分享:
分享到微信朋友圈
X
综述
基于振荡梯度自旋回波的扩散磁共振成像研究进展
张新利 汪晶

ZHANG X L, WANG J. Advances in diffusion MRI based on oscillating gradient spin echo[J]. Chin J Magn Reson Imaging, 2023, 14(9): 198-202.引用本文:张新利, 汪晶. 基于振荡梯度自旋回波的扩散磁共振成像研究进展[J]. 磁共振成像, 2023, 14(9): 198-202. DOI:10.12015/issn.1674-8034.2023.09.036.


[摘要] 扩散磁共振成像(diffusion MRI, dMRI)是当前最有前景的生物组织微结构成像方法之一,在肿瘤、神经成像中取得了极大的进步。振荡梯度自旋回波(oscillating gradient spin echo, OGSE)序列是一种新型dMRI技术,它通过施加振荡梯度,使可测量的水分子有效扩散时间缩短,通过建立数学模型,可以测得细胞直径(diameter, d)、细胞外水分子扩散系数、细胞内水分子体积分数、细胞密度等微结构特征。在肿瘤细胞d值测量、肿瘤异质性评估、神经轴突直径测量中展现出临床应用前景。本文就OGSE的成像原理、OGSE在肿瘤和神经轴突中的研究现状及OGSE目前的限度进行综述,旨在为对该技术感兴趣的学者提供参考,推进OGSE的进一步研究,加速OGSE在临床诊疗中的应用进程。
[Abstract] Diffusion magnetic resonance imaging (dMRI) is one of the most promising methods for microstructural imaging of biological tissues, which has made great progress in tumor and neuroimaging. Oscillating gradient spin echo (OGSE) sequence is a new dMRI technique, which shortens the measurable effective diffusion time of water molecules by applying oscillating gradients. By establishing a mathematical model, the microstructure characteristics such as cell diameter, extracellular water molecular diffusion coefficient, intracellular water molecular volume fraction and cellularity can be measured. It shows the prospect of clinical application in tumor cell diameter measurement, tumor heterogeneity evaluation and nerve axon diameter measurement. This paper reviewed the imaging principle of OGSE, the research status of OGSE in tumors and nerve axons, and the current limitations of OGSE, aiming to provide reference for scholars interested in this technology, promote further research on OGSE, and accelerate the application of OGSE in clinical diagnosis and treatment.
[关键词] 扩散磁共振成像;微结构成像;振荡梯度自旋回波序列;肿瘤成像;神经成像
[Keywords] diffusion magnetic resonance imaging;microstructure imaging;oscillating gradient spin echo;tumor imaging;neuroimaging

张新利 1, 2   汪晶 1, 2*  

1 华中科技大学同济医学院附属协和医院放射科,武汉 430022

2 湖北省分子影像重点实验室,武汉 430030

通信作者:汪晶,E-mail:xhwangjing@hust.edu.cn

作者贡献声明:汪晶设计本研究的方案,对稿件重要内容进行了修改,获得湖北省自然科学基金资助;张新利起草和撰写稿件,获取、分析或解释本研究的数据。全体作者同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 湖北省自然科学基金 2021CFB447
收稿日期:2023-05-06
接受日期:2023-07-27
中图分类号:R445.2 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2023.09.036
引用本文:张新利, 汪晶. 基于振荡梯度自旋回波的扩散磁共振成像研究进展[J]. 磁共振成像, 2023, 14(9): 198-202. DOI:10.12015/issn.1674-8034.2023.09.036.

0 前言

       肿瘤性病变与神经系统疾病是世界人口残疾及死亡的重要原因,评估肿瘤细胞微结构特征的改变及神经系统疾病中小轴突的损伤已逐渐成为研究热点。扩散磁共振成像(diffusion MRI, dMRI)是当前最有前景的生物组织微结构成像方法之一,在肿瘤、神经成像中取得了极大的进步[1]。传统dMRI如扩散加权成像、扩散张量成像(diffusion tensor imaging, DTI)、扩散峰度成像等多采用脉冲梯度自旋回波(pulsed gradient spin echo, PGSE)序列,其较长的扩散梯度时间限制了可测量的最小微结构尺寸。微结构成像是在传统dMRI基础上发展来的新技术,旨在获取组织微结构参数的指标。振荡梯度自旋回波(oscillating gradient spin echo, OGSE)序列是一种新型dMRI技术,它通过施加振荡梯度,使可测量的水分子有效扩散时间缩短,并测得表观扩散系数(apparent diffusion coefficient, ADC)的时间依赖性。通过建立数学模型,可以测得细胞直径(diameter, d)、细胞外水分子扩散系数(extracellular water molecular diffusion coefficient, Dex)、细胞内水分子体积分数(intracellular water molecular volume fraction, Vin)、细胞密度等微结构特征。当前,OGSE在肿瘤分级诊断及治疗疗效评估中的研究较多[2],近年来也逐渐被应用于神经轴突测量相关的研究中。本文就OGSE在肿瘤及神经轴突中的研究进展进行综述,以对相关疾病的诊断、诊疗规划和预后评估等提供依据和参考。

