磁共振FSE-IDEAL與IDEAL- IQ序列在水脂混合模型脂肪定量中的對比研究

劉歡， 王秋霞， 盛曉蘭， 戴麗卉， 彭成東， 張菁

器官和病變的脂肪含量測定、水脂比例分析在科研和臨床中的需求已越來越多，而單純的脂肪抑制技術如Stir技術、化學位移選擇性脂肪預飽和技術或水激發成像已不能滿足此種需要。解決水脂信號的分離不能只從抑制脂肪信號單方面著手，基于此，Dixon在1984年首次提出水脂分離技術[1]，30多年來，研究者們相繼對原始的基于自旋回波(spin echo，SE)序列的兩點法Dixon技術進行了改良，不但脂肪定量測定精確度逐步提高，而且掃描時間也明顯縮短。2005年Reeder等提出了迭代分解水脂回波不對稱和最小平方估計(iterative decomposition of water and fat with echos asymmetric and least-squares estimation，IDEAL)方法，是改良的三點法Dixon技術[2-4]。采用快速自旋回波序列(fast spin echo，FSE)采集IDEAL回波是目前最普及的水脂分離技術，然而在腹部成像中，需要多次屏氣，運動偽影較多，影響了測量準確度，改良三維擾相梯度回波的基于最小二乘法估計和不對稱回波迭代分解水脂成像(iterative decomposition of water and fat with asymmetryand least-squares estimation-quantitative fat imaging，IDEAL-IQ)則大大提高了成像速度，一次屏氣可實現全肝采集，從而拓展了水脂分離技術在腹部疾病中的應用。本研究采用兩種IDEAL序列(FSE-IDEAL與IDEAL- IQ)定量測量水-脂模型中脂肪含量的準確性和差異性，旨在為臨床脂肪定量方案的實施提供合理化建議。

材料與方法

1.模型制備

制作含水脂為0%～100%的脂肪溶液模型[2](模型1)，具體方法為：①將陰性離子表面活性劑十二烷基硫酸鈉15 mmoL與1 L去離子水均勻混合，加入5 g角叉菜膠后用磁力攪拌器加熱至50℃，攪拌融化；②配制100 mL乳液(共11份)，分別為1份純豉油，1份純水，9份梯度濃度乳化液，乳化液中含10～90 mL(梯度為10 mL)的豉油，充分混合至分層無顆粒油脂；③用15 mL塑料試管密封分裝。

制作2%～30%脂肪乳溶液(模型2)，具體方法為：將30%脂肪乳注射液(含英脫，利匹特華瑞制藥有限公司)和注射用蒸餾水混合，配成脂肪含量為2%～30%(梯度為2%)的脂肪乳溶液。均勻混合后靜置30 min，觀察無明顯氣泡后密閉裝入15 mL塑料試管。

2.掃描方案

FSE-IDEAL與IDEAL- IQ序列的圖像采集均采用GE 3.0T MR掃描儀(Discovery 750)，射頻發射與接收線圈采用32通道頭部線圈。FSE-IDEAL序列掃描參數：TR 2200 ms，TE 71.6 ms，視野200 mm×200 mm，矩陣256×224，層厚3 mm，層間距0.6 mm，激勵次數6，翻轉角111°，掃描時間172 s； IDEAL- IQ序列掃描參數：TR 9.7 ms，TE 4.5 ms，視野200 mm×200 mm，矩陣256×224，層厚3 mm，層間距0 mm，激勵次數1，翻轉角5°，掃描時間78 s。

將裝有脂肪溶液和脂肪乳的塑料試管架水平置于線圈正中心，并與線圈中心軸線平行。先行常規三平面及冠狀面穩態采集快速成像序列定位像，再采集軸面FSE-IDEAL及IDEAL-IQ序列信號，為保證數據的穩定性和可靠性，掃描序列均重復采集一次。

3.數據處理

由2位具有3年以上工作經驗的放射科技師和醫師協商放置ROI并進行數據測量。數據處理具體步驟如下：①原始圖像傳送至GE AW4.6工作站，采用Viewer窗觀察測量；②選擇FSE-IDEAL序列的脂像和同相位兩組圖像，在模型底部、中部、頂部分別測量不同濃度模型的信號強度(ROI面積>4 cm2)；③按照公式脂肪分數=脂像信號強度/同相位信號強度，計算得到脂肪定量評估值；以同樣方法在底部、中部、頂部分別再選3個層面進行測量，記錄數據，取平均值為最終測量結果；④選中IDEAL-IQ序列中的FraF圖像，后處理軟件自動計算出脂肪分數，以和FSE-IDEAL序列相同的方法測量脂肪分數；⑤一個月后，按上述方法再次測量IDEAL和 IDEAL-IQ序列脂肪分數，最終所得IDEAL和IDEAL-IQ序列脂肪分數分別為兩次測量的平均值。

