|
摘要 过去十年间，一些研究探索了磁共振指纹成像(MRF)在量化脑血流动力学、氧合及灌注方面的潜力。仿真模型与重建框架的最新进展也显著提高了血管参数估计的准确性。本文综述了关键的血管MRF研究，重点阐述了血管仿真的几何模型、新型序列设计，以及融合机器学习和深度学习算法的先进重建技术进展。文章讨论了临床前和临床应用的相关内容，并基于这些研究发现指出了未来在研究和技术发展上需要关注的方向和领域，以便推动这些技术能够更好地应用于临床实践。 引言 MRF技术框架 磁共振指纹成像(MRF)框架于2013年提出，用于从复杂MR序列中同时量化多个参数。MRF过程包含三个核心要素(图1)：(1)具有时变参数(翻转角(FA)、重复时间(TR)、回波时间(TE)等)的MR序列，该序列可生成同一层面的多幅图像。虽然MRF序列设计没有理论限制，但每个体素产生的时间信号演变(或称“指纹”)必须随待估计的组织特性(如T1、T2、偏共振频率等)而变化。为了符合实际的采集时间，通常采用可变密度螺旋等快速k空间采集方案，这些方案会产生具有明显欠采样伪影的低质量原始图像。(2)仿真工具，该工具对具有已知物理或生物特性的“虚拟”体素应用选定的MRF序列，产生“虚拟”指纹。对不同特性组合进行重复仿真可生成包含虚拟指纹及相关特性组合的数据库(或称“字典”)。该仿真工具必须足够复杂以准确反映体素特性对MR信号的影响，字典通常包含数十万个虚拟指纹甚至更多。(3)用于评估时间信号之间距离的算法。对于每个采集到的指纹，可分配字典中最接近的模拟指纹(即“匹配”)对应的特性组合给相关体素，从而同时生成多幅定量图。  图1.采用FISP序列进行弛豫测量的MRF框架以及一名受试者在3T场强下的测试结果。 MRF在弛豫测量中的优势 有研究表明，可以从极短的采集时间中获得精确的定量图谱。这源于以下几个事实：(1)MRF允许在瞬态状态下使用MR序列，这些序列产生的信号演变在其他情况下无法通过分析模型进行解释；(2)MRF可以同时测量标准定量MRI协议中通常被视为伪影的物理效应(如B0、B1不均匀性等)；(3)基于字典的分析(一次计算出一组指纹)允许使用复杂的数据模型，这些模型在标准拟合任务中使用耗时过长(模型需要拟合每次采集中每幅图像每个像素的信号)；(4)分析过程(所有特性均来自同一组采集)与源自多个序列(每个序列都有不同的噪声水平，如用于B1映射的序列和用于T2映射的序列)的参数图组合相比，极大地限制了噪声传播效应。 通过对采集模式和图像重建的优化研究，加上神经网络(NN)越来越多地用于加速和改进字典匹配过程，现在可以在1分钟采集和5分钟重建的MRF协议或其他快速协议下，创建T1、T2和质子密度的参数图，并合成常规的对比图像，如全脑T1加权或FLAIR图像(1mm3空间分辨率)。MRF协议现已被应用于临床研究，并可用于多个器官(如大脑、心脏、肌肉)和疾病(包括卒中、癌症或神经退行性疾病)的检查。 其他MRF应用 尽管最初的研究聚焦于弛豫测量，但MRF框架并不局限于单一的激励模式(单个MRF序列)，也不只是测量横向或纵向弛豫时间(T1、T2)。理论上，只要MRF序列对目标参数敏感，能够为不同组织特性提供不同的指纹，并且MRF模拟足够真实以捕捉信号变化，就可以量化任何组织特性。多个研究团队已将MRF扩展到多种特性的测量。有研究提出利用MRF模式中的TE变化来量化B0不均匀性和相应的T2*信息。最近两项研究也使用完全不同的序列评估了相同的参数，展示了该方法的灵活性。MRF还用于评估水分子扩散系数和方向、肌肉骨骼特性、MR波谱或化学交换饱和转移(CEST)以及磁化转移(MT)。 标准MR脑微血管测量的局限性 随着研究的深入，发现脑血管网络的信息也可以通过MRF技术进行测量。