|
磁共振弥散加权成像（Diffusion Weighted MR Imaging，DWI）提供了不同于常规磁共振成像(MRI)图像的组织对比，其在显示急性脑梗死和与其他脑急性病变的鉴别上非常敏感，同时对于全身各部位的大部分肿瘤的鉴别也起着非常重要的作用，已成为常规MRI 成像序列的重要补充。然而，DWI 在磁共振领域的重要性不仅仅是它在形态学上的优异表现，更重要的是DWI 提供了一系列新的定量化参数，这些参数主要依赖于水分子的运动而非组织的质子密度、T1 或T2 值。DWI 技术近年来不断发展，不管是在扫描的技术还是在定量化参数的多样化方面都取得了令人难以置信的进步，本文旨在介绍DWI 技术的原理，DWI 在扫描和后处理以及临床应用领域的某些进展，DWI 新技术众多，本文只能覆盖冰山一角。
1. DWI 原理简介：
弥散是指水分子由于热能而在组织内进行随机的运动（布朗运动），但由于一些障碍物如细胞膜、细胞器和生物大分子等物质的存在，对水分子的自由运动产生影响，使得不同组织的水分子弥散情况不同，通过特定的运动敏感序列，DWI凸显出了这种弥散对比。DWI的最基本序列是Stejskal-Tanner 序列（如图1），在自旋回波（spine echo, SE）序列180°脉冲前后加上两个对称的弥散敏感梯度脉冲；对于静止（弥散弱）的水分子，第一个梯度脉冲所致的质子自旋散相会被第二个梯度脉冲重新汇聚，信号不会降低；而对于运动（弥散强）的水分子，第一个梯度脉冲导致的散相的质子自旋离开了原来的位置，所受到的第二个梯度脉冲的梯度场和第一个梯度场不一样，相位不能再被聚焦，信号降低。由于采用常规SE 序列的DW 序列成像时间长，被试的轻微运动都会产生较明显的运动伪影。随着梯度技术的发展，目前临床上最常用的是SE-EPI DWI 序列，它可明显减少成像时间、降低运动伪影，增加因分子运动而使信号强度变化的敏感性。
表观弥散系数（Apparent Diffusion Coefficient，ADC）是临床上最常用的弥散定量参数，它能够比较简单的表征组织内水分子的弥散情况，其数学模型为单指数模型，计算公式为：
（1）
其中S(b) 是弥散加权b 时的信号强度，S0 是没有弥散加权时的信号强度，b 值可以通过一个标准的矩形梯度脉冲对计算得来：
（2）
其中，γ 是旋磁比（H，42.58 MHz/T），G 是弥散梯度磁场（motion probing gradients，MPG）强度，δ是一个MPG 脉冲的持续时间，Δ 是两个MPG 脉冲前缘的间隔时间（如图1）。
根据Fick 定律，真正的弥散是由于浓度梯度导致的分子净运动，在MR 成像中，浓度差异造成的分子运动和血管内的血流运动无法区分，因而我们只能称之为表观弥散系数而不是弥散系数。
2. 弥散张量成像（Diffusion Tensor Imaging，DTI）
在理想情况下，水分子的弥散是各向同性的，即在各个方向的弥散系数相同，然而在实际临床应用中，很多组织（如白质）并非如此，为了研究这个各向异性问题，在常规DWI 基础上发展出来一种新技术：弥散张量成像，这个概念由Basser 等提出。DTI 可在三维空间内定量分析组织内水分子弥散运动的方向性特性，DTI 中，最主要的概念是3 个本征向量和本征值，对应着弥散椭球体的三个轴的方向和长度。各向异性分数（Fractional Anisotropy，FA） 值是指水分子各向异性成分占总弥散张量的比例，其值范围为0 ～ 1。对于各向同性的介质，三个方向的本征值相等，FA 为0；对于柱形各向异性介质，沿着柱形长轴方向的本征值远远大于其他两个方向，FA 接近为1。已知本征值还可以计算出相对各向异性（RelativeAnisotropy，RA） 和容积比（Volume Ratio，VR）等参数，在临床应用中FA 较为常用。DTI 可以提供常规成像方法所无法实现的脑的解剖结构和功能信息，重建脑白质纤维束。它对脑白质病、脑血管病等的诊断、神经外科术前病灶的定位、病灶与纤维束的毗邻关系的确定有重要意义。 但是DTI 技术还是有缺陷的，近年来，不断有人拓展基于DTI 的新方法，主要有以下几个技术。
