跳到主要内容
访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
J Magn Reson成像。作者手稿；PMC 2010年5月4日提供。
以最终编辑形式发布为：
Magn Reson Imaging杂志。2007年9月；26(3): 756–767.
数字对象标识：2002年10月10日/jmri21053
预防性维修识别码：第862967页
NIHMSID公司：美国国立卫生研究院182652
PMID：17729339

信噪比对1.5T下DTI衍生分数各向异性、平均扩散率和主特征向量测量的准确性和再现性的影响

乔纳森·法雷尔、理学学士、，1,2,三 Bennett A.兰德曼、MEng、，4 克雷格·琼斯，博士，1,2 塞斯·史密斯，博士，1,2 杰瑞·普林斯，博士，2,4,5 彼得·范齐吉尔，博士，1,2,三和森素美（Susumu Mori），博士1,2,4
作者信息 版权和许可信息 PMC免责声明

摘要

目的

制定一个实验方案，以计算分数各向异性（FA）、平均扩散率（MD）和主特征向量（PEV）方向（作为信噪比（SNR）的函数）的精度和准确性体内.

材料和方法

一名健康男性志愿者分三次扫描，共进行45次DTI扫描。为了提供FA、MD和PEV作为SNR的函数，将扫描会话中的顺序扫描分组为非交叉集。以体素和基于ROI的方式对DTI衍生对比度的准确性和精确度进行了分析。

结果

随着信噪比的降低，FA向上偏移，MD无明显偏移，证实了基于模拟的研究结果。值得注意的是，虽然PEV的精度在低信噪比下变得更差，但在PEV方向上没有观察到偏差。总的来说，GM中FA值的准确和精确量化需要比WM FA值量化更多的信噪比

结论

本研究为FA、MD和PEV量化提供了指导，并提供了一种方法来研究扫描过程中和扫描过程中作为SNR函数的最小可检测差异。

关键词：DTI、再现性、精度、分数各向异性、平均扩散率、主特征向量

简介

扩散张量成像（DTI）是一种MRI技术，用于测量水的空间扩散特性，并提供新的对比度来研究中枢神经系统的纤维结构体内(1-7). 水的扩散特性取决于生物环境的组成和结构，可以通过标量和矢量对比进行量化。突出的标量包括描述扩散各向异性程度的分数各向异性（FA）和测量体素中平均扩散量的平均扩散率（MD），两者在临床人体成像中都有着有用的应用。白质中的FA（WM）部分是由于轴突和髓鞘阻碍水扩散而产生的，并被用于评估和监测WM损伤(2,8). MD在中风时间演变的研究中特别有用(9,10). 最近的评论(2,8,11-14)概述DTI的方法和临床应用。

除了标量外，DTI还提供向量对比度，如主特征向量（PEV），从中可以推断体素中的主要纤维方向。PEV被广泛用于通过彩色编码的PEV方向图检查大脑的结构和连通性(5,15)和轨迹描记法(11,16-22). DTI作为一种研究工具继续得到重视，并日益成为常规临床MRI协议的一部分。

原则上，对不同DTI实验结果进行定量比较是可行的。然而，由于采集数据的数量和质量的差异，DTI发现的准确性和精确度很可能在成像站点内部和不同站点之间存在显著差异。这对DTI技术在多站点试验中的使用产生了负面影响，尤其是当兼容性至关重要时，并降低了使用DTI对比评估和监测临床疾病进展的信心。

以前，已经研究了噪声对扩散各向异性指数的影响体内在猴子身上(23)基于仿真的研究调查了模型噪声的影响(23-27)以及b值的选择(28-30)这些研究表明，成像参数确实对DTI对比度及其相对不确定性有影响，尤其是测量的FA值在低SNR下表现出向上的偏差。仿真表明，需要足够数量的扩散加权（DW）方向和DW方案的最佳安排(29,31,32)以及体内(32,33). 此外体内研究了受试者内部和跨受试者的DTI测量(34,35). 这些先前的研究表明，需要开发方法来评估SNR对单个实验的影响，并使用这些信息来优化和协调跨成像站点的DTI研究。

本研究的目的是：1）建立数据采集和分析协议，以研究SNR（扫描重复）与FA、MD和PEV的DTI衍生对比度之间的关系。2） 计算这些对比度在低SNR下相对于高SNR金标准的偏差（不准确性），以及3）计算这些对比度在扫描会话内（会话内）和扫描会话之间（重测试）的再现性（精度）。分析以体素方式和基于ROI的方式进行，并使用一组广泛而全面的图和指标报告结果。

观察到的SNR/DTI对比关系可用于确定实现无偏（准确）和可再现测量所需的最低SNR要求，并可用于指导稳健DTI协议的设计，尤其是多中心研究。

材料和方法

磁共振成像

一名健康的24岁男性志愿者参与了这项研究。在获取数据之前，获得了当地机构审查委员会的批准和书面知情同意。所有数据都是使用1.5T磁共振装置（荷兰贝斯特飞利浦医疗系统公司Intera）采集的，该磁共振装置具有人体线圈激励功能，并使用经改装的8通道相控阵SENSE头线圈（6个有效通道）进行接收。两天内进行了三次扫描，每次扫描之间重新定位受试者。在三次扫描中，每一次都采集了15个DTI数据集，共获得45次DTI扫描。

每个DTI数据集都是通过以下成像协议获得的。采用多层、单次激发EPI（SENSE因子=2.0）、自旋回波序列（90°翻转角，TR/TE=3632/100 ms）获取25个平行于连接前后连合线的横向切片，无切片间隙，2.5mm标称各向同性分辨率（FOV=240×240，数据矩阵=96×96，重建为256×256）。使用Jones30方案沿30个方向应用扩散加权(31,32)磁场梯度强度G=19.5 mT/m，产生的b系数为1000 s/mm2和扩散时间tdif（差分）约40 ms（tdif（差分）=Δ-δ/3，其中Δ是前缘间距，δ是磁场梯度的持续时间）。五幅最小加权图像（5 b0’s）（b≈33s/mm2)作为每个DTI数据集的一部分，在扫描仪上采集并平均。获取30个扩散加权图像（DWI）和5 b的DTI数据集的总扫描时间0是2分18秒。扫描过程中获取15个DTI数据集和解剖MRI的总时间（包括图像重建）约为45分钟。

