陳芳，楊永貴，郭崗

腦卒中是一種急性腦血管疾病，包括缺血性和出血性卒中。缺血性腦卒中又稱腦梗死，具有發(fā)病率高、病死率高、致殘率高和復發(fā)率高等特點，嚴重危害人類健康和患者的生存質量。早診斷、早治療對預后發(fā)揮重要作用。在醫(yī)學影像方面，磁共振成像(magnetic resonance imaging，MRI)檢查技術的多種序列尤其是擴散加權成像(diffusion weighted imaging，DWI)、擴散張量成像(diffusion tensor imaging，DTI)及擴散峰度成像(diffusion kurtosis imaging，DKI)對腦梗死的研究表現(xiàn)出了極大的優(yōu)勢[1-3]。

本文通過分析急性腦梗死病灶的DWI及DKI參數(shù)(包括DTI及DKI參數(shù))與兩次檢查病灶體積變化的相關性，旨在研究DKI相比于DWI及DTI在預測腦梗死病灶的轉歸及預后方面是否存在優(yōu)勢，從而尋找預測急性腦梗死預后的最佳方法，為臨床治療、評估提供指導作用。

1 材料與方法

1.1 病例資料

分析我院1例65歲女性腦梗死患者，患者于2014年1月6日首次進行顱腦核磁共振檢查，共發(fā)現(xiàn)9個急性腦梗死病灶。住院期間采用氫氯吡格雷進行抗血小板聚集治療?；颊哂?014年1月18日再次復查顱腦核磁共振，掃描序列與第一次檢查相同，觀察兩次檢查各病灶體積的變化情況。選取1例年齡相仿的無神經系統(tǒng)疾病史的正常女性患者作為對照組。

1.2 掃描參數(shù)

采用GE 1.5 T核磁共振，8通道頭顱線圈。掃描序列包括：T1加權成像(T1 weighted image，T1WI)、T2加權成像(T2 weighted image，T2WI)、T2加權液體衰減反轉恢復(T2 fluid attenuated inversion recovery，T2 FLAIR)成像、DWI及DKI。DWI序列b值為1000 s/mm2。DKI序列掃描參數(shù)如下：TR=6000 ms，TE為最小值，層厚5 mm，層間距1.5 mm，視野(field of view，F(xiàn)OV)為240 mm×240 mm，矩陣為96×130，層數(shù)19，擴散方向15，b=0、1000、2000 s/mm2，掃描時間接近6 min 18 s。

1.3 圖像及數(shù)據后處理

將D W I原始圖像采用G E后處理工作站(ADW4.3)進行后處理得到表觀擴散系數(shù)(apparent diffusion coefficient，ADC)圖。我院兩位高年資的放射科醫(yī)生根據DWI圖像及ADC圖選取9個腦梗死病灶，選擇標準為：病灶DWI上呈高信號，相應區(qū)域ADC值降低。結合常規(guī)MR檢查T1、T2及T2 FLAIR序列，在DWI圖像上勾畫前后兩次檢查9個病灶的范圍，并分別計算其體積Volumepre、Volumepost。根據梗死體積=異常區(qū)域的所有層面面積之和×(層厚+層間距)，計算Volumepre、Volumepost。根據病灶體積的變化將病灶分為兩組，其中復查體積減小的病灶歸為第1組，復查體積增大的病灶歸為第2組。

使用GE公司提供的DKI后處理軟件對DKI圖像進行后處理，測量部分各向異性分數(shù)(fractional anisotropy，F(xiàn)A)、平均擴散系數(shù)(mean diffusivity，MD)、軸向擴散張量(axial diffusivity，Da)、垂直擴散張量(radial diffusivity，Dr)、平均擴散峰度(mean kurtosis，MK)、軸向峰度(axial kurtosis，Ka)及徑向峰度(radical kurtosis，Kr)7個參數(shù)值。在DWI圖像上，選取病灶最大層面勾畫感興趣區(qū)域(region of interest，ROI)，測量病灶的ADC值。由于病灶在DKI各參數(shù)圖上范圍不同，因此在各參數(shù)圖上分別選取病灶最大層面勾畫ROI，測量病灶的FA、MD、Da、Dr、MK、Ka及Kr值。在對照組的DKI參數(shù)圖上相同位置勾畫形狀大小盡量相同的ROI，測量FAnormal、MDnormal、Danormal、Drnormal、MKnormal、Kanormal和Krnormal。病灶與對應正常組織的DKI參數(shù)值相減得到△FA、△MD、△Da、△Dr、△MK、△Ka及△Kr值。

