logo

弥散张量成像原理:从分子运动到纤维追踪

作者:rousong2026.11.18 11:36浏览量:0

简介:本文解析弥散张量成像(DTI)的底层原理:在分子随机热运动的基础上,用磁场梯度对微观位移进行编码,再求解对称弥散张量,得到方向、各向异性及纤维束走向。读者可掌握张量的数学模型、最小二乘拟合、特征分解与纤维追踪的运行逻辑,并了解参数选择、质量把控与常见误区。

一、原理概述

弥散张量成像(Diffusion Tensor Imaging,DTI)利用磁共振(MRI)对水分子的微观运动进行编码和定量。它的输出包括:

  • 三维方向上“方向—弥散强度”的分布;
  • 各向异性指标;
  • 重建后的纤维束路径。

它的根本依据有两点:

  • 分子的随机热运动在任何方向上都存在;
  • 在脑白质等有序、带有屏障的介质中,这种运动在不同方向上的范围并不相同。

本文围绕四个问题展开:DTI靠什么信号变化“看见”微米尺度的分子运动,张量如何刻画各向异性,原始图像如何经过一系列计算得到纤维方向,以及这些机制存在哪些边界条件。内容只涉及通用原理,不依赖任何特定厂商或软件的实现。

二、背景问题:为什么需要“张量”

先回顾弥散的物理基础。弥散(diffusion)是分子的随机、不规则运动,其原始动力是分子自身的热能,又称布朗运动(Brownian motion)。在溶液中,影响弥散的因素主要有三类:

  • 分子自身(如分子量);
  • 分子间的相互作用,宏观表现为粘滞性;
  • 温度。

根据斯托克斯–爱因斯坦关系,球形粒子的弥散系数为:

D=kBT6πηrD=\frac{k_{B}T}{6\pi\eta r}

其中 kB 为玻尔兹曼常数,T 为热力学温度,η 为介质粘滞系数,r 为流体力学半径。该式说明:温度升高会加快运动,介质越黏稠、粒子越大,运动越慢。

2.1 各向同性与各向异性

弥散是三维过程。分子沿某一方向可能移动的距离是否相等,是判断弥散方式的关键。据此可分为两类:

类型 物理条件 微观表现 典型对象
各向同性弥散 完全均匀的介质,分子运动不受定向障碍 各方向移动距离相等,位移在三维空间服从球面对称分布 纯水中的水分子;近似而言还有脑脊液、大脑灰质
各向异性弥散 存在定向排列的结构或屏障 沿某些方向位移大,垂直方向位移受阻,位移分布近似椭球 脑白质、骨骼肌、心肌、肾髓质等

需要澄清的是,“各向异性”并不表示分子只在某个方向运动。在任何方向上运动都同时存在,只是概率分布不同:垂直方向的位移幅度小,沿纤维方向的位移幅度大。

2.2 方向平均丢失了关键信息

传统弥散加权成像(DWI)在每个扫描方向上得到一个方向平均的“表观弥散系数”(ADC)。可以估算自由水在扩散时间 Δ≈30 ms 内的位移:

  • 沿单一方向,均方位移约为 √(2DΔ);
  • 空间三维总位移约为 √(6DΔ)。

取37℃时水的弥散系数约 3×10⁻³ mm²/s,算得沿单方向约 13 μm,三维总位移约 23 μm。这一尺度与细胞及细胞器的尺寸相当。因此,细胞膜、髓鞘、细胞骨架等微观结构足以影响水分子的运动路径,MRI才有机会“感知”组织微观结构。

然而,方向平均会丢失方向信息。假设:

  • 体素A:各向同性,各方向弥散系数均为 0.9×10⁻³ mm²/s;
  • 体素B:各向异性,主轴为 2.0、0.4、0.4(单位相同)。

二者的平均弥散率(MD)都约为 0.87×10⁻³ mm²/s。只看MD无法区分它们,B中的方向信息全部丢失。

DTI的核心思路是:在每个体素中保留完整的三维方向信息,用一个对称的二阶张量描述“弥散随方向的变化规律”,再从中提取方向和各向异性。主要驱动力是观察脑白质纤维束走向的需要,包括术前路径规划、病变对纤维的影响评估等。

