{
  "id": "diffusion-mri",
  "title": "扩散磁共振成像",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "扩散磁共振成像通过测量组织中水分子的运动，揭示微观结构、检测疾病并估计神经通路的组织方式。",
  "category": "health",
  "subcategory": "medicine",
  "type": "concept",
  "aliases": [
    "弥散磁共振成像",
    "磁共振扩散成像",
    "磁共振弥散成像"
  ],
  "generated_at": "2026-11-03",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/diffusion-mri/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/diffusion-mri/",
      "json": "https://aiwiki.page/en/diffusion-mri.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "扩散磁共振成像是一类磁共振成像技术，其图像对比度对水分子的微观运动敏感。由于细胞膜、组织的排列方式及其他微观结构会影响这种运动，扩散测量能够提供常规解剖图像无法直接揭示的信息。这种方法既不能分辨单个细胞，也不能追踪单个分子，而是测量每个成像体素内水分子产生的综合磁共振信号。\n\n其主要临床应用包括检出急性缺血性脑卒中、评估某些肿瘤及其他病变的特征，以及评估全身各器官的疾病。在神经科学中，扩散磁共振成像还用于研究白质的组织结构，并估计主要神经纤维束的走行。扩散加权成像、扩散张量成像以及更先进的扩散模型均属于这一大类，但它们测量或推断的特性各不相同，局限性也有所差异。\n\n这项技术结合磁场梯度、信号建模和统计估计，将组织中的微观过程与毫米尺度的图像联系起来。因此，对其结果的解读不仅取决于解剖结构和疾病，也取决于采集参数、图像质量以及所用模型的假设。"
    },
    {
      "heading": "物理基础与扩散编码",
      "text": "水分子会发生不规则的热运动，通常称为布朗运动。在不受限制的均匀液体中，沿某一坐标方向的均方位移满足关系式 \\(\\langle x^2\\rangle=2Dt\\)，其中 \\(D\\) 为扩散系数，\\(t\\) 为经过的时间。组织中水分子的行为则更为复杂。细胞膜限制其运动，细胞外间隙形成迂回曲折的路径，水分子还可能在不同区室之间交换。在许多临床扩散实验所采样的数十毫秒内，水分子通常只能探索数微米至数十微米范围内的空间，远小于常规成像的体素尺度。\n\n扩散磁共振成像通过信号相位的变化来检测这种运动。磁场梯度使核自旋的进动频率随位置而变化。在基本的脉冲梯度自旋回波实验中，两个梯度脉冲分别施加在重聚焦脉冲之前和之后。对于理想的静止自旋，这两个梯度脉冲的作用相互抵消；而运动中的自旋通常会产生残余相位。由于不同分子的位移各不相同，它们的信号叠加时相干性降低，从而使测得的信号减弱。\n\n对于不受限制的高斯扩散，在简单的梯度配置下，信号衰减可由 Stejskal–Tanner 方程描述：\n\n\\[S(b)=S_0\\exp(-bD).\\]\n\n其中，\\(S_0\\) 是未施加扩散加权时的参考信号，\\(b\\) 描述扩散编码的强度和时序。