磁共振擴散峰度成像在腫瘤中的研究進展

閆坤，胡莎莎，楊品，蔣常琴，雷軍強

磁共振擴散峰度成像在腫瘤中的研究進展

閆坤，胡莎莎，楊品，蔣常琴，雷軍強*

擴散峰度成像（diffusional kurtosis imaging， DKI）是一種新興的基于非高斯分布模型的磁共振技術，創新拓展于擴散加權成像（diffusional weight imaging，DWI）技術與擴散張量成像（diffusional tensor imaging， DTI）基礎之上，可定量描述細胞內外水分子非高斯擴散特點，能夠較DWI、DTI技術提供更豐富、真實、準確的組織微觀結構信息。近年來，DKI逐漸應用于各系統疾病研究，尤其在腦、前列腺等腫瘤中取得了初步成果，展現出良好的臨床價值。本文就DKI成像原理、在腫瘤中的應用進展予以綜述。

擴散峰度成像；擴散加權成像；擴散張量成像；腫瘤

在人體組織中，水分子擴散情況因組織結構的不同而產生差異。若水分子在各個方向上擴散程度相同，則表現為高斯分布，稱為各向同性擴散；若水分子在各個方向上擴散程度不同，則表現為非高斯分布，也稱各向異性擴散。擴散加權成像（diffusional weight imaging， DWI）與擴散張量成像（diffusional tensor imaging， DTI）技術的理論基礎是假定水分子擴散符合高斯分布模型［1］，然而在人體大多數復雜的組織結構中，由于細胞中、細胞周圍復雜微環境等因素不同程度改變水分子的擴散，導致其分布表現為非高斯特征［2-5］。擴散峰度成像（diffusional kurtosis imaging， DKI）以非高斯分布模型為基礎［2］，相比DWI及DTI，能更加真實、準確地把握人體組織微觀結構信息，為臨床提供更豐富的診斷信息［6-10］。

1 DKI基本原理

DKI技術由Jensen等［2］于2005年首次發表，其主要公式為：

Ln［S（b）］=ln［S（0）］-bDapp+1/6b2D2appKapp+0（b3）（1）

Sb/S0=exp（-bD+1/6b2D2K） （2）

公式（1）中S（b）為不同回波時間的信號強度；0（b3）為 b 的三階無窮小項；Kapp與Dapp分別表示某個擴散敏感梯度方向的峰度系數與擴散系數，前者描述水分子在生物組織內受限擴散的程度，后者描述擴散加權成像中不同水分子擴散運動的速度［2］。公式（2）中K代表無單位參數，可定量分析水分子擴散偏離理想高斯分布的程度，描述水分子擴散受阻程度與擴散的不均質性。當K=0時，表示水分子擴散為高斯分布；K 值越大，則偏離高斯分布越顯著，微細結構越復雜。D代表經非高斯分布校正過的表觀擴散系數（apparent diffusion coefficient， ADC）值。與DWI相比，DKI對水分子擴散受限更加敏感［11］。DKI可定量分析真實水分子擴散受限程度與非均勻性，進而評估生物組織細微結構的復雜程度［2］。

與DWI序列相比，DKI序列以DWI序列為基礎，采用高b值（通常b ＞1000 s/mm2），且至少需要15個彌散方向以及3個b值［1］。

2 DKI主要參數

DKI技術可獲得的主要參數包括平均峰度（mean kurtosis， MK）、峰度各向異性（kurtosis anisotropy， KA）、軸向峰度（axial kurtosis， AK）、徑向峰度（radial kurtosis， RK），不僅如此，它還可獲取擴散張量成像常用參數，如平均擴散率（mean diffusion， MD）、軸向擴散率（axial diffusion， AD）和徑向擴散率（radial diffusion， RD）、各向異性分數（fractional anisotropy， FA），為臨床提供更多信息。

2.1 平均峰度（MK）

MK是DKI技術最關鍵的參數，代表空間各梯度方向的擴散峰度平均值［12］，是衡量組織結構復雜程度的指標［13］。MK值與組織復雜程度呈正比，結構越復雜（如癌細胞分化程度越低、細胞密度越大），水分子運動阻礙則越顯著，MK值越大［14］。

