分享:
分享到微信朋友圈
X
临床研究
基于mLIVE序列对青年人腹部脂肪分布及内脏脂肪定量评估的研究
吴航 周陶胡 李玉标 高峻 黄文君 王雲 董鹏 宋丽梅

Cite this article as: WU H, ZHOU T H, LI Y B, et al. Quantitative evaluation of abdominal fat distribution and visceral fat in young people based on mLIVE sequence[J]. Chin J Magn Reson Imaging, 2023, 14(1): 77-81.本文引用格式:吴航, 周陶胡, 李玉标, 等. 基于mLIVE序列对青年人腹部脂肪分布及内脏脂肪定量评估的研究[J]. 磁共振成像, 2023, 14(1): 77-81. DOI:10.12015/issn.1674-8034.2023.01.014.


[摘要] 目的 利用MRI多回波肝脏内插容积激发(multi echo liver interpolated volume excitation, mLIVE)序列评估健康成年人内脏脂肪面积(visceral fat area, VFA)、皮下脂肪面积(subcutaneous fat area, SFA)、肝脏、胰腺、肾脏及椎体的脂肪沉积程度及其之间的相关性。材料与方法 纳入45例志愿者(女26例,男19例),测量身高、体质量,计算身体质量指数(body mass index, BMI)。对每位受试者行1.5 T MRI腹部轴位常规平扫和mLIVE扫描,两名观察者测量所有志愿者肝脏、胰腺、L2椎体、肾实质的脂肪分数(fat fraction, FF),并将mLIVE自动生成的FF图导入ImageJ软件,测量每位志愿者L2椎体层面的VFA和SFA。采用Pearson相关分析探究BMI与MRI测量指标,MRI测量指标之间的相关性。结果 两名观察者所测数据一致性良好(组内相关系数>0.75);BMI与VFA(r=0.677,P<0.05)、SFA(r=0.781,P<0.05)相关性良好,但与肝脏和胰腺FF无相关性(P>0.05);VFA、SFA及胰腺FF均与肝脏FF相关(P<0.05),其中胰腺与肝脏的FF相关性最强(r=0.449,P<0.05);VFA与SFA具有相关性(r=0.575,P<0.05),VFA与L2椎体FF具有相关性(r=0.349,P<0.05)。结论 BMI可以大致评估健康成年人脂肪组织分布的情况,但对腹部不同部位组织脂肪含量的评估却不够准确。VFA与肝脏FF相关性较好且呈中等强度正相关,由此可见腹部内脏脂肪增多对肝脏脂肪沉积的发生有重要意义。健康成年人肝脏与胰腺FF明显相关,说明肝脏脂肪沉积与胰腺脂肪沉积有密切联系。VFA与L2椎体FF正相关,提示腹型肥胖可能容易影响腰椎骨髓脂肪含量。我们的研究能够提供健康成年人不同器官及组织脂肪含量的关系,帮助进一步了解成年人的脂肪代谢,给临床上代谢综合征风险的预测及其早期预防提供更多信息和证据。
[Abstract] Objective To quantitatively investigate the visceral fat area (VFA), subcutaneous fat area (SFA), the fat deposition of liver, pancreas, kidney and vertebral body in healthy adults by using multi echo liver interpolated volume excitation (mLIVE), and explore the relationship between them.Materials and Methods Forty-five volunteers (26 females and 19 males) were recruited and scanned using mLIVE sequence. The height and the body weight of the volunteers were measured. The body mass index (BMI) and the fat fraction (FF) of liver, pancreas, kidney and vertebral body were calculated by two observers. VFA and SFA at the L2 vertebral body plane of each subject were measured using ImageJ software (U.S. Institute of Health) by two observers. Pearson correlation analyses were used to explore the relationship between BMI and MRI-derived fat measurements, and the relationship between MRI-derived fat measurements.Results The data measured by the two observers were consistently good (intra-class correlation coefficients>0.75). Correlation analysis revealed that BMI were correlated significantly with VFA (r=0.677, P<0.05) and SFA (r=0.781, P<0.05). No correlations were found between BMI and the FF values of liver and pancreas (P>0.05). VFA, SFA and pancreas FF were correlated with the FF values of liver (P<0.05) respectively, and the pancreas FF had best correlation with the liver FF (r=0.449, P<0.05). VFA was correlated significantly with SFA (r=0.575, P<0.05) and vertebral FF (r=0.349, P<0.05), respectively.Conclusions Although BMI can roughly evaluate the adipose tissue distribution in healthy adults, it is not accurate in estimating the fat content of internal organs. A positive correlation between VFA and the FF values of liver illustrating that the increased abdominal visceral fat play an important role in the occurrence of liver fat deposition. The FF of liver and pancreas was positively correlated in healthy adults demonstrating that liver fat deposition is of great significance on the pancreas fat deposition. The relationship between VFA and the FF values of lumbar vertebral indicating that abdominal obesity may easily affect the fat content of lumbar bone marrow. This study shed new light on the relationship between fat content in different organs and tissues of healthy adults, help further understand fat metabolism in healthy adults, and provide more information and evidence for clinical risk prediction and early prevention of metabolic syndrome.
[关键词] 肝脏;胰腺;腰椎;脂肪定量;内脏脂肪;脂肪分数;代谢综合征;磁共振成像
[Keywords] liver;pancreas;lumbar vertebrae;fat quantification;visceral fat;fat fraction;metabolic syndrome;magnetic resonance imaging