三、核心概念

理解DTI需要掌握四个概念:弥散敏感序列、弥散加权信号、弥散张量和各向异性指标。

3.1 弥散敏感序列

最常用的实现是单次激发自旋回波—扩散敏感梯度序列(SE-EPI):

  • 90°脉冲激发自旋;
  • 在180°聚焦脉冲两侧对称放置一对极性相反、强度和持续时间相同的梯度脉冲;
  • 最后采集回波。

这对梯度使采集对分子位移高度敏感。

3.2 弥散加权信号与b值

弥散加权的强弱由b值刻画。对Paired(成对的)梯度:

b=γ2G2δ2(Δ−δ3)b=\gamma^{2}G^{2}\delta^{2}\left(\Delta-\frac{\delta}{3}\right)

其中:

  • γ:旋磁比,氢质子的 γ/2π 约为 42.58 MHz/T;
  • G:梯度幅度;
  • δ:单个梯度脉冲的持续时间;
  • Δ:两个梯度脉冲的起始间隔,即扩散时间。

由此可见,b值同时取决于梯度强度、作用时间和扩散时间。要改变弥散权重,既可以用更强的梯度,也可以延长扩散时间。b值越大,信号对位移越敏感,但信噪比越低。脑白质张量成像常用 b=1000 s/mm²。

3.3 弥散张量

弥散张量是一个 3×3 对称矩阵:

  1. | Dxx Dxy Dxz |
  2. D = | Dxy Dyy Dyz |
  3. | Dxz Dyz Dzz |
  • 对角线元素 Dxx、Dyy、Dzz 表示弥散在参考坐标轴方向上的强度;
  • 非对角线元素表示各轴方向之间的耦合,物理来源是弥散运动与方向的整体关联。

矩阵共有6个独立元素。对于任意单位方向 g = (gx, gy, gz)ᵀ,该方向上的弥散强度为 gᵀDg。沿某一方向施加弥散梯度,测量到的信号衰减为:

SS0=exp(−b⋅gTDg)\frac{S}{S_{0}}=\exp\left(-b\cdot g^{T}Dg\right)

其中S₀为未加弥散梯度(b=0)时的信号。这正是Stejskal–Tanner方程。

  • 对称:保证矩阵可正交对角化,存在实特征值和一组正交的特征方向;
  • 正定:表示任意方向上都有弥散,且衰减程度不为负。

DTI实际上把真实、复杂的三维弥散近似为一个“高斯(椭球)弥散”。这个近似为什么成立、在什么条件下失效,是理解DTI技术边界的关键(见第六章)。

3.4 各向异性指标

对张量做特征分解,得到特征值 λ₁ ≥ λ₂ ≥ λ₃ 及对应的单位特征向量 ε₁、ε₂、ε₃。由此可计算:

指标 计算方式 含义
平均弥散率 MD (λ₁+λ₂+λ₃)/3 方向平均的弥散强度,反映组织整体“自由程度”
各向异性分数 FA 特征值的归一化标准差 弥散的方向依赖程度,取值 0~1
轴向弥散率 AD λ₁ 沿主方向(白质中通常沿纤维走向)的弥散
径向弥散率 RD (λ₂+λ₃)/2 垂直主方向的弥散

FA的计算式为:

FA=32⋅(λ<em>1−λ¯)2+(λ</em>2−λ¯)2+(λ<em>3−λ¯)2λ</em>12+λ<em>22+λ</em>32,λ¯=λ<em>1+λ</em>2+λ33FA=\sqrt{\frac{3}{2}\cdot\frac{(\lambda<em>{1}-\bar{\lambda})^{2}+(\lambda</em>{2}-\bar{\lambda})^{2}+(\lambda<em>{3}-\bar{\lambda})^{2}}{\lambda</em>{1}^{2}+\lambda<em>{2}^{2}+\lambda</em>{3}^{2}}},\quad \bar{\lambda}=\frac{\lambda<em>{1}+\lambda</em>{2}+\lambda_{3}}{3}