对于理想的矩形梯度脉冲，\n\n\\[b=\\gamma^2G^2\\delta^2\\left(\\Delta-\\frac{\\delta}{3}\\right),\\]\n\n其中，\\(\\gamma\\) 为旋磁比，\\(G\\) 为梯度幅度，\\(\\delta\\) 为脉冲持续时间，\\(\\Delta\\) 为两个脉冲对应时刻之间的间隔。临床系统通常以 \\(\\mathrm{s/mm^2}\\) 为单位报告 \\(b\\) 值，扩散系数的单位则为 \\(\\mathrm{mm^2/s}\\)。较大的 \\(b\\) 值通常意味着更高的扩散敏感性，但剩余信号也更弱。\n\n生物组织很少满足单一、不受限制区室的假设。信号衰减可能取决于梯度方向、扩散时间、细胞膜通透性，以及多种水分子所处环境各自的贡献。因此，估算得到的扩散系数通常是特定实验条件下的表观量，而非普适的材料常数。即使两种扫描方案的标称 \\(b\\) 值相同，只要梯度波形或时序不同，它们对组织的探测也未必相同。\n\n这种方向依赖性在纤维排列一致的白质纤维束中尤其具有信息价值。水分子沿主要纤维方向的运动通常比垂直于该方向的运动更容易。轴突膜及其周围的微观排列共同促成了这种各向异性；髓鞘虽有重要影响，却并非唯一成因。因此，扩散磁共振成像测量的是组织结构所产生的效应，而不是直接对某种特定的膜、蛋白质或细胞组分成像。"
    },
    {
      "heading": "图像采集与实际实施",
      "text": "大多数临床扩散成像采用平面回波成像，在扩散准备后快速采集图像。这种高速采集减少了患者运动干扰单幅图像的机会，使全脑扩散成像能够在数分钟内完成。然而，这种读出方式对磁场不均匀性较为敏感，会在空气与组织的交界处产生畸变和信号丢失，尤其是在额叶、颞叶周围以及腹部的某些区域。\n\n一次扩散成像采集通常包含参考图像，以及采用一个或多个非零 \\(b\\) 值获取的图像。常规脑成像往往采用接近 \\(1{,}000\\ \\mathrm{s/mm^2}\\) 的数值，但具体方案会因临床目的、患者年龄、解剖部位及扫描仪性能而异。将沿多个方向施加扩散梯度所采集的图像加以合成，可以降低常规扩散加权对比对方向的依赖性。张量模型及更复杂的模型需要增加不同方向上的测量，而不只是增强扩散加权。\n\n采集方案的设计需要权衡相互制约的多种需求。较小的体素可提高解剖定位精度，减少相邻组织信号的混合，但其中能够产生信号的自旋也更少。较高的 \\(b\\) 值可提高对衰减较慢的信号成分的敏感性，但会降低信噪比。增加梯度方向可改善角度采样，但若不采用加速技术补偿，扫描时间也会延长。更强的梯度能够在更短的时序内实现指定的扩散加权，从而有望通过缩短回波时间保留更多信号。\n\n并行成像、多层同时采集以及梯度系统的改进，已缩短了许多研究方案的扫描时间。其他实现方式则采用分段平面回波读出、缩小视野或非平面回波技术，以应对特定来源的畸变或运动影响。这些方法在扫描时长、重建复杂度、空间分辨率，以及对一次采集中不同部分之间运动的敏感性方面，各有取舍。没有一种采集策略能够同时适用于脑、前列腺、脊髓及运动中的腹部器官，并在所有情况下都达到最优。\n\n扩散序列本身不需要注射对比剂，也不使用电离辐射。但它们仍须遵守常规磁共振成像的安全要求，包括植入物评估、声噪声防护及射频能量沉积控制。快速切换的梯度还受到外周神经刺激相关限值的约束。在体部成像中，呼吸运动、心脏搏动和肠道运动均可能影响图像；可根据器官和扫描方案选择屏气、呼吸触发或自由呼吸采集。\n\n采集到的图像只是定量分析的起点。要正确解读，还需了解梯度方向、扩散加权、图像取向，以及重建过程中所做的任何校正。这些配套数据若有错误，可能产生在解剖上看似合理、但定量上并不正确的结果。"