吴航 1   周陶胡 1   李玉标 1   高峻 1   黄文君 1   王雲 1, 2   董鹏 1   宋丽梅 1*  

1 潍坊医学院医学影像学院,潍坊 261053

2 潍坊医学院附属医院影像中心,潍坊 261031

通信作者:宋丽梅,E-mail:Songlm@wfmu.edu.cn

作者贡献声明:宋丽梅设计本研究的方案,对稿件重要的智力内容进行了修改;吴航起草和撰写稿件,获取、分析或解释本研究的数据;周陶胡、李玉标、高峻、黄文君、王雲、董鹏获取、分析或解释本研究的数据,对稿件重要的智力内容进行了修改;宋丽梅、董鹏获得了山东省自然科学基金青年基金、潍坊市科技发展计划项目基金资助;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: 山东省自然科学基金青年基金项目 ZR2020QH048 潍坊市科技发展计划项目 2020YX036
收稿日期:2022-09-02
接受日期:2022-12-09
中图分类号:R445.2  R589.2 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2023.01.014
本文引用格式:吴航, 周陶胡, 李玉标, 等. 基于mLIVE序列对青年人腹部脂肪分布及内脏脂肪定量评估的研究[J]. 磁共振成像, 2023, 14(1): 77-81. DOI:10.12015/issn.1674-8034.2023.01.014.

0 引言

       近年来,中国成年人群肥胖率和超重率持续上升[1]。肥胖会显著增加多种疾病和代谢并发症的风险[2, 3],例如2型糖尿病、代谢综合征、非酒精性脂肪性肝病和心血管疾病,对人体健康造成一系列的损伤。有研究[4, 5]表明,过多的内脏脂肪组织会带来更高的代谢紊乱风险,并且异位脂肪的分布比肥胖本身更能代表代谢风险。

       肥胖是由于机体脂肪组织蓄积过多和分布异常导致的慢性疾病。肥胖发生的早期,脂肪主要积聚于皮下脂肪组织,随肥胖的进展进一步沉积在内脏脂肪组织[6]。以往的研究往往会使用体质量和身体质量指数(body mass index, BMI)等作为评估肥胖程度的指标[1],但其并不能对内脏脂肪的沉积程度进行精确的评估。近年来超声、CT、MRI被广泛应用于检测内脏脂肪含量,质子密度脂肪分数(proton density fat fraction, PDFF)技术也越来越多地被用来定量评估脂肪含量[7, 8]。MRI多回波肝脏内插容积激发(multi echo liver interpolated volume excitation, mLIVE)技术是由Dixon技术发展而来的多回波水脂分离算法,可在短时间内精确计算T2的分布,校正回波之间的信号衰减,通过计算脂肪内质子密度在水分子和脂肪分子密度总和中所占的百分比得到PDFF。目前使用的PDFF定量评估内脏脂肪的研究对象大多是患有代谢综合征或非酒精性脂肪性肝病的人群[9, 10],且既往研究测量部位较为单一,鲜有应用mLIVE序列对健康成年人进行多部位脂肪定量分析的研究。本研究旨在应用mLIVE序列来测量肝脏、胰腺、L2椎体、肾实质的脂肪分数(fat fraction, FF),测量每位受试者的内脏脂肪面积(visceral fat area, VFA)和皮下脂肪面积(subcutaneous fat area, SFA)来进一步探讨健康成年人腹部多部位脂肪定量脂肪组织的分布及脂肪沉积程度。此外,评估BMI与MRI所测脂肪含量指标、MRI所测脂肪含量指标之间的相关性,以期为建立一种预测代谢综合征更准确的方法提供线索。

