分享:
分享到微信朋友圈
X
基础研究
磁共振多b值扩散加权成像不同模型诊断代谢相关脂肪性肝炎的实验研究
张宇彤 谢双双 杜昕哲 王旭阳 秦佳明 杨嘉琪 沈文

本文引用格式:张宇彤, 谢双双, 杜昕哲, 等. 磁共振多b值扩散加权成像不同模型诊断代谢相关脂肪性肝炎的实验研究[J]. 磁共振成像, 2025, 16(11): 170-177. DOI:10.12015/issn.1674-8034.2025.11.025.


[摘要] 目的 探讨多b值扩散加权成像基于六种扩散模型对代谢功能障碍相关脂肪性肝炎(metabolic dysfunction-associated steatohepatitis, MASH)的诊断效能。材料与方法 将SD大鼠30只采用随机数表法分为3组,每组10只,分别为正常对照组、代谢相关脂肪肝(metabolic-associated fatty liver, MAFL)组和MASH组。其中MAFL和MASH组分别采用高脂饲料喂养10周和14周进行建模。建模结束后所有大鼠均进行肝脏多b值扩散加权成像(diffusion-weighted imaging, DWI),并采用单指数模型、体素内不相干运动(intravoxel incoherent motion, IVIM)模型、扩散峰度成像(diffusion kurtosis imaging, DKI)模型、拉伸指数模型(stretched-exponential model, SEM)、分数阶微积分(fractional calculus, FROC)模型和连续时间随机游走(continuous-time random walk, CTRW)模型进行处理获取肝实质定量参数,包括单指数模型参数表观扩散系数(apparent diffusion coefficient, ADC),IVIM模型参数纯扩散系数(IVIM_D)、伪扩散系数(IVIM_D*)、灌注分数(IVIM_f),DKI模型参数平均扩散系数(mean diffusion coefficient, DKI_MD)、平均峰度系数(mean kurtosis coefficient, DKI_MK),SEM参数分布扩散系数(distributed diffusion coefficient, SEM_DDC)、异质性指数(SEM_α),FROC模型参数扩散系数(FROC_D)、空间分数导数(FROC_β)、空间参数(FROC_μ),CTRW模型参数反常扩散系数(CTRW_D)、空间扩散异质性指数(CTRW_β)和时间扩散异质性指数(CTRW_α)。其中单指数模型分别采用常规两b值获取ADC1和多b值获取ADC2。MRI检查后立即处死大鼠并采集肝脏标本进行病理分析,获取脂肪肝活动度评分[非酒精性脂肪性肝病(nonalcoholic fatty liver disease, NAFLD)活动度评分(NAFLD activity score, NAS)]。采用单因素方差分析或Kruskal-Wallis检验比较各组间参数差异。采用Spearman秩相关分析MRI定量参数与NAS的相关性。采用受试者工作特征(receiver operating characteristic, ROC)曲线分析各参数对MASH的诊断效能。结果 肝实质定量参数ADC2、IVIM_D、DKI_MD、DKI_MK、SEM_DDC、FROC_D、CTRW_D和CTRW_α在任意两组间差异有统计学意义(P均<0.05),ADC1、SEM_α、FROC_β仅在正常组与MASH组间存在差异(P<0.05)。ADC1、ADC2、IVIM_D、DKI_MD、SEM_DDC、SEM_α、FROC_D、FROC_β、CTRW_D、CTRW_α与NAS负相关(r值-0.479~-0.886);IVIM_f、DKI_MK与NAS正相关(r值0.460、0.860)。ROC分析显示ADC2、IVIM_D、DKI_MD、DKI_MK、SEM_DDC、SEM_α、FROC_D、FROC_β、CTRW_D和CTRW_α对MASH具有中高度诊断效能(曲线下面积为0.780~0.960),其中ADC2、DKI_MK、FROC_D优于SEM_α、FROC_β(P<0.05)。结论 多种扩散模型均可用于MASH诊断,其中基于多b值的单指数模型ADC值、DKI模型MK值和FROC模型D值效能最佳,有望成为替代肝活检的无创诊断MASH的最佳参数。
[Abstract] Objective To investigate the diagnostic efficacy of multi-b-value diffusion-weighted imaging (DWI) based on six diffusion models for metabolic dysfunction-associated steatohepatitis (MASH).Materials and Methods Thirty sprague-dawley (SD) rats were randomly divided into three groups (10 rats each) using a random number table: normal control group, metabolic-associated fatty liver (MAFL) group, and MASH group. The MAFL and MASH groups were modeled by feeding a high-fat diet for 10 weeks and 14 weeks, respectively. After modeling, all rats underwent liver multi-b-value DWI. Six models were used to process the data and obtain quantitative parameters of liver parenchyma: mono-exponential model, intravoxel incoherent motion (IVIM) model, diffusion kurtosis imaging (DKI) model, stretched-exponential model (SEM), fractional order calculus (FROC) model, and continuous-time random walk (CTRW) model. The mono-exponential model parameters included apparent diffusion coefficient (ADC), the IVIM model parameters included pure diffusion coefficient (IVIM_D), pseudo-diffusion coefficient (IVIM_D*), perfusion fraction (IVIM_f), the DKI model parameters included mean diffusion coefficient (DKI_MD), mean kurtosis coefficient (DKI_MK), the SEM model parameters included distributed diffusion coefficient (SEM_DDC), heterogeneity index (SEM_α), the FROC model parameters included diffusion coefficient (FROC_D), spatial parameter (FROC_μ), the CTRW model parameters included anomalous diffusion coefficient (CTRW_D), spatial diffusion heterogeneity index (CTRW_β) and temporal diffusion heterogeneity index (CTRW_α). For the single-exponential model, ADC1 was obtained using conventional two b-values, and ADC2 was obtained using multi-b-values. Immediately after MRI examination, the rats were euthanized, and liver specimens were collected for pathological analysis to obtain the nonalcoholic fatty liver disease (NAFLD) activity score (NAS). One-way analysis of variance (ANOVA) or Kruskal-Wallis test was used to compare parameter differences among groups. Spearman rank correlation analysis was used to explore the correlation between MRI quantitative parameters and NAS. The diagnostic efficacy of each parameter for MASH was analyzed using the receiver operating characteristic (ROC) curve.Results The quantitative parameters of liver parenchyma, including ADC2, IVIM_D, DKI_MD, DKI_MK, SEM_DDC, FROC_D, CTRW_D, and CTRW_α, showed statistically significant differences between any two groups (P<0.05). ADC1, SEM_α and FROC_β only differed between the normal group and MASH group (P < 0.05). ADC1, ADC2, IVIM_D, DKI_MD, SEM_DDC, SEM_α, FROC_D, FROC_β, CTRW_D, and CTRW_α were negatively correlated with NAS (r = -0.479 to -0.886), while IVIM_f and DKI_MK were positively correlated with NAS (r = 0.460, 0.860). ROC curve analysis showed that ADC2, IVIM_D, DKI_MD, DKI_MK, SEM_DDC, SEM_α, FROC_D, FROC_β, CTRW_D, and CTRW_α had moderate to high diagnostic efficacy for MASH (area under the curve: 0.780 to 0.960). Among them, ADC2, DKI_MK, and FROC_D were significantly superior to SEM_α and FROC_β (P < 0.05).Conclusions Multiple diffusion models can be used for MASH diagnosis, with the ADC value from the multi-b-value mono-exponential model, MK value from the DKI model, and D value from the FROC model demonstrating the best efficacy and are expected to become the best parameters for non-invasive diagnosis of MASH as an alternative to liver biopsy.
[关键词] 代谢相关脂肪肝;代谢相关脂肪性肝炎;磁共振成像;扩散加权成像;多b值
[Keywords] metabolic dysfunction-associated fatty liver;metabolic dysfunction-associated steatohepatitis;magnetic resonance imaging;diffusion weighted imaging;multi-b-value