众所周知，微血管的结构和功能会影响MR信号。这是血氧水平依赖(BOLD)效应的基础，许多使用内源性或外源性示踪剂的MRI方法(如稳态或动态磁敏感对比(DSC)、动态对比增强(DCE)、动脉自旋标记(ASL)和定量BOLD成像等)已被用于测量微血管血容量分数(脑血容量或CBV)、平均血管直径和密度、通透性、血流量、血管反应性或血氧饱和度。然而，标准MR灌注方法仍面临一些技术难题，需要进一步研究，例如：(1)在正常组织中获得的良好结果难以在病理环境中复现；(2)随着空间分辨率的提高，估计结果的一致性往往会降低。这些问题部分源于生物物理模型的局限性，当MR信号与经过大量理论简化得出的数学模型进行比较时，这些简化对于获得足够简单以适合拟合程序的模型是必要的，但它们往往会在测量中引入系统性误差。此外，这些模型通常基于健康组织的观察结果，因此不能确保在病理情况下同样适用。 MRF微血管评估优势 在血管测量方面，MRF框架可能比现有方法更具优势。首先，数值模拟可以同时考虑多个生理参数(如血管直径、密度、体积、氧合、血流等)的贡献，并且可以将干扰参数(如水扩散、B1不均匀性)纳入模型中进行测量，或直接通过指纹进行估计。这大大减少了对采集序列的限制，而传统方法通常将采集序列设计为仅对单个或极少数目标参数敏感。其次，数值模拟能够在大范围生理相关输入值内合理描述MR信号调制。在许多分析方法中，实验条件需要细分为不同的状态(如静态去相位、扩散变窄等)以确保准确估计，但这些状态在某些实验条件下(如造影剂团注通过期间)可能无法得到满足。第三，血管指纹成像在具有不规则血管网络和病理生理异常的组织中可能展现出真正的优势。数值模型可以根据这些不规则的血管网络进行调整，并且只要相应的虚拟体素包含在数据库中，就能获得准确的参数估计。第四，可以开发和使用更高灵敏度的新MR序列，消除对造影剂(CA)注射的需求，从而提高灌注图的空间分辨率，同时降低肾源性系统性纤维化和钆在脑或肾组织中滞留的风险。最后，与现有的多参数方法相比，MRF框架可以减少噪声传播，从而提高参数估计的准确性。 本文回顾了过去十年提出的使用MRF框架(无论是否使用外源性造影剂(CAs))测量血管特性的研究。具体而言，本文重点关注受稳态灌注或定量BOLD方法启发的MRF技术，这些技术旨在测量微血管网络的几何特性(如脑血容量(CBV)、血管半径(R)、血管方向等)或血氧饱和度(SO2))，以及源自ASL类型采集的MRF方法(用于量化动态血液特性，如脑血流量(CBF)和动脉到达时间)。表1中提供了主要方法学发展的研究总结。 表1.MRvF主要方法学研究概览。  人类首个MRvF研究 2014年首次提出将磁共振指纹成像(MRF)概念应用于血管测量的研究，并命名为磁共振血管指纹成像(MRvF)。该初始实施方案采用“自由感应衰减与自旋回波的梯度回波采样”(GESFIDSE)序列，该序列已在先前的定量BOLD实验中使用。因此，参数变化仅限于回波时间调整，通过完全采样的笛卡尔方案获取时序信号变化。在造影剂(超小型超顺磁性氧化铁)注射前后进行采集，并将两次获得的信号的比值作为指纹特征。与用于弛豫测量的标准MRF不同，MRvF中的模拟体素不仅包含T1/T2等全局参数，而且还生成了一个亚体素结构来代表微血管网络。这种结构可以通过随机排布特定半径R的直血管直至达到目标血容量分数(CBV)。在此初始方案中采用二维模型，设定血管垂直于成像平面。血管内的血液被赋予一个特定氧合度(SO2)值，从而产生血管内外磁化率差异。基于包含磁场分布、磁化演变以及水分子扩散效应的模拟获得合成信号演变，最终通过最小二乘法实现指纹匹配。