Nader Salhab Ibáñez, Beatriz Cabrera Pérez, María Pilar Lombao Gracia,

Marc Aparisi Pons, Cristina Biosca Calabuig, Josep Mogort Martínez, Sara
Roig Sánchez, Madalina Doinita Scurt, Carlos Parralejo Cañada

Hospital Clinic Universitari de València, València

Durante la residencia o durante nuestro trabajo de adjunto cuando empezamos a
enfrentarnos a estudios de resonancia magnética (RM) nos interesamos en mayor o
menor medida en el funcionamiento de la misma: ¿cuál es la base física?, ¿cómo se
produce la imagen?, ¿qué es la señal?, ¿por qué tal secuencia resalta tal cosa?,
¿cómo mejorar la calidad de imagen? etc. No obstante, siempre nos acabamos
encontrando con un concepto abstracto que hace referencia a “donde se almacena
la información” obtenida por la RM que después producirá la imagen. Este
concepto es el espacio K (figura 1). Entender exactamente en qué consiste es difícil
debido a la simplificación con la que habitualmente nos enfrentamos al
funcionamiento de la RM y su complejidad inherente.

Figura 1. Corte axial de cerebro, obtenido mediante una secuencia espín-eco potenciada en
T1 (izquierda) y su espacio K correspondiente (derecha).

Este trabajo supone que el lector tiene un conocimiento básico sobre el

funcionamiento de la RM, que está familiarizado con conceptos como: espín,
frecuencia de resonancia, pulso de radiofrecuencia (RF), excitación, relajación
transversal – tiempo T2, relajación longitudinal – tiempo T1, potenciaciones,
secuencias etc.

Aunque no se haga mucho hincapié en estos conceptos algunos de ellos saldrán a

lo largo del trabajo sin necesariamente detenerse sobre ellos.
La RM funciona mediante ondas electromagnéticas (EM) tanto para excitar los
espines que se encuentran en la zona de estudio como la forma que tienen éstos
de emitir la “información que interesa”. Lo que la antena receptora de la RM recibe
no son más que ondas electromagnéticas que incluyen en ellas la información
sobre los diferentes vóxeles que se han estudiado.
Estas ondas habitualmente se expresan en gráficas como variaciones de la
intensidad respecto al tiempo (figura 2).

Figura 2. Ejemplo de dos ondas sinusoidales en un eje de intensidad vs tiempo.

Uno de los ejemplos más básicos es la onda sinusoidal que, trabajando en un eje de
coordenadas clásico de dos dimensiones, está definida por:

•Amplitud: Hace referencia a la energía que la onda posee; dentro de la RM

hace referencia a la intensidad de señal – a más amplitud, mayor intensidad
de señal.
•Período / Frecuencia: Hace referencia al tiempo que tarda en completar un
ciclo, es decir de pasar de un punto determinado a otra vez el mismo punto.
•Fase: Se refiere a la posición dentro del eje de coordenadas, dos ondas con
misma amplitud y frecuencia, pero con distinta fase son idénticas, sólo que
una está “adelantada” o “retrasada” respecto a la otra.
Sin entrar en demasiados detalles sobre las propiedades de las ondas hay que
conocer que las ondas sinusoidales se pueden representar a partir de estos
valores (amplitud, frecuencia y fase) y, además, mediante la suma de ondas
simples se pueden formar ondas complejas, y viceversa, descomponer ondas
complejas en una serie de ondas sinusoidales “elementales”. Es aquí donde entra
la herramienta matemática conocida como transformada de Fourier (FT) que
permite descomponer estas ondas complejas en sus ondas elementales y
mostrarlas en el dominio de frecuencias (figura 3).

Figura 3. Representación visual sobre un plano de la variación de intensidad de una onda compleja a lo largo
del tiempo y su descomposición en ondas armónicas simples de diferente frecuencia que se reflejan en otro
plano, esta vez, con la frecuencia en el eje de coordenadas. Distribuida mediante una licencia CC BY-SA 4.0;
cortesía de Phonical.

Habitualmente esto se suele representar para sonidos. Si se tiene una función

sinusoidal con un período de 2.27 ms, o lo que es lo mismo, una frecuencia de
440 Hz, con una amplitud determinada, la transformada de Fourier de dicha
función pasará la onda al dominio de frecuencias con un pico de la misma
amplitud en el punto que representa la frecuencia 440 Hz (figura 4).
Adicionalmente, en dicha transformada también se puede incluir la fase de dicha
onda.
Figura 4. Representación visual de la FT. Una onda en el tiempo con un período de 2.27 ms al someterse a
una FT y pasar al dominio de las frecuencias presenta un pico (al ser una única onda simple) en el punto de
440 Hz (su frecuencia) con la misma intensidad en ambos dominios.

La FT funciona tanto sobre funciones que varían con el tiempo como sobre las
que varían con el espacio, solo que, en este último caso, la frecuencia hace
referencia a la periodicidad con la que la onda cambia de intensidad a lo largo de
la distancia (figura 5) y se habla no de frecuencias temporales sino de
frecuencias espaciales.

Figura 5. Representación visual en dos dimensiones de ondas espaciales que varían su intensidad no en
función del tiempo (unidad de tiempo - segundos) sino de la distancia (unidad de distancia – metros), por
ejemplo 6 ciclos por centímetro. Del mismo modo que las ondas “convencionales” tienen intensidad,
frecuencia y fase. Además, también tienen dirección.
Para poder entender realmente como funciona y en qué se basa este espacio K
se va a dividir este trabajo en dos partes. En la primera parte se hablará de
cómo de un corte real de un paciente que está dentro de una RM se construye
el famoso espacio K. En la segunda parte, se pasará del espacio K a una imagen
de RM como las que se suelen ver en los estudios con los que se trabaja día a
día.

Del paciente al espacio K – transformando tejidos en frecuencias.

