化学交换饱和转移(chemical exchange saturation transfer，CEST)通过饱和特定质子并将饱和信号传给自由水质子，检测水信号的降低程度来进行间接成像，反映体内大分子物质的浓度信息和交换率，相比波谱成像对毫摩尔级别的代谢物更加灵敏。目前该技术主要以酰胺^[1]、谷氨酸^{[2, 3]}、肌酸^{[4, 5]}、氨基等成分研究为主，在神经系统疾病^[6]、肿瘤^[7]等疾病中开展较为广泛。对CEST的研究多是基于归一化的Z谱(不同频率偏移-水信号强度曲线)来实现的，理想的谱线能将不同的可交换质子成分在Z谱中分离出来、间接得到各物质的实际浓度，从而实现疾病的诊断、预后效果以及鉴别诊断。然而Z谱中除了化学交换效应还包含了其他的混杂因素^[8]如传统磁化转移效应(magnetization transfer，MT)、直接饱和效应(direct water saturation，DS)、核奥氏效应(nuclear overhauser enhancement，NOE)等，加之内源性代谢物频率较为接近、含量分布不等，导致了代谢物峰值重叠互扰、不易从谱线得到准确的浓度信息。国内外学者据此进行了各种体外实验及在体研究，提出多种技术纯化CEST数据^{[9, 10]}，硬件方面如静磁场B0的不均匀性对CEST也有着不可忽略的作用，笔者查阅了近年发表的相关文献资料，对MTC、DS、NOE等效应的处理方法以及B0场不均匀性的校正作以下综合。

1 Z谱中的混杂效应及处理方法

1.1 传统MT效应

       MT效应是在偏振射频照射下，半固态大分子中的束缚质子与自由水质子之间通过交叉弛豫和化学交换进行饱和传递产生的，其频谱宽阔^[11]地横跨水峰两侧，在选择性饱和目标质子时，CEST信号会受到来自半固态大分子的磁化传递的影响，使CEST的定量结果有偏差^[12]。目前普遍应用非对称磁化转移率(MTRasym)移除MT效应^[13]：分别采集水峰两侧对称频率处的信号、进行相减并做归一化处理，结果作为偏移频率的函数绘制出相应的MTRasym谱。该方法因其操作简便省时而成为MT效应的主要量化方式，这一方法是以半固态大分子谱线关于水峰对称分布为前提，但其频谱分布并不严格关于水峰对称，且该方法对磁场均匀性以及成像参数较敏感，量化后的结果不准确。

       Rerich等^[14]在常规MTRasym的基础上，对Z谱进行逆向变换(取倒数)再相减，同时也将旋转坐标系下纵向弛豫的影响(R1a)考虑在内，这种改进方法被称为表观弛豫依赖交换(apparent exchange-dependent relaxation，AREX)，从计算方法来看，与常规非对称分析原理大同小异，均是对水峰两侧对称频率处两个信号取差值等相关处理来消除MT效应；文中研究了运动前后人体小腿肌肉中的肌酸CEST信号变化，发现AREX与肌酸浓度呈线性相关；在生理环境下，两个不同Ｂ１幅值下，AREXratio独立于浓度含量、与pH呈线性关系，这一特点可以考虑用于体外研究pH浓度独立校正。Zhang等^[15]同样提出了AREX的方法用来分析9.4 T高场下快速交换氨基质子的CEST效应，在这里作者根据参考信号的获取方式分为AREXasym、AREXfit，结果显示在饱和达到稳态的条件下，AREX相对MTR更不易受组织非特异性参数的影响，其中AREXfit能将其他效应(如MT)最小化以实现量化的特异性。但研究在高场下进行，临床常规3.0 T环境下是否仍具有这些特征还需要进一步的验证。

       旋转坐标系中的纵向弛豫率R1ρ是一个重要的无创诊治疾病的手段，对偶极耦合、化学交换、磁化传递等比较敏感，为了得到其中的MT效应贡献，多采用自旋锁定磁共振对其量化，研究基于非共振自旋锁定的大分子质子分数(macromolecular proton fraction quantification based on spin-lock，MPF-SL)，消除了自由水池和化学交换池的弛豫率R1ρ、推导出特定于MT效应的弛豫率Rmpfsl^[16]，可以直接测量MPF以实现MT的量化且对B0、B1不均匀性的敏感度低，文中主要篇幅是针对MT效应的量化，没有过多地研究在CEST中的应用，但研究证明MPF-SL可以很好的特异于MT效应、分析过程稳健省时，在CEST成像中可以考虑作为MT效应消除的新选择。

