分享:
分享到微信朋友圈
X
综述
皮质下缺血性血管病的扩散张量成像研究进展
冯蒙蒙 戴慧

Cite this article as: Feng MM, Dai H. The diffusion tensor imaging research of subcortical ischemic vascular disease. Chin J Magn Reson Imaging, 2019, 10(9): 699-702.本文引用格式:冯蒙蒙,戴慧.皮质下缺血性血管病的扩散张量成像研究进展.磁共振成像, 2019, 10(9): 699-702. DOI:10.12015/issn.1674-8034.2019.09.013.


[摘要] 皮质下缺血性血管病(subcortical ischemic vascular disease,SIVD)是血管性认知功能障碍(vascular cognitive impairment,VCI)的一种较均质亚型。SIVD是引起认知损伤和痴呆的主要原因,对整个社会及家庭都造成了沉重的负担。由于其病变进程可以逆转,因此对SIVD的早期诊断及治疗就显得尤为重要。再者,探索SIVD患者的大脑影像学表现,有利于预测SIVD病变的进程,从而可以使我们更加有效地干预SIVD的进展。
[Abstract] Subcortical ischemic vascular disease (SIVD) is a homogeneous subtype of vascular cognitive impairment (VCI). SIVD is one of the main reasons resulted in cognitive impairment and dementia in old ages. The patients of SIVD give a huge burden to our country and their families. However, the progress of SIVD is reversible. This makes the research of SIVD more important. The research of SIVD's imaging is benefit to predict the disease’s progress and outcome. This will enable us to intervene the progress of SIVD more effectively.
[关键词] 皮质下缺血性血管病;扩散张量成像;进展
[Keywords] subcortical ischemic vascular disease;diffussion tensor imaging;progress

冯蒙蒙 苏州大学附属第一医院放射科,苏州 215000

戴慧* 苏州大学附属第一医院放射科,苏州 215000

通信作者:戴慧,E-mail:huizi198208@126.com

利益冲突:无。


基金项目: 江苏省青年医学重点人才基金项目 编号:NRC2016709 国家自然基金青年项目 编号:81201079 江苏省卫生厅科研基金项目 编号:Q201303
收稿日期:2019-01-10
接受日期:2019-05-26
中图分类号:R445.2; R743 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2019.09.013
本文引用格式:冯蒙蒙,戴慧.皮质下缺血性血管病的扩散张量成像研究进展.磁共振成像, 2019, 10(9): 699-702. DOI:10.12015/issn.1674-8034.2019.09.013.

       皮质下缺血性血管病(subcortical ischemic vascular disease,SIVD)是血管性认知功能障碍(vascular cognitive impairment,VCI)的一种较均质亚型,由小血管病变和低灌注引起,MRI特点为皮层下白质和基底节区腔隙性梗死和脑白质高信号。SIVD是引起认知损伤和痴呆的主要原因[1]。早期诊断VCI的临床意义很重要,因为血管病变是可以逆转的,可以阻止疾病的进展,改善疾病的预后[1]。早期诊断SIVD主要表现为执行功能障碍、语言功能紊乱及记忆力的减退[2]

1 扩散张量成像

1.1 DTI技术

       扩散张量成像(diffusion tensor imaging,DTI)是一种非常有前景的描述微结构变化影像技术,是一种可以在活体内描述特异脑白质结构的无创性方法。急性缺血和慢性缺血导致脑白质微结构的完整性发生改变,从而引起DTI参数发生改变。DTI的主要参数有平均扩散率(mean diffusion,MD)、各向异性分数(fractional anisotropy ,FA)及径向扩散系数(radial diffusivity ,RD)等[3]。DTI由扩散加权成像进一步发展而来,DTI在至少六个非共线性方向上测量水的扩散,从而提供水在三维方向的运动情况。MD表示水分子在所有空间方向上平均扩散情况的参数;FA值大小描述了该体素中水分子的各向异性扩散程度。

1.2 DTI技术应用于SIVD研究的基础

       正常情况下轴突膜和髓磷脂对白质中水的扩散有限制作用,因此对轴突或者髓磷脂的破坏,可以导致MD值的增加;而轴索的损伤和髓磷脂的损伤可以共同引起FA值的减低。急性缺血可引起MD值的减小和FA值的升高;慢性缺血可引起MD值的升高和FA值的减小[4]。相对传统的MRI技术来说,DTI可以在只有T2加权上呈高信号时,对SIVD患者提供一种更加客观的检查方法[5]。高b值的DTI图像,对脑白质的病理改变有很高的敏感性,可以检查到其他MRI技术检查不到病理改变,预测到SIVD患者早期的认知减退[6]