研究在3T场强下对5名健康受试者者进行成像，生成了一个包含52920个信号、涵盖CBV/R/SO2三种参数的字典库，并将MRvF结果与通过传统MR技术得到的结果进行对比验证。 该研究结果表明，MRvF方法无需先验信息即可生成具有预期对比度与精细结构的微血管网络参数图。灰质数值(CBV=3.1%±0.7%，R=12.6±2.4μm)与文献中报告的一致，并且与传统的MR方法相关联。灰质中的SO2值(59.5%±4.7%)也与其他成像方法以及基于MR相位测量的矢状窦SO2值一致，但白质中的SO2值(53.0%±4.0%)低于预期，且灰白质交界区系统性地呈现高脱氧状态。图2展示了使用该方法在一名受试者身上获得的MRvF方案和结果。通过数值模拟，研究者发现在生成的字典中可能缺乏信号多样性。二维体素模型在表达数据时过于简化，可能无法准确反映复杂的情况，建议在应用于病理案例前需进行多方面的改进。特别是，在模拟中可以考虑额外的参数来解释白质的磁性微环境，并提升血管几何形状的真实性。  图2.初始MRvF框架以及3T场强下受试者的测试结果。 后续小规模研究验证了MRvF检测血氧微小变化的能力。十名志愿者分别吸入不同混合气体(高氧100%O2、常氧21%O2、低氧14%O2)6分钟，采用相同的MRvF协议，并采用基于TRUST的T2成像序列进行独立的静脉血氧监测(SvO2)。生理监测(动脉血氧饱和度SaO2)和TRUST测量结果均显示气体挑战期间血氧发生了全局变化。虽然常氧条件下获得的MRvF图像和数值与先前研究一致，但不同气体挑战之间的SO2估计值无显著变化。为了改善结果，研究者进行了字典库理论分析(图3)，并设计了一种新的MRvF模式，该模式基于相同的采集方式，但改为将注射前后的信号直接连接。新方法获得了相似的CBV/R结果，但灰质低氧/高氧状态下的SO2估计值出现显著差异(图4)，这表明白质血管模型仍需完善。  图3.MRvF字典研究。  图4.健康受试者气体挑战期间的MRvF结果。 动物脑损伤中的MRvF 如前所述，血管MRF在病理环境中具有重要的应用价值。在一项针对115例脑损伤模型的动物研究中，分析了三种已知具有不规则微血管结构的脑肿瘤大鼠模型(9L、C6和F98)，同时还纳入了血管几何形态变化较小但血流和血氧变化显著的卒中模型。研究结果与传统MR方法得到的结果进行了比较，包括用于CBV测量的稳态磁敏感对比成像、血管大小成像(VSI)，以及用于SO2测量的多参数定量BOLD(mqBOLD)成像。 研究发现，指纹信号具有足够的灵敏度，可界定病灶区域并区分不同肿瘤模型。特别是，C6和F98胶质瘤模型具有相似的指纹特征，而9L模型则呈现出明显不同的演变规律(图5)。这些发现与既往组织学和其他影像学研究结果一致，表明C6和F98胶质瘤模型不会生成新的血管来提供营养，而9L胶质瘤模型则会生成新的血管。在健康组织以及C6、F98和永久性卒中模型中，MRvF与传统MR方法的结果高度一致，但在9L模型中观察到的血管半径估计值存在差异。一种可能的解释是，这与通过MRvF测量的平均血管半径与VSI(加权平均值)之间的差异有关；另一种可能是9L模型包含了超出数学模型限制的血管网络。在这项研究中，还通过以下方式探讨了增加数值模型复杂度的影响：(1)在字典中新增水扩散系数维度；(2)通过扩展参数范围来增大字典规模；(3)设计含异常大血管且具有取向优势的特殊体素。当字典从40000个指纹增至百万个时，仅通过改变血管网络数值表征即可改善MRvF结果并获得支持性数据。但9L模型中的SO2估计值仍存在显著差异，这表明两种方法存在本质区别。因此，似乎有必要通过其他测量进一步验证MRvF血氧评估结果。  图5.MRvF方法最初的实验结果涉及三种不同的胶质瘤模型和一种卒中模型。 