周立綏 杜 勇 楊漢峰

體素內(nèi)相位不相干運動成像原理及其在腹部的研究進展

周立綏 杜 勇 楊漢峰

擴散加權(quán)成像；磁共振成像，彌散；擴散系數(shù)；假擴散系數(shù)；灌注分數(shù)；綜述

擴散加權(quán)成像（diffusion weighted imaging，DWI）屬于功能MRI，主要研究人體內(nèi)水分子的運動。DWI在20世紀90年代進入臨床，最早應用于急性腦梗死的研究，其臨床價值迅速得到廣泛認可。由于運動偽影及磁敏感偽影等的影響，DWI研究在腹部的開展相對晚于中樞神經(jīng)系統(tǒng)。隨著MRI梯度性能的提高及并行采集技術(shù)的成熟，目前臨床使用的掃描儀在各部位已能得到高質(zhì)量、有助于診斷的圖像。對于腹部DWI而言，量化DWI參數(shù)表觀擴散系數(shù)（apparent diffusion coefficient，ADC）對于良、惡性病變的鑒別診斷及療效評估均有一定的輔助意義。

隨著對DWI研究的不斷深入認識，研究者發(fā)現(xiàn)測量得到的ADC值不僅反映擴散運動，而毛細血管微循環(huán)的灌注也對ADC值有一定的影響。Le Bihan等[1]最早提出了體素內(nèi)相位不相干運動（intravoxel incoherent motion，IVIM）的概念，指出組織中水分子的運動不僅是純水分子的擴散，同時還包括毛細血管灌注。對于單個體素而言，血流灌注會引起其內(nèi)質(zhì)子群的相位不相干，即失相位，導致測得的ADC值偏高，而IVIM成像將同時考慮兩種運動成分，能更準確地描述體素內(nèi)的運動。本文擬介紹IVIM的基本原理，并綜述其在腹部的應用進展。

1 IVIM成像的理論基礎

DWI最常用的脈沖序列自旋回波平面回波成像（spin echo-echo planar imaging，SE-EPI），即在SE序列180°射頻脈沖的前后施加2個方向相同、強度相等的擴散敏感梯度場。理想情況下擴散的量化基于單指數(shù)模型，即Sb/S0=exp(－b ×ADC)，其中b為衡量擴散敏感梯度的參數(shù)，Sb和S0分別為施加擴散梯度及不施加梯度同一體素相應的信號強度大?。欢贗VIM的經(jīng)典理論中，組織信號強度的改變則基于雙指數(shù)模型，即Sb/S0=fexp(—bD*)+(1—f)exp(—bD)，其中D值為擴散系數(shù)，代表純的水分子擴散運動，又稱為緩慢的擴散運動成分，單位為mm2/s；D*值為假擴散系數(shù)，代表體素內(nèi)血流灌注導致的相位不相干運動，即灌注相關(guān)的擴散運動，或稱為快速的擴散運動成分，單位為mm2/s；f值為灌注分數(shù)。在實際應用中，通過使用多個b值擬合計算，即可以得到D值、D*值及f值。

2 IVIM模型的驗證

IVIM理論提出后，很多學者通過不同方法對其可靠性進行了檢驗。Le Bihan等[2]構(gòu)建反映擴散及灌注的水模，在減少了水流量后，測到的水模內(nèi)ADC值相應地減低，結(jié)果表明擴散的量化對流動效應敏感。Sun等[3]構(gòu)建了大鼠橫紋肌肉瘤模型，對比了動物處死前和處死后ADC值的變化，結(jié)果表明，無論是正常肝臟還是腫瘤實體組織，在處死前及處死后低b值的ADC值均明顯減低，而腫瘤壞死組織的ADC值無明顯變化，表明在低b值時灌注因素對ADC值有一定的影響。Federau等[4]通過給受試者吸入不同濃度的CO2以改變大腦血流灌注，以測定其D值、D*值及f值的變化，結(jié)果表明，當吸入的CO2濃度越高時，D*值及f值均會明顯升高；而當吸入的O2濃度越高時，D*值及f值則下降，而無論吸入CO2還是O2，D值均保持不變。Lemke等[5]的研究中設計了抑血的脈沖序列，對比胰腺在正常血供時及血供抑制后相應參數(shù)的改變，結(jié)果f值明顯下降，而D值并無明顯改變，信號強度隨b值的改變從雙指數(shù)模型轉(zhuǎn)變?yōu)閱沃笖?shù)模型。以上研究均證實了IVIM的雙室模型理論的合理性。