张宇彤 1, 2   谢双双 2   杜昕哲 2, 3   王旭阳 3   秦佳明 2, 3   杨嘉琪 1, 2   沈文 2*  

1 天津医科大学第一中心医院放射科,天津 300192

2 天津市第一中心医院放射科,天津市影像医学研究所,天津 300192

3 南开大学医学院,天津 300071

通信作者:沈文,E-mail:shenwen66happy@126.com

作者贡献声明:谢双双、沈文设计本研究的方案,对稿件重要内容进行了修改;张宇彤设计本研究的方案,获取、分析和解释本研究的数据,起草和撰写稿件;杜昕哲、王旭阳、秦佳明、杨嘉琪获取、分析或解释本研究的数据,对稿件重要内容进行了修改;沈文获得了国家自然科学基金的资助,谢双双获得了天津市自然科学基金的资助;沈文获得了天津市医学重点学科建设项目资助;全体作者都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: 国家自然科学基金项目 82271971 天津市自然科学基金项目 24JCQNJC01110 天津市医学重点学科建设项目 TJYXZDXK-3-012B
收稿日期:2025-07-08
接受日期:2025-11-10
中图分类号:R445.2  R575.5  R-332 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2025.11.025
本文引用格式:张宇彤, 谢双双, 杜昕哲, 等. 磁共振多b值扩散加权成像不同模型诊断代谢相关脂肪性肝炎的实验研究[J]. 磁共振成像, 2025, 16(11): 170-177. DOI:10.12015/issn.1674-8034.2025.11.025.

0 引言

       代谢相关脂肪性肝病(metabolic dysfunction-associated fatty liver disease, MAFLD),原名非酒精性脂肪性肝病(nonalcoholic fatty liver disease, NAFLD),是全球最常见的慢性肝病,同时也是2型糖尿病和心血管疾病的危险因素[1, 2]。MAFLD的早期阶段称为代谢相关脂肪肝(metabolic dysfunction-associated fatty liver, MAFL),进展后逐渐出现代谢相关脂肪性肝炎(metabolic dysfunction-associated steatohepatitis, MASH),是MAFLD的严重形式,以脂肪变性、小叶炎症和肝细胞气球样变为特征,可进展为晚期纤维化、MASH相关肝硬化,并增加肝细胞癌风险[3, 4]。既往研究显示及时治疗MASH可改善纤维化、预防肝硬化,且已有疗法可抑制脂肪变性、炎症、纤维化和细胞凋亡以逆转MASH[5, 6, 7, 8],因此,在临床实践中早期发现MASH至关重要。

       MASH诊断的金标准是肝脏活检[9],但其有创,且存在采样变异导致的假阴性风险。目前,临床中常用的无创诊断方法包括血清学指标、超声或磁共振成像(magnetic resonance imaging, MRI)等[10]。既往研究显示基于MRI的质子密度脂肪分数(proton density fat fraction, PDFF)、磁共振弹性成像(magnetic resonance elastography, MRE)和天冬氨酸氨基转移酶(aspartate aminotransferase, AST)建立的MAST评分对识别伴有纤维化的MASH患者具有高度性能和区分度[受试者工作特征(receiver operating characteristic curve, ROC)曲线下面积(area under the curve, AUC)值达0.93][11],但MRE对特殊设备的需求限制了其在临床中的广泛应用。扩散加权成像(diffusion-weighted imaging, DWI)是一种广泛使用的无创MRI技术,通过不同扩散模型获取的多种衍生参数可以量化生物组织中的分子扩散运动,可在一定程度上反映MASH肝脏脂肪浸润、炎症等病理特征[12, 13]。LI等[8]在NAFLD兔模型中发现基于扩散峰度成像(diffusion kurtosis imaging, DKI)获取的平均扩散率(mean diffusion, MD)和平均扩散峰度(mean kurtosis, MK)值对MASH均有较高诊断效能(AUC值分别为0.955、0.905),且显著优于单指数模型获取的表观扩散系数(apparent diffusion coefficient, ADC)(AUC值为0.736)。JOO等[14]在NAFLD兔模型中发现基于双指数模型体素内不相关运动(intravoxel incoherent motion, IVIM)成像获取的灌注分数(f)能有效鉴别早期MASH与单纯脂肪变性。以上研究均肯定了各种扩散模型对MASH的诊断潜能。随着后处理技术的发展,新出现了拉伸指数模型(stretched-exponential model, SEM)[15]、分数阶微积分(fractional order calculus, FROC)模型[16]和连续时间随机游走(continuous-time random walk, CTRW)模型[17]。既往研究证实CTRW的时间扩散异质性指数(CTRW_α)对肝癌生物学特征预测具有潜力[18],SEM的异质性指数(SEM_α)、FROC的扩散系数(FROC_D)、分数阶参数(FROC_β)在肝脏肿瘤鉴别方面显示了较高效能[19],CTRW的反常扩散系数(CTRW_D)、CTRW_α,FROC的FROC_D、FROC_β、空间参数(FROC_μ)对肝纤维化分级具有辅助价值[20, 21],但这些模型的后处理参数能否提升对MASH的无创诊断效能尚不明确,且缺乏与常见模型(如单指数、IVIM和DKI)的系统性比较。