数据处理

DTI数据集使用运行在Sun Fire V880服务器（Sun Microsystems Inc.，Santa Clara，CA）上的MATLAB（The Mathworks，Natick，MA）例程进行离线处理。所有数据均与之前描述的方案共同注册(36)使用FLIRT（FMRIB的线性图像注册工具，英国牛津）(37)以消除刚体运动。梯度表规定了与每个特定DWI相对应的磁场梯度的方向，并进行了校正，以补偿联合配准过程中的旋转分量。这些分析方法被封装为名为DTI_gradient_table_creator（美国马里兰州巴尔的摩市约翰·霍普金斯大学医学院）的MATLAB代码，并公开提供(http://www.nbirn.net/downloads/dti_gradient_table_creator/index.shtm). 扩散张量是使用多元对数线性拟合方法计算的，在该方法中，梯度表中的所有DWI及其对应矢量作为唯一条目进入扩散张量计算，即不进行DWI平均。对数线性拟合对特征值的符号没有限制。为了避免使用零的对数，DWI中强度为零的所有体素都被设置为记录的最小非零体素强度的一半。

扩散张量的对角化D类‒¯产生了三个特征值（λ1, λ2, λ三)，从中计算FA和MD(38).

FA公司=12(λ1−λ2)2+(λ1−λ三)2+(λ2−λ三)2λ12+λ22+λ三2
(1)

医学博士=追踪(D类-¯)三=λ1+λ2+λ三三
(2)

与最大特征值（λ）相关的特征向量1)，即主特征向量（PEV），用于表示每个体素中的主要纤维方向。在彩色编码PEV图中，体素中的主要纤维方向由红色、绿色和蓝色表示，这些颜色分别被指定为左右、前后和上下方向。

数据分析

为了提供FA、MD和PEV作为SNR的函数，将扫描会话中的顺序扫描分组为非交叉集。分组方法提供了N光突发事件=15,7,5,3,3,2,2,1,1,1,1,1,1,1，1，1，对1到15个连续DTI扫描（N扫描)在每个扫描会话中。在所有情况下，DWI数量与b数量之比0图像（NDWI公司：否b0（b0）)每场比赛保持在6:1(31)随后的扩散张量计算利用了给定集合中的所有DTI数据。当在张量计算中使用扫描会话中的所有15次DTI采集时，相对于金标准结果，评估DTI衍生对比度的准确性（即，由于低信噪比导致的任何偏差），张量计算表示为FA公司克,医学博士克，以及PEV公司克分别是。

下文讨论了FA的计算方法，并对MD进行了相同的分析N个在给定的信噪比水平下观察FA图像，平均值，FA公司‒，标准偏差，σ(FA公司)和变异系数个人简历(FA公司)=100∗σ(FA公司)∕FA公司‒为每个体素计算。在1到5次DTI扫描的信噪比水平下，计算每个扫描阶段的σ（FA）和CV（FA）图。

光纤定向的FA精度

FA测量的精度作为潜在PEV方向的函数进行了研究。分析仅限于具有FA的体素克>第一次扫描时，25个切片中间23个切片中0.25个。根据PEV将体素分类到仓中克方向，使用5°乘5°球面坐标（极角⌀，方位角θ）网格。由于此binning过程，分配给bin的体素共享一个共同的光纤方向。然后对为每个体素计算的σ（FA）值进行相应排序。然后计算每个箱子中所有体素的平均σ（FA）。σ（FA）的bin平均值显示为⌀和θ的函数以及球体表面上的函数（插值后）。该程序分别针对1次和3次DTI扫描的SNR水平进行。

FA和MD的期内和重测再现性：体素测量

使用变异系数度量计算FA和MD的精度。计算ROI内所有体素的平均CV（FA）和CV（FA）的标准偏差，并分别表示为〈CV（FA）〉和σ（CV（-FA））。在1到5次DTI扫描的信噪比水平下，对每个扫描会话分别计算这些值。结果相应部分中报告的值和不确定度分别是所有3次扫描的平均CV（FA）和平均σ（CV（FA）），每个SNR水平。

FA和MD的再现性使用重测变异指标进行计算。扫描会话中对FA图的每次观察第页与扫描过程中FA图的相应观察结果（相同SNR水平）配对q个。计算每对FA图之间的差异，并将其存储为向量

差异（FA）p、 q个=[FA1，p−前桥1，q、FA2，第页−前桥2，q, …、FAN、 第页−前桥N、 q个].
(3)

每个体素中FA测量值的测试-再测试变化计算为该体素处差异向量的标准偏差，除以所有2个体素中在该体素中测得的FA平均值N个扫描会话中的观察结果第页和q个:

V（V）(FA公司)第页,q个=σ(差异(FA公司)第页,q个)意思是(FA公司第页,q个).
(4)

重测变异图V（FA）T型，然后在扫描会话的配对中计算

V（FA）T型=三分之一（V（FA）1,2+V（FA）2,3+V（FA）1,3).
(5)

相应结果部分中报告的值为平均值？V（FA）T型〉和标准偏差σ（V（FA）T型)，共V（FA）T型ROI中的所有体素。

FA和MD的期内和测试重测再现性：基于ROI的测量

ROI中所有体素的平均FA表示为“FA”。平均值，〈FA公司〉‒，标准偏差，σ（〈FA公司〉）和变异系数，个人简历第页(〈FA公司〉），第页，共页N个扫描会话中给定SNR水平下的〈FA〉观察第页已计算。相应结果部分中报告的值为平均值个人简历第页(〈FA公司〉），个人简历T型(〈FA公司〉），报告的不确定度为CV的标准偏差第页（〈FA〉）。

扫描过程中对FA的每次观察第页在扫描过程中与观察结果配对（在相同的信噪比水平上）q个。每对〈FA \9002；之间的差异计算如下

差异（〈FA〉p、 q个)=【FA】1，p−〈FA〉1，q，〈FA〉2，第页−¦ΒFA¦Β2，q, …，〈FA〉N、 第页−〈FA〉N、 q个].
(6)

基于ROI的FA测量值的重测变异计算为差异向量的标准偏差，除以所有2个变量的平均值〈FA〉N个扫描会话中的观察结果第页和q个.