       研究证明超洛伦兹线形函数进行拟合能更好地实现MT效应的去除^[10]；Kim等^[17]提出了基于磁共振指纹技术(magnetic resonance fingerprinting，MRF)的快速定量三维磁化传递对比(magnetization transfer contrast，MTC)成像技术，结合深度神经网络模型得到较准确的快速的MTC参数量化，在具体CEST频率偏移处估算出准确的MTC信号强度，以进行更加准确的CEST成像。Xu等^[18]提出共振二项式脉冲(on-resonance variable delay multi-pulse，VDMP)方法，通过固定脉冲数目、更改混合时间来明确区分慢速MT池和快速交换组织池，旨在将快速交换率下的质子的CEST效应从MT效应中分离出，进行单独分析，鉴于实验只分析了快交换率与慢交换率两个特征的信号表现，失去了质子特异性，但其打破了以往CEST技术主要集中于分析慢速或中速交换率的质子基团，对快速交换质子的成像进行研究，扩大了未来CEST成像技术的应用范围。

1.2 NOE效应

       任何半固态池中的质子被饱和后，通过分子空间偶极耦合作用快速传给结合水质子，然后进行水交换或质子交换实现饱和传递，这是磁化传递的主要机制，而NOE本质上是其中的一类，当前研究中所涉及的NOE效应多是来自脂肪族和烯烃质子，饱和不可交换的大分子上的质子，通过空间耦合作用进行弛豫交换，将饱和信号先“中转”至可交换质子，然后传递到水质子，也称作中继NOE效应(NOE-relayed exchange，rNOE)^[8,19]。时下对酰胺质子成像技术(amide proton transfer，APT)^{[20, 21, 22, 23, 24]}的探索多和NOE效应同时研究，这可能是由于两者的共振频率关于水峰几乎对称，除了酰胺质子成像外，体内可用于CEST成像的代谢物，其在水峰对侧的同一频率大小的位点多是落在NOE效应范围内，在进行信号的提取分析中，不可避免地会引进NOE效应，结果中真正由化学位移作用引起的信号衰减相对减少基于此特征，相关研究领域中的学者将重点放在了NOE效应的剥离和新的成像开发上，而很少研究对该效应的消除，本小节也将侧重介绍前种处理方法。

       Heo等^[23]探索了在7.0 T时不同脑肿瘤等级(Ⅱ～Ⅳ)的APT与NOE信号强度之间的关系，研究结果显示NOE信号对7.0 T磁场低饱和功率射频下获得的APT信号有贡献，有望成为神经胶质瘤分级的成像生物标志。这是NOE效应在临床上的可取之处，将其转化为临床成像参数加以利用，或成为未来的研究方向。

       Zhang等^[25]将APT三种量化方法：洛伦兹差(Lorentz difference，LD)、三点偏移法、多池洛伦兹拟合模型，与AREX采集的参考信号进行对比，获取NOE信息；并用鼠脑模型进行数值拟合，结果指出，多池模型拟合准确度相对最高，不同组织参数下的仿真结果也验证了这一结论，但只局限于低B1。最近，研究观察到一种新的rNOE饱和传递效应，约在-1.6 ppm处，称为NOE (-1.6)^[26]，因其频率距离水峰较近，DS效应显著，在正常Z谱中无明显表现，作者提出利用AREX剩余谱结合两步多洛伦兹拟合方法，先后消除DS、MTC效应，提取NOE (-1.6 ppm)进行分析。

       Zu^[27]提出依据比率法(AREXratio)获得特异于NOE交换率或耦合率而非幅值的指标，经过数值仿真，指出比率法可以排除几乎所有非特异性因素，并提供更具体的NOE耦合率和溶质横向弛豫率加权信号，在小动物肿瘤模型中证实耦合率以及(或者)横向弛豫率是NOE (-1.6)低信号的主要贡献因素。研究只给出两个不同功率下的比值，信噪比并不高，需要进一步发掘新的方法来提高图像质量，如探寻不同射频功率、持续时间下的AREX比值变化，找出最大变化的条件参数，或者借助外界特异性对比剂等物质人为增加肿瘤内代谢物的横向弛豫率来使得比值增加，提高病变与正常组织的对比等，这有待进一步的研究探索。

       有学者^[28]采用插值半固体参考信号(extrapolated semi-solid MT reference，EMR)法，基于汉克尔曼双池模型——水池和半固态磁化传递池，后者通过超洛伦兹线形进行拟合，用于APT和NOE信号的量化分析，作者指出该模型可以利用这一效应获得肿瘤与正常组织的更高的对比度^[29]；提出的化学交换旋转传递技术(chemical exchange rotation transfer，CERT)，并没有进行EMR中的模型假设，而是利用溶质对水信号同时具有旋转和饱和贡献、半固态大分子只具有饱和贡献，在保持平均功率不变的情况下分别使用交替的π和2π脉冲序列来获取标签扫描和参考扫描，两者相减即可消除MT效应和直接水饱和从而实现效应分离。

       使用LD消除直接饱和效应时，从CEST中分离出的NOE效应被高估，Zhang等^[30]基于高斯函数和洛伦兹函数的线性组合提出一种改善的拟合算法——伪Voigt轮廓像素优化(voxel-wise optimization of pseudo voigt profile，VOPVP)进一步提高了NOE的对比度，最后经多池模型实验验证了CEST量化的稳健性和准确性。因NOE效应受制于B1幅度和磁场强度，变化情况不易测量，这也加大了临床应用的挑战。