2.1 Diffusional Kurtosis Imaging(DKI)
水分子弥散是一个随机过程，给定时间内水分子移动的距离服从概率分布。简单情形下，各向同性液体( 如一瓶纯水) 中，水分子位移概率密度分布(PDF)是高斯函数，此种弥散也称为高斯弥散。不过在大多数生物组织内，由于存在细胞膜等障碍和细胞内外空间差异，使得水分子弥散的位移概率密度分布偏离了高斯函数，又称为非高斯弥散。水分子弥散位移分布偏离高斯函数的程度即表示为峰度，无量纲，它可以很灵敏的反映生物组织完整性的变化。DKI是传统DTI 模型的简单扩展，使用了更高的b 值，更多的弥散梯度方向。相比于DTI，DKI 对各向同性组织如大脑灰质的结构变化更加敏感。作为DTI 的扩展，DKI 应用广泛，在脑卒中、大脑老化、阿尔茨海默病等研究中已取得良好结果。
图2. a) 体素内不同方向纤维交叉；b) 计算出的弥散波谱( 水分子位移三维概率分布)
2.2 Diffusion Spectrum Imaging(DSI)
DSI也称为Q-space imaging(QSI)，用于研究体素内多纤维交叉。传统DTI 技术用椭球体模型简化了三维体素内的水分子弥散过程，如果体素内有不同方向的白质纤维相交，DTI 模型无法准确描述其组织结构。不同于DTI 需要对弥散过程作出假设前提，DSI 完全不需要基于模型，通过对弥散位移进行三维傅立叶编码，直接计算得到体素内水分弥散位移的三维概率密度分布，可完整描述水分子弥散过程。如下图所示，DSI 计算得到的弥散波谱可清晰显示组织内纤维的交叉情况。DSI 对弥散加权信号进行三维笛卡尔栅格采样，由于采样效率低，采样数据量庞大，使用的b 值极高( 最高b 值要求5000s/mm2 以上)，对硬件梯度和采集时间要求高，目前无法在临床得到推广。
图3. a)DSI 中的笛卡尔栅格采样；b) HARDI 中的球面采样
2.3 High Angular Resolution Diffusion Imaging(HARDI)
与DSI 类似，HARDI也用于研究体素内纤维素交叉，区别在于HARDI 使用球面采样，而DSI 使用笛卡尔栅格采样，如下图所示。HARDI 模型假设水分子弥散位移服从高斯分布，体素内水分子位移过程描述为混合高斯模型，即不同成分的水分子弥散过程可由各自的张量表示，通过计算得到各成分弥散张量的本征方向和本征值。
2.4 Q-ball Imaing
Q-ball Imaging数据采集使用与HARDI 相同的球面采样，但是HARDI 的图像重建需假设组织内水分子弥散为高斯弥散，而Q-ball 的图像处理采用不基于模型的球面拓扑翻转变换，不需对弥散过程作出假设。通过计算可得到水分子沿不同方向弥散的概率密度分布函数(Orientation distributionfunction, ODF)，较好地描述体素内纤维交叉的特征。
3．DWI 新扫描技术