2.2 峰度各項異性（KA）

KA在一定程度類似于FA，根據峰度標準差演變而來。KA值代表水分子趨向于各向異性性擴散的程度，即數值越大，趨向程度越明顯。

2.3 徑向峰度（RK）及軸向峰度（AK）

AK和RK指與擴散張量平行及垂直方向上擴散峰度的平均值，其大小量化了此方向水分子彌散受阻程度［15-16］。

3 DKI在腫瘤中的應用

2015年中國預計有429.2萬新發腫瘤患者和281.4萬死亡病例，腫瘤發病率總體表現為增長趨勢［17］。準確診斷是治療的前提，DKI對組織細微結構變化更易觀察，可提供豐富的量化參數［18］，為臨床醫師對患者的診治提供更多有價值的信息。近年來，DKI研究的開展逐漸深入于人體各部位腫瘤診治的預測和效果評價，并獲得相應成果。

3.1 中樞神經系統

腦膠質瘤是顱內最常見的腫瘤，約占神經系統腫瘤的36%，接近顱內腫瘤的一半之多［19］。腦膠質瘤的術前正確診斷及精確分級對治療方案的制定與預后評價非常關鍵。膠質瘤級別的確定是根據腫瘤內侵襲性最高的區域，但腫瘤高度不均質，因此影像學對膠質瘤的初步分級具有重要意義，傳統評價有腫瘤灌注增強特征、FA值，但FA值受組織特征影響較明顯，敏感性及特異性不高，所以DTI在此領域的價值一直具有爭議。DKI技術可對組織細微結構的復雜程度進行評價，并能提供相應的指標，在膠質瘤的診斷及分級上，DKI能對量化組織細微結構的復雜程度進行分析，并提供更多參數，是對傳統擴散成像技術的良好補充。Raab等［20］首先將 DKI運用在星形細胞瘤，對34例患者感興趣區（region of interest，ROI）MK、ADC及FA值進行分析，結果表明MK值與腫瘤惡性程度呈正相關，ADC 值與腫瘤惡性程度呈負相關性，而FA 值與腫瘤惡性程度無相關性。Ⅱ、Ⅲ、Ⅳ級星形細胞瘤兩兩對比MK值差異明顯。最終得出MK 對膠質瘤的高、低級鑒別能力最佳［曲線下面積（area under the curve，AUC）=0.972］的結論。該結果顯示出DKI在膠質瘤分級中具有優勢。Van等［21］對36例膠質瘤感興趣區MK、ADC及FA值進行分析得出了相似的結論。Bai等［22］對69例膠質瘤研究后認為，MK值相比于傳統彌散參數，能提供更多的信息，更準確地對膠質瘤進行分級。Jiang等［23］對膠質瘤與DKI參數之間的相關性進行了更為全面的研究，結果表明，DKI在對膠質瘤分級的鑒別診斷、預測腫瘤增值程度均較傳統彌散成像有明顯優勢。Tan等［24］采用DKI技術對31例高級別膠質瘤與20例單發腦轉移瘤進行定量分析，發現瘤周水腫區MK、KA、RK值高級別膠質瘤明顯高于腦轉移瘤，MD值腦轉移瘤明顯高于高級別膠質瘤，瘤周水腫區FA值兩者差異無統計學意義。接受者操作特性曲線（receiver operating characteristic curve， ROC曲線）分析顯示，KA、MK、RK值AUC（1.000、0.889、0.880）顯著高于MD、FA 值（0.793、0.472）。表明在鑒別高級別膠質瘤與單發腦轉移瘤方面，峰度參數比傳統彌散參數更具有優勢。

DKI在對膠質瘤分級的鑒別診斷、預測腫瘤增值程度以及鑒別膠質瘤與轉移瘤均比DWI有明顯優勢，有較好的診斷效能。目前DKI技術應用于中樞神經系統腫瘤的研究表明，相比于DWI，DKI擁有巨大優勢，具有很大應用前景，隨著DKI技術的不斷發展及在臨床應用的推廣，其將成為腦腫瘤評估不可或缺的工具。

3.2 頭頸部：鼻咽

鼻咽癌（nasopharyngeal carcinoma， NPC）是頭頸部最常見的惡性腫瘤之一，在新確診為鼻咽癌的病例中，約有60%～70%為Ⅲ-Ⅳb期，單純放射治療療效并不理想［25-26］。近期研究表明，新輔助化療在晚期鼻咽癌患者中耐受性良好，能增加總體生存率，減少遠處轉移［27-29］。

