卢毅,陈涛,彭稳稳,宋娇,王雪,严志汉
(温州医科大学附属第二医院育英儿童医院 放射科,浙江 温州 325027)
磁共振扩散加权成像(diffusion weighted imaging, DWI)越来越多地被运用于肿瘤学领域[1-3]。随着磁共振硬件的提升以及对组织、细胞内外水分子的扩散运动状态知识的不断更新,目前对于DWI的分析除了表观扩散系数(apparent diffusion coefficient,ADC)模型外,还出现了体素内不相干运动(intravoxel incoherent motion,IVIM)、扩散峰度成像(diffusion kurtosis imaging,DKI)和拉伸指数(stretched-exponential)等模型[4-5]。运用这些模型对肿瘤进行随访复查或疗效监测,需要模型具有较高的重复性[6],然而短时间内的DWI数据重复采集以及分析结果常常存在差异。基于此,本研究对正常大鼠头颅进行间隔24 h的DWI重复扫描,分析4种DWI模型在大鼠脑内的重复性情况,从而筛选更适合纵向研究的DWI分析模型。
1.1 实验动物 雄性SD大鼠14只,2~3月龄,体质量315~360 g,购自上海斯莱克实验动物有限责任公司。在温州医科大学实验动物中心进行常规饲养。动物许可证号:SYXK(浙)2014-0006。
1.2 方法
1.2.1 扫描方法:大鼠腹腔注射3 mL/kg 10%水合氯醛麻醉后,固定于8通道高分辨率大鼠头颅线圈内,选用3.0T GE DISCOVERY MR750扫描仪,采用自旋回波-回波平面成像(SE-EPI)序列获取DWI图像。具体扫描参数:层厚:3 mm,层间距:0 mm,TR/TE:2 000 ms/93.2 ms,矩阵:256×256,FOV:80 mm×100 mm,翻转角:90°,b值分别采用0、30、100、200、400、1 000、1 500、2 000 s/mm2,激励次数3次,方向为X、Y、Z 3个方向。待扫描结束后,将大鼠放回鼠笼中进行常规饲养,间隔24 h后采用同样扫描参数进行第2次DWI扫描。避免大鼠实验期间受到外界剧烈的刺激,每次麻醉10 min后待大鼠状态平稳时再扫描。
1.2.2 图像处理分析:通过MItalytics软件(新加坡Fitpu Healthcare公司),基于Matlab及C语言对图像进行后处理。手动选取大鼠大脑的不同区域(额顶叶皮层、纹状体、胼胝体及海马)作为感兴趣区(regions of interest,ROI),获得b值-磁共振信号曲线图,与4种DWI模型进行拟合,从而获得相应的模型彩图和参数结果。ADC模型获得ADC值,IVIM双指数模型获得真扩散系数(D)、灌注分数(f)和假扩散系数(D*)值,DKI模型获得校正扩散系数(Dapp)和表观扩散峰度(Kapp)值,拉伸指数模型获得分布扩散系数(DDC)和拉伸参数(α)值。
1.3 统计学处理方法 采用SPSS22.0进行统计学分析。DWI不同模型参数连续2 d的结果进行Kolmog-orov-Smirov正态性检验,符合正态分布的数据以()表示并采用配对t检验,不符合正态分布的数据以M(P25,P75)表示并采用Wilcoxon Signed Ranks Test非参数检验。通过计算受试者内变异系数(intrasubject coefficient of variation,intra-subject CV)和Cronbach's Alpha来评估前后2 d参数总体变异中的组内成分。运用MedCalc软件15.2.2(比利时Ostend公司)进行Bland-Altman方法评估,分析前后2 d参数的平均绝对差值和差值的95%一致性限度(limits of agreement,LA)来评估计算方法的重复性。P<0.05为差异有统计学意义。
2.1 磁共振原始图像信号分析 大鼠的不同脑区ROI大小如表1所示。分析每只大鼠脑区的DWI b值-磁共振信号强度衰减图,结果显示,当b值等于0 s/mm2时的磁共振信号强度不稳定,纹状体及海马部位当b值为0 s/mm2时,磁共振信号强度低于b值为30 s/mm2时,b值-磁共振信号强度曲线不能很好地呈指数衰减。而b值从30 s/mm2开始的强度衰减曲线较好地呈指数衰减。由于当b值等于0 s/mm2时,其磁共振信号强度不稳定,因此在对扩散磁共振图像进行分析时,我们选取的b值范围为30~2 000 s/mm2。见图1。
2.2 比较不同DWI模型在大鼠脑内的重复性 14只大鼠56个脑区的不同DWI模型前后2 d的参数,结果显示,D*、Kapp和α的差异有统计学意义(P<0.05),而ADC、D、f、Dapp和DDC的差异则无统计学意义(P>0.05)。见表2。
ADC模型、DKI模型和拉伸指数模型中扩散率相关参数(ADC、Dapp和DDC)的Cronbach's alpha均大于0.7,intra-subject CV均小于5%。同样的,拉伸指数模型中的α值的Cronbach's alpha也大于0.7,intra-subject CV小于5%。而IVIM模型所有参数的Cronbach's alpha都小于0.5,低于通常采用的截止值0.6,intra-subject CV大于40%。见表2。
