在MR影像切面選擇的過程中，如果 X軸跟Z軸的梯度同時開啟的話，會產生什麼樣的結果？
詳細解析
本題觀念：
磁振造影（MRI）在空間編碼（spatial encoding）的過程中，第一步是切面選擇（slice selection）。切面選擇是藉由在主磁場上外加一個線性變化的梯度磁場（gradient magnetic field），並同時發射特定頻率與頻寬的射頻脈衝（RF pulse）來達成。
在標準的正交（orthogonal）切面中：
- Z軸梯度磁場（Z-gradient）負責橫斷面（Axial / Transverse slice）的選擇。
- X軸梯度磁場（X-gradient）負責矢狀面（Sagittal slice）的選擇。
- Y軸梯度磁場（Y-gradient）負責冠狀面（Coronal slice）的選擇。
然而，人體解剖構造並不總是完全平行或垂直於這三個基本正交平面。為了獲得符合特定解剖構造走向的影像（例如：與關節韌帶、心血管走向平行的切面），MRI系統必須能進行斜位切面（oblique slices）的掃描。
選項分析
(A) MR影像會產生扭曲的假影 錯誤。同時開啟多個方向的梯度磁場是MRI系統產生任意角度斜位切面的標準且正常的機制，在硬體與軟體設計上都會進行精密的向量計算（線性組合）來設定切面，並不會直接導致影像產生扭曲的假影（distortion artifacts）。影像扭曲通常來自於主磁場不均勻（B0 inhomogeneity）、梯度磁場非線性（gradient non-linearity）或金屬植入物引起的磁化率假影（susceptibility artifacts）。
(B) 系統會出現此組合無法掃描的警告 錯誤。當今所有的臨床與研究用MRI掃描儀，都具備利用向量合成（vector sum）原理同時驅動X、Y、Z軸梯度線圈的能力，這被廣泛應用在日常的常規掃描排程中。系統並不會因同時開啟多個梯度線圈而跳出無法掃描的警告。
(C) MR影像會產生串擾假影（ cross-talk artifact ） 錯誤。串擾假影（cross-talk artifact，或稱 cross-excitation artifact）是由於相鄰切面的射頻激發輪廓（RF excitation profile）並非完美的矩形，導致相鄰切面邊緣的激發範圍發生重疊，使得相鄰切面的質子提早被激發而未完全回復，最終造成影像訊號強度減弱。避免此假影的標準作法是增加切面間隙（slice gap）或使用交錯掃描（interleaved acquisition），這與「同時開啟不同軸向的梯度磁場」的機制無關。
(D) 可以產生斜位切面的MR影像 正確。當兩個或三個梯度磁場同時開啟時，系統會產生一個合成的梯度磁場向量（例如本題中 X軸與 Z軸同時開啟，會產生一個位於 X-Z 平面上的合成梯度）。系統再配合此合成梯度的方向施加對應頻率的RF pulse，即可選擇出垂直於該合成梯度向量的切面，也就是斜位切面（Oblique slice）。
答案解析
正確答案為 (D)。 在MRI的切面選擇原理中，正交切面（Axial, Coronal, Sagittal）是透過單獨開啟Z、Y或X軸的梯度線圈來達成。若要掃描非正交的斜位切面（Oblique slice），則是透過線性組合（linear combination）的方式，同時開啟兩個軸向的梯度磁場（如 X與Z同時開啟，會得到介於矢狀面與橫斷面之間的斜位切面）。若同時開啟三個軸向（X、Y、Z）的梯度磁場，則可以產生雙斜位切面（Double-oblique slice）。這種透過向量合成來激發任意角度切面的物理特性，是現代MRI應付複雜解剖結構非常重要的基本功能。
核心知識點
醫事放射師國考針對 MRI 空間編碼的常見重點：
- 梯度磁場與切面選擇 (Slice Selection Gradients):
- 單一 Z軸梯度 橫斷面 (Axial slice)
- 單一 X軸梯度 矢狀面 (Sagittal slice)
- 單一 Y軸梯度 冠狀面 (Coronal slice)
- 斜位切面激發原理 (Oblique Slice Selection):
- 單斜位 (Oblique): 同時開啟 2 個正交方向的梯度線圈（例：X+Z, Y+Z, X+Y）。
- 雙斜位 (Double-oblique): 同時開啟 3 個正交方向的梯度線圈（X+Y+Z）。
- MRI常見假影成因與改善:
- 串擾假影 (Cross-talk): 射頻激發輪廓重疊，解法為加入 slice gap 或採用交錯切面激發 (Interleaving)。
- 幾何扭曲假影 (Geometric distortion): 來自於主磁場不均勻或梯度場邊緣非線性，解法包含進行勻場 (Shimming) 或使用 3D 扭曲校正演算法。