磁共振扩散峰度成像技术的基本原理及应用现状

王 利 综述，印隆林，白 林，高 燕，蒋 瑾△ 审校

(1.川北医学院，四川 南充 637000；2.四川省医学科学院·四川省人民医院放射科，四川 成都 610072)

△通讯作者

磁共振扩散峰度成像技术的基本原理及应用现状

王 利1综述，印隆林2，白 林2，高 燕2，蒋 瑾2△审校

(1.川北医学院，四川 南充 637000；2.四川省医学科学院·四川省人民医院放射科，四川 成都 610072)

磁共振成像技术以其无放射性损伤及软组织分辨率高等优点被广泛应用于人体的多个系统及部位的成像。扩散峰度成像(diffusion kurtosis imaging，DKI)作为一项新的磁共振功能成像技术，可以从微观领域评估组织结构的完整性，较扩散张量成像(diffusion tensor imaging，DTI)更有优势，目前主要应用于中枢神经系统及其他系统的研究。本文就DKI技术的基本原理及临床应用现状进行简要综述。

核磁共振成像；扩散峰度成像；磁共振功能成像；扩散张量成像

随着MRI软硬件技术的迅速发展，弥散加权成像(diffusion weighted imaging，DWI)及扩散张量成像(diffusion tensor imaging，DTI)技术已比较成熟。目前DWI已广泛应用于全身各系统组织器官疾病的诊断与鉴别；而DTI可以从微观领域评估组织结构的完整性，主要应用于中枢神经系统各方向白质纤维及纤维束的评价，在腹部或其它组织器官的应用也有一些文献进行了探索。但DWI、DTI的理论前提是组织内水分子扩散呈正态分布，有其一定的局限性；而扩散峰度成像(diffusion kurtosis imaging，DKI)是基于DTI技术上的延伸，为描绘组织内非正态分布水分子扩散的一种新的磁共振成像方法，较传统的DTI更适合把握组织微观结构的变化，更利于病变的早期发现，其用于正常及病变组织的评价都有相关文献报道[1～4]。本文对DKI的基本原理及临床应用做一简要综述。

1 DKI的基本原理

DKI技术最早在2005年由纽约大学Jensen[5]提出，其理论基础是在活体状态下，感兴趣区的局部组织结构及形态的复杂性(如不同组织类型的细胞及组织内部固有的生化特性等)导致局部水分子的扩散运动实际上呈非正态分布，较正态分布有更高的峰值、更长的尾巴。DKI作为扩散成像的新技术，是基于DTI技术上的延伸，DTI的理论前提为水分子扩散呈正态分布，而DKI技术的产生历经一个对组织内水分子扩散呈非正态分布的认识、四阶张量应用于磁共振成像的转变过程，可以量化真实水分子扩散与理想状态下高斯分布扩散的位移偏离大小，表征水分子扩散受限程度和扩散的不均质性，即主要用来探查组织非高斯分布的水分子扩散特性，反映组织微观结构的变化[6～9]。

水分子的扩散运动是一种无规律的热运动，从宏观上看，它可以描述成无数个水分子随机运动概率的分布，目前应用最多的一种理论是基于随时间的分布概率的描述。对于单一的、同种性质的液体(如蒸馏水)，水分子的运动分布概率就是高斯模式，其扩散就称之为高斯运动[10]。但在活的生物组织中，水分子的扩散受到各种因素的影响，如细胞膜、细胞器、细胞内外的间隔等，这些屏障的存在，使水分子的扩散偏离了原来的高斯模型，被称为非高斯扩散[8，11～13]。

DKI扫描可得到的参数包括平均扩散峰度(mean kurtosis，MK)、轴向峰度(axial kurtosis，K//)、径向峰度(radical kurtosis，K⊥)，还可同时得到DTI的参数包括各向异性分数(fractional anisotropy，FA)、平均扩散系数(mean diffusion，MD)、轴向扩散张量(axial diffusion，D//)、垂直扩散张量(radical diffusion，D⊥)。DKI最具代表的参数为平均扩散峰度(mean kurtosis，MK)，定义为峰度在所有方向的平均值，被认为是组织微结构复杂程度的指标，是一个反映扩散受限程度的无量纲参数，其大小取决于感兴趣区内组织的结构复杂程度，结构越复杂，非正态分布扩散受限越显著，MK越大[14]。K//类似于扩散张量中的D//，为峰度在扩散本征矢量中最大的扩散本征值，K⊥为所有垂直于本征值最大的本征矢量方向的平均峰度值[14，15]，K⊥越大表明在该方向非正态分布扩散受限越显著，反之表明扩散受限越弱。

