分享:
分享到微信朋友圈
X
技术研究
MUSE技术在改善脑胶质瘤扩散张量成像质量中的价值研究
于阳 赵澄 李琼阁 齐志刚 张苗 吴涛 卢洁

Cite this article as: Yu Y, Zhao C, Li QG, et al. Value of MUSE technique in improving diffusion tensor imaging quality of glioma[J]. Chin J Magn Reson Imaging, 2022, 13(10): 164-168.本文引用格式:于阳, 赵澄, 李琼阁, 等. MUSE技术在改善脑胶质瘤扩散张量成像质量中的价值研究[J]. 磁共振成像, 2022, 13(10): 164-168. DOI:10.12015/issn.1674-8034.2022.10.025.


[摘要] 目的 探讨基于多元灵敏度编码技术的扩散张量成像(multiplexed sensitivity encoding diffusion tensor imaging, MUSE DTI)技术在改善颅内胶质瘤周边区域图像质量、精确显示瘤周白质纤维束的应用价值。方法 前瞻性纳入2021年1月至2021年6月,经宣武医院病理学检查证实脑胶质瘤的患者21名,分别进行MUSE DTI序列和基于单次激发的平面回波成像的扩散张量成像(single shot echo planner imaging diffusion tensor imaging, SS-EPI DTI)的常规序列扫描,并且对两组DTI图像进行全脑白质纤维束追踪重建。由两名高年资放射科医师对MUSE DTI和SS-EPI DTI扫描的胶质瘤周边区域图像质量进行双盲评价,包括图像清晰度、畸变程度、磁敏感伪影、重建后的白质纤维束走形方向与结构像是否一致,定量测量肿瘤周边区域的信噪比和纤维束密度值(fiber density index, FDi)。两组图像的质量综合评分采用Mann-Whitney U检验分析,P<0.05认为差异有统计学意义,两组图像胶质瘤周边区域的信噪比(signal-to-noise ratio, SNR)以及FDi采用配对t检验方法进行比较分析,P<0.05认为差异有统计学意义。结果 MUSE DTI组和SS-EPI DTI组的图像质量评分为4(4,5)、3(2,3)[MP25,P75),Z=0.87,P<0.01];胶质瘤周边区域的SNR为65.43±32.91、23.41±21.21(P<0.01);FDi值为0.83±0.87、0.68±0.71(P<0.05);两组的图像质量综合评分、肿瘤周边区域的SNR和FDi值差异均具有统计学意义。结论 MUSE DTI技术能够改善脑胶质瘤周边区域的图像质量,提高肿瘤周围白质纤维束可视化精确度,为临床诊疗提供更为精准的影像学依据。
[Abstract] Objective To investigate the application of multiplexed sensitivity encoding diffusion tensor imaging (MUSE DTI) in improving the image quality of the peripheral area of intracranial gliomas and displaying the peritumoral white matter fiber bundles.Materials and Methods Twenty-one patients with glioma confirmed by surgical pathology in our hospital from 2021 January to June were prospectively enrolled. MUSE DTI sequence and conventional single shot echo planner imaging diffusion tensor imaging (SS-EPI DTI) sequence imaging were scanned respectively, and the whole-brain white matter fiber tract reconstruction was proceeded on the DTI images of the two groups. The image quality of glioma peripheral area scanned by MUSE DTI and SS-EPI DTI was double-blind evaluated by two senior radiologists. The evaluation includes image definition, distortion degree and magnetic susceptibility artifact, whether the reconstructed white matter fiber was consistent with the structural images. Then, the signal to noise ratio (SNR) and fiber density index (FDi) of the surrounding area of the tumor were measured quantitatively. The comprehensive quality score of the two groups of images was analyzed by Mann Whitney U test. The SNR and FDi of glioma peripheral areas in the two groups were analyzed by paired t-test (when P<0.05, it was considered statistically significant).Results The image quality score of MUSE DTI and SS-EPI DTI were 4 (4, 5), 3 (2, 3) [M (P25, P75), Z=0.87, P<0.01]. The SNR of the peritumoral area was 65.43±32.91 and 23.41±21.21 (P<0.01). The FDi values were 0.83±0.87, 0.68±0.71 (P<0.05). The comprehensive quality scores of the two groups of images, SNR and FDi values of the surrounding areas of the tumor had statistically differences.Conclusions MUSE DTI can enhance the image quality of the area around glioma, improve the visualization accuracy of white matter fiber bundles around the tumor, and provide accurate imaging evidence for clinical diagnosis and treatment.
[关键词] 胶质瘤;白质纤维束;纤维束密度;多元灵敏度编码技术;扩散张量成像;磁共振成像
[Keywords] glioma;white matter fiber tracts;fiber tract density;multivariate sensitivity coding technique;diffusion tensor imaging;magnetic resonance imaging