3 IVIM成像在腹部病變的研究

3.1 肝臟 肝臟病變是體部IVIM研究中最為活躍的領域[6-13]。Joo等[7]對比了非酒精性脂肪肝（nonalcohlic fatty liver disease，NAFID）、非酒精性脂肪性肝炎（nonalcohlic steatohepatitis，NASH）及正常肝臟的擴散及灌注分數(shù)，結(jié)果表明NAFID的f值較正常肝臟明顯減低，而且隨著病情的進展越來越低，而其他IVIM參數(shù)與病情并無明顯相關(guān)。作者認為這一發(fā)現(xiàn)有助于鑒別早期NASH及單純性脂肪肝。Luciani等[9]對比了正常肝臟及肝硬化患者的IVIM參數(shù)，結(jié)果顯示無論是正常肝臟還是硬化肝臟，其ADC值均大于D值。硬化肝臟的ADC值低于正常肝臟，其中D*值明顯減低（正常肝臟79.1±18.1，硬化肝臟59.4±20.0，P＜0.01），推測可能原因為肝臟纖維化及硬化會導致門靜脈高壓，因而門靜脈的灌注明顯下降，而動脈灌注的增加并不能完全補償靜脈灌注的減少。而對于D值的改變，一般認為在肝臟纖維化過程中結(jié)締組織會大量增生，從而影響水分子的擴散過程，D值會相應地下降，而Luciani等[9]的研究中正常肝臟及硬化肝臟之間并無明顯差異，這一結(jié)果與既往的理論存在差異。Chow等[10]制作的小鼠肝硬化模型及Patel等[11]的病例回顧研究顯示，肝纖維化或肝硬化的D值、D*值及ADC值均明顯下降。因而對于肝硬化的IVIM研究結(jié)果尚存在爭議。對于肝臟內(nèi)局灶性占位性病變，Yoon等[12]對比了169個良惡性病灶的D值、D*值及ADC值，發(fā)現(xiàn)惡性病灶的D值及ADC值較良性病灶均明顯減低，而通過ROC曲線分析后得出D值鑒別診斷的可信度（0.971）高于ADC值（0.933）。血供豐富的占位性病變的D值及f值均明顯高于低血供的病變。以上研究均表明IVIM能更精細地描述擴散過程，而其獲得的相關(guān)參數(shù)對于病變的檢出及鑒別均優(yōu)于傳統(tǒng)模型的ADC值。

3.2 胰腺 Kang等[14]將IVIM模型用于研究胰腺占位性病變，結(jié)果表明，對于胰腺腺癌及神經(jīng)內(nèi)分泌癌的鑒別診斷，D*值及f值比ADC值及D值更有價值，推測其原因在于胰腺癌屬于乏血供腫瘤，而神經(jīng)內(nèi)分泌癌的血供比較豐富，因而兩者在反映灌注的D*值及f值上有明顯差異。對于良、惡性胰腺導管內(nèi)乳頭狀瘤，Kang等[14]發(fā)現(xiàn)惡性病變的D*值及f值明顯升高，而ADC值及D值均明顯減低，ROC曲線分析后得出f值對于病變良惡性的鑒別診斷最有價值。對于慢性胰腺炎及胰腺癌的鑒別診斷，Klauss等[15]發(fā)現(xiàn)，b值為50～300 mm2/s時，兩者的ADC值有明顯差異，而D值并無明顯不同，推測兩者ADC值不同主要由于灌注的差異，而f值可以作為鑒別腫塊型胰腺炎及胰腺癌的最佳參量，這對于無法進行對比劑增強來鑒別的患者尤為重要。