2 DKI的临床应用

2.1 应用于中枢神经系统疾病的诊断

2.1.1 肿瘤 DKI探索非高斯水分子的弥散特征，而非高斯水分子弥散取决于细胞膜，细胞器水分子间隔等复杂结构[8]。不同级别胶质瘤其组织结构复杂程度有所不同，在肿瘤组织恶变过程中，肿瘤细胞的增殖、分化，新生血管的生成以及胶质细胞瘤的坏死等病理特征的改变反映了肿瘤微观结构的变化。人体大多数组织的结构复杂(如各类型的细胞、细胞膜和组织的生化特性等)，能够导致水分子扩散位移概率分布实际上偏离正态分布[14]。DKI为四阶三维完全对称张量，可量化非正态分布水分子扩散，解决DTI无法解决多神经纤维交叉的问题[16]。正常白质纤维组织细胞分化成熟，结构成分复杂，因而可能含有较多弥散屏障。胶质瘤依据肿瘤细胞的分化程度和增殖能力分为四个等级[17]，低级别胶质瘤细胞结构较简单，一般细胞体积较大，排列相对疏松，相对于高级别肿瘤而言，渗透性更好，因此其弥散屏障更少[18]；高级胶质瘤具有更复杂的细胞结构，不典型性及多形性细胞核，含有更多新生血管及坏死组织[19]，其结构成分的复杂程度虽然更接近于正常脑白质，但仍存在一定差异[18]。根据相关研究表明[10]：肿瘤实质MK值有助于鉴别高级别与低级别脑星形细胞瘤，在高级别(Ⅲ级、Ⅳ级)脑星形细胞瘤分级中，肿瘤实质与远侧水肿带、囊变区及近侧水肿带间MK是否存在差异对Ⅲ级、Ⅳ级肿瘤分级提示有一定价值；MK可以提示肿瘤实质、囊变区、近侧水肿带及远侧水肿带间存在差异，可作为脑星形细胞瘤无创性肿瘤分级的生物标记，对未能进行手术的患者进行肿瘤分级评估及治疗方式的选择有很大的应用价值。

2.1.2 退行性病变 DKI是一种无创性评价脑白质纤维走行方向的有效办法，不仅可以清晰显示脑白质纤维束的走行，还可观察白质纤维束的空间方向性和完整性，较传统DTI技术更适合检测组织微观结构的变化[20]。FA值降低提示脑白质同质性的紊乱；MD值升高与神经变性及神经细胞缺失密切相关；MK降低提示神经纤维的密度及纤维基质的结合度受到了影响[21]。随着年龄的增长，大脑及脊髓等组织结构也在经历发育和老化的过程。当脑白质纤维出现一系列退行性改变包括神经元的崩解、死亡及细胞构架的塌陷、变形，继发出现神经纤维的失连接，即可表现FA值及MK值降低、MD值升高，脑白质微观结构的改变可能更早于其形态的改变，更早于临床症状的出现。DKI技术在灰白质年龄相关性变化、遗忘型轻度认知功能障碍、阿尔茨海默病、帕金森病等疾病的研究方面有很大进展，可早期发现组织微细结构的病理变化，以便进行早期干预治疗[3，22～24]。

2.1.3 脱髓鞘病变 以多发性硬化[4]为代表的脱髓鞘病变的特征是脑白质脱髓鞘改变伴轴索损伤和神经元丢失，这些屏障结构的破坏会引起水分子扩散增加，使得病灶及病灶周围MK值减低，ADC及MD值升高。脑组织结构破坏及组成成分缺失会导致ADC和MD值升高，而胶质增生及炎症反应却引起ADC及MD值的下降，因此组织修复会形成限制水分子扩散的屏障。DKI可观察白质纤维束的空间方向性和完整性，在多发性硬化的研究中[25]，MS病灶部位白质纤维束相对于正常对照组有明显中断、缺失表现，纤维束较稀疏，可以直观地观察 MS对脑组织的损伤情况，对疾病的诊断和治疗有很大应用价值。

