分享:
分享到微信朋友圈
X
技术研究
基于压缩感知的3D mDixon Quant对腰椎椎体脂肪含量的定量研究
宋宇 宋清伟 张浩南 张楠 浦仁旺 刘爱连 苗延巍

Cite this article as: Song Y, Song QW, Zhang HN, et al. 3D mDixon Quant based on compressed SENSE for quantitative study of lumbar vertebral body fat content[J]. Chin J Magn Reson Imaging, 2021, 12(4): 51-56.本文引用格式:宋宇, 宋清伟, 张浩南, 等. 基于压缩感知的3D mDixon Quant对腰椎椎体脂肪含量的定量研究[J]. 磁共振成像, 2021, 12(4): 51-56. DOI:10.12015/issn.1674-8034.2021.04.010.


[摘要] 目的 探讨敏感度编码(sensitivity encoded,SENSE)和压缩感知(compressed SENSE,CS)不同加速因子(acceleration factor,AF)对3D mDixon Quant技术腰椎椎体脂肪定量的影响,并分析腰椎椎体脂肪含量(fat fraction,FF)与年龄、性别和体质量指数(body mass index,BMI)的关系。材料与方法 2020年1~7月在大连医科大学附属第一医院招募健康志愿者96名,其中男性45名,女性51名,年龄16~79岁,平均年龄(43.85±17.98)岁。将志愿者按照年龄段分为3组,青年组(<40岁)、中年组(40~60岁)、老年组(>60岁)。在Philips Ingenia CX 3.0 T MRI设备上采用3D mDixon Quant序列并使用不同加速技术(SENSE和CS)结合不同加速因子(acceleration factor,AF) (SENSE AF=2、4)和(CS AF=2、3、4、5、6、7、8)对志愿者行全腰椎扫描。两名放射科医师在Philips ISP (IntelliSpace Portall Version7)工作站上采用双盲法测量腰椎椎体(L1~L5) FF值,并对不同AF时图像信噪比(signal noise ratio,SNR)、对比噪声比(contrast noise ratio,CNR)及扫描时间进行比较。结果 两名观察者测量结果具有良好的一致性(ICC值均>0.75)。不同AF时3D mDixon Quant序列测量腰椎椎体FF值无明显统计学差异(P=0.653),但不同AF时SNR和CNR有明显统计学差异(P=0.001、0.006)。其中,CS3和CS7组、CS4和CS7组、CS4和CS8组间SNR和CNR差异有统计学意义(P<0.05)。CS6时扫描时间较SENSE 2时缩短了60.66%,但FF值、SNR和CNR较其他组(S2、S4、CS2、CS3、CS4、CS5)而言无明显统计学差异(P>0.05)。腰椎椎体FF值在3个年龄组间有明显统计学差异(F=20.876,P<0.01)。其中,青年组FF值分别小于中年组与老年组,差异有统计学意义(P<0.01),而中年组与老年组间差异无统计学意义(P=0.086)。青年组中,男性腰椎椎体FF值高于女性(P<0.05),而在中年组和老年组,男性FF值略低于女性,但无统计学差异(P>0.05)。男性腰椎椎体FF值与BMI呈中等正相关(r=0.634,P<0.01),而女性FF值与BMI无相关性(r=0.207,P=0.146)。结论 3D mDixon Quant序列结合CS技术评估腰椎椎体脂肪含量是可靠的,且选择CS的AF最大为6时可在保证图像质量的同时大大缩短扫描时间,实现脂肪含量的快速、精准测量。年龄、性别和BMI等因素均对腰椎椎体脂肪含量产生影响,在对不同个体进行腰椎椎体脂肪含量分析和评估时应综合考虑这些影响因素。
[Abstract] Objective To investigate the effects of different acceleration factors (AF) on lumbar vertebra fat quantification using 3D mDixon Quant sequence accelerated by sensitivity coding (SENSE) and compressed SENSE (CS-SENSE), and analyze the relationship among lumbar body fat fraction (FF), age, sex and body mass index (BMI). Materials andMethods From January to July 2020, 96 healthy volunteers were recruited, including 45 males and 51 females, from 16 to 79 years old, with an average age of 43.85±17.98 years. Volunteers were divided into three groups according to age: young group (<40 years old), middle-aged group (40—60 years old), and elderly group (>60 years old). All volunteers were imaged at Philips Ingenia CX 3.0 T MRI with a fat quantification sequence (3D mDixon Quant) for the entire lumbar spine, and the sequence was accelerated at different folds with either SENSE (acceleration factor S=2, 4) or CS-SENSE (acceleration factor CS=2, 3, 4, 5, 6, 7, 8). FF, signal-noise-ratio (SNR), and contrast-noise-ration (CNR) were measured for the L1—L5 vertebra by two radiologists independently with a double-blind method, measurement carried out on a IntelliSpace Portal workstation (ISP version 7.0; Philips Healthcare, Best, the Netherlands). The measured parameters were compared among different AFs.Results The measurement results of the two observers showed good agreement (ICC value>0.75). There was no statistically significant difference in the FF values measured by 3D mDixon Quant sequence with different AF (P=0.653), but there were statistically significant differences in SNR and CNR with different AF (P=0.001, 0.006). Among them, there were statistically significant differences in SNR and CNR between CS3 and CS7 groups, CS4 and CS7 groups, and CS4 and CS8 groups (P<0.05). The scanning time of CS6 was 60.66% shorter than that of SENSE 2, but there were no statistically significant differences in FF values, SNR and CNR values compared with those of other groups (S2, S4, CS2, CS3, CS4 and CS5) (P>0.05). FF values were significantly different between the three age groups (F=20.876, P<0.01). Among them, FF of the young group was significantly lower (P<0.01) than that of the middle-aged and the elderly groups, while the difference between the middle-aged and the elderly groups was not statistically significant (P=0.086). In the young group, the lumbar vertebra FF of the male was higher than that of the female (P<0.05), while in the middle-aged group and the elderly group, the FF of the male was slightly lower than that of the female, albeit not significantly (P>0.05). The lumbar vertebrae FF in men was moderately positively correlated with BMI (r=0.634, P<0.01), while in females such correlation was not observed (r=0.207, P=0.146).Conclusions The 3D mDixon Quant sequence combined with CS technology is reliable for assessing the lumbar vertebral body fat content. When the maximum AF of CS was selected to 6, the image quality and the measurement accuracy were maintained while the imaging time dramatically reduced. Age, gender, and BMI are all factors that may affect the lumbar vertebra fat content. These factors should be considered in the analysis and evaluation of lumbar vertebra fat content in different individuals.
[关键词] 磁共振成像;腰椎;脂肪含量;3D mDixon Quant;压缩感知;加速因子
[Keywords] magnetic resonance imaging;lumbar spine;fat content;3D mDixon Quant;compressed SENSE;acceleration factors

