擴(kuò)散峰度成像模型研究進(jìn)展

擴(kuò)散峰度成像模型研究進(jìn)展

微結(jié)構(gòu)圖像顯示擴(kuò)散磁共振成像（dmri）是在傳統(tǒng)mri的基礎(chǔ)上發(fā)展起來(lái)的一種新技術(shù)。重建組織中的分子擴(kuò)散模式以顯示微結(jié)構(gòu)圖像。這不僅是研究腦組織微結(jié)構(gòu)和連接的重要手段，也是研究腦組織微結(jié)構(gòu)和連接的最佳手段。擴(kuò)散磁共振成像最為典型的應(yīng)用是擴(kuò)散張量成像(diffusiontensorimaging,DTI),它通過(guò)測(cè)定特定方向的擴(kuò)散行為對(duì)腦組織的白質(zhì)纖維以及纖維束進(jìn)行評(píng)價(jià)1分散峰成像理論1.1分子的擴(kuò)散行為擴(kuò)散是一種常見(jiàn)的自然現(xiàn)象,它是質(zhì)量傳遞的一種基本方式,是由于分子熱能激發(fā)而使分子發(fā)生一種微觀、隨機(jī)的平移運(yùn)動(dòng)并相互碰撞。分子的擴(kuò)散也稱為分子的熱運(yùn)動(dòng)或布朗運(yùn)動(dòng)。水分子在給定方向上單位時(shí)間內(nèi)的擴(kuò)散行為是滿足概率分布函數(shù)的。在大腦的腦脊液中,水分子擴(kuò)散行為幾乎不受限制,通常被視為自由擴(kuò)散,擴(kuò)散概率分布服從高斯分布,但大部分的大腦組織中,水分子通常限制在軸突或樹(shù)突細(xì)胞膜包圍的空間結(jié)構(gòu)內(nèi),受到周圍組織及微觀結(jié)構(gòu)(如細(xì)胞膜、細(xì)胞器、細(xì)胞內(nèi)外的間隔等)的約束1.2擴(kuò)散敏感因子b值的計(jì)算擴(kuò)散峰度成像模型是2005年由Jensen等人提出的DKI模型是磁共振信號(hào)強(qiáng)度對(duì)數(shù)關(guān)于擴(kuò)散敏感因子b值的泰勒展開(kāi)式,僅取二階前項(xiàng),其數(shù)學(xué)描述如下:式中:b表示擴(kuò)散磁敏感加權(quán)因子,b=(γδg)DKI技術(shù)模型是b的二次項(xiàng),同時(shí)它也是對(duì)擴(kuò)散半徑敏感的一種模型,因而需采用多b值的采集方式1.3擴(kuò)散系數(shù)計(jì)算生物組織中的水分子在三維空間中擴(kuò)散,即不同方向水分子的擴(kuò)散系數(shù)大小相異。用單一標(biāo)量擴(kuò)散系數(shù)描述空間擴(kuò)散分布情況顯然是不夠的。因而,需要一個(gè)能夠完全描述分子沿各個(gè)方向擴(kuò)散系數(shù)的空間矩陣,即擴(kuò)散張量峰度張量既包含水分子主要擴(kuò)散方向的擴(kuò)散特性,又可獲得垂直于主擴(kuò)散方向的受限擴(kuò)散信息。依此峰度張量可更精確檢測(cè)腦組織微結(jié)構(gòu),反映復(fù)雜結(jié)構(gòu)的組織特性。峰度張量被定義為式中,n通常在生物組織中,擴(kuò)散峰度的測(cè)量依靠擴(kuò)散敏感梯度方向,在數(shù)學(xué)表達(dá)上通過(guò)一個(gè)帶有15個(gè)獨(dú)立元素的四階矩陣描述2分散峰成像的臨床應(yīng)用2.1數(shù)據(jù)采集dki不同的生物組織結(jié)構(gòu),對(duì)其內(nèi)部水分子的擴(kuò)散運(yùn)動(dòng)的影響也不同2.2dki擴(kuò)散運(yùn)動(dòng)變化的方向在DWI序列中,設(shè)置不同的實(shí)驗(yàn)參數(shù)可獲得不同的水分子擴(kuò)散信息,其中最重要的參數(shù)為擴(kuò)散敏感梯度方向和擴(kuò)散敏感因子b值。