  • 三个特征值相等时,FA = 0;
  • 两个较小特征值趋于0时,FA趋于1。

四、系统组成

从信号采集到最终解读,DTI分为五层:

层次 主要任务 关键角色或组件
采集层 施加弥散敏感编码,采集多种梯度方向下的图像 主磁场与梯度线圈、射频发射与接收、脉冲序列控制
编码与重排层 相位编码、频率编码与k空间填充,重建复数域图像 读出梯度、k空间轨迹、图像重建、线圈灵敏度信息
预处理层 校正图像几何与强度失真,对齐到同一空间 重采样与插值、仿射/非刚性配准、组织分割、掩膜生成
张量建模层 由多方向信号拟合张量,计算指标与方向场 设计矩阵、线性或加权/鲁棒最小二乘、特征值分解
纤维追踪与分析层 在方向场上生成并筛选纤维束,输出定量结果 种子点/感兴趣区、追踪器、滤波与统计模块、可视化

五、工作流程

5.1 总体流程

DTI的数据流如下:

  1. 多方向弥散加权序列 + 解剖参考图像
  2. ↓
  3. 预处理(去噪、几何失真校正、涡流校正、运动校正、配准)
  4. ↓
  5. 逐体素张量拟合(线性/加权/鲁棒最小二乘)
  6. ↓
  7. 张量场(FA、MD、AD、RD、主特征方向、彩色方向图)
  8. ↓
  9. 纤维追踪(确定性/概率性)+ 种子区/包含区/排除区
  10. ↓
  11. 纤维束统计与可视化 → 诊断、术前规划、科研分析

5.2 第一步:用磁场梯度给分子运动“编码”

这是理解DTI最关键的一步,核心在于静息相位与弥散相位的区别:

  1. 90°脉冲把纵向磁化翻转到横向平面,此时所有自旋相位一致。
  2. 第一个扩散梯度开启后,静止自旋按各自位置积累相位 φ = γ·G·δ·x。磁场不均匀导致的相位散开,随后会被180°脉冲反转,并被第二个梯度重新“聚焦”。
  3. 分子在扩散时间 Δ 内发生随机位移 Δx。由于第二个梯度作用时分子已不在原处,其累计相位不能精确抵消,残留相位为 φ = γ·G·δ·Δx。
  4. 在一个体素内,大量分子的 Δx 各不相同,残留相位分布使横向磁化矢量发生相消,宏观信号衰减为 exp(−b·D)。

正因如此,b=0图像只反映质子密度、T2弛豫和磁场不均匀,不携带位移信息;b>0图像才带有位移编码。分子随机运动在方向、幅度上均连续分布,单个分子无法被“定位”,因此DTI给出的永远是概率意义上的统计信息。

5.3 第二步:多方向采样与张量拟合

每个体素有6个未知量,至少需要6个独立的非零b值测量才能求解。实际协议一般采集20~64个方向:

  • 方向太少,拟合对噪声极不稳定;
  • 各方向在球面上均匀分布的采样,有助于减小不同纤维走向的估计偏差。

拟合逻辑如下:

  1. 对每个体素,由原始信号S计算每个梯度方向上的衰减量 y_k = ln(S_k/S₀)。
  2. 把 gᵀDg 展开为:
  1. gᵀDg = gx²·Dxx + gy²·Dyy + gz²·Dzz
  2. + 2·gx·gy·Dxy + 2·gx·gz·Dxz + 2·gy·gz·Dyz
  1. 把所有方向排成线性方程组 y = −b·X·d:
  • 未知向量 d = (Dxx, Dyy, Dzz, Dxy, Dxz, Dyz)ᵀ;
  • 设计矩阵X的第k行为 (gx², gy², gz², 2gxgy, 2gxgz, 2gygz)。
  1. 用最小二乘求解 d = −(XᵀX)⁻¹Xᵀy,再还原成对称矩阵D。