1.4 統(tǒng)計學方法

采用SPSS 13.0軟件包進行統(tǒng)計學分析。對9個病灶測量的所有DWI、DKI參數(shù)值及病灶體積變化值進行正態(tài)性檢驗，結果表明均符合正態(tài)分布，可以進行獨立樣本t檢驗及Pearson相關性分析。首次檢查病灶的DWI及DKI各參數(shù)值(FA、MD、Da、Dr、MK、Ka、Kr、△FA、△MD、△Da、△Dr、△MK、△Ka、△Kr)與前后兩次檢查病灶體積差的相關性采用Pearson相關性分析。第1組病灶(復查體積減小)和第2組病灶(復查體積增大)首次檢查的DWI及DKI各參數(shù)值采用獨立樣本t檢驗進行比較。P＜0.05為差異有統(tǒng)計學意義。

2 結果

2.1 影像表現(xiàn)

該患者的9個腦梗死病灶中，2個病灶(r1、r3)位于右側頂葉，2個病灶(r4、r5)位于左側頂葉，2個病灶(r2、r8)位于右側額葉，1個病灶(r9)位于左側額葉，1個病灶(r6)位于左側枕葉，1個病灶(r7)位于右側枕葉。第1組病灶中，r1、r4、r5及r7于12 d后復查，病灶體積減小，其中r5病灶體積略微減小，r7病灶復查時基本消失。第2組病灶中，r2、r3、r6、r8及r9于12 d后復查，病灶體積增大，其中r3病灶體積略微增大，r8、r9病灶體積明顯增大。見圖1、2。

2.2 病灶DWI及DKI參數(shù)圖及測量值

測量兩組病灶首次檢查各病灶的ADC值及DKI各參數(shù)值(FA、MD、Da、Dr、MK、Ka、Kr、△FA、△MD、△Da、△Dr、△MK、△Ka、△Kr)，測量數(shù)據詳見表1。分別測量首次檢查及復查時9個病灶的體積Volumepre、Volumepost，根據公式Volume change (%)=(Volumepost-Volumepre)×100/Volumepre計算兩次檢查病灶的體積變化，測量數(shù)據詳見表1。

表1 9個病灶首次檢查的參數(shù)值及前后兩次檢查病灶的體積值Tab.1 The pretherapeutic parameters of lesions and volume of lesions before and after treatment

2.3 兩組病灶首次檢查DKI各參數(shù)值的差異性分析

將第1組病灶(治療后體積減小，r1、r4、r5及r7)及第2組病灶(治療后體積增大，r2、r3、r6、r8及r9)首次檢查的ADC值及DKI各參數(shù)值(△FA、△MD、△Da、△Dr、△MK、△Ka、△Kr)分別進行獨立樣本t檢驗，結果發(fā)現(xiàn)兩組病灶的△MK值差異有統(tǒng)計學意義(P＜0.05)，其他參數(shù)值差異均無統(tǒng)計學意義(P＞0.05)。差異性分析結果詳見表2。

續(xù)表1 9個病灶首次檢查的參數(shù)值及前后兩次檢查病灶的體積值Tab.1 (Cont) The pretherapeutic parameters of lesions and volume of lesions before and after treatment

2.4 首次檢查各病灶DKI參數(shù)值與兩次檢查病灶體積變化的相關性分析

將各病灶首次檢查的ADC值及DKI參數(shù)值(FA、MD、Da、Dr、MK、Ka、Kr)與前后兩次檢查病灶的體積變化[Volume change(%)]進行Pearson相關性分析，結果發(fā)現(xiàn)DKI參數(shù)MK、Ka、Kr與病灶體積變化成正相關，且相關性強(相關性均大于0.6)，散點圖詳見圖3。然而，DWI參數(shù)(ADC)及DTI參數(shù)(FA、MD、Da、Dr)與病灶體積變化無相關性(P＞0.05)，散點圖詳見圖4。相關性分析結果詳見表3。

將各病灶首次檢查的△ADC值及DKI參數(shù)值(△FA、△MD、△Da、△Dr、△MK、△Ka、△Kr)與前后兩次檢查病灶的體積變化[Volume change (%)]進行Pearson相關性分析，結果發(fā)現(xiàn)DKI參數(shù)△MK、△Ka與病灶體積變化成正相關，且相關性強(相關性均大于0.8)。然而，DWI參數(shù)(△ADC)、DTI參數(shù)(△FA、△MD、△Da、△Dr)及△Kr與病灶體積變化無相關性(P＞0.05)，相關性分析詳見表4。

