分享:
分享到微信朋友圈
X
综述
基于非高斯分布模型的扩散加权成像在体部疾病中的应用
王科 潘婷 周欣 吴光耀

王科,潘婷,周欣,等.基于非高斯分布模型的扩散加权成像在体部疾病中的应用.磁共振成像, 2016, 7(1): 71-76. DOI:10.12015/issn.1674-8034.2016.01.014.


[摘要] 常规扩散加权成像(DWI)在超高b值时,单指数模型不再适用,细胞外间隙水分子的扩散偏离高斯分布,需要更复杂的模型来分析这种非高斯扩散。扩散峰度成像(DKI)能描述水分子的这种非高斯扩散行为,得到额外的参数Kapp,Kapp不仅能反映组织细胞界面数,还有反映组织细胞微观结构的异质性和不规则性的潜能。近年来DKI在脑外的研究渐多,尤其是在前列腺,研究显示DKI能提高肿瘤检测和准确分级。放射科医师对DKI模型及其参数的准确理解,有助于评估肿瘤环境、肿瘤分型以及治疗反应。作者旨在综述体部非高斯扩散模型DKI的基本原理、生物学相关性、技术要点及在体部中的临床应用。
[Abstract] When perform diffusion-weighted imaging (DWI) at ultrahigh b-value, the standard monoexponential model analysis may not be suitable. Water molecules diffusion behaviors in the extracellular space away from Gaussian distribution, thus it is requiring a more sophisticated model for analysis the non-Gaussian behaviors of water. Diffusional kurtosis imaging (DKI) can describe this non-Gaussian diffusion effects of water and provide an additional parameter Kapp, which presumably reflects heterogeneity and irregularity of cellular microstructure, as well as the amount of interfaces within cellular tissue. A few studies have explored DKI outside the brain in rencent years. The most investigated organ is the prostate. Studies have shown that DKI can improve tumor detection and grading. A robust understanding of DKI is necessary for radiologists to better understand the meaning of DKI parameters in the context of different tumors and how these parameters vary between tumor types and in response to treatment. This article reviewed the basic principle, biological correlation, technique highlights and the clinical application in the body of DKI.
[关键词] 非高斯分布;弥散磁共振成像;弥散峰度成像;人体
[Keywords] Non-Gaussian;Diffusion magnetic resonance imaging;Diffusional kurtosis imaging;Human Body

王科 武汉大学中南医院MR室,武汉 430071

潘婷 武汉大学中南医院MR室,武汉 430071

周欣 中国科学院武汉物理与数学研究所,武汉磁共振中心,波谱与原子分子物理国家重点实验室,中国科学院生物磁共振分析重点实验室,湖北 430071

吴光耀* 武汉大学中南医院MR室,武汉 430071

通讯作者:吴光耀,E-mail:wuguangy2002@163.com


基金项目: 国家自然科学基金 编号:81171315,81227902
收稿日期:2015-10-31
接受日期:2015-11-24
中图分类号:R445.2 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2016.01.014
王科,潘婷,周欣,等.基于非高斯分布模型的扩散加权成像在体部疾病中的应用.磁共振成像, 2016, 7(1): 71-76. DOI:10.12015/issn.1674-8034.2016.01.014.

       扩散加权成像(diffusion weighted imaging,DWI)是目前惟一无创伤性评估活体组织水分子扩散运动的方法,多运用在中枢神经系统,DWI也能应用在体部,已成为体部MRI强有力工具。DWI通过不同扩散敏感梯度(b)采集相同组织系列图像,受扩散敏感梯度场强、梯度作用时间和间隔时间等因素影响,能计算参数图和定量评估组织内水分子扩散行为。临床上体部DWI常用b值为800~1000 s/mm2,ADC值的测量基于单指数拟合[1],为了简化,这一模型假定水分子的扩散呈高斯(Gaussion)分布,随着b值的升高,信号强度(signal intensity, Si)呈指数形式衰减。