    },
    {
      "heading": "扩散加权对比与表观扩散系数",
      "text": "扩散加权成像通常缩写为 DWI，是指有意使图像信号对分子运动敏感的成像方式。这并不意味着图像亮度仅取决于扩散。质子密度、弛豫特性、线圈灵敏度以及序列时序也会影响信号。扩散加权图像上的高信号病灶，可能反映表观扩散降低、横向弛豫时间延长，也可能是多种效应共同作用的结果。\n\n表观扩散系数（ADC）通过比较不同扩散加权程度下的信号来估算。使用一幅 \\(b=0\\) 的参考图像和一个非零 b 值对应的图像时，最简单的估算公式为\n\n\\[\\mathrm{ADC}=-\\frac{\\ln[S(b)/S(0)]}{b}.\\]\n\n如果采用多个 \\(b\\) 值，则可对测量数据进行单指数曲线拟合。在其他采集条件一致的情况下，这一比值可在很大程度上消除共同的弛豫加权基线信号，从而有助于区分真正的表观扩散降低与主要由弛豫效应引起的高信号。不过，计算结果仍会受到噪声、运动、回波时间差异以及信号衰减偏离单指数模型等因素的影响。\n\n当某一结构主要因其较强的 T2 加权信号而在 DWI 上仍呈高信号时，就会出现“T2 透射效应”。可自由流动的液体也可能出现这种效应，而 ADC 并不降低。相比之下，通常所说的“扩散受限”影像表现，是指扩散加权信号相对较高，同时伴有 ADC 降低。这一术语在临床上很有用，但它并不能确定究竟是哪一种微观屏障或生理过程导致了扩散降低。在严格的扩散物理学意义上，由不可渗透边界造成的受限，比临床上较宽泛的用法含义更为具体。\n\n正常成人脑白质的 ADC 值通常约为 \\(0.7\\)–\\(0.9\\times10^{-3}\\ \\mathrm{mm^2/s}\\)，而脑脊液的扩散率明显更高，接近体温下相对自由的水的扩散率。这些只是近似范围，并非通用的诊断阈值。年龄、组织成分、温度、扩散时间以及拟合方法的选择都会影响测量结果。因此，只有结合采集条件和解剖部位，病灶与正常组织之间的比较才有意义。\n\nADC 值也受所用 \\(b\\) 值范围的影响。在扩散加权程度很低时，微血管内流动的血液可能带来一个额外的、快速衰减的信号分量。在较高扩散加权程度下，非高斯扩散和测量的噪声底可能改变拟合得到的系数。因此，由一对 \\(b\\) 值计算出的 ADC，不一定等于在另一范围内拟合得到的 ADC。\n\n在临床放射学中，DWI 和 ADC 图需要结合解剖成像序列、病灶分布以及临床信息共同解读。ADC 降低并非某一种诊断所特有：缺血、含脓腔隙、高细胞密度肿瘤，以及多种代谢性或炎症性疾病中均可出现。"
    },
    {
      "heading": "扩散张量成像与方向性测量",
      "text": "扩散张量成像使用对称的三维张量描述体素内不同方向上的扩散。在常规模型中，假定扩散可用高斯分布表示，其分布宽度随方向而变化。对于单位梯度方向 \\(\\mathbf{g}\\)，信号模型为\n\n\\[S(b,\\mathbf{g})=S_0\\exp\\left(-b\\,\\mathbf{g}^{\\mathsf T}\\mathbf{D}\\mathbf{g}\\right),\\]\n\n其中，\\(\\mathbf{D}\\) 是一个 \\(3\\times3\\) 的扩散矩阵。由于张量具有对称性，它有六个独立分量。因此，估计张量至少需要六个分布适当的扩散编码方向，以及一次参考测量；实际采集通常使用更多方向，以提高精度和稳健性。\n\n张量可以用椭球表示。