薛愛國 劉任遠 徐令儀 張 冰 孫 鈺 萬遂人#*

1(東南大學醫(yī)學電子學實驗室，南京 210096)2(南京大學醫(yī)學院附屬鼓樓醫(yī)院醫(yī)學影像科，南京 210008)

磁共振波譜量化工具LCModel和TARQUIN的對比

薛愛國1劉任遠2徐令儀1張 冰2孫 鈺1萬遂人1#*

1(東南大學醫(yī)學電子學實驗室，南京 210096)2(南京大學醫(yī)學院附屬鼓樓醫(yī)院醫(yī)學影像科，南京 210008)

磁共振波譜(MRS)技術(shù)能夠提供組織內(nèi)部的代謝物信息，而且是一項能夠在活體內(nèi)無創(chuàng)傷測定代謝物濃度的技術(shù)。然而，不同的波譜量化算法會得到不同的計算結(jié)果。根據(jù)LCModel和TARQUIN這兩種算法，采用21個健康志愿者的海馬數(shù)據(jù)進行分析對比。采用圖像分割和圖像匹配的辦法，實現(xiàn)CSI體素的自動選擇。在LCModel和TARQUIN的對比中，首先比較參數(shù)start point對TARQUIN分析結(jié)果的影響，然后對比TARQUIN和LCModel分析的代謝物濃度比的相關(guān)性，最后討論TARQUIN和LCModel分析結(jié)果的平均偏差。結(jié)果顯示，TARQUIN和LCModel有非常相似的模型信號。然而LCModel分析結(jié)果的基線比TARQUIN更加平滑。對于Ins/TCr、TNAA/TCr、Cho/TCr和Cho/TCr，TARQUIN和LCModel計算結(jié)果的相關(guān)系數(shù)分別為0.42、0.26、0.84、0.67。 在代謝物濃度比Ins/TCr、TNAA/TCr、Cho/TCr和(Glu+Gln)/TCr方面，TARQUIN 分析結(jié)果總體比LCModel偏小。對于TNAA/TCr和(Glu+Gln)/TCr，相對偏差為0.34和.032。Ins/TCr 和Cho/TCr、TARQUIN和LCModel之間的平均偏差較小，不高于8%。LCModel和TARQUIN計算的模型信號較為接近，但代謝物相對濃度差別較大，TARQUIN分析的結(jié)果比LCModel分析的結(jié)果平均偏小，可比性較差。

磁共振譜；LCModel；TARQUIN

引言

人大腦內(nèi)代謝物濃度會隨著年齡和健康程度發(fā)生變化，不同的代謝物濃度代表著不同的信息。在傳統(tǒng)的方法中只有活檢才能測定代謝物濃度，然而活檢危險性也較大，不易多次使用。磁共振波譜(MRS)技術(shù)是一項無創(chuàng)傷地提供活體組織內(nèi)部代謝物濃度信息的檢測技術(shù)[1-2]。MRS技術(shù)在神經(jīng)病學[3]、白質(zhì)炎癥性疾病[4]、阿爾茲海默病[5]等臨床領(lǐng)域有著廣泛的應(yīng)用。在MRS技術(shù)中，代謝濃度的測定基礎(chǔ)是MRS信號的量化?，F(xiàn)有的MRS信號量化算法有很多[6]，然而不同算法的量化結(jié)果卻不一樣，對于不同的量化結(jié)果也沒有統(tǒng)一的評價標準。不同的MRS量化方法得到結(jié)果之間的差異性已經(jīng)成為波譜量化工作者們關(guān)心的問題。LCModel是目前臨床應(yīng)用最為廣泛的商業(yè)化MRS量化工具[7]。TARQUIN作為一個免費的MRS量化工具提供了和LCModel相同的功能[8-9]。本研究對LCModel和TARQUIN的計算結(jié)果進行對比，為這兩個不同的工具的使用者提供參考。

