跳到主要内容
访问密钥 NCBI主页 MyNCBI主页 主要内容 主导航
Hum大脑映射。2009年8月；30(8): 2641–2655.
2008年12月11日在线发布。 数字对象标识：10.1002/hbm.20695
预防性维修识别码：PMC6871125型
PMID：19086023

评估和最小化3T临床DTI中的噪声和运动影响

罗布。H.N.蒂杰森,1,2,三 雅各布斯F.A.詹森,1,2和沃尔特·巴克斯通讯作者1
作者信息 文章注释 版权和许可信息 PMC免责声明

关联数据

补充资料

摘要

与常规MRI相比，扩散张量成像（DTI）更容易受到热噪声和运动的影响。提出了优化的采样方案，以减少噪声的传播。然而，在3T时，运动可能比噪声起着更大的作用。虽然由于较高的信噪比，3 T时的噪声影响比1.5 T时小，但运动与场强无关，并将持续下去。为了提高3T临床DTI的可靠性，了解噪声和运动对DTI指数不确定性的影响程度是很重要的。在本研究中，使用活体测量和计算机模拟来消除噪声和运动相关信号不确定性的影响。对于六个临床标准可用的采样方案，在体内评估了再现性，包括应用和不应用运动校正。此外，还进行了运动和噪声模拟，以确定运动和噪声对平均扩散率（MD）和分数各向异性（FA）不确定性的相对贡献。结果表明，噪声和运动的贡献在3T时具有相同的数量级。与噪声的传播类似，与运动相关的信号扰动的传播也受到采样方案的选择的影响。与15和32个方向的方案相比，只有六个扩散方向的取样方案的再现性较低，并且具有相对各向同性组织中FA的正偏差。运动校正有助于提高DTI指数的精度和准确性。Hum Brain Mapp，2009年。©2008 Wiley‐Liss公司。

关键词：扩散张量成像、再现性、梯度采样方案、临床MRI、噪声、运动、模拟

简介

扩散张量成像（DTI）能够无创评估和量化体内水分扩散特征[Le Bihan等人。，2001; 脚趾2003]. 事实证明，它是表征中风等各种病理学特征的有用工具【Schaefer等人。，2006; Wang等人。，2006]，多发性硬化[Ge等人。，2005; 霍斯菲尔德等人。，1996]和癫痫[Arfanakis等人。，2002; Concha等人。，2006; Righini等人。，1994]. 两个常用的DTI指数是体积平均扩散率（MD）和分数各向异性（FA），它们分别提供了关于平均胞内水动力和细胞结构（例如白质纤维束）方向一致性的定量信息【Basser和Pierpaoli，1996].

DTI测量需要至少六个非共线扩散加权（DW）图像和一个参考图像，通常使用快速成像方法，例如回波平面成像（EPI）。由于扩散的大小是由每个方向上的信号衰减决定的，因此DTI固有地倾向于降低信噪比（SNR），这会影响DTI指数的最终精度和不确定性。除了较差的信噪比外，DTI还容易出现涡流和头部运动。涡流会导致畸变，这与患者的运动一起会导致DW图像的错位。其他人已经描述了最小化涡流影响的方法[Chen等人。，2006; Jezzard等人。，1998; Reese等人。，2003; Rohde等人。，2004]. 前瞻性地通过头部固定（尽管这对患者来说并不总是可能的）或回顾性地通过DW图像的联合登记，可以将运动影响降至最低。在进行协同配准时，重要的是要认识到DW图像的对比度取决于解剖结构和扩散加权方向之间的相对方向。配准可以旋转成像解剖以获得图像之间的空间一致性，但会改变相对于DW方向的原始方向。为了确保相对方向保持不变，应通过在取样方案中旋转DW方向来解释因共注引起的解剖旋转[Farrell等人。，2007].

在以前的研究中，已经表明，正确选择梯度采样方案可以通过减少热噪声的传播来提高MD和FA的精度[Batchelor等人。，2003; Hasan等人。，2001; 琼斯，2004; Jones等人。，1999; Papadakis等人。，1999,2000; Skare等人。，2000亿]. 蒙特卡罗研究表明，对FA和MD的稳健估计至少需要20–30个独特的采样方向[Jones，2004]. 在1.5 T下进行的体内研究证实，衍生DTI指数FA和MD受采样方案选择的影响[Ni等人。，2006; Papanikolaou等人。，2006]. 最近在1.5 T条件下进行的研究还包括DTI主要特征向量的疗程内再现性评估[Farrell等人。，2007; Landman等人。，2007]. 研究发现，只要取样方向很好地平衡，大多数DTI技术就足以充分确定纤维的取向。然而，在3T时，运动可能比热噪声传播起更大的作用，并可能抵消梯度采样方案的影响。噪声的影响因较高的信噪比而随场强减小，与此相反，运动的扰动效应与场强无关，并将持续存在。