       本研究通过构建大鼠MASH模型,对比多种扩散模型,包括常见的单指数、IVIM、DKI、SEM和新型FROC、CTRW无创诊断MASH的效能,筛选最佳扩散模型及定量参数,为临床无创、精准诊断MASH提供新方法。

1 材料与方法

1.1 动物模型

       本实验根据南开大学实验动物中心规定的实验动物护理和使用指南进行,经南开大学医学伦理委员会批准(批文号:2022-SYDWLL-000236)。共选用30只8周龄、体质量180~200 g的雄性健康Sprague-Dawley(SD)大鼠,实验动物及饲料均从北京华阜康生物科技股份有限公司购置[许可证号:SCXK(京)2024-0003],所有大鼠均达到无特定病原体(specific pathogen free, SPF)级标准。所有大鼠饲养于南开大学移植研究院重点实验室,均适应性喂养1周。在正式实验开始前,进行了预实验以确定建模时间点,采用9只大鼠进行高脂饲料诱导,分别于喂养10周、12周和14周时随机选取3只处死并取肝脏组织进行病理学分析。结果显示,10周和12周组肝脏均表现为MAFL,未见炎性细胞浸润;而14周组肝脏出现明显脂肪变性,伴小叶内炎症及肝细胞气球样变,符合MASH表现。基于预实验结果,本研究确定建模时间点为10周(MAFL组)和14周(MASH组)。正式实验中,所有大鼠按照随机数字表法分为正常组(n=10)、MAFL组(n=10)和MASH组(n=10)。其中MAFL组和MASH组分别喂养高脂饲料[脂肪45%千卡,碳水化合物35%千卡,蛋白质20%千卡(1千卡=4184焦耳)] 10周和14周,饮食及饮水不受限制。

1.2 检查方法

       采用3 T MR扫描仪(MAGNETOM Prisma, Siemens Healthcare, Erlangen, Germany),16通道大鼠专用线圈(苏州众志医疗科技有限公司,苏州,中国),异氟烷吸入麻醉,首先将大鼠放入麻醉仓诱导麻醉(浓度5%,流速1 L/min),随后俯卧位放入线圈专用鼠舱中维持麻醉(浓度2%,流速0.6 L/min)。扫描包括轴位T2WI和多b值DWI。T2WI主要参数为重复时间(repetition time, TR)1400 ms,回波时间(echo time, TE)97 ms,翻转角154°,层厚3 mm,矩阵128×128,激励次数8次,加速因子2。其中DWI采用自由呼吸单次激发平面回波成像(singel-shot echo-planar imaging, SS-EPI)序列,主要参数为13个b值(激励次数):0(3)、10(3)、20(3)、30(3)、50(3)、100(4)、200(4)、300(4)、500(6)、800(6)、1000(6)、1500(8)、2000(8) s/mm²,TR 2300 ms,TE 74 ms,层厚3 mm,层数14,视野(field of view, FOV)120 mm×98 mm,矩阵128×98,同时多层成像技术(simultaneous multi-slice, SMS)加速因子2,全局自动校准部分并行采集技术(generalized autocalibrating partially parallel acquisition, GRAPPA)加速因子2,回波间隔0.96 ms,EPI因子98,带宽1190 Hz/Px,扫描时间7 min 2 s。

1.3 图像处理分析

       使用Body-DiffusionLab(众影医疗科技有限公司,成都,中国)软件进行后处理,两名不知大鼠分组及病理结果的放射科医师(具有2年腹部影像诊断经验的住院医师及具有10年腹部影像诊断经验的副主任医师)独立进行分析。参考T2图像在肝脏的DWI图像上选取肝实质显示最大的3个层面,避开血管和伪影,每层在肝脏的不同位置放置3个感兴趣区(region of interest, ROI),面积约10~20 mm2,不同参数图ROI位置和大小自动复制叠加。9个ROI值的平均值作为测量值,两位医师测量结果的平均值用于统计学分析。

       在本研究中,根据单指数模型,S(b)=S0×exp(-b×ADC),选取临床常规应用的2个b值(0、800 s/mm2)计算得到标准双b值ADC值,表示为ADC1;使用所有13个b值(0~2000 s/mm2)进行单指数模型拟合计算得到多b值ADC值,表示为ADC2。采用13个b值(0~2000 s/mm2)计算获得其他扩散模型的所有衍生参数:根据IVIM模型,S(b)=S0×[(1-f)×exp(-b×D)+f×exp(-b×D*)],计算得到伪扩散系数(IVIM_D*)、IVIM_f和纯扩散系数(IVIM_D);根据DKI模型,S(b)=S0×exp(-b×D+b2×D2×K/6),计算得到DKI_MD和DKI_MK;根据SEM,S(b)=S0×exp(-b×DDC)α,计算得到分布扩散系数(distributed diffusion coefficient, DDC)和SEM_α;根据FROC模型,S(b)=S0×exp[-Dμ2(β-1)•(γGδ)(∆-2β-12β+1δ)],计算得到FROC_D、FROC_β和FROC_μ;根据CTRW模型,S(b)=S0×Eα×[-(bD)β],计算得到CTRW_D、CTRW_α、空间扩散异质性指数(CTRW_β)。

1.4 病理学分析

       MRI检查后立即处死大鼠,取肝组织置于4%甲醛缓冲溶液中固定,石蜡包埋。肝脏标本行苏木精-伊红(hematoxylin and eosin, HE)染色。由经验丰富的病理医师(10年病理诊断经验)对所有标本进行MAFLD/NAFLD活动度积分(NAFLD activity score, NAS)[22, 23],测定指标包括脂肪变性(0~3分)、小叶炎症(0~2分)和肝细胞气球样变(0~2分),根据各指标分数的总和评定肝脏为正常(NAS=0)、MAFL(NAS=1、2)、MASH可能(NAS=3、4)和MASH(NAS≥5)。在MASH可能中,不伴有小叶内炎症、气球样变和纤维化但肝脂肪变>33%者归类为MAFL。