早期預測新輔助化療患者的治療反應有助于臨床醫師擬定針對性治療方案以及避免全身毒性反應。Chen等［30］對59例Ⅲ-Ⅳb鼻咽癌分別于新輔助化療前、化療第4、21、42天行DKI及DWI掃描，測量并分析新輔助化療有效組及無效組D值（校正擴散系數）、K值（超額峰度系數）及ADC值。結果顯示，新輔助化療有效組化療前D值顯著低于無效組，所有參數內，化療第4天ADC值與ΔD（day4）［ΔD（dayX）= D（dayX）-D（pre）］值區別有效組與無效組價值最大，當ADC（day4）＞1.063×10-3mm2/s、ΔD（day4）＞0.036×10-3mm2/s曲線下面積分別為0.761、0.895，ΔD（day 4）值預測新輔助化療療效較化療第4天ADC值更加敏感。DKI與傳統DWI均可預測新輔助化療療效，DKI在預測局限性晚期鼻咽癌新輔助早期化療療效優于DWI。

3.3 乳腺

乳腺病變行磁共振檢查時，加掃DWI序列可避免假陽性結果，還可以行磁共振引導下的穿刺活檢［31］。相比于DWI，DKI以非高斯模型為基礎，DKI可更加真實準確的反映人體微環境變化。

Nogueira等［32］對36例女性乳腺病人進行DKI與DWI掃描，依據病灶良惡性、病理類型進行分組，測量各組平均ADC、MD和 MK值，分析各組間差異與相關性。結果表明惡性病灶MK數值較良性大，良性病變ADC與 MD數值較惡性小。纖維腺瘤的MK、ADC、MD值與浸潤性導管癌進行對比，均顯示出顯著區別（P＜0.05）。纖維腺瘤和纖維囊性改變僅MK值具有差異（P=0.016）。該研究認為擴散在乳腺疾病中符合非高斯分布。初步研究認為MK值在浸潤性導管癌、纖維腺瘤和纖維囊性的區分上具有優秀的鑒別能力，對更進一步了解乳腺細小組成部分的變化有幫助，但還需更大樣本量的研究進一步證實。

Wu等［33］對103例病人行DKI掃描，分別測量良性病灶及惡性病灶的MK及MD值，結果表明MK值在惡性病灶顯著高于良性病灶，MD值在良性病灶顯著高于惡性病灶，當閾值取MD/MK 1.58 （10-3mm2/s）/0.69，MD/MK敏感性與特異性為79.3%/84.2%與92.9%/92.9%。MD/MK AUC為0.86/0.92。表明DKI技術能提供有價值的腫瘤微環境的擴散信息，增加乳腺腫瘤的診斷信心。

Sun等［34］回顧性分析97例乳腺癌病人DKI參數（峰度系數與擴散系數）與DWI參數（ADC）。結果顯示峰度系數在惡性病灶顯著高于良性病灶，擴散系數與表觀彌散系數在惡性病灶明顯低于良性病灶；相比于表觀彌散系數，峰度系數和擴散系數具有與前者相同的敏感性（95%），但卻有更高的特異性（83%、83% vs 76%）。在浸潤性乳腺癌患者中，峰度系數、腫瘤病理分級同KI-67蛋白表達存在顯著正相關性；擴散系數與腫瘤病理分級、KI-67蛋白表達無明顯相關性。他們認為，與DWI相比，DKI鑒別乳腺病變良惡性具有更高特異性，III級乳腺癌伴隨KI-67高表達表現為高峰度系數和低擴散系數；然而，這些結論仍需更多探索來加以證實。

3.4 腹部

3.4.1 肝臟

在肝內原發性惡性腫瘤中，肝細胞癌最為常見［35］。影像學方法在肝細胞癌療效評估（腫瘤的壞死、殘留、進展及復發情況）及進一步治療方案的制定起著重要作用。Goshima等［36］對62例（112個病灶）富血供肝細胞癌患者行DKI及DWI掃描，測量并分析所有病灶中有活性組及無活性組的MK及ADC值。結果顯示MK值在有活性組明顯高于無活性組，ADC值在有活性組顯著低于無活性組。評價干細胞癌活性的敏感性、特異性及AUC值，MK（85.7%， 98.0%， 0.95）均優于ADC（79.6%， 68.3%，0.77）。因此DKI可成為新型肝細胞癌療效評估方法。

3.4.2 膽管

肝外膽管癌術前準確分級對治療方案的適當擬定、患者預后的合理評估影響重大。徐蒙萊等［37］對35例（高分化組11例，中分化組11例，低分化組13例）肝外膽管癌患者行DKI掃描，對比不同分化程度肝外膽管癌的D、K值發現，各組間D、K值均具有顯著統計學差異，且K值與癌組織分化程度相關性高，展現出DKI在肝外膽管癌分級的良好應用價值。