于阳 1, 2   赵澄 1, 2   李琼阁 1, 2   齐志刚 1, 2   张苗 1, 2   吴涛 3   卢洁 1, 2*  

1 首都医科大学宣武医院放射与核医学科,北京 100053

2 磁共振成像脑信息学北京市重点实验室,北京 100053

3 通用电气医疗(中国)有限公司临床市场部,北京 100176

卢洁,E-mail:imaginglu@hotmail.com

作者利益冲突声明:全部作者均声明无利益冲突。


基金项目: 宣武医院汇智人才工程支持计划领军人才项目 HZ2021ZCLJ005
收稿日期:2022-06-08
接受日期:2022-10-13
中图分类号:R445.2  R739.4 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.10.025
本文引用格式:于阳, 赵澄, 李琼阁, 等. MUSE技术在改善脑胶质瘤扩散张量成像质量中的价值研究[J]. 磁共振成像, 2022, 13(10): 164-168. DOI:10.12015/issn.1674-8034.2022.10.025.

       脑白质神经纤维承担着脑内主要的信息传递功能,正常的大脑神经纤维连接决定了大脑的正常的功能网络[1]。胶质瘤是颅内最常见的原发肿瘤之一,高级别胶质瘤对周围神经纤维有较强的浸润性和破坏性,并且具有术后复发率高、死亡率高的特点[2, 3, 4]。针对脑胶质瘤患者扩散张量成像(diffusion tensor imaging, DTI)技术可以通过定量参数评估胶质瘤的病理分级,以及对白质纤维束进行可视化,判断肿瘤与纤维束的解剖关系和瘤周白质纤维的损伤程度[5, 6, 7, 8]。有助于脑肿瘤的精准诊断以及临床优化手术方案,可以有效地提高颅内肿瘤的切除率、提高患者的术后生活质量[9, 10, 11, 12]

       DTI是唯一一种可对活体脑白质进行成像的影像学方法,而获取准确的DTI数据,并对其进行后处理是脑白质纤维束追踪技术的关键[13]。目前头颅磁共振中最常用的DTI序列是基于单次激发的平面回波成像技术(single shot-echo planner imaging, SS-EPI),其最大的优点在于扫描速度快、对运动不敏感[14]。而SS-EPI采集方式是在一次射频发生后,采用迂回的方式填充K空间,较长的回波链导致相位编码方向的相位误差的累积,导致图像变形和模糊,且此序列易受到磁敏感变化的影响,在组织交界区域容易发生磁敏感伪影[15]。在应用传统SS-EPI DTI序列扫描时,由于磁敏感的不均匀性,颅内位于空气组织交界的部分,尤其是在额窦、颞极以及颅底区域磁敏感伪影和图像畸变发生的概率非常大,从而导致获得错误的扩散张量信息,纤维束追踪的准确性无法得到保证[16]。为了解决上述问题,有研究提出了多次激发分段采样EPI序列,并结合自动校准以及并行采集技术,尽管此技术减少了变形以及T2*衰减带来的模糊效应,并且提高了扩散图像质量并且采集效率也得到了进一步的提高,但是在分段采集数据时发生错误配置,最终导致图像细节的丢失[17]。因此本研究采用多元灵敏度编码技术(multiplexed sensitivity-encoding, MUSE),利用多次激发填充K空间的方法,实现高分辨率、高信噪比,无磁敏感伪影和畸变的DTI图像,并且不需要导航回波,可以大大缩短检查时间,从而获取更精准的脑白质纤维数据[18]。因此,本研究是对胶质瘤患者应用MUSE DTI序列和SS-EPI DTI序列进行比较,并探讨基于MUSE技术在提升脑胶质瘤DTI图像质量的价值。