       过去由于MR设备的限制,在b值过高时DWI图像信噪比较低,磁敏感伪影明显。随着技术进展,DWI在超高b值(b> 1000 s/mm2)时也能获得较好的信噪比[1,2],但此时对信号强度用单指数模型拟合时,拟合曲线在b值大于1000 s/mm2后发生偏移,提示扩散呈非高斯分布,单指数模型在此时可能并不适用,需要更复杂的模型来分析。其中一种模型称为扩散峰度成像(diffusional kurtosis imaging,DKI)。2005年Jensen等[2]首先描述了DKI方法。在过去十年DKI大多应用在中枢神经系统,最近有研究脑外器官的报道,如前列腺DKI能提高前列腺癌诊断率和提供分级信息等[3,4,5]。笔者旨在综述非高斯扩散模型DKI基本原理、生物学相关性、技术要点及在体部疾病中的应用。

1 DKI基本原理

       研究表明,b值>1000 s/mm2时DWI对肿瘤病变显示更明显,有提高其对比噪声比潜在价值[6,7]。超高b值DWI显著抑制背景信号,突显肿瘤病变。但这些研究后处理是基于单指数模型拟合得到ADC图,仅能解释水分子扩散单指数模型行为,即自由扩散假设[8,9]。单指数模型是对Si自然对数线性拟合,斜率为表观扩散系数(apparent diffusion coefficient, ADC),强调不是真实扩散。单指数模型ADC值来自方程Si= S0 × e(-bi×ADC) (Si是b值在bi时的信号强度,S0是b值为0时的信号强度),该方程忽略了噪声对信号强度的贡献。最大b值在600~1000 s/mm2时,Si对数衰减曲线呈线性,然而,当b值继续升高时,Si对数衰减曲线不再呈线性关系,而明显弯曲,与单指数模型拟合曲线有明显偏差,提示水扩散行为偏离高斯分布,需要非高斯模型替换[10]

       DKI在分析水分子非高斯扩散行为时依据多项式模型(polynomial model),该模型来自方程:。相比较单指数模型,S0是已知时,该方程产生2个变量(Dapp和Kapp),参数Kapp是表观扩散峰度(apparent diffusional kurtosis),Dapp是水分子非高斯扩散行为被校正后的表观扩散系数。基于直方图描述,非高斯模型较单指数模型有较大峰度值,显示更尖的峰。Kapp反映更尖峰的组织扩散,是通过Si衰减曲线偏离单指数模型拟合曲线图决定的,而Dapp是Si衰减曲线斜率决定的。超高b值DKI模型不仅可能较好反应组织内水分子扩散行为,还能提供额外参数Kapp,包含非高斯扩散特异性信息,有获得组织学微观特征信息的潜能[11]

2 DKI生物学相关性

       DKI参数Kapp是一个现象学参数,在高b值时通过拟合Si衰减图上获得(但b值低于2500~3000 s/mm2)。Kapp没有直接的生物物理学基础,与ADC值相似,是表观参数,仅仅与一些生物物理学因素间接相关,如细胞外水分子运动的空间结构等。研究已经证明,在b值<1000 s/mm2时,组织的ADC值与细胞外间隙相关,反应细胞外间隙水分子扩散受阻程度,它主要受组织微观结构特性影响,如脉管、导管和细胞外空间弯曲度等[12,13,14]。因此,细胞排列、大小分布、细胞密度和细胞外空间的黏滞度、腺体结构和细胞膜完整性等诸多因素均会调节细胞外空间水分子运动。细胞膜增加、细胞膜疏水效应限制细胞外水分子的运动,将会使ADC值降低。水分子扩散受阻程度与细胞大小的一致性分布相关,但并非所有组织细胞成分增加均与ADC值呈负相关,如骨髓内较小尺寸造血细胞与较大脂肪细胞混合,细胞外微观结构变得复杂,其ADC值首先是增加而不是降低[15],提示ADC值与细胞结构的相关性缺乏特异性。