1.5 统计学分析

       采用SPSS 26.0(IBM Corp., Armonk, NY, USA)和MedCalc 22.016(MedCalc Software, Ostend, Belgium)统计软件。计量资料以均值±标准差(x¯±s)表示。采用组内相关系数(intra-class correlation coefficients, ICC)评估两名医师测量数据的一致性(差:<0.40,一般:0.41~0.60,良好:0.61~0.80,极好:>0.80)[24]。采用单因素方差分析(正态分布且方差齐)或Kruskal-Wallis检验(不符合正态分布或方差不齐)比较不同组间肝脏MRI定量参数差异。采用Spearman等级相关评价各扩散参数与NAS的相关性。将单因素方差分析显示出有显著差异的参数采用ROC曲线评价其对MASH的诊断效能。以P<0.05为差异有统计学意义。

2 结果

2.1 MAFLD活动度评分比较

       正常组10只大鼠肝脏病理结果均正常,NAS为0分,MAFL组NAS为2分(n=4)或3分(n=6),MASH组NAS均为6分。三组间NAS差异具有统计学意义(P<0.05)(图1)。

图1  正常组、MAFL组、MASH组肝脏染色(HE ×100)及NAS柱状图。1A:肝脏染色示正常组肝脏结构正常;1B:肝脏染色示MAFL组肝细胞脂肪变性多为大泡性,轻者见于腺泡3区,重者达腺泡2区及汇管区周围区域(黄箭);1C:肝脏染色示MASH组肝细胞广泛脂肪变性(黄箭),汇管区可见肝细胞气球样变(红箭)及炎细胞浸润(蓝箭);1D:三组NAS柱状图。
Fig. 1  Liver HE staining (×100) and bar charts of NAS for the normal group, MAFL group, and MASH group. 1A: Liver staining shows that the liver structure in the normal group is normal; 1B: Liver staining shows that the fatty degeneration of liver cells in the MAFL group was mostly bullous, with mild cases occurring in acinar zone 3 and severe cases reaching acinar zone 2 and the surrounding area of the portal zone (yellow arrow); 1C: Liver staining shows extensive fatty degeneration of liver cells in the MASH group (yellow arrow), with ballooning of liver cells (red arrow) and infiltration of inflammatory cells (blue arrow) in the portal zone; 1D: The bar chart of NAS for the normal group, MAFL group, and MASH group.

2.2 肝脏MRI扩散定量参数比较

       两名观察者所有MRI定量参数测量值一致性较好,ICC值为0.799~0.983。MAFLD组(MAFL+MASH组)大鼠的ADC1、ADC2、IVIM_D、IVIM_D*、DKI_MD、SEM_DDC、SEM_α、FROC_D、FROC_β、CTRW_D、CTRW_α、CTRW_β值较正常组减低,DKI_MK、IVIM_f、FROC_μ值较正常组增高,其中ADC1、ADC2、IVIM_D、DKI_MD、DKI_MK、SEM_DDC、SEM_α、FROC_D、FROC_β、CTRW_D、CTRW_α在三组间差异均有统计学意义(P<0.05),详见图2表1。两两比较显示,ADC2、IVIM_D、DKI_MD和DKI_MK、SEM_DDC、FROC_D、CTRW_D和CTRW_α在任意两组间差异均有统计学意义(P<0.05),详见图2图3。ADC1、SEM_α、FROC_β仅在正常组与MASH组间差异有统计学意义(P<0.05)。IVIM_D*和IVIM_f、FROC_μ、CTRW_β在三组间差异无统计学意义(P>0.05)。

图2  箱形图展示了肝脏各扩散参数在正常组、MAFL组和MASH组间差异比较。ADC1使用双b值(0、800 mm2/s)计算,ADC2、IVIM_D、DKI_MD、DKI_MK、SEM_DDC、SEM_α、FROC_D、FROC_β、CTRW_D、CTRW_α使用所有b值计算。箱形图的边界表示下四分位数和上四分位数,箱形图中的线表示中位数。MAFL:代谢相关脂肪肝;MASH:代谢功能障碍相关脂肪性肝炎;ADC:表观扩散系数;IVIM_D:IVIM纯扩散系数;IVIM:体素内不相干运动;DKI_MD:DKI平均扩散率;DKI_MK:DKI平均扩散峰度;DKI:扩散峰度成像;SEM_DDC:SEM分布扩散系数;SEM_α:SEM异质性指数;SEM:拉伸指数模型;FROC_D:FROC扩散系数;FROC_β:FROC分数阶参数;FROC:分数阶微积分;CTRW_D:CTRW反常扩散系数;CTRW_α:CTRW时间扩散异质性指数;CTRW:连续时间随机游走。
Fig. 2  Box plots show the comparison of differences in various liver diffusion parameters among the normal group, the MAFL group and the MASH group. ADC1 is calculated using double b values (0 and 800 mm²/s), while ADC2, IVIM_D, DKI_MD, DKI_MK, SEM_DDC, SEM_α, FROC_D, FROC_β, CTRW_D, and CTRW_α are calculated using all b values. The boundaries of the box plot represent the lower quartiles and the upper quartiles, and the lines in the box plot represent the median. MAFL: metabolic-associated fatty liver; MASH: metabolic dysfunction-associated steatohepatitis; ADC: apparent diffusion coefficient; IVIM_D: IVIM pure diffusion coefficient; IVIM: intravoxel incoherent motion; DKI_MD: DKI mean diffusion; DKI_MK: DKI mean kurtosis; DKI: diffusion kurtosis imaging; SEM_DDC: SEM distributed diffusion coefficient; SEM_α: SEM heterogeneity index; SEM: stretched-exponential model; FROC_D: FROC diffusion coefficient; FROC_β: FROC fractional order parameter; FROC: fractional order calculus; CTRW_D: CTRW anomalous diffusion coefficient; CTRW_α : CTRW temporal diffusion heterogeneity index; CTRW: continuous-time random walk.
图3  肝脏ROI勾画示意图及肝脏各定量参数伪彩图。ROI:感兴趣区;MAFL:代谢相关脂肪肝;MASH:代谢功能障碍相关脂肪性肝炎;ADC:表观扩散系数;DKI_MD:DKI平均扩散率;DKI_MK:DKI平均扩散峰度;DKI:扩散峰度成像;IVIM_D:IVIM纯扩散系数;IVIM:体素内不相干运动;SEM_DDC:SEM分布扩散系数;SEM:拉伸指数模型;FROC_D:FROC扩散系数;FROC:分数阶微积分;CTRW_D:CTRW反常扩散系数;CTRW_α:CTRW时间扩散异质性指数;CTRW:连续时间随机游走。
Fig. 3  Examples of ROI regions on liver parenchyma and pseudo-color maps of various quantitative parameters of the liver. ROI: regions of interest; MAFL: metabolic-associated fatty liver; MASH: metabolic dysfunction-associated steatohepatitis; ADC: apparent diffusion coefficient; DKI_MD: DKI mean diffusion; DKI_MK: DKI mean kurtosis; DKI: diffusion kurtosis imaging; IVIM_D: IVIM pure diffusion coefficient; IVIM: intravoxel incoherent motion; SEM_DDC: SEM distributed diffusion coefficient; SEM: stretched-exponential model; FROC_D: FROC diffusion coefficient; FROC: fractional order calculus; CTRW_D: CTRW anomalous diffusion coefficient; CTRW_α : CTRW temporal diffusion heterogeneity index; CTRW: continuous-time random walk.
表1  肝脏各扩散参数在不同组间差异性比较
Tab. 1  Comparison of differences in liver diffusion parameters among different groups