1 材料与方法

1.1 一般资料

       本前瞻性研究遵守《赫尔辛基宣言》,纳入2021年1月至2021年6月的首都医科大学宣武医院疑似胶质瘤患者。患者充分了解本次实验的目的,并且签署知情同意书,并经本院医学伦理委员会批准,批准文号:临械审[2019]019号。纳入标准:(1)患者均无MR扫描禁忌证;(2)未接受穿刺、手术和任何相关治疗的胶质瘤患者;(3)术后经病理证实为胶质瘤患者。排除标准:(1)存在颅内手术史;(2)临床相关资料不完善者;(3)扫描过程出现躁动或图像运动伪影导致无法准确进行图像重建者。

1.2 成像序列及参数

       采用GE SIGNA Premier 3.0 T磁共振扫描仪,48通道头线圈,具体扫描序列如下:轴位3D T1 磁化强度预备梯度回波(magnetization-prepared rapid acquisition gradient echo, MPRAGE)、轴位MUSE DTI和SS-EPI DTI序列。3D T1 MPRAGE序列扫描参数:TR 6 ms,TE 2.4 ms,矩阵 240×240,层厚1 mm,层数140;MUSE DTI序列扫描参数:TR 6300 ms,TE 40 ms,矩阵 240×240,层厚 3 mm,层数 46,扩散方向 30;SS-EPI DTI序列扫描参数:TR 8000 s,TE 40 ms,矩阵 240×240,层厚3 mm,层数46,扩散方向30。

1.3 图像后处理

       全部DTI数据经DSI-Studio软件后处理,计算每个体素的各向异性(fractional anisotropy, FA)值,获得部分FA图、方向编码彩色张量图,即FA彩图。分别对胶质瘤周边区域选取的白质纤维束区感兴趣区(region of interest, ROI)进行纤维束重建。

1.4 图像质量评价

1.4.1 图像质量主观评分

       主观分析由两名具有10年以上影像诊断经验的副主任医师采用双盲阅片法分别评判,判读结果取二者的平均值。根据有无图像扭曲变形、有无磁敏感伪影、图像的清晰程度、重建的白质纤维束走形方向与结构像是否一致对图像进行评分,最优为5分,最差为1分。图像清晰、图像无变形扭曲、无磁敏感伪影,重建的白质纤维束走形方向与结构像一致为5分;图像清晰度差、图像变形扭曲、有磁敏感伪影、重建的白质纤维束走形方向与结构像不一致分别扣1分。

1.4.2 图像质量客观评价

       图像质量客观评价分析由两名具有10年以上影像诊断经验的副主任医师在颅内胶质瘤周边区域选取ROI(ROI范围为0.5 cm²),测量ROI内以及背景的信号强度,计算每组图像ROI的信噪比(signal to noise ratio, SNR),计算公式SNR=SI/SD0,SI为ROI信号强度的平均值,SD0为背景信号标准差。

1.4.3 纤维束密度测量

       纤维束密度测量由两名具有10年以上影像诊断经验的副主任医师在颅内胶质瘤周边1 cm处的白质区域选取ROI,ROI面积大于1000体素。通过软件自动生成变形区域白质纤维束的纤维数量和ROI的面积(以体素为单位),FDi=ROI纤维束数量/ROI体素数量。

1.5 统计学分析

       采用SPSS 21.0统计分析软件对数据进行统计学分析,经Kolmogorov-Smirnov正态性检验,图像的质量主观评分不符合正态分布,以中位数(上下四分位数)示,并采用Mann-Whitney U检验分析,图像质量主观评分的观察者间一致性采用Kappa分析,并且P<0.05时,差异具有统计学意义。胶质瘤周边区域的信噪比和纤维束密度值符合正态分布的计量资料,采用配对t检验分析两组序列的差异性,测量结果采用组内相关系数(intraclass correlation coefficient, ICC)评价两名医师测量一致性,以P<0.05为差异有统计学意义。

2 结果

       共纳入胶质瘤患者21例,其中男10例,女11例,年龄(45.29±20.96)岁。

2.1 MUSE DTI序列和SS-EPI DTI序列的图像质量主观评价

       MUSE DTI序列的图像质量优于SS-EPI DTI序列的图像,在额窦、两侧颞极以及靠近颅底区域,DTI的图像变形程度以及颅内结构细节的显示都优于SS-EPI DTI序列,并且磁敏感伪影也明显减少(图1)。通过纤维束重建后,变形区域的纤维束走形方向和T1结构像更加接近。MUSE DTI组与SS-EPI DTI组的图像质量综合评分结果[MP25,P75)]4(4,5),3(2,3),主观评分的两个观察者有较好的一致性(Kappa值均为0.87),差异具有统计学意义(P<0.01)。

