数值优化的磁共振图像重建方程推导出的离散傅里叶变换

《Concepts in Magnetic Resonance》：The Discrete Fourier Transform as a Result of Numerically Optimized Magnetic Resonance Image Reconstruction Equations

　　

研究人员提出了一种方法，为离散傅里叶变换（Discrete Fourier Transform, DFT）在磁共振（Magnetic Resonance, MR）图像重建中的应用提供理论依据。在无需傅里叶变换先验知识的情况下，描述了一个与通过磁场梯度进行常规空间编码过程相对应的成像实验。由此得到一个正则矩阵，即所谓的编码矩阵（encoding matrix），它描述了一个线性方程组。所提出的方法由对编码矩阵进行数值优化构成，通过最小化其条件数（condition number）来实现这一目标。为此，文章系统地引入了数值分析的必要概念，这体现了论文的教学性质。结果表明，数值优化后的编码矩阵等于离散傅里叶变换矩阵，从而为离散傅里叶变换在MR图像重建中的使用提供了解释。

在磁共振成像（Magnetic Resonance Imaging, MRI）的图像重建教学中，傅里叶变换（Fourier Transform, FT）被普遍视为连接空间域与k空间的核心数学工具。然而，初学者往往将傅里叶变换视为未经解释的公理而被动接受，缺乏对其为何必然出现在MRI重建中的深入理解。针对这一问题，研究人员在《Concepts in Magnetic Resonance》期刊上发表了具有教学导向的研究成果，提出了一种无需预先掌握傅里叶变换知识即可推导出离散傅里叶变换（Discrete Fourier Transform, DFT）的途径。该研究通过构造一维MRI空间编码实验，建立描述信号采集过程的线性方程组，并以数值优化为目标，最终发现最优编码矩阵与DFT矩阵完全等价，从而为傅里叶变换在MRI中的核心地位提供了数学依据。

该研究首先考虑一个沿x方向延伸的一维物体，在施加磁场梯度G的条件下，磁矩以空间相关的频率进动。在假设理想实验条件并忽略弛豫的情况下，得到来自单个网格点的复信号表达式。尽管直接测量质子密度不可行，但研究人员认识到，通过采集N个不同时间点的信号总和，可构建由N个方程组成的线性方程组，其系数矩阵即为编码矩阵V(Δk)，其中Δk = γGΔt为自由采样参数。求解该线性方程组即可获得一维图像。为实现数值稳定性最优的实验设计，研究人员引入矩阵范数、自然矩阵范数（算子范数）及矩阵条件数等数值分析基本概念。通过推导，相对误差的上界可由条件数κ(A)控制，而最优条件为κ₂(A) = 1，这意味着矩阵A应为酉矩阵的标量倍数。基于这一框架，编码矩阵V(Δk)的优化目标转化为使κ₂(V(Δk)) = 1。

研究所采用的主要技术方法包括：构建一维空间编码的线性方程组模型，建立编码矩阵V(Δk)；引入矩阵范数、自然矩阵范数及条件数等数值分析概念；选择谱范数（由欧几里得向量范数诱导的矩阵范数）作为优化度量，目标是使κ₂(V(Δk)) = 1；利用Vandermonde矩阵理论分析不同Δk取值下的矩阵性质；并借助MATLAB数值计算绘制条件数谱图。整个优化过程无需任何傅里叶变换先验知识，也无需样本队列（本文为理论数学推导），仅通过求解几何级数条件ξ = 0得到最优Δk。

3.1 优化编码矩阵。通过谱范数分析，编码矩阵V(Δk)的元素具有几何级数结构。当且仅当ξ = 0（即NΔkΔx为2π的整数倍）时，矩阵达到最优条件数κ₂ = 1。由此得到最优采样间隔Δk_opt = 2π/(NΔx)，恰好对应奈奎斯特准则（Nyquist criterion）。此时编码矩阵V_opt等于DFT矩阵V_DFT。定理1给出完整条件：Δk = z·2π/(NΔx)且gcd(z, N) = 1（即z与N互素）；推论1确认了DFT矩阵本身具有最优条件性。此外，当z > 1且与N互素时，所得矩阵为V_DFT的行置换形式，这对应线性方程组行的重新排序，不改变实验的物理实质。

3.2 其他Δk值的编码矩阵。将Δk归一化为c = NΔxΔk/(2π)后，V(c)成为节点位于单位圆上的Vandermonde矩阵。对于与N互素的整数c，V(c)的行节点是V_opt节点的排列，故V(c) = P·V_opt。对于一般实数c，V(c)在c = N/(N?m)（m = 1, …, N?1）处奇异。数值实验表明，N = 16时条件数谱中可见明显奇异峰；N增大后，条件数计算难以区分病态正则矩阵与奇异矩阵。特别地，当N为2的幂时，c = 2导致奇异，但邻近区域条件数较好；随着N增大，c = 2附近出现越来越多奇异点，需谨慎处理。

讨论部分指出，该一维结论可扩展至多维空间编码，因为多维傅里叶变换具有可分离性；编码矩阵框架也适用于平行成像（parallel imaging）等更一般的编码方式。实际图像重建中，通常采用基于Cooley–Tukey算法的快速傅里叶变换（FFT）替代直接矩阵求逆，其兼具计算速度和数值稳定性优势；非均匀k空间采样则可借助非均匀快速傅里叶变换（NUFFT）算法实现灵活性。研究结论强调，通过最小化编码矩阵的条件数进行数值优化，可以自然推导出离散傅里叶变换矩阵；在行置换意义下，DFT矩阵是唯一达到最优条件数的编码矩阵。该研究为傅里叶变换在MRI图像重建中的应用提供了一个从数值线性代数出发的有力论证，具有重要的教学和理论价值。