       Le Bihan[16]认为在纳米水平水并非是均匀物质,它具有有极性特征,在生物体内不同程度的氢键使水分子结合形成网簇状。在带电荷物质如极化细胞、细胞器膜或蛋白子分子表面,液态水分子可能呈三维排列。水分子广泛自我联系,导致水分子成层状,阻碍水分子运动,这些因素综合作用,反映了水分子的非高斯扩散。峰度测量对细胞和组织内成分与水分子相互作用有较大的潜在的特异性。有报道为了观察扩散信号强度对细胞内结构的敏感性,合成肿瘤细胞环境,发现在超高b值下,细胞核变大,ADC值降低,细胞核变小,ADC值升高,反映了水分子扩散与细胞内结构的相互作用[17];前列腺癌DKI研究也支持这种相关性[11]。然而,完全理解非高斯模型仍较困难,包括其它非细胞因素的影响和准确Kapp测量等。

3 体部DKI技术要点

3.1 数据采集

       DKI是超高b值下标准DWI序列,根据DKI公式[1],至少需要三个不同的b值才能计算得到Kapp值。实践中建议采集多于3个b值,其中至少包括高于和低于1000 s/mm2的b值各一个,这样能较好的拟合信号衰减曲线。如果最大b值不是足够的高,Si衰减图的偏离将存在缺陷,不会获得明显的非高斯扩散,测量值可能不准确。在脑组织DKI超高b值范围在2000~3000 s/mm2

       相比于脑组织,体部DWI随着b值增加信号衰减更快速。除了体部T2衰减较快速外,体线圈比头线圈缺乏较好的信号接收性能。因此,体部DKI最佳的最大b值比脑部的低,多在1500~2000 s/mm2范围[4,5,6,7,8,9,10,11,12,13,14,15,16,17,18]。DKI最小b值选择还应该考虑体素内不相干运动(introvoxel incoherent motion,IVIM)效应影响,尤其在低b值(低于400 s/mm2)。尽管低b值理论上离DKI超高b值很远,采集多个低b值像,还能做IVIM评估。但原则上DKI不需要如此,b值为0是可行的,选择较高的小b值≥200 s/mm2,可减轻毛细血管灌注效应对Si测量的影响。否则在拟合的曲线部分信号分配会不正确,同时包括IVIM和kurtosis效应,模型参数评估会发生错误。

       再者,为了准确计算DKI参数,关键是需要采集高信噪比(signal to noise,SNR)的高b值图像,否则SI衰减图将受"本底噪声"(nosie floor)的影响。伪影将影响SI信号衰减图的曲率,Kapp产生偏倚,而噪声取决组织自身扩散特性。适当SNR其Kapp的评估会在一合理区间(如高级别前列腺癌),不适当SNR导致Kapp偏倚。体部高b值成像要始终如一获得高SNR图像是具有挑战性的,因为不仅体部信号衰减快速,还需应用较快速采集序列来补偿呼吸和其他运动伪影;有时需降低空间分辨率来增加信号平均次数,提高SNR。TE减少也有助于SNR提高,较短TE能获得较好分辨率,提高SNR和减少采集时间。3.0 T也较1.5 T MR仪明显提高SNR。即使这样,SNR可能仍然不够,噪声效应校正仍是个难题。

       但DKI序列的b值数目也不是越多越好,b值数目增加将会增加采集时间,同样运动伪影也可能增加,使DKI序列难以在临床上推广。合适数量的b值包括高b值(500~1000 s/mm2)和超高b值(1500~2000 s/mm2)已经足以较好地拟合出信号衰减曲线。有研究报道在中枢神经系统DKI多个方向采集可评估扩散张量,描述为扩散峰度张量成像(DKTI)[19],此时DKI的b值方向至少加至15个,能同时评估水分子扩散和峰度的各向异性。对于体部肿瘤,勿需采集多方向,采用常规DWI序列,所以仅需采集三个b值方向(相位编码、读出编码以及层面选择方向)。扩散间隔时间(delay time, DT),即两扩散编码梯度场的间隔时间,也会影响Kapp的评估。建议使用短扩散间隔时间,增加Kapp敏感性,当DT较小时,Kapp随DT的升高而增加,当DT增加到一个中间值,Kapp将达到峰值;随后随着DT增加,Kapp减少,最终接近0。相比较Dapp对DT敏感性降低。较短DT可通过单极扩散编码方案和增强梯度爬升时间来实现。