图1  多元灵敏度编码技术的扩散张量成像(MUSE DTI)组与单次激发的平面回波成像的扩散张量(SS-EPI DTI)组图像对比。女,35岁,左侧额叶胶质瘤。1A:T1序列图像;1B:SS-EPI DTI序列图像;1C:MUSE DTI序列图像;1D:基于SS-EPI DTI序列图像,以红色框为感兴趣区(ROI)重建纤维束;1E:基于MUSE DTI序列图像,以红色框为ROI重建纤维束;1F:SS-EPI DTI序列图像放大后体素内张量信息图;1G:MUSE DTI序列图像放大后体素内张量信息图;1H:基于SS-EPI DTI序列的纤维束与T1结构像融合对比图像;1I:基于MUSE DTI序列的纤维束与T1结构像融合对比图像。

2.2 MUSE DTI序列和SS-EPI DTI序列的图像客观评价结果

       MUSE DTI序列图像的SNR高于SS-EPI DTI序列图像,两组DTI序列的SNR值测量结果分别为65.43±32.91、23.41±21.21,两组序列SNR值具有较好的观察者间一致性(表1),差异具有统计学意义(P<0.01)(表2)。

表1  MUSE DTI序列与SS-EPI DTI序列胶质瘤周边SNR与FDi观察者间一致性分析
Tab. 1  Inter-observer consistency analysis of SNR and FDi of peritumoral area for MUSE DTI and SS-EPI DTI sequence
表2  MUSE DTI序列与SS-EPI DTI序列胶质瘤周边SNR与FDi对比结果
Tab. 2  Comparison of SNR and FDi of peritumoral area between MUSE DTIand SS-EPI DTI sequence

2.3 MUSE DTI序列和SS-EPI DTI序列DTI图像纤维束密度分析结果

       MUSE DTI序列胶质瘤周边变形区域的FDi值高于SS-EPI DTI序列,两组的FDi分别为0.83±0.87、0.68±0.71,两组图像胶质瘤周边变形区域的FDi具有较好的观察者间一致性(表1),差异具有统计学意义(P<0.05,表2)。

3 讨论

       本研究通过对胶质瘤患者进行MUSE DTI和SS-EPI DTI序列扫描,通过对比发现MUSE DTI技术获取脑胶质瘤张量成像的效果优于SS-EPI DTI序列,不仅可以提高图像清晰度,并且可以减少图像伪影和图像畸变的发生。

3.1 基于MUSE DTI序列与SS-EPI DTI序列对于图像质量的对比性分析

       本次研究中MUSE DTI对胶质瘤患者进行张量成像的效果与Zhang等[19]的研究结果一致,MUSE DTI序列获得高分辨率扩散张量图像同时,还能突破传统扩散张量分辨率的限制,提高图像信噪比,减少畸变的发生,从而可以更加准确地进行纤维束追踪。由于MUSE技术是基于EPI序列在相位采集方向上分段采样,回波间隙缩小与回波采样时间缩短,并且利用敏感度编码技术,减少了DTI图像的磁敏感伪影和畸变程度[20, 21]。因此MUSE DTI获得的张量图像在胶质瘤周边的变形区域的磁敏感伪影和畸变的发生均低于SS-EPI DTI的图像。本研究中MUSE DTI图像的SNR远远高于SS-EPI DTI图像,这主要由于MUSE DTI序列采用分段采集技术,每段的采集只采集信号强度的初级信号,因此MUSE DTI技术可以提高图像的空间分辨率同时能够增加图像的信噪比[22]。纤维束追踪技术是通过计算出每个体素内张量信息,再利用相邻体素的信息追踪连续的纤维束信息,此过程很容易受到DTI信号的影响,尤其在一些细微结构上与噪声混杂在一起[23]。因此SS-EPI DTI序列在上述变形区域中无法获得真实的DTI信号,导致纤维束追踪失真。本研究基于MUSE DTI序列追踪胶质瘤周边易变形区的白质纤维束,其走形方向几乎和T1结构像保持一致(图1I)。研究表明MUSE DTI的图像质量综合评分明显优于SS-EPI DTI。