1 OGSE的出现与原理

       微结构成像是在传统dMRI基础上发展来的新技术,能提供轴突直径及方向、复杂纤维结构、神经轴突特征等更具体的微结构信息[3]。目前,微结构成像多使用PGSE进行。由于医用人体设备梯度系统的限制,PGSE可以探测的最小尺寸大于13 μm[4],人体细胞的平均直径在5~200 μm之间,多数细胞d值仅为几个微米,因此PGSE难以评估细胞d值的信息。

       为了克服PGSE的技术瓶颈,GROSS等[5]开发了OGSE成像方法。OGSE的扩散梯度由双极脉冲梯度波形改为周期为T的振荡波,例如正弦波,余弦波,梯度余弦波等,其有效扩散时间不依赖于梯度脉冲的间隔,而是依赖于振荡频率,当振荡周期极短,即具有较高的振荡频率时,水分子扩散时间缩短,因此,OGSE能突破PGSE的限制,实现更短的扩散时间,提供一种潜在可行的方法评估人体组织内更细微的结构改变。受限于图像的信噪比和回波时间,OGSE的振荡频率往往高于17 Hz[4, 6],难以量化20 μm以上的尺寸。JIANG等[7]研发了使用有限频谱的扩散成像微结构参数(imaging microstructural parameters using limited spectrally edited diffusion, IMPULSED)作为OGSE的后处理模型,它结合了多个低频OGSE测量和单个PGSE采集,扩大了可研究的细胞d值范围。

       微结构成像通过建立数学模型,将MR信号模型与多隔室模型通过优化算法拟合,反映组织的微结构信息。OGSE在拟合MR信号时采用多隔室模型[8],其中最常使用的是两室模型,将组织分为隔室内和隔室外,忽略隔室间水交换以及血流灌注对信号衰减的影响。以细胞d值测量为例,由于现有的梯度系统的振荡频率不足以区分细胞内各细胞器的尺寸,常常将细胞假设为空心球体,dMRI信号S来源于细胞内和细胞外的信号之和,即S=Vin×Sin(d, Din, b)+(1-Vin)×Sex,Sin、Sex分别为细胞内、外每一体素对应的信号强度,Din为细胞内水分子扩散系数,常常被认为是固定的;b为扩散加权因子,表示对扩散运动的敏感度,其大小取决于施加的扩散梯度的强度以及持续时间;其中,Sex=exp(-b×Dex)。研究表明,在低频范围内,Dex与f近似呈线性相关,斜率定义为β;即Dex=Dex0+βf,Dex0代表无振荡梯度时细胞外的平均扩散系数;因此模型的数学表达式为[9]:S=Vin×Sin(d, b)+(1-Vin)exp(-b×Dex0+βf)。除细胞的d值大小,ADC的时间依赖性改变也是微结构的重要指征,在描述测量微结构尺寸和组织异质性这两个方面具有重要价值。

2 OGSE序列在肿瘤性病变的应用研究进展

2.1 OGSE在肿瘤性病变的临床前研究进展

2.1.1 无创性表征肿瘤细胞的微结构特征

       肿瘤细胞的d值大小和细胞分布状态是组织病理的重要形态特征,与肿瘤增殖状态和病理分级相关。如细胞萎缩,d值减小,提示肿瘤细胞凋亡;细胞增殖,d值增大,提示肿瘤代谢活跃。低级别胶质瘤常由一群分布疏松的细胞组成,而高级别胶质瘤通常有一个或数个细胞分布密集的肿瘤核心区[10]。JIANG等[7]使用IMPULSED模型在体外测量肿瘤细胞d值,结果表明能够准确地量化K562细胞、MEL这两种肿瘤细胞分别在高密度、中密度和低密度的d值、Vin以及抗肿瘤治疗前后d值的改变。在对人类结肠癌肿瘤细胞(DiFi、HCT116和SW620)研究中也证实了IMPULSED模型对体外肿瘤细胞d值测量的准确性[11]。肿瘤细胞密度的差异有助于肿瘤的良恶性诊断。研究表明,OGSE可以区分具有相同的密度但细胞核质比存在差异的组织[12],这意味着OGSE方法对细胞内部的变化更敏感。细胞核是细胞内的重要结构,其大小的测量被认为与肿瘤增殖能力相关,因此,OGSE成像具备评估肿瘤增殖状态的影像标志物的能力。