表1 不同脑区ROI的体素大小()
表1 不同脑区ROI的体素大小()
时间 n ROI额顶叶皮层 纹状体 胼胝体 海马第1天 14 20.86±4.0 22.50±3.8 8.14±2.2 13.00±3.4第2天 14 22.78±6.2 19.35±7.8 7.07±2.0 10.50±3.5
图1 b值-磁共振信号强度衰减曲线图
除了评估受试者内变异外,Bland-Altman方法直观显示前后2 d扫描所得参数的平均绝对差值和95% LA,结果显示ADC模型、DKI模型和拉伸指数模型中扩散率相关系数(ADC、Dapp和DDC)及拉伸指数模型中的α值的LA均小于0.15×10-3mm2/s,其中ADC的LA最小,为0.086×10-3mm2/s。IVIM模型所有参数以及DKI模型中Kapp的LA大于0.4×10-3mm2/s。见表2、图2。
2.3 比较不同ROI对ADC值重复性的影响 结果显示4个ROI中纹状体的intra-subject CV和LA最低,分别为2.00%和0.034×10-3mm2/s,胼胝体的intra-subject CV和LA最高,分别为3.98%和0.085×10-3mm2/s。见表3。
纵向性研究中DWI数据分析结果的重复性问题一直存在争议。本研究采用相同的DWI扫描序列和扫描参数,避免研究对象本身生理状态变化引起的扩散运动状态改变对DWI结果的影响,分析间隔24 h不同DWI模型结果在大鼠脑内的重复性情况。
表2 4种磁共振扩散加权成像模型参数的重复性比较
图2 4种DWI模型参数的Bland-Altman分析图
表3 不同ROI的ADC参数重复性比较
间隔24 h研究发现ADC模型、DKI模型和拉伸指数模型中扩散率相关参数(ADC、Dapp和DDC)的intra-subject CV、Cronbach's alpha及Bland-Altman结果均提示其重复性较好。而IVIM模型中所有参数以及DKI模型中的Kapp值和拉伸指数模型中的α值重复性较差。
以往有研究探索了DWI研究中的结果误差的主要原因[7]。一方面是研究对象相关因素,包括疾病的类型和状态以及患者潜在的生理状态[8]。另一方面还存在扫描机器、实验操作者的误差,包括:成像仪器、安装程序、数据获取技术、重复检查间的时间间隔等。此外,数据分析方法的不同也会增加结果误差,包括成像技术不同(b值的选择,b值的范围以及b值图像的噪声[9])和扩散数学模型假设不同[10](单指数模型、双指数模型或多指数模型)。如KOH等[11]在实体肿瘤的ADC重复性研究中发现全b值和高b值时分析所得的ADC具有较高的重复性,而低b值时测量ADC的重复性较低。因此采用DWI参数变化来纵向评估肿瘤病情进展或疗效监测时,必须要说明每次获取数据时所采用的b值,从而真实有效地分析纵向研究数据,以防止因b值不一致而导致的数据结果不一致[12]。
本研究发现IVIM模型的重复性最差,这与一些研究结果[13-15]相似。有研究表明IVIM模型的灌注分数是高度变异的[13-14],其原因很可能与模型的自由参数数量有关。IVIM模型具有3个可变参数,虽然能更好地拟合磁共振信号衰减曲线,但是该模型也对实验中的变量(组织本身情况变化、噪声波动或者序列的信息)更加敏感,由此对结果的重复性造成影响[16]。除了模型参数数量的影响之外,模型的生理、物理学意义也会对重复性产生影响。IVIM模型的意义较为复杂,它假设组织存在快与慢2种扩散速度状态从而分析组织的血流灌注和水分子扩散运动情况,非常容易受到血流速度、血管密度、血液黏度、细胞大小形态渗透性等影响。而且,血管与其他管道(肾小管、乳腺导管、唾液腺等)的流动很难分离出来。此外,从扩散图像中分离出血流灌注信息需要很高的信噪比,且还有很多技术挑战需要克服,比如大体积流动现象造成的伪影。所以想要提升IVIM模型重复性,一方面需要硬件设备比如机器场强、线圈等提升,另一方面IVIM模型对于肾脏等具有多套管道系统且流速较快的器官的适用性相对较弱,在算法中还需进一步改善。ADC模型公式十分简单且只有一个参数,虽然它并没有十分完美地拟合组织产生的磁共振信号衰减曲线,但它却因此成为了所有模型中最强健的[17]。
本研究的局限性在于仅选取大鼠作为研究对象,下一步的计划,将以人脑为研究对象,以期为人脑的纵向性研究提供一个可以规范化比较的标准。并且,对人体扫描时的生理状态进行评估,比如采集血压、呼吸、心率等信息,从而规避由自身生理状态而产生的重复性误差。
综上,在间隔24 h的DWI重复性研究中发现,ADC模型、DKI模型和拉伸指数模型中扩散率相关参数重复性较好,其中ADC模型重复性最好,更适合应用于纵向性研究随访。而IVIM模型中所有参数以及DKI模型中Kapp和拉伸指数模型中α重复性较差。大鼠大脑不同部位的ADC值重复性也存在差异,纹状体重复性最好,胼胝体则相对较差。