擴(kuò)散敏感梯度方向能夠提供水分子擴(kuò)散的方向信息。只有在施加擴(kuò)散敏感梯度磁場(chǎng)方向上的運(yùn)動(dòng)才有MR信號(hào)的變化,因此擴(kuò)散加權(quán)圖像所反映的水分子擴(kuò)散運(yùn)動(dòng)具有方向性。前面已提到,DKI擴(kuò)散敏感梯度磁場(chǎng)施加的方向至少為15個(gè),若提高擴(kuò)散敏感梯度方向的數(shù)量,即提高三維空間的采樣率,在重建圖像時(shí)可靠性也可相應(yīng)上升式中,γ是旋磁比,g是磁場(chǎng)強(qiáng)度,δ和Δ分別為擴(kuò)散敏感梯度脈沖持續(xù)時(shí)間和間隔。b值越高,對(duì)水分子的隨機(jī)擴(kuò)散運(yùn)動(dòng)越敏感。但b值增高,也伴隨著一些矛盾的出現(xiàn):組織信號(hào)衰減更為明顯;增高的b值必會(huì)延長(zhǎng)TE,會(huì)產(chǎn)生降低圖像信噪比等的不良影響。目前常用的DKI的臨床采集,主要采用單次激發(fā)多層面自旋回波-回波加權(quán)成像序列,進(jìn)行擴(kuò)散加權(quán)成像,獲得橫斷面、冠狀面、矢狀面成像數(shù)據(jù)。采集參數(shù)包括5個(gè)b值(500,1000,1500,2000,2500s/mm2.3張量估計(jì)的準(zhǔn)確性DKI模型的參數(shù)化是通過(guò)擴(kuò)散張量和由旋轉(zhuǎn)不變量提取標(biāo)量的方式獲得的峰度張量來(lái)實(shí)現(xiàn)的。峰度相關(guān)參數(shù)值的合理性依賴于對(duì)張量估計(jì)的準(zhǔn)確性,而噪聲、頭動(dòng)及圖像的失真都會(huì)影響張量估計(jì)的準(zhǔn)確性。理論上,單方向的峰度值有一個(gè)比較合理的范圍,一般為正值,并且依據(jù)不同組織的復(fù)雜程度而小于一定的水平,還與使用的b值有關(guān)系。但是,對(duì)張量估計(jì)的誤差可能會(huì)造成單方向上的峰度值超出可以接受的范圍2.4峰度值、其他指標(biāo)和基本概念DKI理論分析指出,當(dāng)脈沖持續(xù)時(shí)間δ趨于無(wú)窮小時(shí),式(1)中峰度張量趨近于真實(shí)組織內(nèi)水分子的擴(kuò)散三維擴(kuò)散模式,能貼近描述水分子的非高斯擴(kuò)散行為平均峰度MK是反映擴(kuò)散受限制程度的無(wú)量綱的微觀結(jié)構(gòu)指標(biāo),目前是DKI臨床應(yīng)用中最為常用的指標(biāo)。MK優(yōu)勢(shì)在于它不依賴組織結(jié)構(gòu)的空間方位,腦部灰質(zhì)、白質(zhì)結(jié)構(gòu)均可以應(yīng)用平均峰度進(jìn)行描述式中,(K另一種定義MK是基于擴(kuò)散張量3個(gè)本征向量方向的峰度值,有式中,KMK大小取決于感興趣區(qū)域內(nèi)組織結(jié)構(gòu)的復(fù)雜程度,即成像體素內(nèi)生物組織結(jié)構(gòu)越復(fù)雜,水分子擴(kuò)散偏離高斯分布程度越大,平均峰度的數(shù)值也越大。軸向峰度AK是指沿著擴(kuò)散橢球軸向的峰度值(最大特征值的方向),即在腦白質(zhì)中,由于水分子沿著突觸方向擴(kuò)散是自由不受限制的,偏離高斯分布的程度最小,因此AK值比較小。徑向峰度RK是指在主要擴(kuò)散正交方向上的峰度的平均值,即RK是一個(gè)十分重要的參數(shù)指標(biāo),因?yàn)閿U(kuò)散受限主要是在徑向,故峰度為非零數(shù)值,且在徑向表現(xiàn)得尤為突出。