2 SIVD的DTI分析方法进展

2.1 基于感兴趣区的分析方法

       基于感兴趣区(region of interests,ROI)的分析方法对特定的脑区进行限定,只关注特定的脑区的扩散参数变化。Tu等[7]通过应用ROI发现SIVD在早期阶段左侧胼胝体辐射线枕部、左丘脑前辐射及胼胝体膝部的FA值和MD值变化的区域和程度有明显差别,同时也发现和正常老年人比起来,SIVD患者的FA值有整体的降低。通过运用ROI,将特定脑区的FA值和MD值与简单智力状态检查(mini-mental state examination,MMSE)相关联,发现胼胝体体部与压部的白质完整性与机能亢进、冷漠及精神错乱相关。除了胼胝体以外,左上纵束与机能亢进相关;左钩束与精神错乱有关;右上纵束与冷漠相关[8]。而ROI只能对有限的感兴趣区进行观察,不能对全脑进行研究。这是ROI存在的弊端。

2.2 绘制全脑扩散张量直方图

       绘制整个大脑DTI参数直方图这一方法被Della Nave等[9]应用于研究脑白质疏松症与运动功能和认知功能之间的关系,发现胼胝体和胼胝体周围的白质纤维束的MD值的增高与运动功能损伤相关性最强。通过绘制整个大脑的ADC值和FA值的直方图,Zhou等[10]发现DTI参数直方图可以监测血管性认知损伤的严重程度,并可以发现传统MRI未发现的白质异常和血管性认知损伤不伴痴呆患者的白质与表观正常白质损伤的严重性与认知损伤严重性有相关性。Zhou等[11]也发现脑白质和表观正常白质损伤严重性与血管性认知损伤不伴痴呆患者的认知障碍有相关性,而且通过DTI直方图分析法可以对血管性认知损伤不伴痴呆患者有进一步的认识。

2.3 基于图谱的统计分析方法

       Oishi等[12]于2009在研究中提出建立一种基于DTI技术的白质图谱,并已被证明在临床研究中可以监测到FA值的改变和脑白质的改变。同年Lawes等[13]也在文章中表示白质纤维图谱可以提供非常详细的解剖数据,而这些数据是不可能由常规MRI提供的。通过基于图谱的全脑白质分析,Lin等[14]发现SIVD患者幕上白质纤维束包括投射纤维、联络纤维和连合纤维有广泛的异常;并且白质纤维束的异常与认知功能障碍相关。

2.4 基于体素的分析方法

       相比较ROI手动绘制感兴趣区及只能对限定脑区进行研究的缺点,基于体素的分析方法(voxel-based morphometry,VBA)可以对全脑进行分析研究。Kim等[15]应用VBA,对获得的DTI参数进行分析,发现除了额叶-皮质下环路与认知功能相关外,后部脑白质的损伤同样可以导致不同的程度的认知障碍,可能与长联合纤维如下额枕束和下纵束被破坏有关。然而VBA在实际运用中依然存在噪音较大、部分容积效应等问题,导致VBA的统计学意义较小。除此之外,Smith等[16]提出VBA最大的限制就在于需要空间平滑技术及如何确定选择空间平滑的范围。

2.5 基于纤维素示踪的空间统计分析方法

       基于纤维素示踪的空间统计分析方法(tract-based spatial statistics,TBSS)是一种通过对白质的扩散张量进行以体素为基础的分析方法,它省略了在进行以体素为基础的分析过程中必要的空间平滑步骤和改善了当以体素为基础的分析过程应用于多个体扩散数据库时的敏感性和客观性。TBSS与ROI这一方法比较,TBSS可以避免了不同个体在绘制感兴趣区时会存在的个体差异[16]。TBSS还可以与多种分析方法相结合,增加了研究的灵活性。Chen等[17]通过DTI和TBSS证实了左前丘脑辐射和小钳的扩散张量改变可以发现血管性认知损伤不伴痴呆患者。Yu等[18]通过TBSS对血管性轻度认知障碍患者的研究,推测这些患者的认知损伤主要是由于大的白质纤维束的破坏。

3 SIVD的DTI表现

       有学者发现额叶是SIVD患者改变最明显的脑区域[19,20]。实际上脑白质比灰质对缺血更加敏感,经常较灰质损伤更加严重。Lin等[14]发现幕上白质纤维束包括投射纤维、联络纤维和连合纤维有广泛的异常。Chen等[21]通过应用DTI技术发现SIVD患者的双侧侧脑室前后角、双侧前额皮质下区域和胼胝体膝部有明显扩散张量的改变。而前额部皮质下区域的扩散张量改变是SIVD患者的特异性表现。广泛的侧脑室旁白质扩散张量的改变也是SIVD患者的特征性表现。Tu等[8]发现SIVD和正常老年人比起来,SIVD患者的FA值有整体的降低。