3.3 腎臟 Chandarana等[16]對比應用雙指數(shù)及單指數(shù)模型研究腎臟病變，結(jié)果發(fā)現(xiàn)對于強化和非強化病灶的鑒別診斷，雙指數(shù)模型擬合的準確性更高；此外，f值與病灶的強化有很好的相關(guān)性，因而可以在不注射對比劑的情況下評價血供。Chandarana等[17]進一步對不同亞型的腎癌進行了IVIM成像研究，在腎癌的各種類型中，腎透明細胞癌（clear cell renal carcinoma，ccRCC）與腎嫌色細胞癌（chromophobe renal carcinoma，chRCC）、腎乳頭狀癌（papillary renal carcinoma，pRCC）及囊性腎癌（cystic renal carcinoma，cyRCC）相比，惡性程度高且預后不佳，準確的分型對臨床選擇治療方式有一定的幫助。該研究分析發(fā)現(xiàn)，ccRCC和chRCC的f值大于0.16，而pRCC及cyRCC的f值則小于0.16，進一步分析得出ccRCC和cyRCC的D值大于1.5，而chRCC和pRCC的D值則小于1.5。作者認為聯(lián)合f值及D值有助于鑒別不同亞型的腎癌，而單一ADC值則不能做出鑒別診斷。賈慧茹等[18]構(gòu)建了大鼠單側(cè)輸尿管梗阻動物模型，并進行了IVIM成像研究，結(jié)果發(fā)現(xiàn)f值能反映尿路梗阻早期微灌注的變化，而與ADC值相比，D值評價腎髓質(zhì)的擴散改變更為敏感，因而認為雙指數(shù)模型較單指數(shù)模型能更好地評估梗阻性腎病腎實質(zhì)的擴散改變，可以用于評估尿路梗阻引起的早期腎臟變化。

4 IVIM成像優(yōu)勢及研究進展

傳統(tǒng)DWI得到的ADC值在病變檢出及良、惡性病變鑒別等方面的價值已得到廣泛認可，但仍然存在一定的局限性。由于正常與病變組織、良惡性病變的ADC值有很大的重疊，故ADC值往往并不能對病變進行精確定性。而在IVIM模型中，一般可以得到D值、D*值及f值這3個參數(shù)，上述文獻均說明聯(lián)合多個參數(shù)進行鑒別診斷，其診斷特異度和靈敏度均明顯高于單一ADC值。IVIM理論提出已有數(shù)年，但由于軟硬件條件的限制，使臨床一直無法得到研究水平的數(shù)據(jù)。近年MRI技術(shù)不斷飛躍，對于擴散研究所要求的硬件參數(shù)如梯度場強及切換率大幅提升，如在川北醫(yī)學院附屬醫(yī)院使用的GE Discovery MR750 3.0T平臺上，梯度場強和切換率分別達到50 mT/m及200 T/ms，使用b值數(shù)量及大小的設置更為靈活，以往限制因素不再是阻礙IVIM研究的開展，因而IVIM成像研究近年得到廣泛關(guān)注，除腹部外，這一理論也應用于腦[19]、頸部[20]、乳腺[21-23]、盆腔[24-28]等部位。

然而，目前IVIM研究尚處于起步階段，其中原因之一是b值的選擇及其分布，目前并無完全統(tǒng)一的標準，導致各研究結(jié)果存在差異。Lemke等[29]根據(jù)不同臟器的灌注特點，提出了腦、肝、腎等部位的b值大小及分布的優(yōu)化選擇方案，對后續(xù)研究有很大的指導意義。此外，由于模型的多樣性，IVIM經(jīng)典理論采用雙指數(shù)模型，但在某些病變的研究中發(fā)現(xiàn)雙指數(shù)模型并不能完全解釋所有現(xiàn)象。因而學者們提出了使用更多的指數(shù)模型，如肝臟三指數(shù)模型等[30]。進一步研究發(fā)現(xiàn)，體素內(nèi)質(zhì)子運動形式的個數(shù)很難用確定的數(shù)字衡量，因而有學者提出了反映組織復雜程度的拉伸指數(shù)模型[31-32]?？傊?，目前尚無一個完美的模型來描述所有的擴散形式，但多數(shù)學者認為最理想、最易解釋的還是雙指數(shù)模型。

綜上所述，相對于常規(guī)DWI，IVIM能更準確地描述體素內(nèi)質(zhì)子的運動，而且得到更多的變量，很多研究已經(jīng)證實其在良、惡性腫瘤的鑒別診斷、療效評價等方面比ADC有更準確的臨床價值，相信隨著研究的深入及序列設置的規(guī)范化，IVIM能帶給臨床更大的幫助。

[1] Le Bihan D, Breton E, Lallemand D, et al. MR imaging of intravoxel incoherent motions: application to diffusion and perfusion in neurologic disorders. Radiology, 1986, 161(2): 401-407.

