基于水分子彌散MRI研究進展

駱訓容，榮 康，李祥林

(濱州醫學院醫學影像學院，山東 煙臺 264003)

MR彌散成像技術通過定量測定組織內水分子的彌散信息來反映組織的微觀結構，可用于觀察異常彌散灌注等疾病早期生理病理變化；進一步對彌散圖像進行計算和處理，可獲得纖維走向結構圖，顯示精細的組織結構[1]。MR彌散成像技術已成為常用科研和臨床診斷方法。本文對基于水分子彌散的MRI及其臨床應用進展進行綜述。

1 彌散灌注成像

目前常用MR彌散灌注成像技術為體素內不相干運動(intravoxel incoherent motion， IVIM)。IVIM是在彌散加權成像(diffusion weighted imaging, DWI)基礎上采用多b值雙指數模型，可同時獲得組織彌散及微循環灌注信息[2]。

1.1 DWI 細胞外及細胞間水分子運動和灌注是活體組織DWI信號衰減的主要原因[3]。目前DWI研究集中在參數優化方面，如高b值DWI、小視野DWI(reduced field of view DWI， rFOV-DWI)及全身DWI(whole body DWI， WB-DWI)等，以期提高圖像分辨率。VERMA等[4]發現高b值DWI可提高前列腺癌檢出率。ZHANG等[5]采用WB-DWI評價硼替佐米治療多發性骨髓瘤(multiple myeloma， MM)的效果，發現WB-DWI可較準確地評估彌漫性浸潤型MM患者對誘導治療的反應程度。受人體內磁場分布不均造成的偏共振偽影及各組織磁化率不同產生的磁敏感效應影響，目前DWI圖像分辨率仍較低。

1.2 IVIM IVIM可分離和提取水分子的真性彌散運動及微循環灌注形成的假性彌散運動，更準確地反映組織的生理和病理狀態[6]，早期主要用于神經系統研究。近年來，隨著呼吸門控技術的發展，有學者[7]將IVIM用于檢查肝臟疾病，如肝纖維化分期、肝硬化分級及鑒別肝臟局部病灶良惡性等，發現其敏感性和特異性均較高。謝瑜等[6]及CHEN等[8]分別通過確定最佳b值，分離灌注和彌散效應以區分乳腺良惡性腫瘤，發現b值為300 s/mm2時可準確評估乳腺組織的彌散和灌注參數，認為IVIM有望成為鑒別乳腺良惡性腫瘤的重要技術。但IVIM-DWI參數的可重復性易受多種因素影響，相同成像條件下不同參數的可重復性也不盡相同，且對于最佳b值數目及大小的選擇尚無定論[7]。另外，相對于1.5T MR系統，3.0T MR設備更易產生磁敏感偽影，增加圖像的不均勻性[8]。

2 微觀結構成像

顯示組織微觀結構的MR技術主要有彌散峰度成像(diffusion kurtosis imaging， DKI)和神經突起方向離散度和密度成像(neurite orientation dispersion and density imaging， NODDI)。DKI可通過檢測組織的真實彌散狀況來反映組織微觀結構，NODDI可直接檢測神經元的軸突和樹突分布情況。

2.1 DKI DKI在DWI基礎上施加更多彌散敏感梯度方向，b值更大，更適于檢測組織微觀結構變化，主要以平均峰度(mean kurtosis， MK)表示總體水分子彌散偏離高斯分布程度[9]，可用于探查腦微觀結構改變、認知損害等及其量化指標與肺、肝、腎纖維化等分期的關系。ZHANG等[10]觀察一氧化碳中毒后腦微觀結構損害程度、精神狀態與DKI參數的相關性，發現DKI參數能為量化認知損害提供重要補充信息。LI等[11]比較DKI和18F-FDG PET檢測單側輸尿管梗阻(unilateral ureteral obstruction， UUO)所致大鼠腎纖維化模型的α平滑肌肌動蛋白表達，結果表明采用DKI進行無創評估更具優勢。目前DKI圖像的空間分辨力可達1～3 mm，而神經纖維直徑約為0.1～100 μm，故其測量精確度有限；神經系統DKI最大b值范圍設定在2 000～3 000 s/mm2時，可兼顧測量精確度和成像準確性，對其他系統b值合適范圍尚待研究。

2.2 NODDI NODDI主要運用三室模型模擬組織的三種微環境結構，包括神經突內、外水分子受限彌散運動及腦脊液中水分子自由彌散運動[12-13]，需高b值，其噪聲較大，信噪比(signal to noise ratio， SNR)較低，可用于定量評估體內樹突和軸突微觀結構，監測正常大腦發育狀況，評價多種神經系統疾病。BARNETT等[14]采用NODDI定量測量大鼠大腦微結構，發現不同性別大鼠DISC1基因外顯子2的定向破壞與神經突起密度及腦白質完整性相關。PARKER等[15]用NODDI定量測量阿爾茲海默病(Alzheimer disease， AD)患者腦灰質微結構改變，并采用其參數——神經突密度指數(neurite density index， NDI)和方向離散度(orientation dispersion index， ODI)的平均值來量化這種改變，結果表明AD患者皮質中的NDI和ODI存在明顯差異，提示NODDI可成為實現無創病理水平檢查的新技術。