1.3 DS效应

       DS效应是指选择性饱和脉冲频率对水质子的直接饱和作用，偏移频率接近水饱和频率时，DS效应会显著增大，距离水峰越远，作用效果越小。因几乎所有内源性代谢物分子中质子基团的中心共振频率距离水峰较近，直接饱和效应难以避免。用于移除DS效应的经典办法是磁化传递的非对称分析(MTRasym)^[13]，因水峰上场频率中存在NOEs效应，该方法并不准确；采用低功率的饱和射频有助于降低对水的直接饱和效应，但会以饱和时间增加或饱和程度降低为代价。

       Shaghaghi等^[31]通过将Z谱拟合到多个洛伦兹分量线性组合来估算直接饱和效应，随后将其对信号的贡献去除，剩余信号通过作ω图来得到质子交换率图，显示的是对Z谱信号有贡献的全部质子群的加权平均值，失去了分子特异性。可考虑用作脑部病理变化的基准线但无法确定病变类型，研究中的样本量比较小，需大样本大范围的研究以排除年龄、性别等差异来进一步验证其可行性。

       Wu等^[32]提出了在3.0 T射频脉冲下的直接饱和校正(direct saturation corrected，DISC),数据模拟显示连续射频波与脉冲式射频可以产生相似的CEST效应，用pulsed-RF代替CW-RF，结合DISC利用MT、NOE效应进行APT成像，去除了直接水饱和效应，与常规非对称分析、三点测量法相比，可以更好地显示胶质瘤小鼠模型中肿瘤坏死区分化界限，这些与前人相关研究结果一致^[33]。然而Wu等^[32]的研究显示成像的空间分辨力并不高，作者归因于鼠脑大小，笔者认为也可能与序列或组织非特异性参数有关，可以进一步在人体成像研究中验证该方法对肿瘤坏死区域的界限划分是否可行。

       Randtke等^[34]一改常规CEST成像中的偏共振饱和频率激励，反其道使用水共振频率进行激励，采集得到QUESPOWR图，结合QUESP线性分析方法，对QUESPOWR图进行LP-HW-QUESP、HP-HW-QUESP拟合分析，结果显示，HP-HW-QUESP拟合技术可以很好的评估具有快速的交换率和较小化学偏移的大分子与水质子之间的CEST效应，很好的改善了距离水峰较近的代谢分子常规CEST成像中存在的DS效应。该技术可以得到肿瘤的化学交换率的参数图，但是不能分析正常组织，作者将此归因于肿瘤酸性环境。

1.4 B0不均匀校正

       常用于消除常规MT效应、DS效应的非对称分析过程受B0场不均匀性的影响较为明显^[8]，在CEST图像中产生伪影并严重影响CEST的定量，影响CEST-MRI技术进入临床应用，在对各效应校正的同时进行B0均匀性校正也是必要的。薛心雨等^[35]对B0不均匀性的校正方法做了回顾，对比总结了WASSR、SAFARI、LOVAR等技术的优势。迄今为止，最常用的静磁场不均匀性校正算法是对CEST谱进行完整或部分的插值、获得B0场图，不足的是成像时间延长；基于此，Sun^[36]提出一种快速的无需进行插值的算法，利用pH特异性的磁化转移和弛豫归一化酰胺质子转移成像(magnetization transfer and relaxation normalized amide proton transfer，MRAPT)降低了非pH依赖性的半固体MT和NOE产生的基线异质性、将多池模型简化为两池交换模型，使用多项式函数对其建模，在显示损伤、缺血等方面更有显著性。

       基于非共振辐射产生的Rabi振荡的新方法(simultaneous mapping of the water shift and B1，WASABI)，允许同时映射水频移(δω)和RF振幅^[37]，结合梯度回波序列获得的B0、B1图谱与标准方法布洛赫-西哥特偏移(Bloch-Siegert shift，BSS) 相比，校正磁场不均匀性的稳健性更好，在7.0 T人脑成像试验中相对高的B0不均匀性在WASABI方法下得到的谱线与参考谱线有很高的一致性。

       有学者^[38]提出了一种基于高分辨率磁场图的CEST体素内不均匀校正算法(CEST intravoxel inhomogeneity correction，CIVIC)，实验数值模拟表明，即使在对称偏移为0 ppm的对称场色散情况下，CIVIC算法仍然有效。实验结果证实，所提出的CIVIC方法在不同场均质条件下可显着提高CEST MRI的对比度噪声比。

2 总结与展望

       目前针对CEST成像中各混杂因素的量化方法还是以数据仿真、多池模型拟合等数学手段体外研究为主；信噪比和时间是向临床转化的主要障碍，需更多深入的研究，以期在可接受的检查时间范围内，通过序列参数的针对性设计获得相对准确的CEST信号、或与机器学习算法结合^{[39, 40]}加快数据处理等获得满足诊断需要的信息。