其三个特征向量确定主轴，特征值 \\(\\lambda_1,\\lambda_2,\\lambda_3\\) 则量化沿各主轴的扩散。平均扩散率为\n\n\\[\\mathrm{MD}=\\frac{\\lambda_1+\\lambda_2+\\lambda_3}{3}.\\]\n\n轴向扩散率通常指最大的特征值，而径向扩散率则是其余两个特征值的平均值。这些名称描述的是张量的几何特征。只有当体素内以单一、走向一致的纤维群为主时，它们才分别与沿纤维方向和垂直于纤维方向的扩散密切对应。\n\n各向异性分数（FA）是衡量各特征值差异程度的归一化指标：\n\n\\[\\mathrm{FA} = \\sqrt{\\frac{3}{2}} \\frac{\\sqrt{\\sum_{i=1}^{3}(\\lambda_i-\\mathrm{MD})^2}} {\\sqrt{\\sum_{i=1}^{3}\\lambda_i^2}}.\\]\n\n对于物理上有效的正定张量，各方向扩散相等时，FA 为零；随着扩散形态越来越细长，FA 趋近于一。FA 图常用颜色表示主特征向量的方向：一种常见约定是用红色表示左右方向，绿色表示前后方向，蓝色表示上下方向。\n\n在胼胝体等结构中，主要扩散方向往往与解剖上的主要纤维走向一致。因此，张量成像可用于研究白质的组织结构。然而，许多体素内含有相互交叉、弯曲、呈扇形散开或彼此相邻的纤维群。单个椭球无法分别表征这些排列方式。即使每个纤维群本身都高度有序，纤维交叉仍可能降低 FA，而且主特征向量可能指向真实纤维方向之间的某个方向。\n\n因此，张量指标并非对白质“完整性”、轴突数量或髓鞘含量的直接测量。FA 降低可能由多种不同过程引起，包括纤维几何结构的改变、组织丢失、细胞外水的变化以及疾病。径向扩散率升高并不能特异性地诊断脱髓鞘，轴向扩散率降低也不是轴突损伤的通用标志。对这些指标进行生物学解释时，需要结合解剖背景，并在条件允许时参考独立的影像学或组织学证据。"
    },
    {
      "heading": "超越张量：非高斯模型与分室模型",
      "text": "扩散张量的实用性部分源于其简单性，但组织信号往往偏离其高斯假设。进阶方法旨在更准确地描述这些偏离，或推断组织内部各分室的性质。这是两个不同的目标。一个模型即使能很好地拟合实测信号，也未必能唯一确定产生该信号的微观结构。\n\n扩散峰度成像通过扩展信号展开式，量化偏离高斯扩散的首个主要项。其简化的方向性表达式为：\n\n\\[\\ln\\left(\\frac{S}{S_0}\\right) \\approx -bD+\\frac{1}{6}b^2D^2K,\\]\n\n其中，\\(K\\) 为表观峰度参数。数据采集需要采用多种扩散加权强度，并进行适当的角度采样。峰度测量能够反映张量无法捕捉的组织复杂性，但并不是对细胞密度或某一特定类型屏障的直接测量。截断后的展开式也只有有限的适用范围，不应任意外推至很高的扩散加权强度。\n\n分室方法则将信号贡献归属于若干理想化的微环境，例如神经突内的水、神经突外的水，以及扩散相对自由的水。2012年提出的神经突方向离散度与密度成像，在特定假设下估计与神经突相关信号及方向离散度有关的量。其输出是模型推导出的指标，而不是轴突或树突的实际数量。固定扩散系数、简化几何结构以及有关交换的假设有助于使参数估计成为可能，但在某些组织或疾病状态下可能不再准确。\n\n体素内不相干运动模型用于处理微血管血流的影响，尤其是在低 \\(b\\) 值下的影响。一种常见的双指数表达式将较慢的组织扩散成分，与血液运动相关、衰减较快的伪扩散成分区分开来。拟合所得的各成分比例和系数高度依赖于所选的 \\(b\\) 值、信号质量及拟合方法。