V（V）(〈FA公司〉第页,q个)=σ(差异(〈FA公司〉第页,q个))意思是(〈FA公司〉第页,q个)
(7)

相应结果部分中报告的重测变异值为

V（V）T型= ⅓(V（V）(〈FA公司〉1,2) + V（V）(〈FA公司〉2,3)+V（V）(〈FA公司〉1,3))
(8)

报告的不确定度为V的标准偏差p、 q个在三次扫描过程中。

扫描过程中PEV定向的精度和准确性

扩散的主方向同样可以通过PEV的坐标（x，y，z）方向和相应的反平行向量的坐标（−x，−y，−z）方向来描述。因此N个每个体素的PEV的独特观测必须适当定向，以确保有意义的矢量添加和比较。为此，选择PEV作为参考载体。其余的每个N个-1 PEV被设置为相对于参考向量的最小分离角的方向（平行或反平行）。的平均值N个PEV的观测值计算为分量的归一化向量和，

PEV公司-=∑我=1N个PEV公司我/‖∑我=1N个PEV公司我‖
(9)

其中每个PEV具有单位长度。每个体素中PEV测量的角度变化（AV）（即精度）计算为变化，单位为度，

成人影片=1N个∑我=1N个余弦−1(PEV公司我•PEV公司‒)
（10）

的N个关于观测平均值的观测值。其中•表示矢量点积。AV在1至5次DTI采集的SNR水平下进行计算，以便在每次扫描过程中至少对PEV方向进行三次独立观察。相对于PEV，PEV方向的准确性克使用角度偏差（AB）度量在每个体素中计算

AB公司=余弦−1(PEV公司‒•PEV公司克)
(11)

AV和AB的所有计算都是在逐体素的基础上进行的。平均值，〈AB〉第页和AV第页加上标准偏差σ（AB）第页和σ（AV）第页针对每个扫描会话计算ROI中的所有体素第页这提供了PEV测量的精度和准确性的度量，在逐体素的基础上计算，在每个扫描会话中在给定解剖区域上平均。相应结果部分中报告的角度变化和不确定度值为〈成人影片〉T型和σ(成人影片)T型分别为平均AV和平均σ(成人影片)第页在三次会议上。

PEV定向在扫描过程中的再现性

The mean difference, in degrees, between the我第个扫描过程中观察PEV第页扫描会话中的平均PEVq个计算为。

摩洛哥迪拉姆我,第页,q个=余弦−1(PEV公司我,第页•PEV公司‒q个)
(12)

配对的平均MADN个观测值计算为

摩洛哥迪拉姆第页,q个=1N个∑我=1N个摩洛哥迪拉姆我,第页,q个
(13)

扫描会话排列的平均MAD计算如下

摩洛哥迪拉姆T型=⅙（摩洛哥迪拉姆1,2+摩洛哥迪拉姆2,1+摩洛哥迪拉姆1,3+摩洛哥迪拉姆3,1+摩洛哥迪拉姆2,3+摩洛哥迪拉姆3,2)
(14)

结果的相应部分显示了MAD的解剖轮廓T型而报告的值和不确定度是平均值MADT型和标准误差σ（MADT型)在ROI中的所有体素上。

信噪比计算

本研究中的信噪比由DTI数据集的数量（N扫描)用于扩散张量计算（其中每个数据集由30个DWI和5个b组成0的）。DTI实验的数值SNR值的计算并不简单，因为DWI和b0图像具有不同的信号强度和噪声分布。由于DWI中选定解剖位置的信噪比取决于DW方向0通常会报告图像。为了进行比较，本研究使用最小扩散加权图像的两个连续观测值计算了信噪比的数值。首先，计算这两个观测值的平均图像和差异图像。然后将信噪比计算为平均图像中ROI的平均值除以差分图像中相同ROI中体素的标准偏差。第一次扫描中前14次扫描的最小加权图像按顺序配对，计算胼胝体和内囊脾的信噪比分别为22±2:1（约26dB）和24±2:1，约27dB。这些值反映了扫描仪平均5 b的信噪比0图像，这将指示单个b中WM结构的近似SNR为10:1（20dB）0图像。

结果

FA图像的信噪比影响

图1a显示了根据侧脑室（左）和半卵圆中心（右）水平的1、3和15次DTI扫描计算的典型FA图。与金标准FA图（15次扫描）相比，通过单个DTI扫描计算出的FA图显示出颗粒度更大的外观，表明噪音增加，尤其是在灰质（GM）区域。壳核和苍白球在根据1次DTI采集数据计算的FA图中具有明显的斑点外观，而在3次扫描的FA地图中，结构更加明显，在金标准中更为明显。随着信噪比的增加，GM和WM之间的视觉对比度以及FA图中这些组织类型之间边界的显著性都会提高。

保存图片、插图等的外部文件。对象名为nihms-182652-f0001.jpg

图像显示了FA的准确性和精确度与扩散张量计算中使用的DTI扫描次数之间的关系。结果显示在两个层面上。(一)分别通过1、3和15次DTI扫描计算出的典型FA图。(b条)通过单次DTI扫描计算出的15个FA图的平均值与金标准（左）之间的差异。通过三组DTI扫描计算出的5个FA图的平均值与金标准（右）之间的差异。(c)标准偏差和(d日)根据单次DTI扫描的15个FA图观察值计算出的FA变异系数（左）和根据3组DTI扫描计算出的5个FA地图观察值（右）。