       大多数肿瘤是复杂的生态系统,在微环境的选择下发生和演变,其中,微环境包括营养物质、代谢产物、免疫成分以及治疗引起的瘤内改变。这种选择促进了肿瘤组织和非肿瘤组织(如血管内皮、细胞外基质和免疫物质)的多样化,最终导致了一定程度的肿瘤内异质性,促进肿瘤的进展和对治疗的抵抗[13]。目前已有多种成像方式,如PET/CT(18F-FDG)示踪剂显像、MRI功能成像、光热成像等能表征肿瘤的异质性。COLVIN等[14]在大鼠脑胶质瘤成像中发现OGSE测得的ADC值在肿瘤内部不同亚区有差异,且随着施加振荡频率的升高,更多肿瘤亚区出现ADC值差异。因此,OGSE成像能表征肿瘤内部的异质性,且成像无辐射损害、无须注射药物,具备良好的应用前景。

2.1.2 评估肿瘤治疗疗效

       肿瘤治疗技术的发展给临床成像带来了新挑战,如治疗后改变与肿瘤假性进展的鉴别诊断[15]、疗效的早期影像评估。强化的肿瘤体积的短暂增加可能被误诊为肿瘤进展,抗血管生成药物治疗后可能存在假性反应:由于血管正常化,尽管MRI显示肿瘤水肿范围缩小、强化程度下降,但肿瘤实际进展[16]

       在经过治疗后,肿瘤单个细胞微结构的改变发生在肿瘤整体体积和密度改变之前。动物实验研究表明OGSE能够更早监测早期治疗反应。OGSE能测量由于放疗和化疗引起的小鼠脑胶质母细胞瘤细胞d值减小,通过ADC值定量能够有效区分正常脑组织、肿瘤生长区域、瘤内坏死区域和瘤周水肿区,各区域的分布与组织病理具有很好的一致性[17, 18, 19]。OGSE对肿瘤早期治疗反应监测的敏感性在结肠癌动物实验研究中得到了证实[20]

       免疫治疗作为一种创新的治疗方式,极大推动了肿瘤治疗领域的发展[21, 22]。免疫检查点抑制剂细胞毒性T淋巴细胞相关蛋白4(cytotoxic T lymphocyte-associated antigen-4, CTLA-4)和程序性死亡受体1(programmed cell death protein 1, PD-1)先后被美国食品和药物管理局批准为人体可用的药物。免疫检查点抑制剂进入人体后通过激活T细胞对肿瘤的免疫应答效应发挥抗肿瘤效应。JIANG等[23]使用IMPULSED模型在小鼠结肠腺癌(MC38)模型中研究抗PD-1和抗CTLA-4的联合免疫检查点阻断的肿瘤反应,由于T细胞小于结肠癌细胞,T细胞浸润将导致瘤区平均细胞d值减小,结果显示治疗有反应组的瘤区平均细胞d值明显小于对照IgG治疗组和ICB无反应组,与病理一致。T细胞与肿瘤相关巨噬细胞的相互作用在评估肿瘤的治疗反应和患者预后具有重要价值,HOFFMANN等[24]在乳腺癌中证实通过测量癌细胞平均d值的变化,能够反映治疗前后肿瘤内T细胞、肿瘤相关巨噬细胞的浸润情况。因此,可以通过IMPULSED模型拟合细胞d值来评估治疗效果。

       细胞凋亡是具有特定的形态学特征的细胞程序性死亡,往往以细胞皱缩为特征。监测细胞凋亡能帮助评估肿瘤治疗反应。生长旺盛的肿瘤区域内具有高密度的肿瘤细胞,水分子扩散受限。晚期凋亡区域主要由受损细胞、细胞碎片和坏死区域组成,共同特征为细胞密度减低、水分子扩散自由。JIANG等[25]使用IMPULSED模型计算的d值及ADC值的时间依赖性变化与细胞凋亡的形态学变化特征有强相关性。体外细胞实验研究表明,OGSE能无创地进行AML-5细胞凋亡成像,并能区分细胞凋亡、坏死等细胞死亡状态[26]。对肿瘤进行抗有丝分裂治疗后,OGSE能够识别由于有丝分裂停滞导致的人卵巢癌细胞d值增大,而对于耐药性肿瘤细胞没有明显变化[27]