[2] Le Bihan D, Breton E, Lallemand D, et al. Separation of diffusion and perfusion in intravoxel incoherent motion MR imaging. Radiology, 1988, 168(2): 497-505.

[3] Sun X, Wang H, Chen F, et al. Diffusion-weighted MRI of hepatic tumor in rats: comparison between in vivo and postmortem imagingacquisitions. J Magn Reson Imaging, 2009, 29(3): 621-628.

[4] Federau C, MaederP, O'Brien K, et al. Quantitative measurement of brain perfusion with intravoxel incoherent motion MR imaging. Radiology, 2012, 265(3): 874-881.

[5] Lemke A, Laun FB, Simon D, et al. An in vivo verification of the intravoxel incoherent motion effect in diffusion-weighted imaging of the abdomen. Magn Reson Med, 2010, 64(6): 1580-1585.

[6] Dyvorne HA, Galea N, Nevers T, et al. Diffusion-weighted MR imaging of the liver with multiple b values: effect of diffusion gradient polarity and breathing acquisition on image quality and intravoxel incoherent motion parameters-a pilot study. Radiology, 2013, 266(3): 920-929.

[7] Joo I, Lee JM, Yoon JH, et al. Nonalcoholic fatty liver disease: intravoxel incoherent motion diffusion-weighted MR Imagingan experimental study in a rabbit model. Radiology, 2014, 270(1): 131-140.

[8] Guiu B, Petit JM, Capitan V, et al. Intravoxel incoherent motion diffusion-weighted imaging in nonalcoholic fatty liver disease: a 3.0-T MR study. Radiology, 2012, 265(1): 96-103.

[9] Luciani A, Vignaud A, Cavet M, et al. Liver cirrhosis: intravoxel incoherent motion MR imaging--pilot study. Radiology, 2008, 249(3): 891-899.

[10] Chow AM, Gao DS, Fan SJ, et al. Liver fibrosis: an intravoxel incoherent motion (IVIM) study. J Magn Reson Imaging, 2012, 36(1): 159-167.

[11] Patel J, Sigmund EE, Rusinek H, et al. Diagnosis of cirrhosis with intravoxel incoherent motion diffusion MRI and dynamic contrastenhanced MRI alone and in combination: preliminary experience. J Magn Reson Imaging, 2010, 31(3): 589-600.

[12] Yoon JH, Lee JM, Yu MH, et al. Evaluation of hepatic focal lesions using diffusion-weighted MR imaging: comparison of apparent diffusion coefficient and intravoxel incoherent motion-derived parameters. J Magn Reson Imaging, 2014, 39(2): 276-285.

[13] Doblas S, Wagner M, Leitao HS, et al. Determination of malignancy and characterization of hepatic tumor type with diffusion weighted magnetic resonance imaging. Invest Radiol, 2013, 48(10): 722-728.

[14] Kang KM, Lee JM, Yu JH, et al. Intravoxel incoherent motion diffusion weighted MR imaging for characterization of focal pancreatic lesion. Radiology, 2014, 270(2): 444-453.

[15] Klauss M, Lemke A, Grünberg K, et al. Intravoxel incoherent motion MRI for the differentiation between mass forming chronic pancreatitis and pancreatic carcinoma. Invest Radiol, 2011, 46(1): 57-63.

[16] Chandarana H, Lee VS, Hecht E, et al. Comparison of bioexponential and monoexponential model of diffusion weighted imaging in evaluation of renal lesions. Invest Radiol, 2011, 46(5): 285-291.