实际上，在扫描会话中获取的DTI数据的数量受到可用扫描时间的限制。如果可以多次重复采集DTI数据，一个相关的问题是，在一次扩散张量计算中，是否最好对处理的FA图求平均值，或在运动校正后使用所有采集的数据。在15次采集的DTI扫描中，前一种方法意味着计算N的平均值光突发事件FA图，其中每个FA图都是从N计算的扫描分别（结果显示为N光突发事件=15，牛顿扫描=1和N光突发事件=5，牛顿扫描=3），而后一种方法意味着在单个张量计算中使用所有15个数据集（金标准）。图1b显示了这两种DTI处理方法在两个SNR级别上的差异。结果表明，取FA图的平均值会加强GM区域中向上的FA偏差（这已经存在于各个FA图中）。当张量计算中使用更多数据时，相对于金标准FA图，向上的FA偏差会减小。

图1c-d显示了标准偏差σ（FA）和从单个DTI扫描（N光突发事件=15，牛顿扫描=1，左）和3次DTI扫描（N光突发事件=5，牛顿扫描=3，右侧）。σ（FA）随着接收线圈元件的穿透深度而增加，即精度下降。使用3次扫描，σ（FA）整体下降。图1d显示深GM（壳核）的CV（FA）大于相邻WM（内囊），尽管这两种组织类型与接收线圈元件的距离大致相等。这是因为GM中FA测量的标准偏差比WM中FA测定的标准偏差在基础FA值中所占的比例更大。从增加的信噪比中受益最多的大脑区域包括远离接收线圈元件的区域（例如深层结构）。SNR对MD的影响要小得多（对于所研究的SNR范围而言），并且在MD图像（图像未显示）中不容易被视觉识别。

光纤定向的FA精度

确定用于本研究的30方向DW方案是否提供了统一的精度剖面体内计算FA测量值的标准偏差，并将其显示为潜在PEV方向的函数。图2a显示了σ（FA）的相对恒定值，表明体素FA测量的精度在很大程度上不依赖于1 DTI扫描的信噪比水平下的底层光纤方向。当使用3次DTI扫描计算扩散张量时，对于所有纤维方向，FA测量的精度都会提高（即σ（FA）降低）。这些结果与以前的模拟结果（Jones，2004；Skare等人，2000）一致，指出了使用高方向分辨率DW方案的好处。图2b显示来自的数据图2a在球面上表示，DW方向的位置由实心标记给出。

保存图片、插图等的外部文件。对象名为nihms-182652-f0002.jpg

WM（FA）中体素FA度量的标准偏差克>0.25）显示为光纤方向的函数。(一)σ（FA）由单个DTI扫描和三组DTI扫描计算得出，分别为顶面和底面。(b条)（a）的结果用DW方向表示在球体表面上（实体标记）。患者坐标系缩写为上下（is）、前后（AP）和右左（RL）。

基于ROI的FA和MD测量的准确性

利用人工定义的胼胝体壳核、苍白球、半卵圆中心、内囊和脾的ROI，研究了SNR对基于ROI的FA和MD测量值的影响。这些ROI如所示图3分别包含143、180、158、151和237个体素。每个ROI中的平均FA如所示图4a与金标准相比，在低信噪比条件下，深部GM结构（壳核和苍白球）中的FA存在可复制的向上偏差，这在所有三次扫描中都是一致的。值得注意的是，致密的WM区域（如胼胝体内囊和脾）以及各向异性较小的WM结构（如半卵圆心）在低信噪比下没有FA偏倚。由于这是一个交叉纤维的区域，因此未报告前部WM ROI中的FA和MD分析；然而，该区域用于随后的体素PEV分析。

保存图片、插图等的外部文件。对象名为nihms-182652-f0003.jpg

用于基于ROI的分析的四个层面上感兴趣区域（ROI）的位置。这些包括内囊（ic）、额叶白质（fw）、半卵圆中心（cs）、苍白球（gp）、壳核（put）和胼胝体脾（scc）。

保存图片、插图等的外部文件。对象名为nihms-182652-f0004.jpg

基于ROI的FA和MD作为扫描次数的函数。(一)ROI中的平均FA和(c)DTI数据的每个唯一分组的ROI中的平均MD（实心圆）。3个扫描会话由红色、绿色和蓝色实心圆圈表示。(b条和d日)图4a和4c中三次扫描的所有数据点分别合并为图4b和4d中具有代表性的单个值（实心圆）。图4a中FA测量值的分布和图4c中MD测量值分布被计算为所有时段所有点的标准偏差（以虚线表示）。计算图4a中每个ROI内FA测量值的标准偏差，并对所有会话中的所有观察值进行平均（显示为误差条）。图4d显示了MD的相应结果。解剖位置和缩写如所示图3.

中给出了对基于ROI的FA结果的更全面的分析图4b。中三个扫描会话的所有数据点图4a合并为具有代表性的单一值图4b（实心圆）。FA值在图4a计算为所有会话中所有点的标准偏差，显示为虚线图4b最后，计算每个ROI内FA测量值的标准偏差，并对所有会话中的所有观察值进行平均（如中的误差条所示图4b).图4b如虚线的小范围所示，与确定基于ROI的FA值相关的不确定性很小。其次，即使在高信噪比下，ROI内FA值的标准偏差也很大。

与FA的观察结果相比，MD在低信噪比下没有偏差趋势。由于MD在不同脑区的动态范围较小，壳核和半卵圆中央ROI的数据序列分别显示为代表性的GM和WM结构。图4c结果表明，尽管与ROI中MD平均值的确定相关的变异性增加，但在低信噪比下，未观察到MD的偏差趋势（数据点包络的加宽）。中的数据图4c合并于图4d与基于ROI的FA分析所讨论的方式类似。

在壳核（一种相对各向同性的扩散介质）的ROI内，对所有体素分别平均每个特征值的扩散率。图5a和5b显示λ扩散率的可重复向上偏移1，而λ2保持相当稳定并且λ三表现出向下的偏向。在FA和MD方程的背景下，这种特征值排斥趋势解释了在低FA结构中观察到的FA和相应稳定MD随信噪比的增加。在内囊（各向异性更强的介质）的情况下，特征值的扩散率保持稳定，因此WM结构中的FA和MD在本研究所研究的整个信噪比范围内均无偏差趋势(图5c、d).