本研究的目的是研究图像噪声和头部运动在3T临床DTI中的作用，并评估临床可用的采样方案和处理工具，以提高MD和FA的可靠性。通过体内实验和计算机模拟研究了图像噪声和运动对DTI指数不确定性的贡献。对健康受试者进行体内实验，以评估六种临床可用梯度采样方案的再现性，并研究回顾性运动校正的效果。根据DTI指数MD和FA的准确性（偏差）和精确度（方差）评估可用的采样方案。此外，利用体内测量的输入进行计算机模拟，以确定运动和噪声对DTI指数不确定性的相对贡献。

材料和方法

梯度采样方案

3T Philips Achieva MR扫描仪（荷兰Best Philips Medical Systems公司）上的标准采样方案在独特采样方向（Ndir）和梯度振幅（单位球或过盈）的数量上有所不同。对于每个角度分辨率（低；Ndir=6，中；Ndir=15，高；Ndir=32），一个单位球面和一个过多采样方案可用，因此总共有六种不同的采样方案（表​（表一）。我). 在单位球采样方案中，采用的最大DW梯度振幅不大于沿着扫描仪的一个物理梯度轴可以获得的最大梯度振幅。另一方面，过度采样方案通过沿多个轴组合可用的梯度功率，采用更强的DW梯度。所有方案都获得一个b条 0每组方向的图像（即b条 0图像和DW图像为1:Ndir）。因此，对于低、中和高采样方案，每个信号平均值分别采集总共7、16和33个图像（关于确切的方案，请参见补充信息中的表S1）。为了匹配扫描时间，对每个梯度采样方案的信号平均数（NSA）进行了调整，限制是每个采样方案的总扫描时间小于15分钟。这导致了所谓的低、中、高采样方案分别有14、6和3个信号平均数。

表一

研究了具有相应参数设置的梯度采样方案

低低+中等中等+高高+
恩迪尔6615153232
条件编号2.442.751.322.921.322.96
梯度幅度（mT/m）314331433143
回波时间（ms）665666566656
国家安全局141466三三
采集时间（min:s）13:0413:0412:5612:5614:0114:01

本研究中研究的梯度方案在NSA、角度分辨率（以及b条 0比率）和扩散敏感梯度的强度。每一个因素都会影响DTI实验的最终精度。例如，重复一小组采样方向会增加每个梯度方向DW图像的信噪比[Papadakis等人。，2000]而高方向分辨率可以通过减少方向偏差来提高精度【Batchelor等人。，2003; 琼斯和巴斯尔，2004; Papadakis等人。，2000]. 然而，Ndir的增加也会导致b条 0偏离其最佳值的比率[Jones等人。，1999; Zhu等人。，2008]. 过加方案所采用的较强梯度振幅可以减少回波时间，从而提高信噪比[Hasan等人。，2001; 琼斯，2004]. 然而，由于振幅增加，扩散加权方向不能像单位球方案那样在3D空间中均匀分布（图。​（图1）。1). 这可能会导致方向偏差，从而抵消了过盈方案相对于单位球方案的优势[Hasan等人。，2001; 琼斯，2004]. 因此，特定梯度方案的性能始终是多种参数之间的权衡，例如信噪比、角度分辨率和采样的空间均匀性。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g014.jpg

单位球的扩散加权方向和方向分辨率为15个采样方向的叠加梯度方案。内部球体上的黑色标记（半径=1）表示单位球体方案的渐变方向。超加法的梯度方向由外球面上的白色标记表示（半径=√2）。红色箭头表示过量采样方案梯度方向的紧密间距。

体内实验

进行体内实验，以确定临床DTI协议的每个采样方案的再现性。为了评估运动矫正的效果，进行了两次数据分析，一次进行了联合注册（称为“有注册”），另一次不进行联合注册（“无注册”）。