宋宇 1, 2   宋清伟 2*   张浩南 2   张楠 2   浦仁旺 2   刘爱连 2   苗延巍 2  

1 四川大学华西第二医院放射科,出生缺陷与相关妇儿疾病教育部重点实验室,成都 610041

2 大连医科大学附属第一医院放射科,大连 116011

宋清伟,E-mail:songqw1964@163.com

全体作者均声明无利益冲突。


基金项目: 国家自然科学基金 81901712
收稿日期:2020-12-17
接受日期:2021-02-10
DOI: 10.12015/issn.1674-8034.2021.04.010
本文引用格式:宋宇, 宋清伟, 张浩南, 等. 基于压缩感知的3D mDixon Quant对腰椎椎体脂肪含量的定量研究[J]. 磁共振成像, 2021, 12(4): 51-56. DOI:10.12015/issn.1674-8034.2021.04.010.

       骨质疏松是以单位体积内骨组织量减少和骨组织代谢紊乱为特点的代谢性骨病变,因骨强度降低和骨脆性增加而易发生骨折1。随着人口老龄化的增加,骨质疏松症的患者率亦相继上升2。双能X线吸收测量法(dual energy X-ray absorptiometry,DXA)作为临床上诊断骨质疏松的金标准3,其在测量骨密度、诊断骨质疏松、预测骨折风险及监测治疗效果等方面具有一定的临床价值。但仅仅依靠DXA来评估骨质疏松则无法评估骨质量的相关信息,准确度和精确度欠佳。骨髓脂肪含量作为评价骨质量的新兴重要指标,在骨质疏松临床诊断和科学研究方面意义重大。近来,研究报道可将脂肪分数(fat fraction,FF)作为骨质疏松的生物标志物4。本研究旨在探讨磁共振3D mDixon Quant采用不同加速因子(acceleration factor,AF)的压缩感知(compressed SENSE,CS)技术对腰椎椎体骨髓脂肪含量进行定量评估的差别和价值,筛选成像最佳AF并优化扫描方案,同时进一步分析腰椎椎体脂肪含量与年龄、性别和体质量指数(body mass index,BMI)的关系。