保存图片、插图等的外部文件。对象名为nihms-182652-f0005.jpg

基于ROI的特征值（λ1，λ2和λ三)作为扫描次数的函数。(一)壳核的平均特征值和(c)对于每个独特的DTI数据分组，内囊中的平均特征值。3个扫描会话由红色、绿色和蓝色实心圆圈表示。(b条和d日)图5a和5c中三个扫描会话的所有数据点分别合并为图5b和5d中的代表性单个值（实心圆）。图5a和5c中特征值测量值的分布被计算为所有会话中所有点的标准偏差（以虚线表示）。计算图5a中壳核ROI特征值测量值的标准偏差，并对所有会话中的所有观察值进行平均（显示为误差条）。图5d显示了内部胶囊ROI的相应结果。解剖位置和缩写如所示图3.

体素FA和MD测量的再现性

使用变异系数（CV）度量研究了扫描过程中FA和MD的体素测量的再现性。图6a显示了GM和WM在FA体素测量值的会话内再现性方面存在很大差异。尽管两者都随着信噪比的提高而提高，但GM中FA的体素测量结果的再现性低于WM。图6b结果表明，在GM和WM中，MD的体素测量值具有可比性，并且比FA的测量值具有更高的再现性。

保存图片、插图等的外部文件。对象名为nihms-182652-f0006.jpg

体素FA和MD测量的再现性。会话内再现性：(一)FA变化系数(b条)MD的变异系数。区间再现性：(c)FA的重新测试变化(d日)MD的重新测试变化。解剖位置和缩写如所示图3.

使用重测变异（V）指标研究了FA和MD在扫描过程中的体素测量的再现性。反映了期内结果的趋势，图6c显示了GM和WM中FA的体素测量的重测再现性之间的巨大差异。图6d表明MD体素测量的重测再现性在GM和WM中具有可比性。

基于ROI的FA和MD测量的再现性

使用变异系数（CV）度量研究了SNR对扫描会话内基于ROI的FA和MD测量的再现性的影响。图7a显示了GM和WM在扫描会话中基于ROI的FA测量的再现性方面的差异。图7b结果表明，基于ROI的扫描过程中MD测量值的再现性在所有调查区域都具有可比性。

保存图片、插图等的外部文件。对象名为nihms-182652-f0007.jpg

基于ROI的FA和MD测量的再现性。会话内再现性：(一)FA变化系数(b条)MD的变异系数。区间再现性：(c)FA的重新测试变化(d日)MD的重新测试变化。解剖位置和缩写如所示图3.

使用重测变异（V）指标研究了基于ROI的FA和MD测量值在扫描过程中的再现性。图7c结果表明，与WM相比，GM基于ROI的FA测量在扫描过程中的重现性较差。图7d结果表明，与期内结果一样，基于ROI的GM和WM MD测量值的重测再现性在所有调查地区都具有可比性。

PEV定向的再现性和准确性

根据单个扫描会话的1、3和15次DTI扫描计算出的代表性彩色编码PEV方向图如所示图8a图像显示，增加的信噪比提高了WM光纤束的视觉清晰度。在单次DTI扫描计算的图像中，内囊前肢和后肢以及半卵圆椎体等结构具有斑点状外观，而在较高的信噪比下，这些结构看起来更加均匀。此外，高信噪比PEV彩色图上更清楚地定义了进入大脑皮层GM区域的U型纤维投射。虽然增加信噪比的好处可以从视觉上看到，但PEV作为信噪比函数的再现性和潜在偏差在PEV色图中很难识别。对几个WM光纤束中的体素逐个进行PEV精度、准确性和跨会话再现性的定量评估。

保存图片、插图等的外部文件。对象名为nihms-182652-f0008.jpg

彩色编码PEV方向图的改进与扫描次数有关。(一)在两个层面上，通过1、3和15次DTI扫描计算出的典型PEV方位图。扫描过程中PEV定向的精度和准确性是基于4个解剖区域的体素逐个计算的。(b条)角度变化（AV）和(c)PEV的角偏差（AB）是SNR的函数。解剖位置和缩写如所示图3.

使用角度变化（AV）度量来计算扫描过程中PEV方向的精度。AV可以解释为单个观测值相对于观测平均值的扩散（以度为单位）。图8b结果表明，与使用一次DTI扫描的PEV图相比，当使用三次DTI扫描仪计算扩散张量时，PEV定向的精度随着信噪比的增加而提高，大约提高了两倍。

使用角度偏差（AB）度量计算PEV的精度。AB定义为给定信噪比水平下PEV的平均观测值与相同体素中金标准PEV之间的差值（以度为单位）。PEV定向的准确性在所研究的信噪比范围内是稳健的，对于所研究的WM结构，在低信噪比下没有可辨别的偏差(图8c).

最后，使用平均角差（MAD）度量研究了PEV方位在扫描过程中的重测再现性。该指标可以解释为PEV在扫描过程中的定向综合误差，其贡献来自于较差的准确性和较差的精确度。增加的信噪比提高了WM中PEV取向的再现性(图9a)尤其是在WM前部和后部区域，PEV定向的重测再现性显著提高。对于所研究的主要WM束，PEV的跨段再现性的改善不太明显(图9b).

保存图片、插图等的外部文件。对象名为nihms-182652-f0009.jpg

PEV定向在扫描过程中的再现性。(一)使用1、3和15组扫描计算的PEV图的平均角差（MAD）的空间分布(b条)MAD是4个解剖区域扫描次数的函数。解剖位置和缩写如所示图3.

