基于Prisma 的功能磁共振成像质量控制

华佳，王艳

中山大学测试中心 （广东广州 510275）

功能磁共振成像（functional magnetic resonance imaging，fMRI）是一种基于血氧水平依赖的新兴神经成像技术，通过检测大脑血氧水平变化，间接反映神经元活动[1]。20世纪90年代，fMRI 首次被用于大脑功能的检测。经过近30年的蓬勃发展，fMRI已成为研究人类神经科学以及各种神经和精神疾病不可或缺的工具[2-3]。与常规磁共振成像相比，fMRI检测到的神经元活动很微弱，其对硬件性能和质量控制的依赖度也更高[4]。目前，国际上公认的磁共振质量控制指南均是由美国放射学会（American College of Radiology，ACR）和美国医学物理学会制定的，但这些指南均是基于价格昂贵且测量指标仅限于几何度量的专用体模，并不能满足具备高灵敏度的fMRI 设备对质量控制的要求。目前国内外针对fMRI 质量控制的研究较少[5-8]，且尚无针对Prisma 的特定fMRI 的质量控制研究。

鉴于此，本研究基于西门子的Prisma，利用出厂自带体模，针对自旋回波（spin echo，SE）序列的信噪比（signal-to-noise ratio，SNR）、均匀度和平面回波成像（echo-planar imaging，EPI）序列的SNR、信号波动噪声比（signal-to-fluctuation-noise ratio，SFNR）、漂移率、波动率、均匀度、奈奎斯特鬼影（ghosting）率、频谱峰值关键指标，在Matlab 上搭建了自动化质量控制程序，旨在建立质量控制方案，用于日常评估设备的稳定性，现报道如下。

1 材料和方法

1.1 材料

选择2021年2月23日至6月18日西门子Prisma功能磁共振不定期采集的54次水模质量控制数据为研究对象。仪器经过校准，以确保其处于正常状态。扫描前，水模平放托架后，置入线圈内固定位置（图1a），静置5 min，其中，水模放置位置、定位框位置、采集协议始终保持一致。

图1 摆位及分析示意图

1.2 仪器与方法

采用西门子3T Prisma 扫描仪，64通道头颈线圈。扫描序列及参数具体如下。（1）结构图像：2D SE序列，视野192 mm×192 mm，层数15，重复时间601 ms，回波时间20 ms，层面内插值后分辨力0.5 mm×0.5 mm×5 mm，带宽205 Hz/Px，扫描时间1 min 58 s。（2）功能图像：EPI 序列，视野224 mm×224 mm，层数62，重复时间2 000 ms，回波时间30 ms，分辨力2 mm（各向同性），带宽2 350 Hz/Px，测量次数110，多层同时激发因子2，并行采集加速因子2，相位编码方向从前到后（anterior to posterior，AP），扫描时间3 min 52 s。

1.3 数据自动分析流程

数据自动分析流程见图2，每次开始实验前，采集设备质量控制数据，上传至服务器，利用Matlab 软件自动完成质量控制过程，以简短报告形式呈现质量控制结果，并以Excel 及jpg 格式保存数据处理过程及结果。

图2 数据处理流程

1.4 定位检测

所有质量控制指标均采用自动计算的方式，因此，需自动检测体模在图像中的位置；利用k均值聚类自动提取体模和背景区域的灰度阈值，根据阈值确定体模图像的边界[7]（图1b）；由于fMRI 图像存在AP 方向的变形，所以对体模边界列坐标进行离散采样，拟合上半圆和下半圆两个圆心坐标（xup，yup）、（xdown，ydown）和半径rup、rdown，再估算出圆心坐标（x，y）和半径R：x=（xup+xdown）/2，y=（yup+ydown）/2，R=（rup+rdown）/2；通过线性拟合各层面圆心坐标，计算定位框在X/Y 方向偏离水模长轴的角度。本研究以倾斜角＜2°为有效质量控制数据判定标准。

1.5 质量控制指标

对质量控制数据，以（x，y）为圆心，0.8R为半径定义中心感兴趣区（region of interest，ROI），图1c 中的圆形表示中心ROI（图1c），图1c 中的正方形表示背景噪声区ROI（图1c），图1d 中的矩形表示ghosting 区ROI（图1d）。依次计算SE 序列的SNR、均匀度和EPI 序列的SNR、SFNR、漂移率、波动率、均匀度、ghosting 率、频谱峰值[6-7，9-10]，并记录各参数随时间的变化。

1.6 统计学处理

采用变异系数（coefficient of variation，CV）定量分析不同指标的波动情况，先基于夏皮罗-威尔克（Shapiro-Wilk，SW）检验对各指标做正态性检验，然后采用皮尔森相关性分析法分析各指标间的相关性，降低质量控制指标复杂度，采用SPSS 25.0统计软件进行数据分析，P＜0.05为差异有统计学意义。

2 结果

2.1 质量控制标准建立

前30次质量控制数据经定位检测后，分别计算所有质量控制指标。各参数的均值（x-）、标准差（s）和CV见表1。由表1可知，除频谱峰值的CV＞10%外，其余质量控制参数的CV均＜10%，其中漂移率（9.06%）和波动率（7.67%）的CV相对较大。