其中S₀来自一次或多次b=0采集。实际中会区分三种拟合方式:

  • 线性最小二乘:速度快,但对数运算会放大低信噪比区域的噪声;
  • 加权最小二乘:按信号强度加权,抑制噪声较大的方向;
  • 鲁棒拟合:剔除运动等造成的离群方向,或强制正定性约束。

拟合结果统一用 FA、MD、主特征方向等张量派生量表示。

5.4 第三步:张量场生成与纤维追踪

整层体素完成拟合后,得到每个体素的FA、MD、主特征方向和彩色方向图(通常红、绿、蓝分别代表左右、前后、上下)。之后:

  1. 选择种子区(如某条白质束的代表性区域);
  2. 从种子点出发,按主方向逐步推进,构建候选纤维束;
  3. 用包含区、排除区等约束条件筛选,得到目标纤维束;
  4. 对纤维束内体素做统计分析,或叠加到解剖图像上观察其与病灶的关系。

六、关键机制

6.1 相位机制:为什么静止重聚、弥散衰减

  • 是什么:扩散梯度使静止自旋的相位在梯度对作用下重新对齐;而运动自旋的相位不能抵消,在体素内散开,造成信号衰减。
  • 为什么有效:磁场不均匀引起的相位散开是“位置固定”的,可以被反转补偿;分子随机位移引起的相位散开是“位置变化”的,无法补偿。两者相减,信号衰减就只反映分子运动。
  • 注意:b值由G、δ、Δ共同决定;δ越小(梯度作用越短促),扩散时间越长,信号越能近似“位移”的傅里叶变换。

6.2 各向异性机制:屏障与相干排列共同作用

  • 是什么:白质中轴突被髓鞘包裹,轴突膜与髓鞘构成渗透性屏障,使垂直于纤维方向的位移受限;纤维束在大尺度上方向一致,于是沿纤维方向的弥散明显强于垂直方向。
  • 为什么有效:屏障与相干排列共同造成位移概率分布的椭球化。典型白质中,纵向弥散约为横向的2~3倍,FA可达0.6~0.8。
  • 注意:
    • 灰质中神经元胞体、树突和轴突在各个方向上混杂排列,没有一致的相干方向,表现为近似各向同性;
    • 各向异性可能由多种原因引起,并非“髓鞘完整”的同义词。例如某些组织的各向异性主要来自“平行排列的纤维之间被垂直隔开的阻挡结构”而非髓鞘。

6.3 张量的旋转不变性:结果与坐标系无关

如果换一组坐标轴或让头动一下,张量会按 D′ = RDRᵀ 变换(R为正交旋转矩阵)。但特征值不变,FA、MD也不变;主特征方向随坐标系同步旋转,相对组织的几何关系保持一致。

这正是用张量而不是“三个方向上的ADC”来描述弥散的原因:

  • 三个方向ADC随坐标系改变而改变,张量指标不依赖坐标选择;
  • 坐标轴交换只会让矩阵对角元互换、非对角元变号,物理量不变;
  • 各向异性只有在至少6个独立测量下才可确定;
  • 拟合得到的张量如果被正则化为近似对称,会引入各向异性偏差。

6.4 特征分解的几何意义

把张量看成椭球:特征值决定三个半轴的长度,特征向量决定椭球的朝向。

特征值关系 椭球形态 常见组织或情形
λ₁ ≈ λ₂ ≈ λ₃ 球形 脑脊液、灰质、水肿区
λ₁ ≫ λ₂ ≈ λ₃ 沿 ε₁ 拉长的“雪茄”形 方向一致的白质束(如胼胝体、皮质脊髓束)
λ₁ ≈ λ₂ ≫ λ₃ 沿 ε₃ 压扁的“薄饼”形 二维铺展的结构(如皮层下的放射状纤维)

