分享:
分享到微信朋友圈
X
技术研究
基于T1W-3D序列探讨光梭成像技术的临床应用价值
马媛媛 李彦 张雪坤 严福华 宋琦

Cite this article as: Ma YY, Li Y, Zhang XK, et al. The clinical application value of constellation shuttling imaging technology based on T1W-3D sequence[J]. Chin J Magn Reson Imaging, 2021, 12(11): 52-56.本文引用格式:马媛媛, 李彦, 张雪坤, 等. 基于T1W-3D序列探讨光梭成像技术的临床应用价值[J]. 磁共振成像, 2021, 12(11): 52-56. DOI:10.12015/issn.1674-8034.2021.11.011.


[摘要] 目的 探讨光梭成像技术在头颅磁共振扫描中的临床应用价值。材料与方法 2020年7月至8月,共招募无磁共振扫描禁忌证且健康成年志愿者20名,其中男10名,女10名,年龄22~69 (40.2±13.3)岁。采用联影uMR780 3.0 T超导磁共振扫描,24通道相控阵线圈,对志愿者进行脑部数据采集。具有主治医师水平以上的2名放射医生在不知道图像序列信息的情况下进行主观图像质量评估:基于视觉评估、综合信噪比、伪影、灰白质边界的清晰度等进行Likert 5级评分,数据结果进行Kappa检验。在解剖结构相应的灰质(gray matter,GM)和白质(white matter,WM)以及背景噪声区域放置感兴趣区(region of interest,ROI),对灰质、白质信号及噪声信号(noise signal)强度重复三次测量取平均值,计算信噪比(signal to noise ratio,SNR)和对比噪声比(contrast to noise ratio,CNR)。以上均采用SPSS 23.0版统计软件进行配对t检验,均以P<0.05为差异有统计学意义。结果 纳入研究图像质量Likert 5级评分结果为4~5分,检验评分结果:Kappa值是0.801,P值为<0.001,认为2名医生图像质量评估结果在统计学意义上具有显著一致性。对于SNR和CNR进行t检验比较两组数据,结果两者之间信噪比差异有统计学意义,光梭成像技术组高于并行采集技术组。运用基于体素的形态计量学CAT-12软件分别得出脑实质总体积,灰质总体积,白质总体积及脑脊液总体积,进行配对t检验,结果P值分别为0.98,0.25,0.50,0.11,均大于0.05,两组不同扫描方式数据基于体素的形态计量学结果差异无统计学意义。光梭成像技术组扫描时间减少116 s,减少为40%。结论 较传统的并行采集技术,光梭成像技术在头颅T1W-3D 序列中具有更优的图像信噪比并可以明显缩短扫描时间,具有重要的临床应用价值。
[Abstract] Objective To explore the clinical application value of constellation shuttling imaging technology in cranial magnetic resonance scanning.Materials and Methods: Brain imaging of 20 healthy adult volunteers on a United Imaging uMR780 3.0 T superconducting magnetic resonance, with 24-channel phased array coils, from July to August 2020, this study recruited without contraindications to magnetic resonance scanning, including 10 males and 10 females, aged 22—69 (40.2±13.3) year old. Two radiologists with an attending physician level or above perform subjective image quality assessment without knowing the image sequence information: based on visual assessment, comprehensive signal-to-noise ratio, artifacts, and the definition of gray matter borders, they perform Likert 5-level scoring. The data results were tested by kappa. Place the region of interest (ROI) in the gray matter (GM,) and white matter (WM) and background noise regions corresponding to the anatomical structure, and repeat the intensity of the gray matter, white matter signal and noise signal (noise signal), take the average of the three measurements and calculate the SNR and CNR. Using the voxel-based morphometrics CAT-12 software to obtain the total brain parenchymal volume, total gray matter volume, total white matter volume, and total cerebrospinal fluid volume. All of the above uses the statistical software version SPSS 23.0 to perform Paired t test, and the difference is statistically significant with P<0.05.Results The image quality of the included study Likert grade 5 score (4—5 points), the test score result: Kappa value is 0.801, P value is less than 0.001, it is considered that the image quality evaluation results of the two doctors are statistically consistent. For SNR and CNR, a t test was performed to compare the two sets of data. The results showed that the signal-to-noise ratio between the two was statistically different, and the light shuttle imaging technology group was higher than the parallel acquisition technology group. Using the voxel-based morphometrics CAT-12 software to obtain the total brain parenchymal volume, total gray matter volume, total white matter volume, and total cerebrospinal fluid volume, paired t-test was performed, and the P values ​​were 0.98, 0.25, 0.50, 0.11, respectively. Both are greater than 0.05. There is no significant difference between the two groups of different scanning methods based on the voxel-based morphometric results in statistical significance. The scanning time of the constellation shuttling imaging technology is reduced by 116 s, which is reduced to 40%.Conclusions Compared with the traditional parallel acquisition technology, the constellation shuttling imaging technology has a better image signal-to-noise ratio in the skull T1W sequence than the parallel acquisition technology, and can significantly shorten the scanning time, which has important clinical application value.
[关键词] 磁共振成像;光梭成像技术;压缩感知技术;并行采集技术;全脑三维T1加权序列
[Keywords] magnetic resonance imaging;constellation shuttling imaging technology;compressed sensing;parallel acquisition technology;three-dimensional T1 weighted sequences