4.統計學分析

結 果

1.水脂溶液

兩種序列脂肪分數測量值與實際脂肪濃度見表1；FSE-IDEAL序列測得的脂肪分數與實際濃度差異無統計學意義(t=1.58，P=0.14)；IDEAL-IQ序列測得的脂肪分數與實際脂肪濃度差異有統計學意義(t=-40.6，P<0.001)。FSE-IDEAL、IDEAL-IQ序列測得的脂肪分數與實際濃度間均呈線性關系，回歸方程分別為Y=0.86X+4.139(R2=0.982，P<0.001)，Y=0.998X+4.233(R2=1，P<0.001，圖1，表2)；僅保留0～70%濃度的溶液數據再次分析結果顯示，FSE-IDEAL序列測得的脂肪分數與實際濃度吻合度及線性擬合度增高，回歸方程為Y=1.002X+0.411(R2=1，P<0.001)，IDEAL-IQ的回歸方程大致同前，Y=0.996X+4.268(R2=1，P<0.001，圖2，表3)。Bland-Altman分析結果顯示FSE-IDEAL序列測得的脂肪分數與實際濃度差值的95%置信區間為(-8.93%，-14.68%)，IDEAL-IQ序列測得的脂肪分數與實際濃度差值的95%置信區間為(-4.76%，3.46%，圖3)。當脂肪濃度為0～70%區間時，FSE-IDEAL序列測得的脂肪分數與實際濃度差值的95%置信區間為(-1.16%，0.18%)，IDEAL-IQ序列測得的脂肪分數與實際濃度差值的95%CI置信區間為(-4.83%，-3.41%，圖4)。

表1 水脂溶液中2種序列的脂肪分數測量值

表2 水脂溶液中線性模型匯總和參數估計值

表3 0～70%水脂溶液中線性模型匯總和參數估計值

2.脂肪乳溶液

兩種序列脂肪分數測量值與實際脂肪濃度見表4；FSE-IDEAL、IDEAL IQ序列的脂肪測量結果與實際脂肪濃度差異均有統計學意義(t=2.842，P=0.013；t=21.363，P<0.001)；與實際濃度間均呈線性關系，回歸方程分別為Y=1.004X-0.1(R2=1，P<0.001)，Y=1.024X+1.159(R2=1，P<0.001 ，圖5、表5)。Bland-Altman分析結果顯示FSE-IDEAL序列測得的脂肪分數與實際濃度差值的95%置信區間為(-0.196%，-0.093%)，IDEAL-IQ序列測得的脂肪分數與實際濃度差值的95%置信區間為(-2.076%，-0.990%，圖6)。

表4 脂肪乳溶液中2種序列的脂肪分數測量值

圖1 a) 水脂溶液中FSE-IDEAL序列測得的脂肪分數與實際濃度間呈線性關系； b) 水脂溶液中IDEAL-IQ序列測得的脂肪分數與實際濃度間呈線性關系。 圖2 a) 0～70%水脂溶液中FSE-IDEAL序列測得的脂肪分數與實際濃度間呈線性關系； b) 0～70%水脂溶液中IDEAL-IQ序列測得的脂肪分數與實際濃度間呈線性關系。 圖3 Bland-Altman散點圖。橫坐標為測量脂肪分數與實際脂肪分數均值，縱坐標為測量脂肪分數與實際脂肪分數差值。a) 水脂溶液中FSE-IDEAL序列測得的脂肪分數與實際濃度的Bland-Altman分析結果； b) 水脂溶液中IDEAL-IQ序列測得的脂肪分數與實際濃度的Bland-Altman分析結果。

序列R2FSig常數b1FSE-IDEAL1.000259198.102<0.001-0.101.004IDEAL-IQ1.00033070.076<0.0011.1591.024