特別是在腦白質(zhì)中,由于細(xì)胞膜和髓鞘的阻擋,水分子擴(kuò)散受到限制,顯著地偏離高斯分布,相對(duì)于DTI得到的部分分?jǐn)?shù)各向異性參數(shù)的變化,RK增大得更為顯著。AK和RK這兩個(gè)有方向的峰度與MK并不是簡(jiǎn)單的線性關(guān)系,這是因?yàn)樗碾A峰度張量的三維分布不能用簡(jiǎn)單的橢球來(lái)表示峰度各向異性KA在某種程度上類似于DTI中的分?jǐn)?shù)各向異性FA指標(biāo),可由峰度的標(biāo)準(zhǔn)偏差給出,有其中式中,KKA越小,表示越趨于各向同性擴(kuò)散;若組織結(jié)構(gòu)越緊密越規(guī)則,KA越大。影響KA的因素有介質(zhì)的黏度、分子間距離、鄰近血管搏動(dòng)或腦脊液流動(dòng)、纖維結(jié)構(gòu)的完整性、平行性及致密程度等。擴(kuò)散峰度各向異性KFA是用于提供補(bǔ)充分?jǐn)?shù)各向異性FA信息的參數(shù),反映了各擴(kuò)散組分在空間分布中的差異性,且不依賴于擴(kuò)散敏感梯度方向的成像參數(shù)3腦微結(jié)構(gòu)信息DKI模型在擴(kuò)散橢球模型基礎(chǔ)上疊加峰度信息,使之可更精確地檢測(cè)腦組織微結(jié)構(gòu),更好地反映大腦微結(jié)構(gòu)的信息。利用這一優(yōu)勢(shì),研究者通過(guò)建立一系列基于DKI的白質(zhì)微結(jié)構(gòu)模型,有效地克服了單純依靠顯微鏡觀察解剖和手術(shù)標(biāo)本的傳統(tǒng)組織微結(jié)構(gòu)檢測(cè)手段創(chuàng)傷性大、難于在活體實(shí)施的弊端。這些模型主要包括白質(zhì)纖維束完整性模型、擴(kuò)散峰度-取向分布函數(shù)模型、神經(jīng)組織的峰度分析模型。3.1白質(zhì)擴(kuò)散模型2011年,ElsFieremans等人提出基于DKI的腦白質(zhì)擴(kuò)散模型(見(jiàn)圖3,θ這一白質(zhì)模型基于兩個(gè)假設(shè)前提:其一,白質(zhì)區(qū)域皆由兩個(gè)互不對(duì)流的房室(軸突內(nèi)區(qū)域和軸突外區(qū)域)組成;其二,每個(gè)房室內(nèi)水分子的擴(kuò)散過(guò)程均近似于高斯分布。如此假設(shè)后,雖然整個(gè)白質(zhì)區(qū)域仍存在擴(kuò)散限制,但在各個(gè)隔區(qū)內(nèi)皆可方便地使用已有較成熟的擴(kuò)散張量來(lái)描述每個(gè)隔區(qū)的擴(kuò)散行為。下面是該白質(zhì)擴(kuò)散模型的基本數(shù)學(xué)描述,有式中,f是由峰度信息得到的軸突內(nèi)區(qū)域擴(kuò)散所占的權(quán)重?；谠撃Ｐ?DKI可借助隔區(qū)內(nèi)擴(kuò)散張量3個(gè)本征方向的擴(kuò)散信息,結(jié)合隔區(qū)外峰度信息,獲得體素的軸突內(nèi)外區(qū)的投影分布;同時(shí)可由兩個(gè)隔區(qū)的擴(kuò)散張量得到各自擴(kuò)散軸向與徑向的擴(kuò)散系數(shù),并作為成像參數(shù)進(jìn)行腦白質(zhì)成像。研究結(jié)果表明,這種方法能夠更好地評(píng)估軸突內(nèi)外區(qū)的擴(kuò)散特性和軸突外區(qū)的幾何形變程度。