Wilson等曾用大腦白質(zhì)的單體素MRS信號對TARQUIN和LCModel計算的絕對濃度做了對比[9]。然而，這種方法的最大局限性在于，代謝物的真實絕對濃度是未知的，而且在絕對濃度計算中需要用到水信號，實際中不同大腦區(qū)域的水信號是無法準確獲得的。另外，其實驗中采用的是單體素采集[10]方法，體素位置是由人工確定的，對于不同的被試無法保證體素的位置選取是一致的。在實際應(yīng)用中，一般研究代謝物相對濃度，而不是代謝物絕對濃度[11-13]，大多數(shù)研究以肌酸(Cr)為體內(nèi)參考信號的，例如阿爾茲海默病(AD)[14-16]和大腦腫瘤診斷[17-18]，因此對比代謝物相對濃度會更加有實際意義。另外，計算相對濃度不需要放縮校正和弛豫校正，對部分容積效應(yīng)也不敏感。本研究采用多體素的定位方法采集MRS數(shù)據(jù)，對比一些主要代謝物相對濃度。由于在MRS量化算法中Cr和磷酸肌酸(PCr)難以區(qū)分，所以本研究中將使用Cr+PCr(TCr)作為體內(nèi)參考信號。在MRS中，乙酰天冬氨酰谷氨酸(NAAG)和NAA的譜線很難區(qū)分開，同時膽堿磷酸(PCh)和甘油磷酰膽堿(GPC)，以及谷氨酸鹽(Glu)和谷氨酰胺(Gln)的譜線也都難以區(qū)分。NAA+NAAG(TNAA)濃度的和比單獨的NAA或者NAAG濃度計算更為準確，對TCr，GPC+PCh(Cho)，Glu+Gln同樣也是如此。所以我們比較TNAA的濃度而不是比較單獨的NAA或者NAAG的濃度，同理比較Cho，Glu+Gln的相對濃度。同時也比較LCModel和TARQUIN計算的Ins的相對濃度。研究中采用健康志愿者的海馬區(qū)波譜數(shù)據(jù)進行對比，采用多體素化學位移成像(CSI)[1, 19]。對MRI圖像進行分割，通過和CSI圖像的匹配，自動選取海馬的體素。

在代謝物濃度比對比中，首先分析TARQUIN中參數(shù)start point對計算結(jié)果的影響，然后分析LCModel和TARQUIN計算結(jié)果的相關(guān)性，最后對比LCModel和TARQUIN計算的一致性。Bland Altman曾通過分析兩種測量方法的絕對差值來對比兩種方法的一致性[20]。在本研究中，改進Bland Altman的方法，采用差值相對于真實值的比值來分析LCModel和TARQUIN計算的一致性。

1 材料和方法

1.1 材料

21個健康成年人作為研究對象，采集了志愿者海馬的MRS數(shù)據(jù)。所有被試或其代理人均簽署了書面形式的實驗知情同意書。采集中使用8通道相控陣列線圈。在飛利浦Achieva 3.0磁共振儀上進行數(shù)據(jù)采集。采用三維turbo快速回波T1WI序列來獲取全腦結(jié)構(gòu)圖像，并用于海馬的分割。序列參數(shù)：重復周期(TR)/回波時間(TE)=9.8 ms/4.6 ms，翻轉(zhuǎn)角為8°，平面內(nèi)分辨率1 mm×1 mm，F(xiàn)OV(field of view)=256 mm×256 mm，選層厚度為1 mm。在飛利浦Achieva 3T工作站上重建雙側(cè)海馬橫斷位三維圖像，并用于MRS采集定位。然后，2D-PRESS序列用于采集雙側(cè)海馬的MRS數(shù)據(jù)。用三平面自動勻場過程進行勻場以確保磁場的均勻性。PRESS序列采集MRS數(shù)據(jù)前，采用多優(yōu)化不敏感抑制鏈(MOIST)對水信號進行壓制。

1.2 方法

1.2.1 體素選擇

為了選取合適的體素進行分析，使用圖像分割和配準的辦法，實現(xiàn)體素的自動選取，具體步驟如下：

1)使用FreeSurfer，對全腦3D T1加權(quán)圖像分割得到海馬；

2)對CSI體素和分割結(jié)果進行配準；

3)計算CSI中每個體素包含的海馬的體積；

4)尋找CSI體素中包含海馬最多的體素，作為LCModel和TARQUIN對比使用的體素。

對于每個志愿者，雙側(cè)海馬都進行了計算，具體流程如圖1所示。

1.2.2 TARQUIN和LCModel的對比

采用本文第1.2.1節(jié)中選擇的體素，對于每個選擇的體素分別用LCModel (version 6.3-1J)和TARQUIN (version 4.3.8)進行分析。在LCModel和TARQUIN的信號模型中，有如下關(guān)系[7, 9]：

