扩散峰度成像模型研究进展

扩散峰度成像模型研究进展

微结构图像显示扩散磁共振成像（dmri）是在传统mri的基础上发展起来的一种新技术。重建组织中的分子扩散模式以显示微结构图像。这不仅是研究脑组织微结构和连接的重要手段，也是研究脑组织微结构和连接的最佳手段。扩散磁共振成像最为典型的应用是扩散张量成像(diffusiontensorimaging,DTI),它通过测定特定方向的扩散行为对脑组织的白质纤维以及纤维束进行评价1分散峰成像理论1.1分子的扩散行为扩散是一种常见的自然现象,它是质量传递的一种基本方式,是由于分子热能激发而使分子发生一种微观、随机的平移运动并相互碰撞。分子的扩散也称为分子的热运动或布朗运动。水分子在给定方向上单位时间内的扩散行为是满足概率分布函数的。在大脑的脑脊液中,水分子扩散行为几乎不受限制,通常被视为自由扩散,扩散概率分布服从高斯分布,但大部分的大脑组织中,水分子通常限制在轴突或树突细胞膜包围的空间结构内,受到周围组织及微观结构(如细胞膜、细胞器、细胞内外的间隔等)的约束1.2扩散敏感因子b值的计算扩散峰度成像模型是2005年由Jensen等人提出的DKI模型是磁共振信号强度对数关于扩散敏感因子b值的泰勒展开式,仅取二阶前项,其数学描述如下:式中:b表示扩散磁敏感加权因子,b=(γδg)DKI技术模型是b的二次项,同时它也是对扩散半径敏感的一种模型,因而需采用多b值的采集方式1.3扩散系数计算生物组织中的水分子在三维空间中扩散,即不同方向水分子的扩散系数大小相异。用单一标量扩散系数描述空间扩散分布情况显然是不够的。因而,需要一个能够完全描述分子沿各个方向扩散系数的空间矩阵,即扩散张量峰度张量既包含水分子主要扩散方向的扩散特性,又可获得垂直于主扩散方向的受限扩散信息。依此峰度张量可更精确检测脑组织微结构,反映复杂结构的组织特性。峰度张量被定义为式中,n通常在生物组织中,扩散峰度的测量依靠扩散敏感梯度方向,在数学表达上通过一个带有15个独立元素的四阶矩阵描述2分散峰成像的临床应用2.1数据采集dki不同的生物组织结构,对其内部水分子的扩散运动的影响也不同2.2dki扩散运动变化的方向在DWI序列中,设置不同的实验参数可获得不同的水分子扩散信息,其中最重要的参数为扩散敏感梯度方向和扩散敏感因子b值。扩散敏感梯度方向能够提供水分子扩散的方向信息。只有在施加扩散敏感梯度磁场方向上的运动才有MR信号的变化,因此扩散加权图像所反映的水分子扩散运动具有方向性。前面已提到,DKI扩散敏感梯度磁场施加的方向至少为15个,若提高扩散敏感梯度方向的数量,即提高三维空间的采样率,在重建图像时可靠性也可相应上升式中,γ是旋磁比,g是磁场强度,δ和Δ分别为扩散敏感梯度脉冲持续时间和间隔。b值越高,对水分子的随机扩散运动越敏感。但b值增高,也伴随着一些矛盾的出现:组织信号衰减更为明显;增高的b值必会延长TE,会产生降低图像信噪比等的不良影响。目前常用的DKI的临床采集,主要采用单次激发多层面自旋回波-回波加权成像序列,进行扩散加权成像,获得横断面、冠状面、矢状面成像数据。采集参数包括5个b值(500,1000,1500,2000,2500s/mm2.3张量估计的准确性DKI模型的参数化是通过扩散张量和由旋转不变量提取标量的方式获得的峰度张量来实现的。峰度相关参数值的合理性依赖于对张量估计的准确性,而噪声、头动及图像的失真都会影响张量估计的准确性。理论上,单方向的峰度值有一个比较合理的范围,一般为正值,并且依据不同组织的复杂程度而小于一定的水平,还与使用的b值有关系。但是,对张量估计的误差可能会造成单方向上的峰度值超出可以接受的范围2.4峰度值、其他指标和基本概念DKI理论分析指出,当脉冲持续时间δ趋于无穷小时,式(1)中峰度张量趋近于真实组织内水分子的扩散三维扩散模式,能贴近描述水分子的非高斯扩散行为平均峰度MK是反映扩散受限制程度的无量纲的微观结构指标,目前是DKI临床应用中最为常用的指标。