       因此,使用IMPULSED模型对OGSE序列采集到的MR信号进行拟合,得到的相关后处理参数:d、ADC的时间依赖性能够有效地早期监测治疗反应,用于精准评估肿瘤实质和瘤周水肿范围、鉴别假性进展,辅助医生制订诊疗计划。

2.2 肿瘤性病变的OGSE临床研究进展

       由于受限于梯度系统和较长的扫描时间,以前的研究以体外模型模拟、计算机模拟、细胞和动物成像为主,所使用的梯度系统强度常高于临床使用的设备。近年来随着梯度线圈系统硬件技术提升和研究序列的改进,OGSE逐步推广应用于临床研究领域。

       XU等[28]首先使用振荡频率高达50 Hz的OGSE利用IMPULSED模型估计体内人乳腺癌细胞大小,得到d、Vin和Dex三个参数。经计算机模拟、体外细胞成像和动物体内成像验证,IMPULSED能够可靠地测量乳腺癌细胞d值大小。BA等[29]进一步研究发现:乳腺癌患者中HER-2(+)和LN(+)组的d值更大,PR(-)组的Vin更高,Dex更低,证明了使用基于OGSE的显微结构特征区分乳腺癌中HER-2、PR、LN免疫表型的可行性。IIMA等[30, 31]发现分别使用OGSE和PGSE序列获得的ADC值的差异可以鉴别头颈和乳腺的良恶性肿瘤,其中相对ADC值[(ADCOGSE-ADCPGSE)/ADCPGSE×100%]在鉴别良恶性肿瘤上表现更佳,可以更好地表征肿瘤内部异质性,在乳腺癌中与Ki-67表达相关,可以提示预后相关的信息。WU等[32]采取了更接近临床使用的梯度强度(40~50 mT/m),研究OGSE在前列腺癌分级诊断中的研究价值。结果表明细胞密度、d、Dex、Vin以及不同振荡频率的ADC值在不同级别前列腺癌中差异有统计学意义。相较于其他参数,细胞密度在区分良恶性前列腺结节、不同级别的前列腺癌方面更具有价值。MAEKAWA等[33]发现相较于低级别脑胶质瘤,高级别脑胶质瘤内的ADC值的时间依赖性更强,提示OGSE有可能用于脑胶质瘤的分级诊断。ZHANG等[6]在儿童胶质细胞瘤中的研究发现,OGSE在组织学分级和H3K27分子分型上具有很高的诊断性能,高级别胶质瘤Dex更低、细胞密度更高,d值更小,细胞密度具有最高的诊断效能。H3K27突变型的胶质瘤的Dex、d值明显小于H3K27野生型胶质瘤,细胞密度和Vin明显升高,d与Vin的组合诊断效能最好。在OGSE对脑膜瘤、听神经瘤和垂体腺瘤患者的鉴别诊断研究中,ADC值在这三种颅内肿瘤中具有显著性差异,因此ADC值的时间依赖性在颅内肿瘤的诊断中有价值[34]

       恶性肿瘤具有侵袭性、容易转移和复发的特点,因此早期诊断和评估疗效对肿瘤病变的精准治疗、延长患者生存时间至关重要。OGSE未来有望成为肿瘤性病变的精准诊断、疗效预测和随访量化肿瘤微结构信息的重要无偿性影像方法。

3 中枢神经系统轴突测量的研究进展

       神经系统疾病多伴有轴突的损伤,例如脑肿瘤侵犯白质纤维束、神经退行性疾病中白质脱髓鞘、脑创伤中轴索损伤等。轴突结构的完整性与白质功能状态相关。探测轴突结构的改变对于神经疾病的诊断与疗效监测具有重要意义。目前有多种基于PGSE的MR扩散序列用于轴突直径的测量[35, 36]。PGSE仅能测量大轴突的d值,而小轴突在神经连接处、U纤维等部位广泛存在,且这些部位在神经疾病发生和进展中有重要意义。