真实血管网络的MRvF建模 很明显，早期MRvF研究中采用的二维圆柱模型与真实情况相差甚远。该模型虽能计算血室中顺磁性物质引起的磁场扰动，但仅考虑平行或正交于主磁场的血管，无法体现体内血管网络的方向多样性和迂曲度(图6)以及相关扰动的相互作用。此外，一些几何特性(如迂曲度)在病理状态下可能会发生改变。  图6.MRvF字典生成过程中需考虑的几何模型示意图。 为了获得更真实的模拟，可采用三种方法：一是三维空间内放置多向圆柱体，保持CBV和平均血管半径(R)的可控性，便于均匀填充字典参数空间，但血管仍为无弯曲的简单圆柱体；二是直接采用组织血管网络，利用先进成像技术和数据处理获取小鼠全脑微米级分辨率血管网络，已有公开数据集证实基于傅里叶变换可计算真实磁场形变。首次尝试在MRvF框架中使用这种真实结构是基于6个小鼠皮层血管造影图(1μm各向同性分辨率)，通过几何变换增强数据多样性，但群体水平的参数图和定量结果未达预期，可能与字典泛化能力不足有关。最新研究从健康小鼠全脑血管网络开放数据集中分割三维体素生成MRvF字典，将数据集切割成11000个MRI大小的体素，经数值侵蚀最终得到28000个不同的体素，每个体素均标注CBV和R值，但参数空间覆盖不均。 基于这些几何基础，通过Sobol序列分配SO2和T2值(水扩散系数统一设为1000μm2/s)生成字典。为了进行比较，采用2D和3D直圆柱模型生成具有相同参数的体素。在4.7T场强下采用串联GESFIDSE序列(见图2)进行实验，并分别通过经典匹配和基于字典的学习方法重建参数图。MRI数据采集自健康大鼠和9L脑瘤大鼠两组，病理组通过肿瘤组织氧分压(pO2)活体测量验证SO2估计值。 研究发现三种字典(二维圆柱、三维圆柱和三维显微模型)生成的参数图存在明显差异。使用二维字典时，SO2图显示肿瘤低氧，使用三维显微字典时则显示为高氧，然而pO2测量显示肿瘤内氧合增加(图7)；基于三维圆柱体的字典则未显示肿瘤与正常组织的SO2存在显著差异。该研究强调了模型真实性的重要性，因为三种字典生成的CBV和R图在肿瘤与对侧区域呈现相似趋势，但SO2图结果迥异。  图7.Delphin等人(2024)所提方法的研究结果示意图。 采用更真实的血管模型不仅能够提高参数估计的准确性，还能提供新的评估指标。基于真实血管网络体素的图论分析可量化单个血管的特征(如平均长度、迂曲度和各向异性)，这些特征在健康组织与病灶(特别是肿瘤)之间存在显著差异。利用数据增强技术将45000个真实体素与不同SO2值相结合，构建一个包含135000个条目的字典库，图8展示了由此生成的参数图示例。这些提升几何真实性的研究工作显著改善了早期MRvF研究中的测量精度，并为新的应用提供了可能性。值得注意的是，由于MRvF中使用了字典匹配原则，因此获取这些新指标仅需优化字典制备(即完善血管网络表征)，无需额外的模拟或延长重建时间。  图8.基于三维显微体素复杂表征的字典所能获取的几何特征参数图示例(详见Marçal等人2025年的研究)。 无造影剂MRvF技术 尽管既往MRvF研究依赖于造影剂注射进行成像，但由于某些造影剂(如铁P904等)在某些患者群体中的禁忌症以及部分地区使用限制，其临床应用受到制约。近期研究致力于开发无需造影剂的MRvF脑微血管成像技术。 在没有造影剂的情况下实现精准且可靠的参数量化是具有挑战性的，这主要是源于内在组织特性以及准确建模和提取血管参数的复杂性。一种MRF方法是在不注射造影剂的情况下，使用扰相梯度回波序列结合多室模型(T1+T2)估算CBV，同时利用血管内水分子共振时间来评估血脑屏障完整性。然而，多室模型也面临着血室均质性的问题，因为血液弛豫时间显著受血细胞比容和氧合度影响，仅凭一对弛豫时间难以完整表征血管网络，并且可能与其他组织成分信号重叠。