分享:
分享到微信朋友圈
X
经验交流
磁共振扩散峰度成像预测急性脑梗死预后的初步研究
陈芳 杨永贵 郭岗

陈芳,杨永贵,郭岗.磁共振扩散峰度成像预测急性脑梗死预后的初步研究.磁共振成像, 2018, 9(2): 127-132. DOI:10.12015/issn.1674-8034.2018.02.010.


[摘要] 目的 探讨磁共振扩散峰度成像(diffusion kurtosis imaging,DKI)相比于扩散加权成像(diffusion weighted imaging,DWI)及扩散张量成像(diffusion tensor imaging,DTI)在预测急性脑梗死预后的优势。材料与方法 选取我院1例女性急性脑梗死患者,患者首次检查共发现9个急性脑梗死病灶,分别测量病灶的体积、表观扩散系数(apparent diffusion coefficient,ADC)及DKI各参数值。12 d后对该患者进行复查,发现9个病灶体积变化不同,将体积变小的4个病灶归为第1组,体积变大的5个病灶归为第2组。分析两组病灶首次检查的ADC值及DKI参数值的差异性,并且对9个不同病灶首次检查的ADC值及DKI参数值与两次检查病灶体积变化的相关性进行分析。结果 9个病灶首次检查的平均扩散峰度(mean kurtosis,MK)、轴向峰度(axial kurtosis,Ka)、径向峰度(radical kurtosis,Kr)、△MK及△Ka与病灶体积变化呈正相关,相关系数r分别为0.791、0.805、0.732、0.802及0.855,相关性强。两组病灶的△MK值差异有统计学意义(P < 0.05),△ADC值及其他DKI参数值差异均无统计学意义(P>0.05)。结论 研究表明,急性脑梗死病灶的DKI参数值(MK、Ka及Kr)高可能预示着病灶的预后较差,可为临床治疗及预后评估提供指导性意见。
[Abstract] Objective: This paper aims to research the greater advantage of diffusion kurtosis imaging (DKI) in predicting the prognosis of the brain acute stroke than diffusion weighted imaging (DWI) and diffusion tensor imaging (DTI).Materials and Methods: We chose a female patient who has 9 acute stroke lesions in brain. We measured the DWI, DKI parameters and volume of 9 lesions. We found that the prognosis of 9 lesions was diverse in the re-examination after 12 days. Four lesions which volume decreased were divided into group 1, and five lesions which volume increased were divided into group 2. The difference of DWI and DKI parameters between two groups was assessed by independent-samples t test. The correlation between DWI, DKI parameters and volume change before and after treatment was assessed by Pearson correlation coefficients.Results: It shows that mean kurtosis (MK), axial kurtosis (Ka), radical kurtosis (Kr), △MK and △Ka have strong correlation with the volume change before and after treatment, the correlation coefficients are 0.791, 0.805, 0.732, 0.802 and 0.855. △MK is significant difference (P<0.05) between two groups of lesions. △ADC and other DKI parameters are not significant difference (P>0.05) between two groups.Conclusions: The result indicates that the larger of the DKI parameters (MK, Ka, Kr) may predict the worse prognosis. DKI may provide guidance to clinical treatment and assessment in brain acute stroke.
[关键词] 扩散峰度成像;卒中;扩散加权成像;扩散张量成像;磁共振成像;预后
[Keywords] Diffusion Kurtosis imaging;Stroke;Diffusion weighted imaging;Diffusion tensor imaging;Magnetic resonance imaging;Prognosis

陈芳 厦门市第二医院放射影像科,厦门 361021

杨永贵 厦门市第二医院放射影像科,厦门 361021

郭岗* 厦门市第二医院放射影像科,厦门 361021

通讯作者:郭岗,E-mail:guogangxm@163.com


基金项目: 厦门市科技局科技计划项目 编号:3502Z20144050 厦门市重要重大疾病联合攻关项目 编号:3502Z20149032
收稿日期:2017-08-18
接受日期:2017-11-27
中图分类号:R445.2; R743.3 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2018.02.010
陈芳,杨永贵,郭岗.磁共振扩散峰度成像预测急性脑梗死预后的初步研究.磁共振成像, 2018, 9(2): 127-132. DOI:10.12015/issn.1674-8034.2018.02.010.