3.2 基于MUSE DTI序列与SS-EPI DTI序列的FDi值的对比性分析

       近年来,有研究认为FDi不仅可以作为胶质瘤分级的可靠指标,还可以反映出胶质瘤的微观结构。高级别胶质瘤周边的白质纤维束FA值降低,且与FDi值具有正相关性[24, 25]。还有研究指出FDi指标在评价高级别胶质瘤对皮质脊髓束破坏程度中有较高的特异性[26]。FDi本身不能作为计算真实白质纤维束的指标,而是反映通过一个区域的纤维束路径指数,其值取决于图像的空间分辨率以及后处理参数等因素[25]。本研究为了量化肿瘤周边变形区域白质纤维的完整性,定义通过ROI的白质纤维束单个体素的数量为FDi,对肿瘤纤维束周边变形区域的白质纤维束密度值进行测定,发现MUSE DTI组FDi值较SS-EPI DTI组明显增加。此次研究通过MUSE DTI技术使30个梯度方向上的每个体素都获得更高、更准确的DTI信号,从而获得更精准的DTI数学模型,追踪出更接近真实的白质纤维数量和走形方向。而SS-EPI DTI序列每个体素得到的信息包括着大量的噪声和部分磁敏感伪影,以及由于图像畸变的原因,造成个别体素上信号的缺失,在纤维束追踪时这些错误DTI信息也转化成了张量信息,无法正确地对纤维束进行追踪重建,导致在瘤周变形区域的纤维束减少,最终造成FDi值的减少。因此MUSE DTI技术不仅可以实现接近真实结构的纤维束可视化效果,还能更准确地表达FDi值。

3.3 局限性

       本研究存在一定的局限性,针对两组DTI数据进行的纤维束追踪计算,都是依靠传统的二阶扩散张量模型,其以主特征向量作为纤维束的追踪方向,仅能区分各体素内主纤维束的方向,不能对复杂纤维结构进行区分,无法对交叉纤维束进行精确的显示[27]。因此传统的算法只是纤维束追踪方向的估计,并不能作为真实的白质纤维评价标准。但是随着数学模型、纤维束追踪算法的改进以及人工智能的发展,MUSE DTI技术与之相结合,从而实现更精细、更准确的瘤周白质纤维束追踪[28, 29]

       总之,本研究为国内首次对通过MUSE DTI技术获取脑胶质瘤患者的张量图像进行白质纤维束重建,并且通过FDi值定量分析两种序列在获取肿瘤周边白质纤维束上的差异性。通过MUSE DTI技术获得实现更加接近真实的白质纤维束可视化效果,这有助于神经外科医生术前更准确地评估颅内肿瘤与周围脑白质纤维束的解剖关系。