Se tratará aquí fundamentalmente el caso más básico de reconstrucción del
espacio K – aunque hay también otras formas de llevarlo a cabo – estudiando
un plano de un paciente mediante una secuencia espín eco 2D y con una
reconstrucción del espacio K cartesiana sin ningún tipo de algoritmo de
reconstrucción de reducción de tiempo de secuencia.
Cuando un paciente se encuentra en el potente campo magnético de la RM, los
1
protones de los átomos que lo componen tienden a alinearse en la dirección
del campo magnético. Esto resulta en una magnetización neta de los protones
que equivale a unos 3 espines por millón (para 1.5 T). Esta magnetización neta
puede parecer poca. Esto se debe puesto que las interacción térmicas entre las
moléculas siguen teniendo mucha mayor influencia sobre los protones que las
resultantes del campo magnético, pero al afectar al enorme número de
protones en el organismo da lugar a una magnetización neta apreciable.
Para poder obtener la imagen de un plano en concreto hay que ser capaces de
decirle a la RM que se desea obtener dicho plano o corte determinado. Luego
se debe codificar los vóxeles que lo componen (habitualmente las matrices de
vóxeles son de 256 x 256, 512 x 512, 64 x 64… según las necesidades de cada
secuencia o los límites técnicos de cada RM) para que, al reconstruir la imagen,
se pueda diferenciar qué vóxeles contribuyen a qué parte de la señal global.

1sehará referencia al hablar de protones a los protones de los átomos de hidrógeno +

(H ) de ahora en
adelante por conveniencia, aunque no son los únicos que experimentan fenómenos electromagnéticos.
El campo magnético es más o menos homogéneo a lo largo de todo el cuerpo
del paciente – esto no es así pero, por simplicidad, se va a considerar
homogéneo. En dicho campo todos los protones de hidrógeno se encuentran
precesando a una frecuencia angular de resonancia, determinada por la
ecuación de Larmor, que es directamente proporcional a la intensidad del
campo magnético:

𝜑 = 𝛾 · 𝐵0

Donde 𝜑 es la frecuencia angular de precesión del átomo de hidrógeno, 𝛾 es la

constante giromagnética propia de cada átomo y 𝐵0 es la intensidad, medida en
Teslas, del campo magnético principal.

Si en estas condiciones se emitiese el pulso de RF a dicha frecuencia se

excitarían, teóricamente, todos los protones de hidrógeno – en este ejemplo la
frecuencia de giro de los espines de hidrógeno en un campo de 1.5 T es de 63.87
MHz (la constante giromagnética del protón de hidrógeno es de 42.58 MHz). No
obstante, realmente se busca estudiar únicamente un volumen concreto del
paciente y, dentro de dicho volumen, el estudio se realiza (salvo en las
adquisiciones 3D) corte por corte.

Para seleccionar uno de estos cortes, se aplica un gradiente a lo largo del campo
magnético principal (eje 𝑧 por convención). Este gradiente, que no es más que
un pequeño campo magnético sobreañadido al principal, varía de un valor
negativo (disminuye el campo magnético principal) a uno positivo (aumenta el
campo magnético principal) pasando por un punto neutro (sin variación del
campo magnético principal) lo cual se traduce en una alteración de las
frecuencias de los espines que se encuentran afectados por esta variación
(figura 6).

En aquellos lugares donde el campo magnético esté aumentado su frecuencia de

precesión será más alta y viceversa.
Figura 6. Sobre el campo magnético principal (a) las bobinas de gradiente aplican un campo magnético
sobreañadido (b) que hace variar levemente el campo magnético principal de forma lineal con la distancia
(c). Aunque aquí se represente de forma aguda esta variación, es decir solo varía entre los puntos de
gradiente y no necesita de distancia para aplicarse, en realidad varía de forma más gradual y necesita de una
mínima distancia para producir un cambio sobre el campo magnético principal.

Idealmente el pulso de RF – por ejemplo en una secuencia espín eco – que inicia
la secuencia tendrá un ancho de banda que contenga las frecuencias incluidas en
dicho gradiente. Además, una de las propiedades de este gradiente, es que
cambia linealmente con la posición espacial:

𝐵 𝑥 = 𝐵0 + 𝑥 · 𝐺𝑧

Donde 𝐵0 es el campo magnético basal, 𝑥 un punto concreto del espacio en un

eje, 𝐺𝑧 la variación del campo magnético por unidad de distancia y 𝐵 𝑥 el
campo magnético total en el punto concreto elegido. Quedan los protones a una
determinada frecuencia según la posición dentro del gradiente aplicado.

Gracias a esto se podrá excitar unos protones en un punto del espacio concreto
mediante la aplicación de un pulso de RF que afecte a los protones con una
frecuencia de precesión determinada por su posición espacial.
Un problema es que al seleccionar el corte mediante el gradiente, al variar las
frecuencias de precesión, los espines irán desfasándose unos con otros según su
posición a lo largo del tiempo.

Esto será algo que se busque más adelante (y de diferentes formas según la
secuencia) cuando se produzca lo que se conoce como un gradiente de fase, pero
en este momento no interesa que se desfasen así que se aplica un gradiente de
polaridad invertida al anterior de tal modo que los espines vuelvan a una misma
fase, o se refasen, - los que iban más lento irán más rápido y viceversa - en un
punto concreto. Este gradiente de refase debe ser la mitad que el utilizado para
excitar un determinado corte (figura 7).

En la secuencia espín eco, esto se aplica habitualmente al pulso de RF de 90°, no

al de 180°, ya que este último pulso ya produce el refase de la magnetización.

Figura 7. Representación habitual del pulso de RF y el gradiente de selección de corte. Al aplicar el pulso de
RF (en la secuencia espín eco en este caso) se aplica un gradiente de selección de corte dentro del campo
magnético principal para poder seleccionar el corte a estudio deseado. Este gradiente se compone de un
lóbulo de selección de gradiente y otro lóbulo de refase que tiene un área bajo la curva de la mitad.
Una vez seleccionado el corte, los espines, en el momento de empezar a aplicar
los gradientes necesarios para poder codificar la señal que se utilizará para
rellenar el espacio K se encuentran en fase (gracias al lóbulo de gradiente de
refase). Al aplicar a este corte un gradiente en el plano seleccionado (en la
dirección 𝑦 o en la 𝑥) los espines precesarán a diferentes velocidades según la
intensidad del gradiente, produciendo una pérdida de la fase que, al dejar de
aplicar el gradiente, se mantiene hasta que se aplica otro gradiente o la señal
que proporcionaría el espín decae (por relajación T2*). Esta pérdida de fase es
dependiente de la posición del espín y de la potencia del gradiente aplicado,
quedando, una vez deja de aplicarse, reflejado en la fase de precesión de los
protones. Esto se conoce como codificación por fase (figura 8).