3.2 图像处理

       DKI使用标准DWI序列,目前设备尚不能常规提供在线的DKI处理。DKI分析应该至少提供Dapp和Kapp两个参数图。Dapp类似大家熟知ADC值,在限制性扩散时降低,能更精确测量组织扩散,反映校正后非高斯扩散行为。Kapp等于0时符合高斯扩散分布,正常生物组织Kapp在0~1之间,有报道治疗后肿瘤坏死区Kapp降低[20]。后处理软件需提供Kapp上限值,超过上限值,提示运动、噪声或其他伪影影响。Dapp减少时,相关Kapp升高,Kapp参数图类似反转Dapp图。有时需更加精确定量分析Dapp和Kapp值,去鉴别组织病理情况。如黏滞或浑浊的液体,Dapp减少时,没有Kapp升高[21]

       DKI超高b值(>1000 s/mm2)不再适用单指数模型,评估ADC将可能不正确或没有意义。在b值<1000 s/mm2采集时,DKI模型也不适用。尽管DKI软件能数学模拟任何范围b值,并可输出Dapp和Kapp图,但缺乏逻辑基础。DKI模型拟合扩散信号衰减的b值不应超过2500~3000 s/mm2,在过高b值,并非物理模型的非高斯数学模型开始失效,在体部DKI应用b值范围不能超过这一上限。DKI后处理需要高SNR图像,DKI在差SNR图像也能产生Dapp和Kapp参数图,但数据被图像噪声影响,获得的结果不一定准确[10]

4 DKI在体部的临床应用

       在体部前列腺DKI研究报道略多,前列腺癌超高b值DKI已写进前列腺癌PI-RADS v.2.0 (prosta te imaging and reporting and data system)指南,成为常规序列。常规DWI (b≤1000 s/mm2)、DCE MRI (dynamic contrast enhancement,DCE)和T2WI也可评估前列腺癌[22,23,24]。有研究b值>1000 s/mm2单指数模型DWI能提高前列腺癌诊断率,可能与前列腺良性组织背景抑制有关,提示超高b值DWI部分优势,病变对比噪声比改善;许多研究表明DKI的Kapp、Dapp等扩散参数价值在于显示前列腺良性和恶性组织,外周带前列腺癌组织Kapp升高,良性组织Kapp较低;Dapp反之亦然。DKI能提高良性和恶性前列腺组织鉴别能力,区分低级别和高级别肿瘤[3,4,5, 25]。但Roethke等[26]研究却显示DKI虽能明显提高外周带前列腺癌检测价值,但与标准DWI单指数模型ADC值测量比较,对于前列腺癌检测和分级没有显著差别,这可能与不同前列腺组织间DKI参数和ADC值重叠、DKI和ADC均不能单独评估肿瘤进展有关。

       有研究表明,DKI应用b值在1500 s/mm2时对于头和颈部癌症病灶显示较好,DKI可以获得更多信息[27,28]。还有研究显示新辅助化疗鼻咽癌病人应用b值1500 s/mm2 DKI和单指数DWI均能较敏感预测病变对治疗反应,先于鼻咽癌形态学的变化,DKI优于单指数拟合DWI对于鼻咽癌新辅助化疗早期反应的预测[29]。有报道乳腺疾病DKI最大b值2000~3000 s/mm2,能显示非高斯水分子扩散行为,Dapp和Kapp能鉴别良性和恶性乳腺组织,纤维腺瘤和纤维囊性病变仅显示Kapp改变[30,31]。有研究报道DKI在肺部超极化3He成像中,小气道疾病患者的3He扩散峰度改变,但ADC值改变不明显[32]。另有研究报道非小细胞肺癌Kapp与18F-FDG PET/MRI标准吸收值显著相关[33]