1 材料与方法

1.1 研究对象

       研究对象为2019年9月至2021年11月潍坊医学院附属医院招募的45例志愿者,其中男19例,女26例,年龄18~27(21.2±2.0)岁,BMI 18.3~30.8(22.2±2.9)kg/m2。纳入标准:(1)年龄≥18岁且≤27岁;(2)MRI图像符合诊断及分析要求;(3)无MRI扫描禁忌证。排除标准:(1)酒精依赖症;(2)代谢性疾病;(3)高血压病史;(4)T1WI、T2WI序列显示胰腺病变者;(5)MRI显示有肝脏脂肪浸润者。对健康志愿者的定义为:没有药物史,也没有恶性肿瘤、糖尿病、慢性胰腺炎、怀孕或上腹痛和恶心症状。在研究日期前的3个月内,他们未患有内分泌疾病,也没有任何需要医学评估或治疗的急性感染或炎症病史。本研究遵照《赫尔辛基宣言》,并经潍坊医学院附属医院医学伦理委员会批准(批准文号:wyfy-2022-ky-073),征得所有志愿者知情同意并签署知情同意书。

1.2 BMI测量

       进行MRI扫描前测量所有志愿者的身高和体质量,计算BMI值。

1.3 MRI扫描

       扫描前志愿者禁饮食4~6 h。记录志愿者的年龄、身高、体质量和性别等信息,并对其进行呼吸训练。采用苏州朗润生产的Lonwin Medical SuperNova 1.5 T MRI扫描仪于潍坊医学院附属医院影像中心对志愿者进行腹部MRI扫描,使用8通道腹部相控阵线圈,扫描序列包括轴位T1WI、轴位T2WI和轴位mLIVE序列,志愿者取仰卧位,双臂上举,患者呼气末开始屏气并行扫描。mLIVE序列扫描参数:TR 297.6 ms,TE 3.37 ms,层厚2.5 mm,带宽651 Hz/Px,视野(FOV)422 mm×341 mm,矩阵256×164,翻转角12°,激励次数1,回波链长度1个,扫描时间38 s;T1WI序列扫描参数:TR 223 ms,TE 4.4 ms,层厚7 mm,带宽195 Hz/Px,FOV 440 mm×440 mm,矩阵256×134,翻转角80°,激励次数1,回波链长度1个,扫描时间15 s;T2WI序列扫描参数:TR 3300 ms,TE 89.7 ms,层厚7 mm,带宽390 Hz/Px,FOV 440 mm×308 mm,矩阵330×224,翻转角90°,激励次数1,回波链长度25个,扫描时间33 s。

1.4 影像资料分析

       图像后处理在同机工作站自带LonwinPW 2.1.1软件完成。所有的感兴趣区(region of interest, ROI)均分别由一位具有3年以上影像学诊断经验的住院医师以及一位具有8年以上影像学诊断经验的副主任医师勾画,意见不一致时通过沟通达成一致,所有的ROI均为圆形。选择mLIVE序列生成的FF图,选取肝门层面及其上、下共3个层面,于肝右下叶、右上叶和左叶各选取面积约为3 cm2的ROI,取3个ROI的平均值作为肝脏的FF值;在L2椎体的松质骨区域选择面积约为2 cm2的ROI,测量椎体的FF值;在胰腺的胰头、胰体及胰尾部勾画出面积约为1 cm2的ROI,取3个ROI的平均值作为胰腺的FF;在双侧肾静脉水平肾实质选取面积约为1 cm2的ROI,取双侧平均值作为肾实质的FF值。所有ROI的勾画均应避开血管、导管、集合系统、组织边缘及有伪影的区域(图1)。