Figura 8. Representación habitual de la aplicación del gradiente de fase in-plane. Se pueden identificar las
filas con diferentes potencias de gradiente, con los gradientes máximos en los extremos superior e inferior
del rectángulo para matrices de datos utilizadas habitualmente en la práctica cínica
(±512, ±256, ±128, ±64, 𝑦 ± 32 𝑝í𝑥𝑒𝑙𝑒𝑠). En el centro, representado en rojo, se muestra el gradiente 0, o
la ausencia de gradiente de fase que se encuentra habitualmente en el centro de donde se obtendrá la
máxima intensidad de señal (ya que no hay pérdida de ésta por el desfase que genera el gradiente de fase).

Uno de los factores determinantes en el tiempo es el número de pasos de

gradientes de fase que se aplican a la hora de codificar el corte de la imagen. Por
ejemplo si se utiliza una matriz de 256 𝑥 256, harán falta 256 pasos de
gradiente de fase (±128) para la codificación del corte. Suponiendo un TR de
1000 𝑚𝑠, el tiempo total teórico sería de 256 𝑥 1 𝑠 = 256 𝑠 = 4,26 𝑚𝑖𝑛.
Si para codificar en la otra dirección del plano (suponiendo que se ha realizado la
codificación de fase en la dirección 𝑌) se hiciera lo mismo, el tiempo total
requerido para codificar una matriz de 256 x 256 con un TR de 1000 ms sería de
¡65,536 s, 1092 min o 18 horas!. Para evitar esto se utiliza otro tipo de
codificación más sencilla (y de hecho, históricamente anterior): la codificación de
frecuencia o lectura (figura 9).

Este proceso es técnicamente idéntico al utilizado para obtener el corte del

paciente solo que esta vez se utiliza en otra dirección del plano, 𝑋 en este caso,.
De nuevo hay que tener en cuenta que al aplicar un gradiente se está también
cambiando la fase, por lo tanto, habrá que aplicar primero un lóbulo de desfase y
luego uno de refase opuesto para recuperar la fase que se había codificado.

Este gradiente debe aplicarse posteriormente a todos los demás, siendo aplicado
al mismo tiempo que se produce la lectura de la señal mediante las antenas
receptoras y, por tanto, codificando diferentes frecuencias según la posición.

Figura 9. Representación habitual de la aplicación del gradiente de frecuencia in-plane y el eco recibido en la
secuencia espín eco. Se aplica un lóbulo de desfase y, posteriormente, se aplica ya el lóbulo de gradiente de
refase con una AUC de dos veces la del lóbulo de desfase para producir la codificación de frecuencia,
consiguiendo así que en el centro de este lóbulo se produzca la máxima intensidad del eco. El tiempo de
muestreado está presente en este momento de la secuencia.
La onda EM obtenida o eco lleva consigo la codificación de fase y de frecuencia
así como una amplitud variable. La antena receptora de la RM se activará para
poder recibir esta señal a lo largo de un tiempo determinado. Por como funciona
la secuencia espín eco, la amplitud máxima de la señal estará en el punto
central de la onda que se recibe. Los espines que se estaban desfasando, tras el
pulso de 180°, se refasan progresivamente a un punto de amplitud de señal
máximo para luego volver a perder señal, desfasándose. Esta lectura se hace en
el segundo lóbulo del gradiente de frecuencia aplicado.
Para poder entender de una forma más visual qué es lo que realmente está
ocurriendo en el proceso de codificación de la señal, se remite al lector a las
siguientes figuras: figura 10, figura 11, figura 12 y figura 13.

Figura 10. Representación visual de como afecta a los protones la aplicación de un gradiente de frecuencia
sobre el campo magnético a lo largo de un espacio determinado. Si este gradiente se mantiene durante la
adquisición del eco, los protones tendrán diferente frecuencia angular según su posición (por columnas en
este caso) permitiendo una codificación de su posición por columnas en este eje (X en este caso). 𝜔 =
frecuencia angular; 𝜔+ = frecuencia angular más alta y 𝜔− = frecuencia angular más baja.
Figura 11. Representación visual de como afecta a los protones la aplicación de un gradiente de fase a lo largo
del uno de los ejes del corte in-plane (Y en este caso). En a) se ve la representación habitual en los diagramas
de secuencias de pulso como filas de gradientes, con los más potentes en los extremos. En b) se representa
como influye el gradiente sobre un grupo de protones en una misma columna (que tendrán luego una
codificación de frecuencia particular) condicionando un desfase de 360° o 2𝜋 radianes. En c) sucede lo mismo
que en b) pero con un gradiente el doble de potente, condicionando un desfase de 720° − 2 𝑥 360° − o 4𝜋
radianes.

En la figura 10 se muestra como según la localización de las columnas de espines

que se forman, éstas tienen una frecuencia angular mayor o menor, permitiendo
así codificar su posición. No obstante, ¿cómo se sabe cual está arriba y cual está
abajo? Esto se consigue con la codificación de fase (figura 11) que trabaja con
diferencias en la señal entre una fase y otra. Hay que recordar que en una
matriz de 256 píxeles en la dirección de codificación de fase harían falta 255
codificaciones de fase diferentes más la codificación de fase 0, o ausencia de
gradiente de fase, para poder distinguir entre los espines de una misma columna.

Puede quedar aún la duda de como exactamente se pueden asignar diferentes

valores de intensidad a cada una de las posiciones. En la figura 12 esto queda
visualmente más claro.
Con 2 filas y 3 columnas (matriz de 2 x 3); donde se asigna a las columnas la
codificación de frecuencia y a las filas la codificación de fase, es la diferencia en
las fases lo que permite obtener la posición en esa dirección. Si se hubiera
codificado al revés, serían necesarias 3 codificaciones de fase (TR) para poder
diferenciar entre las posiciones; de la forma propuesta, únicamente 2.

Figura 12. Representación visual de como se puede localizar la posición de los vóxeles mediante la
codificación de fase. Ejemplo con 6 vóxeles. Gracias a la codificación de frecuencia se puede diferenciar 3
columnas por su frecuencia angular (más alta, neutra o más baja) mediante la FT; pero para diferenciar los
vóxeles según las filas se tendrán que realizar dos gradientes de fase; uno sin gradiente de fase (fase 0) y otro
con un gradiente de fase de 180° (fase 1). La diferencia entre las señales obtenidas mediante cada gradiente
de fase permite diferenciar las posiciones relativas de las filas en cada columna.