1 材料和方法

1.1 一般资料

       本研究经大连医科大学附属第一医院医学伦理委员会审核通过,所有受试者均签署知情同意书。本研究前瞻性收集在2020年1~7月于大连医科大学附属第一医院行腰椎MR检查的志愿者96名。男性45名,女性51名,年龄16~79岁,平均年龄(43.85±17.98)岁。将志愿者按照年龄段分为3组,其中,青年组:<40岁(32例,男15例,女17例);中年组:40~60岁(32例,男16例,女16例);老年组:>大于60岁(32例,男14例,女18例)。BMI为16.73~30.47 kg/m2,平均(22.97±3.04) kg/m2。入组标准:①无MRI检查禁忌证,如体内有起搏器、支架、金属植入物及患有幽闭恐惧症等;②无椎体或盆腔恶性肿瘤、转移瘤及放化疗病史;③无代谢性疾病、未使用糖皮质激素等影响骨代谢者;④无腰椎骨折或其他外伤等病史。

1.2 仪器与方法

       应用Philips Ingenia CX 3.0 T MR设备(Philips Healthcare,Best,the Netherlands)并采用3D mDixon Quant脂肪定量序列结合不同AF对志愿者行腰椎3D mDxion Quant序列扫描,所采用的线圈为32通道腹部相控阵线圈。患者取仰卧位,头先进,双上臂自然放于身体两侧。3D mDixon Quant序列扫描参数:并行采集技术(SENSE)的AF分别为2、4,压缩感知技术的AF分别为2、3、4、5、6、7、8;扫描时间分别为61、29 s;70、48、36、29、24、20.6、18.1 s。TR/TE分别为8.2/1.47 ms、8.2/1.47 ms;FOV分别为320 mm×320 mm×65 mm、320 mm×320 mm×65 mm;矩阵分别为180×180×26、180×180×26;体素分别为1.8 mm×1.78 mm×5 mm、1.8 mm×1.78 mm×5 mm;NEX均为4;翻转角均为3°。

1.3 图像分析与测量

       两位观察者(影像诊断经验分别为5年和7年)在ISP (IntelliSpace Portall Version 7)工作站上采用双盲法对图像进行分析和测量。两位观察者采用半自动分割技术对腰椎椎体FF值进行测量和分析,首先在水像上手动勾画全椎体,画取时要最大限度包括椎体松质骨而避开骨皮质、终板和椎间盘,再将所画取的全椎体感兴趣区复制到FF图像上,系统可同时自动获得腰椎L1~L5椎体脂肪分数值(图1)。

图1  男,24岁,BMI为21.47 kg/m2。A:3D mDixon Quant水像图;B:3D mDixon Quant FF像
Fig. 1  Male, 24 years old, with a BMI of 21.47 kg/m2. A: 3D mDixon Quant water image; B: 3D mDixon Quant FF image.

1.4 图像质量评价

       采用客观评价法对不同AF的3D mDixon Quant图像进行质量评价。客观评价图像质量的指标包括信噪比(signal noise ratio,SNR)、对比噪声比(contrast noise ratio,CNR)。测量腰椎椎体MR信号强度的方法:在矢状位图像上选取显示腰椎的最佳层面,在选取ROI时尽可能包含椎体松质骨而避开骨皮质、终板和椎间盘,选取连续3个层面,分别在每个层面的椎体中心即ROI区测量MR平均信号强度(SNR椎体),3次测量取其平均值。测量脊髓内噪声的方法:选择脊髓区域作为背景噪声区5,同上在矢状位图像上选取显示腰椎的最佳层面,分别在连续3个层面中选取椎体同一脊髓区域测量噪声值,ROI区域内的标准差即噪声值(SD脊髓),3次测量取平均值。计算公式如下:SNR=SNR椎体/SD脊髓、CNR=(SNR椎体 -SNR脊髓)/SD脊髓。

1.5 统计学方法

       采用Shpiro-Wilk检验分析数据的正态性,符合正态分布的数据采用平均数±标准差表示;不符合正态分布的数据采用“中位数±四分位间距”表示。符合正态分布的数据采用组内相关系数(intra-class correlation coefficients,ICC)检验两位观察者测量数据的一致性。采用非参数Friedman检验法分析比较不同AF时腰椎椎体骨髓FF值、SNR以及CNR的统计学差异。采用独立样本t检验对比分析不同性别组间腰椎椎体FF值。不同年龄组间腰椎椎体FF值的比较采用单因素方差分析(analysis of variance,ANOVA)完成,并采用最小显著差值法(least-significant difference,LSD)进行组间两两比较。采用Spearman检验分析腰椎椎体脂肪含量值与BMI的相关性,0≤|r|<0.3为无相关性或相关性差,0.3≤|r|<0.4为相关性弱,0.4≤|r|<0.7为相关性中等,|r|≥0.7为相关性强。P<0.05为差异有统计学意义。