马媛媛    李彦    张雪坤    严福华    宋琦 *  

上海交通大学医学院附属瑞金医院放射科,上海 200025

宋琦,E-mail:songqi_718@163.com

全体作者均声明无利益冲突。


基金项目: 上海科学技术委员会科研计划项目 18DZ1930103
收稿日期:2021-05-25
接受日期:2021-09-18
DOI: 10.12015/issn.1674-8034.2021.11.011
本文引用格式:马媛媛, 李彦, 张雪坤, 等. 基于T1W-3D序列探讨光梭成像技术的临床应用价值[J]. 磁共振成像, 2021, 12(11): 52-56. DOI:10.12015/issn.1674-8034.2021.11.011.

       磁共振成像是现代医学成像技术的重要组成部分,具有组织对比度好,无电离辐射,多参数成像等独特优势,且具有多种多样的成像技术,对于病变的诊断,定量和定性分析及疗效的评估具有重要价值。但由于磁共振扫描需要耗费大量时间,部分患者难以忍受,容易发生运动伪影。传统磁共振检查过程中,为了保证图像质量,信号采集需要符合奎斯特采样率条件,即采集样率至少是信号最大频率的两倍,在通过傅里叶转换重建图像数据的过程中,需要k空间的信号数等于图像的像素,这就导致了耗时长的大量数据采集,而且对于数据存储的要求高,并且会有大量冗余数据被丢弃。所以,在硬件设备允许,不造成生理损伤(比如神经损伤)的前提下,开发出不影响图像质量的同时减少检查时间的具有创新性的加速成像技术成为磁共振领域研究的热点。

       目前并行采集技术,如敏感度编码(sensitivity encoding,SENSE)于近年来已常规应用于临床磁共振扫描。该技术用相控阵线圈个线圈单元内的空间位置差异替代传统的相位编码步数完成成像中个体素的空间定位,由此弥补相位编码步数不足所致的信号空间定位不精确的缺点,最终得到没有卷褶伪影的图像。也就是说该技术主要通过减少相位编码步数,减少k空间的数据线,从而减少扫描时间[1]

       而压缩感知技术作为新的加速成像技术,它利用磁共振信号稀疏性的特点,通过随机采样获取离散样本,并用非线性迭代算法重建图像,从而大幅度减少需要采集的数据,进而减少采集时间[2]。2006年Candes等[3]提出压缩感知(compressed sensing,CS)理论,构建出一种新的磁共振信号采集和图像重建方法。2007年Lusting等[4]首次将压缩感知理论应用于磁共振成像。

       本研究中的光梭成像技术(constellation shuttling imaging)是将序列扫描技术与重建后处理结合的一种综合应用技术。该技术通过充分利用k空间的共轭对称性等磁共振采集信息冗余特性,结合多通道并行采集以及图像压缩感知等采集技术,通过对重建模型和扫描k空间的优化设计,达到不影响图像质量的同时可以高倍速加快扫描时间的目的。