张量给出的 FA、MD和“主方向”,本质就是对这个椭球形状的定量描述。若把体素内弥散的概率分布画出来,得到的是“概率密度等值面”:各向同性时近似球形,各向异性时沿纤维方向拉长。这一几何图像是后面纤维追踪的基础。

6.5 高斯近似与DTI的技术边界

DTI基于高斯相位分布近似:信号随b值呈单一指数衰减,其对数对b值线性。这一近似在以下情况成立:

  • 分子位移与细胞结构相比足够小;
  • 扩散时间内的运动主要由“自由弥散+障碍阻碍”主导。

此时张量的对数与b值成线性关系,6参数模型足以刻画衰减。当b值过高、扩散时间很短,或者存在强受限、强交换、多腔室结构时,信号对b值不再呈单一指数,这就是非高斯弥散(例如扩散峰度成像)的出发点,也是高b值FA被高估的原因之一。

6.6 预处理校正机制

弥散序列多采用回波平面成像(EPI)读出。其k空间轨迹是长“折返”,对磁场不均匀极其敏感,会产生几何畸变和信号位移。主要误差来源与校正方法如下:

  1. 磁化率导致的几何畸变:沿相位编码方向被拉伸或压缩,可以用“相位编码方向相反”的一对图像估计并校正畸变,也可结合场图进行校正。
  2. 涡流引起的畸变:快速切换的弥散梯度在导体结构中感应出涡流,使不同b值图像之间出现剪切、缩放和旋转。需要以b=0图像为参考做仿射配准,必要时为每个方向采集反相位编码图像。
  3. 运动:包括头动、心跳与呼吸搏动。可以使用体积导航(在扩散时间内反复采样,估计并回退位移),也可以事后配准,或采用鲁棒拟合剔除离群方向。
  4. 信噪比不足:可以通过平均、降噪、优化线圈通道组合,或在配准到解剖图像后做各向异性滤波。

若不校正,例如脑干附近因颅底骨骼和空气交界面造成的畸变,会显著影响追踪结果,尤其是在需要精确判断纤维束与病灶关系的临床场景中。

6.7 纤维追踪机制

  • 确定性追踪:从种子点出发,在每个位置读取(并插值)张量主方向,用固定步长推进,局部方向场一步步积分成曲线。
  • 概率性追踪:在拟合不确定性范围内反复随机采样方向,统计大量候选路径的频率,得到“某两点之间存在连接”的概率图。

两种追踪都会遇到以下问题:

  1. 交叉/扇形/弯曲结构:单一张量只能给出一个主方向,在交叉纤维区域主方向不稳定,甚至偏向另一个方向。为此可以用高阶模型(如多张量、球面反卷积等)改善,但张量模型的通病是“无法分辨交叉”。
  2. 部分容积效应:体素内同时包含白质和脑脊液时,FA被低估,MD被抬高,主方向失真。
  3. 噪声偏差:FA在FA≈0区域会向上偏,形成“伪各向异性”。FA过低时,主方向不可靠。
  4. 急性和慢性病变的解读:急性期细胞毒性水肿使细胞外间隙减小,弥散受限,FA不一定下降,甚至可能升高;慢性期则常表现为MD升高、FA下降。

七、示例说明

下面给出张量拟合的通用伪代码(仅示意,不代表任何具体产品实现):