原始信號=模型信號+殘留信號

模型信號=代謝物信號+基線

比較包括4個步驟：

1)比較TARQUIN中參數(shù)start point對結(jié)果的影響。

2)分析TARQUIN和LCModel計算結(jié)果的相關(guān)性。雖然相關(guān)性不能代表TARQUIN和LCModel分析的結(jié)果是一致的，但是如果有很高的相關(guān)性，那么對于兩者的比較也是有很大的意義的。

3)數(shù)據(jù)繪圖。以LCModel得到的值為橫軸，TARQUIN得到的值為縱軸，畫點狀圖。如果LCModel和TARQUIN得到的結(jié)果完全一致，那么所有的點將落在直線y=x上，可以幫助觀察LCModel和TARQUIN的計算結(jié)果是否一致。

4)分析LCModel和TARQUIN計算結(jié)果相對差值及其標準差。記代謝物濃度比值實際值為s，LCModel計算的代謝物濃度比值為s1，TARQUIN計算的代謝物濃度比值為s2。為了計算相對值，使用s1和s2的均值作為代謝物濃度實際值，計算TARQUIN和LCModel的相對誤差，并給出其r均值95%的置信區(qū)間，有

(1)

(2)

2 結(jié)果

圖2顯示了LCModel和TARQUIN對一個體素的分析結(jié)果。從圖2可以看出LCModel和TARQUIN分析的模型信號形狀比較接近。圖2的(b)～(d)可以明顯看出基線的差別，說明參數(shù)start point明顯地影響了基線形狀。Start point取默認值20時，TARQUIN相比LCModel的基線更加平滑。

圖2 健康志愿者海馬區(qū)波譜分析結(jié)果。 (a) LCModel； (b) TARQUIN，start point=5；(c) TARQUIN，start point=20； (d) TARQUIN，start point=50Fig.2 Healthy hippocampus MRS fitting results. (a) LCModel; (b) TARQUIN with start point=5; (c) TARQUIN with start point=20; (d) TARQUIN with start point=50

TARQUIN和LCModel分析結(jié)果相關(guān)性如表1所示。其中Cho/TCr的相關(guān)系數(shù)較高，達0.84。對于其他三種的代謝物濃度比，LCModel和TARQUIN計算結(jié)果相關(guān)性比較差。

LCModel和TARQUIN計算結(jié)果點狀圖如圖3所示，可以看出LCModel分析得到的代謝物濃度比值和LCModel得到的結(jié)果并不完全一致。

表1 TARQUIN 和LCModel分析結(jié)果相關(guān)系數(shù)

Tab.1 The correlation coefficients between TARQUIN and LCModel

Ins/TCrTNAA/TCrCho/TCr(Glu+Gln)/TCr0.42210.25740.83770.6719

圖3 代謝物濃度比點狀圖。 (a) Ins/TCr； (b) TNAA/TCr； (c) Cho/TCr； (d) (Glu+Gln)/TCrFig.3 Metabolite concentration ratio calculated by LCModel and TARQUIN. (a) Ins/TCr; (b) TNAA/TCr; (c) Cho/TCr; (d) (Glu+Gln)/TCr

表2顯示了TARQUIN和LCModel分析結(jié)果的相對差值。第2列為r均值，第3和第4列為r均值置信區(qū)間，第4列為r的方差。對于Ins/TCr 和Cho/TCr，TARQUIN和LCModel差值平均小于8%，而對TNAA/TCr 和 (Glu+Gln)/TCr，TARQUIN和LCModel的計算結(jié)果差別較大。對于Cho/TCr，TARQUIN和LCModel計算結(jié)果的差值方差較小。整體來說，LCModel和TARQUIN計算的代謝物濃度比值差別較大。

表2 TARQUIN 和LCModel分析結(jié)果差值

Tab.2 The difference of the analyzed result between LCModel and TARQUIN

r均值r均值95%置信區(qū)間置信下限置信上限方差I(lǐng)ns/TCr-0.07-0.17840.03970.35TNAA/TCr-0.34-0.4458-0.24050.33Cho/TCr-0.08-0.1214-0.04260.13(Glu+Gln)/TCr-0.32-0.4576-0.19120.43