此外，水分子扩散和血流等因素也会干扰弛豫时间，这进一步增加了从扰相梯度回波信号中分离血管成分贡献的难度。 最近有研究提出了基于平衡梯度回波序列的MRvF实验序列设计(图9左)。该MRvF-bSSFP序列利用平衡稳态自由进动(bSSFP)对BOLD效应的固有敏感性，并结合一种新的体素内频率不均匀性简化模型，可在无造影剂条件下同步测量人脑弛豫参数(T1、T2、PD)、磁场参数(B1、B0)以及微血管参数(CBV、R)。该序列设定固定SO2值为60%以降低模型复杂度。对6名健康受试者的初步研究结果显示，其弛豫测量结果与传统MRF序列一致；微血管参数虽需通过造影剂研究进一步验证，但灰质/白质CBV比值(1.91)与既往研究一致。该技术的主要局限在于估算大量参数所需的计算成本，因此需要构建包含数十亿条目的MRF字典，存储容量超1TB，且匹配过程耗时极长。为此研究采用分批字典匹配策略，在重建过程中动态生成子字典(仅包含少量体素内分布模式)。最终，保留每个体内指纹的最佳匹配结果(图10)。这种新的重建方法虽然降低了内存需求，但重建时间仍较长，这可能会限制其在临床中的应用。  图9.无造影剂MRvF技术框架。  图10.Coudert等人(2025)提出的动态匹配/模拟过程示意图。 动态磁敏感对比MRF技术 尽管最初的MRvF研究基于稳态灌注和定量BOLD方法(即微血管网络的静态特征)，但近期一项研究将相同原理应用于动态磁敏感对比(DSC)实验，并定量表征了6例胶质瘤患者的微血管特征。该研究采用混合回波平面成像(HEPI)序列——一种整合梯度回波(GRE)与自旋回波(SE)采集的新技术，在钆造影剂首次通过时进行采集。 将HEPI序列(实际扫描参数)导入基于Bloch方程的动态增强模拟工具中，该工具同时考虑了造影剂外渗和扩散效应。利用造影剂团注通过期间的T2*(GRE)和T2(SE)信号变化构建字典，其中血管通透性(k)、平均血管半径(R)和相对脑血容量(rCBV)为可变参数。经过标准匹配后，血管参数还与使用传统VSI技术量化的结果进行了对比。两种技术在所有患者的灰质和白质区域均生成了相似的rCBV图，并清晰地区分了病灶区域。在一例增强型胶质瘤患者中，MRvF测得的rCBV值显著更高。通过VSI获得的血管半径图较MRvF数值偏低，这可能源于VSI对大血管尺寸的低估。研究还发现MRF方法对噪声和造影剂渗漏具有更强的鲁棒性。 DSC-MRF的主要限制在于需要1.5-2s的时间分辨率，这制约了其空间分辨率和扫描覆盖范围。然而，其核心优势在于，通过捕捉造影剂动态首过过程，能够获取广泛范围的造影剂浓度及相应的磁敏感效应，从而比传统的MRvF方法提供了更丰富的微血管信息。虽然在这项初步研究中，模拟信号所用的血管参数较为有限，但未来可扩展模拟字典，加入血流、血氧饱和度等更多参数，以提升肿瘤区域的匹配精度。后续研究还应重点关注将通透性参数纳入字典中能够在多大程度上避免造影剂渗漏带来的混淆影响。 动脉自旋标记MRF技术 与DSC类似，动脉自旋标记(ASL)技术对血液在血管树和组织中的动态输送过程敏感。ASL无需外源性造影剂，通过射频脉冲改变动脉血水质子的纵向磁化，在目标器官上游形成标记血水团，从而实现灌注测量。与其他基于外源性造影剂(如钆螯合物)的灌注MRI技术不同，ASL标记物在组织中自由扩散，其寿命较短(会在数秒内随血液水的T1弛豫时间衰减)。这使得快速重复测量成为可能，从而实现灌注功能成像，并使ASL主要对血管树的动脉部分敏感。基本的ASL信号模型可获取脑血流量(CBF)和动脉通过时间(ATT)等关键参数，通过双室模型还能评估血管水通透性和血管内水体积等其他参数。 