       有研究报道,富血管性肝癌DKI最大b值2000 s/mm2时发现Kapp较高,比ADC更好评估治疗后病变活性[20]。离体研究鼠肝纤维化模型[33]发现DKI比单指数拟合模型能更好显示病变。离体肝癌研究证实,肝外种植人肝癌细胞时病变Kapp与肿瘤细胞密度呈正相关,治疗后病变坏死区Kapp减少[34]。有2两篇论文报道应用DKI研究正常肾组织,其中一文报道肾髓质有较高Kapp,而另一报道肾皮质有较高Kapp[12, 35]。不过,这些研究最大b值太低,在600~1000 s/mm2,难支持DKI在肾脏应用结论。还有研究显示DKI在膀胱癌显示较高的Kapp,Kapp值在高级别膀胱平均值是0.82,在低级别膀胱癌平均值是0.6;可用于鉴别低级别和高级别膀胱癌,评估组织学分级[36]

       总之,相比于单指数模型DWI及ADC评估细胞外间隙水扩散行为,DKI能探测生物组织环境内水分子非高斯扩散,提供额外参数Kapp。Kapp不仅能反映组织细胞界面数,还有反映细胞微观结构的异质性和不规则性的潜能。尽管DKI采集应用的是标准DWI序列,但需结合高b值,方能检测水分子运动非高斯分布,需要专用后处理软件,分析和产生DKI参数图。建议体部DKI应用最大b值1500~2000 s/mm2,低于脑部DKI典型应用的最大b值。DKI不仅能获得Kapp和Dapp参数图,还能定量分析Kapp和Dapp值。治疗有效会使细胞周围环境复杂程度减低,Kapp值减低,Dapp值升高,因此,DKI能用于监测药物疗效,Kapp和Dapp可能作为药物疗效评价的生物标记物,成为多参数成像评估的重要组成部分。但迄今为止,DKI大多仍作为研究工具,需要建立DKI质量控制标准,提高测量的可重复性,理解测量误差来源,加强DKI和ADC方法的多中心研究,用大量数据来评价DKI改变是否可作为组织病理学和分子病理学及其它实验的生物标记物,反映临床前期和临床期的活动。