讨论

在本文中，这是一系列体内通过BIRN、数据采集和分析协议进行人体DTI校准研究，以研究DTI扫描重复性（即SNR）与FA、MD和PEV对比度之间的关系。通过对每个SNR水平的DTI对比度进行几次独特的观察，我们计算了低SNR下这些对比度相对于高SNR金标准的偏差（不准确度），并计算了FA、MD和PEV测量值在扫描会话（会话内）和扫描会话（测试-再测试）之间的再现性（精度）。本研究采用DTI采集协议有三个原因。首先，基于仿真的研究表明，为了确保FA测量的统一精度轮廓，需要大约30个独特方向的DW方案(29,31,32). 其次，DWI数量与最小加权图像的最佳比率约为9:1(31). 第三，我们认为，这种扫描方案具有中等的TE（100 ms）、中等的梯度强度（19.5 mT/m）和2.5 mm的各向同性分辨率，应被广泛接受为临床上可实现的1.5T DTI研究。本研究的成像协议可以扩展到全脑覆盖，每次DTI采集的总扫描时间约为5分钟。

众所周知，心脏搏动往往对DTI结果有深刻影响(39-41)这可能是对会话内和会话间再现性的主要贡献。不幸的是，由于扫描时间延长和门控偶尔不稳定（取决于心律失常等受试者条件），心脏门控尚未在临床研究中得到广泛接受。在本研究中，我们决定不使用心脏门控来代表更常见的成像协议。

这项工作的一个共同目标是，获取和处理的DTI数据、观测到的SNR和DTI对比度之间的关系以及本研究的采集协议可作为数据资源和参考，以建立稳健的DTI协议，尤其是多站点研究。为了方便我们的体内为此，可通过BIRN网站免费获取人类DTI校准研究信息(http://www.nbirn.net/downloads/diffusion_calibration/index.shtm)可以用作1.5T扫描仪的数据资源和参考。

将基于仿真的研究中的信噪比值与实验获得的磁共振数据进行比较，或在不同地点的不同磁共振数据集之间进行比较，并不简单，应谨慎进行。虽然基于仿真的研究中的噪声是一个建模参数，但由于接收线圈灵敏度不均匀、化学位移伪影、场不均匀、涡流畸变、基于EPI的敏感性伪影以及受试者运动，来自MR扫描仪的数据可能容易出现伪影。此外，使用相控阵线圈的并行成像技术会产生不均匀的SNR分布，靠近接收元件的区域具有较高的SNR。在DTI实验中，由于扩散加权和非扩散加权（b0)图像具有不同的信号强度和噪声分布。由于DWI中选定解剖位置的信噪比取决于DW方向0通常会报告图像。相比之下，单个b中的信噪比0报道了胼胝体压部和内囊的ROI图像。预计，SNR最多可以通过扩散张量计算中使用的DTI采集次数的平方根进行缩放。然而，硬件性能的差异意味着在两个成像站点使用相同协议进行相同数量的DTI采集不太可能产生兼容的结果。因此，本研究的一个重要建议是，参与集体研究的每个站点都应使用共同的协议，研究其MR系统上的SNR/DTI对比度关系，作为扫描重复的函数。这将使每个成像站点能够校准其采集，以满足研究协调员给出的SNR要求。这可以结合使用旅行的人类志愿者或标准化的非人类幻影。

低信噪比通常对给定测量的精度有不利影响，而精度通常不受影响。然而，除了在低SNR下预期的精度损失之外，基于DTI的对比度还可能遭受较差的精度。我们证实，低信噪比会增加噪声，并降低FA图像中GM和WM之间的视觉对比度。FA测量精度的区域变化与最近报告的结果一致(34)它使用了多个主题和统计参数映射方法。上述结果的一个含义是，如果为每个受试者采集的DTI数据的信噪比较低，那么通过对多个受试者的数据进行平均，分组分析研究无法获得无偏的高信噪比结果。因此，应特别注意确保单个DTI数据集中有足够的信噪比。此外，患者和对照组应使用相同数量的DTI扫描，以避免SNR不匹配，这可能会掩盖FA值的组变化。

DTI对比度的精度可以可视化为潜在PEV方向的函数。可以在中看到图2本研究中使用的30方向DW方案提供了大致一致的精度轮廓。该方法的进一步扩展是，它可以提供一种方法来验证硬件校准体内DTI结果，并可能阐明在单个FA图或纤维束造影结果中难以分离的细微影响。特别是，通过这种方式，可能会发现由于磁场梯度稳定性降低、静电场不均匀性、接收线圈灵敏度或背景梯度的DW贡献而导致的精度或不准确。

排序特征值（λ1, λ2、和λ三)作为信噪比的函数，可以很容易地解释观测到的FA和MD结果，并已在基于模拟的研究中报告(23,24,26). 在GM中，λ的增加1λ同时减少三低信噪比说明了FA偏倚向上的原因。然而，由于λ中的偏差1和λ三在本研究所研究的信噪比范围内，MD值基本上相互抵消。计算出的特征值中的偏差是由于震级MR数据的里氏噪声特性造成的，以前的研究已经对此进行了研究(24,27,42,43).