2 结果

2.1 两名观察者测量结果的一致性

       两名观察者测量SENSE和CS技术不同AF时腰椎椎体FF值的ICC值均大于0.75,具有较好的一致性。见表1

表1  两名观察者测量结果的一致性检验(ICC值)
Tab. 1  Consistency test of measurement results by two observers (ICC value)

2.2 不同AF时3D mDixon Quant技术定量测量腰椎椎体脂肪含量值、图像质量及其扫描时间的比较

       采用非参数Friedman检验法对3D mDixon Quant序列结合不同AF的SENSE和CS技术时各组间的腰椎椎体FF值及其图像质量的差异进行检验分析,检验结果显示各组间腰椎椎体FF值无明显统计学差异(P=0.653),但各组间SNR和CNR有明显统计学差异(P=0.001、0.006)(表2)。其中,CS3和CS7组、CS4和CS7组、CS4和CS8组间SNR和CNR差异有统计学意义(P<0.05)(表3)。同时,进一步对各组间的扫描时间进行比较,比较分析结果显示,当CS AF分别为3、4、5、6、7和8时,其扫描时间较SENSE AF为2时分别减少21.31%、40.98%、52.46%、60.66%、66.23%和70.33%。其中,CS6组中FF值、SNR和CNR较其他组(S2、S4、CS2、CS3、CS4、CS5)而言无明显统计学差异(P>0.05),而扫描时间却大大缩短。因此,综合以上对腰椎椎体FF值的定量分析、图像质量和扫描时间等分析比较,选择CS AF最大为6时可在保证3D mDixon Quant序列扫描图像质量的前提下,实现对腰椎椎体脂肪含量值的精准定量和评估,同时扫描时间缩短60.66%。

表2  不同AF时腰椎椎体脂肪含量和图像质量的差异
Tab. 2  The difference of lumbar vertebrae fat fraction (FF) and image quality in different AF
表3  不同AF时图像质量差异组间两两比较(P值)
Tab. 3  Pairwise comparison in different AF groups with different image quality (P value)

2.3 年龄因素对腰椎椎体脂肪含量的影响

       选择CS的 AF为6条件下进一步对不同年龄组腰椎椎体脂肪含量进行分析比较。结果显示不同年龄组间BMI无统计学差异,青年、中年和老年等3个年龄组间所有受试者、男性、女性等不同群体中腰椎椎体FF值均有显著性差异(P<0.05)(表4)。对于所有受试者及女性群体而言,青年组与中年组、青年组与老年组间腰椎椎体FF值差异有统计学意义(P<0.05);而中年组与老年组间腰椎椎体FF值差异无统计学意义(P=0.086、0.185)。但是对于男性群体而言,则仅表现为青年组与老年组间腰椎椎体FF值差异有统计学意义(P=0.006),而青年组与中年组、中年组与老年组间腰椎椎体FF值差异无统计学意义(P=0.328、0.092) (表5)。

表4  不同年龄组间腰椎椎体FF值的比较
Tab. 4  Comparison of FF values of lumbar vertebrae between different age groups
表5  不同年龄组间腰椎椎体FF值的多重比较
Tab. 5  Multiple comparisons of the FF values of lumbar vertebrae between different age groups

2.4 性别因素对腰椎椎体脂肪含量的影响

       选择CS的 AF为6条件下进一步对不同性别腰椎椎体脂肪含量进行分析比较。结果显示不同性别组间BMI无统计学差异,青年组中,男性腰椎椎体FF值明显高于女性腰椎椎体FF值(P=0.001);而在中年组和老年组中,男性腰椎椎体FF值略低于女性腰椎椎体FF值,但在统计学上无明显差异(P=0.287、0.594) (表6)。

表6  不同性别组间腰椎椎体FF值的比较
Tab. 6  Comparison of FF values of lumbar vertebrae between different gender groups

2.5 腰椎椎体FF值与BMI的相关性分析

       腰椎椎体FF值与BMI的相关分析结果显示(图2),在男性中,BMI与腰椎椎体FF值具有中等相关性(r=0.634,P<0.01);而在女性中,BMI与腰椎椎体FF值无相关性(r=0.207,P=0.146)。

图2  男性和女性腰椎椎体FF值与BMI的相关性散点图。A:男性腰椎椎体FF值与BMI的相关性散点图;B:女性腰椎椎体FF值与BMI的相关性散点图
Fig. 2  Scatter plots of lumbar vertebrae FF values and BMI in men and women. A: Scatter plots of FF value and BMI of male lumbar vertebrae; B: Scatter plot of correlation between FF value and BMI of female lumbar vertebrae.