[1]
Le Bihan D. Apparent diffusion coefficient and beyond: what diffusion MR imaging can tell us about tissue structure. Radiology, 2013, 2(268): 318-322.
[2]
Jensen JH, Helpern JA, Ramani A, et al. Diffusional kurtosis imaging: The quantification of non-gaussian water diffusion by means of magnetic resonance imaging. Magn Reson Med, 2005, 53(6): 1432-1440.
[3]
Suo S, Chen X, Wu L, et al. Non-Gaussian water diffusion kurtosis imaging of prostate cancer. Magn Reson Imaging, 2014, 32(5): 421-427.
[4]
Quentin M, Pentang G, Schimmöller L, et al. Feasibility of diffusional kurtosis tensor imaging in prostate MRI for the assessment of prostate cancer: preliminary results. Magn Reson Imaging, 2014, 32(7): 880-885.
[5]
Rosenkrantz AB, Sigmund EE, Johnson G, et al. Prostate cancer: feasibility and preliminary experience of a diffusional kurtosis model for detection and assessment of aggressiveness of peripheral zone cancer. Radiology, 2012, 1(264): 126-135.
[6]
Metens T, Miranda D, Absil J, et al. What is the optimal b value in diffusion-weighted MR imaging to depict prostate cancer at 3 T? Eur Radiol, 2012, 22(3): 703-709.
[7]
Kim CK, Park BK, Kim B. High-b-value diffusion-weighted imaging at 3 T to detect prostate cancer: comparisons between b values of 1000 and 2000 s/mm2. AJR Am J Roentgenol, 2010, 1(194): 33-37.
[8]
Ahn SJ, Choi SH, Kim Y, et al. Histogram analysis of apparent diffusion coefficient map of standard and high b-value diffusion MR imaging in head and neck squamous cell carcinoma. Acad Radiol, 2012, 19(10): 1233-1240.
[9]
Tamada T, Kanomata N, Sone T, et al. High b value (2,000 s/mm2) diffusion-weighted magnetic resonance imaging in prostate cancer at 3 tesla: comparison with 1,000 s/mm2 for tumor conspicuity and discrimination of aggressiveness. PLoS One, 2014, 5(9): e96619.
[10]
Wu EX, Cheung MM. MR diffusion kurtosis imaging for neural tissue characterization. NMR Biomed, 2010, 23(7): 836-848.
[11]
Filli L, Wurnig M, Nanz D, et al. Whole-body diffusion kurtosis imaging: initial experience on non-Gaussian diffusion in various organs. Invest Radiol,2014, 49(12): 773-778.
[12]
Huang Y, Chen X, Zhang Z, et al. MRI quantification of non-Gaussian water diffusion in normal human kidney: a diffusional kurtosis imaging study. NMR Biomed, 2015, 28(2): 154-161.
[13]
Wang HJ, Pui MH, Guo Y, et al. Multiparametric 3-T MRI for differentiating low-versus high-grade and category T1 versus T2 bladder urothelial carcinoma. AJR Am J Roentgenol, 2015, 2(204): 330-334.
[14]
Gupta N, Sureka B, Kumar MM, et al. Comparison of dynamic contrast-enhanced and diffusion weighted magnetic resonance image in staging and grading of carcinoma bladder with histopathological correlation. Urology Annals, 2015, 7(2): 199.
[15]
Nonomura Y, Yasumoto M, Yoshimura K, et al. Relationship between bone marrow cellularity and apparent diffusion coefficient. J Magn Reson Imaging, 2001, 5(13): 757-760.
[16]
Le Bihan D. The 'wet mind' : water and functional neuroimaging. Phys Med Biol, 2007, 52(7): R57-R90.
[17]
White NS, Dale AM. Distinct effects of nuclear volume fraction and cell diameter on high b-value diffusion MRI contrast in tumors. Magn Reson Med, 2014, 72(5): 1435-1443.
[18]
Anderson SW, Barry B, Soto J, et al. Characterizing non-gaussian, high b-value diffusion in liver fibrosis: Stretched exponential and diffusional kurtosis modeling. J Magn Reson Imaging, 2014, 39(4): 827-834.
[19]
Veraart J, Poot DH, Van Hecke W, et al. More accurate estimation of diffusion tensor parameters using diffusion kurtosis imaging. Magn Reson Med, 2011, 65(1): 138-145.