2.1.4 血管性病变 DKI信号强度与K值的关系如下：S(b)=S(0)·exp[-bD(k)+b^2·D^2·K/6]，S(b)为信号强度，D为表面弥散系数，b为扩散敏感因子，K为表观扩散峰度；DKI至少需要3个不同的b值和15个梯度方向，通常30个方向最佳。脑梗塞根据发生时间可分为五个时期：超急性期(发病6小时以内)、急性期(6～24小时)、亚急性早期(24小时至7天)、亚急性晚期(7～14天)、慢性期(14天至2月)。梗死发生后，梗死区域可能主要发生轴突的损伤，表现为轴突的肿胀、细胞内内质网等微细结构破坏，可应用DKI测得相关参数值来量化组织微观结构的变化[9]。扩散峰度参数值在鉴别脑各期缺血梗死灶的扩散受限方面较MD、ADC更敏感，可应用于急性脑梗死的临床诊断。DKI能够深入、准确反映脑梗死后组织的微观结构的变化，对临床治疗有指导意义。此外，DKI在鼠大脑中动脉闭塞模型方面也有相关研究[26]。

2.1.5 神经精神性病变及其他 神经精神性病变在组织微观结构上都有不同程度的破坏、缺损，MRI目前已经广泛应用与中枢神经系统疾病的诊断与功能性研究，DKI作为MRI的一项新技术，能够量化反映组织微观结构的变化，可在一定程度上揭示组织微观结构异常与临床症状之间的关联，例如在遗忘型轻度认知功能障碍、阿尔茨海默病、精神分裂症、注意力缺陷多动症、重度抑郁症等疾病方面的研究[8，22，23，27，28]。此外，DKI在脑外伤、癫痫等其他类型疾病的研究方面也有了进展[29，30]。

2.2 应用于胸腹部疾病的诊断 乳腺肿瘤的传统影像学诊断方法主要是乳腺钼靶及乳腺超声检查，而MRI作为一种无创性及软组织分辨率高的检查方法在乳腺肿瘤的诊断应用中也越来越广泛。与传统的DWI技术比较，DKI可反映乳腺肿瘤的微观组织结构情况，其敏感性也更高，扩散峰度参数值的大小在乳腺肿瘤早期诊断及良恶性评估方面有很大应用价值[31，32]。此外，DKI在呼吸系统疾病的应用主要是对小气道疾病[33]的诊断，DKI对小气道疾病的敏感性较常规DWI更高，是诊断小气道疾病的有效方法。

DKI技术是DTI技术的延伸，可量化组织微观结构的变化，此基础同样适用于腹部疾病。前列腺癌发生在前列腺外周带，在前列腺癌[34]的临床研究中，对外周带良恶性病变的鉴别方面以及肿瘤分化程度的评价方面，MK值显示了很高的敏感性；在前列腺癌与良性前列腺增生的鉴别诊断方面也有应用价值[35]。在腹部其他疾病的研究，如肝纤维化、肝癌及肾脏疾病等也有相关研究进展[36～38]。

3 DKI的应用前景与展望

DKI作为磁共振无创检查的一种新技术，在许多疾病的评估中有了相当的应用，特别是在中枢神经系统疾病的应用最为广泛。DKI可量化分析组织微观结构的改变，与其他常规磁共振技术(如DWI、DTI等)比较而言，其敏感性、准确性及应用范围都更具优势，因此DKI可能是疾病早期诊断的有效方法。此外，DKI对扫描硬件设备的要求较低，扫描时间缩短，后处理过程也更为简便，因此更具临床应用前景。然而，临床疾病的研究是一个动态的过程，DKI技术的应用也应该转向对动态观察数据进行研究分析，以便探查疾病的发生、发展过程。随着DKI临床应用研究的进一步深入，无创技术探索微观结构改变的临床应用将会开创又一个新领域。

[1] Hui ES，Cheung MM，Chan KC，et al.B-value dependence of DTI quantitation and sensitivity in detecting neural tissue changes[J].Neuroimage，2010，49(3)：2366-2374.