与灌注相关的比例是信号占比，并不必然是对血容量的直接测量；这一模型也不能与其他所有灌注测量方法等同视之。\n\n另一些实验则改变扩散时间、使用振荡梯度，或改变扩散编码的形式，而不只是改变其方向和强度。这些方法能够探测微观组织结构的不同方面，并有助于将方向离散度与微观各向异性区分开来。其中一些方法尝试估计细胞尺寸或跨膜交换，但其可达到的敏感度取决于梯度硬件以及组织模型的有效性。\n\n一个核心难题是可辨识性：分室比例、扩散系数和方向的多种组合，可能都能解释几乎相同的数据。因此，在解读一个看似具有明确生物学含义的参数时，独立验证、贴近实际的模拟以及不确定性分析都十分重要。"
    },
    {
      "heading": "纤维束示踪与脑结构连接",
      "text": "纤维束示踪利用从扩散数据中得到的局部方向信息，估计白质通路的走行。追踪算法从种子点出发，依据局部方向信息，在相邻体素间逐步延伸轨迹。基于张量的追踪通常沿张量的主特征向量进行。利用更丰富角度采样数据的方法可以估计单个体素内的多个方向，从而在某些单张量模型无法处理的交叉纤维结构中继续追踪。\n\n确定性纤维束示踪按照预先定义的方向规则选择轨迹，而概率性方法则从估计的分布中对方向或轨迹进行采样。后者可以表征局部数据中的噪声或歧义所带来的部分不确定性。但这两种方法都无法消除空间分辨率不足、模型错误或系统性图像畸变造成的不确定性。重建结果即使平滑且在解剖学上看似合理，本身也不能证明所显示的每一条连接都真实存在。\n\n纤维束示踪中的流线是数学对象，并非单根神经纤维。单个成像体素中可能包含成千上万条方向和终点各不相同的轴突。流线数量取决于种子点密度、追踪参数、终止条件、数据质量和重建方法，通常不能将其解释为轴突数量，也不能视为连接强度的直接度量。扩散信号也不具备确定神经信号传递方向或识别突触连接所需的信息。\n\n在纤维交叉、呈扇形散开、急剧弯曲或接近白质与灰质交界处时，容易出现显著误差。追踪可能将属于不同通路、但局部方向相容的片段错误地连接起来，产生假阳性连接；也可能在到达真实终点之前就终止，造成假阴性。某些几何构型更容易被重建出来，例如走向脑回顶部的纤维，这种偏向可能使皮质连接的估计失真。与较短通路相比，较长通路在追踪过程中有更多机会累积误差。\n\n在神经外科学中，纤维束示踪有助于显示病灶与皮质脊髓束或视辐射等通路之间的估计空间关系。肿瘤浸润、周围水肿以及组织移位都可能同时改变解剖结构和扩散信号，使重建更加复杂。因此，纤维束示踪是对其他解剖和功能信息的补充，而不是标明必须保留组织的确切地图。术中发生脑移位时，示踪结果与手术区域之间的空间关系也可能改变。\n\n在更大尺度上，纤维束示踪有助于连接组研究。这类研究将解剖区域表示为节点，并以估计的通路连接这些节点。研究结果取决于区域的划分方式，以及流线的加权或筛选方式。从这类网络中计算出的图论指标也受这些选择及底层重建局限性的影响，并不构成对所有生物学连接的直接测量。"
    },
    {
      "heading": "在神经系统疾病中的应用",
      "text": "扩散磁共振成像最成熟的临床用途是检测急性脑缺血。当血液供应中断时，依赖能量的离子转运受到干扰，水分分布发生变化，细胞随之肿胀。这些过程共同导致表观扩散降低。因此，急性梗死在发病后数分钟内，就可能在扩散加权成像（DWI）上表现为高信号区域，同时伴有低表观扩散系数（ADC）；此时，某些常规磁共振序列或X射线计算机断层成像往往尚未显示明确异常。\n\n灵敏度高并不意味着DWI万无一失。极早期病灶、小梗死灶以及后循环病灶都可能漏诊。扩散异常也并非总是不可逆，尤其是在早期恢复血流的情况下。