如上所述，目前临床常用的基于ss-EPI 序列的DWI 成像技术具有成像速度快，对运动不敏感等优点，但是与常规结构图像相比，特别是在3.0T 上，DWI 图像具有两个较为严重的伪影：其一，人体内磁场分布不均匀所导致的偏共振伪影，直接限制了EPI 序列的读出窗口宽度，这也是常规DWI 的图像信噪比低、分辨率低的原因之一；其二，人体内各组织磁化率不同所产生的磁敏感效应将引起图像变形，变形的严重程度与整体的EPI 读出时间有关，整体的EPI 读出时间越长，伪影越重，这也是常规DWI 只能进行低分辨率成像的另外一个原因。但是低分辨率DWI 成像的问题在于部分容积效应会影响对微小病灶的检出与评估。这也限制了基于ss-EPI序列的DWI在活体扫描中一般只能进行低信号强度、低分辨率的DWI 成像。但随着MR 扫描机磁场强度的提高，DWI 成像技术已广泛应用到全身其它部位，常规的基于ss-EPI 序列的DWI 在这些部位的应用中表现出更严重的伪影，以至于某些情况下无法得到可用于诊断目的的图像。针对面向微小病灶检出的高分辨率DWI 临床应用成像，常规基于ss-EPI 序列的DWI 成像方法更加难以满足要求。针对这种情况，GE 提出了小FOV 的DWI 成像方法和PROPELLER DUO 技术用于克服基于常规ss-EPI 序列的DWI 成像中的伪影问题。
图4 2DRF 配合180 度射频脉冲激励rFOV 成像平面示意图
3.1 小FOV 技术
影响分辨率的因素有两个：一个是视野尺寸（field-of-view, FOV），另一个是采集矩阵。对于ss-EPI 序列来说，采集矩阵的大小直接决定了整体读出窗口的长度。采集矩阵越大，整体读出窗口的长度越长，ss-EPI 序列的伪影也越重。但是，如果希望提高图像的分辨率，除了加大采集矩阵之外，还可以通过减小FOV 实现。对于常规的DWI 成像来讲，FOV 不能任意的小，当FOV 小于成像物体尺寸时，图像在相位编码（phase encoding, PE）的方向会产生卷褶伪影。但如果在激发过程中，如果能保证FOV 之外的物体不被激发，或者激发之后的信号不能被会聚，那么即使FOV 小于物体的尺寸，由于FOV 之外的物体对最终的图像没有贡献，因此最后的图像上不会出现卷褶伪影。小FOV 技术采用一种全新的射频进行激励，它可以进行2D 选择性激励（two-dimensional radiofrequency, 2DRF），射频脉冲的形状如图2a 所示。2DRF 可以在选层激励时实现条状激励，图4 示意了2DRF 在空间中选择性激励条状区域的结果。图5 所示为小FOV 技术得到的脊髓DWI 和DTI 图像。
 
图5. 小FOV 技术得到的脊髓DWI 和DTI 图像
3.2 PROPELLER DUO 扫描 DWI
PROPELLER DWI 是基于FSE 序列， 它与常规FSE 不同的地方在于，每次激励后采集的回波链在k空间中转过一个角度，多次激励过后，采集得到一个由多条原始数据带构成的k 空间，每个原始数据带在k 空间的中心部分相互覆盖，在理想情况下，每个原始数据带在k 空间的相互覆盖区域的数据相同。基于这一点，通过对每条原始数据带的中心区域进行分析，在经历了相位校正、旋转校正和位移校正后，得到最终PROPELLER DWI 图像。对于PROPELLER-FSE DWI 序列本身的另一种改进技术叫作PROPELLER DUO。与它的名字一样，PROPELLERDUO 在FSE 回波链读出时，利用FSE 回波生成时有前后两个回波的特性，通过调整重聚回波的位置将两个回波分离开来，从而实现在一个回波间隔内读取两个回波，用于填充PROPELLER 采集k 空间中相互垂直的两个原始数据带。这也近似的节省了一半原始PROPELLER-FSE DWI 序列的采集时间。同时由于PROPELLER DUO 将前后两个回波分离开来，这也避免了两个回波相互干扰，从而最大限度的利用了回波信号，因此得到的DWI 图像信噪比更高。图6 是ss-EPI 与PROPELLER DUO 扫描得到DWI 图像的对比，可以明显看到PROPELLER DUO 克服了ss-EPI 技术图像变形和伪影的问题，如图中箭头所示。
图6. (a) ss-EPI 与(b) propeller duo 扫描得到DWI 图像的对比
4. DWI 定量新模型