  1. 输入:
  2. DWIs[S, N_voxels, N_dir] # 各方向的弥散加权信号
  3. S0[N_voxels] # b=0 图像(可多张平均)
  4. Grad[N_dir, 3] # 归一化梯度方向
  5. b # b 值
  6. 输出:
  7. D[N_voxels, 3, 3] # 对称张量场
  8. FA, MD, V1, Color # 各向异性、平均弥散率、主方向、彩色图
  9. 1. 构造设计矩阵 X(每一行对应一个方向)
  10. X[k] = [gx², gy², gz², 2·gx·gy, 2·gx·gz, 2·gy·gz]
  11. 2. 对每个体素 v(可并行):
  12. y_k = ln( DWIs[k, v] / S0[v] ) # 对数化信号
  13. 解最小二乘: d = −(Xᵀ X)⁻¹ Xᵀ y
  14. 若使用加权形式,则权重 W 按信号强度取值
  15. d → 组装为对称矩阵 D_v
  16. 若使用鲁棒拟合,则迭代剔除残差过大的方向后重解
  17. 3. 对 D_v 做特征分解,按特征值降序排列
  18. λ1 ≥ λ2 ≥ λ3,对应特征向量 ε1, ε2, ε3
  19. 4. 计算指标
  20. MD = (λ1 + λ2 + λ3) / 3
  21. FA = 归一化标准差(λ1, λ2, λ3)
  22. AD = λ1
  23. RD = (λ2 + λ3) / 2
  24. 5. 生成彩色方向图
  25. 按 ε1 的绝对分量进行红绿蓝编码
  26. 6. 纤维追踪(示意)
  27. 从种子点出发,方向 = ε1
  28. 若 FA < FA_阈值 → 终止
  29. 若步长移动后方向夹角 > 角度阈值 → 终止
  30. 越出白质掩膜 → 终止
  31. 否则继续推进并记录轨迹

下面做一个简化数值示例。设定:

  • b = 1000 s/mm²;
  • 某体素内纤维沿 x 轴走行;
  • 沿纤维方向的弥散系数为 1.5×10⁻³ mm²/s,垂直方向为 0.5×10⁻³ mm²/s。

在没有噪声的理想情况下:

梯度方向 gᵀDg(10⁻³ mm²/s) S/S₀ = exp(−b·gᵀDg)
沿 x 轴 1.5 0.223
沿 y 轴 0.5 0.607
沿 z 轴 0.5 0.607

信号沿纤维方向衰减更多,与直觉相反。原因在于:分子沿纤维方向走得远,扩散梯度引起的相位散开更充分,信号衰减也更强。这正是弥散加权图像的解读方式:信号衰减越大,说明该方向上的弥散越强。

拟合后得到 D = diag(1.5, 0.5, 0.5)×10⁻³ mm²/s,进一步计算:

  • MD = 0.83×10⁻³ mm²/s;
  • FA ≈ 0.71;
  • 主特征方向为 x 方向。

实际纤维追踪伪代码(示意):

  1. 种子点 p ← 在目标白质束内选取
  2. 方向 v ← ε1(p)
  3. while 未到达最大步数:
  4. p ← p + step_size · v
  5. D ← 插值(张量场, p)
  6. if FA(D) < FA_min 或 越出脑/白质掩膜:
  7. 终止,丢弃当前轨迹
  8. v_new ← 插值(方向场, p) 的主方向
  9. if angle(v, v_new) > angle_max:
  10. 终止,丢弃当前轨迹
  11. v ← 对齐方向(v, v_new) # 保持方向连续,避免来回震荡
  12. 记录 p
  13. 保存轨迹

八、技术优势与限制

8.1 技术优势

  1. 无创且信息维度高。DTI基于MRI,不引入电离辐射,并且在同一套采集中同时得到方向和强度信息。
  2. 定量化程度高。FA、MD、AD、RD都可以逐体素计算,便于纵向对比、组间统计和机器学习分析。
  3. 局部到全局的桥梁。它弥补了“单个体素弥散系数”与“整条纤维束路径”之间的空缺,能显示纤维束的走行、与病灶的空间关系,以及两侧的对比。
  4. 对微结构敏感。其敏感尺度约为微米级,对常规结构成像难以察觉的微观变化有一定探测能力,在临床上常用于超急性期脑梗死(细胞毒性水肿导致弥散受限)、术前评估、脑肿瘤与白质病变、神经退行性疾病等场景。