表2 兩組病灶首次檢查各參數(shù)值的差異性分析Tab.2 Difference of pretherapeutic parameters between two groups

表3 首次檢查病灶的參數(shù)值與兩次檢查病灶體積變化的相關性Tab.3 The correlation between pretherapeutic parameters of lesions and volume change before and after treatment

表4 首次檢查病灶的參數(shù)值(△)與兩次檢查病灶體積變化的相關性Tab.4 The correlation between pretherapeutic parameters (△)of lesions and volume change before and after treatment

圖3 首次檢查病灶的DKI參數(shù)值與兩次檢查病灶體積變化的散點圖 圖4 首次檢查病灶的DWI及DTI參數(shù)與兩次檢查病灶體積變化的散點圖Fig.3 The scatter diagram between pretherapeutic DKI parameters and volume change before and after treatment. Fig.4 The scatter diagram between DWI and DTI pretherapeutic parameters and volume change before and after treatment.

3 討論

3.1 DWI及DTI預測急性腦梗死預后的分析

DWI以高斯模型理論為基礎[4-5]，但當b值大于1000 s/mm2時，水分子的擴散受生物組織復雜結構的限制，將偏離高斯分布[2]。結果顯示，兩組急性腦梗死病灶ADC值差異無統(tǒng)計學意義，ADC值及△ADC值與兩次檢查病灶的體積變化無相關性，說明ADC值的降低雖然可以提示急性腦缺血，但不能預測腦梗死的轉歸及預后。

DTI引入二階三維張量反映組織內水分子的擴散情況[6]，但仍是以擴散呈高斯分布為理論基礎[7-8]。結果顯示，兩組急性腦梗死病灶DTI參數(shù)值(△FA、△MD、△Da、△Dr)差異無統(tǒng)計學意義，DTI參數(shù)值與兩次檢查病灶的體積變化無相關性，說明DTI雖然引入更多參數(shù)來反映組織內水分子的擴散情況，但是仍然無法預測腦梗死的轉歸及預后。

3.2 DKI在預測急性腦梗死預后的優(yōu)勢

擴散峰度成像引入四階三維峰度張量來衡量水分子擴散偏離高斯分布的大小[9-12]，能定量分析水分子擴散受限的情況及組織結構的復雜度。

近年來，越來越多的研究表明，急性腦梗死MK值較正常組織顯著升高[13-15]，Ka、Kr呈不均勻增高，反映了急性腦梗死損傷區(qū)域水分子擴散受限的不均勻性，而且DKI參數(shù)的變化比ADC值及DTI參數(shù)的變化更為顯著[16-18]。本研究的數(shù)據及統(tǒng)計分析結果顯示，體積變大的一組病灶與體積變小的一組病灶△MK差異有統(tǒng)計學意義。體積變大的病灶△MK值都較高，急性腦梗病灶相比于正常組織MK值增大越明顯可能提示該病灶預后越差，甚至會有進展。對DKI參數(shù)與兩次檢查病灶體積變化進行相關性分析發(fā)現(xiàn)，MK、Ka、Kr、△MK及△Ka與體積變化呈正相關，且相關性很強，均大于0.7。其中，第6個病灶復查時基本消失，其MK值最低，第8及第9個病灶復查時體積明顯增大，其MK值最高。急性腦梗死病灶DKI參數(shù)值越高表明水分子受限越嚴重，可能提示該病灶的預后越差。Ka的相關性比Kr強，△Kr與體積變化無相關性，Ka變化比Kr更顯著，反映了軸突水分子擴散受限更顯著，可能與軸突靜脈曲張和神經細胞內質網的精細變化相關[14]。通過以上研究表明，DKI參數(shù)相比于DWI及DTI參數(shù)，在預測急性腦梗死轉歸及預后方面有更大的優(yōu)勢，能更好地指導臨床治療及評估。

當然，本研究仍然存在一定的局限性。本研究僅選取9個病灶進行分析，樣本數(shù)量較少，而且9個病灶位于頂葉、額葉、枕葉，并沒有位于顳葉。然而9個病灶位于同一個患者，可以排除年齡、性別、身體因素、基礎疾病、臨床干預手段、復查時間等因素對預后造成的影響。雖然有不足，但相信本研究的結果具有提示意義，并且能為下一步的研究提供方向，未來將收集更多的病例來進一步驗證。

參考文獻 [References]

[1]Qiu LJ, Lu J, Li KC. The research progress in magnetic resonance image of brain ischemia penumbra. Chin J Geriatr Heart Brain Ves Dis, 2011, 13(6): 570-572.邱立軍, 盧潔, 李坤成. 腦缺血半暗帶的磁共振成像研究進展. 中華老年心腦血管病雜志, 2011, 13(6): 570-572.