       本研究中采用的T1W-3D序列为联影公司的T1加权三维快速扰相梯度回波序列(T1-weighted three dimension fast spoiled gradient echo sequence,T1W-3D FSP),能三维显示精细解剖结构,脑内结构[灰质(gray matter,GM),白质(white matter,WM)和脑脊液]对比度良好,有利于小病灶及其细节的显示,同时也是获取正常人脑三维可视化图谱的重要方法,对于临床(尤其外科手术),科研和教学具有重要意义[5]。但目前临床应用中利用现有常规磁共振加速技术进行该序列扫描时,时间较普通颅脑序列耗时长,患者易不耐受而出现运动伪影,而光梭成像技术的出现,使得在保证图像质量的情况下、减少检查时间,从而减少运动伪影。

       笔者旨在通过探讨压缩感知技术进行头颅T1W-3D序列中的临床应用价值,从而为该技术进一步地推广应用提供临床应用依据。

1 材料与方法

       本研究为前瞻性研究,经过本单位医学伦理委员会批准(批准文号:2018017),受试者均已签署知情同意书。

       2020年7月至8月,笔者共招募无磁共振扫描禁忌证且健康成年志愿者20名,其中男10名,女10名,年龄22~69 (40.2±13.3)岁。采用联影uMR780 3.0 T超导磁共振扫描,24通道相控阵线圈,对志愿者进行脑部数据采集。成像序列如下:(1)基于光梭成像技术的T1W-3D序列:TR 7.2 ms;TE 3.1 ms;TI 750 ms;带宽 250 Hz;层厚 1.0 mm;层间距 1.0 mm;相位编码方向 A>P;翻转角10°;相位加速因子3.2。(2)基于并行采集技术加速的T1W-3D序列:TR 7.2 ms;TE 3.1 ms;TI 750 ms;带宽250 Hz;层厚1.0 mm;层间距1.0 mm;相位编码方向A>P;翻转角10°;相位加速因子2.0。

       通过图像的主观和客观评价方式,比较两种扫描方式在扫描时间和图像质量的差异。其中主观评价具体方法为:具有主治医师水平以上的2名放射科医生在不知道图像序列信息的情况下进行图像质量评估,视觉评估包括基于Likert 5级评分表[6],综合信噪比(signal to noise ratio,SNR),伪影,灰白质边界的清晰度等进行图像质量分别打分,5分代表最好,4分良好,依次类推。通过Kappa检验判定2名医生的评分结果是否具有一致性。客观评价方法为:在解剖结构(尾状核和胼胝体)相应的灰质GM和白质WM以及背景噪声区域放置感兴趣区ROI,对灰质、白质信号及噪声信号(noise signal)强度重复三次测量取平均值(框放置位置及大小见图1),分别记为噪声信号ROInoise、灰质信号ROIGM、白质信号ROIWM,计算图像信噪比SNR=mean (ROIWM)/mean (ROInoise)和对比噪声比(contrast to noise ratio,CNR) CNRmean=[mean (ROIGM)-mean (ROIWM)]/mean (ROInoise)。运用基于体素的形态计量学CAT-12软件,以前联合和后联合线为基准,将每个被试的图像运用线性配准和非线性配准依次分配到标准模板上,经过调制分别得出全脑体积,灰质总体积,白质总体积及脑脊液总体积,结果进行配对t检验。以上统计方法均以P<0.05为差异有统计学意义。

图1  ROI勾画大小及位置示例(左图为并行采集技术,右图为压缩感知技术),上图为局部细节放大图
Fig. 1  Example of ROI outline size and position (left picture is PPA, right picture is CS), the picture above is an enlarged detail.

2 结果

       2名医生的评分结果Kappa值是0.801 (P<0.001),认为2名医生图像质量评分结果在统计学意义上具有显著一致性,且图像质量均良好及以上(4~5分) (表1)。对于SNR和CNR进行t检验比较两组数据,结果光梭成像技术组(以下称光梭组) SNR平均值为15.93±1.55,并行采集技术组(以下称并行组) 12.28±1.11,P值为<0.001;光梭组CNR平均值为1.10±0.43,并行组0.89±0.38,P值为0.016;光梭组和并行组的SNR及CNR的P值均小于0.05,因此认为光梭组和并行组的SNR及CNR在统计学意义上具有差异,且光梭组高于并行组。运用基于体素的形态计量学CAT-12软件分别得出脑实质总体积,灰质总体积,白质总体积及脑脊液总体积,进行配对t检验,结果P值分别为0.98、0.25、0.50、0.11,均大于0.05,两组不同扫描方式数据基于体素的形态计量学结果差异不具有统计学意义。光梭组扫描时间减少116 s,减少为40% (图2~4)。

