随着卒中中心的建设与发展，大众对于急性缺血性卒中（acuteischemicstroke，AIS）的认知与重视程度显著提高。当脑的血流量降低到12～20ml/g/min，微循环灌注不足，产生细胞毒性水肿，4～6h以后，血管内物质向外漏出，产生血管源性水肿。完全性脑缺血后20min就可出现细胞学变化，而脑组织功能的永久性破坏发生在发病后5～10min左右，最新发布的HA/ASA《急性缺血性卒中早期管理指南》中指出：早诊断、早治疗是抢救患者生命、改善后期生活质量的重点。
目前，磁共振成像（magneticresonanceimaging，MRI）成为超急性/急性缺血性卒中梗死区及缺血半暗带（ischemicpenumbra，IP）范围显示及量化的首选检查方法，并指导临床进行个性化治疗，其中灌注加权成像（perfusionweightedimaging，PWI）、弥散加权成像（diffusionweightedimaging，DWI）能够在疾病发生的超早期出现信号和灌注的异常，帮助临床尽早干预疾病的进展。
体素内不相干运动（intravoxelincoherentmotion，IVIM）成像是MRI的一种新技术，其扫描结果能使组织内扩散与微血管灌注信息分离，将更精确的扩散信息反馈给诊断医师，成为近年研究的热点。
1.IVIM的概念及参数
IVIM的概念最早于年由LeBihan等提出用来解释血液通过微血管网络引起的“伪扩散”，并且通过树脂球试验成功地演示了他们的假说。假说中指出：组织中的布朗运动包括纯水分子的扩散和微循环内的灌注，普通的灌注成像采集到的信号衰减，是扩散信号加灌注信号衰减的总和，而IVIM可以分离灌注与扩散的信息，去除毛细血管内“伪扩散”对信号衰减的影响，同时检查时间也相对较短，利于提高梗死区的早期显示率并且降低注射对比剂的隐藏风险，后续大量研究也证实了上述假说，这种混杂在真实扩散信号里的伪扩散信息即IVIM。
IVIM是在DWI的基础上采集多个b值DWI图像，可利用不同的IVIM模型、不同的算法、不同的拟合方式得到相关参数：体素内水分子扩散系数（truediffusioncoefficient，D）、毛细血管内灌注扩散系数（perfusionrelateddiffusioncoefficient，D*）、灌注分数（perfusionfraction，f）以及fD*（f与D*的乘积）等，并通过相关软件对上述参数进行评估。
2.IVIM-DWI图像数据的采集及模型拟合
2.1图像的采集
b值的大小直接影响组织信号的衰减，常规IVIM-DWIb值范围可从0到的10个以上b值，由于D*＞＞D，高b值得到的衰减信号的真实性、准确性更高，但b值的增高也会带来图像质量的下降等不利影响。多b值拟合得到的图像质量优于相对数量较少b值拟合的图像，随着b值数量的增多，成像时间随之增加，运动伪影的风险也同时增加，以上因素均不利于AIS的早期诊断与治疗。
许多学者就b值数量及范围展开了横向的探讨，Conklin等认为使用2个非零b值的简化线性拟合，理论上可以获得IVIM参数信息，然而减少b值的数量需要以降低灌注图的准确性为代价，因此在减少检查时间的基础上同时满足图像要求至少需要4个非零b值。
目前国际上，在IVIM图像采集过程中，脑灌注和缺血测量的最佳b值仍没有达成共识，目前由Zhu等提出的0，50，，0的b值组合最符合Bland-Altman分析的参考标准。
2.2模型的拟合及参数的获取
传统的标准二室扩散模型双指数方程为：S（b）S0=f×e-bD*+（1－f）×e-bDS（b）和S0分别表示任一b值和0处的信号强度，D是组织内纯水扩散系数，D*代表伪扩散系数，f表示灌注分数。由于D*＞＞D（几十个数量级），对上式简化，简化的IVIM模型，双指数方程为：In（S（b）S0）=-bD+In（1－f）通过对IVIM模型的拟合并经过不同的计算方法得出各IVIM参数。
另有几种提高图像质量的替代方法，例如贝叶斯估计方法、融合自举移动和总变化等，目前IVIM模型最佳的选择仍在探讨之中，Schneider等使用4种不同的MRI序列在人工毛细血管网络中进行IVIM成像，对传统的双指数模型与新近引入的相位分布模型的有效性进行比较，结果显示相位分布模型能够准确地描述毛细管网络中的流体流动，而双指数模型的参数出现了较大的偏差。
3.IVIM-DWI和经典灌注的相关性
目前临床上多采用多模态MRI即在常规MRI平扫的基础上，合理地选择DWI、PWI、T2*梯度回波序列（T2stargradientechosequence）、动脉自旋标记成像（arterialspinlabeling，ASL）、磁敏感加权序列（sensitiveweightedimaging，SWI）、弥散张量成像（diffusiontensorimaging，DTI）的成像技术，为临床提供更多信息制定AIS患者的分层治疗以及预后。