8.1 技术边界

  1. 单张量假设:一个体素只有一个主方向,无法描述交叉、分叉、汇聚等复杂结构;追踪结果依赖种子区与参数选择,同样的数据设置不同,结果可能不同。
  2. 分辨率与部分容积:弥散成像通常分辨率有限(常见约2 mm量级),体素内多组织共存造成各向异性低估、方向偏差。
  3. 几何畸变与运动敏感:EPI读出对磁场不均匀、涡流和运动敏感,相位编码方向附近的解剖结构尤为突出;在靠近颅底、空气-组织界面的部位尤其明显。
  4. 定量解释非特异:FA降低不能单独等同于“脱髓鞘”,水肿、轴突损伤、胶质增生、炎症等都会改变弥散指标,需要结合临床和其他影像综合判断。
  5. 设备差异:不同设备、不同梯度系统、不同b值下的绝对值不可直接比较,纵向对比需要在相同协议下完成。
  6. 计算开销:追踪与统计分析需要一定的算力,科研场景中的多组批处理还涉及数据版本管理、作业调度、质量检查与可重复性验证。业界常把这一流程放到云端:把数据放对象存储,把流程跑在容器平台,把任务放进消息队列,并用日志服务和监控告警跟踪。百度智能云等主流云平台均提供这类通用云产品类别,可以在这一层为批处理与质量保障提供支撑。

九、常见误区

  1. 认为弥散只沿某个方向进行。实际上在任何方向上都有运动,各向异性只是“分布形状的偏好”。另外,DWI上的“亮”往往对应“弥散受限”,而不是“弥散快”。
  2. 把MD当作唯一的弥散指标。MD是方向平均,不反映方向信息;FA低也可能是脑脊液污染造成的。FA和MD应该一起看,必要时结合AD、RD。
  3. 把FA降低等同于白质纤维束“断了”。FA下降往往先出现在“纤维束与病灶交界的区域”,纤维本身可能仍然连通;反过来,FA不低也不代表纤维完好。功能是否受损,要看整条纤维束的形态、与病灶的空间关系和临床表现。
  4. 混淆b值与弥散时间。两者都是弥散敏感性的决定因素,但物理含义不同:b值描述编码强度,扩散时间决定分子“走多久”。改变扩散时间会改变对受限结构的敏感度,但不同序列间的数值不能直接横向比较。
  5. 把主方向当成纤维束的真实走向。主方向只代表体素内的最大弥散方向;只有在纤维束方向一致、比例占优时,它才近似纤维束方向。
  6. 忽视几何畸变的影响。畸变会沿着相位编码方向系统性地拉伸或压缩纤维束,靠近颅底、鼻窦等区域尤其明显,直接用于手术规划可能带来定位误差。
  7. 认为梯度方向越多一定越好。方向数多能改善交叉纤维条件下的拟合与追踪,但受采集时间、信噪比和患者耐受性限制,需要在“方向数、b值、扫描时间”之间取得平衡。

十、总结

DTI的原理可以压缩成一条链条:

  • 分子的随机热运动在介质微观结构和屏障的影响下,产生方向依赖的位移分布;
  • 一对极性相反的扩散敏感梯度把位移编码为信号衰减,得到多方向弥散加权图像;
  • 多方向测量被拟合为一个对称的二阶张量,得到“椭球状”的局部弥散模型;
  • 对张量做特征分解,得到FA、MD、AD、RD等标量指标和主方向场;
  • 在方向场上追踪与筛选,得到三维纤维束。

它的力量在于把分子层面的微观运动,转换为毫米级的解剖结构信息;它的局限也来自这层“编码—建模—追踪”的近似链条:高斯弥散假设、单张量模型、分辨率、几何畸变、部分容积和信噪比。理解这些机制的成立条件和失效边界,才能在使用DTI时做出合理选择:需要看纤维束走向时选择追踪,需要判断组织状态时关注MD与FA,参数设置和结果解读都要回到“这些数字在物理上意味着什么”上。

发表评论

活动