磁共振擴散峰度成像技術的基本原理及應用現狀

王 利 綜述，印隆林，白 林，高 燕，蔣 瑾△ 審校

(1.川北醫學院，四川 南充 637000；2.四川省醫學科學院·四川省人民醫院放射科，四川 成都 610072)

△通訊作者

磁共振擴散峰度成像技術的基本原理及應用現狀

王 利1綜述，印隆林2，白 林2，高 燕2，蔣 瑾2△審校

(1.川北醫學院，四川 南充 637000；2.四川省醫學科學院·四川省人民醫院放射科，四川 成都 610072)

磁共振成像技術以其無放射性損傷及軟組織分辨率高等優點被廣泛應用于人體的多個系統及部位的成像。擴散峰度成像(diffusion kurtosis imaging，DKI)作為一項新的磁共振功能成像技術，可以從微觀領域評估組織結構的完整性，較擴散張量成像(diffusion tensor imaging，DTI)更有優勢，目前主要應用于中樞神經系統及其他系統的研究。本文就DKI技術的基本原理及臨床應用現狀進行簡要綜述。

核磁共振成像；擴散峰度成像；磁共振功能成像；擴散張量成像

隨著MRI軟硬件技術的迅速發展，彌散加權成像(diffusion weighted imaging，DWI)及擴散張量成像(diffusion tensor imaging，DTI)技術已比較成熟。目前DWI已廣泛應用于全身各系統組織器官疾病的診斷與鑒別；而DTI可以從微觀領域評估組織結構的完整性，主要應用于中樞神經系統各方向白質纖維及纖維束的評價，在腹部或其它組織器官的應用也有一些文獻進行了探索。但DWI、DTI的理論前提是組織內水分子擴散呈正態分布，有其一定的局限性；而擴散峰度成像(diffusion kurtosis imaging，DKI)是基于DTI技術上的延伸，為描繪組織內非正態分布水分子擴散的一種新的磁共振成像方法，較傳統的DTI更適合把握組織微觀結構的變化，更利于病變的早期發現，其用于正常及病變組織的評價都有相關文獻報道[1～4]。本文對DKI的基本原理及臨床應用做一簡要綜述。

1 DKI的基本原理

DKI技術最早在2005年由紐約大學Jensen[5]提出，其理論基礎是在活體狀態下，感興趣區的局部組織結構及形態的復雜性(如不同組織類型的細胞及組織內部固有的生化特性等)導致局部水分子的擴散運動實際上呈非正態分布，較正態分布有更高的峰值、更長的尾巴。DKI作為擴散成像的新技術，是基于DTI技術上的延伸，DTI的理論前提為水分子擴散呈正態分布，而DKI技術的產生歷經一個對組織內水分子擴散呈非正態分布的認識、四階張量應用于磁共振成像的轉變過程，可以量化真實水分子擴散與理想狀態下高斯分布擴散的位移偏離大小，表征水分子擴散受限程度和擴散的不均質性，即主要用來探查組織非高斯分布的水分子擴散特性，反映組織微觀結構的變化[6～9]。

水分子的擴散運動是一種無規律的熱運動，從宏觀上看，它可以描述成無數個水分子隨機運動概率的分布，目前應用最多的一種理論是基于隨時間的分布概率的描述。對于單一的、同種性質的液體(如蒸餾水)，水分子的運動分布概率就是高斯模式，其擴散就稱之為高斯運動[10]。但在活的生物組織中，水分子的擴散受到各種因素的影響，如細胞膜、細胞器、細胞內外的間隔等，這些屏障的存在，使水分子的擴散偏離了原來的高斯模型，被稱為非高斯擴散[8，11～13]。

DKI掃描可得到的參數包括平均擴散峰度(mean kurtosis，MK)、軸向峰度(axial kurtosis，K//)、徑向峰度(radical kurtosis，K⊥)，還可同時得到DTI的參數包括各向異性分數(fractional anisotropy，FA)、平均擴散系數(mean diffusion，MD)、軸向擴散張量(axial diffusion，D//)、垂直擴散張量(radical diffusion，D⊥)。DKI最具代表的參數為平均擴散峰度(mean kurtosis，MK)，定義為峰度在所有方向的平均值，被認為是組織微結構復雜程度的指標，是一個反映擴散受限程度的無量綱參數，其大小取決于感興趣區內組織的結構復雜程度，結構越復雜，非正態分布擴散受限越顯著，MK越大[14]。K//類似于擴散張量中的D//，為峰度在擴散本征矢量中最大的擴散本征值，K⊥為所有垂直于本征值最大的本征矢量方向的平均峰度值[14，15]，K⊥越大表明在該方向非正態分布擴散受限越顯著，反之表明擴散受限越弱。