现有多种ASL采集方案，这些方案在动脉血水标记方式和信号采样方法上有所不同。目前，最广泛使用的伪连续标记法(接近最初提出的连续标记方案)，通过在标记平面施加血流驱动反转脉冲，使流经上游动脉的血液发生磁化反转。经过数秒标记期，标记血水在下游灌注组织中累积，改变整体磁化状态(“标记条件”)；再经过数秒标记后延迟(PLD)使标记血液到达组织后进行成像。与未标记图像(“对照条件”)相减可消除静态组织自旋所带来的影响，最终获得与标记期间组织灌注血量成正比的信号。重要的是，序列设计旨在精确匹配标记和对照条件下静态自旋的信号，方法是通过在成像区域使用预饱和脉冲、通过反转脉冲进行背景抑制，以及设计标记脉冲以补偿磁化转移效应。通过在标记后多时间点采样或成像前受控切换标记/对照状态，可提取标记的时间特征。 由于使用射频脉冲生成动脉标记具有灵活性(无需注射或外部干预)，近期的研究提出了一种基于MR指纹框架的ASL序列和数据处理方案。ASL指纹可视为时间编码ASL的扩展，其通过交替变化的标记/对照周期来实现。与传统的时间编码方案不同，该技术在每个标记/对照块结束时(无PLD或可变PLD，图11)进行更高频的信号采样，且标记/对照状态的时序无需匹配。与单纯的信号相减方法不同，该方法通过建模静态与标记自旋的序列效应，综合考虑多个前期标记/对照周期的累积贡献。与传统方法相比，较短的标记期和无PLD设计显著提高了信号采样频率。最初的报告使用的平均TR为380ms，比单延迟pCASL中的典型TR缩短了10倍以上，这不仅大幅提升了信噪比，还增加了对团注到达时间的敏感性。静态自旋信号通过组织T1等模型参数进行建模，研究表明标记时长/TR的正弦变化可为大多数模型参数的估计提供最佳的精度和准确性。 图11.MRF-ASL脉冲序列与动力学模型示意图。 由于ASL是一种定量技术，其参数估计依赖于定量信号模型。传统的非指纹ASL数据多采用单室灌注模型进行处理，该模型假设血管内外水交换是完全且即时的。然而，在ASL指纹成像中，标记/对照周期紧邻信号采集，因此可能会出现未参与体素内组织灌注的动脉血ASL信号。为了更准确地反映血液在动脉中的流动情况，ASL信号模型需要进行相应的调整，并增加动脉团注到达时间、动脉容积以及血流通行时间等参数。MRF框架的灵活性使得能够将MRF-ASL标记方案集成到对其他参数敏感的MRF序列中。目前，已有研究提出了一种对灌注、扩散和T2*弛豫敏感的序列。 MRF-ASL仍然是一种相对较新的方法，到目前为止，大多数研究都集中在该方法的优化上。尽管如此，已有研究在卒中和烟雾病等临床应用中取得了初步的成果(图12)，并与Look-Locker ASL、单延迟pCASL、多延迟pCASL以及DSC等灌注成像技术进行了对比验证。 图12.烟雾病患者MRF-ASL与DSC结果的对比。 先进的血管MRF重建技术 设计更高效的指纹和增大字典规模，最终会导致匹配过程耗时增加。为此，研究人员致力于缩短MRF的后处理时间，并将一些先进的重建技术应用于血管MRF领域。降维技术的提出有效降低了图像重建的计算成本，为更高效、可扩展的临床应用奠定了基础。标准压缩方法(如奇异值分解)已成功应用于扰相MRF序列，通过将信号投影至低维子空间，可在保持图谱质量的同时减小字典规模。然而，像bSSFP这样的序列(用于非对比MRvF)需要更多的基向量才能准确地投影信号，这限制了压缩效果。采用基于在线高维椭圆分布混合(HD-MED)和分治策略的压缩方法，可实现大规模字典表征的高效学习。该技术已在健康受试者中得到验证，并与原始空间中的标准字典进行了比较，为处理多参数估计的MRvF序列提供了高效的管理方案。 