討 論

1.FSE-IDEAL及IDEAL-IQ序列定量測量水-脂混合溶液中脂肪含量的準確性

本研究采用了兩種水脂溶液模型，一種為含油體積在0～100%、梯度為10%的植物油-水模型，一種為脂肪乳配制的脂肪含量在0～0.30 g/mL、梯度為0.02 g/mL的水-脂混合液。本研究結果顯示FSE-IDEAL在低濃度的脂肪乳水脂模型和濃度范圍為0～70%的植物油-水模型中測得的脂肪分數與實際脂肪含量間呈完全直線相關，且與實際含量差值的95%置信區間小于IDEAL-IQ；當脂肪濃度高于70%時，FSE-IDEAL序列的脂肪定量分析結果明顯低于實際值，即出現溢出現象。分析其主要原因在于FSE-IDEAL采用大激發角會導致T1效應加重，造成定量評估誤差；另外兩個重要因素是B0場的不均勻性和T2*效應。T2*衰減會導致后續采集的回波信號小于先采集的回波信號，尤其會出現后采集的同相位信號小于反相位信號，導致錯誤的負值，而當脂肪含量增加，B0場不均勻性程度加重時這種效應會更為明顯[5]。三回波技術不能從根本上消除T2*效應的影響，必須在技術層面上進一步優化FSE-IDEAL成像序列，校正T2*效應的影響。

IDEAL-IQ在兩種水脂模型中不論脂肪含量的高低，測量的脂肪分數與實際脂肪含量間均呈完全直線相關，可以很準確地反映不同脂肪溶液濃度梯度的變化。分析其原因主要有以下幾點：IDEAL-IQ是梯度回波成像，采用的是小角度激發，大大降低了T1效應的影響；要分離出純水像和純脂肪像，關鍵在于校正場不均勻造成的相位誤差，采集點數越多且不冗余相位信息越全就越有可能正確分離水脂像。IDEAL-IQ通過采集6個回波信號及迭代線性最小二乘法估算復數域映射，利用復數域重建來區分水與脂肪并得到0～100%的脂肪比，再利用幅度重建對脂肪比定量進行微調并除去相位錯誤，最后結合這2次重構結果，經過T2*衰減的修正，生成最終的水像、脂像及脂肪比圖像，從而徹底消除了T2*對脂肪定量評估的影響[6]。

圖4 Bland-Altman散點圖。橫坐標為測量脂肪分數與實際脂肪分數均值，縱坐標為測量脂肪分數與實際脂肪分數差值。a) 0～70%水脂溶液中FSE-IDEAL序列測得的脂肪分數與實際濃度的Bland-Altman分析結果； b) 0～70%水脂溶液中IDEAL-IQ序列測得的脂肪分數與實際濃度的Bland-Altman分析結果。圖5 a) 脂肪乳溶液中FSE-IDEAL序列測得的脂肪分數與實際濃度間呈線性關系； b) 脂肪乳溶液中IDEAL-IQ序列測得的脂肪分數與實際濃度間呈線性關系。 圖6 Bland-Altman散點圖。橫坐標為測量脂肪分數與實際脂肪分數均值，縱坐標為測量脂肪分數與實際脂肪分數差值。a) 脂肪乳溶液中FSE-IDEAL序列測得的脂肪分數與實際濃度的Bland-Altman分析結果； b) 脂肪乳溶液中IDEAL-IQ序列測得的脂肪分數與實際濃度的Bland-Altman分析結果。

2.本研究的臨床意義及展望

IDEAL-IQ序列定量評估水-脂模型的準確性及與組織病理學的相關性已被諸多研究成果所證實[7-11]。Ideal-IQ序列是T1依賴的、T2*校正并伴多峰脂肪譜線模型的化學位移水脂分離技術，掃描時間短、成功率高，尤其適合腹部器官的成像；一次采集可生成水像、脂像、脂肪比及弛豫率等六幅圖像，在脂肪比及弛豫率圖像上放置ROI可以直接得到脂肪分數及R2*值而無需進一步計算，具有很高的臨床及科研價值。然而IDEAL-IQ是T1加權的梯度回波序列，其信噪比低，病灶顯示不佳，對炎癥、腫瘤性病變的組織結構分析、療效監測、轉歸等的臨床應用價值有限。此外，IDEAL-IQ序列對MRI設備的軟硬件配置有一定要求，目前我院僅GE 3.0T Discovery 750 MR掃描儀可行此序列成像，因此僅依賴此序列不利于各級醫院MRI脂肪定量分析工作的開展。