2 DKI的臨床應用

2.1 應用于中樞神經系統疾病的診斷

2.1.1 腫瘤 DKI探索非高斯水分子的彌散特征，而非高斯水分子彌散取決于細胞膜，細胞器水分子間隔等復雜結構[8]。不同級別膠質瘤其組織結構復雜程度有所不同，在腫瘤組織惡變過程中，腫瘤細胞的增殖、分化，新生血管的生成以及膠質細胞瘤的壞死等病理特征的改變反映了腫瘤微觀結構的變化。人體大多數組織的結構復雜(如各類型的細胞、細胞膜和組織的生化特性等)，能夠導致水分子擴散位移概率分布實際上偏離正態分布[14]。DKI為四階三維完全對稱張量，可量化非正態分布水分子擴散，解決DTI無法解決多神經纖維交叉的問題[16]。正常白質纖維組織細胞分化成熟，結構成分復雜，因而可能含有較多彌散屏障。膠質瘤依據腫瘤細胞的分化程度和增殖能力分為四個等級[17]，低級別膠質瘤細胞結構較簡單，一般細胞體積較大，排列相對疏松，相對于高級別腫瘤而言，滲透性更好，因此其彌散屏障更少[18]；高級膠質瘤具有更復雜的細胞結構，不典型性及多形性細胞核，含有更多新生血管及壞死組織[19]，其結構成分的復雜程度雖然更接近于正常腦白質，但仍存在一定差異[18]。根據相關研究表明[10]：腫瘤實質MK值有助于鑒別高級別與低級別腦星形細胞瘤，在高級別(Ⅲ級、Ⅳ級)腦星形細胞瘤分級中，腫瘤實質與遠側水腫帶、囊變區及近側水腫帶間MK是否存在差異對Ⅲ級、Ⅳ級腫瘤分級提示有一定價值；MK可以提示腫瘤實質、囊變區、近側水腫帶及遠側水腫帶間存在差異，可作為腦星形細胞瘤無創性腫瘤分級的生物標記，對未能進行手術的患者進行腫瘤分級評估及治療方式的選擇有很大的應用價值。

2.1.2 退行性病變 DKI是一種無創性評價腦白質纖維走行方向的有效辦法，不僅可以清晰顯示腦白質纖維束的走行，還可觀察白質纖維束的空間方向性和完整性，較傳統DTI技術更適合檢測組織微觀結構的變化[20]。FA值降低提示腦白質同質性的紊亂；MD值升高與神經變性及神經細胞缺失密切相關；MK降低提示神經纖維的密度及纖維基質的結合度受到了影響[21]。隨著年齡的增長，大腦及脊髓等組織結構也在經歷發育和老化的過程。當腦白質纖維出現一系列退行性改變包括神經元的崩解、死亡及細胞構架的塌陷、變形，繼發出現神經纖維的失連接，即可表現FA值及MK值降低、MD值升高，腦白質微觀結構的改變可能更早于其形態的改變，更早于臨床癥狀的出現。DKI技術在灰白質年齡相關性變化、遺忘型輕度認知功能障礙、阿爾茨海默病、帕金森病等疾病的研究方面有很大進展，可早期發現組織微細結構的病理變化，以便進行早期干預治療[3，22～24]。

2.1.3 脫髓鞘病變 以多發性硬化[4]為代表的脫髓鞘病變的特征是腦白質脫髓鞘改變伴軸索損傷和神經元丟失，這些屏障結構的破壞會引起水分子擴散增加，使得病灶及病灶周圍MK值減低，ADC及MD值升高。腦組織結構破壞及組成成分缺失會導致ADC和MD值升高，而膠質增生及炎癥反應卻引起ADC及MD值的下降，因此組織修復會形成限制水分子擴散的屏障。DKI可觀察白質纖維束的空間方向性和完整性，在多發性硬化的研究中[25]，MS病灶部位白質纖維束相對于正常對照組有明顯中斷、缺失表現，纖維束較稀疏，可以直觀地觀察 MS對腦組織的損傷情況，對疾病的診斷和治療有很大應用價值。