3 討論

本研究在波譜采集時采用了多體素采集方法，在CSI體素的選擇時，采用了圖像分割和圖像匹配的辦法實現(xiàn)了體素的自動選取，避免了人工選擇給實驗帶來的誤差。

TARQUIN參數(shù)start point明顯地影響了基線的形狀，這一點和文獻[9]的對比結(jié)果相同。當start point取默認參數(shù)20時(見圖2(c))，TARQUIN的分析結(jié)果和LCModel分析結(jié)果最為接近，尤其是對于模型信號在1.4～1.8×10-6處。在默認參數(shù)設(shè)置下，LCModel分析的基線一般比TARQUIN分析的基線更加平滑，這一點和文獻[9]的分析不同，其中采用的是單體素采集，而本研究采用的是多體素采集，此時體素定位會更加準確，但缺點是回波時間TE會增大，T2弛豫影響會增大，這可能是導致結(jié)果差異的重要原因。

從表1中可以，看到只有Cho/TCr，LCModel和TARQUIN的分析結(jié)果相關(guān)性較強，相關(guān)系數(shù)為0.837 7。從圖3(a)和圖3(b)中以看到，下面有兩個點TARQUIN計算的結(jié)果比LCModel計算的結(jié)果小很多，較低的相關(guān)系數(shù)可能是由這兩個點導致的。另外，隨機誤差也會使得相關(guān)系數(shù)降低。從表2中可以看到，代謝物濃度比Ins/TCr, Cho/TCr, TNAA/TCr and (Glu+Gln)/TCr，TARQUIN的計算結(jié)果平均水平要比LCModel的計算結(jié)果低，這可能是TARQUIN對于TCr比LCModel計算的偏高造成的。對與幾種代謝物濃度比，LCModel和TARQUIN計算的結(jié)果一致性較差。在計算過程中，對與基集(basis set)[7]，采用了LCModel和TARQUIN的默認基集。在LCModel和TARQUIN中，默認基集采用的是同一型號的多臺磁共振儀同一序列協(xié)議所測得的平均基集。使用平均基集有助于不同磁共振儀之間的MRS量化結(jié)果的對比，但是機器之間的差別卻成為了一個隨機誤差。同時，LCModel和TARQUIN的基集也并不完全一致，這也增加了實驗結(jié)果的隨機誤差。

在本研究中可以看到，TARQUIN和LCModel計算的相對濃度差異較大，但是并不能判斷在臨床使用中那個算法更優(yōu)。在臨床大腦組織發(fā)生病變時，MRS信號會發(fā)生變化。例如：在阿爾茲海默病中，患者海馬區(qū)的NAA/Cr會下降；在腦腫瘤中，患者腦腫瘤處的Cho/Cr會升高。所以，在后續(xù)的對比工作中，可以采集一組正常人波譜數(shù)據(jù)和一組腦腫瘤患者的波譜數(shù)集，用LCModel計算相對代謝物Cho/Cr的值，計算在正常和腦腫瘤患者之間Cho/Cr組間差異的顯著性值，然后再用TARQUIN進行計算，得到其組間差異的顯著性值，最后通過比較兩次計算的顯著性值來判斷LCModel和TARQUIN在分析腦腫瘤波譜數(shù)據(jù)時哪個表現(xiàn)得更好。同樣，也可以比較LCModel和TARQUIN在分析其他疾病波譜時的優(yōu)劣。

4 結(jié)論

采用多體素采集波譜數(shù)據(jù)，并用圖像分割和圖像配準的方法，實現(xiàn)了CSI體素的自動選取。然后，對比了TARQUIN中start point參數(shù)對TARQUIN計算結(jié)果的影響，分析了LCModel和TARQUIN計算結(jié)果的相關(guān)系數(shù)和相對偏差。結(jié)果顯示，TARQUIN計算的模型信號和LCModel的結(jié)果非常接近。TARQUIN中參數(shù)start point的值會明顯地影響基線的形狀。然而，對于代謝物的濃度比Ins/TCr、TNAA/TCr、Cho/TCr 和(Glu+Gln)/TCr，TARQUIN和LCModel 的分析結(jié)果并不完全一致，TARQUIN分析的結(jié)果比LCModel分析的結(jié)果平均偏小。在MRS研究和臨床應(yīng)用中，使用這LCModel和TARQUIN得到的結(jié)果差別較大，可比性較差。

[1] De Graaf RA. Spectroscopic imaging and multivolume localization [M]//De Graaf RA. In Vivo NMR Spectroscopy. Chichester: John Wiley & Sons Ltd, 2007: 349-387.

[2] Allen D. Elster Md JHBM. Questions and answers in magnetic resonance imaging [M]. (2nd ed). St Louis: Mosby, 2001.