对SNR对FA和MD精确性（扫描过程中和扫描过程之间的再现性）的影响的调查发现，虽然基于ROI的FA和MD测量比基于体素的测量更具再现性，但基于ROI分析无法解决偏差问题。这在中为FA进行了说明图4在基于ROI的分析中，通过3次DTI扫描，在所调查的WM区域，FA和MD测量值的区间内CV小于2%，但GM的区间内变异系数≈5%(图7 a、b). 然而，在体素分析中(图6 a、b)3次DTI扫描时，低FA区域的FA测量精度尤其差（会话内CV≈25%），尽管MD测量更稳健（会话内CR≈5%）。

总的来说，要准确准确地量化GM中的FA值，需要比量化WM FA值更多的信噪比（即更多的DTI数据集）。我们的结果表明，30个DWI+5个b的单个DTI扫描0’s在1.5T时为WM区域FA的定量评估提供了令人满意的准确性。然而，由于体素FA测量的精度对信噪比特别敏感，研究皮质边界附近WM结构和皮质GM的扩散各向异性的研究特别容易受到低信噪比引起的FA偏差的影响，因此可能需要比通常获得的信噪比大得多

以前的研究(29,32)已经表明，具有较少唯一方向的DW方案会导致DTI对比度的偏差和不均匀可变性（作为PEV方向的函数），以及在确定PEV方向本身时的可变性。在本研究中，采用30方向DW方案，FA测量的精度与PEV的方向无关。DW方案对体内人类DTI研究推迟到未来的工作。

PEV定位的精度随着信噪比的增加而提高，在1至3次DTI扫描范围内，AV约为6°至3°。与仅使用一次DTI扫描的PEV图相比，当使用三次DTI扫描来计算扩散张量时，观察到PEV测量的精度提高了大约两倍。正面WM中PEV精度较差的结果可能是因为这是一个交叉纤维区域，其中每个体素包含两个或多个纤维种群。因此，观察到的PEV可能对成像体素相对于底层结构的位置变化特别敏感（扫描间效应），以及部分体积和分辨率效应，这些都可能导致PEV精度较差。

值得注意的是，相对于金标准PEV取向，在低信噪比下的PEV取向中未观察到明显的角度偏差。在低信噪比条件下，向上FA偏移和PEV方向保真度的一个结果是，相同的FA终止标准在GM区域附近可能产生非常不同的结果。可以想象的是，在低信噪比数据集中，来自束成像的计算纤维可能会投射到皮层或深层GM中，因为GM体素显示出较高的FA值，因此满足FA束成像标准，而在高信噪比的数据集中，相同的GM体素被排除在束成像之外，因为体素强度没有向上的FA偏移。

总之，这项研究的结果为FA、MD和PEV的量化提供了指导，并为研究扫描期间和扫描期间作为SNR函数的最小可检测差异提供了一种手段。在数据兼容性至关重要的多中心研究中，必须确认协议的设计能够实现足够的信噪比，以满足研究目标。即使采用等效成像参数，在低信噪比条件下设计的协议对硬件性能的微小差异也可能非常敏感。为了应对这一问题，本研究建议成像站点，尤其是合作研究中的成像站点，应实施一项协议，作为质量保证测试的一部分，以确定实现准确（无偏见）DTI衍生对比度所需的适当信噪比阈值，并应验证DTI数据跨不同站点和扫描仪的兼容性。

致谢

这项工作的初步结果发表在2006年加拿大不列颠哥伦比亚省温哥华市的《髓鞘成像：形成、破坏和修复》上；以及在14第个国际医学磁共振学会年度科学会议，美国华盛顿州西雅图，2006年（摘要#1075）。Peter C.M.van Zijl博士是飞利浦医疗系统的付费讲师。这一安排已得到约翰斯·霍普金斯大学根据其利益冲突政策的批准。Craig K.Jones博士由飞利浦医疗系统公司向Kennedy Krieger研究所提供资助