2.3 NAS与肝脏扩散定量参数的相关性

       ADC2、IVIM_D、DKI_MD、SEM_DDC、SEM_α、FROC_D、CTRW_D、CTRW_α与NAS呈高度负相关(r=-0.879、-0.867、-0.730、-0.843、-0.617、-0.886、-0.805、-0.746);ADC1、FROC_β与NAS呈中度负相关(r=-0.479、-0.554);DKI_MK与NAS呈高度正相关(r=0.860);IVIM_f与NAS呈中度正相关(r=0.460);IVIM_D*、FROC_μ、CTRW_β与NAS无相关性(P>0.05)。详见表2

表2  NAS与肝脏扩散参数的相关性结果
Tab. 2  Correlation results between NAS and liver diffusion parameters

2.4 肝脏扩散定量参数对MAFLD的诊断效能

       在MASH和非MASH组鉴别的ROC分析中,ADC2、IVIM_D、DKI_MD、DKI_MK、SEM_DDC、FROC_D、CTRW_D、CTRW_α具有良好诊断效能,ROC曲线下面积(area under the curve, AUC)为0.880~0.960;SEM_α、FROC_β具有中等诊断效能,AUC为0.800、0.780;DeLong检验显示,ADC2、DKI_MK、FROC_D的AUC高于SEM_α、FROC_β(P<0.05),详见图4A表3

       在正常组和MAFLD组鉴别的ROC分析中,ADC2、IVIM_D、DKI_MD、DKI_MK、SEM_DDC、SEM_α、FROC_D、CTRW_D、CTRW_α具有良好诊断效能,AUC为0.875~0.990;ADC1、FROC_β具有中等诊断效能,AUC为0.750、0.810。DeLong检验显示,ADC2、IVIM_D、FROC_D的AUC高于ADC1、FROC_β(P<0.05),详见图4B表3

图4  肝脏定量参数鉴别MASH组与非MASH组(4A)、正常组与MAFLD组(4B)的ROC曲线。MASH:代谢功能障碍相关脂肪性肝炎;MAFLD:代谢相关脂肪性肝病;ROC:受试者工作特征;ADC:表观扩散系数;IVIM_D:IVIM纯扩散系数;IVIM:体素内不相干运动;DKI_MD:DKI平均扩散率;DKI_MK:DKI平均扩散峰度;DKI:扩散峰度成像;SEM_DDC:SEM分布扩散系数;SEM_α:SEM异质性指数;SEM:拉伸指数模型;FROC_D:FROC扩散系数;FROC_β:FROC分数阶参数;FROC:分数阶微积分;CTRW_D:CTRW反常扩散系数;CTRW_α:CTRW时间扩散异质性指数;CTRW:连续时间随机游走。
Fig. 4  ROC curve analysis of liver quantitative parameters for distinguishing MASH group from non-MASH group (4A) and normal group from MAFLD group (4B). MASH: metabolic dysfunction-associated steatohepatitis; MAFLD: metabolic dysfunction-associated fatty liver disease; ROC: receiver operating characteristic; ADC: apparent diffusion coefficient; IVIM_D: IVIM pure diffusion coefficient; IVIM: intravoxel incoherent motion; DKI_MD: DKI mean diffusion; DKI_MK: DKI mean kurtosis imaging; DKI: diffusion kurtosis; SEM_DDC: SEM distributed diffusion coefficient; SEM_α: SEM heterogeneity index; SEM: stretched-exponential; FROC_D: FROC diffusion coefficient; FROC_β: FROC fractional order parameter; FROC: fractional calculus; CTRW_D: CTRW anomalous diffusion coefficient; CTRW_α: CTRW temporal diffusion heterogeneity index; CTRW: continuous-time random walk.
表3  肝脏各扩散参数诊断MAFLD的ROC曲线分析
Tab. 3  ROC curve analysis of various liver diffusion parameters for diagnosing MAFLD

3 讨论

       本研究比较了6种扩散模型诊断MASH的价值,结果显示单指数模型获取的ADC、IVIM获取的D和f、DKI获取的MD和MK、SEM获取的DDC和α、FROC获取的D和β、CTRW获取的D和α均与NAS显著相关。其中临床常用的双b值单指数模型ADC值不能有效诊断MASH,但采用多b值获取的定量组织扩散能力参数ADC2、D、MD和DDC,及定量组织微观结构复杂性的参数DKI_MK和反映组织内时间扩散异质性的参数CTRW_α对MASH均表现出优异诊断效能,尤其是ADC2、DKI_MK和FROC_D在鉴别正常组与MAFLD组、非MASH组与MASH组均表现出最优的诊断效能(AUC值0.9以上),提示能有效用于MAFLD及MASH的无创诊断,为MAFLD患者病情进展检测提供新方法。

