磁共振弥散加权成像（diffusion weighted imaging，DWI)依据水分子在人体内的自由弥散运动而进行成像，是一种无创的检查技术，能够清晰地显示一些隐匿微小的病灶，如脑梗死，并且DWI已经广泛应用于全身^[1,2,3,4,5]，能够反映人体组织内的微观信息。传统的DWI为单指数模型，能检测出所处环境为均匀介质中的水分子的弥散运动^[6]，但由于组织内成分多样，互相影响，水分子所处环境为非均匀介质，故DWI成像并不准确，而基于弥散加权成像的弥散张量成像（diffusion tensor imaging，DTI)则可利用近似满足高斯分布的水分子的弥散各向异性和不均匀性组织弥散特征来显示脑组织内白质纤维束，最常应用于中枢神经系统脑白质纤维束的研究^[7,8]。能够精准地将方向单一的纤维束走行描绘出来。但多数组织的复杂结构导致水分子弥散偏离正态分布，高斯模型的单指数弥散张量模型难以准确揭示水分子的运动状态，因此引入了弥散峰度成像（diffusion kurtosis imaging，DKI)。DKI是基于DTI技术的延伸，描绘组织内水分子弥散偏离正态分布的量，峰度信息反映出由多个微观细胞区复杂的结构造成的非高斯特性^[9]，能够提供机体生理病理状态下的额外信息。但随着对神经纤维束的探究越来越详尽，发现颅内组织的体素内纤维束有多种成分，多种纤维走行，体素内存在纤维束交叉，弯曲，缠绕等情况，同时存在不同的组织类型，导致纤维束各自的弥散大小和方向均不同^[10]，此时DTI和DKI在空间分辨率和算法上均有所不足，部分容积效应突出，成像方式不再适用于解释此类复杂情况，无法准确显示交叉纤维走行，为了解决这个问题，提出了弥散频谱成像（diffusion spectrum imaging，DSI)。DSI是一种多b值多方向的q空间成像^[11]，通过概率密度函数（probability density function ，PDF)来描述非高斯分布的水分子弥散信号，并且以高角度分辨率精确地将纵横交错的纤维束描述出来，得到六维（six-dimensions，6D）弥散图像^[12]。并且可以通过计算DSI主要参数广义分数各向异性（generalized fractional anisotropy，GFA)来判断纤维束的完整性。Glenn等^[13]利用DSI具有严格的数学公式和对体素弥散动力学的全面描述，探究了DTI、DKI和DSI映射白质纤维束方向的区别。其结论表明DSI对纤维束方向描述最为准确，DKI降低了DTI在纤维成像中角度估计的误差。Hagmann等^[14]运用DSI技术于2008年首次清晰地显示了大脑皮层的网络连接，近年来，有关DSI的研究越来越多，尤其是针对DSI对中枢神经系统解剖结构以及疾病的探究，进一步加深了对中枢神经的认识。

1　DSI的原理及主要参数

       根据经典的Stejskal-Tanner成像实验可以用来测量水分子弥散，此序列施加弥散敏感梯度脉冲，为了获得水分子的弥散信号，使施加弥散梯度后的MR信号与未施加弥散敏感脉冲的MR信号进行比较。Stejskal-Tanner公式如下：

       其中S△为施加弥散敏感梯度时的MRI信号，S0为未施加弥散敏感梯度时测得的MRI信号，Φ表示体素内的移相（图1)，假设弥散敏感梯度施加的时间〥远远小于第一个与第二个弥散敏感梯度之间的时间间隔△，那么就可以忽略〥，这时水分子的离散相位Φ=q.r，其中q=〥rg ，(q为梯度波矢量，r为氢质子的磁旋比，g为弥散梯度），q与成像时施加的弥散梯度场在数值上有对应的关系，r=x(△)-x(0)表示两次施加弥散梯度脉冲时水分子的自旋位置。若把体素内水分子的移相均值看作数学期望，那么弥散信号和概率密度函数S△(r）存在如下的傅里叶变换关系：

