有關磁振造影 k-space的敘述，下列何者正確？

本題觀念：

本題考查磁振造影（MRI）中 k-space（k空間） 的基本物理與數學特性。k-space 是儲存 MRI 原始訊號的資料矩陣，理解其與最終影像（空間域）之間的轉換關係、資料分佈特性以及對稱性，是醫事放射師必備的核心知識。

選項分析

• (A) 臨床上常利用拉普拉斯轉換（ Laplace transform ）形成看到的灰階影像：錯誤。MRI 系統是利用傅立葉轉換（Fourier transform, FT），通常為二維或三維的快速傅立葉轉換（Fast Fourier Transform, FFT），將 k-space 中的原始頻域資料轉換為我們所看到的解剖灰階影像（空間域）。拉普拉斯轉換並非 MRI 影像重建使用的數學工具。
• (B) k-space描述的為頻域（ frequency domain ）的訊號：正確。k-space 本質上即為「空間頻域」（spatial frequency domain），由相位編碼（phase encoding）和頻率編碼（frequency encoding）所構成，用以儲存掃描過程中收集到的各種頻率與相位的原始訊號。
• (C) 所採集到的原始訊號上下對稱，但左右不對稱：錯誤。k-space 的數據具有共軛對稱性（Conjugate symmetry 或 Hermitian symmetry）。這表示 k-space 訊號相對於原點（中心點）是完美對稱的，即右上角與左下角、左上角與右下角的數據互為複數共軛（$S(-k_x, -k_y) = S^*(k_x, k_y)$）。因此不管是上下還是左右，其訊號強度（magnitude）皆呈現對稱分佈。臨床上的半傅立葉造影（Half-Fourier imaging）就是利用這種上下或左右對稱的特性來減少掃描時間。
• (D) k-space邊緣訊號決定影像對比度：錯誤。k-space 中的資料分布有明確的特徵：
  • k-space 中心（Center）：包含低空間頻率（low spatial frequency）資訊，其訊號振幅較大，負責決定影像的**整體對比度（Contrast）**與訊雜比（SNR）。
  • k-space 邊緣（Periphery）：包含高空間頻率（high spatial frequency）資訊，其訊號振幅較小，負責決定影像的**空間解析度（Spatial resolution）**與邊緣細節。

答案解析

根據上述分析，k-space 就是 MRI 的空間頻域（spatial frequency domain）矩陣。要將頻域的資料轉換成空間域的臨床影像，必須透過傅立葉轉換。此外，k-space 中心決定對比度、邊緣決定解析度，且整體具有共軛對稱性。故唯一正確的敘述為 (B)。

核心知識點

考生在準備 MRI 物理時，務必熟記以下關於 k-space 的重點：

1. 轉換公式：k-space（頻域） $\xrightarrow{\text{2D/3D FFT}}$ Image（空間域）。
2. 資料分布對應：
   • 中心（Center of k-space）：低頻率、高訊號強度 $\rightarrow$ 決定**影像對比度（Contrast）**及訊雜比（SNR）。
   • 邊緣（Periphery of k-space）：高頻率、低訊號強度 $\rightarrow$ 決定**空間解析度（Resolution）**及細節邊緣。
3. 對稱性：共軛對稱（Hermitian symmetry），此特性被應用於 Half-Fourier / Partial Fourier acquisition 以縮短掃描時間。

參考資料

1. Radiology Key. (2016). K-Space. (https://radiologykey.com/k-space-2/)
2. Wikipedia. k-space in magnetic resonance imaging. (https://en.wikipedia.org/wiki/K-space_in_magnetic_resonance_imaging)
3. Radiology Cafe. K-space. (https://www.radiologycafe.com/radiology-physics/magnetic-resonance-imaging/k-space)
4. Lens.com. What Is K-Space (Imaging)? MRI Data Explained. (https://www.lens.com/contact-lenses/what-is-k-space-imaging/)
5. Thoracic Key. (2016). More k-Space: The Relationship between k-Space and the Image. (https://thoracickey.com/more-k-space-the-relationship-between-k-space-and-the-image/)