La diferencia en la señal obtenida una vez se ha realizado la FT permite delimitar

que valor del total de la señal se asigna a cada posición. En este caso sería como
resolver 3 sistemas de ecuaciones con dos incógnitas y dos ecuaciones. Por
ejemplo, para el caso de la señal en la primera columna:
𝐴 + 𝐵 = 10
𝐴−𝐵 =0
Para dicha columna los valores solo pueden ser 𝐴 = 5 y 𝐵 = 5.
Para la segunda columna el sistema de ecuaciones sería:
𝐶+𝐷 =7
𝐶−𝐷 =1
Para dicha columna los valores solo pueden ser 𝐶 = 4 y 𝐷 = 3 . Y así
sucesivamente con el resto de columnas. El proceso real es más complejo pero
de esta forma se puede comprender de forma sencilla el principio básico.

Una vez se han aplicado estos dos gradientes lo que se está produciendo en el
paciente (en el corte que se ha delimitado) son una serie de patrones
conformados por los espines (figura 13) que dibujan algo similar a unas ondas
que cambian de intensidad con la distancia (figura 14). También cambia la
intensidad global y dirección del vector de magnetización.
Según cómo coincidan los patrones que se constituyen mediante las
codificaciones con el objeto a estudio (en este caso, presencia o ausencia de
protones en el volumen del paciente) se obtendrá una mayor (alta coincidencia)
o menor intensidad (baja coincidencia) de señal. La coincidencia global por lo
general es baja lo cual hace que se requieran muchos de estos patrones para
obtener una imagen adecuada (figura 15).

Hay que tener en cuenta que el signo del patrón de blancos y negros es
trascendente, o lo que es lo mismo, la fase de dicho patrón es importante puesto
que pueden sumarse o restarse a los siguientes patrones que se vayan
añadiendo.

Una vez finalizado el proceso de codificación de fase y aplicando el de frecuencia

(no hay que olvidar que este último es bilobar) se recibe un eco o señal. Este eco
es producido por el pulso de radiofrecuencia de 180° en la técnica espín eco.
Para poder almacenar e interpretar este eco, la RM debe primero muestrearlo, es
decir se tiene que pasar de la señal analógica del eco a una digitalizada. Este
proceso se conoce como conversión analógica-digital (ADC).
Figura 13. Se representa como afecta al conjunto de espines en un plano concreto la aplicación de los
gradientes de frecuencia primero y de fase después (en la práctica habitual es al revés, pero por motivos
visuales se ha permutado la secuencia habitual). Se puede ver como se van construyendo patrones de zonas
de alta intensidad y de baja intensidad a lo largo del plano condicionando diferentes frecuencias espaciales en
diferentes direcciones.

Figura 14. En la imagen de la tercera columna de la figura 13 se puede ver como se van definiendo patrones
de alta intensidad y baja intensidad definidos por como los espines apuntan en una misma dirección (máxima
intensidad), apuntan de forma contraria (mínima intensidad) o aleatoria otras direcciones (diferentes grados
de intensidad intermedia) – columna de la izquierda. Esto define un patrón que se ve en la columna de la
derecha de alta y baja intensidad periódico definiendo una frecuencia espacial determinada
Figura 15. La coincidencia entre el patrón determinado por la fase y la frecuencia con el objeto es lo que da
lugar a una mayor o menor señal. En a) el objeto a estudio es uniforme haciendo que las fases de los espines
se vayan cancelando unos con otros y la señal global sea baja. En b) el objeto a estudio tiene una distribución
que coincide con un determinada fase de la columna de espines que van añadiendo a la señal global sin tener
pérdidas por los espines en direcciones opuestas; la señal global de dicha frecuencia espacial será alta.

Esta digitalización sucede al mismo tiempo que se está aplicando el gradiente de

codificación de frecuencia. El tiempo de lectura total o tiempo activo viene
determinado por 3 elementos: el tiempo de eco (TE), el tiempo de muestreado
(𝑇𝑆 ) y el tiempo previo (𝑇𝑜 ). Este último comprende posibles eventos antes del
pulso de RF.
𝑇𝑆
𝑇𝑖𝑒𝑚𝑝𝑜 𝑎𝑐𝑡𝑖𝑣𝑜 = 𝑇𝐸 + + 𝑇𝑜
2
En la ecuación, el 𝑇𝑆 aparece dividido por 2 porque el TE ya implica la primera
parte del registro del eco. El TE va desde el pulso de 90° hasta el pico del eco, por
tanto, comparte dicha primera parte con la primera parte del 𝑇𝑆 .

En este tiempo activo tiene lugar el muestreado que consiste en tomar una serie
de valores de la onda de eco analógica para obtener una versión digitalizada de la
misma (figura 16). Este muestreado es importante puesto que es el que va a
permitir una correcta interpretación del eco analógico. Con insuficientes
muestras no se podrá interpretar adecuadamente por superposición de las FT.
Figura 16. En el apartado a) se presenta en la columna de la izquierda la función 𝑠𝑖𝑛𝑐𝜔𝑜 𝑡, una función de
señal habitual de RM como ejemplo. En la parte de la derecha se produce el muestreado: cada tiempo
definido por ∆𝑇𝑆 se “pregunta” por la intensidad de la señal y se registra. En el apartado b) está la FT de la
función completa (izquierda) y el equivalente de la señal muestreada (derecha) en la que se repite la misma
forma varias veces con la frecuencia central definida por 1/∆𝑇𝑆 o múltiplos y los extremos de cada
rectángulo definidos por 𝜔𝑜 .

Este inframuestreado hace que se asigne a la onda original una frecuencia o

frecuencias (según la complejidad de la onda) inferiores a las reales – fenómeno
conocido como aliasing (figura 17). Para evitar esto, se debe muestrear un
mínimo número de veces:
1
𝑓𝑚𝑢𝑒𝑠𝑡𝑟𝑒𝑎𝑑𝑜 = ≥ 2𝜔𝑚𝑎𝑥
∆𝑇𝑠

Donde ∆𝑇𝑠 es el intervalo de muestreado utilizado. Es decir, se requieren un

mínimo de dos muestras por frecuencia máxima – ley de Nyquist (figura 18). El
tiempo total de muestreado 𝑇𝑠 es igual al número de codificaciones de la señal,
por ejemplo de frecuencia (𝑁𝑥 ), por el tiempo de intervalo de muestreado ∆𝑇𝑠 .
La relación entre estas variables está expresada por las ecuaciones:
1 𝑇𝑠
𝐵𝑊 = 𝑦 ∆𝑇𝑠 =
∆𝑇𝑠 𝑁𝑥 ó 𝑦
Para poder entender la primera relación hay que recordar que la frecuencia es
equivalente al período o inverso del ciclo. Es decir que si ∆𝑇𝑠 es el intervalo de
muestreado en la escala temporal 1/∆𝑇𝑠 lo es en la escala de frecuencias. Si ∆𝑇𝑠
disminuye, las FT del muestreado estarán más separadas (1/∆𝑇𝑠 será mayor);
aumentando el rango total de frecuencias: un mayor BW. Si se trabaja a la
frecuencia de Nyquist (o máxima) el ancho de banda del receptor deberá ser
BW = 2𝜔𝑚𝑎𝑥 = 1/∆𝑇𝑠 .