2.1.4 血管性病變 DKI信號強度與K值的關系如下：S(b)=S(0)·exp[-bD(k)+b^2·D^2·K/6]，S(b)為信號強度，D為表面彌散系數，b為擴散敏感因子，K為表觀擴散峰度；DKI至少需要3個不同的b值和15個梯度方向，通常30個方向最佳。腦梗塞根據發生時間可分為五個時期：超急性期(發病6小時以內)、急性期(6～24小時)、亞急性早期(24小時至7天)、亞急性晚期(7～14天)、慢性期(14天至2月)。梗死發生后，梗死區域可能主要發生軸突的損傷，表現為軸突的腫脹、細胞內內質網等微細結構破壞，可應用DKI測得相關參數值來量化組織微觀結構的變化[9]。擴散峰度參數值在鑒別腦各期缺血梗死灶的擴散受限方面較MD、ADC更敏感，可應用于急性腦梗死的臨床診斷。DKI能夠深入、準確反映腦梗死后組織的微觀結構的變化，對臨床治療有指導意義。此外，DKI在鼠大腦中動脈閉塞模型方面也有相關研究[26]。

2.1.5 神經精神性病變及其他 神經精神性病變在組織微觀結構上都有不同程度的破壞、缺損，MRI目前已經廣泛應用與中樞神經系統疾病的診斷與功能性研究，DKI作為MRI的一項新技術，能夠量化反映組織微觀結構的變化，可在一定程度上揭示組織微觀結構異常與臨床癥狀之間的關聯，例如在遺忘型輕度認知功能障礙、阿爾茨海默病、精神分裂癥、注意力缺陷多動癥、重度抑郁癥等疾病方面的研究[8，22，23，27，28]。此外，DKI在腦外傷、癲癇等其他類型疾病的研究方面也有了進展[29，30]。

2.2 應用于胸腹部疾病的診斷 乳腺腫瘤的傳統影像學診斷方法主要是乳腺鉬靶及乳腺超聲檢查，而MRI作為一種無創性及軟組織分辨率高的檢查方法在乳腺腫瘤的診斷應用中也越來越廣泛。與傳統的DWI技術比較，DKI可反映乳腺腫瘤的微觀組織結構情況，其敏感性也更高，擴散峰度參數值的大小在乳腺腫瘤早期診斷及良惡性評估方面有很大應用價值[31，32]。此外，DKI在呼吸系統疾病的應用主要是對小氣道疾病[33]的診斷，DKI對小氣道疾病的敏感性較常規DWI更高，是診斷小氣道疾病的有效方法。

DKI技術是DTI技術的延伸，可量化組織微觀結構的變化，此基礎同樣適用于腹部疾病。前列腺癌發生在前列腺外周帶，在前列腺癌[34]的臨床研究中，對外周帶良惡性病變的鑒別方面以及腫瘤分化程度的評價方面，MK值顯示了很高的敏感性；在前列腺癌與良性前列腺增生的鑒別診斷方面也有應用價值[35]。在腹部其他疾病的研究，如肝纖維化、肝癌及腎臟疾病等也有相關研究進展[36～38]。

3 DKI的應用前景與展望

DKI作為磁共振無創檢查的一種新技術，在許多疾病的評估中有了相當的應用，特別是在中樞神經系統疾病的應用最為廣泛。DKI可量化分析組織微觀結構的改變，與其他常規磁共振技術(如DWI、DTI等)比較而言，其敏感性、準確性及應用范圍都更具優勢，因此DKI可能是疾病早期診斷的有效方法。此外，DKI對掃描硬件設備的要求較低，掃描時間縮短，后處理過程也更為簡便，因此更具臨床應用前景。然而，臨床疾病的研究是一個動態的過程，DKI技術的應用也應該轉向對動態觀察數據進行研究分析，以便探查疾病的發生、發展過程。隨著DKI臨床應用研究的進一步深入，無創技術探索微觀結構改變的臨床應用將會開創又一個新領域。

[1] Hui ES，Cheung MM，Chan KC，et al.B-value dependence of DTI quantitation and sensitivity in detecting neural tissue changes[J].Neuroimage，2010，49(3)：2366-2374.