[3] Panigrahy A, Nelson MD, Jr Bluml S. Magnetic resonance spectroscopy in pediatric neuroradiology: Clinical and research applications [J]. Pediatr Radiol, 2010, 40(1): 3-30.

[4] Rosen Y, Lenkinski RE. Recent advances in magnetic resonance neurospectroscopy [J]. Neurotherapeutics, 2007, 4(3): 330-345.

[5] Soares DP, Law M. Magnetic resonance spectroscopy of the brain: review of metabolites and clinical applications [J]. Clin Radiol, 2009, 64(1): 12-21.

[6] Poullet JB, Sima DM, Van Huffel S. MRS signal quantitation: A review of time- and frequency-domain methods [J]. J Magn Reson, 2008, 195(2): 134-144.

[7] Provencher SW. Estimation of metabolite concentrations from localized in vivo proton NMR spectra [J]. Magn Reson Med, 1993, 30(6): 672-679.

[8] Reynolds G, Wilson M, Peet A, et al. An algorithm for the automated quantitation of metabolites in in vitro NMR signals [J]. Magn Reson Med, 2006, 56(6): 1211-1219.

[9] Wilson M, Reynolds G, Kauppinen RA, et al. A constrained least-squares approach to the automated quantitation of in vivo 1H magnetic resonance spectroscopy data [J]. Magn Reson Med, 2011, 65(1): 1-12.

[10] De Graaf RA. Single volume localization and water suppression [M]//De Graaf RA. In Vivo NMR Spectroscopy. Chichester: John Wiley & Sons Ltd, 2007: 297-348.

[11] Sajja BR, Wolinsky JS, Narayana PA. Proton magnetic resonance spectroscopy in multiple sclerosis [J]. Neuroimaging Clin N Am, 2009, 19(1): 45-58.

[12] Bertolino A, Callicott JH, Nawroz S, et al. Reproducibility of proton magnetic resonance spectroscopic imaging in patients with schizophrenia [J]. Neuropsychopharmacology, 1998, 18(1): 1-9.

[13] Vermathen P, Laxer KD, Matson GB, et al. Hippocampal structures: anteroposterior N-acetylaspartate differences in patients with epilepsy and control subjects as shown with proton MR spectroscopic imaging [J]. Radiology, 2000, 214(2): 403-410.

[14] Kantarci K. 1H magnetic resonance spectroscopy in dementia [J]. Br J Radiol, 2007, 80 Spec No 2(S)146-152.

[15] Ross BD, Bluml S, Cowan R, et al. In vivo MR spectroscopy of human dementia [J]. Neuroimaging Clin N Am, 1998, 8(4): 809-822.

[16] Valenzuela MJ, Sachdev P. Magnetic resonance spectroscopy in AD [J]. Neurology, 2001, 56(5): 592-598.

[17] Fountas KN, Kapsalaki EZ, Gotsis SD, et al. In vivo proton magnetic resonance spectroscopy of brain tumors [J]. Stereotact Funct Neurosurg, 2000, 74(2): 83-94.

[18] Yang D, Korogi Y, Sugahara T, et al. Cerebral gliomas: prospective comparison of multivoxel 2D chemical-shift imaging proton MR spectroscopy, echoplanar perfusion and diffusion-weighted MRI [J]. Neuroradiology, 2002, 44(8): 656-666.

[19] Brateman L. Chemical shift imaging: A review [J]. AJR Am J Roentgenol, 1986, 146(5): 971-980.

[20] Bland JM, Altman DG. Statistical methods for assessing agreement between two methods of clinical measurement [J]. Lancet, 1986, 1(8476): 307-310.

A Comparison of Magnetic Response Spectroscopy Quantification
Tools between TARQUIN and LCModel
Xue Aiguo1Liu Renyuan2Xu Lingyi1Zhang Bing2Sun Yu1Wan Suiren1#*

1(MedicalElectricsLaboratoryofSoutheasternUniversity,Nanjing210096,China)

2(DepartmentofRadiology,TheAffiliatedDrumTowerHospitalofNanjingUniversityMedicalSchool,Nanjing210008,China)

magnetic resonance spectroscopy; LCModel; TARQUIN

10.3969/j.issn.0258-8021. 2016. 03.017

2016-01-28， 錄用日期:2016-03-18

R318

D

0258-8021(2016) 03-0375-05

# 中國生物醫(yī)學工程學會會員(Member, Chinese Society of Biomedical Engineering)

*通信作者(Corresponding author)， E-mail: srwan@seu.edu.cn