3 彌散張量成像

彌散張量成像(diffusion tensor imaging， DTI)可根據水分子彌散的各向異性分數(fractional anisotropy， FA)檢測腦白質纖維束走行，但不能顯示交叉的神經纖維及復雜的纖維結構。彌散光譜成像(diffusion spectrum imaging， DSI)和高角度分辨率彌散成像(high angular resolution diffusion imaging， HARDI)可較清晰地顯示復雜纖維束及纖維交叉。

3.1 DTI DTI在DWI基礎上應用多個梯度場方向掃描，目前所用為6～55個方向[16]，可顯示活體中神經纖維束的走行、排列及髓鞘完整性等信息，廣泛用于中樞神經系統疾病的組織形態學和病理學研究。QIU等[17]觀察DTI在監測胎兒期、嬰兒期腦白質發育及早產兒神經認知發育的作用，認為DTI是研究早期大腦發育有價值的方法。KASSUBEK等[18]采用DTI分析證實肌萎縮側索硬化癥(amyotrophic lateral sclerosis， ALS)的TDP-43病理模式，可檢測出ALS不同病理階段損害的肌纖維束。目前DTI質量主要受以下兩方面因素的影響：磁場不均勻易使圖像在一些磁敏感性變化較大區域發生扭曲、變形而失真；渦流可造成不同方向彌散張量圖像之間不匹配，導致判斷纖維束方向不準確。

3.2 DSI DSI在DTI基礎上采用更大b值(2000～10000 s/mm2)，是不依賴于模型的q空間成像技術，利用概率密度函數描述彌散運動完整的空間分布，以優異的角分辨率精確辨別局部復雜交錯的纖維走行[13，19]，可對神經微結構解剖領域的某些猜想加以驗證，并闡明大腦各部分之間的連接機制。WEIP等[20]觀察8例受試者的DSI圖像，并以來自人類連接組項目的數據闡明了邊緣環路的功能成像特點。SUN等[21]應用DSI和廣義Q采樣重建基于模板對特定對象進行分析，觀察丘腦-前額葉皮層神經通路的連接機制及分割模式，顯示其在人腦中的軌跡和空間關系，并確定了前額葉皮質的連接區域。DSI可識別并定向重建復雜的腦白質纖維束及纖維交叉。YOUNG等[22]比較顱內腫塊的壓縮彌散光譜成像(compression diffusion spectrum imaging， CS-DSI)及DTI，發現CS-DSI較DTI更適用于評估顱內腫塊所致運動和語言腦白質纖維束受損，對于術前規劃更有價值。DSI序列梯度方向常超過200個，最大b值要求在8 000 s/mm2以上，掃描時間長達1 h[23]，使其臨床應用受限。

3.3 HARDI HARDI在DTI基礎上利用球面采樣模型采集更多梯度方向、更大b值的彌散加權信號[13，24]。YANG等[25]采用高場MRI和概率HARDI追蹤圖系統評估小兒癲癇術中腦白質纖維束移位，發現其靈敏度及精確度均較高。MOHAMMADIAN等[26]以HARDI技術觀察102例輕度創傷性腦損傷患者，發現利用該技術可顯示創傷性腦損傷后腦白質異常，其參數FA可用于判斷患者預后與年齡及損傷后掃描時間的相關性。HARDI數據獲取難度較大，掃描時間較長，運算量亦較大，目前尚未廣泛應用于臨床。HAINLINE等[27]將深度神經網絡算法用于HARDI數據運算，可減少運算量，縮短處理時間。

4 小結與展望

DWI是MR彌散成像的基礎方法，通過優化DWI序列參數，應用rFOV-DWI、WB-DWI等技術，可顯著提高DWI的圖像分辨率；應用NODDI可提高定量評估組織微觀結構改變的水平。在DWI基礎上，通過增加b值數目和優化數學模型提出的IVIM、三指數模型及拉伸指數模型等，能更真實地反映人體彌散狀況；通過增加梯度方向在DTI基礎上實現了進一步優化，DKI、DSI、HARDI和q空間球面成像等技術可更精細顯示人體內神經纖維的復雜結構。以上技術的最大區別在于采樣的數學模型，見圖1。

圖1 基于水分子彌散MR技術路徑圖

彌散圖像的SNR較低，變形嚴重，需要更先進的成像序列或重建方法。目前主要針對不同疾病探究合適的b值大小和數量以及梯度方向，以優化水分子彌散MRI；未來將與神經科學相結合，運用DTI等序列重建不同維度、不同規模的結構腦網絡并對其進行分析，以更深入地闡述疾病機制；與人工智能結合，提取各種彌散圖像的紋理特征并進行分析，可更好地診斷疾病。隨著相關硬件技術和圖像處理技術的不斷進步，將會出現更具有廣泛實用性和應用價值的研究成果，為臨床診治決策提供重要依據。