数据采集

对6名健康志愿者（5名男性，1名女性，年龄23-28岁）进行了DTI实验。每个受试者接受两次扫描，扫描间隔平均为14±8天。所有受试者在参与前签署知情同意书。

每次扫描包括一系列DTI测量，其中六种抽样方案按随机顺序使用。此次收购是在3T MRI系统（荷兰贝斯特飞利浦医疗系统公司飞利浦阿奇耶娃）上进行的，该系统使用正交体线圈进行射频传输，使用八元件头部线圈进行信号检测。该系统使用预加重梯度点来最小化涡流[参见例如Glover和Pelc，1987]. 为了最大限度地减少头部运动，将泡沫垫紧紧但舒适地放在受试者的头部周围。所有数据集均使用DW单次激发自旋回波EPI（SSH SE‐EPI）序列获得b条800 s/mm的值2单位球方案的回波时间（TE）为66 ms，过度采样方案为56 ms。为了减少失真，通过部分傅里叶（分数=0.7）和并行成像（灵敏度编码，加速度系数2）减少相位编码线的数量，使回波序列长度尽可能短。重复时间（TR）为7600 ms。所有采集的图像由52个连续的轴向切片组成，切片厚度为2.5 mm，矩阵大小为112×112，视野（FOV）为230×230 mm2.通过插值，矩阵大小为128×128，体素大小为1.8×1.8×2.5 mm三实现了。

预处理和张量拟合

使用CATNAP离线处理DTI数据集[Landman等人。，2007]在Matlab（The MathWorks，Natick，MA）中实现。由于嵌入CATNAP，利用FSL FLIRT校正了头部运动[Jenkinson等人。，2002]. 在这个初始步骤中，使用b条 0将图像作为模板。根据各个图像的旋转来调整梯度表，以校正DW图像的相对方向和梯度表之间的差异[Farrell等人。，2007]. 基于调整后的梯度表，使用无约束线性最小二乘和拟合程序计算扩散张量，而导出的特征值限制为正（即，通过将负特征值设置为零）。

空间标准化

使用SPM2（统计参数映射）进一步处理CATNAP的输出（即MD和FA映射）。MD和FA图在空间上进行了标准化，以确定体素水平和感兴趣区域（ROI）水平上的再现性。正如Marenco等人之前所述，归一化分两步进行[2006]. 在第一步中，在标准空间中创建了特定于组的FA模板。要获取此FA模板，请使用b条 0每个数据集的图像首先归一化到蒙特利尔神经研究所（MNI）T2模板。将估计的变换应用于FA图像，然后对其进行平均以获得模板。使用全宽半最大值（FWHM）为6 mm的高斯核对模板进行平滑处理。然后使用FA模板将受试者的FA和MD图像转换为标准空间。FA模板包含比标准T更详细的对比2模板，并且更具体地针对所分析的组，从而实现更准确的标准化[Marenco等人。，2006; Toosy等人。，2004]. 在这两个步骤中，使用SPM2中的默认设置（中等正则化、16次非线性迭代、无模板权重、25‐mm截止值[7×9×7基函数]）执行归一化。

再现性

在这项研究中，使用了两种方法来研究配准的影响和采样方案的影响[Jansen et al。，2007]:

  • 一
    基于ROI的方法。对于每个ROI，选择中值来表示该区域中的所有体素，并用于导出该区域的描述性统计信息。
  • b条
    基于体素的方法。所有描述性统计数据均以体素为基础进行计算，以包含空间变化信息，然后通过计算中值对每个区域进行汇总。

为了对人脑中存在的各种结构进行取样，在额叶灰质（fGM）、额叶白质（fWM）和胼胝体脾（sCC）中选择ROI。人工定义的ROI包括大脑结构内的最大体素数（fGM、fWM和sCC分别为1497、1972和121个体素）（见图。​图22).

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g006.jpg

ROI的位置用于分析体内数据和运动模拟。ROI覆盖在典型MD上(一)和FA(b条)在胼胝体的额叶灰质（fGM）、额叶白质（fWM）和脾脏（sCC）中绘制地图。

为了进行统计分析，根据[Bland和Altman，1996; 托夫茨，2003]

方程式图像
(3.1)

其中SD操作系统是受试者内标准偏差和SD英国标准是受试者之间的标准偏差。RC代表最小可检测生物差异。在95%的情况下，同一受试者的两次测量之间的差异将小于RC值。ICC将给定组内的真实生物方差与给定测量技术的精度联系起来[Bland和Altman，1986].