3 讨论

3.1 不同AF时3D mDixon Quant定量评估腰椎椎体FF、图像质量及其扫描时间的比较

       近年来,各种快速成像技术成为磁共振领域的研究热点。并行采集技术(SENSE)采用以图像为基础并结合线圈信息的重建方式,但重建后图像的SNR降低。同时,由于噪声和运动伪影的干扰,导致SENSE敏感度探测的精准度欠佳,在小视野成像时图像易出现并采伪影6。随着研究的不断深入,美国科学院院士Emmanuel Candes和David Donoho联合提出了一种基于应用数学的前沿信号采集与处理的创新技术——压缩感知技术7,它采用数字化稀疏采样获得少量采样数据并保证图像的保真度,可实现精细化的离散降噪8。CS技术通过直接采集压缩后的图像,实现磁共振扫描时间的大幅度缩短,同时使低采样率下获得高分辨信号成为可能9, 10,实现了从SENSE到CS技术的变革,打破了奈奎斯特采样定律中采样频率必须大于信号中最高频率的两倍才能使采样之后的数字信号完整保留原始信号中的信息11, 12。目前,具有临床实际价值并经过充分验证的CS技术的应用主要集中在神经系统、心脏和腹部成像等方面13, 14, 15。而骨髓作为人体最重要的造血器官和免疫器官16,其内脂肪含量的变化对于疾病的精准诊断和疾病严重程度的准确分级至关重要。但是目前却较少有研究报道CS技术在椎体成像及脂肪定量评估方面的应用,因此CS技术在椎体成像中的应用亟待优化和临床验证。本研究的创新点在于选择结合CS技术的3D mDixon Quant序列腰椎椎体脂肪定量扫描最优AF,优化扫描方案。同时,进一步探讨分析腰椎椎体脂肪含量与年龄、性别和BMI的关系。

       3D mDixon Quant技术是一种基于化学位移水脂分离技术的磁共振脂肪定量测量技术,一次采集6个回波并结合7峰值脂肪模型和T2*校正来得到高质量的3D FF图和T2* mapping图。采用多源发射技术Multi Transmit 4D可有效地提高射频场的均匀度,实现了以往脂肪6峰模型向脂肪7峰值模型的转变,进一步提高了脂肪定量的精准性17, 18。同时,采用半自动分割技术在3D mDixon Quant序列的FF图像上进行脂肪含量值的测量,该测量结果可充分表示整个椎体的FF值,而非椎体某一层面的FF值,因此可有效避免由于部分容积效应而引起的测量误差。研究表明,mDixon-Quant与MRS的脂肪定量结果具有很强的相关性19,测量结果可靠性高20, 21,适于在临床中使用。

       在临床扫描过程中,CS技术可在保证图像质量的同时加快扫描速度,提高临床效率。但在其他扫描参数保持不变的情况下,AF越大,相应扫描时间越短,但图像质量会受到一定的影响,因此在CS技术的应用中AF的选择至关重要。本研究结果显示在不同AF时3D mDixon Quant序列测量腰椎椎体FF值无明显统计学差异,但当选择较大AF (>6)时SNR和CNR却有所降低。研究结果表明选择AF为CS6时可实现在保证图像质量的前提下较AF为S2缩短60.66%的临床扫描时间,大大增加了临床效率,减少运动伪影。与传统并行采集技术SENSE相比,CS扫描可明显缩短扫描时间,但在整体成像质量以及脂肪定量评估等方面SENSE与CS却无显著差异。因此,本研究结果表明在采用3D mDixon Quant序列进行腰椎椎体脂肪定量时结合CS技术是可行的,并且推荐选择最优AF为CS6。

3.2 年龄因素对腰椎椎体脂肪含量产生影响

       本研究选择AF为CS6条件下进一步对不同年龄、性别和BMI组间腰椎椎体脂肪含量进行研究。研究结果显示年龄因素对腰椎椎体脂肪含量产生影响,具体表现为所有受试者中青年组、中年组和老年组腰椎椎体FF值呈现递增的趋势,即腰椎椎体脂肪含量随着年龄的增加而逐步上升。各组间比较结果显示所有受试者、男性和女性等群体中不同年龄间腰椎椎体FF值均有明显统计学差异。对于所有受试者及女性群体而言,中年组与老年组腰椎椎体FF值均明显高于青年组。但是对于男性群体而言,则仅表现为老年组腰椎椎体FF值明显高于青年组。分析其原因为随着年龄的增长,人体内的骨髓逐渐由有造血功能的红骨髓向无造血功能的黄骨髓转换,而脂肪组织是黄骨髓的主要组成成分,约占黄骨髓的80%,因此椎体骨髓脂肪组织随着年龄的增长而逐渐增多22