Figura 17. En el apartado a) se ve como al trabajar a la

frecuencia máxima o de Nyquist las FT del muestreado
de la onda original quedan “perfectamente” separadas.
Por tanto a la hora de hacer la FT de la señal original
para reconstruir la imagen no habrá problemas. El
centro es 1/∆𝑇𝑠 , un múltiplo suyo o 𝜔𝑜 (frecuencia de
Nyquist). El ancho de banda es dos veces dicha
frecuencia. En b) se puede ver visualmente como al
aumentar el muestreado (menos muestras en un mismo
𝑇𝑠 ) los centros de las FT del muestreado se juntan
produciendo el fenómeno de aliasing; no se puede
obtener la frecuencia real sino una menor.

Esta señal muestreada es la que rellenará el espacio de datos final. Al ver este
espacio de datos, se puede comprobar que se su unidad de medida es el tiempo
(figura 19). Entre las diferentes filas habrá una “distancia” TR. Entre las diferentes
columnas habrá una distancia de intervalo de muestreado. Es un espacio
asimétrico, la distancia entre filas (cada TR) de segundos y la distancia entre
columnas (cada ∆𝑇𝑠 ) de microsegundos.

Finalmente sobre este espacio de datos completos se realiza una transformación

matemática que lo hace más simétrico y es lo que se llama como tal espacio K.
Como pincelada final de esta sección hay que tener en cuenta que cada punto
muestreado digitalizado de la señal que conforma el espacio de datos o, tras la
transformación matemática, espacio K, puede ser representado como un
número complejo con un componente real y uno imaginario. Se puede
diferenciar su componente real e imaginario gracias a la adquisición de la señal
en “cuadratura” que permite obtener la misma señal pero desde puntos del
espacio diferentes – perpendiculares entre sí (figura 20). Hoy en día hay métodos
más avanzados pero el mínimo exigido es el de cuadratura que requiere dos
antenas receptoras.

De este número complejo se puede obtener un total de 4 valores con las que se
podría construir 4 imágenes: la imagen ”real”, la imagen “imaginaria”, la imagen
de la magnitud y la imagen de fase (figura 21).

Técnicamente se podría construir la imagen utilizando cada una de las imágenes

de valores definidas en el párrafo anterior. Normalmente solo se utiliza en la
práctica diaria la imagen de magnitud (suma del componente real e imaginario),
y en algunas secuencias más modernas, como por ejemplo la Imagen Potenciada
en Susceptibilidad (SWI) la de fase también.

Se puede ver un resumen global del paso del corte al espacio K en la figura 22.

Del espacio K a la imagen – la transformación de las frecuencias espaciales

Una vez finalizada la secuencia ya habremos obtenido la famosa imagen que

tenemos en la mente cuando pensamos en el espacio K. En el caso más sencillo
de rellenado cartesiano secuencial que se ha explicado el espacio K tendrá un
total de 𝑁𝑥 · 𝑁𝑦 puntos de muestreado, es decir, para el caso de una imagen de
256 𝑥 256 píxeles tendremos un total de 65.536 píxeles en la imagen final.
Figura 18. Representación visual del muestreado de señal y el teorema de Nyquist. En la columna de la
izquierda se ven dos señales de diferente frecuencia; al muestrear insuficientemente la FT nos devuelve que
ambas ondas son iguales y de una frecuencia menor a la real (aliasing). Al incrementar el muestreado
(columnas central y de la derecha) esto se va solucionando progresivamente. Se necesita un mínimo de 2
muestreados por ciclo de la frecuencia mayor en la onda compleja o conjunto de ondas.

FT

Figura 19. En a) se ve el espacio de los datos de las señales. Su dominio es el tiempo la diferencia entre las
filas viene determinada por el TR (cientos de ms o segundos) mientras que la diferencia en las columnas por
∆𝑇𝑠 (𝜇𝑠 o ms) de ahí la asimetría. En b) se realiza una transformación matemática para convertirlo en el
espacio K donde el dominio son las frecuencias espaciales. Finalmente en c) para producir la imagen se
realiza una FT de dos dimensiones (2DFT) para producir la imagen.
Figura 20. El llamado sistema de cuadratura a) permite adquirir mayor señal del espín precesando al tener
dos antenas dispuestas 90° una respecto a la otra. La señal obtenida es la “misma” pero con una diferencia de
fase de 90°. Al tener dos canales se puede representar cada punto de muestreado de la señal como un vector
b) con un componente imaginario, uno real, su magnitud y también obtener la fase.

Figura 21. Imágenes que se pueden obtener extrayendo la información de las antenas de cuadratura. La
imagen real y la imaginaria son “complementarias” con la única diferencia entre ellas la fase de 90 °. La
imagen de magnitud es la imagen con la que se trabaja habitualmente en la práctica clínica y combina la
imagen real y la imaginaria. Por último, en la cuarta columna, está la imagen utilizada en secuencias de
susceptibilidad como la SWI. Cortesía de Allen D. Elster, MRIquestions.com.
Figura 22. Resumen global del relleno del espacio K desde la codificación del corte real a estudio mediante
gradientes pasando por el muestreado y procesado de la señal que permite reconstruir el espacio K – en este
caso de forma cartesiana.

Este espacio K final tiene una serie de particularidades.