       OGSE能测量轴突内水分子径向扩散速率(D⊥)的时间依赖性[37],通过改变振荡频率实现短的扩散时间,对1~2 μm d值的小轴突敏感[38, 39]。通常情况下使用非渗透性相互平行的圆柱体模型进行建模分析,而在体内实际组织中,轴突的分布并非严格地相互平行,而是分散在多个方向上。在轴突取向分散的情况下,低频OGSE在轴突d值测量方面比PGSE更准确[40, 41],且低频OGSE能在不降低图像质量的前提下缩短扫描时间[42],更有利于临床推广。TÉTREAULT等[43]使用DTI探究人胼胝体轴突直径与年龄和性别的关联,研究发现ADC的时间依赖性与轴突d值相关,胼胝体膝部和压部的轴突比体部轴突d值更大,男性比女性在胼胝体膝部轴突的d值更大。此外,女性随着年龄的增长轴突d值增加,说明小轴突数量的减少可能参与轴突的退变过程。HARKINS等[44]研究发现,水分子径向扩散速率的时间变化率(△D⊥)可以用来作为度量轴突d值的指标,其不受轴突外体积分数、轴突d值异质性分布和轴突内外水交换的影响,且轴内外区域的扩散信号对于ADC值的影响和其所在区域的轴突d值的大小分布相关,这与先前的发现相一致[38]。总之,利用OGSE的短扩散时间优势,小d值轴突的测量更为可行。它克服了PGSE采集时间长的限制,也不需要复杂的分析模型。目前,关于对轴突测量的研究集中在胼胝体和脊髓,这是由于这些部位具有相对简单的轴突d值分布,便于建模研究。由于人体内轴突大小及走行方向的多样性,未来应该建立更为复杂精确的模型,在更大的人群中深入研究人轴突的大小及分布特征,这对临床神经系统疾病的诊断和治疗评价有重要意义。

4 OGSE目前存在的限度

       尽管多项研究表明OGSE具有描述微观结构异质性和测量微结构尺寸上的能力,但OGSE的临床应用仍然处于起步阶段。其主要限度包含以下几个方面:第一,对梯度系统的要求。临床梯度条件下振荡频率受到限制,开发更为先进的临床可用梯度系统或改进序列的设计能够使OGSE应用到更多临床疾病研究中。第二,扩散测量的结果需要构建合适的生物物理模型来探究其临床意义。目前,多数研究构建细胞外和细胞内的两室模型,忽略细胞膜的通透性,这会使得细胞内体积分数的测量值偏小[45],应该根据研究目的建立适当的生物物理模型,最大程度地模拟病理生理机制。最后,在确定的硬件系统和模型构建时,如何对扩散数据进行解读也尤为重要。目前已将扩散参数如细胞内体积分数、细胞密度、细胞外扩散系数和ADC的时间依赖性与病理结果进行对照,未来可以基于深度学习的算法,这可能为临床疾病的诊断和治疗带来新的指导意义。

5 总结与展望

       总之,OGSE序列以扩散的时间依赖性为突破点,得到d、Vin、细胞密度等微结构特征。目前,该技术已经能够适应临床可用的梯度系统,扫描时间也已大大缩短,初步的临床研究已在脑肿瘤、头颈、乳腺肿瘤等肿瘤性病变、胼胝体和脊髓等轴突病变中开展探索,展现出较为肯定的应用价值。微结构成像的重要意义在于实现非侵入性的“数字化活检”,辅助疾病诊断,指导医生治疗,随访监测和预测治疗反应。随着更先进的硬件设备的研发、更加优化的序列设计以及大样本前瞻性研究的逐步开展,OGSE将不断发展成熟,在更多的病种的诊断、治疗疗效监测及预后评估中提供更多、更全面的信息[46, 47, 48, 49, 50]