3.5 盆腔

3.5.1 前列腺

前列腺癌發病率居男性惡性腫瘤第二位［38］，常用篩查方法為血清前列腺特異性抗原（prostate specific antigen， PSA）檢查以及直腸指檢，但早期難以檢出，尤其無法有效區分前列腺癌與良性前列腺增生［39］。相比于DWI，DKI能提供更多參數，反映更豐富組織信息。Rosenkrantz等［40］回顧性分析47例前列腺癌 DK圖（非高斯擴散）、ADC圖（高斯擴散）、補償非高斯分布的校正圖并測量ROI的K、D和ADC值，結果表明DKI在前列腺癌與前列腺增生以及前列腺癌高低級別的鑒別診斷價值顯著優于DWI。Roethke等［41］對55例外周型前列腺癌患者行DKI及DWI掃描，分別測量腫瘤發病區域及對側正常組織的擴散系數（Dapp）、峰度系數（Kapp）及ADC值，結果顯示病變區Dapp值顯著小于對側正常組織，Kapp值病變區顯著大于對側正常組織。Dapp值病變區及對側正常區都明顯高于ADC值。DKI參數（Dapp、Kapp）與DWI參數（ADC）均能很好地區分癌組織與正常組織、高低級別前列腺癌，但二者診斷效能無明顯差異。

目前研究認為DKI在前列腺癌、前列腺增生、前列腺炎、正常前列腺與前列腺癌分級的鑒別診斷方面具有良好的敏感度與特異度，較DWI具有優勢，然而相關研究還較少，其應用價值仍需更多大樣本量研究進一步證實。

3.5.2 膀胱

膀胱癌病理分級與其生物學行為密切關聯，對治療方案選擇及預后評價具有重要指導意義。Suo等［42］對21例膀胱癌患者（高分化12例，低分化9例）與17例正常成人行DKI及常規DWI掃描，測量并分析ADC、Dapp及Kapp值。結果顯示膀胱癌ADC與Dapp值均明顯低于正常組，Kapp值明顯高于正常組。高級別組Kapp值顯著高于低級別組。與其他參數值相比，Kapp值在鑒別高級別膀胱癌方面具有最佳鑒別診斷效能。膀胱癌擴散特點符合高斯分布，Kapp值可成為膀胱癌分級的一個新的評價指標。

4 結論與展望

綜上所述，相對比傳統彌散序列（DWI、DTI），DKI以更接近人體真實環境的非高斯模型為基礎，并能采集更多參數，因此能較傳統彌散序列提供更多、更真實、準確的組織結構的細微變化，為臨床提供更加有價值的信息。DKI在腫瘤良惡性評價、鑒別診斷、療效評估等方面具備巨大應用潛力。

目前，DKI在腫瘤中的研究尚處于初級階段，很多部位尚未涉及，其相關價值尚待進一步證實。DKI在實際運用中亦面臨諸多問題，如不同部位合適的b值的選擇、彌散方向數目的確定、掃描時間較長等。隨著磁共振技術的進步以及研究的不斷深入，這些問題都可能得到解決，DKI在腫瘤中的應用將會更加廣泛。

［1］ Hui ES， Cheung MM， Qi L， et al. Towards better MR characterization of neural tissues using directional diffusion kurtosis analysis. Neuro image， 2008， 42（1）： 122-134.

［2］ Jensen JH， Helpern JA， Ramani A， et al. Diffusional kurtosis imaging： the quantifcation of non-gaussian water diffusion by means of magnetic resonance imaging. Magn Reson Med， 2005， 53（6）：1432-1440.

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

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

［5］ Rostoker G， Griuncelli M， Loridon C， et al. Reassessment of iron biomarkers for prediction of dialysis iron overload： An MRI study.PLo SOne， 2015， 10 （7）：e132006.

［6］ Li X， Yang J， Gao J， et al. A robust post-processing workflow for data-sets with motion artifacts in diffusion kurtosis imaging. PLo SOne， 2014， 9（4）： e94592.

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

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

［9］ Dang YX， Wang XM. Present research situation of diffusion kurtosis imaging and intravoxel incoherent motion of the brain. Chin J Magn Reson Imaging， 2015， 6（2）： 145-150.黨玉雪， 王曉明. 磁共振新技術DKI和IVIM在中樞神經系統的研究現狀. 磁共振成像， 2015， 6（2）： 145-150.