[17] Chandarana H, Kang SK, Wong S, et al. Diffusion-weighted intravoxel incoherent motion imaging of renal tumors with histopathologic correction. Invest Radiol, 2012, 47(12): 688-696.

[18] 賈慧茹, 張翼, 劉樂, 等. 擴散加權(quán)成像單指數(shù)和雙指數(shù)模型評估單側(cè)輸尿管梗阻大鼠腎臟擴散及微灌注變化. 中國醫(yī)學影像學雜志, 2014, 22(5): 325-328.

[19] Inglis B, Bossart EL, Buckley DL. Visualization of neural tissue water compartments using biexponential diffusion tensor MRI. Magn Reson Med, 2001, 45(4): 580-587.

[20] Marzi S, Piludu F, Vidiri A. Assessment of diffusion parameters by intravoxel incoherent motion MRI in head and neck squamous cell carcinoma. NMR Biomed, 2013, 26(12): 1806-1814.

[21] 何杰, 張焱, 程敬亮, 等. 單、雙指數(shù)模型擴散加權(quán)成像鑒別診斷乳腺良惡性病變的對比研究. 中國醫(yī)學影像學雜志, 2014, 22(1): 30-33.

[22] Liu C, Liang C, Liu Z, et al. Intravoxel incoherent motion (IVIM) in evaluation of breast lesions: comparison with conventional DWI. Eur J Radiol, 2013, 82(12): E782-E789.

[23] Bokacheva L, Kaplan JB, Giri DD, et al. Intravoxel incoherent motion diffusion-weighted MRI at 3.0T differentiates malignant breast lesion from benign lesion and breast parenchyma. J Magn Reson Imaging, 2014, 40(4): 813-823.

[24] 喬敏霞, 時惠平, 秦丹, 等. 3.0T MRI多b值擴散加權(quán)成像對女性盆腔良、惡性病變的鑒別診斷價值. 中國醫(yī)學影像學雜志, 2013, 21(12): 951-954.

[25] Pang Y, Turkbey B, Bernardo M, et al. Intravoxel incoherent motion MR imaging for prostate cancer: an evaluation of perfusion fraction and diffusion coefficient derived from different b-value combinations. Magn Reson Med, 2013, 69(2): 553-562.

[26] Katahira K, Takahara T, Kwee TC, et al. Ultra-high-b-value diffusion-weighted MR imaging for the detection of prostate cancer: evaluation in 201 cases with histopathological correlation. Eur Radiol, 2011, 21(1): 188-196.

[27] Langer DL, Van Der Kwast TH, Evans AJ, et al. Prostate cancer detection with multi-parametric MRI: logistic regression analysis of quantitative T2, diffusion-weighted imaging, and dynamic contrastenhanced MRI. J Magn Reson Imaging, 2009, 30(2): 327-334.

[28] Riches SF, Hawtin K, Charles-Edwards EM, et al. Diffusion-weighted imaging of the prostate and rectal wall: comparison of biexponential and monoexponential modelled diffusion and association perfusion coefficient. NMR Biomed, 2009, 22(11): 318-325.

[29] Lemke A, Stieltjes B, Schad LR, et al. Toward an optimal distribution of b values for intravoxel incoherent motion imaging. Magn Reson Imaging, 2011, 29(6): 766-776.

[30] Hayashi T, Miyati T, Takahashi J, et al. Diffusion analysis with triexponential function in liver cirrhosis. J Magn Reson Imaging, 2013, 38(1): 148-153.

[31] Kwee TC, Galban CJ, Tsien C, et al. Intravoxel water diffusion heterogeneity imaging of human high-grade gliomas. NMR Biomed, 2010, 23(2): 179-187.

[32] Bennett KM, Schmainda KM, Bennett RT, et al. Characterization of continuously distributed cortical water diffusion rates with a stretched-exponential model. Magn Reson Med, 2003, 50(4): 727-734.

R445.2

10.3969/j.issn.1005-5185.2015.05.017

2014-10-22

2015-03-09

（本文編輯 張春輝）

川北醫(yī)學院附屬醫(yī)院放射科 四川南充 637000

杜 勇 E-mail: yongdu2005@163.com