[2] Li X，Yang J，Gao J，et al.A robust post-processing workflow for datasets with motion artifacts in diffusion kurtosis imaging[J].PLoS One，2014，9(4)：e94592.

[3] Nilsson M，Wirestam R，Stahlberg F，et al.Regional values of diffusional kurtosis imaging estimates in the healthy brain[J].J Magn Reson Imaging，2013，37(3)：610-618.

[4] Yoshida M，Hori M，Yokoyama K，et al.Diffusional kurtosis imaging of normal-appearing white matter in multiple sclerosis：Preliminary clinical experience[J].Jpn J Radiol，2013，31(1)：50-55.

[5] Steinmann C，Blaedel KL，Christensen AS，et al.Interface of the Polarizable Continuum Model of Solvation with Semi-Empirical Methods in the GAMESS Program [J].PLoS One，2013，8(7)：e67725.

[6] Yan X，Zhou M，Ying L，et al.Evaluation of optimized b-value sampling schemas for diffusion kurtosis imaging with an application to stroke patient data[J].Comput Med Imaging Graph，2013，37(4)：272-280.

[7] 郑慧鑫，张辉，王效春，等.正常成人脑结构年龄相关性变化的扩散峰度成像研究[J].中西医结合心脑血管病杂志，2013，11(5)：564-567.

[8] Jensen JH，Helpern JA.MRI quantification of non-Guassian water diffusion by kurtosis analysis[J].NMR Biomed，2010，23(7)：698-710.

[9] Nakanishi A，Fukunaga I，Hori M，et al.Microstructural changes of the corticospinal tract in idiopathic normal pressure hydrocephalus a comparison of diffusion tensor diffusional kurtosis imaging[J].Neuroradiology，2013，55(8)：971-976.

[10]廖海波，肖新兰.磁共振扩散峰度成像技术原理及在胶质瘤分级中的应用[J].临床放射学杂志，2013，32(12)：1824-1826.

[11] Jelle Veraart，Wim Van Hecke，Sijbers J，et al.Constrained Maximum Likelihood Estimation of the Diffusion Kurtosis Tensor Using a Rician Noise Model[J].Magnetic Resonance in Medicine，2011，66(3)：678-686.

[12] Mariko Y，Masaaki H，Yokoyama K，et al.Diffusional kurtosis imaging of normal-appearing white matter in multiple sclerosis：preliminary clinical experience[J].Jpn J Radiol，2013，31(1)：50-55.

[13] 单艺，卢洁，李坤成.扩散峰度成像在缺血性脑卒中的研究进展[J].中国医学影像技术，2013，29(12)：2046-2048.

[14] 曾丁巳，肖新兰.扩散峰度成像(DKI)在中枢神经系统的应用[J].临床放射学杂志，2011，30(9)：1400-1402.

[15] Jensen JH，Falangola MF，Hu C，et al.Preliminary observations of increased diffusional kurtosis in human brain following recent cerebra infarction[J].NMR Biomed，2011，24(5)：452-457.

[16] Poot DH，den Dekker AJ，Achten E，et al.Optimal experimental design for diffusion kurtosis imaging[J].IEEE Trans Med Imaging，2010，29(3)：819-829.

[17] 谭艳，张辉，王效春，等.磁共振扩散峰度成像在脑星形细胞瘤分级的初步研究[J].中西医结合心脑血管病杂志，2014，12(11)：1351-1352.

[18] Raab P，Hattingen E，Franz K，et al.Cerebral gliomas：Diffusional kurtosis imaging analysis of microstructural differences[J].Radiology，2010，254(3)：876-881.

[19]Basser PJ，Pierpaoli C.Microstructural and physiological features of tissues elucidated by quantitative-diffusion-tensor MRI 1996[J].J Magn Reson，2011，213(2)：560-570.

[20] Sun Y，Sun J，Zhou Y，et al.Assessment of in vivo microstructure alterations in grey using DKI in internet gaming addiction[J].Behav Brain Funct，2014，10：37.

[21] 田兄玲，焦玉梅，王俭，等.轻度认知功能障碍的脑白质扩散峰度成像研究[J].中华实用诊断与治疗杂志，2014，28(10)：994-997.