[2] Li X，Yang J，Gao J，et al.A robust post-processing workflow for datasets with motion artifacts in diffusion kurtosis imaging[J].PLoS One，2014，9(4)：e94592.

[3] Nilsson M，Wirestam R，Stahlberg F，et al.Regional values of diffusional kurtosis imaging estimates in the healthy brain[J].J Magn Reson Imaging，2013，37(3)：610-618.

[4] Yoshida M，Hori M，Yokoyama K，et al.Diffusional kurtosis imaging of normal-appearing white matter in multiple sclerosis：Preliminary clinical experience[J].Jpn J Radiol，2013，31(1)：50-55.

[5] Steinmann C，Blaedel KL，Christensen AS，et al.Interface of the Polarizable Continuum Model of Solvation with Semi-Empirical Methods in the GAMESS Program [J].PLoS One，2013，8(7)：e67725.

[6] Yan X，Zhou M，Ying L，et al.Evaluation of optimized b-value sampling schemas for diffusion kurtosis imaging with an application to stroke patient data[J].Comput Med Imaging Graph，2013，37(4)：272-280.

[7] 鄭慧鑫，張輝，王效春，等.正常成人腦結構年齡相關性變化的擴散峰度成像研究[J].中西醫結合心腦血管病雜志，2013，11(5)：564-567.

[8] Jensen JH，Helpern JA.MRI quantification of non-Guassian water diffusion by kurtosis analysis[J].NMR Biomed，2010，23(7)：698-710.

[9] Nakanishi A，Fukunaga I，Hori M，et al.Microstructural changes of the corticospinal tract in idiopathic normal pressure hydrocephalus a comparison of diffusion tensor diffusional kurtosis imaging[J].Neuroradiology，2013，55(8)：971-976.

[10]廖海波，肖新蘭.磁共振擴散峰度成像技術原理及在膠質瘤分級中的應用[J].臨床放射學雜志，2013，32(12)：1824-1826.

[11] Jelle Veraart，Wim Van Hecke，Sijbers J，et al.Constrained Maximum Likelihood Estimation of the Diffusion Kurtosis Tensor Using a Rician Noise Model[J].Magnetic Resonance in Medicine，2011，66(3)：678-686.

[12] Mariko Y，Masaaki H，Yokoyama K，et al.Diffusional kurtosis imaging of normal-appearing white matter in multiple sclerosis：preliminary clinical experience[J].Jpn J Radiol，2013，31(1)：50-55.

[13] 單藝，盧潔，李坤成.擴散峰度成像在缺血性腦卒中的研究進展[J].中國醫學影像技術，2013，29(12)：2046-2048.

[14] 曾丁巳，肖新蘭.擴散峰度成像(DKI)在中樞神經系統的應用[J].臨床放射學雜志，2011，30(9)：1400-1402.

[15] Jensen JH，Falangola MF，Hu C，et al.Preliminary observations of increased diffusional kurtosis in human brain following recent cerebra infarction[J].NMR Biomed，2011，24(5)：452-457.

[16] Poot DH，den Dekker AJ，Achten E，et al.Optimal experimental design for diffusion kurtosis imaging[J].IEEE Trans Med Imaging，2010，29(3)：819-829.

[17] 譚艷，張輝，王效春，等.磁共振擴散峰度成像在腦星形細胞瘤分級的初步研究[J].中西醫結合心腦血管病雜志，2014，12(11)：1351-1352.

[18] Raab P，Hattingen E，Franz K，et al.Cerebral gliomas：Diffusional kurtosis imaging analysis of microstructural differences[J].Radiology，2010，254(3)：876-881.

[19]Basser PJ，Pierpaoli C.Microstructural and physiological features of tissues elucidated by quantitative-diffusion-tensor MRI 1996[J].J Magn Reson，2011，213(2)：560-570.

[20] Sun Y，Sun J，Zhou Y，et al.Assessment of in vivo microstructure alterations in grey using DKI in internet gaming addiction[J].Behav Brain Funct，2014，10：37.

[21] 田兄玲，焦玉梅，王儉，等.輕度認知功能障礙的腦白質擴散峰度成像研究[J].中華實用診斷與治療雜志，2014，28(10)：994-997.