       脑卒中是一种急性脑血管疾病,包括缺血性和出血性卒中。缺血性脑卒中又称脑梗死,具有发病率高、病死率高、致残率高和复发率高等特点,严重危害人类健康和患者的生存质量。早诊断、早治疗对预后发挥重要作用。在医学影像方面,磁共振成像(magnetic resonance imaging,MRI)检查技术的多种序列尤其是扩散加权成像(diffusion weighted imaging,DWI)、扩散张量成像(diffusion tensor imaging,DTI)及扩散峰度成像(diffusion kurtosis imaging,DKI)对脑梗死的研究表现出了极大的优势[1,2,3]

       本文通过分析急性脑梗死病灶的DWI及DKI参数(包括DTI及DKI参数)与两次检查病灶体积变化的相关性,旨在研究DKI相比于DWI及DTI在预测脑梗死病灶的转归及预后方面是否存在优势,从而寻找预测急性脑梗死预后的最佳方法,为临床治疗、评估提供指导作用。

1 材料与方法

1.1 病例资料

       分析我院1例65岁女性脑梗死患者,患者于2014年1月6日首次进行颅脑核磁共振检查,共发现9个急性脑梗死病灶。住院期间采用氢氯吡格雷进行抗血小板聚集治疗。患者于2014年1月18日再次复查颅脑核磁共振,扫描序列与第一次检查相同,观察两次检查各病灶体积的变化情况。选取1例年龄相仿的无神经系统疾病史的正常女性患者作为对照组。

1.2 扫描参数

       采用GE 1.5 T核磁共振,8通道头颅线圈。扫描序列包括:T1加权成像(T1 weighted image,T1WI)、T2加权成像(T2 weighted image,T2WI)、T2加权液体衰减反转恢复(T2 fluid attenuated inversion recovery,T2 FLAIR)成像、DWI及DKI。DWI序列b值为1000 s/mm2。DKI序列扫描参数如下:TR=6000 ms,TE为最小值,层厚5 mm,层间距1.5 mm,视野(field of view,FOV)为240 mm × 240 mm,矩阵为96 × 130,层数19,扩散方向15,b=0、1000、2000 s/mm2,扫描时间接近6 min 18 s。

1.3 图像及数据后处理

       将DWI原始图像采用GE后处理工作站(ADW4.3)进行后处理得到表观扩散系数(apparent diffusion coefficient,ADC)图。我院两位高年资的放射科医生根据DWI图像及ADC图选取9个脑梗死病灶,选择标准为:病灶DWI上呈高信号,相应区域ADC值降低。结合常规MR检查T1、T2及T2 FLAIR序列,在DWI图像上勾画前后两次检查9个病灶的范围,并分别计算其体积Volumepre、Volumepost。根据梗死体积=异常区域的所有层面面积之和×(层厚+层间距),计算Volumepre、Volumepost。根据病灶体积的变化将病灶分为两组,其中复查体积减小的病灶归为第1组,复查体积增大的病灶归为第2组。

       使用GE公司提供的DKI后处理软件对DKI图像进行后处理,测量部分各向异性分数(fractional anisotropy,FA)、平均扩散系数(mean diffusivity,MD)、轴向扩散张量(axial diffusivity,Da)、垂直扩散张量(radial diffusivity,Dr)、平均扩散峰度(mean kurtosis,MK)、轴向峰度(axial kurtosis,Ka)及径向峰度(radical kurtosis,Kr)7个参数值。在DWI图像上,选取病灶最大层面勾画感兴趣区域(region of interest,ROI),测量病灶的ADC值。由于病灶在DKI各参数图上范围不同,因此在各参数图上分别选取病灶最大层面勾画ROI,测量病灶的FA、MD、Da、Dr、MK、Ka及Kr值。在对照组的DKI参数图上相同位置勾画形状大小尽量相同的ROI,测量FAnormal、MDnormal、Danormal、Drnormal、MKnormal、Kanormal和Krnormal。病灶与对应正常组织的DKI参数值相减得到△FA、△MD、△Da、△Dr、△MK、△Ka及△Kr值。