       其中P△(r)(probability density function，PDF）代表平均相对自旋位移的概率密度。

       为了排除由组织运动引起（头动）的相移，通过对MR信号的模量进行傅里叶变换来重建弥散谱得到概率密度函数：

       P(r）由傅里叶变换得到，故我们称之为弥散频谱。

       即使弥散梯度场持续的时间无法忽略，但Wedeen等^[15]已经证实，等式(3）仍然成立。

       通过对PDF的径向积分计算出每个体素的定向密度函数(orientation density function，ODF)，并取得局部最大值定义为局部最大弥散方向，重建出纤维束通路。

       DSI的主要参数为广义分数各向异性（generalized fractional anisotropy，GFA)，反映组织内水分子弥散方向的差异性，可以精确地反映轴突或者髓鞘的完整性。当中枢神经系统轴突损伤、水肿、炎症或者脱髓鞘时，GFA值下降，故可以在无创的情况下，通过GFA值对病人做初步判断是否有神经纤维的损伤。DSI是一种基于体素的重建模型，为了进一步扩展适应性，Yeh等^[16]提出了了广义Q采样成像(generalized q-sampling imaging，GQI)，GQI能够得到定量各向异性（quantitative anisotropy，QA)，标准化定量各向异性(normalized quantitative anisotropy，NQA）等。Kuo等^[17]利用特定DSI指标即平均弥散率（mean diffusivity，MSL）和弥散各向异性(diffusion anisotropy，DA）探究癫痫患者的疾病进展。

点击查看大图

点击查看大图

图1  在常规自旋回波序列的180° RF脉冲的每一侧增加两个弥散编码梯度脉冲（参见两个矩形）。为了获得与弥散相关的信号衰减，所有的弥散图像都应该与非弥散加权的参考图像（标准SE图像）进行比较。RF＝射频，Gs=断面选择性梯度，Gp＝相位编码梯度，Gr=读出梯度，〥＝弥散编码梯度持续时间，△＝弥散时间间隔。数字（1、2)表示对梯度脉冲进行弥散编码的顺序
Fig. 1  Two diffusion encoding gradient pulses added to each side of the 180°RF-pulse of a conventional spin-echo sequence (see the two rectangles). To obtain the diffusion-related signal attenuation, all diffusion images should be compared with a reference image that is not diffusion weighted (a standard SE image). RF=radio frequency, Gs=section-selective gradient, Gp=phase-encoding gradient, Gr=readout gradient, 〥=duration of the diffusion-encoding gradient, △=diffusion time interval. The digits (1, 2) indicate the order of diffusion encoding gradient pulses.

点击查看大图

点击查看大图

2　弥散频谱成像在中枢神经系统中的应用

2.1　DSI对中枢系统微观解剖结构的显示

       小脑结构复杂，可能受到多种先天性和获得性疾病的影响，导致其功能和神经回路的改变，因此探究小脑组织的纤维束的结构走行就尤为重要。DSI可用于研究人类小脑系统的纤维束和其连接。Granziera等^[18]在人类中首次展示了DSI能阐明人体内小脑神经回路的结构基础能力。证明了小脑神经元回路的结构：(1）下橄榄核与小脑皮层的连接以及与小脑深核的连接；(2）小脑皮质与深小脑核的连接；(3)上小脑，中小脑，下小脑的深小脑核的连接；(4)上小脑，中小脑，下小脑的复杂纤维交点；(5)深小脑核与红核，丘脑的连接。DSI对小脑系统纤维连接的准确显示能够用于表征小脑疾病中发生的解剖学破坏以及监测对治疗干预的反应。为神经和精神疾病的病理生理学带来新的认识。

       DSI除了能够显示小脑内复杂的纤维通路，还能够确定丘脑前额束的纤维束细节。丘脑前额束（thalamic-prefrontal peduncle，TPP)连接丘脑和额前叶，其准确结构和功能仍然存在不确定性。为了研究TPP的连通性和分段模式，Sun等^[19]采用了DSI进行主题分析和基于模板分析，研究结果证实了TPP在人脑中从内侧到外侧逐层将丘脑与同侧前额叶BAs 11、47、10、46、45、9、8层连接起来，同时提供了丘脑-前额叶束结构的更多细节。能够更好理解TPP在人脑中的功能作用，并有助于将来的研究。