       利用Image J软件(https://mirror.imagej.net)打开FF图像,采用软件设定阈值区分脂肪组织和非脂肪组织,并进行手动校正。手动描绘L2[11]椎体层面的外腹壁和内腹壁轮廓,计算出VFA和SFA,单位为mm2图2)。

图1  男,24岁,身体质量指数(BMI)为 25.7 kg/m2。1A~1C为在脂肪分数图上勾画各部位ROI示意图。1A:肝脏脂肪含量测量,脂肪分数(FF)值为7.23%;1B:胰腺头、体、尾部脂肪含量测量,FF值为8.14%;1C:椎体及双侧肾实质脂肪含量测量,肾实质FF值为0.72%,L2椎体骨髓FF值为37.82%。
Fig. 1  Male, 24 years old, body mass index (BMI) of 25.7 kg/m2. 1A-1C: Schematic diagram of region of interest (ROI) on the fat fractional graph. 1A: The fat fraction (FF) values of liver is 7.23%; 1B: The FF values of pancreas is 8.14%; 1C: The FF values of kidney parenchyma is 0.72% and the FF values of L2 lumbar vertebral is 37.82%.
图2  L2椎体水平腹部脂肪面积示意图。2A:总脂肪面积示意图;2B:皮下脂肪面积示意图;2C:腹内脂肪面积示意图。图中红色为脂肪组织。
Fig. 2  L2 vertebral body plane abdominal fat area. 2A: Abdominal total fat area. 2B: Abdominal subcutaneous fat area; 2C: Abdominal visceral fat area. Adipose tissue is shown in red.

1.5 统计学分析

       统计学分析采用SPSS 19.0软件。使用组内相关系数(intra-class correlation coefficient, ICC)评估两观察者测量结果的一致性,ICC>0.75代表一致性较好。一致性较好时取两位观察者测量数据的平均值进行统计学分析。采用Pearson相关分析来分别探究BMI、年龄与MRI测量指标的相关性,MRI测量指标之间的相关性。以P<0.05为差异有统计学意义。

2 结果

2.1 两观察者一致性检验结果

       两观察者所测量各指标一致性良好,ICC均>0.75(见表1)。

表1  两名观察者测量结果一致性检验
Tab. 1  The consistency test of measurement results between two observers

2.2 BMI、年龄与MRI测量指标之间的相关性

       志愿者的BMI为(22.2±2.9)kg/m2,年龄(21.2±2.0)岁。研究结果表明,BMI与VFA(r=0.677,P<0.001)和SFA(r=0.781,P<0.001)的相关性良好,与椎体FF呈现弱相关(r=0.311,P=0.038);BMI与肝脏(P=0.083)和胰腺(P=0.871)的FF值并无相关性;志愿者年龄与所有MRI测量指标均无相关性(P>0.05)。详见表2

表2  BMI、年龄与不同MRI测量指标间的相关性
Tab. 2  The correlation between body mass index, age and different MRI-derived index

2.3 不同组织间脂肪沉积的相关性结果

       VFA(P=0.003)、SFA(P=0.015)和胰腺FF值(P=0.002)均与肝脏的FF值相关,其中胰腺与肝脏的FF值相关性最强(r=0.449,P=0.002);VFA与SFA相关(r=0.575,P<0.001);VFA与椎体的FF值相关(r=0.349,P=0.019)。详见表3

表3  不同MRI测量指标间的相关性
Tab. 3  Correlation between different MRI-derived index

3 讨论

       本研究国内首次使用mLIVE序列探究健康成年人多种组织的脂肪含量及其之间关系,既往的研究多局限于肝脏及胰腺等少量脏器的脂肪定量分析,本研究创新性地广泛研究并分析腹部多种脏器及组织的脂肪含量关系。研究结果表明健康成年人VFA与肝脏FF呈中等强度正相关,肝脏FF与胰腺FF明显相关,VFA与L2椎体FF正相关。本研究提供的健康成年人群不同器官及组织脂肪含量的MRI测量指标及其之间关系,为非侵入性地评估脂肪肝等代谢性疾病的程度提供参考,未来可能为监测代谢综合征的患病风险提供帮助,以及监测药物治疗等干预措施的效果。