[22] Falangola MF，Jensen JH，Tabesh A，et al.Non-Gaussian diffusion MRI assessment of brain microstructure in mild cognitive inpairment and Alzheimer’s disease[J].Magn Reson Med，2013，31(6)：840-846.

[23] Benitez A，Fieremans E，Jensen JH，et al.White matter tract integrity metrics reflect the vulnerability of late-myelinating tracts in Alzheimer’s Disease[J].Neuroimage Clin，2013，4：64-71.

[24] Wang JJ，Lin WY，Lu CS，et al.Parkinson disease：diagnostic ulility of diffusion kurtosis imaging[J].Radiology，2011，261(1)：210-217.

[25] 金國宏，徐鎮，魏璇，等.3.0T 磁共振擴散張量及其纖維束成像在腦多發性硬化診斷中的應用價值[J].寧夏醫學雜志，2014，36(1)：28-31.

[26] Cheung JS，Wang E，Lo EH，et al.Stratification of heterogeneous diffusion MRI ischemic lesion with kurtosis imaging：Evaluation of mean diffusion and kurtosis MRI mismatch in an animal Model of transient focal ischemia[J].Stroke，2012，43(8)：2252-2254.

[27] Helpern JA，Adisetiyo V，Falangola MF，et al.Preliminary evidence of altered gray and white matter microstructural development in the frontal lobe of adolescents with attention-deficit hyperactivity disorder：a diffusional kurtosis imaging study[J].J Magn Reson Imaging，2011，33(1)：17-23.

[28] 黃海燕，田兄玲，王儉，等.磁共振成像擴散峰度成像技術對抑郁癥患者腦微觀結構變化的評估價值[J].中國全科醫學，2014，17(36)：4386-4391.

[29] Elan JG，Yulin G，Jens HJ，et al.Thalamus and Cognitive Impairment in Mild Traumatic Brain Injury：A Diffusional Kurtosis Imaging Study[J].Journal of Neurotrauma，2012，29：2318-2327.

[30] Gao Y，Zhang Y，Wong CS，et al.Diffusion abnormalities in temporal lobes of children with temporal lobe epilepsy：a preliminary diffusional kurtosis imaging study and comparison with diffusion tensor imaging[J].NMR Biomed，2012，25(12)：1369-1377.

[31] Wu D，Li G，Zhang J，et al.Characterization of Breast Tumors Using Diffusion Kurtosis Imaging(DKI)[J].Plos one，2014，9(11)：e113240.

[32] Noqueira L，Brand o S，Matos E，et al.Application of the diffusion kurtosis model for the study of breast lesions[J].Eur Radiol，2014，24(6)：1197-1203.

[33] 苗瑩瑩，宋涵，張惠茅，等.磁共振新技術在IVIM和DKI在腹部應用研究現狀[J].中國實驗診斷學，2013，17(11)：2118-2119.

[34] Quentin M，Pentang G，Schimm ller L，et al.Feasibility of diffusional tensor imaging in prostate MRI for the assessment of prostate cancer：preliminary results[J].Magn Reson imaging，2014，32(7)：880-885.

[35] Tramura C，Shinmoto H，Soqa S，et al.Diffusional kurtosis imaging of prostate cancer：preliminary finding[J].J Magn Reson imaging，2014，40(3)：723-729.

[36] Anderson SW，Barry B，Soto J，et al.Characterizing non-gaussian，high b-value diffusion in liver fibrosis：Stretched exponential and diffusion kurtosis modeling[J].J Magn Reson Imaging，2014，39 (4)：827-834.

[37] Rosenkrantz AB，Sigmund EE，Winnick A，et al.Assessment of hepatocellular carcinoma using apparent diffusion coefficient and diffusion kurtosis indices：perliminary experience in fresh liver explants [J].Magn Reson Imaging，2012，30(10)：1534-1540.

[38] Pentang G，Lananman RS，Heusch P，et al.Diffusion kurtosis imaging of the human kidney：a feasibility study[J].Magn Reson Imaging，2014，32(5)：413-420.

MR diffusion kurtosis imaging：principles and clinical applications

WANG Li，YIN Long-lin，BAI Lin，GAO Yan，JIANG Jin

R814.42

B

1672-6170(2015)06-0168-04

2015-03-20；

2015-04-20)