3.3 性别因素对腰椎椎体脂肪含量产生影响

       本研究亦发现性别因素对腰椎椎体脂肪含量产生影响,不同性别组间腰椎椎体FF值在不同年龄段的表现亦不同。在青年组中男性腰椎椎体FF值高于女性腰椎椎体FF值(P<0.05);而在中年组和老年组中,男性腰椎椎体FF值略低于女性腰椎椎体FF值,但在统计学上无明显差异(P>0.05)。Ernesto等23的研究表明青年男性腰椎椎体FF较高,而青年女性FF较低。随着年龄的增长,女性FF值逐渐增长,达到与男性相似的FF含量。本研究结果与该文献报道一致。分析其原因是随着年龄的增长,女性雌激素水平将逐渐降低。雌激素可刺激破骨细胞凋亡并抑制成骨细胞和骨细胞凋亡,从而增加了骨形成细胞的寿命并降低了骨吸收细胞的寿命,在调节骨量和骨强度中起着关键作用24。因此雌激素水平的降低将导致破骨细胞的抑制减弱,数量增加;成骨细胞和骨细胞的凋亡增加,数量减少。由于成骨细胞和骨髓脂肪细胞来自共同前体——骨髓间充质干细胞25,因此成骨细胞的减少意味着骨髓脂肪细胞的增加。因此随着年龄的增加,雌激素水平的降低会导致骨髓脂肪含量的增加。此外,年龄与性别对腰椎椎体脂肪含量的交互作用尚待进一步研究。

3.4 腰椎椎体脂肪含量与BMI相关

       此外,本研究结果亦提示腰椎椎体脂肪含量与BMI相关。但在不同性别间表现不同,在男性中腰椎椎体FF值与BMI呈中等相关关系(r=0.668,P=0.005),而在女性中则与BMI不相关(r=0.214,P=0.395)。本研究结果与张鑫涛等26的研究报道一致。分析其原因是BMI是评估肥胖程度的指标,而肥胖可通过多种机制来影响骨的代谢,由于成骨细胞和脂肪细胞源于共同前体细胞,肥胖在促进脂肪细胞的分化和积累的同时,会伴随成骨细胞分化和骨形成的减少27。研究报道,腹部脂肪与腰椎椎体骨髓脂肪含量密切相关28,同时人体腹部脂肪即内脏脂肪(visceral adipose tissue,VAT)和皮下脂肪(subcutaneous adipose tissue,SAT)分布的不同导致对其脂肪含量的影响也不同29。相比SAT而言,VAT具有更高的代谢活性,因此VAT的增多则更容易引起骨代谢的异常。因此,本研究结果显示腰椎椎体脂肪含量与BMI的相关性在男性与女性中的表现不同,分析其原因可能是不同性别中肥胖导致的脂肪(VAT和SAT)的重新分布不同所致。在女性中BMI的增加可能是由SAT的增多而非VAT增多所致,因此并未对代谢产生影响;而男性BMI的增加则更有可能是VAT的增多所致,因此导致脂肪代谢活性的增加30, 31, 32

3.5 本研究的局限性和结论

       本研究尚有一些不足之处:本研究的病例数有限,尚需进一步收集和扩增病例数,增加样本量,以对不同类型患者进行进一步的细化分组,以便深入研究。

       总之,磁共振3D mDixon Quant和压缩感知技术联合使用,优势突出,可快速、无创地对脂肪进行精准定量,以更好地监测机体生理病理状态下脂肪含量的变化情况。选择CS的AF最大为6时可在保证图像质量的前提下,实现对腰椎椎体脂肪含量值的精准定量和评估,同时扫描时间大大减少,提高了检查效率和患者耐受,临床可行性较高。同时,年龄、性别和BMI等因素均对腰椎椎体脂肪含量产生影响,在对不同个体进行腰椎椎体脂肪含量分析和评估时应综合考虑这些影响因素。