3.1 脂肪定量MRI技术

       目前化学位移成像(chemical shift imaging, CSI)、磁共振波谱(magnetic resonance spectroscopy, MRS)以及PDFF技术都可用于评估脂肪含量。MRS曾被认为是脂肪定量分析的“金标准”,然而,其因成本高、耗时长、不能评价整个肝脏的脂肪含量而没有得到广泛的应用[12]。mLIVE成像技术是基于化学位移编码发展而来的3D扫描技术,此技术结合多回波采集与迭代最小二乘水脂分离算法,可在短时间内对T2*和脂肪的多谱峰等进行校正。研究证实mLIVE序列测得的FF值与水脂模型中脂肪含量呈高度相关性[13]。已广泛应用于内脏脂肪的研究[14, 15, 16]

3.2 BMI与MRI测量指标相关性分析

       在本研究中,利用mLIVE序列测量我国健康成年人肝脏、胰腺、椎体、肾实质的FF值。通过对BMI与肝脏、胰腺FF值进行相关分析,我们发现BMI与肝脏、胰腺的FF值不存在相关性,此结果与之前的研究结果一致[14]。而BMI与VFA、SFA均呈正相关,表明BMI只可以大致评价人体脂肪组织的分布情况(主要是SFA),但对肝脏和胰腺脂肪含量的评估不够准确,表明传统的人体测量学指标并不能用来准确预测人体代谢风险。这可能是因为肝脏和胰腺并不是正常生理状态时的储脂器官,这些器官内的脂肪代谢是一个复杂的过程,只有当SFA及VFA中积累了过量的脂肪时才会导致脂肪的代谢紊乱进而发生上述器官的异位脂肪沉积。目前,BMI与健康成年人肾实质FF值的相关性尚存争议[17, 18],本研究结果显示BMI与肾实质FF值没有相关性,可能原因是肾脏的脂肪代谢过程和脂肪组织不同,且肾脏不是储脂器官。年龄与胰腺脂肪含量的相关性尚存在争议,有研究显示年龄与胰腺脂肪含量正相关[19],而另一项研究表明仅在大于50岁的男性人群中年龄与胰腺脂肪含量呈正相关[20]。本研究结果显示在18~27岁人群中,年龄与胰腺脂肪含量不存在相关性,这可能是因为在不同年龄阶段、不同性别人群的胰腺脂肪含量特点是不同的,提示我国成年人群的胰腺脂肪含量特点需要进一步区分性别、分年龄进行研究。

3.3 内脏脂肪、皮下脂肪与不同组织脂肪含量相关性的分析

       本研究发现VFA与肝脏FF值具有中度的正相关性,SFA与肝脏FF呈弱相关,由此可见内脏脂肪组织的增多比皮下脂肪组织增多对肝脏脂肪沉积的发生有更重要的作用,即内脏脂肪组织的增多会促进肝脏的脂肪变性。因此内脏脂肪组织占全身脂肪组织比例高的人患脂肪肝的风险可能会增加,即内脏脂肪组织过多或腹型肥胖的人群患代谢综合征的风险要高于脂肪组织主要分布于皮下的人群,因此本研究结果表明,对代谢综合征患病风险的预测中,VFA应作为一种明显的危险因素来考量,这也一定程度上支持既往的研究[21]。UYGUN等[22]通过肝脏活检发现,非酒精性脂肪肝患者往往合并胰腺脂肪变性,且越来越多的证据表明胰内脂肪与肥胖、代谢综合征密切相关[23, 24, 25],本研究发现健康成年人肝脏的FF值与胰腺FF值显著相关,说明肝脏脂肪沉积与胰腺脂肪沉积有密切联系,这与姚文君等[26]的研究结果相一致,并支持了UYGUN等的发现。目前临床上缺乏无创性诊断胰腺脂肪异位沉积的方法,本研究提示严重的肝脏脂肪变性患者可能伴有胰腺脂肪异位沉积的发生,并可能有较高的代谢综合征风险因素。本文创新性地使用mLIVE序列研究VFA与腰椎骨髓脂肪含量的关系,结果显示健康成年人VFA与L2椎体的FF值呈正相关,而内脏脂肪组织的增多主要反映为腹型肥胖,这提示腹型肥胖可能容易影响腰椎骨髓脂肪含量,而腰椎椎体骨髓脂肪含量与骨质疏松之间有着密切的关系[27],因此这提示在临床中控制腹型肥胖的发生发展可能是预防骨质疏松的一种有效方法。