在随后的数天里，ADC通常会升高，并可能经历一段表面上恢复正常的时期，常见于第二周；此后，慢性损伤组织中的ADC会高于正常水平。具体时间因病灶特征和治疗情况而异。即使ADC升高，DWI仍可能持续呈高信号，因为弛豫效应也会影响信号。\n\n在卒中评估中，扩散成像需要与血管成像、灌注测量、解剖成像序列及临床表现结合使用。DWI–FLAIR不匹配是指扩散成像上可见病灶，但在液体衰减反转恢复成像上没有相应的明确异常。这种表现已用于经过验证的诊疗方案，适用于部分发病时间不明的患者。它是估计病灶形成时间的概率性标志，而非精确的计时器。同样，扩散病灶体积也并非在所有情况下都能直接反映已发生不可逆损失的组织体积。\n\n其他多种神经系统病变也可导致扩散受限。脑脓肿中的脓液常表现为低ADC，这有助于将脓肿腔与许多坏死性肿瘤区分开来，但也存在例外。细胞密度高的肿瘤，包括某些淋巴瘤，也可能具有低ADC。癫痫发作、低血糖、脑炎及缺氧缺血性损伤均可产生扩散异常，其分布和随时间变化的过程与典型的动脉性梗死不同。克雅病可出现特征性的皮质及深部灰质扩散异常，但仍需结合更全面的诊断依据解读影像。\n\n扩散张量及高级扩散成像方法广泛用于研究多发性硬化、创伤性脑损伤、神经发育、衰老和痴呆。这些方法能够在常规扫描看似正常的组织中检出群体层面的差异。但这种灵敏度并不一定意味着其特异度或可重复性足以支持个体诊断。即使群体之间的差异具有统计学意义，患病个体与未患病个体的测量结果仍可能存在大量重叠。\n\n脊髓和周围神经的扩散成像将类似原理从脑部拓展到了其他部位。结构细小、运动、周围脑脊液及磁化率效应，都使这些应用在技术上面临较大挑战。在将影像表现归因于组织损伤之前，必须先将其与伪影区分开来。"
    },
    {
      "heading": "肿瘤学及神经系统以外的成像",
      "text": "在神经系统以外，扩散磁共振成像在癌症影像检查中的应用尤为突出。许多恶性肿瘤的表观扩散系数（ADC）低于周围组织，部分原因是密集排列的细胞和发生改变的细胞外间隙会影响水分子的运动能力。但这种关系并非普遍成立。间质成分、坏死、黏液、出血以及组织结构都可能改变扩散测量结果，良性病变也可能表现出扩散受限。因此，ADC 是一种需要结合具体背景解读的影像特征，而非普遍适用的恶性肿瘤判定指标。\n\n在前列腺癌影像检查中，扩散加权成像（DWI）和 ADC 图是多参数磁共振成像的重要组成部分。ADC 显著降低以及高 \\(b\\) 值图像上的高信号有助于评估病灶，尤其是外周带病灶。解剖成像仍不可或缺，而且前列腺不同分区的影像判读方式也有所不同。良性结节和炎症性改变可能与恶性肿瘤相似。扩散成像结果有助于病灶检出和风险评估，但不能取代完整的诊断流程，也不能在需要时替代活组织检查。\n\n在乳腺癌影像检查中，扩散测量可提供额外的病灶信息，作为增强磁共振成像的补充。在肝脏成像中，DWI 能使许多局灶性病变更易被发现，包括一些较小的肿瘤转移灶，但对病变性质的判断通常仍依赖解剖成像序列和增强序列。肝脏成像也体现了这项技术面临的挑战：呼吸和心脏运动、肺底附近的磁化率效应，以及低扩散加权程度下的灌注成分，都可能影响 ADC 的估计。胰腺、盆腔和肾脏成像中也存在类似问题。\n\n全身扩散磁共振成像在特定临床情境下用于评估恶性肿瘤的分布及其变化。对于多发性骨髓瘤等疾病，它尤其有助于评估骨髓病变，因为局灶性和弥漫性受累模式都可能具有重要意义。全身图像能够高效地显示广泛的异常，但正常组织、骨折、炎症以及治疗相关的骨髓改变也可能产生显著信号。因此，判读时需要将扩散成像结果与解剖图像及治疗史相结合。\n\nADC 的变化已被研究用作反映治疗反应的早期影像生物标志物。