为了表明基于体素的方法再现性的可变性，计算了ROI内的空间方差。对于基于ROI的方法，使用了引导程序[Davison和Hinkley，1997]. 在这个过程中，每个受试者的两次测量被视为一次单独的观察。这六名受试者通过替换重新取样（即允许同一受试者多次取样），以生成500个人工受试者组，从中计算ICC和RC。

噪声模拟

蒙特卡罗模拟，类似于先前报道的研究[Batchelor等人。，2003; Hasan等人。，2001; 琼斯，2004; Jones等人。，1999; Papadakis等人。，1999,2000; Skare等人。，2000亿]，以确定每个梯度采样方案对噪声传播的影响。信号平均数设置为与体内实验相对应（低、中、高方案的NSA分别为14、6和3）。

在所有模拟中，扩散张量(D类)用恒定MD（即跟踪）进行模拟(D类)=2.1×10−3毫米2/s） ，对应于正常脑实质的平均MD【Pierpaoli等人。，1996]和FA值范围从0到0.9，以模拟各种大脑结构。根据琼斯的说法[2004]，用λ为特征值的张量创建对角化张量1≥ λ2= λ三设置为，

方程式图像
（3.2）

通过旋转对角扩散张量D类张量的方向均匀分布在三维空间的一个半球上。针对每个各向异性程度，模拟了500个不同的方向。

接下来，根据预定义的扩散张量计算理论DW信号强度，并在无噪声DW强度的正交中添加高斯分布噪声[Henkelman，1985]. 噪声级基于体内获得的信噪比b条 0‐图像。对于单位球方案和超加方案，SNR值分别为19和22。然后使用噪声扰动信号强度生成“噪声”扩散张量及其相应的特征值和特征向量。每个张量方向重复5000次。MD和FA是根据约束特征值计算的（即，将物理上不可能的负特征值设置为零），以符合CATNAP使用的方法。

对于张量的每个方向，导出了MD和FA的两个统计度量：（1）由5000次重复的估计参数的标准偏差表示的实验方差，σ经验(第页); 和（2）平均偏差，〈Δ第页〉，其中第页是MD或FA。

运动仿真

这组模拟的目的是研究刚体运动的影响。进行了一组蒙特卡罗模拟，其中获得的体内数据集受到不同数量的回顾性诱发运动的影响。运动诱导数据集的分析与体内分析类似，但没有运动校正的帮助，因此也没有梯度方向的校正。

通过手动调整SPM2中的图像配准算法，将刚体运动引入单个DW图像。换句话说，不是通过图像配准来校正运动，而是通过平移和旋转采集的DW图像来人为地引入头部运动。首先，从b条 0‐图像。接下来，生成运动轨迹，确定每个后续获取的DW图像相对于第一个DW图像的平移和旋转程度b条 0‐图像。使用中心极限定理[Cramér，1970]. 基于通常用于描述高斯扩散的相同理论，一大组随机漫步的扩散可定义为：

方程式图像
(3.3)

这里，σ2是方差，t吨是时间，并且D类 步行是扩散常数，定义为：

方程式图像
(3.4)

其中〈我 2〉是平均平方步长和ΔT型是两个后续步骤之间的时间。两个方程的组合表明，方程。(3.3)线性取决于平方步长和步数(N个 步).

方程式图像
(3.5)

因此，通过使用公式。(3.5)，可以根据步数（即采集图像的数量）和σ（采集结束时所有位移的扩散）计算步长。为了测试采样方案的选择对运动的影响，所有采样方案都受到相同的运动量。根据先前fMRI实验获得的估计平移和旋转，将每个采样方案（即2σ）的95%置信区间（CI）设置为0.5°旋转和1 mm平移。图中显示了三条可能轨迹平移的二维投影，其中95%的间隔设置为1 mm​图3。三为了研究运动量和测量精度之间的关系，对中等过量采样方案进行了两个额外的模拟，其中95%的CI设置为0.25°/0.5 mm和1.0°/2.0 mm。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g009.jpg

三个可能的运动轨迹的平移，其95%置信区间在前后（AP）和左右（RL）方向设置为1 mm。所有轨迹都从原点开始。

对于每个模拟，生成1000条随机轨迹，并用于转换原始数据集的DW图像。接下来D类估计张量，计算每个受运动影响的数据集的FA和MD图。出于计算原因，我们将计算限制为在z=+14 mm（Talairach坐标）。统计分析包括标准偏差的体素计算，然后通过计算中值总结每个ROI。使用与体内分析相同的ROI（fGM、fWM和sCC）。

