. Den tala om vilken typ av bilder serien innehåller. Programmet 

ändrar "series description" till: 

CBF (y) 

MTT (y) 

CBV (y) 

6


beroende på typ och sätter det gamla serienumret inom parentes. 

Parametern "series description" syns inte i bilden när den öppnats på magnetkamerans 

monitor, därför ändras ytterligare en parameter. I headern finns en parameter som heter 

"coilname" som anger vilken spole som använts vid undersökningen (i det här fallet "head" 

för huvudspole). Den ändras till CBF, MTT eller CBV för att det på den färdiga bilden skall 

gå att se vilken typ det är. 

De nya uppdaterade headrarna sparas som: 

ExxxxxSyyy_slicezzz_CBF.hdr 

ExxxxxSyyy_slicezzz_MTT.hdr 

ExxxxxSyyy_slicezzz_CBV.hdr 

Den information som ändrats i varje hy header (t.ex. det nya serienumret) kommer inte att 

synas förrän bilderna är tillbaka i magnetkameran. All information programmet behöver, antal 

snitt, antal bilder/snitt, bildens dimensioner osv., hämtas ur headern i bild I.001 (den första 

bilden i serien som skickas som argument i programanropet). Programmet perfim.pro kan inte 

titta i bildernas headrar och vet därför inte hur många snitt en undersökning innehåller. 

Prepbef skapar därför en fil som anger antalet snitt i en undersökning. Filen döps till: 

ExxxxxSyyy.nslices 

Programmet har skrivits i C++, i det här examensarbetet. 

7 geinfo 

Programmet geinfo används för att få fram information som står i en bilds header. Bildens 

namn skickas med som argument vid programanropet. Om ingen bildfil anges tittar 

programmet automatiskt i bildfil I.001. Programmet kommer från GE. 

8 fixART 

Överst i den fil där xds sparar inputfunktionen finns en rubrikrad med text. Innan filen kan 

användas av SVD_gado_grinder, för beräkning av perfusionen, måste den textraden plockas 

bort. Det gör programmet fixART. Kör programmet genom att skriva: 

fixART ART 

Filen ART skall ha lika många rader som det ingår bilder i undersökningens snitt, en rad för 

varje bild. Programmet anropar geinfo som tittar efter i headern i bild I.001 hur många bilder 

varje snitt skall innehålla. Om filen ART innehåller för många rader plockas den översta bort 

annars lämnas filen som den är. Programmet har utformats så för att filen inte skall få färre 

rader än antal bilder/snitt om beräkningar utförs på samma inputfunktion flera gånger, via 

perfim.pro. Programmet är ett C-shell script som skrivits i det här examensarbetet. 

7


9 run_gadogrinder och SVD_gado_grinder 

Programmet svd_gado_grinder utför beräkningen av de tre bilderna rCBF, rCBV och MTT, 

men gör bara detta för ett snitt i taget. Programmet run_gadogrinder anropar 

svd_gado_grinder en gång för varje snitt som skall beräknas, i den aktuella katalogen, så att 

bara ett anrop behöver göras. Programmet SVD_gado_grinder behöver information om antalet 

bilder/snitt, ekotid TE, repetitionstid TR samt inputfunktionens start och slutbild. 

Inputfunktionens start och slutbild ges som argument i anropet, övrig information plockar 

run_gadogrinder ur headern i bild I.001, med hjälp av programmet geinfo. Starta beräkningen 

genom att skriva: 

run_gadogrinder 

Samtliga parametrar i programanropet skrivs ut i terminalfönstret för varje snitt som beräknas. 

Programmet ”run_gadogrinder” är ett C-shell script som skrivits i det här examensarbetet. 

10 prepafter 

Programmet SVD_gado_grinder levererar det beräknade resultatet som en flyttalsfil, 

innehållande samtliga tre bildtyper. Programmet prepafter packar upp resultatet från 

SVD_gado_grinder och gör om bilderna till heltalsfiler (format short). Programmet går också 

igenom varje pixel i bilderna och plockar bort eventuella spikar. Alla värden över ett angivet 

tröskelvärde sätts till noll. Kör programmet genom att skriva: 

prepafter 2000 

där: 2000 = tröskelvärdet. 

Alla pixlar i bilden med ett värde över 2000 kommer att sättas till noll. 

Tröskelvärdet definieras i perfim.pro på rad 84: 

thresh='2000' 

Om prepafter skall köras via perfim.pro med ett annat tröskelvärde än 2000 måste rad 84 i 

perfim.pro ändras. 