[1]
李斌强, 王千山, 姚蓉, 等. 基于DTI的人类与猕猴脑区连通性方法研究[J]. 磁共振成像, 2022(3): 43-48. DOI: 10.12015/issn.1674-8034.2022.03.009.
Li BQ, Wang QS, Yao R, et al. Research on the connectivity method of human and macaque brain regions based on DTI[J]. Chin J Magn Reson Imaging, 2022(3): 43-48. DOI: 10.12015/issn.1674-8034.2022.03.009.
[2]
Rao G. Intraoperative MRI and maximizing extent of resection[J]. Neurosurg Clin N Am, 2017, 28(4): 477-485. DOI: 10.1016/j.nec.2017.05.003.
[3]
于阳, 李琼阁, 赵澄, 等. 高场强术中磁共振成像高分辨率扩散加权成像在脑肿瘤中的应用研究[J]. 中国医疗设备, 2021, 36(2): 81-84. DOI: 10.3969/j.issn.1674-1633.2021.02.020.
Yu Y, Li QG, Zhao C, et al. Application of high resolution diffusion weighted imaging in high-field intraoperation magnetic resonance imaging of brain tumor[J]. China Med Devices, 2021, 36(2): 81-84. DOI: 10.3969/j.issn.1674-1633.2021.02.020.
[4]
Henderson F, Abdullah KG, Verma R, et al. Tractography and the connectome in neurosurgical treatment of gliomas: the premise, the progress, and the potential[J/OL]. Neurosurg Focus, 2020, 48(2) [2022-06-07]. https://thejns.org/focus/view/journals/neurosurg-focus/48/2/article-pE6.xml. DOI: 10.3171/2019.11.FOCUS19785.
[5]
Seow P, Hernowo AT, Narayanan V, et al. Neural fiber integrity in high- versus low-grade glioma using probabilistic fiber tracking[J]. Acad Radiol, 2021, 28(12): 1721-1732. DOI: 10.1016/j.acra.2020.09.007.
[6]
Jiang RF, Hu XM, Deng KJ, et al. Neurite orientation dispersion and density imaging in evaluation of high-grade glioma-induced corticospinal tract injury[J/OL]. Eur J Radiol, 2021 [2022-06-07]. https://www.sciencedirect.com/science/article/abs/pii/S0720048X2100231X. DOI: 10.1016/j.ejrad.2021.109750.
[7]
El-Serougy L, Abdel Razek AA, Ezzat A, et al. Assessment of diffusion tensor imaging metrics in differentiating low-grade from high-grade gliomas[J]. Neuroradiol J, 2016, 29(5): 400-407. DOI: 10.1177/1971400916665382.
[8]
Li Y, Zhang WY. Quantitative evaluation of diffusion tensor imaging for clinical management of glioma[J]. Neurosurg Rev, 2020, 43(3): 881-891. DOI: 10.1007/s10143-018-1050-1.
[9]
丁大领, 赵爱玲, 王朝艳, 等. 术中磁共振联合神经导航在丘脑胶质瘤手术中的应用[J]. 中国实用神经疾病杂志, 2019, 22(3): 253-259. DOI: 10.12083/SYSJ.2019.03.049.
Ding DL, Zhao AL, Wang ZY, et al. Application of intraoperative magnetic resonance imaging combined with neuronavigation for operation of tha-lamic gliomas[J]. Chin J Pract Nerv Dis, 2019, 22(3): 253-259. DOI: 10.12083/SYSJ.2019.03.049.
[10]
Ge M, Li SW, Wang L, et al. The role of diffusion tensor tractography in the surgical treatment of pediatric optic chiasmatic gliomas[J]. J Neurooncol, 2015, 122(2): 357-366. DOI: 10.1007/s11060-015-1722-4.
[11]
熊佳佳, 于韬. 磁共振功能性成像用于胶质瘤术前术中的研究进展[J]. 磁共振成像, 2018, 9(5): 391-395. DOI: 10.12015/issn.1674-8034.2018.05.013.
Xiong JJ, Yu T. Progress of preoperative and intraoperative MR functional imaging in glioma[J]. Chin J Magn Reson Imaging, 2018, 9(5): 391-395. DOI: 10.12015/issn.1674-8034.2018.05.013.
[12]
Conti Nibali M, Rossi M, Sciortino T, et al. Preoperative surgical planning of glioma: limitations and reliability of fMRI and DTI tractography[J]. J Neurosurg Sci, 2019, 63(2): 127-134. DOI: 10.23736/S0390-5616.18.04597-6.
[13]
扶宇, 曹付强, 王本瀚, 等. 扩散张量成像示踪技术在正常成人中脑纤维束中的应用[J]. 实用放射学杂志, 2021, 37(6): 877-880. DOI: 10.3969/j.issn.1002-1671.2021.06.001.
Fu Y, Cao FQ, Wang BH,et al. Application research of diffusion tensor imaging tracer technology in normal adult midbrain fiber tracts[J]. J Pract Radiol, 2021, 37(6): 877-880. DOI: 10.3969/j.issn.1002-1671.2021.06.001.
[14]
Shim E, Lee E, Lee JW, et al. Feasibility of postoperative 3-tesla diffusion tensor imaging in cervical spondylotic myelopathy: a comparison of single-shot EPI and multi-shot EPI[J/OL]. Eur J Radiol, 2020 [2022-06-07]. https://www.sciencedirect.com/science/article/abs/pii/S0720048X19304012. DOI: 10.1016/j.ejrad.2019.108751.