1.4 统计学方法

       采用SPSS 13.0软件包进行统计学分析。对9个病灶测量的所有DWI、DKI参数值及病灶体积变化值进行正态性检验,结果表明均符合正态分布,可以进行独立样本t检验及Pearson相关性分析。首次检查病灶的DWI及DKI各参数值(FA、MD、Da、Dr、MK、Ka、Kr、△FA、△MD、△Da、△Dr、△MK、△Ka、△Kr)与前后两次检查病灶体积差的相关性采用Pearson相关性分析。第1组病灶(复查体积减小)和第2组病灶(复查体积增大)首次检查的DWI及DKI各参数值采用独立样本t检验进行比较。P<0.05为差异有统计学意义。

2 结果

2.1 影像表现

       该患者的9个脑梗死病灶中,2个病灶(r1、r3)位于右侧顶叶,2个病灶(r4、r5)位于左侧顶叶,2个病灶(r2、r8)位于右侧额叶,1个病灶(r9)位于左侧额叶,1个病灶(r6)位于左侧枕叶,1个病灶(r7)位于右侧枕叶。第1组病灶中,r1、r4、r5及r7于12 d后复查,病灶体积减小,其中r5病灶体积略微减小,r7病灶复查时基本消失。第2组病灶中,r2、r3、r6、r8及r9于12 d后复查,病灶体积增大,其中r3病灶体积略微增大,r8、r9病灶体积明显增大。见图1图2

图1  9个病灶首次检查DWI及DKI各参数图像
图2  9个病灶前后两次检查病灶体积变化情况
Fig.1  The images of DWI and DKI pretherapeutic parameters of 9 lesions.
Fig.2  The volume change of 9 lesions before and after treatment.

2.2 病灶DWI及DKI参数图及测量值

       测量两组病灶首次检查各病灶的ADC值及DKI各参数值(FA、MD、Da、Dr、MK、Ka、Kr、△FA、△MD、△Da、△Dr、△MK、△Ka、△Kr),测量数据详见表1。分别测量首次检查及复查时9个病灶的体积Volumepre、Volumepost,根据公式Volume change (%)=(Volumepost-Volumepre)×100/Volumepre计算两次检查病灶的体积变化,测量数据详见表1

表1  9个病灶首次检查的参数值及前后两次检查病灶的体积值
Tab. 1  The pretherapeutic parameters of lesions and volume of lesions before and after treatment
续表1  9个病灶首次检查的参数值及前后两次检查病灶的体积值
Tab. 1  (Cont) The pretherapeutic parameters of lesions and volume of lesions before and after treatment

2.3 两组病灶首次检查DKI各参数值的差异性分析

       将第1组病灶(治疗后体积减小,r1、r4、r5及r7)及第2组病灶(治疗后体积增大,r2、r3、r6、r8及r9)首次检查的ADC值及DKI各参数值(△FA、△MD、△Da、△Dr、△MK、△Ka、△Kr)分别进行独立样本t检验,结果发现两组病灶的△MK值差异有统计学意义(P<0.05),其他参数值差异均无统计学意义(P>0.05)。差异性分析结果详见表2

表2  两组病灶首次检查各参数值的差异性分析
Tab. 2  Difference of pretherapeutic parameters between two groups

2.4 首次检查各病灶DKI参数值与两次检查病灶体积变化的相关性分析

       将各病灶首次检查的ADC值及DKI参数值(FA、MD、Da、Dr、MK、Ka、Kr)与前后两次检查病灶的体积变化[Volume change(%)]进行Pearson相关性分析,结果发现DKI参数MK、Ka、Kr与病灶体积变化成正相关,且相关性强(相关性均大于0.6),散点图详见图3。然而,DWI参数(ADC)及DTI参数(FA、MD、Da、Dr)与病灶体积变化无相关性(P>0.05),散点图详见图4。相关性分析结果详见表3

       将各病灶首次检查的△ADC值及DKI参数值(△FA、△MD、△Da、△Dr、△MK、△Ka、△Kr)与前后两次检查病灶的体积变化[Volume change (%)]进行Pearson相关性分析,结果发现DKI参数△MK、△Ka与病灶体积变化成正相关,且相关性强(相关性均大于0.8)。然而,DWI参数(△ADC)、DTI参数(△FA、△MD、△Da、△Dr)及△Kr与病灶体积变化无相关性(P>0.05),相关性分析详见表4

