【Parallel Transmit】陣列線圈 Q 矩陣與虛擬觀察點(VOPs)後處理計算流程

在多通道並行傳輸(Parallel Transmit, pTx)射頻線圈的磁共振成像(MRI)電磁仿真中，特定吸收率(SAR)的精確評估與安全控制是極為關鍵的環節。隨著線圈通道數的增加，傳統 SAR 計算方法的複雜度呈現爆發式增長。本文將為大家詳細介紹 Sim4Life 中的 Parallel Transmit 模組，協助大家掌握 Q 矩陣(Q-Matrix)與虛擬觀察點(Virtual Observation Points, VOPs)的後處理計算流程與關鍵優化技巧。

一、Parallel Transmit 模組介紹與應用

Parallel Transmit 工具箱是 Sim4Life 中專門用於多通道 pTx MRI 線圈仿真的後處理模組。主要用途包含計算、壓縮與導出 Q 矩陣、VOPs 以及 SAR 數據。

核心計算概念與輸出項目

1. Q 矩陣(Q-Matrix)

概念: 為一個 N*N 的矩陣(N 為激活的端口通道數)，用於建立多通道間任意功率與相位組合跟最終產生 SAR 之間的關係
記憶體特性: 隨著通道數 N 的增加，所需計算與儲存空間呈二次方 N^2 增長

2. 質量平均 Q 矩陣 (Avg. Q Matrix)

概念: 對原生 Q 矩陣進行特定質量(如: 1g 或 10g)的立體塊質量平均(Mass-averaging)處理

3. 虛擬觀察點(VOPs)與壓縮

概念: 基於 Eichfelder 與 Gebhardt 等人提出的算法，從海量的 Q 矩陣中提取出具代表性的保守估算子集，大幅降低運行時的 SAR 監控負擔
空間分佈: 可生成 Voxel to VOP map (體素至 VOP 映射圖)，直觀呈現 VOP 的空間分佈群集

4. 最壞情況 SAR (Worst Case SAR)

概念: 針對空間中的任意體素，計算出所有可能相位與功率組合下所能達到的最大 SAR 極限值

[NOTE] 適用條件: Parallel Transmit 模組適用於 EM-FDTD Multi-Port 仿真結果，或連接了 MATCH 匹配電路的後處理模組

二、模組架構與工作流程

在進行操作前，先了解整體架構有助於選擇最適合的計算路徑。Parallel Transmit 提供了全自動流程(Parallel Transmit 主演算法)與分步獨立工具:

A. 全自動路徑: 直接執行 Parallel Transmit 主演算法，一次性產出 Q Matrix、VOPs、Avg. Q Matrix、Worst Case SAR 等所有結果

B. 分步執行路徑(建議高解析度或大通道數採用):

使用 Q Evaluator 生成基礎 Q 矩陣
透過 Q Mass Averager 設定目標質量進行質量平均
透過 VOP Compression 進行數據壓縮，獲取 VOPs 及映射圖
使用 xQx Evaluator 評估特定給定功率與相位的 SAR 分佈

三、操作步驟說明

步驟 1: 開啟與設置 Parallel Transmit 模組

1. 於 Sim4Life 上方 Ribbon 選項卡中找到 MRI 工具，點選 Parallel Transmit 模組(或選擇分步工具如 Q Evaluator)

2. 在 Controller 視窗中設定關鍵參數:

Input / Connections: 依序綁定各射頻通道的訊號源(如: 8Ch Array Coil 7T - Source (Channel 1~8))
Sensor: 精確輸入欲計算的 Sensor 名稱(例如: Overall Field)
Tolerance (W/kg): 設定 VOP 聚類/壓縮演算法的容忍度。數值通常建議與 Q 矩陣數值的絕對數量級一致。Tolerance 越小，VOP 數量越多，估算越精確但過度估算率較低；Tolerance 越大則 VOP 數量越少，但 SAR 保守估算偏向高估
Target mass (g): 設定質量平均的目標質量(如: 10g 或 1g)

步驟 2: 執行計算與數據檢視

點擊 Update / Refresh 執行計算
計算完成後，可在 Analysis / Multi-Tree 視窗中開啟 Slice Viewer 或 Table Viewer
可於表格(Avg. Q Matrix Statistics)中檢視最大/最小值(Max/Min SAR)、最大值座標(Max Center)及體積加權平均(Volume Weighted Average)

四、實測結果與注意事項

在高通道數(如: 16 通道以上)與細網格仿真中，後處理過程常因資料量過大而面臨記憶體不足(Out of Memory)或演算法中斷的挑戰。以下彙整常見問題與優化建議:

1. 記憶體(RAM)需求與「Target Mass」的設定

在實測 16 通道陣列線圈時，計算過程對系統記憶體的消耗極大:

Target Mass 設為 1g 失敗，改為 10g 順利完成:

原因解析: Sim4Life 會先將 Target Mass 透過組織密度轉換為體積，再計算該體積內包含多少個網格體素(Voxels)
當網格解析度極高(體素極小)時，1g 所對應的體素組合數量與空間移動位置組合會成倍數暴增 。這會導致 Q 矩陣質量平均演算法(Q Mass Averager)的記憶體需求超過硬體極限，引發 "Unknown exception during algorithm update" 的錯誤並掛掉
相反地，設定為 10g 時，體素塊較大、空間可移動位置相對較少，記憶體開銷得以大幅控制在可接受範圍

Avg. Q-matrix error