       颞顶枕区（Temporo-parieto-occipital，TPO）交界处在人类高级神经系统活动中是一个特殊的结构。多数起始于或终止于此处的远程纤维都已经被近年来的研究充分证实，但关于短TPO纤维通路介导本地连通性却知之甚少。Wu等^[20]对TPO进行了DSI分析，以可视化人脑中的短TPO纤维连接，确定了颞顶枕区的三条纤维束，分别为上纵束的后端（superior longitudinal fasciculus，SLF-V)，垂直枕束（vertical occipital fasciculus，VOF）及一种新颖的颞顶（temporo-parietal ，TP）连接。并将纤维剥离技术与DSI技术相结合，首次证实了VOF的纤维轨迹与连通性，并在一个解剖半球上显示了SLF-V与皮质和相邻纤维束的空间关系。通过对TPO交界处纤维连接提供更准确更详细的描述，有助于对其在人脑中的功能作用形成新的认识。

       颞叶癫痫常在大脑半球中传播，电生理学证实的传播轨迹不清晰，同时DTI角分辨率有限，无法充分评估皮质区域。Wei等^[21]通过使用DSI对受试者来观察时相癫痫传播的潜在途径，发现双侧颞极通过前联合连接，根据连接形式将胼胝体压部分为三个亚区域（CS1，CS2，CS3)。CS1主要位于胼胝体压部三分之一的头侧和背侧，它与双侧顶叶相连。CS2主要位于压部正中1/3处，纤维穿过侧脑室侧壁连接到枕颞沟外侧。CS3位于压部尾侧的1/3，其纤维与海马连合构成侧脑室的内侧壁分布于枕颞沟内侧。通过准确的描述双侧颞区的连接轨迹，有助于了解和治疗颞叶癫痫在半球间的传播。

       DSI对颅内神经纤维解剖结构的显示越来越精确，在颅外也能够显示舌肌纤维的走行。Gaige等^[22]运用DSI及多光子显微镜技术解析了小鼠舌肌复杂的纤维排列组成。随着技术的发展，Elsaid等^[23]首次在已经死后36 h的73岁女性尸体上进行了舌头的DSI成像，并成功地描绘了人舌的复杂纤维，能够鉴别出膝舌肌（genioglossus，GG)，茎舌肌（styloglossus，SG)，垂直肌（vertical，V）和横肌（transverse，T)，证明了DSI具有识别人舌内纤维交叉的能力，理解舌头肌肉的纤维交叉和纤维分支对于理解舌头不同部位的不同生理功能至关重要。

       实现脑内纤维束的解剖结构的描述，对人类认知功能及中枢神经系统疾病发展的有很大帮助。DSI不仅是一种无创的检查，减少手术切口带来的危害，更能通过精确显示脑内复杂的纤维结构，加强对神经系统病理生理机制的研究与诊断。

2.2　DSI在中枢神经系统常见的应用

       DSI能够通过提供详尽的中枢神经系统的纤维轨迹确定肿瘤位置，Yoshino等^[24]对5例神经健康成人和3例脑瘤患者进行DSI成像，能够将健康受试者的多数脑神经脑池部分的纤维轨迹进行描述，并且能够将面神经与前庭蜗神经复合体区分开，在肿瘤患者颅内能清晰显示因脑肿瘤而移位的神经纤维，继而明确肿瘤在颅内位置，有助于在外科手术计划中确定颅神经在肿瘤中的定位。

       注意缺陷多动症（attention deficit hyperactivity disorder，ADHD）是学龄儿童期最常见的神经发育障碍性疾病，引起社会极大的重视。随着对该病的研究，大脑功能和结构的改变已经被认为是引起注意力缺乏多动障碍问题的根本原因^[25]。多动症患者脑白质完整性改变普遍存在，近年来许多专家也强调了多动症青少年的其他纤维束的改变^[26,27]。但这些纤维束与执行功能的关系仍不确定。Chiang等^[28]对ADHD青年与正常青年各45名进行评估，通过DSI重建多条纤维束，并计算其广义分数各向异性（generalized fractional anisotropy，GFA)，发现ADHD组左侧额叶纹状体束[frontostriatal (FS) tracts]，左侧上纵束（superior longitudinal fasciculus，SLF)，左侧弓形束（arcuate fasciculus，AF）和右侧扣带束（cingulum bundle，CB)的GFA值较低，并且与其有关的组织能力，持续注意力，认知抑制和视觉空间规划方面的表现较正常组差。在正常青年中，大多数执行功能与额叶纹状体束和扣带束的微结构完整性相关，而在ADHD青年中，执行功能与额叶纹状体束，上纵束和弓形束有关。并且Chiang等^[29]进一步利用DSI对患有ADHD儿童患者的家族进行调查研究发现，ADHD存在潜在的家族遗传风险。