赠款支持：P41 RR15241、RO1 AG20012、U24 RR021382-02

参考文献

1Basser PJ、Mattiello J、LeBihan D.MR扩散张量光谱和成像。生物物理学杂志。1994;66:259–267. [PMC免费文章][公共医学][谷歌学者]
2Beaulieu C.神经系统中各向异性水扩散的基础-技术综述。核磁共振生物识别。2002;15:435–455.[公共医学][谷歌学者]
三。Beaulieu C，Allen PS。神经中各向异性水扩散的决定因素。Magn Reson Med.公司。1994;31:394–400.[公共医学][谷歌学者]
4Henkelman RM、Stanisz GJ、Kim JK、Bronskill MJ。组织核磁共振特性的各向异性。Magn Reson Med.公司。1994;32:592–601.[公共医学][谷歌学者]
5Makris N、Worth AJ、Sorensen AG等。弥散加权磁共振成像在活体人白质相关通路的形态计量学。Ann Neurol公司。1997;42:951–962.[公共医学][谷歌学者]
6Moseley ME、Cohen Y、Kucharczyk J等。猫中枢神经系统各向异性水扩散的磁共振扩散加权成像。放射科。1990;176：439–445。[公共医学][谷歌学者]
7Pierpaoli C、Jezzard P、Basser PJ、Barnett A、Di Chiro G.人脑扩散张量MR成像。放射科。1996;201:637–648.[公共医学][谷歌学者]
8Horsfield MA，Jones DK。弥散加权和弥散张量MRI在白质疾病中的应用——综述。核磁共振生物识别。2002;15:570–577.[公共医学][谷歌学者]
9Ulug AM，Beauchamp N，Jr.，Bryan RN，van Zijl PC。人类中风扩散常数的绝对定量。(打、击等的)一下。1997;28:483–490.[公共医学][谷歌学者]
10van Gelderen P、de Vleeschouwer MH、DesPres D、Pekar J、van Zijl PC、Moonen CT。水扩散与急性中风。Magn Reson Med.公司。1994;31：154–163。[公共医学][谷歌学者]
11Mori S，van Zijl PC。光纤跟踪：原理和策略-技术综述。核磁共振生物识别。2002;15:468–480.[公共医学][谷歌学者]
12Lim KO，日本Helpern。DTI的神经精神病学应用——综述。核磁共振生物识别。2002;15:587–593.[公共医学][谷歌学者]
13Le Bihan D，van Zijl P.从扩散系数到扩散张量。核磁共振生物识别。2002;15：431–434。[公共医学][谷歌学者]
14Basser PJ，Jones DK。扩散张量MRI：理论、实验设计和数据分析-技术综述。核磁共振生物识别。2002;15:456–467.[公共医学][谷歌学者]
15Pajevic S，Pierpaoli C.根据扩散张量数据表示各向异性组织方向的颜色方案：在人脑白质纤维束绘图中的应用。Magn Reson Med.公司。1999;42:526–540.[公共医学][谷歌学者]
16Basser PJ，Pajevic S，Pierpaoli C，Duda J，Aldroubi A.使用DT-MRI数据的体内纤维束成像。Magn Reson Med.公司。2000;44:625–632.[公共医学][谷歌学者]
17Conturo TE、Lori NF、Cull TS等。追踪活体人脑中的神经纤维通路。美国国家科学院程序。1999;96:10422–10427. [PMC免费文章][公共医学][谷歌学者]
18Lazar M、Weinstein DM、Tsuruda JS等。使用扩散张量偏转的白质束成像。哼哼脑图。2003;18:306–321. [PMC免费文章][公共医学][谷歌学者]
19Mori S，Crain BJ，Chacko VP，van Zijl PC。通过磁共振成像对大脑轴突投影进行三维跟踪。Ann Neurol公司。1999;45:265–269.[公共医学][谷歌学者]
20Parker GJ，Stephan KE，Barker GJ等。弥散张量成像和快速行进描记术对猕猴脑内轴突投射的体内追踪以及与人脑的比较的初步证明。神经影像。2002;15:797–809.[公共医学][谷歌学者]
21Poupon C、Clark CA、Frouin V等。基于扩散的脑白质束追踪方向图的正则化。神经影像。2000;12:184–195.[公共医学][谷歌学者]
22Xue R，van Zijl PC，Crain BJ，Solaiyappan M，Mori S.通过扩散张量成像对大鼠脑轴突投影进行体内三维重建。Magn Reson Med.公司。1999;42:1123–1127.[公共医学][谷歌学者]
23Pierpaoli C，Basser PJ公司。扩散各向异性的定量评估。Magn Reson Med.公司。1996;36:893–906.[公共医学][谷歌学者]
24Anderson AW.噪声对扩散张量成像影响的理论分析。Magn Reson Med.公司。2001;46:1174–1188.[公共医学][谷歌学者]
25Armitage PA，Bastin ME。利用扩散噪声比优化磁共振扩散张量采集策略，以改进扩散各向异性的测量。Magn Reson Med.公司。2001;45:1056–1065.[公共医学][谷歌学者]
26Bastin ME，Armitage PA，Marshall I.扩散成像中实验噪声对各向异性测量影响的理论研究。麦格纳森成像。1998年；16：773–785。[公共医学][谷歌学者]
27Jones DK、Basser PJ。“压扁花生和压碎南瓜”：噪音如何扭曲扩散加权磁共振数据。Magn Reson Med.公司。2004;52:979–993.[公共医学][谷歌学者]
28Alexander DC，Barker GJ公司。扩散MRI中光纤方向估计的最佳成像参数。神经影像。2005;27:357–367.[公共医学][谷歌学者]
29Jones DK。梯度采样方案对扩散张量MRI测量结果的影响：蒙特卡罗研究。Magn Reson Med.公司。2004;51：807–815。[公共医学][谷歌学者]
30Xing D、Papadakis NG、Huang CL、Lee VM、Carpenter TA、Hall LD。优化扩散加权，用于测量人脑中的表观扩散系数（ADC）。麦格纳森成像。1997;15:771–784.[公共医学][谷歌学者]
31Jones DK、Horsfield MA、Simmons A.通过磁共振成像测量各向异性系统中扩散的最佳策略。Magn Reson Med.公司。1999;42:515–525.[公共医学][谷歌学者]
32Skare S、Hedehus M、Moseley ME、Li TQ。条件数作为MRI扩散张量数据采集方案噪声性能的度量。J Magn Reson.公司。2000;147:340–352.[公共医学][谷歌学者]
33Jones DK。通过扩散张量MRI确定和可视化纤维方向估计的不确定性。Magn Reson Med.公司。2003;49:7–12.[公共医学][谷歌学者]
34Marenco S、Rawlings R、Rohde GK等。扩散张量成像中测量误差的区域分布。精神病学研究。2006;147:69–78. [PMC免费文章][公共医学][谷歌学者]
35Pfefferbaum A，Adalsteinson E，Sullivan EV.脑内分数各向异性和痕迹扩散张量成像测量的可复制性。J Magn Reson成像。2003;18:427–433.[公共医学][谷歌学者]
36Landman BA、Farrell JA、Mori S、van Zijl PCM、Prince JL。扩散加权图像的配准。国际医学磁共振学会第十四届年度科学会议论文集；华盛顿州西雅图。2006年。（摘要2987）[谷歌学者]
37Jenkinson M、Bannister P、Brady M、Smith S。大脑图像稳健准确线性配准和运动校正的改进优化。神经影像。2002;17:825–841.[公共医学][谷歌学者]
38Basser PJ，Pierpaoli C.通过定量弥散张量MRI阐明组织的显微结构和生理特征。J Magn Reson B.公司。1996;111:209–219.[公共医学][谷歌学者]
39Jiang H，Golay X，van Zijl PC，Mori S.人脑导航校正分段扩散加权EPI中残余运动相关伪影的起源和最小化。Magn Reson Med.公司。2002;47:818–822.[公共医学][谷歌学者]
40Jones DK，Pierpaoli C.心脏搏动对肌电图结果变异性的贡献。国际医学磁共振学会第13届年度科学会议论文集；佛罗里达州迈阿密，2005年。（摘要222）[谷歌学者]
41Pierpaoli C、Marenco S、Rohde G、Jones DK、Barnett AS。分析心脏搏动对扩散张量变异性的贡献。国际医学磁共振学会第十一届年度科学会议论文集；加拿大多伦多。2003年。（摘要70）[谷歌学者]
42Edelstein WA、Bottomley PA、Pfeifer LM。核磁共振成像系统的信噪比校准程序。医学物理学。1984;11:180–185.[公共医学][谷歌学者]
43Gudbjartsson H，Patz S.噪声MRI数据的Rician分布。Magn Reson Med.公司。1995;34：910–914。 [PMC免费文章][公共医学][谷歌学者]