图2  压缩感知技术(CS)及并行采集技术(PPA)图像信噪比结果 图3 压缩感知技术(CS)及并行采集技术(PPA)图像对比噪声比结果 图4 CS及PPA图像全脑体积、灰质总体积、白质总体积、脑脊液总体积比较结果
Fig. 2  Image SNR results of compressed sensing technology (CS) and parallel acquisition technology (PPA).
Fig. 3  Compressed sensing technology (CS) and parallel acquisition technology (PPA) image CNR results.
Fig. 4  Compressed sensing technology (CS) and parallel acquisition technology (PPA) image total brain volume, total gray matter volume, total white matter volume, total cerebrospinal fluid volume comparison results.
表1  主观图像质量评分结果
Tab. 1  Subjective image quality scoring results

3 讨论

       构建人脑图谱是脑科学和类脑研究需要达到的目标,从分子层面认识脑功能和脑疾病机制,“绘制”人脑图谱对影像设备、成像技术及分析方法等方面具有极高的要求;高效快速高质量获得三维数字化的人脑图谱,是脑研究中重要环节,清楚观察到人脑复杂的三维空间关系,对于手术计划的制订也具有重要的价值。而T1W-3D能够进行薄层连续扫描,保证各向同性,并进行任意平面重建,减少部分容积效应,特别是后颅窝的伪影干扰可以减少,有利于显示小病灶的解剖细节,可以用于术前准确获取定位和正常人脑的三维可视化图谱[5]。目前T1W-3D序列在我院已经常规用于术前评估,常规多使用并行采集技术进行,扫描耗时相对较长。基于磁共振数据的稀疏性特性,综合快速发展的线圈及数据后处理技术,本研究中采用的光梭成像技术将并行采集、压缩感知扫描技术与重建后处理结合,使得高速获得高质量图像的同时,减少扫描时间成为可能。而这一新综合应用技术在临床的推广应用仍需要更多的前瞻性研究结果支持。本研究中使用基于体素的形态计量学(voxel-based-morphometry,VBM),通过体素-体素的方法定量分析不同群组脑组织结构中灰白质的差异,一定程度替代了传统意义上人工勾画感兴趣区域的方法,可以从一定程度补充本研究中人工勾画的不足。

       本研究中,我们随机对于20名健康志愿者就两种技术进行头颅T1W-3D序列扫描进行前瞻性对比研究,研究结果显示基于主观及客观的评价方式,光梭成像技术可以获得不低于并行采集技术采集图像质量的同时(图2,3),并减少扫描时间,这与Vranic等[7]在该技术与其他常规技术序列的比较研究结果相同,目前为数不多且已经发表的进行对基于该技术在不同扫描部位与常规的序列的比较的研究结果中也得到了相似的结论[8, 9, 10, 11, 12, 13]。虽然光梭成像技术与并行采集技术扫描的图像质量评分差异无统计学意义,且一定程度上光梭成像技术获得的图像具有更高的信噪比,但是在灰白质分界处压缩感知技术获得图像的细节分辨率肉眼层面不如并行采集技术扫描获得的图像(图1),这与Cristobal-Huerta等[14]和Delattre等[15]研究结果一致。这可能是基于欠采样的数据、非线性重建以及降噪特性可能会遗漏重要的诊断信息,是否会遗漏小病灶也是需要考虑的问题,有研究对多发性硬化患者进行基于压缩感知技术的双反转恢复序列扫描研究显示该技术并不会遗漏临床常规应用序列可以检出的小病灶[16]。目前普通的信噪比的评估方式无法反映出典型的故障模式。比如,将影响信噪比的特定某一参数调整到一定值时,就可以达到提高图像信噪比的结果,但是可能造成图像的更小的细节数据被删除而使得图像失真[17, 18, 19, 20],图像的对比度也会受到影响。所以,更优的图像质量评估方式需要进一步地探索,具有更高细节分辨的扫描图像的获得技术也需要进一步地研究和验证。