       阿尔茨海默症是一种神经系统退行性变，其典型症状为记忆障碍，视觉障碍，执行功能障碍等，而扣带束(cingulum bundle，CB）是一个复杂的网络结构，它是连接执行控制和默认模式网络的主要关联纤维之一，而默认模式网络是控制执行功能，记忆和其他认知功能的主要神经机制。故有学者研究早期阿尔茨海默症（early Alzheimer’s disease，EAD）与扣带束的关系，Lin等^[30]对9例EAD患者和15例健康对照（healthy controls，HC）进行评估，使用DSI显像显示EAD患者左侧CB明显优先变性，与HC相比，EAD患者在与逻辑记忆和视觉再现的性能呈正相关的左CB后端GFA值下降，与视觉识别功能呈正相关的双侧CB下段GFA值下降。特定位置的变性与执行和记忆功能有关，其结论得出后端与执行能力和记忆力下降有关，而下段与AD早期阶段的记忆力有关，并且CB的完整性在EAD患者中受到伤害。

       自闭症目前已经成为临床一种常见的精神障碍性疾病，多数自闭症谱系障碍（autism spectrum disorder，ASD）患者可在儿童时期被诊断出，但其在症状和交互方面随着年龄的增长会持续变化，人体脑内的白质束在人类成长的不同时期也在不断地重组，阐明非典型性和典型性脑发育的相似性和差异性有助于更好地理解ASD。Lin等^[31]利用DSI基于脑网络分析对ASD患者额顶叶的网络结构改变进行了纵向研究。发现在青春期和成年早期，ASD患者的额顶叶网络内部的结构连接性在基线水平的超连通性，并且随着时间的推移，其连通性进行适应性精简，说明ASD影响青春期和成年早期额顶叶网络结构的发展。同时在基线水平这些异常的超连通性也预示着自闭症表现在随访中相对较好的结局，表明额顶叶网络连接性在儿童晚期至成年早期的适应性降低可以改善症状。这个发现标志着寻找抗自闭能力和适应能力的影像生物学生物标志物的重要基准。使人类对自闭症有了更深一步的了解，为其预防和诊断治疗提供了新的解决思路。

       精神分裂症（Schizophrenia）是一种具有高度异质性和遗传性的精神疾病，其特点在于残疾症状和认知缺陷。该疾病与许多候选基因有关，并且影响大脑区域之间功能整合的能力，但是其基因型与表型之间的关系仍然不清楚。对精神分裂症患者进行脑白质束纤维结构完整性的特征标记有助于将异质表型分离成不同的亚型，并且为疾病遗传基础研究提供便利^[32,33]。Wu等^[34]针对精神分裂症患者，未受影响的兄弟姐妹和健康对照者各34例进行了DSI扫描，计算广义分数各向异性（反映各纤维轨迹完整性的指标），并在三组之间进行比较。其结论发现从对照组到兄弟姐妹组再到患者，纤维结构呈现线性，逐步顺序排列的显著差异性。其中包括右弓形束，双侧穹窿，双侧听束，左侧视束，胼胝体膝，胼胝体至双背外侧前额皮质，双侧颞极，双侧海马。同时，患者于兄弟姐妹组的右弓形束GFA至均明显低于对照组。此外，右弓形束的GFA值表现出阳性症状评分的趋势，可以作为精神分裂症患者的候选性状标记，对于建立遗传责任和特定临床表型之间的联系存在潜在价值。有关精神分裂症的研究不仅在纤维标记上有所突破，也有研究表明其主要机制在于核心脑区的结构改变和拓扑分散，Griffa等^[35]利用DSI技术发现精神分裂患者核心脑区的纤维连接通过一种最短路径的重新布局形成一个更加分散的网络。