3.4 本研究的局限性

       本研究也存在一些局限性:第一,样本量较小且没有进一步区分性别进行分析,可能使结果发生一定的偏倚,未来将扩大样本量并区分性别进行分析;第二,仅测量代表性层面L2椎体骨髓脂肪含量及其对应层面的SFA、VFA,具有一定的局限性,后续将测量多个层面的数据深入研究。

4 结论

       综上所述,mLIVE序列可用于揭示腹部不同器官及组织的脂肪沉积程度及其之间的关系并发现对于代谢风险的预测,VFA应作为一种明显的危险因素来考量,亦提示肝脏脂肪变性患者可能伴有胰腺脂肪异位沉积的发生,并可能有较高的代谢综合征风险因素。此外,VFA与L2椎体FF正相关,因此在临床中控制腹型肥胖的发生发展可能是预防骨质疏松的一种有效方法。本研究帮助进一步了解健康成年人的脂肪代谢,给临床上代谢综合征风险的预测及其早期预防提供更多信息。

[1]
WANG L M, ZHOU B, ZHAO Z P, et al. Body-mass index and obesity in urban and rural China: findings from consecutive nationally representative surveys during 2004-18[J]. Lancet, 2021, 398(10294): 53-63. DOI: 10.1016/S0140-6736(21)00798-4.
[2]
KEE C C, SUMARNI M G, LIM K H, et al. Association of BMI with risk of CVD mortality and all-cause mortality[J]. Public Health Nutr, 2017, 20(7): 1226-1234. DOI: 10.1017/S136898001600344X.
[3]
KIM S R, LERMAN L O. Diagnostic imaging in the management of patients with metabolic syndrome[J]. Transl Res, 2018, 194: 1-18. DOI: 10.1016/j.trsl.2017.10.009.
[4]
SAKAI N S, TAYLOR S A, CHOUHAN M D. Obesity, metabolic disease and the pancreas-Quantitative imaging of pancreatic fat[J/OL]. Br J Radiol, 2018, 91(1089): 20180267 [2022-11-12]. https://doi.org/10.1259/bjr.20180267. DOI: 10.1259/bjr.20180267.
[5]
PREIS S R, MASSARO J M, ROBINS S J, et al. Abdominal subcutaneous and visceral adipose tissue and insulin resistance in the Framingham heart study[J]. Obesity, 2010, 18(11): 2191-2198. DOI: 10.1038/oby.2010.59.
[6]
STORZ C, HEBER S D, ROSPLESZCZ S, et al. The role of visceral and subcutaneous adipose tissue measurements and their ratio by magnetic resonance imaging in subjects with prediabetes, diabetes and healthy controls from a general population without cardiovascular disease[J/OL]. Br J Radiol, 2018, 91(1089): 20170808 [2022-11-12]. https://doi.org/10.1259/bjr.20170808. DOI: 10.1259/bjr.20170808.
[7]
IDILMAN I S, ANIKTAR H, IDILMAN R, et al. Hepatic steatosis: quantification by proton density fat fraction with MR imaging versus liver biopsy[J]. Radiology, 2013, 267(3): 767-775. DOI: 10.1148/radiol.13121360.
[8]
SCOTT B REEDER MD P, MD I C, PHD G H, et al. Quantitative assessment of liver fat with magnetic resonance imaging and spectroscopy[J]. J Magn Reson Imaging, 2011, 34(4): 729-749. DOI: 10.1002/jmri.22580.
[9]
冯英连, 董冰清, 王远成, 等. 2型糖尿病患者器官脂肪沉积的磁共振定量研究[J]. 中国医学影像学杂志, 2017, 25(7): 509-512. DOI: 10.3969/j.issn.1005-5185.2017.07.007.
FENG Y L, DONG B Q, WANG Y C, et al. Quantification of organ fat deposits in patients with type 2 diabetes mellitus by magnetic resonance imaging[J]. Chin J Med Imaging, 2017, 25(7): 509-512. DOI: 10.3969/j.issn.1005-5185.2017.07.007.
[10]