• La mayor intensidad de la señal global obtenida al final de la obtención de un

plano se encuentra en el centro de la imagen. En otras palabras, el máximo
contraste se encuentra en las frecuencias espaciales centrales o bajas.
• La menor intensidad (por un mayor desfase de la señal) se encuentra en la
periferia del espacio K. No obstante estas frecuencias espaciales son altas, es
decir, tienen muchos picos y valles en un pequeño espacio, y por tanto,
definen los llamados patrones finos o de detalle de la imagen. A mayor
número de estas frecuencias, mayor resolución de la imagen.
• El espacio K presenta lo que se llama una simetría conjugada o diagonal.
Como su nombre indica, la señal en este espacio tiene este tipo de simetría
entre los diferentes cuadrantes en una dirección diagonal. Lo cual quiere decir
que hay una cierta redundancia en las frecuencias espaciales. Esta propiedad
tiene una relevancia fundamental puesto que es algo de lo que se aprovechan
los diferentes algoritmos de reconstrucción de imagen para reducir el tiempo
de adquisición.
Se puede obtener el espacio de frecuencias espaciales (o K) de cualquier imagen.
Mediante la adición de estas frecuencias ir conformando de forma progresiva la
imagen de vuelta sin ninguna pérdida (figura 23 y figura 24). La particularidad del
caso de la RM es que no hay una imagen de la que se obtenga su espacio de
frecuencias espaciales si no una señal analógica que se ha codificado
espacialmente y de la cual se ha obtenido el espacio K para, posteriormente,
reconstruir la imagen final.

Figura 23. A partir de una imagen bidimensional en escala de grises (izquierda) se obtiene un espacio de
frecuencias espaciales (derecha) que la constituyen con las características de este espacio. No hay pérdidas
entre la imagen real que conocemos y su equivalente espacio K. Además se puede ver visualmente la
simetría del espacio K. Los ejes de la imagen real (X e Y) representan unidades de distancia mientras que los
ejes del espacio K representan frecuencias espaciales (𝐾𝑥 y 𝐾𝑦 ).

De la señal analógica codificada mediante los gradientes, se obtiene una versión

discretizada. Esta versión discretizada es la que va a permitir llenar el espacio K
de forma progresiva – en la versión cartesiana – fila por fila aunque otras muchas
formas de rellenar dicho espacio.

Finalmente, al realizar la transformación de Fourier 2D a este espacio K, ya sea

fila por fila de la parte superior a la inferior, viceversa o de las filas del centro a
las más externas se van a ir obteniendo las frecuencias espaciales que irán
conformando de forma progresiva la imagen (figura 25).
Figura 24. La adición de las diferentes frecuencias espaciales permite construir la imagen original sin ningún
tipo de pérdida.

Figura 25. Cada punto del espacio K representa una frecuencia espacial que se puede obtener mediante una
FT de dos dimensiones (2DFT). Al sumar todas estas frecuencias espaciales se puede obtener la imagen
almacenada en dicho espacio K.
Figura 26. A partir de un único punto del espacio K se obtiene la frecuencia espacial específica de ese punto
con su codificación en fase y frecuencia – es decir, su dirección – su intensidad de señal y su fase específica
que constituirá la imagen final en su totalidad.

Hay que aclarar que no existe una relación “píxel por píxel” entre la imagen final
de RM y el espacio K. Realmente, como se ha podido deducir de lo que se ha ido
explicando hasta ahora, cada punto o frecuencia espacial del espacio K forma
parte de la totalidad de la imagen final (figura 26) y viceversa.
Este espacio K tiene una serie de particularidades como que a mayor tamaño y
homogeneidad del objeto, menos frecuencias espaciales son necesarias para
representarlo. Además también hay que tener en cuenta que su disposición
espacial implica un cambio sobre el espacio K (figura 27).
Como ya se ha comentado al inicio de esta sección del trabajo en el centro del
espacio K se encuentra el contraste de la imagen final mientras que en la periferia
se encuentra el detalle fino (figura 28).
Se puede ver visualmente en la figura 29 como el inframuestreado, en este caso
particular en la dirección supero-inferior, afecta a la imagen final, reduciendo el
FOV en dicha dirección y ocasionando el conocido fenómeno de alisasing.
a) b)
Figura 27. Otra de las características del espacio K es que a menos tamaño del objeto (suponiendo una
homogeneidad del mismo igual) mayor cantidad de frecuencias espaciales son necesarias para poder
reconstruirlo. En a) en la columna de la izquierda sólo hace falta una, en la de en medio hace falta un mayor
número de frecuencias espaciales y en la de la derecha hace falta aún un mayor número de frecuencias en el
espacio K. En b) se puede ver como la forma o dirección que toma la imagen (cuadrado sin rotar vs rotado 45°)
implica un cambio en dicha dirección de las frecuencias espaciales del espacio K (columna de la derecha).

Existe una relación entre la frecuencia máxima del espacio K y el tamaño de los
“píxeles” del espacio K con el campo de visión (FOV) de la imagen final y la
resolución. Esta relación puede ser poco intuitiva pero es importante conocerla
para conocer en profundidad el espacio K.

Viendo la figura 30 la pregunta es: ¿de donde viene exactamente la relación

∆𝒌𝒙 = 𝟏/𝑭𝑶𝑽𝒙 .? Es decir, ¿por qué el tamaño del “píxel” en una dirección de
codificación del espacio K medido en ciclos por unidad de distancia (metros o
centímetros) equivale al inverso del campo de visión en dicha dirección?
Como ya se ha descrito, cuando se genera un gradiente magnético (en la
dirección que sea) se establece una relación lineal entre la posición y la fuerza
del campo magnético: 𝐵𝑥 = 𝐺𝑥 · 𝑥. Si se multiplica ambos lados por la constante
giromagnética se obtiene:
𝛾 · 𝐵𝑥 = 𝛾 · 𝐺𝑥 · 𝑥.
Figura 28. Relación del
espacio K con la imagen
final. En a) se encuentra la
imagen que se corresponde
con la 2DFT del centro del
espacio K – b) – que
contiene el contraste de la
imagen pero falta el detalle
fino. El caso complementario
se identifica en c) donde está
el detalle fino de la imagen
representado por las
frecuencias espaciales
periféricas del espacio K –
d). 2DFT = Transformada de
Fourier de 2 dimensiones.

Figura 29. En la imagen superior se

representa la consecuencia de un
inframuestreado del espacio K pero
con una compresión del mismo para
no mostrar el interlineado; el
resultado es una disminución del
FOV en la misma dirección en la
imagen final. En la imagen inferior se
tiene el mismo problema de
muestreado insuficiente pero esta
vez no hay compresión del espacio K
que muestra el interlineado cuya
consecuencia es el artefacto de
aliasing en la imagen final con el FOV
completo. 2DFT = Transformada de
Fourier de 2 dimensiones.
Figura 30. Existe una relación entre el espacio K (izquierda, dominio de frecuencias espaciales) y la imagen
final que obtenemos de dicho espacio K (derecha, dominio de distancia – píxeles). Esta relación tiene como
elementos importantes: ∆𝑘𝑥 (unidad del espacio K, ciclos/distancia), ∆𝑥 (unidad de la imagen, distancia,
píxeles), 𝑘𝑥 (suma de los ∆𝑘𝑥 del espacio K, frecuencia máxima), 𝐹𝑂𝑉𝑥 (suma de los ∆𝑥, distancia máxima de
la imagen final) y 𝑁𝑥 (número de codificaciones de frecuencia en la dirección de x). Esto es aplicable tanto
para esta dirección como para la Y.