1
Tarantino U, Iolascon G, Cianferotti L, et al. Clinical guidelines for the prevention and treatment of osteoporosis: summary statements and recommendations from the Italian Society for Orthopaedics and Traumatology[J]. J Orthop Traumatol, 2017, 18(Suppl 1): 33-36. DOI: 10.1007/s10195-017-0474-7.
2
Kaufman JJ, Luo G, Siffert RS. Ultrasound simulation in bone[J]. IEEE Trans Ultrason Ferroelectr Freq Control, 2008, 55(6): 1205-1218. DOI: 10.1109/TUFFC.2008.784.
3
Al-Saleh Y, Sulimani R, Sabico S, et al. 2015 guidelines for osteoporosis in saudi arabia: Recommendations from the saudi osteoporosis society[J]. Ann Saudi Med, 2015, 35(1): 1-12. DOI: 10.5144/0256-4947.2015.1.
4
Baum T, Lorenz C, Buerger C, et al. Automated assessment of paraspinal muscle fat composition based on the segmentation of chemical shift encoding-based water/fat-separated images[J]. Eur Radiol Exp, 2018, 2(1): 32. DOI: 10.1186/s41747-018-0065-2.
5
Patro SN, Chakraborty S, Sheikh A. The use of adaptive statistical iterative reconstruction (ASiR) technique in evaluation of patients with cervical spine trauma: impact on radiation dose reduction and image quality[J]. Br J Radiol, 2016, 89(1060): 20150082. DOI: 10.1259/bjr.20150082.
6
Aja-Fernández S, Vegas-Sánchez-Ferrero G, Tristán-Vega A. Noise estimation in parallel MRI: GRAPPA and SENSE[J]. Magn Reson Imaging, 2014, 32(3): 281-290. DOI: 10.1016/j.mri.2013.12.001.
7
Geethanath S, Reddy R, Konar AS, et al. Compressed sensing MRI: a review[J]. Crit Rev Biomed Eng, 2013, 41(3): 183-204. DOI: 10.1615/critrevbiomedeng.2014008058.
8
Chun IY, Adcock B, Talavage TM. Efficient compressed sensing SENSE pMRI reconstruction with joint sparsity promotion[J]. IEEE Trans Med Imaging, 2016, 35(1): 354-368. DOI: 10.1109/TMI.2015.2474383.
9
Sartoretti E, Sartoretti T, Binkert C, et al. Reduction of procedure times in routine clinical practice with compressed SENSE magnetic resonance imaging technique[J]. PLoS One, 2019, 14(4): e0214887. DOI: 10.1371/journal.pone.0214887.
10
Vranic JE, Cross NM, Wang Y, et al. Compressed sensing-sensitivity encoding (CS-SENSE) accelerated brain imaging: Reduced scan time without reduced image quality[J]. AJNR Am J Neuroradiol, 2019, 40(1): 92-98. DOI: 10.3174/ajnr.A5905.
11
Wang Z, Zhuang J, Gao Z, et al. A fast scanning ion conductance microscopy imaging method using compressive sensing and low-discrepancy sequences[J]. Rev Sci Instrum, 2018, 89(11): 113709. DOI: 10.1063/1.5048656.
12
Aguilar JA, Kenwright AM. Compressed NMR: Combining compressive sampling and pure shift NMR techniques[J]. Magn Reson Chem, 2018, 56(10): 983-992. DOI: 10.1002/mrc.4705.
13
Kido T, Kido T, Nakamura M, et al. Compressed sensing real-time cine cardiovascular magnetic resonance: accurate assessment of left ventricular function in a single-breath-hold[J]. J Cardiovasc Magn Reson, 2016, 18(1): 50. DOI: 10.1186/s12968-016-0271-0.
14
He M, Xu J, Sun Z, et al. Comparison and evaluation of the efficacy of compressed SENSE (CS) and gradient- and spin-echo (GRASE) in breath- hold (BH) magnetic resonance cholangiopancreatography (MRCP)[J]. J Magn Reson Imaging, 2020, 51(3): 824-832. DOI: 10.1002/jmri.26863.
15
Toledano-Massiah S, Sayadi A, de Boer R, et al. Accuracy of the compressed sensing accelerated 3D-FLAIR sequence for the detection of MS plaques at 3 T[J]. AJNR Am J Neuroradiol, 2018, 39(3): 454-458. DOI: 10.3174/ajnr.A5517.
16
Gulati GL, Ashton JK, Hyun BH. Structure and function of the bone marrow and hematopoiesis[J]. Hematol Oncol Clin North Am, 1988, 2(4): 495-511.
17
Chu C, Feng Q, Zhang H, et al. Evaluation of salivary gland fat fraction values in patients with primary Sjögren's syndrome by mDIXON quant imaging: Initial findings[J]. Eur J Radiol, 2020, 123: 108776. DOI: 10.1016/j.ejrad.2019.108776.
18