结果

体内实验

运动校正对FA映射的影响如图所示​图4。4该图显示了受试者内变异性（SD）的分布操作系统)在有或无运动校正的轴向切片中，FA的横截面。对于非共注册数据集，SD操作系统在大脑边缘和不同大脑结构之间的接口附近最大。运动校正后，SD操作系统大幅减少。特别是，在皮层脑脊液边界处，差异显著降低。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g013.jpg

运动校正对大脑内FA估计精度的影响。(一)从代表志愿者处获得的FA地图。(b条)受试者内变异性（SD）图操作系统)如果未执行运动校正，则将FA投影到FA图像上。(c（c）)SD的叠加操作系统体内分析包括运动校正。

运动校正对MD和FA再现性的影响如图所示​图5。5使用基于体素的方法计算MD和FA的ICC和RC值（表​（表二）二)并为每个采样方案绘制。尽管与空间方差相比，平均值的差异很小，但对于每个采样方案，ICC在运动校正后都会持续改进。此外，运动校正似乎可以减少空间方差。图​图5b、d5b、 d通过说明运动校正可以降低平均RC和空间方差来证实这些结果，特别是对于低采样方案。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g011.jpg

所有六种抽样方案的MD和FA的平均ICC和RC值在整个大脑中平均。由于空间方差通常不是高斯分布，误差条表示ROI内ICC和RC值的66%CI，相当于1 SD。在上面的图中(a、 c（c）)显示ICC值，而RC值则显示在下面的曲线图中(b、 d日). 对于每个采样方案，显示了“运动校正”（红色）和“非运动校正”数据集（黑色）的ICC和RC值。[彩色图片可在网上查看，网址为www.interscience.wiley.com。]

表二

额叶白质内的再现性测量；基于体素

DTI指数梯度方案平均中值一 钢筋混凝土一 国际协调委员会
无共同注册。有注册。无共同注册。有注册。无共同注册。有注册。
医学博士低78478443 (22; 91)35（18；64）0.72 (0.05; 0.95)0.79 (0.33; 0.97)
低+79579650 (18; 122)44 (17; 93)0.71（0.17；0.96）0.75 (0.32; 0.96)
医学78678736 (14; 77)29 (12; 50)0.80 (0.37; 0.97)0.87 (0.63; 0.98)
医学+79379442 (19; 78)35 (16; 58)0.75 (0.22; 0.95)0.82 (0.35; 0.96)
高78478534 (13; 71)27 (11; 50)0.80 (0.25; 0.98)0.85 (0.52; 0.99)
高+79479537 (16; 64)34 (14; 63)0.77 (0.30; 0.97)0.77 (0.29; 0.97)
FA公司低0.430.420.04 (0.02; 0.08)0.03（0.01；0.06）0.77 (0.20; 0.97)0.86 (0.48; 0.98)
低+0.430.420.05 (0.02; 0.10)0.04 (0.02; 0.08)0.77 (0.15; 0.98)0.83 (0.32; 0.98)
医学0.410.410.03 (0.01; 0.05)0.02 (0.01; 0.04)0.90 (0.58; 0.99)0.92 (0.68; 0.99)
医学+0.410.410.03（0.01；0.07）0.03 (0.01; 0.05)0.84 (0.38; 0.98)0.88 (0.50; 0.99)
高0.410.410.03 (0.01; 0.05)0.02 (0.01; 0.04)0.89 (0.56; 0.99)0.92 (0.67; 0.99)
高+0.410.410.03 (0.01; 0.05)0.03 (0.01; 0.05)0.88 (0.52; 0.99)0.89 (0.56; 0.99)

括号之间的值对应2.5和97.5%的分位数差异。

RC，重复性系数；ICC，组内相关系数；MD，平均扩散率（μm2/s） ；FA，分数各向异性。

一MR数量的单位。

运动校正对fGM中FA平均值的影响如图所示​图6：。6运动校正降低了所有采样方案的平均FA。在运动校正之后，平均FA值在不同的梯度采样方案上显示出较小的变化。对于低采样方案，平均FA的影响最为显著。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g004.jpg

运动校正对所有受试者额叶灰质（fGM）FA平均估计值的影响。浅灰色条是根据DW图像的运动校正数据集计算出的fGM中的FA值。黑条是从非共注册数据集获得的fGM内的FA值。条形图表示所有受试者的fGM平均值。对于每个采样方案，运动校正数据和非运动校正数据之间的差异显著（成对t吨测试，P（P）< 0.01).