En el lado izquierdo de la igualdad está la ecuación de Larmor (𝑓𝑥 = 𝛾 · 𝐵𝑥 ) que

relaciona la frecuencia angular con el campo magnético. Se deduce entonces que
𝑓𝑥 = 𝛾 · 𝐺𝑥 · 𝑥.

El campo de visión o FOV viene determinado por la frecuencia máxima que se

puede alcanzar gracias a la mayor o menor potencia del gradiente. Como la
frecuencia máxima va, una vez centrada, de −𝑓𝑚𝑎𝑥 a +𝑓𝑚𝑎𝑥 se tiene en la mitad
derecha de la imagen la frecuencia máxima correspondiente al 𝐹𝑂𝑉/2.

Por tanto, la frecuencia máxima a la derecha del FOV se expresa como: +𝑓𝑚𝑎𝑥 =
𝛾 · 𝐺𝑥 · 𝐹𝑂𝑉/2; y la mínima se expresa como: −𝑓𝑚𝑎𝑥 = −𝛾 · 𝐺𝑥 · 𝐹𝑂𝑉/2. El rango
desde la frecuencia mínima a la máxima es lo que se conoce como ancho de
banda o bandwidth (BW) que se puede expresa como: 𝐵𝑊 = 2𝑓𝑚𝑎𝑥 .
De las ecuaciones anteriores se deduce que 𝐵𝑊 = 𝛾 · 𝐺𝑥 · 𝐹𝑂𝑉𝑥 que se puede
reescribir como 𝐹𝑂𝑉𝑥 = 𝐵𝑊/𝛾 · 𝐺𝑥 .

Otra forma de expresar el BW es como el inverso del tiempo de muestreado:

𝐵𝑊 = 1/∆𝑇𝑠 . Sabiendo esto, se puede reescribir la fórmula del 𝐹𝑂𝑉 como:
𝐹𝑂𝑉𝑥 = 1/𝛾 · 𝐺𝑥 · ∆𝑇𝑠 ; si invertimos en los dos lados: 1/𝐹𝑂𝑉𝑥 = 𝛾 · 𝐺𝑥 · ∆𝑇𝑠 .

Si se habla de intervalos de muestreado (∆𝑡) en vez de tiempo de muestreado

total (∆𝑇𝑠 ) se puede reescribir la ecuación como: 1/𝐹𝑂𝑉𝑥 = 𝛾 · 𝐺𝑥 · ∆𝑡𝑥 . Es la
parte derecha de la ecuación lo que se conoce como ∆𝑘𝑥 . De ahí se puede
extraer la famosa relación:
𝟏
∆𝒌𝒙 =
𝑭𝑶𝑽𝒙

También hay que tener en cuenta como está representada la resolución final de
la imagen (lo pequeños o grandes que son los píxeles) en el espacio K. Si el FOV
viene determinado por la ecuación ∆𝑘𝑥 = 1/𝐹𝑂𝑉𝑥 , la resolución de la imagen
viene determinada por el número de pasos de adquisición de frecuencia (𝑁𝑥 ), el
número de pasos de adquisición de fase (𝑁𝑦 ) y el espaciado entre puntos del
espacio K en ambas direcciones (∆𝑘𝑥 y ∆𝑘𝑦 ).

Habiendo hecho esta aclaración se puede entender entonces como el número de

∆𝑘𝑥 en el eje x o y determina el tamaño del FOV en dichos ejes (figura 31). Otra
forma de expresarlo sería como el tiempo de muestreado o el gradiente aplicado
también influyen sobre el FOV final de la imagen.

Un imagen con 512 (𝑁𝑥 ) x 512 (𝑁𝑦 ) tendrá una mayor resolución que una de la
mitad de pasos de codificación – para un mismo FOV (mismo ∆𝑘𝑥 /∆𝑘𝑦 ). No
obstante, y debido al menor tamaño de los vóxeles (suponiendo que se
mantenga constante el FOV), la SNR de cada vóxel será más baja, haciendo que la
imagen final se vea más granulada. Es por ello que hay que buscar un equilibro
que no empeore la calidad de la imagen globalmente.
Figura 31. En la columna de la izquierda con pocos ∆𝑘 (o también por inframuestreado) sucede el fenómeno
de aliasing, es decir el FOV de la imagen es demasiado pequeño haciendo que aquellas frecuencias percibidas
por la antena receptora pero que se quedan fuera del FOV sean situadas erróneamente en la imagen final. En
la columna central esto cambia al utilizar un muestreado más apropiado que hace que el FOV más adecuado.
En la columna de la derecha se ve un caso de “exceso de muestreado” u oversampling haciendo que el FOV
sea innecesariamente grande (esta técnica se utiliza en algunas ocasiones para solucionar el aliasing).

Esto en el espacio K no se ve como una mayor concentración de puntos – esto es

lo que determina el FOV – sino como un aumento de las frecuencias máximas y
mínimas que se utilizan para poder reconstruir la imagen (figura 32).
Esto también se puede derivar como el caso del 𝐹𝑂𝑉. Se debe tener en cuenta la
ecuación antes obtenida:
𝟏
∆𝒌𝒙 =
𝑭𝑶𝑽𝒙
Se puede intuir que el total de frecuencias espaciales cubiertas en la dirección x
(para seguir con el ejemplo) del espacio K viene determinada por 𝑘𝑥 = ∆𝑘𝑥 · 𝑁𝑥 .
Si se aprovecha la simetría del espacio de frecuencias 2𝑘𝑚𝑎𝑥 = ∆𝑘𝑥 · 𝑁𝑥 .
Figura 32. En el espacio K, la mayor resolución de la imagen lo determina la frecuencia máxima con la que
se trabaje. Manteniendo la distancia de ∆𝑘𝑥 y ∆𝑘𝑦 iguales, al aumentar rango de frecuencias con las que se
trabaja, es decir, aumentar la 𝑘𝑚𝑎𝑥 , la resolución de la imagen mejorará. En el caso del ejemplo, la 𝑘𝑚𝑎𝑥
más alta (morada) da una mejor resolución que la segunda 𝑘𝑚𝑎𝑥 (azul), ésta una mayor resolución que la
verde, y por último, ésta una mayor 𝑘𝑚𝑎𝑥 / resolución que la roja.