4 DTI技术的进展

4.1 扩散波谱成像

       近年来DTI技术被广泛应用于临床,然而DTI仍然存在一些局限性。如不能准确地描述单体素中低各向异性和复杂纤维结构区域的扩散过程[22];不能显示交叉纤维以及纤维束的皮层与皮层下的终端,导致纤维束有很大一部分会丢失,还会有伪影和假束形成[23]

       与DTI技术相比,扩散波谱成像(diffusion spectrum imaging,DSI)对体素内微观结构有更高的分辨率,对DTI技术的不足进行了很大的改善。Wedeen等[24]通过引入概率密度函数的算法可以有效解决体素内扩散异质性的问题,可以追踪到体素内交叉纤维的走行,可以更加完整地显示白质纤维束。DSI技术首先定义了一个采样三维空间,即q空间。q空间对应特定的脑位置,可以用q向量来表示。应用单个脉冲梯度SE序列产生一个扩散加权图像,该图像对应于q空间中的一个位置。应用不同强度和方向的梯度回波对整个q空间进行数据采样,每个脑位置都可以得到一个由数百个值组成的q空间。常用术语"b值"来描述q空间所应用的参数。b值与扩散时间间隔与扩散梯度强度的平方之积成正比。将q空间的原始数据与概率密度函数联系起来,在q空间数据基础上进行傅里叶变换。每个脑位置的扩散用位移分布或概率密度函数来描述,该函数提供了高度复杂光纤组织(包括光纤交叉)扩散的详细描述和极好的分辨率。因此DSI可以追踪白质纤维束从皮层、交叉到皮层或皮层下终点的完整过程[25]

4.2 扩散峰度成像

       扩散峰度成像(diffusional kurtosis imaging,DKI)是传统扩散加权成像的一种扩展,需要使用更高的b值和经过改进的图像后处理程序。水分子在均质性的物质中的扩散符合高斯函数,然而生物组织中含有的不同细胞及它们的细胞膜使得高斯函数不再能描述水分子的运动。因此DKI相对DTI对生物组织的微结构改变更为敏感[26]。DKI通过峰度值来表示这种非高斯运动。DTI常用参数包括平均扩散峰度、径向峰度和轴向峰度,由于偏离高斯分布的行为取决于水扩散的组织的复杂性,所以峰度值可以被看作是组织结构的一种度量 [27]。其他的参数还包括峰度各向异性参数(kurtosis fractional anisotropy ,KFA) ,KFA提供了和FA值完全不同但是互补的信息[28]

5 结论

       DTI技术的应用对SIVD患者的白质纤维束损伤起到了很好的观察作用。DTI技术的进步使得白质纤维束的显示更加准确和清晰,这也将更有利于我们对SIVD患者临床表现原因进行更深入的探讨。近年来应用DTI技术对SIVD展开的研究有很多,但是我们希望可以更多的将DSI及DKI技术的应用于SIVD研究。到目前为止,关于DSI及DKI对SIVD的研究尚少,这也为我们之后的研究提供了方向。