本研究中采用的第二種水脂分離成像技術是借助FSE序列采集的IDEAL三點Dixon方法，IDEAL是2005年Reeder等用克拉姆羅界證明并提出[4，12]，水脂相對相位為-π/6、π/2、7π/6時有最佳噪聲特性，其算法主要思想是把區域增長算法和迭代線性最小平方擬合進行場map估計和水脂像重建，用低分辨率圖像引導區域增長，選擇起始種子和像素棧的應用。FSE-IDEAL序列對硬件設備及軟件平臺無特殊要求，配備有1.5T以上MRI設備的醫院均可采集，可行T1加權、T2加權、質子密度加權成像。本研究采用了FSE-IDEAL T2WI序列，此序列在頭頸、骨肌系統中應用較多，水像圖脂肪抑制均勻，圖像信噪比高，有利于病灶的檢出及追蹤觀察。Kaichi等[13]最近報道了采用FSE-IDEAL T2WI序列對比分析甲狀腺相關性眼病患者激素沖擊治療前、后眼眶脂肪容積及水分數的變化，聯合臨床及影像定量分析結果顯示，盡管治療前、后眼眶脂肪容積無顯著差異，但FSE-IDEAL序列所測的眼眶脂肪水分數則有明顯降低，沖擊前的水分數值與臨床療效評分顯著相關，說明FSE-IDEAL T2WI序列能有效預測和判斷甲狀腺相關性眼病的療效和轉歸。本研究結果也證明當脂肪濃度小于70%時，FSE-IDEAL T2WI序列所測的脂肪濃度不僅與實際值呈完全直線相關，而且與實際值的偏差程度小于IDEAL-IQ序列。因此，FSE-IDEAL T2WI序列不僅可作為病變顯示序列，還可以測量脂肪含量在70%以下組織的脂肪分數及水分數，一次成像即可獲得病灶的形態學及組織病理學信息，臨床應用價值較高。本研究還提示，不同的水脂分離序列技術原理不同，因此所測同一樣本的脂肪含量及水含量也會有顯著差異，因此筆者建議，對于追蹤復查的病例，所用水脂分離序列要盡量保持前后一致，測量值才有比較價值。

3.本研究的局限性

本研究有以下局限性：①脂肪溶液或脂肪乳的脂肪分數并非與配制濃度完全一致，可因混合不均或溶液濃度變化導致PH值改變，脂肪顆粒不穩定析出，因此相對于中低濃度，高濃度脂肪溶液自身誤差較大，會影響檢測結果；②模型與活體組織不同，會存在細胞內外其他成分的干擾，還需動物實驗及病理學對照進一步證實本研究的結論。

參考文獻：

[1] Dixon WT.Simple proton spectroscopic imaging[J].Radiology，1984，153(1):189-194.

[2] Pineda AR，Reeder SB，Wen Z，et al.Cramer-rao bounds for three-point decomposition of water and fat.Magnetic resonance in medicine[J].Magn Reson Med，2005，54(3):625-635.

[3] Reeder SB，Pineda AR，Wen Z，et al.Iterative decomposition of water and fat with echo asymmetry and least-squares estimation (IDEAL):application with fast spin-echo imaging[J].Magn Reson Med，2005，54(3):636-644.

[4] Yu H，Reeder SB，Shimakawa A，et al.Field map estimation with a region growing scheme for iterative 3-point water-fat decomposition[J].Magn Reson Med，2005，54(4):1032-1039.

[5] Ma J.Dixon techniques for water and fat imaging[J].J Magn Reson Imaging，2008，28(3):543-548.

[6] Yu H，McKenzie CA，Shimakawa A，et al.Multiecho reconstruction for simultaneous water-fat decomposition and T2* estimation[J].J Magn Reson Imaging，2007，26(4):1153-1161.

[7] 胡磊，查云飛，林苑，等.IDEAL_IQ定量評價兔糖尿病模型椎體骨髓脂肪含量的可行性研究[J].磁共振成像，2015，6(12)：941-946.

[8] 林苑，查云飛，邢棟，等.釓劑對MRIDEAL_IQ骨髓脂肪定量影響的實驗研究[J].磁共振成像，2016，7(11)：856-860.

[9] 陳曉，孟曉巖，李曉娟，等.采用基于最小二乘法估計和不對稱回波迭代分解水和脂肪成像序列定量評估水-脂模型中脂肪含量的可行性和準確性[J].中華放射學雜志，2015，49(9):704-707.

[10] 陳曉，羅馨，雷紅，等.磁共振IDEAL-IQ序列評價“接力賽”電針法對腹型肥胖女性肝臟脂肪含量的影響[J].放射學實踐，2017，32(5):471-474.

[11] Hines CD，Yu H，Shimakawa A，et al.T1independent，T2* corrected MRI with accurate spectral modeling for quantification of fat: validation in a fat-water-SPIO phantom[J].J Magn Reson Imaging，2009，30(5):1215-1222.

[12] Reeder SB，Wen Z，Yu H，et al.Multicoil Dixon chemical species separation with an iterative least-squares estimation method[J].Magn Reson Med，2004，51(1):35-45.

[13] Kaichi Y，Tanitame K，Itakura H，et al.Orbital fat volumetry and water fraction measurements using T2-weighted FSE-IDEAL imaging in patients with thyroid-associated orbitopathy[J].AJNR，2016.DOI:10.3174/ajnr.A4859.