El campo de visión se representa en la imagen como el grosor del píxeles por el

número total de píxeles, estando este último valor determinado por el número
de codificaciones 𝐹𝑂𝑉𝑥 = ∆𝑥 · 𝑁𝑥 o, tras una reorganización algebraica, 𝑁𝑥 =
𝐹𝑂𝑉𝑥 /∆𝑥.

Si se sustituye en la última ecuación de la página anterior la frecuencia máxima

se obtiene que 2𝑘𝑚𝑎𝑥 = ∆𝑘𝑥 · 𝐹𝑂𝑉𝑥 /∆𝑥. Tras un poco de álgebra se deriva que
∆𝑥 = ∆𝑘𝑥 · 𝐹𝑂𝑉𝑥 /2𝑘𝑚𝑎𝑥 .

Siendo ∆𝑘𝑥 = 1/𝐹𝑂𝑉𝑥 el numerador de la ecuación anterior se anula y se

obtiene la ecuación:
∆𝒙 = 𝟏/𝟐𝒌𝒎𝒂𝒙
a) b)

c)

Figura 33. Artefacto sobre la imagen final producido por un punto excesivamente brillante (con mucha
señal) en el espacio K. Dicho punto representa una frecuencia espacial determinada por la posición que
ocupa en el espacio K, al ser tan brillante, queda sobrerrepresentada produciendo un artefacto que no es
más que visualizar dicha frecuencia espacial excesivamente en la imagen final. En el caso de a) es una
frecuencia espacial muy alta (las zonas de alta intensidad y valles están muy juntas) y tiene una dirección
diagonal superior-derecha. En el caso de b) tiene una frecuencia espacial algo menos alta aunque la
dirección es la misma. En c) este spike de señal es casi central, teniendo una frecuencia espacial muy baja y
con un componente horizontal pero ninguno vertical.

Que relaciona el grosor del píxel en la imagen con la frecuencia máxima del
espacio K. Esta relación funciona de forma independiente para cada dirección
𝑥, 𝑦, 𝑧. Ésta es la razón de que un diferente uso de número de codificaciones de
frecuencia en el eje de codificación de frecuencia y de fase de lugar a vóxeles
rectangulares.

Es también importante el conocimiento del espacio K y su funcionamiento para

poder así entender la aparición de algunos artefactos de imagen derivados de su
uso. Ya se ha mostrado como un FOV demasiado pequeño puede producir
aliasing, un artefacto que incluso a día de hoy sigue siendo bastante común en
el día a día.
Otros artefactos que también pueden aparecer por anomalías en el espacio K son
aquellos derivados de puntos demasiado brillantes alejados del centro del
espacio K y que se suelen deber a registros anómalos de la señal (figura 33) y no
a una SNR elevada como ocurre con las frecuencias bajas o centrales, o el
artefacto fantasma, obtenido por un mal registro de la fase en el espacio K .

Conclusión

Se ha podido mostrar de una forma teórica y visual el funcionamiento básico de

la adquisición de los cortes del paciente para transformarlos en una imagen final
de RM, pasando por el espacio K. El objetivo de este trabajo era el de facilitar el
entendimiento fundamental, sin entrar en demasiados detalles, sobre como se
construye este espacio K, qué utilidad tiene, que elementos los componen,
como se extraen, como se pasa del espacio K a la imagen real, algunas de sus
peculiaridades y algunos de los artefactos que son consecuencia de su uso.

Este trabajo espera haber conseguido este objetivo e insta al lector

encarecidamente a leer la bibliografía referida para entender mejor y
profundizar sobre este concepto que puede ser tan difícil de entender.

Se insta también al lector a utilizar los diferentes programas creados por

usuarios o grupos para facilitar el entendimiento del funcionamiento del espacio
K. Entre ellos, se recomienda “K-Space Explorer” (https://k-space.app/) por ser
gratuito y de código abierto.

Nota: Las figuras presentes en este trabajo, salvo que esté expresamente
indicado de otra manera, son trabajo del autor principal del mismo y están
sujetas a una licencia de cultura libre Reconocimiento 4.0 Internacional (CC BY
4.0).
 Referencias
1. Elster AD. MRI Questions [Internet]. 2021. (MRIQUESTIONS.com). Available from: MRIQUESTIONS.com
2. Hashemi RH, Bradley W, Lisanti CJ. MRI: the basics [Internet]. Lippincott Williams & Wilkins; 2017. Available
from: https://www.vlebooks.com/vleweb/product/openreader?id=none&isbn=9781496384348
3. Larsson C. Introduction to Phase Encoding in MRI [Internet]. Elsevier Ltd; 2014. 19 p. (Design of Modern
Communication Networks). Available from: https://dx.doi.org/10.1016/B978-0-12-407238-1.00001-4
4. Biró G. K-Space Explorer. 2022. (https://k-space.app/).
5. Miller K. MRI Image Formation. FMRIB Physics Group; 2012.
6. Wald G. MR Image Enconding. Harvard-MIT Division of Health Sciences and Technology; 2006. 12 p. (Magnetic
Resonance Analytic, Biochemical, and Imaging Techniques).
7. Hanson LG. Introduction to Magnetic Resonance Imaging Techniques [Internet]. 2009. Available from:
https://explore.openaire.eu/search/other?orpId=drcmr_____dk::fa74b2b6aa7a1adfbb79fe5631d40398
8. Felmlee JP, Morin RL, Salutz JR, Lund GB. Magnetic resonance imaging phase encoding: a pictorial essay. 1989
Jul 1;9(4):717–22. Available from: http://radiographics.rsna.org/content/9/4/717.abstract
9. Bernstein MA, King KF, Zhou XJ. Handbook of MRI Pulse Sequences [Internet]. San Diego: Elsevier Science &
Technology; 2004. Available from:
https://ebookcentral.proquest.com/lib/[SITE_ID]/detail.action?docID=312727
10. Bushberg JT, Seiberg JA, Edwin M. Leidholdt J, Boone JM. The Essential Physics of Medical Imaging [Internet].
Philadelphia: Wolters Kluwer Health; 2020. Available from:
https://ebookcentral.proquest.com/lib/[SITE_ID]/detail.action?docID=6882212