[22] Falangola MF，Jensen JH，Tabesh A，et al.Non-Gaussian diffusion MRI assessment of brain microstructure in mild cognitive inpairment and Alzheimer’s disease[J].Magn Reson Med，2013，31(6)：840-846.

[23] Benitez A，Fieremans E，Jensen JH，et al.White matter tract integrity metrics reflect the vulnerability of late-myelinating tracts in Alzheimer’s Disease[J].Neuroimage Clin，2013，4：64-71.

[24] Wang JJ，Lin WY，Lu CS，et al.Parkinson disease：diagnostic ulility of diffusion kurtosis imaging[J].Radiology，2011，261(1)：210-217.

[25] 金国宏，徐镇，魏璇，等.3.0T 磁共振扩散张量及其纤维束成像在脑多发性硬化诊断中的应用价值[J].宁夏医学杂志，2014，36(1)：28-31.

[26] Cheung JS，Wang E，Lo EH，et al.Stratification of heterogeneous diffusion MRI ischemic lesion with kurtosis imaging：Evaluation of mean diffusion and kurtosis MRI mismatch in an animal Model of transient focal ischemia[J].Stroke，2012，43(8)：2252-2254.

[27] Helpern JA，Adisetiyo V，Falangola MF，et al.Preliminary evidence of altered gray and white matter microstructural development in the frontal lobe of adolescents with attention-deficit hyperactivity disorder：a diffusional kurtosis imaging study[J].J Magn Reson Imaging，2011，33(1)：17-23.

[28] 黄海燕，田兄玲，王俭，等.磁共振成像扩散峰度成像技术对抑郁症患者脑微观结构变化的评估价值[J].中国全科医学，2014，17(36)：4386-4391.

[29] Elan JG，Yulin G，Jens HJ，et al.Thalamus and Cognitive Impairment in Mild Traumatic Brain Injury：A Diffusional Kurtosis Imaging Study[J].Journal of Neurotrauma，2012，29：2318-2327.

[30] Gao Y，Zhang Y，Wong CS，et al.Diffusion abnormalities in temporal lobes of children with temporal lobe epilepsy：a preliminary diffusional kurtosis imaging study and comparison with diffusion tensor imaging[J].NMR Biomed，2012，25(12)：1369-1377.

[31] Wu D，Li G，Zhang J，et al.Characterization of Breast Tumors Using Diffusion Kurtosis Imaging(DKI)[J].Plos one，2014，9(11)：e113240.

[32] Noqueira L，Brand o S，Matos E，et al.Application of the diffusion kurtosis model for the study of breast lesions[J].Eur Radiol，2014，24(6)：1197-1203.

[33] 苗莹莹，宋涵，张惠茅，等.磁共振新技术在IVIM和DKI在腹部应用研究现状[J].中国实验诊断学，2013，17(11)：2118-2119.

[34] Quentin M，Pentang G，Schimm ller L，et al.Feasibility of diffusional tensor imaging in prostate MRI for the assessment of prostate cancer：preliminary results[J].Magn Reson imaging，2014，32(7)：880-885.

[35] Tramura C，Shinmoto H，Soqa S，et al.Diffusional kurtosis imaging of prostate cancer：preliminary finding[J].J Magn Reson imaging，2014，40(3)：723-729.

[36] Anderson SW，Barry B，Soto J，et al.Characterizing non-gaussian，high b-value diffusion in liver fibrosis：Stretched exponential and diffusion kurtosis modeling[J].J Magn Reson Imaging，2014，39 (4)：827-834.

[37] Rosenkrantz AB，Sigmund EE，Winnick A，et al.Assessment of hepatocellular carcinoma using apparent diffusion coefficient and diffusion kurtosis indices：perliminary experience in fresh liver explants [J].Magn Reson Imaging，2012，30(10)：1534-1540.

[38] Pentang G，Lananman RS，Heusch P，et al.Diffusion kurtosis imaging of the human kidney：a feasibility study[J].Magn Reson Imaging，2014，32(5)：413-420.

MR diffusion kurtosis imaging：principles and clinical applications

WANG Li，YIN Long-lin，BAI Lin，GAO Yan，JIANG Jin

R814.42

B

1672-6170(2015)06-0168-04

2015-03-20；

2015-04-20)