3.1 多b值DWI定量水分子扩散能力相关参数分析

       本研究中单指数模型基于双b值分析获取的ADC1在MAFL和MASH组中降低,但仅在正常组与MASH组间差异有统计学意义,这与LI等[8]的兔模型研究结果一致。然而,JOO等[14]的兔模型研究显示NAFLD组ADC值低于正常组,但与NAFLD的严重程度无关。本研究中基于多b值分析获取的ADC2在任意两组间均有显著差异,且与NAS负相关,诊断MASH的AUC值高达0.95,提示增加b值数量(尤其是高b值部分)即使使用单指数模型也能提升对MASH的诊断效能。DKI获取的MD表示基于水扩散的非高斯形式的校正ADC值,在本研究中随着NAS的增加而上升,对MASH诊断效能优于常规ADC1。LI等[8]的兔模型研究中也表明MD在表征MAFLD肝脏的扩散受限方面比ADC更准确,且MD与NAS的相关系数大于ADC1。分析可能原因为随着MAFLD的进展,细胞内甘油三酯的蓄积、血窦变窄和细胞外炎症限制细胞内外的水分子扩散产生的非高斯分布被DKI识别,而ADC1则难以捕捉到这种偏离正态分布的信息。IVIM中D反映了细胞内外纯扩散信息[25],本研究中IVIM_D在MAFLD肝脏中明显减低,且随NAS的增加而显著减低,与以往的研究结论相符,即肝脏脂肪变性与D降低有关[26]。其原因可能是细胞内脂肪沉积和细胞外基质的炎症限制了水分子扩散[27]。另外,有研究还提出D的降低是由于水峰附近的脂质信号未被DWI序列中使用的传统化学位移依赖性压脂技术所抑制[28]。本研究中SEM_DDC、FROC_D、CTRW_D在MAFL组、MASH组均明显减低,其机制在于MASH肝脏的脂肪变性、炎症浸润导致细胞外间隙受压,水分子扩散受限。ROC分析显示,在区分非MASH与MASH肝脏时,所有多b值模型的扩散系数均表现出相似且优于双b值ADC的诊断效能,提示多b值采样能更精确地拟合信号衰减曲线,更好地捕捉MASH肝脏的水分子扩散特征。FROC_D是反映不受扩散环境影响的“纯”物理性质的扩散系数[15],在本研究所有模型获取的扩散系数中诊断MASH的AUC值最高,分析主要原因为其计算基于非高斯扩散的FROC模型,且D在数学和概念上类似于ADC[29],因此,在不结合其他衍生参数的情况下,可直接且准确反映实际水分子扩散过程。

3.2 多b值DWI定量组织微观结构复杂性和异质性相关参数分析

       本研究MAFL组、MASH组中的DKI_MK较正常组升高,与NAS呈正相关,在诊断MASH的所有模型中具有最高的AUC值,优于传统ADC。这与LI等[8]在兔模型NAFLD评估的研究结果一致,MK值随着NAFLD严重程度增加而上升。其原因可能是在MAFL及MASH肝脏中,脂肪变性、炎症的存在增加了微观结构的复杂度和扩散路径的曲折性,使扩散偏离高斯分布的程度增加,导致DKI_MK增大。SEM_α在本研究的MASH组中低于正常组,表明肝脏组织内水分子在组织中扩散的不均匀程度加剧,可能与脂肪空泡化及炎症灶分布不均相关,然而其无法单独区分MAFL与MASH组,与一些肝纤维化研究中缺乏分级能力的报道相似[21, 30],需进一步研究。FROC_β在本研究中随NAS的增加而减低,符合SHENG等[20]在肝纤维化研究中的发现,β值的降低与组织结构的复杂性增加密切相关,可以更准确地区分简单扩散和复杂扩散。FROC的另一个衍生参数μ是用于评估扩散环境的度量,并且与扩散分子的平均自由长度成反比[29],在本研究中差异无统计学意义,无诊断价值,提示其在评估MAFL及MASH肝脏中的适用性可能有限。CTRW-α代表了由潜在组织结构异质性引起的时间异质性[31, 32],在本研究的MAFL与MASH肝脏中减低,且与NAS呈负相关,原因可能是炎症细胞浸润及细胞外基质的重构增加了扩散环境的不均匀性,从而产生了扩散速率的异质性。LI等[18]在肝细胞癌研究中发现CTRW_α可区分血管包绕型肿瘤,提示其对复杂微环境的高敏感性;JIANG等[21]的肝纤维化研究中CTRW_α与纤维化分期呈显著负相关,验证了其通过捕捉肝脏组织内扩散速率变化以及表征扩散环境异质性定量组织结构变化的可行性。CTRW-β反映了空间扩散异质性,表明扩散在组织内不同区域的变化[17, 32],本研究中虽然CTRW_β随着MAFLD严重程度的增加呈现略有下降的趋势,但差异没有统计学意义,JIANG等[21]也得到了相似的研究结果,可能还需要增大样本量进行更多研究验证。

3.3 多b值DWI定量微循环灌注的参数分析

       本研究由IVIM获取的反映微循环灌注的参数包括D*和f,二者在三组间的差异均无统计学意义,但f与NAS呈正相关,这与TROELSTRA等[27]的研究结果趋势相似。然而,JOO等[14]与LI等[33]的NAFLD兔模型研究发现IVIM_f随着NAFLD严重程度的增加而降低,且具有良好的NAFLD分层效能,与本研究结果相反。分析原因可能为T2的未校正高估了f,正如LEMKE等[34]所报道的f随回波时间的增加而增加。此外,本研究中IVIM_D在MAFL与MASH肝脏中减低,且与NAS呈负相关,与其他模型的扩散系数变化趋势一致,表明在我们的大鼠模型中,IVIM所能表征的MAFL与MASH肝脏中发生的纯水分子扩散受限占主要部分,而血流或微血管的灌注随疾病进展的变化不太显著。

3.4 各扩散模型定量参数诊断效能对比分析

       多b值DWI基于各种扩散模型获取的定量参数均能有效用于MASH诊断,且优于常规双b值获取的ADC值。其中ADC2、DKI_MK和FROC_D的诊断效能最高,AUC值达0.95以上,差异无统计学意义。尽管非高斯模型理论上更贴合生物组织复杂的扩散特性[35, 36],本研究中多b值ADC₂展现出与部分非高斯模型参数相当的效能,原因可能是由于模型的拟合引入了更多更高的b值;MAFL/MASH肝脏的微结构异质性变化程度可能尚不足以显著拉开模型间差距;多b值覆盖更全面的信号衰减范围,提升了单指数模型拟合精度。另外,相对于其他复杂模型,单指数模型具有更高的鲁棒性,对于水分子扩散受限现象的捕捉更为简单直接,受图像伪影影响的程度相较于其他复杂模型较小。因此,只要获取多b值图像,无论采用单指数模型、峰度模型还是FROC模型,均能有效用于MAFLD和MASH的无创诊断,为MAFLD患者疾病进展提供无创新方法。