有效治疗可破坏细胞并扩大细胞外间隙，有时会在肿瘤缩小之前使 ADC 升高。也可能出现其他反应：同一病灶内可能同时存在纤维化、不同演变阶段的出血、坏死以及残存的存活肿瘤组织。扩散变化的方向和出现时间因癌症类型及治疗方式而异，治疗方式包括化学治疗和放射治疗。\n\n扩散测量也被用于肾脏疾病、器官纤维化和炎症性肠病的研究。在这些情况下，组织微观结构、灌注和运动都可能影响信号。基于某一器官、某台扫描设备或某一研究人群得出的数值阈值，不能直接套用于其他情境。"
    },
    {
      "heading": "伪影、可重复性与生物学解释",
      "text": "扩散磁共振成像对运动格外敏感，因为其梯度磁场本就是为检测位移而特意设计的。明显的头部运动会使不同图像中的解剖结构位置发生变化，也可能造成单幅图像内的信号丢失。心脏搏动和生理性运动还会引入额外的变异。强扩散梯度诱发的涡流可导致剪切、缩放和位移，而磁化率效应则会造成平面回波图像的几何畸变。这些效应可能造成类似解剖差异的假象，或使定量测量产生偏差。\n\n校正通常包括图像配准、涡流建模、磁化率估计，以及受损层面或三维图像的检测。采用相反相位编码方向采集的图像，尤其有助于估计磁化率相关畸变。在运动校正过程中旋转图像时，相关的扩散方向也必须同步旋转。否则，重建的张量或取向分布可能不再与解剖结构对齐。校正方法可以减少误差，但无法恢复原本就未得到充分测量的信息。\n\n在高扩散加权条件下，残余信号较弱，噪声的影响尤为重要。经幅度重建的磁共振数据可能存在正值噪声基底，使高度衰减的信号看起来比实际更强。这可能导致扩散率被低估，并使高级模型的参数失真。降噪可以提高精密度，但其所依赖的假设至关重要；过度平滑或不恰当的处理会模糊边界，并引入空间相关性。拟合参数的不确定性与其生物学特异性是两个不同的问题。\n\n当一个体素包含多种组织或多个区室时，就会出现部分容积效应。脑脊液的混入可使脑室或皮质表面附近的平均扩散率升高、各向异性分数（FA）降低。因此，即使剩余组织本身未发生内在变化，组织体积的改变也可能影响扩散指标。自由水模型和更高的空间分辨率可以处理其中一部分影响，但也会引入额外假设，或需要更高的信号水平和更长的扫描时间。\n\n可重复性取决于扫描仪硬件、磁场强度、梯度校准、采集时序、重建方法和分析软件。梯度非线性会使有效扩散加权程度在成像视野内随位置而变化。多中心研究通常采用体模、统一的扫描方案、重复扫描和统计校正来评估或减小这些差异。对此类一致化处理必须进行审慎评估，以免在去除不需要的扫描仪效应时，也一并消除了真实的生物学变异。\n\n解释扩散测量结果时，核心问题在于其敏感性高，却不具有唯一的特异性。FA、表观扩散系数（ADC）或区室模型指标的变化，都可能有多种生物学解释。通过与组织学、实验样本及互补成像方法进行对照验证，有助于确定合理的机制，不过固定组织与活体组织之间存在差异。要证明其临床实用性，还需要证据表明：在现有信息的基础上，该测量能够进一步改善相关分类、预后判断或监测，而不只是显示研究中的不同组别之间存在差异。"
    },
    {
      "heading": "历史发展与研究前沿",