[1]
Banerjee G, Wilson D, Jager HR, et al. Novel imaging techniques in cerebral small vessel diseases and vascular cognitive impairment. Biochim Biophys Acta, 2016, 1862(5): 926-938.
[2]
D'Avila Freitas MI, Porto CS, Oliveira MO, et al. Linguistic abilities in major vascular cognitive impairment: a comparative study with Alzheimer's disease. Acta Neurologica Belgica, 2018, 118(3): 465-473.
[3]
Visser MM, Yassi N, Campbell BCV, et al. White Matter Degeneration after Ischemic Stroke: A Longitudinal Diffusion Tensor Imaging Study. J Neuroimag, 2019, 29(1): 111-118.
[4]
Alexander AL, Lee JE, Lazar M, et al. Diffusion tensor imaging of the brain. Neurotherapeutics, 2007, 4(3): 316-329.
[5]
Fu J, Zhang T, Chang C, et al. The value of diffusion tensor imaging in the differential diagnosis of subcortical ischemic vascular dementia and Alzheimer's disease in patients with only mild white matter alterations on T2-weighted images. Acta Radiologica, 2012, 53(3): 312-317.
[6]
Xu Q, Zhou Y, Li Y, et al. Diffusion tensor imaging changes correlate with cognition better than conventional MRI findings in patients with subcortical ischemic vascular disease. Dement Geriatr Cogn Disord, 2010, 30(4): 317-326.
[7]
Tu M, Lo C, Huang C, et al. Effectiveness of diffusion tensor imaging in differentiating early-stage subcortical ischemic vascular disease, Alzheimer's disease and normal ageing. PloS One, 2017,12: e01751434.
[8]
Tu M, Huang W, Hsu Y, et al. Comparison of neuropsychiatric symptoms and diffusion tensor imaging correlates among patients with subcortical ischemic vascular disease and Alzheimer's disease. Bmc Neurology, 2017,17(189): 144.
[9]
Della Nave R, Foresti S, Pratesi A, et al. Whole-brain histogram and voxel-based analyses of diffusion tensor imaging in patients with leukoaraiosis: correlation with motor and cognitive impairment. Am J Neuroradiol, 2007, 28(7): 1313-1319.
[10]
Zhou Y, Lin F, Zhu J, et al. Whole brain diffusion tensor imaging histogram analysis in vascular cognitive impairment. J Neurologic Sci, 2008, 268(1-2): 60-64.
[11]
Zhou Y, Qun-Xu, Qin L, et al. A primary study of diffusion tensor imaging-based histogram analysis in vascular cognitive impairment with no dementia. Clin Neurol Neurosurg, 2011, 113(2): 92-97.
[12]
Oishi K, Faria A, Jiang H, et al. Atlas-based whole brain white matter analysis using large deformation diffeomorphic metric mapping: application to normal elderly and Alzheimer's disease participants. Neuroimag, 2009, 46(2): 486-499.
[13]
Lawes IN, Barrick TR, Murugam V, et al. Atlas-based segmentation of white matter tracts of the human brain using diffusion tensor tractography and comparison with classical dissection. Neuroimage, 2008, 39(1): 62-79.
[14]
Lin L, Xue Y, Duan Q, et al. Microstructural white matter abnormalities and cognitive dysfunction in subcortical ischemic vascular disease: an atlas-based diffusion tensor analysis study. J Molecul Neurosci, 2015, 56(2): 363-370.
[15]
Kim SH, Park JS, Ahn H, et al. Voxel-based analysis of diffusion tensor imaging in patients with subcortical vascular cognitive impairment: correlates with cognitive and motor deficits. J Neuroimag, 2011, 21(4): 317-324.
[16]
Smith SM, Jenkinson M, Johansen-Berg H, et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data. Neuroimag, 2006, 31(4): 1487-1505.
[17]
Chen H, Gao Y, Che C, et al. Diffusion tensor imaging with tract-based spatial statistics reveals white matter abnormalities in patients with vascular cognitive impairment. Front Neuroanatomy, 2018,12(53): 1021-1027.
[18]
Yu Y, Liang X, Yu H, et al. How does white matter microstructure differ between the vascular and amnestic mild cognitive impairment? Oncotarget, 2017, 8(1): 42-50.
[19]
Seo SW, Ahn J, Yoon U, et al. Cortical thinning in vascular mild cognitive impairment and vascular dementia of subcortical type. J Neuroimag, 2010, 20(1): 37-45.
[20]
Wang Y, Liu G, Hong D, et al. White matter injury in ischemic stroke. Progr Neurobiol, 2016, 141: 45-60.
[21]
Chen T, Lin C, Chen Y, et al. Diffusion tensor changes in patients with amnesic mild cognitive impairment and various dementias. Psychiat Res Neuroimag, 2009, 173(1): 15-21.
[22]
Lee MB, Kim YH, Jahng G, et al. Angular resolution enhancement technique for diffusion-weighted imaging (DWI) using predicted diffusion gradient directions. Neuroimag, 2018, 183: 836-846.
[23]
Fernandez-Miranda JC. Beyond diffusion tensor imaging. J Neurosurg, 2013, 118(6): 1363-1365.
[24]
Wedeen VJ, Hagmann P, Tseng W, et al. Mapping complex tissue architecture with diffusion spectrum magnetic resonance imaging. Magn Reson Med, 2005, 54(6): 1377-1386.
[25]
Hagmann P, Jonasson L, Maeder P, et al. Understanding diffusion MR imaging techniques: From scalar diffusion-weighted imaging to diffusion tensor imaging and beyond. Radiographics, 2006, 26(Supp 1): S205-S219.
[26]
Hansen B, Jespersen SN. Recent developments in fast kurtosis imaging. Front Phys, 2017, 5(40): 3389.
[27]
Zhu L, Zhang Z, Wang F, et al. Diffusion kurtosis imaging of microstructural changes in brain tissue affected by acute ischemic stroke in different locations. Neural Regenerat Res, 2019, 14(2): 272-279.
[28]
Glenn GR, Helpern JA, Tabesh A, et al. Quantitative assessment of diffusional kurtosis anisotropy. NMR Biomed, 2015, 28(4): 448-459.

上一篇 高分辨率磁共振成像在颅内动脉粥样硬化性疾病中的 研究新进展
下一篇 MRI在评估肝细胞癌分化程度中的研究进展
  
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