[1]
JANG H, DU J. Optimizing diffusion-weighted MRI of peripheral nerves[J]. Radiology, 2022, 302(1): 162-163. DOI: 10.1148/radiol.2021211907.
[2]
ZHU A T, SHIH R, HUANG R Y, et al. Revealing tumor microstructure with oscillating diffusion encoding MRI in pre-surgical and post-treatment glioma patients[J/OL]. Magn Reson Med, 2023 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/37335831/. DOI: 10.1002/mrm.29758.
[3]
徐永红, 丁玲. 基于扩散磁共振的脑组织微结构成像研究综述[J]. 中国生物医学工程学报, 2021, 40(3): 354-363. DOI: 10.3969/j.issn.0258-8021.2021.03.11.
XU Y H, DING L. A review of brain tissue microstructural imaging based on diffusion magnetic resonance[J]. Chin J Biomed Eng, 2021, 40(3): 354-363. DOI: 10.3969/j.issn.0258-8021.2021.03.11.
[4]
XU J Z. Probing neural tissues at small scales: recent progress of oscillating gradient spin echo (OGSE) neuroimaging in humans[J/OL]. J Neurosci Methods, 2021, 349: 109024 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/33333089/. DOI: 10.1016/j.jneumeth.2020.109024.
[5]
GROSS B, KOSFELD R. Application of spin-echo method in measurement of auto-diffusion[J]. MESSTECHNIK, 1969, 77(7-8): 171.
[6]
ZHANG H X, LIU K Y, BA R C, et al. Histological and molecular classifications of pediatric glioma with time-dependent diffusion MRI-based microstructural mapping[J]. Neuro Oncol, 2023, 25(6): 1146-1156. DOI: 10.1093/neuonc/noad003.
[7]
JIANG X Y, LI H, XIE J P, et al. Quantification of cell size using temporal diffusion spectroscopy[J]. Magn Reson Med, 2016, 75(3): 1076-1085. DOI: 10.1002/mrm.25684.
[8]
GORE J C, XU J Z, COLVIN D C, et al. Characterization of tissue structure at varying length scales using temporal diffusion spectroscopy[J]. NMR Biomed, 2010, 23(7): 745-756. DOI: 10.1002/nbm.1531.
[9]
WU J, KANG T S, LAN X L, et al. IMPULSED model based cytological feature estimation with U-Net: application to human brain tumor at 3T[J]. Magn Reson Med, 2023, 89(1): 411-422. DOI: 10.1002/mrm.29429.
[10]
NILSSON M, ENGLUND E, SZCZEPANKIEWICZ F, et al. Imaging brain tumour microstructure[J/OL]. NeuroImage, 2018, 182: 232-250 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/29751058/. DOI: 10.1016/j.neuroimage.2018.04.075.
[11]
JIANG X Y, LI H, XIE J P, et al. In vivo imaging of cancer cell size and cellularity using temporal diffusion spectroscopy[J]. Magn Reson Med, 2017, 78(1): 156-164. DOI: 10.1002/mrm.26356.
[12]
XU J Z, DOES M D, GORE J C. Sensitivity of MR diffusion measurements to variations in intracellular structure: effects of nuclear size[J]. Magn Reson Med, 2009, 61(4): 828-833. DOI: 10.1002/mrm.21793.
[13]
VITALE I, SHEMA E, LOI S, et al. Intratumoral heterogeneity in cancer progression and response to immunotherapy[J]. Nat Med, 2021, 27(2): 212-224. DOI: 10.1038/s41591-021-01233-9.
[14]
COLVIN D C, YANKEELOV T E, DOES M D, et al. New insights into tumor microstructure using temporal diffusion spectroscopy[J]. Cancer Res, 2008, 68(14): 5941-5947. DOI: 10.1158/0008-5472.CAN-08-0832.
[15]
CHAWLA S, BUKHARI S, AFRIDI O M, et al. Metabolic and physiologic magnetic resonance imaging in distinguishing true progression from pseudoprogression in patients with glioblastoma[J/OL]. NMR Biomed, 2022, 35(7): e4719 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/35233862/. DOI: 10.1002/nbm.4719.
[16]
AREVALO O D, SOTO C, RABIEI P, et al. Assessment of glioblastoma response in the era of bevacizumab: longstanding and emergent challenges in the imaging evaluation of pseudoresponse[J/OL]. Front Neurol, 2019, 10: 460 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/31133966/. DOI: 10.3389/fneur.2019.00460.
[17]
BONGERS A, HAU E, SHEN H. Short diffusion time diffusion-weighted imaging with oscillating gradient preparation as an early magnetic resonance imaging biomarker for radiation therapy response monitoring in glioblastoma: a preclinical feasibility study[J]. Int J Radiat Oncol Biol Phys, 2018, 102(4): 1014-1023. DOI: 10.1016/j.ijrobp.2017.12.280.
[18]
COLVIN D C, LOVELESS M E, DOES M D, et al. Earlier detection of tumor treatment response using magnetic resonance diffusion imaging with oscillating gradients[J]. Magn Reson Imaging, 2011, 29(3): 315-323. DOI: 10.1016/j.mri.2010.10.003.