PATEL N S, PETERSON M R, BRENNER D A, et al. Association between novel MRI-estimated pancreatic fat and liver histology-determined steatosis and fibrosis in non-alcoholic fatty liver disease[J]. Aliment Pharmacol Ther, 2013, 37(6): 630-639. DOI: 10.1111/apt.12237.
[11]
LEE J J, PEDLEY A, HOFFMANN U, et al. Cross-sectional associations of computed tomography (CT)-derived adipose tissue density and adipokines: the Framingham heart study[J/OL]. J Am Heart Assoc, 2016, 5(3): e002545 [2022-11-12]. https://doi.org/10.1161/JAHA.115.002545. DOI: 10.1161/JAHA.115.002545.
[12]
俞顺, 吕洁勤. 磁共振脂肪定量技术精确测量2型糖尿病患者器官脂肪沉积[J]. 中国医疗设备, 2020, 35(2): 166-170. DOI: 10.3969/j.issn.1674-1633.2020.02.042.
YU S, LV J Q. Accurate magnetic resonance fat quantification technique in patients with type 2 diabetes[J]. China Med Devices, 2020, 35(2): 166-170. DOI: 10.3969/j.issn.1674-1633.2020.02.042.
[13]
李振玉, 王娟, 刘斌, 等. 多回波肝脏内插容积激发评价水脂模型脂肪含量的可行性[J]. 中国医学物理学杂志, 2017, 34(5): 468-471. DOI: 10.3969/j.issn.1005-202X.2017.05.007.
LI Z Y, WANG J, LIU B, et al. Feasibility of multi echo liver interpolated volume excitation in the quantification of fat content[J]. Chin J Med Phys, 2017, 34(5): 468-471. DOI: 10.3969/j.issn.1005-202X.2017.05.007.
[14]
YANG J Z, DOKPUANG D, NEMATI R, et al. Evaluation of ethnic variations in visceral, subcutaneous, intra-pancreatic, and intra-hepatic fat depositions by magnetic resonance imaging among New Zealanders[J/OL]. Biomedicines, 2020, 8(6): 174 [2022-11-12]. https://www.mdpi.com/2227-9059/8/6/174. DOI: 10.3390/biomedicines8060174.
[15]
胡竞成, 许虹, 黄亚楠, 等. 胰腺脂肪含量与2型糖尿病的相关性[J]. 中华糖尿病杂志, 2017, 9(12): 770-773. DOI: 10.3760/cma.j.issn.1674-5809.2017.12.008.
HU J C, XU H, HUANG Y N, et al. Correlation between pancreatic fat content and type 2 diabetes mellitus[J]. Chin J Diabetes Mellit, 2017, 9(12): 770-773. DOI: 10.3760/cma.j.issn.1674-5809.2017.12.008.
[16]
王佳, 姚飞荣, 胡竞成, 等. 基于多回波肝脏内插容积激发成像评价大鼠非酒精性脂肪肝[J]. 中国医学影像技术, 2020, 36(1): 27-31. DOI: 10.13929/j.issn.1003-3289.2020.01.007.
WANG J, YAO F R, HU J C, et al. Evaluation of rat nonalcoholic fatty liver based on multi-echo liver interpolated volume excitation imaging[J]. Chin J Med Imaging Technol, 2020, 36(1): 27-31. DOI: 10.13929/j.issn.1003-3289.2020.01.007.
[17]
王踉碕, 彭屹峰. IdealIQ序列定量分析成人内脏脂肪分数的初步研究[J]. 生物医学工程学进展, 2018, 39(4): 200-203. DOI: 10.3969/j.issn.1674-1242.2018.04.004.
WANG L Q, PENG Y F. The pilot study of quantitatively analyze human visceral fat fraction with IdealIQ sequence[J]. Shanghai Biomed Eng, 2018, 39(4): 200-203. DOI: 10.3969/j.issn.1674-1242.2018.04.004.
[18]
SPURNY M, JIANG Y, SOWAH S A, et al. Changes in kidney fat upon dietary-induced weight loss[J/OL]. Nutrients, 2022, 14(7): 1437 [2022-11-12]. https://doi.org/10.3390/nu14071437. DOI: 10.3390/nu14071437.
[19]