De uppackade heltalsfilerna döps till: 

ExxxxxSyyy_slicezzz_CBF 

ExxxxxSyyy_slicezzz_MTT 

ExxxxxSyyy_slicezzz_CBV 




Programmet är skrivet i C++, i der här examensarbetet. 

8

11 gluehdr 


Programmet gluehdr sammanfogar de headrar som tidigare skapats av prepbef med de 

bildfiler som packats upp av prepafter. 

Kör programmet genom att skriva: 

gluehdr E 

där: E = första bokstaven i headerns prefix 

De nya filerna heter nu: 

ExxxxxSyyy_slicezzz.CBF 

ExxxxxSyyy_slicezzz.MTT 

ExxxxxSyyy_slicezzz.CBV 




Efter att programmet gluehdr körts har de färdiga perfusionsbilderna försetts med en ny 

uppdaterad header och är färdiga att skickas tillbaka till magnetkameran. Programmet är ett 

C-shell script som har skrivits i det här examensarbetet. 

12 sendtocamera 

För att skicka de färdiga bilderna tillbaka till magnetkameran skriv: 

sendtocamera lxmrt1 

där: lxmrt1 = magnetkamerans namn 

Programmet kopierar bilderna till en gemensam katalog som är monterad både på 

beräkningsdatorn och på magnetkameran. Sedan görs ett anrop till programmet mib.lxmrt1 

som finns på magnetkameran. Programmet sendtocamera är ett C-shell script som har skrivits 

i det här examensarbetet. 

13 mib.lxmrt1 och signa2aw 

När bildfilerna hämtas av get5 görs bilderna om från aw- till signaformat. Signaformatet är ett 

äldre format och kan inte skickas tillbaka till databasen. Innan de färdiga perfuisonsbilderna 

kan läggas tillbaka i databasen måste de därför göras om till awformat igen. Det sköts av 

programmet signa2aw som anropas av mib.lxmrt1. Programmet signa2aw lägger aw-filerna i 

en importkatalog och mib.lxmrt1 säger sedan till databasen att importera bilderna. 

Programmet mib.lxmrt1 är ett C-shell script som skrivits i det här examensarbetet. 

Programmet signa2aw kommer från GE. 

9

14 fsc_inputfield 


Programmet fsc_inputfield.pro är ett IDL-program och behövs för att inmatningsfälten i 

perfim.pro skall fungera. Det är skrivet av David Fanning (Fanning Consulting) och finns att 

hämta på: 

15 xds 

www.dfanning.com 

Programmet xds används för att välja arteriell inputfunktion. För att starta programmet utan 

att gå via interfacet i perfim.pro skriv: 

xds -l ART 

Den arteriella inputfunktionen kommer att sparas i en fil som döps till ART. För att 

programmet skall kunna läsa bildfilen måste den innehålla flyttal. Det måste dessutom finnar 

en headerfil som innehåller information om bildmatrisens dimensioner samt hur många bilder 

som ingår i varje snitt, dvs. hur många gånger varje snitt har avbildats. Allt detta sköts av 

programmet prepbef. En manual till programmet xds finns i bilaga 3. 

10

MANUAL TILL XDS 

Bilaga 3: Manual till ”xds” 

Öppna först en bild (ett snitt) som innehåller artärer där den arteriella inputfunktionen kan 

beräknas. Det görs via interfacet i programmet ”perfim.pro”. 

• Förstora bilden Ta tag i ett av bildens hörn med muspekaren 

och dra ut bilden till önskad storlek. 

• Tryck g Öppnar ett fönster som visar signalens 

variation i den pixel muspekaren pekar på. 

• Tryck + Bläddra framåt i snittets bilder tills 

kontrastmedlet börjar komma och bilden 

mörknar. 

• Rita en gul fyrkant i bilden med 

vänster musknapp nertryckt och 

tryck sedan w 

Det här ändrar fönsterinställningen i bilden så 

att kontrastmedlets effekt syns tydligare. 

• Tryck Shift-c Tar bort den gula rutan så att bilden blir ren. 

• Vandra med muspekaren i bilden Leta efter artärer i bilden och markera 3-5 

pixlar med vänster musknapp. Ta bort en 

markerad pixel genom att trycka på den igen. 

Ta bort alla markerade pixlar genom trycka 

Shift-c. 

• Tryck s Signalens variation för de valda pixlarna visas 

i fönstret och signalkurvan sparas i en fil som 

döps till ART. 

• Vandra i signalkurvan med + och - Notera var inputfunktionen startar och slutar. 

• Tryck q bekräfta med y Stänger bilden och avslutar ”xds”. 

Sid. 1:1

Perfusionsmätningar med MR för stroke diagnostik

Create successful ePaper yourself

Delete template?

Save as template?