      "text": "扩散磁共振成像源于早期的核磁共振研究。1950年，欧文·哈恩的自旋回波实验确立了使失相自旋重新聚相的基础方法。后续研究将自旋回波的衰减与磁场梯度中的分子运动联系起来。1965年，爱德华·斯泰斯卡尔和约翰·坦纳发表了脉冲梯度自旋回波方法，此后该方法成为定量扩散测量的核心框架。这些实验最初关注的是磁共振测量，而非临床成像。\n\n20世纪70年代，采用空间编码的磁共振成像技术得到发展，使绘制体内磁共振信号的空间分布成为可能。随后，研究人员将空间编码与运动敏感梯度相结合，发展出了扩散敏感成像。20世纪80年代，德尼·勒比昂及其同事展示了人体扩散成像和体素内不相干运动成像，并于1986年发表了一篇重要论文。早期技术采集时间长，对运动高度敏感，限制了其常规应用。\n\n临床发展中的一个决定性进展，是证实急性脑缺血会引起显著的扩散变化。1990年，迈克尔·莫斯利及其同事报告了利用扩散敏感磁共振成像早期检出实验性脑缺血的研究。此后，更快速的平面回波采集技术和扫描仪硬件的改进，推动扩散加权成像（DWI）成为脑卒中的常规影像检查。扩散磁共振成像能够显示早期缺血异常，因此在临床上发挥着不同于常规结构成像的作用。\n\n方向性扩散测量也在同期发展。20世纪90年代初，彼得·巴瑟、詹姆斯·马蒂耶洛和德尼·勒比昂建立了扩散张量成像的理论框架，并于1994年发表了奠基性论文。张量成像将方向性信号衰减与组织各向异性的定量分布图联系起来。20世纪90年代末，多个研究团队开发了利用这些测量结果重建白质通路的实用方法。后来的方法增加了角度采样，并估计多个纤维取向，从而克服了张量模型的部分局限。\n\n当前研究既致力于工程技术的改进，也着眼于设计能够提供更丰富信息的实验。更强的梯度可以缩短编码时间，或提高对微小尺度特征的敏感性。更快的采集速度可以在实际可行的扫描时间内，容纳更多扩散加权设置、方向或扩散时间。更灵活的编码波形旨在区分微观各向异性、取向分散和交换。这些进展也使研究人员更有必要准确说明每项实验究竟测量了什么，以及哪些参数能够得到可靠估计。\n\n机器学习被用于去噪、重建、伪影检测、参数估计和图像协调化。这些方法可以加快处理速度，或利用较少的数据推断输出结果，但其表现取决于训练样本和验证。基于健康成人脑部数据训练的模型，在肿瘤、儿童发育或解剖结构明显变形的情况下，未必具有同等表现。因此，研究不仅考察模型在熟悉数据上的准确性，也关注不确定性、失效检测，以及跨扫描仪和患者群体的稳健性。"
    }
  ],
  "links": [
    "magnetic-resonance-imaging",
    "stroke",
    "white-matter",
    "brownian-motion",
    "magnetic-field",
    "contrast-agent",
    "cerebrospinal-fluid",
    "radiology",
    "matrix",
    "corpus-callosum",
    "demyelination",
    "gray-matter",
    "neurosurgery",
    "edema",
    "x-ray-computed-tomography",
    "epilepsy",
    "multiple-sclerosis",
    "dementia",
    "spinal-cord",
    "cancer",
    "prostate-cancer",
    "inflammation",
    "biopsy",
    "breast-cancer",
    "metastasis",
    "multiple-myeloma",
    "biomarker",
    "chemotherapy",
    "radiation-therapy",
    "histology",
    "machine-learning"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}