［10］ Wang K， Pan T， Zhou X， et al. The application of nongaussion DWI model in body diseases. Chin J Magn Reson Imaging， 2016， 7（1）：71-76.王科， 潘婷， 周欣， 等. 基于非高斯分布模型的擴散加權成像在體部疾病中的應用. 磁共振成像， 2016， 7（1）： 71-76.

［11］ Lazar M， Jensen JH， Xuan L， et al. Estimation of the orientation distribution function from diffusional kurtosis imaging. Magn Reson Med， 2008， 60（4）： 774-781.

［12］ Hui ES， Cheung MM， Qi L， et al. Advanced MR diffusion characterization of neural tissue using directional diffusion kurtosis analysis. Conf Proc IEEE Eng Med Biol Soc， 2008， 2008： 3941-3944.

［13］ Shao HY. Investigating the effect of aging on the microstructure of brain with novel diffusion imaging techniques. Chin J Magn Reson Imaging， 2016， 7（3）： 218-225.邵涵釬. 利用新型擴散成像技術研究年老對大腦微觀結構的影響.磁共振成像， 2016， 7（3）： 218-225.

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

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

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

［17］ Chen W， Zheng R， Baade PD， et al. Cancer statistics in China， 2015. CA Cancer J Clin， 2016， 66（2）： 115-132.

［18］ Blockx I， De Groof G， Verhoye M. Microstructural changes observed with DKI in a transgenic Huntington rat model： evidence for abnormal neurodevelopment. Neuroimage， 2012， 59（2）： 957-967.

［19］ Dolecek TA， Propp JM， Stroup NE， et al. CBTRUS Statistical report：primary brain tumors and central nervous system tumors diagnosed in the united states in 2005-2009. Neuro Oncol， 2012， 14（5）： 21-49.

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

［21］ Van CS， De KF， Sima DM， et al. Integrating diffusion kurtosis imaging， dynamic susceptibility-weighted contrast-enhanced MRI，and short echo time chemical shift imaging for grading gliomas. Neuro-Oncology， 2014， 16（7）： 1010-1021.

［22］ Bai Y， Lin YS， Tian J. Grading of gliomas by using monoexponential， biexponential， and stretched exponential diffusion-weighted MR imaging and diffusion kurtosis MR imaging. Radiology， 2016，278（2）： 496-504.

［23］ Jiang RF， Jiang JJ， Zhao LY. Diffusion kurtosis imaging can efficiently assess the glioma grade and cellular proliferation. Oncotarget， 2015， 6（39）： 42380-42393.

［24］ Tan Y， Wang XC， Zhang H. Differentiation of high-gradeastrocytomas from solitary-brain-metastases： comparing diffusion kurtosis imaging and diffusion tensor imaging. Eur J Radiol， 2015，84（12）： 2618-2624.

［25］ Mao YP， Xie FY， Liu LZ， et al. Re-evaluation of 6th edition of AJCC staging system for nasopharyngeal carcinoma and proposed improvement based on magnetic resonance imaging. Int J Radiat Oncol Biol Phys， 2009， 73（5）： 1326-1334.

［26］ Lee AW， Tung SY， Chua DT， et al. Randomized trial of radiotherapy plus concurrent-adjuvant chemotherapy vs. radiotherapy alone for regionally advanced nasopharyngeal carcinoma. J Natl Cancer Inst，2010， 102（15）： 1188-1198.

［27］ Buehrlen M， Zwaan CM， Granzen B， et al. Multimodal treatment，including interferon beta， of nasopharyngeal carcinoma in children and young adults： preliminary results from the prospective，multicenter study NPC-2003-GPOH/DCOG. Cancer， 2012， 118（19）：4892-4900.

［28］ Kong L， Hu C， Niu X， et al. Neoadjuvant chemotherapy followed by concurrent chemoradiation for locoregionally advanced nasopharyngeal carcinoma： interim results from 2 prospective phase 2 clinical trials. Cancer， 2013， 119（23）： 4111-4118.

［29］ OuYang PY， Xie C， Mao YP， et al. Significant efficacies of neoadjuvant and adjuvant chemotherapy for nasopharyngeal carcinoma by meta-analysis of published literature-based randomized， controlled trials. Ann Oncol， 2013， 24（8）： 2136-2146.