图3  首次检查病灶的DKI参数值与两次检查病灶体积变化的散点图
图4  首次检查病灶的DWI及DTI参数与两次检查病灶体积变化的散点图
Fig.3  The scatter diagram between pretherapeutic DKI parameters and volume change before and after treatment.
Fig.4  The scatter diagram between DWI and DTI pretherapeutic parameters and volume change before and after treatment.
表3  首次检查病灶的参数值与两次检查病灶体积变化的相关性
Tab. 3  The correlation between pretherapeutic parameters of lesions and volume change before and after treatment
表4  首次检查病灶的参数值(△)与两次检查病灶体积变化的相关性
Tab. 4  The correlation between pretherapeutic parameters (△) of lesions and volume change before and after treatment

3 讨论

3.1 DWI及DTI预测急性脑梗死预后的分析

       DWI以高斯模型理论为基础[4,5],但当b值大于1000 s/mm2时,水分子的扩散受生物组织复杂结构的限制,将偏离高斯分布[2]。结果显示,两组急性脑梗死病灶ADC值差异无统计学意义,ADC值及△ADC值与两次检查病灶的体积变化无相关性,说明ADC值的降低虽然可以提示急性脑缺血,但不能预测脑梗死的转归及预后。

       DTI引入二阶三维张量反映组织内水分子的扩散情况[6],但仍是以扩散呈高斯分布为理论基础[7,8]。结果显示,两组急性脑梗死病灶DTI参数值(△FA、△MD、△Da、△Dr)差异无统计学意义,DTI参数值与两次检查病灶的体积变化无相关性,说明DTI虽然引入更多参数来反映组织内水分子的扩散情况,但是仍然无法预测脑梗死的转归及预后。

3.2 DKI在预测急性脑梗死预后的优势

       扩散峰度成像引入四阶三维峰度张量来衡量水分子扩散偏离高斯分布的大小[9,10,11,12],能定量分析水分子扩散受限的情况及组织结构的复杂度。

       近年来,越来越多的研究表明,急性脑梗死MK值较正常组织显著升高[13,14,15],Ka、Kr呈不均匀增高,反映了急性脑梗死损伤区域水分子扩散受限的不均匀性,而且DKI参数的变化比ADC值及DTI参数的变化更为显著[16,17,18]。本研究的数据及统计分析结果显示,体积变大的一组病灶与体积变小的一组病灶△MK差异有统计学意义。体积变大的病灶△MK值都较高,急性脑梗病灶相比于正常组织MK值增大越明显可能提示该病灶预后越差,甚至会有进展。对DKI参数与两次检查病灶体积变化进行相关性分析发现,MK、Ka、Kr、△MK及△Ka与体积变化呈正相关,且相关性很强,均大于0.7。其中,第6个病灶复查时基本消失,其MK值最低,第8及第9个病灶复查时体积明显增大,其MK值最高。急性脑梗死病灶DKI参数值越高表明水分子受限越严重,可能提示该病灶的预后越差。Ka的相关性比Kr强,△Kr与体积变化无相关性,Ka变化比Kr更显著,反映了轴突水分子扩散受限更显著,可能与轴突静脉曲张和神经细胞内质网的精细变化相关[14]。通过以上研究表明,DKI参数相比于DWI及DTI参数,在预测急性脑梗死转归及预后方面有更大的优势,能更好地指导临床治疗及评估。

       当然,本研究仍然存在一定的局限性。本研究仅选取9个病灶进行分析,样本数量较少,而且9个病灶位于顶叶、额叶、枕叶,并没有位于颞叶。然而9个病灶位于同一个患者,可以排除年龄、性别、身体因素、基础疾病、临床干预手段、复查时间等因素对预后造成的影响。虽然有不足,但相信本研究的结果具有提示意义,并且能为下一步的研究提供方向,未来将收集更多的病例来进一步验证。