[20]
Goshima S, Kanematsu M, Noda Y, et al. Diffusion kurtosis imaging to assess response to treatment in hypervascular hepatocellular carcinoma. AJR Am J Roentgenol, 2015, 5(204): 543-549.
[21]
Jensen JH, Helpern JA. MRI quantification of non-Gaussian water diffusion by kurtosis analysis. NMR Biomed, 2010, 23(7): 698-710.
[22]
Xu Y, Leng XM, Zheng Y, et al. Quantitative diagnostic value of 3.0 T dynamic contrast-enhanced MRI in different diagnosis of prostate cancer and hyperplasia. Chin J Magn Reson Imaging, 2015, 6(8): 608-612.
徐嬿, 冷晓明, 郑芸, 等. 3.0 T DCE-MRI定量分析在前列腺癌与增生鉴别诊断中的应用价值. 磁共振成像, 2015, 6(8): 608-612.
[23]
Wan HY, Bi YQ, Yi Y, et al. Investigation of prostate cancer using intravoxel incoherent motion MR imaging. Chin J Magn Reson Imaging, 2015, 6(6): 445-449.
万红燕, 毕芸祺, 衣岩, 等. 基于体素内不相干运动的MR扩散加权成像对前列腺癌诊断价值的初步研究.磁共振成像, 2015, 6(6): 445-449.
[24]
Min XD, Wang L, Feng ZY, et al. Evaluation of T2WI and readout-segmented echo-planar imaging in diagnosing early prostate cancers: a study based on PI-RADS system. Chin J Magn Reson Imaging, 2015, 6(4): 294-298.
闵祥德, 王良, 冯朝燕, 等. 基于前列腺影像报告和数据系统评估T2WI联合分段读出弥散加权成像诊断早期前列腺癌的价值. 磁共振成像, 2015, 6(4): 294-298.
[25]
Quentin M, Blondin D, Klasen J, et al. Comparison of different mathematical models of diffusion-weighted prostate MR imaging. Magn Reson Imaging, 2012, 30(10): 1468-1474.
[26]
Roethke MC, Kuder TA, Kuru TH, et al. Evaluation of diffusion kurtosis imaging versus standard diffusion imaging for detection and grading of peripheral zone prostate cancer. Invest Radiol, 2015, 50(8): 483-489.
[27]
Lu Y, Jansen JF, Mazaheri Y, et al. Extension of the intravoxel incoherent motion model to non-gaussian diffusion in head and neck cancer. J Magn Reson Imaging, 2012, 36(5): 1088-1096.
[28]
Yuan J, Waiyeung DK, Mok GS, et al. Non-Gaussian analysis of diffusion weighted imaging in head and neck at 3 T: a pilot study in patients with nasopharyngeal carcinoma. PLoS One, 2015, 5(42): e87024.
[29]
Chen Y, Ren W, Zheng D, et al. Diffusion kurtosis imaging predicts neoadjuvant chemotherapy responses within 4 days in advanced nasopharyngeal carcinoma patients. J Magn Reson Imaging, 2015, 5(42): 1354-1361.
[30]
Nogueira L, Brandão S, Matos E, et al. Application of the diffusion kurtosis model for the study of breast lesions. Eur Radiol, 2014, 24(6): 1197-1203.
[31]
Wu D, Li G, Zhang G, et al. Characterization of breast tumors using diffusion kurtosis imaging (DKI). PLoS One, 2014, 11(9): e113240.
[32]
Trampel R, Jensen JH, Lee RF, et al. Diffusional kurtosis imaging in the lung using hyperpolarized 3 He. Magn Reson Med, 2006, 56(4): 733-737.
[33]
Heusch P, Köhler J, Wittsack H, et al. Hybrid [18F]-FDG PET/MRI including non-Gaussian diffusion-weighted imaging (DWI): preliminary results in non-small cell lung cancer (NSCLC). Eur J Radiol, 2013, 82(11): 2055-2060.
[34]
Rosenkrantz AB, Sigmund EE, Winnick A, et al. Assessment of hepatocellular carcinoma using apparent diffusion coefficient and diffusion kurtosis indices: preliminary experience in fresh liver explants. Magn Reson Imaging, 2012, 30(10): 1534-1540.
[35]
Pentang G, Lanzman RS, Heusch P, et al. Diffusion kurtosis imaging of the human kidney: a feasibility study. Magn Reson Imaging, 2014, 32(5): 413-420.
[36]
Suo S, Chen X, Ji X, et al. Investigation of the non-Gaussian water diffusion properties in bladder cancer using diffusion kurtosis imaging: a preliminary study. J Comput Assist Tomogr, 2015, 2(39): 281-285.

上一篇 伴发原始三叉动脉及动脉瘤的阿尔茨海默病一例
下一篇 双相情感障碍的静息态功能MRI研究进展
  
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