［30］ Chen Y， Ren W， Zheng D. Diffusion kurtosis imaging predicts neoadjuvant chemotherapy responses within 4 days in advanced nasopharyngeal carcinoma patients. J Magn Reson Imaging， 2015，42（5）： 1354-1361.

［31］ Spick C， Pinker-Domenig K， Rudas M， et al. MRI-only lesions：application of diffusion-weighted imaging obviates unnecessary MR-guide breast biopsies. Eur Radiol， 2014， 24（6）： 1204-1210.

［32］ Nogueira L， Brandao S， Matos E， et al. Application of the diffusion kurtosis model for the study of breast lesions. Eur Radiol， 2014，24（6）： 1197-203.

［33］ Wu D， Li G， Zhang J， et al. Characterization of breast tumors using diffusion kurtosis imaging （DKI）. PLoS One， 2014， 9（11）： e113240.

［34］ Sun K， Chen X， Chai W， et al. Breast cancer： diffusion kurtosis MR imaging-diagnostic accuracy and correlation with clinical-pathologic factors. Radiology， 2015， 277（1）： 46-55.

［35］ Jemal A， Bray F， Center MM， et al. Global cancer statistics. CA： a cancer journal for clinicians， 2011， 61（2）： 69-90.

［36］ Goshima S， Kanematsu M， Noda Y. Diffusion kurtosis imaging to assess response to treatment in hypervascular hepatocellular carcinoma. AJR Am J Roentgenol， 2015， 204（5）： 543-549.

［37］ Xu ML， Xing CH， Chen HW， et al. Application value of DKI in grading of extrahepatic cholangiocarcinoma. Chin J Magn Reson Imaging， 2016， 7（1）： 34-39.徐蒙萊， 邢春華， 陳宏偉， 等. DKI技術在肝外膽管癌分級中的應用價值. 磁共振成像， 2016， 7（1）： 34-39.

［38］ Jemal A， Center MM， Desantis C， et al. Global patterns of cancer incidence and mortality rates and trends. Cancer Epidemiol Biomarkers Prev， 2010， 19（8）： 1893-1907.

［39］ Heidenreich A， Bellmunt J， Bolla M， et al. EAU guidelines on prostate cancer. Part 1： screening， diagnosis， and treatment of clinically localized disease. Eur Urol， 2014， 65（1）： 124-137.

［40］ Rosenkrantz AB， Sigmund EE， Johnson G， et al. Prostate cancer：feasibility and preliminary experience of a diffusional kurtosis model for detection and assessment of aggressiveness of peripheral zone cancer. Radiology， 2012， 264（1）： 126-135.

［41］ Roethke MC， Kuder TA， Kuru TH， et al. Evaluation of diffusion kurtosis imaging versus standard diffusion imaging for detection and grading of peripheral zone prostate cancer. Invest Radiol， 2015，50（8）： 483-489.

［42］ Suo S， Chen X， Ji X. Investigation of the non-Gaussian water diffusion properties in bladder cancer using diffusion kurtosis imaging： a preliminary study. J Comput Assist Tomogr， 2015， 39（2）：281-285.

Research progess of diffusional kurtosis imaging in tumour

YAN kun， HU Sha-sha， YANG Pin， JIANG Chang-qin， LEI Jun-qiang*
Department of Radiology， the First Hospital of Lanzhou University， Lanzhou 730000，China
*

Diffusional kurtosis imaging （DKI） was an emerging magnetic resonance imaging technology which was base on the model of non-Gaussian distribution， it was also the extension of diffusional weight imaging（DWI） and diffusional tensor imaging（DTI）. DKI could describe the non-Gaussian distribution characteristic of hydrone of intracellular and extracellular through quantitative analysis， which can offer more plentiful， real and accurate microstructure information of tissue than DWI and DTI. In recent years， DKI gradually apply to diseases of different systems， had achieved some initial results especially in tumours of brain and prostate， which displayed excellent clinical value. This article proposed to summary the technic principles and aplication advances in tumours for DKI.

Diffusional kurtosis imaging； Diffusional weight imaging； Diffusional tensor imaging； Tumor

蘭州大學第一醫院放射科，蘭州730000

雷軍強，E-mail：leijq1990@163.com

2016-03-28接受日期：2016-05-11

R445.2；R730

A

10.12015/issn.1674-8034.2016.08.016

閆坤， 胡莎莎， 楊品， 等. 擴散峰度成像在腫瘤中的研究進展. 磁共振成像，2016， 7（8）： 635-640.