[2]Veraart J, Van HW, Sijbers J. Constrained maximum likelihood estimation of the diffusion kurtosis tensor using a Rician noise model. Magn Reson Med, 2011, 66(3): 678-686.

[3]Jensen JH, Helpern JA, Ramani A, et al. Diffusional kurtosis imaging: the quantification of non-gaussian water diffusion by means of magnetic resonance imaging. Magn Reson Med, 2005, 53(6):1432-1440.

[4 ]Hoehn-Berlage M，Norris DG，Kohno K，et al. Evolution of regional changes in apparent diffusion coefficient during focal ischemia of rat brain: the relationship of quantitative diffusion NMR imaging to reduction in cerebral blood flow and metabolic disturbances. J Cereb Blood Flow Metab, 1955, 15(6): 1002-1011.

[5]Ma L, Gao PY, Hu QM, et al. The potential value of apparent diffusion coefficient in identifying the putative ischemic penumbra in acute ischemic stroke. Chin J Stroke, 2009, 4(9): 730-736.馬麗, 高培毅, 胡慶茂, 等. 表觀彌散系數(shù)對確定急性缺血性卒中缺血半暗帶的潛在價值. 中國卒中雜志, 2009, 4(9): 730-736.

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

[7]Tuch DS, Reese TG, Wiegell MR, et al. Diffusion MRI of complex neural architecture. Neuron, 2003, 40(5): 885-895.

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

[9]Wu EX, Cheung MM. MR diffusion kurtosis imaging for neural tissue characterization. Nmr in Biomedicine, 2010, 23(7): 836-848.

[10]Hui ES, Cheung MM, Qi L, et al. Advanced MR diffusion characterization of neural tissue using directional diffusion kurtosis analysis//Engineering in Medicine and Biology Society, 2008. Embs 2008. International Conference of the IEEE. IEEE, 2008: 3941-3944.

[11]Cheng Y, Shen W. Magnetic resonance diffusion kurtosis imaging:basic principle and preliminary application in central nervous system.Int J Med Radiol, 2015, 38(1): 20-24.程悅, 沈文. MR擴散峰度成像原理及其在中樞神經系統(tǒng)的初步應用. 國際醫(yī)學放射學雜志, 2015, 38(1): 20-24.

[12]Lanzafame S, Giannelli M, Garaci F, et al. Differences in gaussian diffusion tensor imaging and non-Gaussian diffusion kurtosis imaging model-based estimates of diffusion tensor invariants in the human brain. Medical Physics, 2016, 43(5): 2464.

[13]Helpern JA, Lo C, Hu C, et al. Diffusional kurtosis imaging in acute human stroke. Proceedings of the 17th Annual Meeting of ISMRM,Honolulu, HI, USA. 2009: 3493.

[14]Hui ES Fieremans E, Jensen JH, et al. Stroke assessment with diffusional kurtosis imaging. Stroke, 2012, 43(11): 2968-2973.

[15]Suo ST, Zhu SB, Chen YZ, et al. Application for diffuse kurtosis imaging in the diagnosis of stroke. Chin J Biomed Eng, 2012, 18(1): 1-5.所世騰, 朱善寶, 陳亞珠, 等. 核磁共振彌散峰度成像在腦中風診斷中的應用. 中華生物醫(yī)學工程雜志, 2012, 18(1): 1-5.

[16]Guo YL, Li SJ, Zhang ZP, et al. Parameters of diffusional kurtosis imaging for the diagnosis of acute cerebral infarction in different brain regions. Experimental & Therapeutic Medicine, 2016, 12(2):933-938.

[17]Spampinato MV, Chan C, Jensen JH, et al. Diffusional kurtosis imaging and motor outcome in acute ischemic stroke. AJNR Am J Neuroradiol, 2017, 38(7): 1328.

[18]He H, Gao PY. Comparative study of multi-band EPI diffusion kurtosis imaging and diffusion weighted imaging in identifying infarct lesion in acute ischemic stroke. Chin J Stroke, 2016, 11(3):184-190.何歡, 高培毅. 磁共振多層并采擴散峰度成像與傳統(tǒng)擴散加權成像識別急性缺血性卒中梗死核心的研究. 中國卒中雜志，2016,11(3): 184-190.