[15]
Wu WC, Miller KL. Image formation in diffusion MRI: a review of recent technical developments[J]. J Magn Reson Imaging, 2017, 46(3): 646-662. DOI: 10.1002/jmri.25664.
[16]
Chen XY, Zhang Y, Cao Y, et al. A feasible study on using multiplexed sensitivity-encoding to reduce geometric distortion in diffusion-weighted echo planar imaging[J]. Magn Reson Imaging, 2018, 54: 153-159. DOI: 10.1016/j.mri.2018.08.022.
[17]
Porter DA, Heidemann RM. High resolution diffusion-weighted imaging using readout-segmented echo-planar imaging, parallel imaging and a two-dimensional navigator-based reacquisition[J]. Magn Reson Med, 2009, 62(2): 468-475. DOI: 10.1002/mrm.22024.
[18]
Chen NK, Guidon A, Chang HC, et al. A robust multi-shot scan strategy for high-resolution diffusion weighted MRI enabled by multiplexed sensitivity-encoding (MUSE)[J]. Neuroimage, 2013, 72: 41-47. DOI: 10.1016/j.neuroimage.2013.01.038.
[19]
Zhang Z, Huang F, Ma XD, et al. Self-feeding MUSE: a robust method for high resolution diffusion imaging using interleaved EPI[J]. Neuroimage, 2015, 105: 552-560. DOI: 10.1016/j.neuroimage.2014.10.022.
[20]
Holdsworth SJ, O'Halloran R, Setsompop K. The quest for high spatial resolution diffusion-weighted imaging of the human brain in vivo[J/OL]. NMR Biomed, 2019, 32(4) [2022-06-07]. https://analyticalsciencejournals.onlinelibrary.wiley.com/doi/abs/10.1002/nbm.4056. DOI: 10.1002/nbm.4056.
[21]
Johansson J, Lagerstrand K, Ivarsson L, et al. Brain diffusion MRI with multiplexed sensitivity encoding for reduced distortion in a pediatric patient population[J]. Magn Reson Imaging, 2022, 87: 97-103. DOI: 10.1016/j.mri.2022.01.003.
[22]
Chang HC, Sundman M, Petit L, et al. Human brain diffusion tensor imaging at submillimeter isotropic resolution on a 3Tesla clinical MRI scanner[J]. NeuroImage, 2015, 118: 667-675. DOI: 10.1016/j.neuroimage.2015.06.016.
[23]
金玮, 李跃华, 李斌, 等. 磁共振弥散张量成像和纤维束密度成像在 中枢神经系统的研究进展[J]. 中国医疗器械杂志, 2019, 43(5): 352-354, 368. DOI: 10.3969/j.issn.1671-7104.2019.05.011.
Jin W, Li YH, Li B, et al. Research development of MR diffusion tensor imaging and track density imaging in central nervous system[J]. Chin J Med Instrum, 2019, 43(5): 352-354, 368. DOI: 10.3969/j.issn.1671-7104.2019.05.011.
[24]
Romano A, Fasoli F, Ferrante M, et al. Fiber density index, fractional anisotropy, adc and clinical motor findings in the white matter of patients with glioblastoma[J]. Eur Radiol, 2008, 18(2): 331-336. DOI: 10.1007/s00330-007-0740-9.
[25]
Roberts TPL, Liu F, Kassner A, et al. Fiber density index correlates with reduced fractional anisotropy in white matter of patients with glioblastoma[J]. AJNR Am J Neuroradiol, 2005, 26(9): 2183-2186.
[26]
Fekonja LS, Wang ZQ, Aydogan DB, et al. Detecting corticospinal tract impairment in tumor patients with fiber density and tensor-based metrics[J/OL]. Front Oncol, 2020 [2022-06-07]. https://www.frontiersin.org/articles/10.3389/fonc.2020.622358/full. DOI: 10.3389/fonc.2020.622358.
[27]
冯婷, 赵书俊, 聂彬彬, 等. 扩散磁共振成像纤维束追踪算法的研究进展[J]. 中国医学影像学杂志, 2019, 27(5): 393-396, 400. DOI: 10.3969/j.issn.1005-5185.2019.05.018.
JFeng T, Zhao SJ, Nie BB, et al. A review for fiber tracking algorithms for diffusion magnetic resonance imaging[J]. Chin J Med Imaging, 2019, 27(5): 393-396, 400. DOI: 10.3969/j.issn.1005-5185.2019.05.018.
[28]
Zhang H, Wang CY, Chen WB, et al. Deep learning based multiplexed sensitivity-encoding (DL-MUSE) for high-resolution multi-shot DWI[J]. Neuroimage, 2021, 244: 118632. DOI: 10.1016/j.neuroimage.2021.118632.
[29]
Li HY, Liang ZF, Zhang CY, et al. SuperDTI: Ultrafast DTI and fiber tractography with deep learning[J]. Magn Reson Med, 2021, 86(6): 3334-3347. DOI: 10.1002/mrm.28937.

上一篇 基于化学交换饱和转移成像中质子交换速率定量的缺血性脑卒中病灶检测研究
下一篇 胎儿口底表皮样囊肿MRI表现一例
  
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