[19]
JIANG X Y, XU J Z, GORE J C. Quantitative temporal diffusion spectroscopy as an early imaging biomarker of radiation therapeutic response in gliomas: a preclinical proof of concept[J]. Adv Radiat Oncol, 2018, 4(2): 367-376. DOI: 10.1016/j.adro.2018.11.003.
[20]
XU J Z, LI K, SMITH R A, et al. Characterizing tumor response to chemotherapy at various length scales using temporal diffusion spectroscopy[J/OL]. PLoS One, 2012, 7(7): e41714 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/22911846/. DOI: 10.1371/journal.pone.0041714.
[21]
TISON A, GARAUD S, CHICHE L, et al. Immune-checkpoint inhibitor use in patients with cancer and pre-existing autoimmune diseases[J]. Nat Rev Rheumatol, 2022, 18(11): 641-656. DOI: 10.1038/s41584-022-00841-0.
[22]
BAGCHI S, YUAN R, ENGLEMAN E G. Immune checkpoint inhibitors for the treatment of cancer: clinical impact and mechanisms of response and resistance[J/OL]. Annu Rev Pathol, 2021, 16: 223-249 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/33197221/. DOI: 10.1146/annurev-pathol-042020-042741.
[23]
JIANG X Y, DUDZINSKI S, BECKERMANN K E, et al. MRI of tumor T cell infiltration in response to checkpoint inhibitor therapy[J/OL]. J Immunother Cancer, 2020, 8(1): e000328 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/32581044/. DOI: 10.1136/jitc-2019-000328.
[24]
HOFFMANN E, GERWING M, NILAND S, et al. Profiling specific cell populations within the inflammatory tumor microenvironment by oscillating-gradient diffusion-weighted MRI[J/OL]. J Immunother Cancer, 2023, 11(3): e006092 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/36918222/. DOI: 10.1136/jitc-2022-006092.
[25]
JIANG X Y, MCKINLEY E T, XIE J P, et al. In vivo magnetic resonance imaging of treatment-induced apoptosis[J/OL]. Sci Rep, 2019, 9(1): 9540 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/31266982/. DOI: 10.1038/s41598-019-45864-y.
[26]
PORTNOY S, FICHTNER N D, DZIEGIELEWSKI C, et al. In vitro detection of apoptosis using oscillating and pulsed gradient diffusion magnetic resonance imaging[J]. NMR Biomed, 2014, 27(4): 371-380. DOI: 10.1002/nbm.3070.
[27]
JIANG X Y, LI H, ZHAO P, et al. Early detection of treatment-induced mitotic arrest using temporal diffusion magnetic resonance spectroscopy[J]. Neoplasia, 2016, 18(6): 387-397. DOI: 10.1016/j.neo.2016.04.006.
[28]
XU J Z, JIANG X Y, LI H, et al. Magnetic resonance imaging of mean cell size in human breast tumors[J]. Magn Reson Med, 2020, 83(6): 2002-2014. DOI: 10.1002/mrm.28056.
[29]
BA R C, WANG X X, ZHANG Z L, et al. Diffusion-time dependent diffusion MRI: effect of diffusion-time on microstructural mapping and prediction of prognostic features in breast cancer[J]. Eur Radiol, 2023, 33(9): 6226-6237. DOI: 10.1007/s00330-023-09623-y.
[30]
IIMA M, YAMAMOTO A, KATAOKA M, et al. Time-dependent diffusion MRI to distinguish malignant from benign head and neck tumors[J]. J Magn Reson Imaging, 2019, 50(1): 88-95. DOI: 10.1002/jmri.26578.
[31]
IIMA M, KATAOKA M, HONDA M, et al. The rate of apparent diffusion coefficient change with diffusion time on breast diffusion-weighted imaging depends on breast tumor types and molecular prognostic biomarker expression[J]. Invest Radiol, 2021, 56(8): 501-508. DOI: 10.1097/RLI.0000000000000766.
[32]
WU D, JIANG K W, LI H, et al. Time-dependent diffusion MRI for quantitative microstructural mapping of prostate cancer[J]. Radiology, 2022, 303(3): 578-587. DOI: 10.1148/radiol.211180.
[33]
MAEKAWA T, HORI M, MURATA K, et al. Differentiation of high-grade and low-grade intra-axial brain tumors by time-dependent diffusion MRI[J/OL]. Magn Reson Imaging, 2020, 72: 34-41 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/32599021/. DOI: 10.1016/j.mri.2020.06.018.
[34]
MAEKAWA T, HORI M, MURATA K, et al. Investigation of time-dependent diffusion in extra-axial brain tumors using oscillating-gradient spin-echo[J/OL]. Magn Reson Imaging, 2023, 96: 67-74 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/36423796/. DOI: 10.1016/j.mri.2022.11.010.
[35]