但是,該大腦白質(zhì)擴(kuò)散模型過(guò)于理想化:很多白質(zhì)擴(kuò)散情況未明確涵蓋,其中腦脊液就不能視為單獨(dú)隔區(qū);使用小b值、少擴(kuò)散方向數(shù)據(jù),會(huì)受到信息量不足的影響3.2擴(kuò)散峰度-取向分布函數(shù)模型DKI相比以往傳統(tǒng)的擴(kuò)散成像技術(shù),最突出的優(yōu)勢(shì)是對(duì)組織細(xì)微結(jié)構(gòu)的改變更敏感,因此在神經(jīng)纖維跟蹤成像上的優(yōu)勢(shì)亦明顯式中,θ是仰角,ψ是對(duì)任何一個(gè)給定方向的取向分布函數(shù),可以近似通過(guò)對(duì)一個(gè)依賴垂直于軸向方向上的擴(kuò)散系數(shù)和峰度系數(shù)的函數(shù)進(jìn)行積分來(lái)求得。正如上面的公式,既包含高斯擴(kuò)散的貢獻(xiàn),又融合了非高斯擴(kuò)散的信息,因此這個(gè)擴(kuò)散峰度-取向分布函數(shù)能夠解決纖維交叉的問(wèn)題,如圖5所示。值得注意的是,擴(kuò)散峰度-取向分布函數(shù)這一模型也存在局限性。例如,擴(kuò)散峰度-取向分布函數(shù)的方法不能用于重建取向分布函數(shù)帶有高頻分量的纖維架構(gòu)。雖然,這種高頻成分對(duì)于少量的纖維交叉區(qū)域不會(huì)產(chǎn)生很巨大的影響,但高頻成分將會(huì)被誤認(rèn)為纖維交叉數(shù)量的增加,在纖維跟蹤時(shí)會(huì)出現(xiàn)極大偏差,特別是影響纖維跟蹤的準(zhǔn)確性。隨著DKI模型擬合以及ODF計(jì)算穩(wěn)定性的提高,DKI在神經(jīng)纖維成像方面的研究越來(lái)越受到重視,圖6為DKI在纖維交叉處的跟蹤效果。相比傳統(tǒng)的擴(kuò)散張量成像,DKI在纖維交叉處有獨(dú)特的分辨能力。2014年,一些學(xué)者對(duì)比了峰度張量與基于峰度的取向分布函數(shù)在神經(jīng)纖維跟蹤成像上的效果,峰度張量在表征胼胝體(特別是接近皮層的腦區(qū))時(shí),靈敏度、準(zhǔn)確性明顯高于基于峰度的取向分布函數(shù)3.3基于n-pcr的運(yùn)動(dòng)模型神經(jīng)組織的峰度分析模型(kurtosisanalysisofneuraldiffusionorganization,KANDO)是2015年由EdwardS.Hui等提出的方法,是將峰度張量和擴(kuò)散張量作為輸入?yún)⒘縼?lái)構(gòu)建組織的微結(jié)構(gòu)模型式中,N+1是隔室的數(shù)量。從模型本身可以看出,KANDO適應(yīng)于存在多高斯組分交叉的組織結(jié)構(gòu),采用描述神經(jīng)組織的非高斯擴(kuò)散模式,且適合作為DKI的補(bǔ)充以完善其指標(biāo)的可解釋性,見(jiàn)圖7。同時(shí),KANDO方法所得的指標(biāo)是通過(guò)神經(jīng)微結(jié)構(gòu)特征來(lái)描述神經(jīng)病理?yè)p傷的有效生物標(biāo)記,圖8是各房室神經(jīng)組織成像的示意圖。4主要敏感人才在異質(zhì)性擴(kuò)散與組織微觀結(jié)構(gòu)方面,DKI技術(shù)檢測(cè)是一項(xiàng)十分敏感且具有特異性的技術(shù)。它通過(guò)提供水分子的相關(guān)物理特征(如黏度、彈性、滲透率、密度及擴(kuò)散率等的峰度信息),反映生物組織成分和結(jié)構(gòu)形態(tài),為實(shí)現(xiàn)組織微結(jié)構(gòu)檢測(cè)提供科學(xué)依據(jù)4.1dki重建技術(shù)的應(yīng)用作為對(duì)傳統(tǒng)DTI的擴(kuò)展,DKI過(guò)去在一定程度上是一種對(duì)大腦組織復(fù)雜性的測(cè)量手段;之前的研究已經(jīng)證明,組織微觀結(jié)構(gòu)復(fù)雜性的提高是源于神經(jīng)膠質(zhì)的活動(dòng)以及反應(yīng)性星形細(xì)胞的膠質(zhì)化,神經(jīng)元的喪失會(huì)導(dǎo)致峰度值的減小。