IVIM-DWI获得的f、D、D*以及fD*等参数与经典灌注成像参数局部脑血流量（cerebralbloodflow，CBF）、脑血容量（cerebralbloodvolume，CBV）、峰值时间（timetopeak，TTP）等都可以用来评估局部组织的灌注信息，且诸多研究表明两者具有很好的相关性。动态增强扫描数据的采集主要包括两种方法，分别是动态对比增强（dynamiccontrastenhanced，DCE）和动态磁敏感对比增强（dynamicsusceptibilitycontrast，DSC），可定量描述组织内血流动力学情况，是目前公认的组织灌注金标准序列，在脑肿瘤、宫颈癌、前列腺癌等疾病的分级和诊断中应用更多。
前人对IVIM-DWI的原始临床研究报告显示f与CBV具有良好的相关性。ASL是一种无需注射对比剂的非创伤性灌注成像方法，以扩散示踪动力学理论为基础对血管内质子进行磁化标记并追踪。ASL可以用来量化AIS患者核心缺血区和IP的CBF值，并且许多研究表明ASL检测病变的范围明显大于DSC，能够降低病灶的漏诊率，同时还利于AIS与其他疾病的鉴别诊断。
Hu等基于此提出的脑多b值DWI的初步临床试验证实IVIM参数与ASL的CBF具有显著相关性。有的学者利用低灌注模型进行IVIM成像，并用ASL评价同一脑区的CBF，IVIM参数均降低且与ASL监测到CBF下降保持一致，结果支持上述理论。IVIM-DWI虽然可以显著提高梗死区的早期显示率并分离扩散、灌注信息，但评估IP的能力不如ASL，作为一种新的技术，IVIM可以与灌注互补，许多学者已经提出3D-ASL联合IVIM更益于AIS患者的诊疗。
4.IVIM在AIS中的应用
4.1协助诊断AIS核心梗死区及IP
许多学者的临床研究均表明梗死区较对侧正常脑组织的IVIM参数明显降低，其中f与CBV具有良好的相关性，由此推测IVIM-DWI在AIS中是可行的。在对例AIS患者图像的回顾性分析中，Suo等发现对于缺血区和正常区ROI内的所有像素，表观弥散系数（apparentdiffusioncoefficient，ADC）与D、f、fD*呈显著正相关。与上述研究结果相似，Yao等采用相似方法对38例AIS患者进行IVIM-DWI以及ASL成像，定量分析了ADC、D、D*、f和fD*与ASL衍生参数CBF之间的关系，同样发现病灶的上述参数与对侧相比发生了明显的变化，其中fD*变化幅度最大。
有学者通过建立栓塞缺血性模型，在栓塞后4.5h和6h进行IVIM显像定量分析来探究IVIM参数的变化，他们的研究显示，与对侧正常侧相比，缺血区f和D均显著降低，ADC值也明显低于正常对侧区，更进一步验证了IVIM显像可同时评价AIS的弥散和微血管灌注特点，与以往研究不同的是，在4.5h和6h，两个区域的D*均无显著差异。总结以上相关研究，IVIM-DWI可以用来评估AIS。
当用MRI灌注评估AIS患者时，PWI-DWI不匹配大体上可以代表IP。对此，Zhu等根据Tmax＞6s阈值的DWI和PWI，分别描绘缺血核心区、IP、非缺血区和对侧半球。在f，D*，fD*参数图上测量不同脑区的信号强度和缺血体积并比较其差异，结果表明，单用f和fD*这两个参数都不能一致地高精度区分梗死核心和IP，但可以通过D和f或fD*联合定义，D与f的不匹配或fD*可用于识别PWI-DWI不匹配的患者，进而评估缺血核心和IP，因此，IVIM-DWI是诊断AIS核心梗死区及IP的一种重要检查方法。
4.2预测AIS患者血管再通治疗后出血转化
AIS患者目前首选临床治疗方案是静脉溶栓，但血管内介入治疗方案均会引起出血风险，且溶栓后发展为出血性转化（hemorrhagictransformation，HT）的患者预后极差。近年有学者在研究IVIM-DWI各项参数值的变化与HT之间的联系方面取得了一定的进展，眼下国内外报告对于IVIMDWI参数与HT具有一致性的临床试验论据尚不足，如果有更多的研究证实IVIM-DWI可以预测AIS患者血管再通治疗后出现HT及卒中后再发的可能，那么对于提高AIS患者的存活率以及降低其致残率都更具诊断益处。
4.3评估AIS的临床功能预后
在大多数学者将目光聚焦在IVIM在AIS患者早期诊断方面的价值时，部分学者另辟蹊径探寻IVIM-DWI参数与AIS临床功能预后之间是否有良好的相关性，通过对AIS患者进行IVIM-DWI和弥散峰度成像，评估脑卒中后6个月的远期功能预后，比较功能不良和功能良好患者的弥散参数和临床特点，印证了弥散动力学与AIS的临床功能预后相关，并且这种相关性独立于病变体积的影响。但截止目前，关于IVIM-DWI及AIS功能预后的临床研究资料甚少。
综上所述，IVIM-DWI作为一种MRI新技术，以其不需要注射对比剂即可分别获得灌注和扩散信息等优点引起
推荐文章
热点文章