       听觉言语幻觉障碍（auditory verbal hallucinations，AVHs)目前是精神病一种主要诊断标志，尽管在精神病症中语言结构中结构和功能的改变已经得到了广泛研究^[36]但其纤维网络与功能侧化降低程度的关系的结构组成部分尚未确定，Wu等^[37]提出利用DSI重建背侧和腹侧通路，结果表明，AVH患者双侧腹侧和右背侧结构完整性降低，并且背侧通路的功能侧化降低，右背侧通路的微结构完整性与背侧通路的功能侧化之间存在正相关。此外，背侧通路的功能侧化和右背侧通路的微结构完整性均与幻觉症状维度的分数负相关，这些改变可能加重言语性幻听症状。

       弱视在成人中患病率为2.9%～3.2%^[38]，是导致无法纠正的视力障碍的常见原因。弱视会降低矫正视力的机会，弱视者早期视觉异常可能会影响视听和试听整合的初始阶段，并触发长期的跨模态可塑性改变，除此之外，弱视还会影响运动功能。Tsai等^[39]利用DSI能够准确描绘出复杂局部环境中的主要神经纤维来显示与弱视有关的神经纤维。结论认为弱视患者的9个白质区的11个部分的GFA值明显低于健康对照组，其中包括左弓形束，左额斜束，联合纤维的左穹窿和左下额枕神经束；听神经的左丘脑辐射和投射纤维双侧视神经辐射；胼胝体纤维的膝和颞中回。弱视组的双侧钩束GFA值明显高于对照组。因此，异常的早期视觉体验可能会诱发大脑白质的结构改变，可能与各种缺陷有关，例如视觉处理，视听整合和手眼协调能力。DSI是一种潜在的工具，可用于评估弱视患者的微结构完整性并阐明疾病症状的潜在神经机制，能够解释弱视的病理生理变化，同时也为早期诊断和及时治疗提供了有力的时机。

3　DSI成像的不足与展望

       由于DSI采集数据十分巨大，需要的采集时间过长，目前临床常用半球壳采样数据，在3.0 T MRI中仍需16 min左右，这对耐受性较低的患者来说具有一定的危险性。并且过长的梯度场持续时间和弥散时间会导致回波时间延长，信噪比下降，影响图像质量。不仅如此，DSI同时也要求高磁场强度，但过高的场强对人体是否有影响仍是未知的。并且高场强也需要性能极高的硬件设备来支持，这对目前技术来说也是一个挑战。其次DSI成像技术要求高b值扫描，但b值过高使能够采集到的弥散信号降低，导致图像信噪比过低。目前DSI技术的研究并没有关注PDF的径向信息，仅仅基于PDF的方向部分ODF。同时，DSI大都使用单一定量指标GFA作为临床研究，这对疾病的检侧是不全面的。

       随着现在技术的发展出现多种方式来优化扫描时间。例如Q空间对称半球采集，压缩感知技术欠采样，Tobisch等^[40]通过压缩传感理论（compressed sensing，CS）加速DSI扫描时间，并且同时能够保证可以实现高分辨率的体素内部微结构。赵智勇等^[41]提出优异的后处理方法能够提高ODF的角分辨率，利用LASSO (least absoluate shrinkage and selection operator)对fODF进行评估，结果显示即使在信噪比很低的情况下，得到的fODF揭示交叉纤维束的能力很强，并且方向数的减少也大幅度缩短扫描时间。

       DSI具有能够揭示多方向纤维束的优势，因此能够弥补DTI无法显示交叉纤维的缺陷，从而将大脑细微复杂的纤维结构更详尽地呈现出来。是一种具有较高敏感性和特异性的影像技术。尽管DSI在实际应用上还有一些问题，但随着数据采集方法的优化、高场强设备的发展以及后处理技术的不断完善，DSI在临床应用上具有潜在的巨大价值，将会成为临床上疾病诊断的一种十分有效的方法。相信在科技的迅速发展下，扫描时间进一步的缩短，多种定量指标的应用以及信噪比的提高都将逐一实现，为DSI的临床推广提供了可能性，也为DSI的深入研究提供更多临床病例。DSI将不仅应用于中枢神经系统的诊断、分类方面，还将对中枢神经系统疾病的治疗前后疗效评价以及预后进展发挥积极作用。同时DSI还将会在更多领域展开应用，发挥更大的作用。相信DSI势必取代DKI成为弥散磁共振成像的主流技术。