3.5 局限性

       本研究有一定的局限性。首先,本研究中单纯高脂饮食诱导的大鼠MASH模型未见肝纤维化出现,而人类MASH可能合并不同程度肝纤维化,因此难以完全模拟人类MASH的病理改变;其次,多b值DWI是在自由呼吸状态下进行的,伪影可能影响参数测量的准确性;最后,MASH病理改变包括肝细胞气球样变、点状坏死及炎性细胞浸润,存在异质性。未来研究应扩大样本量并融合血清生化指标及影像组学“生境”分析,从而在多参数、多维度的基础上进一步提升MASH诊断与分层的准确性及稳健性。

4 结论

       本研究中六种扩散模型均可用于MASH诊断,其中单指数模型只要增加b值数量和大小会提升诊断效能。在所有扩散模型中,基于多b值单指数模型ADC值、FROC模型获取的D值和DKI获取的MK值有望成为替代肝活检的无创诊断MASH的最佳参数。

[1]
SANDIREDDY R, SAKTHIVEL S, GUPTA P, et al. Systemic impacts of metabolic dysfunction-associated steatotic liver disease (MASLD) and metabolic dysfunction-associated steatohepatitis (MASH) on heart, muscle, and kidney related diseases[J/OL]. Front Cell Dev Biol, 2024, 12: 1433857 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/39086662/. DOI: 10.3389/fcell.2024.1433857.
[2]
GOFTON C, UPENDRAN Y, ZHENG M H, et al. MAFLD: how is it different from NAFLD [J]. Clin Mol Hepatol, 2023, 29(Suppl): S17-S31. DOI: 10.3350/cmh.2022.0367.
[3]
LEKAKIS V, PAPATHEODORIDIS G V. Natural history of metabolic dysfunction-associated steatotic liver disease[J]. Eur J Intern Med, 2024, 122: 3-10. DOI: 10.1016/j.ejim.2023.11.005.
[4]
APOSTOLO D, FERREIRA L L, VINCENZI F, et al. From MASH to HCC: the role of Gas6/TAM receptors[J/OL]. Front Immunol, 2024, 15: 1332818 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/37940495/. DOI: 10.3389/fimmu.2024.1332818.
[5]
WEI S, WANG L, EVANS P C, et al. NAFLD and NASH: etiology, targets and emerging therapies[J/OL]. Drug Discov Today, 2024, 29(3): 103910 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/38301798/. DOI: 10.1016/j.drudis.2024.103910.
[6]
JARA M, NORLIN J, KJÆR M S, et al. Modulation of metabolic, inflammatory and fibrotic pathways by semaglutide in metabolic dysfunction-associated steatohepatitis[J]. Nat Med, 2025, 31(9): 3128-3140. DOI: 10.1038/s41591-025-03799-0.
[7]
DO A, ZAHRAWI F, MEHAL W Z. Therapeutic landscape of metabolic dysfunction-associated steatohepatitis (MASH)[J]. Nat Rev Drug Discov, 2025, 24(3): 171-189. DOI: 10.1038/s41573-024-01084-2.
[8]
LI C, YE J, PENG Y, et al. Evaluation of diffusion kurtosis imaging in stratification of nonalcoholic fatty liver disease and early diagnosis of nonalcoholic steatohepatitis in a rabbit model[J]. Magn Reson Imaging, 2019, 63: 267-273. DOI: 10.1016/j.mri.2019.08.032.
[9]
SHEKA A C, ADEYI O, THOMPSON J, et al. Nonalcoholic steatohepatitis: a review[J]. JAMA, 2020, 323(12): 1175-1183. DOI: 10.1001/jama.2020.2298.
[10]
ZONCAPÈ M, LIGUORI A, TSOCHATZIS E A. Non-invasive testing and risk-stratification in patients with MASLD[J]. Eur J Intern Med, 2024, 122: 11-19. DOI: 10.1016/j.ejim.2024.01.013.
[11]
NOUREDDIN M, TRUONG E, GORNBEIN J A, et al. MRI-based (MAST) score accurately identifies patients with NASH and significant fibrosis[J]. J Hepatol, 2022, 76(4): 781-787. DOI: 10.1016/j.jhep.2021.11.012.
[12]
LEFEBVRE T, HÉBERT M, BILODEAU L, et al. Intravoxel incoherent motion diffusion-weighted MRI for the characterization of inflammation in chronic liver disease[J]. Eur Radiol, 2021, 31(3): 1347-1358. DOI: 10.1007/s00330-020-07203-y.
[13]
VOLNIANSKY A, LEFEBVRE T L, KULBAY M, et al. Inter-visit and inter-reader reproducibility of multi-parametric diffusion-weighted MR imaging in longitudinally imaged patients with metabolic dysfunction-associated fatty liver disease and healthy volunteers[J/OL]. Magn Reson Imaging, 2024, 113: 110223 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/39181478/. DOI: 10.1016/j.mri.2024.110223.
[14]
JOO I, LEE J M, YOON J H, et al. Nonalcoholic fatty liver disease: intravoxel incoherent motion diffusion-weighted MR imaging-an experimental study in a rabbit model[J]. Radiology, 2014, 270(1): 131-140. DOI: 10.1148/radiol.13122506.
[15]
TIAN L, LIU S B, ZHOU H, et al. DWI-derived sequences: application in the evaluation of liver fibrosis[J/OL]. Curr Med Imag Rev, 2025, 20: e15734056326012 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/39838678/. DOI: 10.2174/0115734056326012241031074233.
[16]
DING Y J, ZHU H Q, LI Y H, et al. Continuous-time random walk and fractional order Calculus models histogram analysis of glioma biomarkers, including IDH1, ATRX, MGMT, and TERT, on differentiation[J]. Quant Imaging Med Surg, 2025, 15(7): 6118-6136. DOI: 10.21037/qims-2024-2725.
[17]
SHENG Y R, CHANG H, XUE K, et al. Characterization of prostatic cancer lesion and gleason grade using a continuous-time random-walk diffusion model at high b-values[J/OL]. Front Oncol, 2024, 14: 1389250 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/38854720/. DOI: 10.3389/fonc.2024.1389250.
[18]
LI C H, WEN Y, XIE J H, et al. Preoperative prediction of VETC in hepatocellular carcinoma using non-Gaussian diffusion-weighted imaging at high b values: a pilot study[J/OL]. Front Oncol, 2023, 13: 1167209 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/37305565/. DOI: 10.3389/fonc.2023.1167209.