MK优势在于它不依赖组织结构的空间方位,脑部灰质、白质结构均可以应用平均峰度进行描述式中,(K另一种定义MK是基于扩散张量3个本征向量方向的峰度值,有式中,KMK大小取决于感兴趣区域内组织结构的复杂程度,即成像体素内生物组织结构越复杂,水分子扩散偏离高斯分布程度越大,平均峰度的数值也越大。轴向峰度AK是指沿着扩散椭球轴向的峰度值(最大特征值的方向),即在脑白质中,由于水分子沿着突触方向扩散是自由不受限制的,偏离高斯分布的程度最小,因此AK值比较小。径向峰度RK是指在主要扩散正交方向上的峰度的平均值,即RK是一个十分重要的参数指标,因为扩散受限主要是在径向,故峰度为非零数值,且在径向表现得尤为突出。特别是在脑白质中,由于细胞膜和髓鞘的阻挡,水分子扩散受到限制,显著地偏离高斯分布,相对于DTI得到的部分分数各向异性参数的变化,RK增大得更为显著。AK和RK这两个有方向的峰度与MK并不是简单的线性关系,这是因为四阶峰度张量的三维分布不能用简单的椭球来表示峰度各向异性KA在某种程度上类似于DTI中的分数各向异性FA指标,可由峰度的标准偏差给出,有其中式中,KKA越小,表示越趋于各向同性扩散;若组织结构越紧密越规则,KA越大。影响KA的因素有介质的黏度、分子间距离、邻近血管搏动或脑脊液流动、纤维结构的完整性、平行性及致密程度等。扩散峰度各向异性KFA是用于提供补充分数各向异性FA信息的参数,反映了各扩散组分在空间分布中的差异性,且不依赖于扩散敏感梯度方向的成像参数3脑微结构信息DKI模型在扩散椭球模型基础上叠加峰度信息,使之可更精确地检测脑组织微结构,更好地反映大脑微结构的信息。利用这一优势,研究者通过建立一系列基于DKI的白质微结构模型,有效地克服了单纯依靠显微镜观察解剖和手术标本的传统组织微结构检测手段创伤性大、难于在活体实施的弊端。这些模型主要包括白质纤维束完整性模型、扩散峰度-取向分布函数模型、神经组织的峰度分析模型。3.1白质扩散模型2011年,ElsFieremans等人提出基于DKI的脑白质扩散模型(见图3,θ这一白质模型基于两个假设前提:其一,白质区域皆由两个互不对流的房室(轴突内区域和轴突外区域)组成;其二,每个房室内水分子的扩散过程均近似于高斯分布。如此假设后,虽然整个白质区域仍存在扩散限制,但在各个隔区内皆可方便地使用已有较成熟的扩散张量来描述每个隔区的扩散行为。下面是该白质扩散模型的基本数学描述,有式中,f是由峰度信息得到的轴突内区域扩散所占的权重。基于该模型,DKI可借助隔区内扩散张量3个本征方向的扩散信息,结合隔区外峰度信息,获得体素的轴突内外区的投影分布;同时可由两个隔区的扩散张量得到各自扩散轴向与径向的扩散系数,并作为成像参数进行脑白质成像。研究结果表明,这种方法能够更好地评估轴突内外区的扩散特性和轴突外区的几何形变程度。但是,该大脑白质扩散模型过于理想化:很多白质扩散情况未明确涵盖,其中脑脊液就不能视为单独隔区;使用小b值、少扩散方向数据,会受到信息量不足的影响3.2扩散峰度-取向分布函数模型DKI相比以往传统的扩散成像技术,最突出的优势是对组织细微结构的改变更敏感,因此在神经纤维跟踪成像上的优势亦明显式中,θ是仰角,ψ是对任何一个给定方向的取向分布函数,可以近似通过对一个依赖垂直于轴向方向上的扩散系数和峰度系数的函数进行积分来求得。正如上面的公式,既包含高斯扩散的贡献,又融合了非高斯扩散的信息,因此这个扩散峰度-取向分布函数能够解决纤维交叉的问题,如图5所示。值得注意的是,扩散峰度-取向分布函数这一模型也存在局限性。例如,扩散峰度-取向分布函数的方法不能用于重建取向分布函数带有高频分量的纤维架构。虽然,这种高频成分对于少量的纤维交叉区域不会产生很巨大的影响,但高频成分将会被误认为纤维交叉数量的增加,在纤维跟踪时会出现极大偏差,特别是影响纤维跟踪的准确性。