       Duan等[21]研究表明最大扫描时间可减少69%,并认为加速因子为3时可以获得更好的图像质量,但最佳的图像质量和最短的扫描时间无法同时获得。本研究加速因子选择了3.2,扫描时间减少40%,所以具体扫描节约时间要根据符合诊断的图像要求设定,不同的扫描序列和扫描参数条件下不同,而优化参数的设定和选择需要进一步临床试验验证和选择。

       本研究存在样本量少、均为健康志愿者、单中心、单一扫描机型、加速因子采用单一经验值、研究序列单一等不足,对于压缩感知技术的临床应用研究和探索依然比较局限。未来,基于深度学习的自动图像质量评估及图像重建等[22, 23, 24]方法,对于合适扫描参数的选择以及合适的图像质量评估指标的选择可能会有质的帮助,而此需要进一步地前瞻性临床试验去研究,探索和验证。

结论:

       较传统的并行采集技术,光梭成像技术在头颅T1W-3D序列中具有更优的图像信噪比并可以明显缩短扫描时间,具有重要的临床应用价值。

[1]
Montalt-Tordera J, Muthurangu V, Hauptmann A, et al. Machine learning in Magnetic Resonance Imaging: Image reconstruction[J]. Phys Med, 2021, 83: 79-87. DOI: 10.1016/j.ejmp.2021.02.020.
[2]
Lustig M, Donoho D, Pauly JM. Sparse MRI: the application of compressed sensing for rapid MR imaging[J]. Magn Reson Med, 2007, 58(6): 1182-1195. DOI: 10.1002/mrm.21391.
[3]
Candes EJ, Romberg J, Tao T. Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information[J]. IEEE Transactions Information Theory, 2006, 52(2): 489-509. DOI: 10.1109/TIT.2005.862083.
[4]
Lustig M, Donoho D, Pauly JM. Sparse MRI: the application of compressed sensing for rapid MR imaging[J]. Magn Reson Med, 2007, 58(6): 1182-1195. DOI: 10.1002/mrm.21391.
[5]
陈楠, 秦文, 李坤成, 等. T1WI-3D-MP RAGE在脑扫描中的价值[J]. 中国医学影像技术, 2005, 21(6): 974-977. DOI: 10.3321/j.issn:1003-3289.2005.06.047.
Chen N, Qin W, Li KC, et al. The value of T1WI-3D-MP RAGE in brain scanning[J]. Chin Med Imaging Technol, 2005, 21(6): 974-977. DOI: 10.3321/j.issn:1003-3289.2005.06.047.
[6]
秦乐, 顾圣佳, 陈炽华, 等. 基于双层探测器光谱CT的冠状动脉支架最佳单能级图像研究[J]. 中华放射学杂志, 2020, 54(6): 508-513. DOI: 10.3760/cma.j.cn112149-20191230-01018.
Qin L, Gu SJ, Chen CH, et al. Research on the best single-level image of coronary stent based on double-layer detector spectral CT[J]. Chin J Radiol, 2020, 54(6): 508-513. DOI: 10.3760/cma.j.cn112149-20191230-01018.
[7]
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.
[8]
林青, 王佳佳, 孙明华, 等. 心脏磁共振压缩感知电影序列的临床应用[J]. 中国医学影像技术, 2020, 36(2): 281-286. DOI: 10.13929/j.issn.1003-3289.2020.02.027.
Lin Q, Wang JJ, Sun MH, et al. Clinical application of cardiac magnetic resonance compressed sensing film sequence[J]. Chin J Med Imaging Technol, 2020, 36(2): 281-286. DOI: 10.13929/j.issn.1003-3289.2020.02.027.
[9]
宋春娟, 祁良, 朱晓梅, 等. 基于3D-MATRIX序列的压缩感知技术在膝关节成像中的临床应用价值[J]. 南京医科大学学报(自然科学版), 2019, 39(10): 1529-1532. DOI: 10.7655/NYDXBNS20191029.
Song CJ, Qi L, Zhu XM, et al. Clinical application value of compressed sensing technology based on 3D-MATRIX sequence in knee joint imaging[J]. J Nanjing Med University (Natural Sci Ed), 2019, 39(10): 1529-1532. DOI: 10.7655/NYDXBNS20191029.
[10]
李青, 鲁珊珊, 孙涛, 等. 压缩感知技术在头颅磁共振血管成像中的应用研究[J]. 中国医学装备, 2020, 17(2): 66-70. DOI: 10.3969/J.ISSN.1672-8270.2020.02.018.
Li Q, Lu SS, Sun T, et al. Application research of compressed sensing technology in cranial magnetic resonance angiography[J]. Chin Med Equip, 2020, 17(2): 66-70. DOI: 10.3969/J.ISSN.1672-8270.2020.02.018.