[1]
Qiu LJ, Lu J, Li KC. The research progress in magnetic resonance image of brain ischemia penumbra. Chin J Geriatr Heart Brain Ves Dis, 2011, 13(6): 570-572.邱立军,卢洁,李坤成.脑缺血半暗带的磁共振成像研究进展.中华老年心脑血管病杂志, 2011, 13(6): 570-572.
[2]
Veraart J, Van HW, Sijbers J. Constrained maximum likelihood estimation of the diffusion kurtosis tensor using a Rician noise model. Magn Reson Med, 2011, 66(3): 678-686.
[3]
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.
[4]
Hoehn-Berlage M, Norris DG, Kohno K, et al. Evolution of regional changes in apparent diffusion coefficient during focal ischemia of rat brain: the relationship of quantitative diffusion NMR imaging to reduction in cerebral blood flow and metabolic disturbances. J Cereb Blood Flow Metab, 1955, 15(6): 1002-1011.
[5]
Ma L, Gao PY, Hu QM, et al. The potential value of apparent diffusion coefficient in identifying the putative ischemic penumbra in acute ischemic stroke. Chin J Stroke, 2009, 4(9): 730-736.马丽,高培毅,胡庆茂,等.表观弥散系数对确定急性缺血性卒中缺血半暗带的潜在价值.中国卒中杂志, 2009, 4(9): 730-736.
[6]
Hui ES, Cheung MM, Chan KC, et al. B-value dependence of DTI quantitation and sensitivity in detecting neural tissue changes. Neuroimage, 2010, 49(3): 2366-2374.
[7]
Tuch DS, Reese TG, Wiegell MR, et al. Diffusion MRI of complex neural architecture. Neuron, 2003, 40(5): 885-895.
[8]
Basser PJ, Pierpaoli C. Microstructural and physiological features of tissues elucidated by quantitative-diffusion-tensor MRI. J Magn Reson, 2011, 213(2): 560.
[9]
Wu EX, Cheung MM. MR diffusion kurtosis imaging for neural tissue characterization. Nmr in Biomedicine, 2010, 23(7): 836-848.
[10]
Hui ES, Cheung MM, Qi L, et al. Advanced MR diffusion characterization of neural tissue using directional diffusion kurtosis analysis//Engineering in Medicine and Biology Society, 2008. Embs 2008. International Conference of the IEEE. IEEE, 2008: 3941-3944.
[11]
Cheng Y, Shen W. Magnetic resonance diffusion kurtosis imaging: basic principle and preliminary application in central nervous system. Int J Med Radiol, 2015, 38(1): 20-24.程悦,沈文. MR扩散峰度成像原理及其在中枢神经系统的初步应用.国际医学放射学杂志, 2015, 38(1): 20-24.
[12]
Lanzafame S, Giannelli M, Garaci F, et al. Differences in gaussian diffusion tensor imaging and non-Gaussian diffusion kurtosis imaging model-based estimates of diffusion tensor invariants in the human brain. Medical Physics, 2016, 43(5): 2464.
[13]
Helpern JA, Lo C, Hu C, et al. Diffusional kurtosis imaging in acute human stroke. Proceedings of the 17th Annual Meeting of ISMRM, Honolulu, HI, USA. 2009: 3493.
[14]
Hui ES Fieremans E, Jensen JH, et al. Stroke assessment with diffusional kurtosis imaging. Stroke, 2012, 43(11): 2968-2973.
[15]
Suo ST, Zhu SB, Chen YZ, et al. Application for diffuse kurtosis imaging in the diagnosis of stroke. Chin J Biomed Eng, 2012, 18(1): 1-5.所世腾,朱善宝,陈亚珠,等.核磁共振弥散峰度成像在脑中风诊断中的应用.中华生物医学工程杂志, 2012, 18(1): 1-5.
[16]
Guo YL, Li SJ, Zhang ZP, et al. Parameters of diffusional kurtosis imaging for the diagnosis of acute cerebral infarction in different brain regions. Experimental & Therapeutic Medicine, 2016, 12(2): 933-938.
[17]
Spampinato MV, Chan C, Jensen JH, et al. Diffusional kurtosis imaging and motor outcome in acute ischemic stroke. AJNR Am J Neuroradiol, 2017, 38(7): 1328.
[18]
He H, Gao PY. Comparative study of multi-band EPI diffusion kurtosis imaging and diffusion weighted imaging in identifying infarct lesion in acute ischemic stroke. Chin J Stroke, 2016, 11(3): 184-190.何欢,高培毅.磁共振多层并采扩散峰度成像与传统扩散加权成像识别急性缺血性卒中梗死核心的研究.中国卒中杂志,2016, 11(3): 184-190.

上一篇 基于Logistic回归建立磁共振成像临床效果评价评分模型的方法研究
下一篇 乳腺硬化性腺病的影像表现及病理分析
  
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