[19]
XIE J H, LI C H, CHEN Y D, et al. Potential value of the stretched exponential and fractional order Calculus model in discriminating between hepatocellular carcinoma and intrahepatic cholangiocarcinoma: an animal experiment of orthotopic xenograft nude mice[J/OL]. Curr Med Imaging, 2023 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/36946482/. DOI: 10.2174/1573405619666230322123117.
[20]
SHENG R F, ZHANG Y F, SUN W, et al. Staging chronic hepatitis B related liver fibrosis with a fractional order Calculus diffusion model[J]. Acad Radiol, 2022, 29(7): 951-963. DOI: 10.1016/j.acra.2021.07.005.
[21]
JIANG Y L, LI J, ZHANG P F, et al. Staging liver fibrosis with various diffusion-weighted magnetic resonance imaging models[J]. World J Gastroenterol, 2024, 30(9): 1164-1176. DOI: 10.3748/wjg.v30.i9.1164.
[22]
CHOWDHURY A B, MEHTA K J. Liver biopsy for assessment of chronic liver diseases: a synopsis[J]. Clin Exp Med, 2023, 23(2): 273-285. DOI: 10.1007/s10238-022-00799-z.
[23]
FAN J G, XU X Y, YANG R X, et al. Guideline for the prevention and treatment of metabolic dysfunction-associated fatty liver disease (version 2024)[J]. J Clin Transl Hepatol, 2024, 12(11): 955-974. DOI: 10.14218/JCTH.2024.00311.
[24]
GUO R, LU F, LIN J, et al. Multi-b-value DWI to evaluate the synergistic antiproliferation and anti-heterogeneity effects of bufalin plus sorafenib in an orthotopic HCC model[J/OL]. Eur Radiol Exp, 2024, 8(1): 43 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/38467904/. DOI: 10.1186/s41747-024-00448-y.
[25]
CHAN S W, LIN C A, OUYANG Y C, et al. Characterizing breast tumor heterogeneity through IVIM-DWI parameters and signal decay analysis[J/OL]. Diagnostics (Basel), 2025, 15(12): 1499 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/40564820/. DOI: 10.3390/diagnostics15121499.
[26]
REN H, XU H, YANG D W, et al. Intravoxel incoherent motion assessment of liver fibrosis staging in MASLD[J]. Abdom Radiol (NY), 2024, 49(5): 1411-1418. DOI: 10.1007/s00261-024-04207-w.
[27]
TROELSTRA M A, WITJES J J, VAN DIJK A M, et al. Assessment of imaging modalities against liver biopsy in nonalcoholic fatty liver disease: the Amsterdam NAFLD-NASH cohort[J]. J Magn Reson Imaging, 2021, 54(6): 1937-1949. DOI: 10.1002/jmri.27703.
[28]
MURPHY P, HOOKER J, ANG B, et al. Associations between histologic features of nonalcoholic fatty liver disease (NAFLD) and quantitative diffusion-weighted MRI measurements in adults[J]. J Magn Reson Imaging, 2015, 41(6): 1629-1638. DOI: 10.1002/jmri.24755.
[29]
LI Z H, DAN G Y, TAMMANA V, et al. Predicting the aggressiveness of peripheral zone prostate cancer using a fractional order Calculus diffusion model[J/OL]. Eur J Radiol, 2021, 143: 109913 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/34464907/. DOI: 10.1016/j.ejrad.2021.109913.
[30]
REN H W, LIU Y, LU J, et al. Evaluating the clinical value of MRI multi-model diffusion-weighted imaging on liver fibrosis in chronic hepatitis B patients[J]. Abdom Radiol (NY), 2021, 46(4): 1552-1561. DOI: 10.1007/s00261-020-02806-x.
[31]
HE L T, LI F, QIN Y J, et al. Enhanced preoperative prediction of breast lesion pathology, prognostic biomarkers, and molecular subtypes using multiple models diffusion-weighted MR imaging[J/OL]. Sci Rep, 2025, 15(1): 4704 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/39922806/. DOI: 10.1038/s41598-024-81713-3.
[32]
HUA L, GUO Q Y, TANG Y F, et al. Using non-Gaussian diffusion models to distinguish benign from malignant head and neck lesions[J/OL]. Front Oncol, 2025, 15: 1581637 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/40510142/. DOI: 10.3389/fonc.2025.1581637.
[33]
LI C, YE J, PRINCE M, et al. Comparing mono-exponential, bi-exponential, and stretched-exponential diffusion-weighted MR imaging for stratifying non-alcoholic fatty liver disease in a rabbit model[J]. Eur Radiol, 2020, 30(11): 6022-6032. DOI: 10.1007/s00330-020-07005-2.
[34]
LEMKE A, LAUN F B, SIMON D, et al. An in vivo verification of the intravoxel incoherent motion effect in diffusion-weighted imaging of the abdomen[J]. Magn Reson Med, 2010, 64(6): 1580-1585. DOI: 10.1002/mrm.22565.
[35]
LIU J, HUA L, WANG F, et al. Comparison of four MRI diffusion models to differentiate benign from metastatic retropharyngeal lymph nodes[J/OL]. Eur Radiol Exp, 2025, 9(1): 50 [2025-10-12]. https://pubmed.ncbi.nlm.nih.gov/40358858/. DOI: 10.1186/s41747-025-00590-1.
[36]
STABINSKA J, WITTSACK H J, LERMAN L O, et al. Probing renal microstructure and function with advanced diffusion MRI: concepts, applications, challenges, and future directions[J]. J Magn Reson Imaging, 2024, 60(4): 1259-1277. DOI: 10.1002/jmri.29127.

上一篇 基于元学习的MRI多模态分类模型鉴别伴滑膜炎的骨关节炎与类风湿关节炎
下一篇 基于智能快速磁共振技术重建的扩散加权成像在前列腺癌中的图像质量及定量参数研究
  
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