[11]
Delattre BMA, Boudabbous S, Hansen C, et al. Compressed sensing MRI of different organs: ready for clinical daily practice?[J]. Eur Radiol, 2020, 30(1): 308-319. DOI: 10.1007/s00330-019-06319-0.
[12]
Mönch S, Sollmann N, Hock A, et al. Magnetic resonance imaging of the brain using compressed sensing-quality assessment in daily clinical routine[J]. Clin Neuroradiol, 2020, 30(2): 279-286. DOI: 10.1007/s00062-019-00789-x.
[13]
Kozak BM, Jaimes C, Kirsch J, et al. MRI techniques to decrease imaging times in children[J]. Radiographics, 2020, 40(2): 485-502. DOI: 10.1148/rg.2020190112.
[14]
Cristobal-Huerta A, Poot DHJ, Vogel MW, et al. Compressed sensing 3D-GRASE for faster high-resolution MRI[J]. Magn Reson Med, 2019, 82(3): 984-999. DOI: 10.1002/mrm.27789.
[15]
Delattre BMA, Boudabbous S, Hansen C, et al. Compressed sensing MRI of different organs: ready for clinical daily practice?[J]. Eur Radiol, 2020, 30(1): 308-319. DOI: 10.1007/s00330-019-06319-0.
[16]
Eichinger P, Hock A, Schön S, et al. Acceleration of double inversion recovery sequences in multiple sclerosis with compressed sensing[J]. Invest Radiol, 2019, 54(6): 319-324. DOI: 10.1097/RLI.0000000000000550.
[17]
Feng L, Benkert T, Block KT, et al. Compressed sensing for body MRI[J]. J Magn Reson Imaging, 2017, 45(4): 966-987. DOI: 10.1002/jmri.25547.
[18]
Jaspan ON, Fleysher R, Lipton ML. Compressed sensing MRI: a review of the clinical literature[J]. Br J Radiol, 2015, 88(1056): 20150487. DOI: 10.1259/bjr.20150487.
[19]
Dieckmeyer M, Roy AG, Senapati J, et al. Effect of MRI acquisition acceleration via compressed sensing and parallel imaging on brain volumetry[J]. MAGMA. 2021, 34(4): 487-497. DOI: 10.1007/s10334-020-00906-9.
[20]
Blunck Y, Kolbe SC, Moffat BA, et al. Compressed sensing effects on quantitative analysis of undersampled human brain sodium MRI[J]. Magn Reson Med, 2020, 83(3): 1025-1033. DOI: 10.1002/mrm.27993.
[21]
Duan Y, Zhang J, Zhuo Z, et al. Accelerating brain 3D T1-weighted turbo field echo MRI using compressed sensing-sensitivity encoding (CS-SENSE). Eur J Radiol, 2020, 131: 109255. DOI: 10.1016/j.ejrad.2020.109255.
[22]
Küstner T, Gatidis S, Liebgott A, et al. A machine-learning framework for automatic reference-free quality assessment in MRI[J]. Magn Reson Imaging, 2018, 53: 134-147. DOI: 10.1016/j.mri.2018.07.003.
[23]
Sandino CM, Cheng JY, Chen F,et al. Compressed sensing: from research to clinical practice with deep neural networks[J]. IEEE Signal Process Mag, 2020, 37(1): 111-127. DOI: 10.1109/MSP.2019.2950433.
[24]
Han Y, Sunwoo L, Ye JC. k-Space deep learning for accelerated MRI[J]. IEEE Trans Med Imaging, 2020, 39(2): 377-386. DOI: 10.1109/TMI.2019.2927101.

上一篇 2型糖尿病患者血糖变异性与脑结构及认知功能的相关性研究
下一篇 功能磁共振成像在早期诊断儿童自身免疫性脑炎及评估患儿预后中的应用价值
  
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