HUANG S Y, TIAN Q Y, FAN Q Y, et al. High-gradient diffusion MRI reveals distinct estimates of axon diameter index within different white matter tracts in the in vivo human brain[J]. Brain Struct Funct, 2020, 225(4): 1277-1291. DOI: 10.1007/s00429-019-01961-2.
[36]
FAN Q Y, TIAN Q Y, OHRINGER N A, et al. Age-related alterations in axonal microstructure in the corpus callosum measured by high-gradient diffusion MRI[J/OL]. Neuroimage, 2019, 191: 325-336 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/30790671/. DOI: 10.1016/j.neuroimage.2019.02.036.
[37]
XU J Z, LI H, LI K, et al. Fast and simplified mapping of mean axon diameter using temporal diffusion spectroscopy[J]. NMR Biomed, 2016, 29(4): 400-410. DOI: 10.1002/nbm.3484.
[38]
XU J Z, LI H, HARKINS K D, et al. Mapping mean axon diameter and axonal volume fraction by MRI using temporal diffusion spectroscopy[J/OL]. Neuroimage, 2014, 103: 10-19 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/25225002/. DOI: 10.1016/j.neuroimage.2014.09.006.
[39]
HERRERA S L, SHEFT M, MERCREDI M E, et al. Axon diameter inferences in the human corpus callosum using oscillating gradient spin echo sequences[J/OL]. Magn Reson Imaging, 2022, 85: 64-70 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/34662703/. DOI: 10.1016/j.mri.2021.10.014.
[40]
DROBNJAK I, ZHANG H, IANUŞ A, et al. PGSE, OGSE, and sensitivity to axon diameter in diffusion MRI: insight from a simulation study[J]. Magn Reson Med, 2016, 75(2): 688-700. DOI: 10.1002/mrm.25631.
[41]
KAKKAR L S, BENNETT O F, SIOW B, et al. Low frequency oscillating gradient spin-echo sequences improve sensitivity to axon diameter: an experimental study in viable nerve tissue[J/OL]. Neuroimage, 2018, 182: 314-328 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/28774648/. DOI: 10.1016/j.neuroimage.2017.07.060.
[42]
MERCREDI M, MARTIN M. Toward faster inference of micron-scale axon diameters using Monte Carlo simulations[J]. Magma, 2018, 31(4): 511-530. DOI: 10.1007/s10334-018-0680-1.
[43]
TÉTREAULT P, HARKINS K D, BARON C A, et al. Diffusion time dependency along the human corpus callosum and exploration of age and sex differences as assessed by oscillating gradient spin-echo diffusion tensor imaging[J/OL]. Neuroimage, 2020, 210: 116533 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/31935520/. DOI: 10.1016/j.neuroimage.2020.116533.
[44]
HARKINS K D, BEAULIEU C, XU J Z, et al. A simple estimate of axon size with diffusion MRI[J/OL]. Neuroimage, 2021, 227: 117619 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/33301942/. DOI: 10.1016/j.neuroimage.2020.117619.
[45]
LI H, JIANG X Y, XIE J P, et al. Impact of transcytolemmal water exchange on estimates of tissue microstructural properties derived from diffusion MRI[J]. Magn Reson Med, 2017, 77(6): 2239-2249. DOI: 10.1002/mrm.26309.
[46]
MAEKAWA T, HORI M, MURATA K, et al. Choroid plexus cysts analyzed using diffusion-weighted imaging with short diffusion-time[J/OL]. Magn Reson Imaging, 2019, 57: 323-327 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/30605722/. DOI: 10.1016/j.mri.2018.12.010.
[47]
MAZZOLI V, MOULIN K, KOGAN F, et al. Diffusion tensor imaging of skeletal muscle contraction using oscillating gradient spin echo[J/OL]. Front Neurol, 2021, 12: 608549 [2023-05-05]. https://pubmed.ncbi.nlm.nih.gov/33658976/. DOI: 10.3389/fneur.2021.608549.
[48]
ANDICA C, HORI M, KAMIYA K, et al. Spatial restriction within intracranial epidermoid cysts observed using short diffusion-time diffusion-weighted imaging[J]. Magn Reson Med Sci, 2018, 17(3): 269-272. DOI: 10.2463/mrms.cr.2017-0111.
[49]
JIANG X Y, XU J Z, GORE J C. Mapping hepatocyte size in vivo using temporal diffusion spectroscopy MRI[J]. Magn Reson Med, 2020, 84(5): 2671-2683. DOI: 10.1002/mrm.28299.
[50]
WAGNER M, DOBLAS S, POTÉ N, et al. Comparison of pulsed and oscillating gradient diffusion-weighted MRI for characterizing hepatocellular nodules in liver cirrhosis: ex vivo study in a rat model[J]. J Magn Reson Imaging, 2020, 51(4): 1065-1074. DOI: 10.1002/jmri.26919.

上一篇 MRI定量技术在骨质疏松症中的应用现状及进展
下一篇 冠状动脉综合征无创影像学专家共识解读
  
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