随着DKI模型拟合以及ODF计算稳定性的提高,DKI在神经纤维成像方面的研究越来越受到重视,图6为DKI在纤维交叉处的跟踪效果。相比传统的扩散张量成像,DKI在纤维交叉处有独特的分辨能力。2014年,一些学者对比了峰度张量与基于峰度的取向分布函数在神经纤维跟踪成像上的效果,峰度张量在表征胼胝体(特别是接近皮层的脑区)时,灵敏度、准确性明显高于基于峰度的取向分布函数3.3基于n-pcr的运动模型神经组织的峰度分析模型(kurtosisanalysisofneuraldiffusionorganization,KANDO)是2015年由EdwardS.Hui等提出的方法,是将峰度张量和扩散张量作为输入参量来构建组织的微结构模型式中,N+1是隔室的数量。从模型本身可以看出,KANDO适应于存在多高斯组分交叉的组织结构,采用描述神经组织的非高斯扩散模式,且适合作为DKI的补充以完善其指标的可解释性,见图7。同时,KANDO方法所得的指标是通过神经微结构特征来描述神经病理损伤的有效生物标记,图8是各房室神经组织成像的示意图。4主要敏感人才在异质性扩散与组织微观结构方面,DKI技术检测是一项十分敏感且具有特异性的技术。它通过提供水分子的相关物理特征(如黏度、弹性、渗透率、密度及扩散率等的峰度信息),反映生物组织成分和结构形态,为实现组织微结构检测提供科学依据4.1dki重建技术的应用作为对传统DTI的扩展,DKI过去在一定程度上是一种对大脑组织复杂性的测量手段;之前的研究已经证明,组织微观结构复杂性的提高是源于神经胶质的活动以及反应性星形细胞的胶质化,神经元的丧失会导致峰度值的减小。因此,近年来DKI在研究大脑发育与老化、中风、脑肿瘤以及神经退行性疾病方面极富潜力。经DKI模型探测可以发现,从青春期到成年期,大脑额叶皮层的MK随之增加,这对应于在这一发育过程中大脑持续的髓鞘化以及微观结构的复杂性逐渐提高。随着年龄的进一步增长,平均峰度MK反而逐渐降低,这一点与神经退行性变化与收缩有关,原因是前额叶皮层的变化与认知的水平、大脑运动模式变化相关。DKI技术用于大脑发育的另一大优势在于可选用的感兴趣区域,包含更大范围的额叶,利用峰度指标可以细化并同时评价区域内的灰质、白质DKI技术检测在异质性扩散与组织微观结构方面是一项十分敏感且具有特异性的技术,在中风缺血部位的识别有明显的特异性在脑肿瘤的检测研究中,DKI指标参数可能已成为检测出差异的唯一扩散指标。VanCauter等人将DKI应用于阿尔兹海默症中,能够提供较传统DTI更多的信息,对阿尔兹海默症的深入研究是很有意义的4.2体部散射峰成像近年来的研究显示,DKI技术已应用于人体其他部位疾病的研究与诊断中关于DKI在前列腺癌的诊断和治疗中的研究大量涌现5非高斯扩散的特点从高斯扩散发展到非高斯扩散,DKI更加复杂和接近组织微环境中的水分子真实扩散模型,并向着探测更加精细组织微结构信息(不仅在脑白质研究中而且在灰质中极富潜力)的方向快速发展着。然而,DKI技术尚有其局限性,有待于今后研究改进并更深入地发展。第一,目前的扩散磁共振技术所能达到的空间分辨率(即磁共振信号采集时体素的尺寸)一般为1~3mm,而神经纤维的尺寸为0.1~100μm,通常存在弯曲、分支、交叉等复杂结构。即便DKI技术能够反映真实的水分子扩散现象,也仅仅是定性分析,并不能做到精准测量。在现有扩散磁共振技术发展的基础上,建立完善能够获取更精确、更高空间分辨率的纤维结构信息以及提供特异性更高的参数,为促进DKI的丰富和发展具有巨大的实际应用价值。第二,DKI模型自2005年提出,其模型的稳定性与可靠性一直存在质疑,虽然已有大量提高模型稳定性的研究出现,但仍需在模型拟合的算法和采集方案上进行一定的优化。第三,基于多磁共振扩散敏感因子b值的非高斯扩散成像在复杂组织结构检测与重建方面,突破了传统高斯模型的局限,