用于MR数据重建的机器学习(ML)算法在MRF研究中也取得了一些显著进展。Boux等人(2021)针对MRvF数据提出了一种基于字典的统计学习(DB-SL)方法，该方法采用高斯局部线性映射(GLLiM)模型建立了从信号指纹到组织参数的映射关系，并为每个信号指纹提供完整的后验分布，从而使得能够同时计算参数的估计值和置信指数。DB-SL方法还利用准随机采样策略高效生成信息丰富的字典。与标准的字典匹配(DBM)方法和基于全连接网络的字典深度学习(DB-DL)方法相比，DB-SL在荷瘤大鼠的模拟实验和真实数据中表现出更高的准确度，有效地避免了与字典边界相关的限制，并且在抗噪性和计算效率方面具有明显优势。此外，GLLiM算法与HD-MED方法的结合进一步提升了参数估计的连续性和图像重建速度。针对高维血管MRF，有研究提出了一种基于双向长短期记忆(LSTM)网络的新重建方法，该方法通过在线批处理MRvF-bSSFP序列的模拟信号进行训练，能够直接根据采集到的信号指纹来推算出六个组织参数(T1、T2、B1、B0、CBV和R)。这一方法使得能够以低计算负荷和更密集的参数空间采样对六个MRvF图进行二级重建。最新的研究结果还表明，该模型对欠采样伪影具有较强的鲁棒性。 首个MRF ASL研究采用了基于字典匹配的方法。该研究利用字典匹配分析双室模型(7参数)数据，所需字典存储空间达171GB。与其他MRF序列类似，机器学习方法也被应用于分析指纹数据。全连接神经网络(NN)不仅显著提高了匹配速度，而且还改善了生成的参数图质量。与字典匹配方法相比，全连接网络在从模拟噪声数据中重建参数图时，通常能够获得更高的决定系数，并且在对每个受试者扫描三次的数据中，表现出更好的重现性。作者将此归因于NN能够重建连续的参数图，并且在对噪声数据进行训练时具有较强的鲁棒性。尽管通过模拟数据重建的脑血流量(CBF)值具有一定的准确性，但仍有提升的空间，参数图的精度仍需进一步验证。 结论 磁共振指纹成像已被证明是一种强大的定量MRI框架。通过专门的数值模拟与定制的MR序列，它能够评估脑血流动力学、血管几何形态及血氧饱和度。近年来，序列设计、微血管模型、字典压缩以及基于深度学习重建技术的进展，使得无需造影剂即可实现人体血管的定量测量，并且目前还在不断探索和研究新的血管定量评估方法。然而，大多数血管MRF方法仍处于发展阶段，需要进一步的验证和优化。虽然ISMRM/NIST等标准化体模可用于弛豫测量，但在微血管评估中仍缺乏合适的校准参照。将血管MRF与高分辨率显微技术(如光片显微镜、相位对比X射线成像、光声测量)结合进行虚拟体素与实际血管结构的比较，或可成为评估测量精度并优化相关技术的一种有效途径。总的来说，血管MRF在研究脑血管疾病方面具有重要应用价值，包括卒中、肿瘤及神经退行性疾病。在急性期，血管MRF提供了速度优势，而在长期随访中，则能通过定量图谱持续监测病情。MRF的序列设计与参数测量具有高度的灵活性，使得其微血管评估技术不仅适用于血管研究，还可以扩展至扩散加权或化学交换饱和转移(CEST)等微环境研究领域，甚至可整合这些技术以实现更全面的组织生理学评估，并推动新型虚拟MR组织学检查的发展。 参考文献：Coudert, T., Delphin, A., Barrier, A., Barbier, E.L., Lemasson, B., Warnking, J.M. and Christen, T. (2025), “MR Fingerprinting for Imaging Brain Hemodynamics and Oxygenation”. J Magn Reson Imaging. https:///10.1002/jmri.29812 相关说明
|
|
|