表1 质量控制参数结果

利用前30次质量控制结果，结合相关研究，建立质量控制区间。ACR 推荐的ghosting 率质量控制上限为2.5%[9]，结合测量情况，本研究以＜1.25%为ghosting 率的质量控制标准。针对频谱信号，以0.25为频谱峰值质量控制上限。依据拉依达准则，检测结果的随机误差应在±3σ 以内[5]，所以，其余指标以x-±3σ 为质量控制区间（表1）。

各参数的皮尔森相关分析结果见表2。其中，SE半径（P=0.008）和SFNR（P=0.022）未经过SW正态检验，其余指标均服从正态分布。分析结果显示：EPI和SE的均匀度之间存在极显著强正相关关系（r=0.880，P＜0.001）；EPI和SE的SNR之间存在显著中度负相关关系（r=-0.366，P=0.047）；EPI的波动率和漂移率之间存在显著中度正相关关系（r=0.412，P=0.024）。因此，为降低数据分析复杂度，定义SE半径、EPI均匀度、SFNR、SNR、波动率、ghosting率、频谱峰值为关键指标，建立质量监控。

表2 质量控制参数的相关矩阵

2.2 数据验证

验证数据的质量控制参数随时间的变化情况见图3，纵坐标表示各参数，横坐标表示扫描顺次（共24 d），黑色和灰色虚线分别表示参数质量控制上下限。由图3可知，24 d 的质量控制指标随机波动，但均在正常范围内。

图3 数据验证结果

3 讨论

数据质量的可靠性和可重复性一直是功能成像研究面临的首要问题[4]。因此，长期监测设备状态，确保设备性能稳定对开展纵向科学研究至关重要。对磁共振设备制定质量控制方案，实现高效、精准的质量控制具有十分重要的意义。利用设备出厂自带的水模作为扫描对象开展日常质量控制工作，便于实现、推广。由于不同设备的硬件性能有所差异，所以，质量控制范围的确立需针对具体的设备而制定。

为建立有效的质量控制范围，本研究首先通过SE 序列的SNR、均匀度和EPI 序列的SNR、SFNR、漂移率、波动率、均匀度、ghosting 率、频谱峰值关键指标评估设备性能；表1结果显示，除频谱峰值的CV=11.16%外，其余参数的CV均＜10%；SE 序列的半径在一定程度上可反映线性度，CV＜1%表明该参数稳定性较高，可以用于定位检测和检测梯度性能，该参数的稳定性较高可能与SE 序列对主磁场不均匀性不敏感，且分辨力和SNR 均较高有关；SE 和EPI 序列的均匀度计算公式相同，所以两者存在极显著强正相关关系（r=0.880，P＜0.001），均匀度是评估设备状态最基础的参数之一[9]；SE 和EPI 序列的SNR 存在显著中度负相关关系（r=-0.366，P=0.047），这可能是由于高通道数线圈图像不均匀和两种噪声评估方式存在一定的差异，且静态空间噪声对图像均匀性不敏感，所以EPI 序列SNR的CV（1.54%）小于SE序列（6.45%）。EPI 序列的SFNR、波动率、漂移率、ghosting 率和频谱峰值是fMRI 质量控制的代表性参数。SFNR 可用于评估设备硬件的信号稳定性，也称为时间信噪比。漂移率通过二次线性拟合可评估磁场漂移的程度；波动率可评估剔除磁场漂移后的信号时域波动；频谱峰值是从频域分析梯度、射频等是否引起异常频率波动[6]。ghosting 是由于正负编码梯度的延迟等，引起k 线奇偶行中心不一致导致，如果伪影过大，会降低结果的可靠性，本研究中的ghosting 率＜1.25%[9]。以上几个质量控制参数相互影响，但又有所侧重，为设备性能的精准监测提供了可能。本研究结果显示，24次随机监测的质量控制指标均在质量控制范围内，进一步验证了所建立的质量控制方案的有效性。

本研究是首次基于Prisma 建立fMRI 的质量控制范围，并验证了质量控制方案的有效性。本研究的质量控制方案从摆位、序列选择、数据采集上均做了规范化要求，从定位检测、指标计算到结果保存均实现了自动化，最大限度地降低了不确定因素的干扰，降低了质量控制人员工作的复杂度，且便于质量控制结果的回溯；尤其在序列选择上，由于EPI 序列对主磁场不均匀性比较敏感、k空间迂回填充，且受采集时间限制，所以EPI 图像的分辨力较低，相位编码方向存在一定形变；基于此，在定位检测时采用SE 序列，该序列对主磁场不敏感，层面分辨力较高，同时采用5 mm 层厚，增加图像SNR，该序列也可用于评估集合性能，如线性度。

本研究存在以下不足：由于采用出厂体模，仅能计算体模半径，无法评估如分辨力等设备其他几何性能的变化；本研究缺少异常的质量控制数据，为进一步反证质量控制范围的有效性，仍需长期监测设备状态；水模质量控制无法评估被试生理噪声等对数据的影响。

综上所述，本研究提出了基于Prisma 的fMRI质量控制方案，验证结果表明质量控制方法性能检测表现较好。本方案有望成为fMRI 日常质量控制的有效工具，及时有效的监控设备状态，保证日常磁共振数据质量，同时不仅可为其他型号磁共振设备的质量控制提供参考，还可为fMRI 的多中心研究、基于磁共振的网络平台与技术开发打下基础[11]。