Guo RM, Zhao RZ, Zhang J, et al. Quantification of fat deposition in the testis and epididymis using mDIXON Quant sequence: correlation with age and ejaculation[J]. Abdom Radiol (NY), 2019, 44(4): 1528-1534. DOI: 10.1007/s00261-018-1826-3.
19
Kise Y, Chikui T, Yamashita Y, et al. Clinical usefulness of the mDIXON Quant the method for estimation of the salivary gland fat fraction: comparison with MR spectroscopy[J]. Br J Radiol, 2017, 90(1077): 20160704. DOI: 10.1259/bjr.20160704.
20
Zhang Y, Zhou Z, Wang C, et al. Reliability of measuring the fat content of the lumbar vertebral marrow and paraspinal muscles using MRI mDIXON-Quant sequence[J]. Diagn Interv Radiol, 2018, 24(5): 302-307. DOI: 10.5152/dir.2018.17323.
21
Zhao Y, Huang M, Ding J, et al. Prediction of abnormal bone density and osteoporosis from lumbar spine MR using modified dixon quant in 257 subjects with quantitative computed yomography as reference[J]. J Magn Reson Imaging, 2019, 49(2): 390-399. DOI: 10.1002/jmri.26233.
22
Liney GP, Bernard CP, Manton DJ, et al. Age, gender, and skeletal variation in bone marrow composition: a preliminary study at 3.0 Tesla[J]. J Magn Reson Imaging, 2007, 26(3): 787-793. DOI: 10.1002/jmri.21072.
23
Roldan-Valadez E, Piña-Jimenez C, Favila R, et al. Gender and age groups interactions in the quantification of bone marrow fat content in lumbar spine using 3T MR spectroscopy: a multivariate analysis of covariance (Mancova)[J]. Eur J Radiol, 2013, 82(11): e697-e702. DOI: 10.1016/j.ejrad.2013.07.012.
24
Imai Y, Youn MY, Kondoh S, et al. Estrogens maintain bone mass by regulating expression of genes controlling function and life span in mature osteoclasts[J]. Ann N Y Acad Sci, 2009, 1173(Suppl 1): E31-E39. DOI: 10.1111/j.1749-6632.2009.04954.x.
25
Bermeo S, Gunaratnam K, Duque G. Fat and bone interactions[J]. Curr Osteoporos Rep, 2014, 12(2): 235-242. DOI: 10.1007/s11914-014-0199-y.
26
张鑫涛, 陈倩敏, 陈佳玲, 等. 基于mDIXON-quant的腰椎骨髓脂肪含量与性别、年龄、体重指数、腰围及内脏脂肪的相关性[J]. 临床放射学杂志, 2019, 38(7): 1292-1296. DOI: 10.13437/j.cnki.jcr.2019.07.019.
Zhang XT, Chen QM, Chen JL, et al. Correlation of lumbar bone marrow fat content with gender, age, body mass index, waistline and visceral adipose tissue by using mDIXON-quant[J]. J Clin Radiol, 2019, 38(7): 1292-1296. DOI: 10.13437/j.cnki.jcr.2019.07.019.
27
鲍晓雪, 王娜, 李玉坤. 肥胖与骨质疏松症关系的研究进展[J]. 中华临床医师杂志(电子版), 2015, 9(14): 2749-2753. DOI: 10.3877/cma.j.issn.1674-0785.2015.14.030.
Bao XX, Wang N, Li YK. Advances in the relationship between obesity and osteoporosis[J]. Chin J Clinicians(Electronic Edition), 2015, 9(14): 2749-2753. DOI: 10.3877/cma.j.issn.1674-0785.2015.14.030.
28
Cordes C, Dieckmeyer M, Ott B, et al. MR-detected changes in liver fat, abdominal fat, and vertebral bone marrow fat after a four-week calorie restriction in obese women[J]. J Magn Reson Imaging, 2015, 42(5): 1272-1280. DOI: 10.1002/jmri.24908.
29
Arner P, Spalding KL. Fat cell turnover in humans[J]. Biochem Biophys Res Commun, 2010, 396(1): 101-104. DOI: 10.1016/j.bbrc.2010.02.165.
30
Cordes C, Dieckmeyer M, Ott B, et al. MR-detected changes in liver fat, abdominal fat, and vertebral bone marrow fat after a four-week calorie restriction in obese women[J]. J Magn Reson Imaging, 2015, 42(5): 1272-1280. DOI: 10.1002/jmri.24908.
31
Kong X, Xing X, Zhang X, et al. Sexual dimorphism of a genetic risk score for obesity and related traits among Chinese patients with type 2 diabetes[J]. Obes Facts, 2019, 12(3): 328-343. DOI: 10.1159/000500490.
32
Numao S, Katayama Y, Nakata Y, et al. Association of abdominal fat with metabolic syndrome components in overweight women: effect of menopausal status[J]. J Physiol Anthropol, 2020, 39(1): 12. DOI: 10.1186/s40101-020-00222-0.

上一篇 个体前额叶与丘脑之间的功能连接与其对网游渴求程度的关系:一项静息态fMRI研究
下一篇 四维磁共振血管成像对脑动静脉畸形诊断效能的Meta分析
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2