KÜHN J P, BERTHOLD F, MAYERLE J, et al. Pancreatic steatosis demonstrated at MR imaging in the general population: clinical relevance[J]. Radiology, 2015, 276(1): 129-136. DOI: 10.1148/radiol.15140446.
[20]
LI J, XIE Y, YUAN F, et al. Noninvasive quantification of pancreatic fat in healthy male population using chemical shift magnetic resonance imaging: effect of aging on pancreatic fat content[J]. Pancreas, 2011, 40(2): 295-299. DOI: 10.1097/MPA.0b013e318201669f.
[21]
HAMDY O, PORRAMATIKUL S, AL-OZAIRI E. Metabolic obesity: the paradox between visceral and subcutaneous fat[J]. Curr Diabetes Rev, 2006, 2(4): 367-373. DOI: 10.2174/1573399810602040367.
[22]
UYGUN A, KADAYIFCI A, DEMIRCI H, et al. The effect of fatty pancreas on serum glucose parameters in patients with nonalcoholic steatohepatitis[J]. Eur J Intern Med, 2015, 26(1): 37-41. DOI: 10.1016/j.ejim.2014.11.007.
[23]
PIEŃKOWSKA J, BRZESKA B, KASZUBOWSKI M, et al. MRI assessment of ectopic fat accumulation in pancreas, liver and skeletal muscle in patients with obesity, overweight and normal BMI in correlation with the presence of central obesity and metabolic syndrome[J]. Diabetes Metab Syndr Obes, 2019, 12: 623-636. DOI: 10.2147/DMSO.S194690.
[24]
张钦和, 刘爱连, 杨婕, 等. 基于MRI评估的胰腺脂肪沉积及腹部脂肪分布与原发性高血压的相关性研究[J]. 磁共振成像, 2021, 12(1): 43-47, 52. DOI: 10.12015/issn.1674-8034.2021.01.009.
ZHANG Q H, LIU A L, YANG J, et al. Correlation between pancreatic fat deposition and abdominal fat distribution and essential hypertension based on MRI[J]. Chin J Magn Reson Imaging, 2021, 12(1): 43-47, 52. DOI: 10.12015/issn.1674-8034.2021.01.009.
[25]
CHANCLÓN B, WU Y L, NORDBECK E, et al. Pancreatic adipose tissue in diet-induced type 2 diabetes[J/OL]. Diabetes, 2018, 67(Supplement 1): 2431-PUB [2022-11-12]. https://diabetesjournals.org/diabetes/article/67/Supplement_1/2431-PUB/57252/Pancreatic-Adipose-Tissue-in-Diet-Induced-Type-2. DOI: 10.2337/db18-2431-PUB.
[26]
姚文君, 王龙胜, 杨硕, 等. 磁共振IDEAL-IQ序列对精神分裂症共病代谢综合征患者肝脏、胰腺脂肪定量评估及相关性分析[J]. 临床放射学杂志, 2021, 40(11): 2148-2153. DOI: 10.13437/j.cnki.jcr.2021.11.022.
YAO W J, WANG L S, YANG S, et al. Quantitative evaluation of fat content of liver and pancreas in patients with comorbidities metabolic syndrome in schizophrenia with IDEA-IQ and correlation analysis[J]. J Clin Radiol, 2021, 40(11): 2148-2153. DOI: 10.13437/j.cnki.jcr.2021.11.022.
[27]
杨柳, 查云飞. 糖尿病骨髓微血管病变影像学研究进展[J]. 磁共振成像, 2019, 10(10): 787-791. DOI: 10.12015/issn.1674-8034.2019.10.015.
YANG L, ZHA Y F. Research progress in imageology of diabetic bone marrow microangiopathy[J]. Chin J Magn Reson Imaging, 2019, 10(10): 787-791. DOI: 10.12015/issn.1674-8034.2019.10.015.

上一篇 基于VBM分析儿童急性淋巴细胞白血病患者化疗后脑灰质体积变化与认知功能的相关性
下一篇 基于影像组学在肝细胞癌术前微血管侵犯评估的Meta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