无论是常规DWI 还是DTI，都假设弥散加权信号随着b 值的增加呈单指数衰减方式，其实这种假设在很多情况下是不成立的，尤其当b 值较高时更是如此。
图7. 细胞内外水分子弥散不同（左），血管内外水分子弥散不同（右）
4.1 双指数模型（Bi-exponential Model）
相比单指数模型，双指数模型也许可以更好地描述这种多指数方式的信号衰减。双指数模型同时考虑到在每个体素内共存的快速弥散质子池和慢速弥散质子池。在实际问题中，这种快慢速弥散质子池至少有两种典型的情况（如图7），1. 细胞内水分子（快弥散）和细胞外水分子（慢弥散），2. 血管内水分子（快弥散即血液的灌注）和血管外水分子（慢弥散）。
弥散图像采集时需要进行多B 值采集，具体B 值个数和大小需要视实际情况（如检查的部位和病人的情况）。求解时，比较常用的是Marquardt–Levenberg 算法，使用该算法需要预先设定初始值，不适当的初始值会导致拟合失败或者陷入局部最小值而得到错误的结果，另外，需要拟合的变量越多，初始值的设定越困难。为了让结果更加稳定，在某些应用中有一些简化的办法，如在图7（右）的这种弥散和灌注的双指数模型中，可以假设弥散和灌注的ADC 有数量级的差别，于是在高B 值的时候（如B 值大于200），快速弥散成分已经充分衰减，因此高B 值部分的曲线可以认为是单指数衰减，经过简单的线性拟合即得到慢速弥散ADC 和容积率，剩下唯一的未知数，快速弥散ADC 也就很容易得到了。另一种简化方法是固定不重要的参数，拟合其他两个参数。
4.2 拉伸指数模型（Stretched Exponential Model）
对于组织中水分子实际的运动情况，双指数模型仍然过于简单，更为可靠的方法可能是假设一个代表更多数量（＞ 2）的体素内质子池连续分布的弥散系数。同时，一些深入的研究证实双指数模型常常不能体现实际情况。为了克服在生物组织中定义具有不同弥散系数的体素内质子池数量有多少的困难，Bennett 等介绍了一种拉伸指数模型。这个模型引入了一个新的参数α，提供了一种新的图像对比（不同于常规DWI），与体素内水分子弥散不均质性的程度有关：当α=1 时，等同于单指数弥散加权信号衰减，此时体素内弥散的是彻底均匀的；相反的情况，当α 接近0 时表示为一种非常复杂的多指数信号衰减。需要强调的是这里的“不均质性”是指体素内指数衰减的不均质性，而不是常说的体素间弥散系数的不均质性。DDC 具有标准弥散系数的特征，可以被认为是按水分子的容积率加权的各个ADC 连续分布部分的复合参数。由于只采用了两个拟合参数，这种拉伸指数模型的解相对双指数模型比较稳定。
4.3 高斯分布模型（Gaussian-Distribution Model）
Yablonskiy 等人提出了高斯分布弥散模型，该模型假设多指数衰减的ADC 分布是连续的且符合高斯分布。如图8 所示，不同宽度σ 的高斯曲线代表组织弥散复杂程度的不同，σ 越大，表示弥散分布越复杂，越偏离单指数形式。该模型是对连续分布ADC 的一种近似，但是大部分的组织中水分子的弥散时很复杂的，ADC 的分布基本上不是标准的高斯型的，所以该模型的准确度不高，应用并不广泛。
图8
4.4 分数阶微分模型（Fractional Order Calculus Model）
Zhou 等人提出了分数阶微分弥散模型，他们将Bloch–Torrey 方程经过分数阶微分进行一般化，得到类似于拉伸指数模型的结果，新的参数μ 可以用来代表水分子在组织中自由扩散（不碰到任何障碍物）的平均距离。
总结
本文所介绍的内容是磁共振弥散技术的进展中的一部分，篇幅有限，有的新技术如多次激发DWI 和线扫描DWI 等没有在文中叙述。总之，弥散技术是磁共振领域很重要的一个分支，随着新技术的不断涌现，弥散的临床价值会越来越显著。
|