因此,近年來(lái)DKI在研究大腦發(fā)育與老化、中風(fēng)、腦腫瘤以及神經(jīng)退行性疾病方面極富潛力。經(jīng)DKI模型探測(cè)可以發(fā)現(xiàn),從青春期到成年期,大腦額葉皮層的MK隨之增加,這對(duì)應(yīng)于在這一發(fā)育過(guò)程中大腦持續(xù)的髓鞘化以及微觀結(jié)構(gòu)的復(fù)雜性逐漸提高。隨著年齡的進(jìn)一步增長(zhǎng),平均峰度MK反而逐漸降低,這一點(diǎn)與神經(jīng)退行性變化與收縮有關(guān),原因是前額葉皮層的變化與認(rèn)知的水平、大腦運(yùn)動(dòng)模式變化相關(guān)。DKI技術(shù)用于大腦發(fā)育的另一大優(yōu)勢(shì)在于可選用的感興趣區(qū)域,包含更大范圍的額葉,利用峰度指標(biāo)可以細(xì)化并同時(shí)評(píng)價(jià)區(qū)域內(nèi)的灰質(zhì)、白質(zhì)DKI技術(shù)檢測(cè)在異質(zhì)性擴(kuò)散與組織微觀結(jié)構(gòu)方面是一項(xiàng)十分敏感且具有特異性的技術(shù),在中風(fēng)缺血部位的識(shí)別有明顯的特異性在腦腫瘤的檢測(cè)研究中,DKI指標(biāo)參數(shù)可能已成為檢測(cè)出差異的唯一擴(kuò)散指標(biāo)。VanCauter等人將DKI應(yīng)用于阿爾茲海默癥中,能夠提供較傳統(tǒng)DTI更多的信息,對(duì)阿爾茲海默癥的深入研究是很有意義的4.2體部散射峰成像近年來(lái)的研究顯示,DKI技術(shù)已應(yīng)用于人體其他部位疾病的研究與診斷中關(guān)于DKI在前列腺癌的診斷和治療中的研究大量涌現(xiàn)5非高斯擴(kuò)散的特點(diǎn)從高斯擴(kuò)散發(fā)展到非高斯擴(kuò)散,DKI更加復(fù)雜和接近組織微環(huán)境中的水分子真實(shí)擴(kuò)散模型,并向著探測(cè)更加精細(xì)組織微結(jié)構(gòu)信息(不僅在腦白質(zhì)研究中而且在灰質(zhì)中極富潛力)的方向快速發(fā)展著。然而,DKI技術(shù)尚有其局限性,有待于今后研究改進(jìn)并更深入地發(fā)展。第一,目前的擴(kuò)散磁共振技術(shù)所能達(dá)到的空間分辨率(即磁共振信號(hào)采集時(shí)體素的尺寸)一般為1~3mm,而神經(jīng)纖維的尺寸為0.1~100μm,通常存在彎曲、分支、交叉等復(fù)雜結(jié)構(gòu)。即便DKI技術(shù)能夠反映真實(shí)的水分子擴(kuò)散現(xiàn)象,也僅僅是定性分析,并不能做到精準(zhǔn)測(cè)量。在現(xiàn)有擴(kuò)散磁共振技術(shù)發(fā)展的基礎(chǔ)上,建立完善能夠獲取更精確、更高空間分辨率的纖維結(jié)構(gòu)信息以及提供特異性更高的參數(shù),為促進(jìn)DKI的豐富和發(fā)展具有巨大的實(shí)際應(yīng)用價(jià)值。第二,DKI模型自2005年提出,其模型的穩(wěn)定性與可靠性一直存在質(zhì)疑,雖然已有大量提高模型穩(wěn)定性的研究出現(xiàn),但仍需在模型擬合的算法和采集方案上進(jìn)行一定的優(yōu)化。第三,基于多磁共振擴(kuò)散敏感因子b值的非高斯擴(kuò)散成像在復(fù)雜組織結(jié)構(gòu)檢測(cè)與重建方面,突破了傳統(tǒng)高斯模型的局限,