在图中​图7，7，绘制所有ROI的平均ICC值及其每个采样方案的空间方差。对于每个ROI，低采样方案往往显示最低的ICC。此外，对于低采样方案，空间方差最大。中等和高采样方案之间的差异很小。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g005.jpg

每个采样方案ROI内MD和FA的ICC值。对于每个方案，显示了三个ROI（fGM、fWM和sCC）内MD和FA的平均ICC。误差条表示66%CI的上下限。ICC值是根据运动校正数据计算得出的。[彩色图片可在网上查看，网址为www.interscience.wiley.com。]

sCC内基于体素的FA再现性的结果与基于ROI的方法获得的结果一起绘制在图中​图8。8结果表明，使用基于ROI的方法获得的再现性值与使用基于体素的方法得到的值非常相似。其他ROI中也存在这种相似性（未显示数据）。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g010.jpg

基于体素的再现性与基于ROI的再现性的比较。使用基于体素和基于ROI的方法计算的ICC值总结了sCC，并绘制在FA的单个图形中。对于基于ROI方法，误差条对应于通过引导获得的ICC标准偏差。对于基于体素的方法，误差条表示66%置信区间给出的空间方差。[颜色图可在网上查看，网址为www.interscience.wiley.com。]

噪声模拟

对于噪声模拟，实验方差（σ2 经验(第页))和偏差（〈Δ第页〉）为每个张量方向确定5000多次重复。图​图99显示了作为张量方向函数的FA的偏差和实验方差，对于中等偏加采样方案（FA=0.8）。3D表面的“摇晃”形状表明了对两种偏压方向的依赖性（图。​（图9a）9a） 以及方差（图。​（图9b），9b） 称为旋转方差。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g008.jpg

实验方差的平均FA和平方根（σ经验)对于中等偏多采样方案（FA=0.8），绘制为张量方向的函数。3D曲面的弯曲说明了估计值的旋转不变性及其标准偏差。

图​图1010显示了所有六种采样方案的热噪声模拟结果。该图显示了三个各向异性水平（FA=0.2、0.5和0.8）的所有张量方向上的平均偏差和实验方差，对应于体内分析中所用ROI的FA（即fGM、fWM和sCC）。在低各向异性范围内（FA=0.2），FA的偏差为正，随着各向异性的增加，偏差变为负。对于MD，偏差在整个范围内为负值，但在各向异性最高的情况下为负值。对于FA和MD，超额方案显示出比单位球方案更大的偏差。此外，在所有各向异性水平上，偏差随着方向分辨率的增加而减小。此外，旋转方差（偏置的误差条）随着方向分辨率的增加而减小。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g002.jpg

三个各向异性水平的MD和FA估计值的偏差和标准偏差：FA=0.2、0.5和0.8以及六个梯度抽样方案。图(a、 c（c）)显示了MD和FA的偏差，其旋转方差由误差条表示。MD和FA的标准偏差以图形显示(b、 d日). 误差条表示标准偏差的旋转方差。

运动仿真

由于运动，测量精度的空间相关性如图所示​图11。11根据实验数据，不同结构之间界面附近的体素变化最大。对于MD，具有最高标准偏差的体素位于CSF附近或内部以及GM/WM接口附近。对于FA，最高标准偏差主要出现在白质束边界附近，在较小程度上出现在GM/WM界面附近。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g012.jpg

平均MD(一)和FA(c（c）)所有受试者的地图以及MD标准偏差地图(b条)和FA(d日)对于介质过量采样方案和0.5°和1.0 mm的运动量。[可在网上查看彩色图，网址为www.interscience.wiley.com。]

在图中​图12，12，MD的标准偏差（σ医学博士)和FA（σFA公司)对于中等过剩方案（MD=820×10−6毫米2/s、 FA=0.4）。对于MD和FA，由于几乎以线性方式运动，前部WM内的标准偏差增加。额叶GM和sCC的结果显示出类似的效果（数据未显示）。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g001.jpg

MD和FA的标准偏差估计为旋转和平移位移量的函数。绘制了平移和旋转量变化的三个模拟的结果。MD和FA的不确定性几乎随旋转或平移量线性增加。

在图中​图13，13对于每个采样方案，给出了三个区域（fGM、fWM和sCC）的运动效应传播引起的平均标准偏差。尽管单位球和过盈方案之间的差异相当细微，但对于正面GM和WM，低采样方案和Ndir>6的方案之间存在明显差异。中等和高等方案给出了类似的结果。低采样方案的FA标准偏差较大，但MD标准偏差较小。然而，对于sCC而言，这种趋势并不那么明显。这里，与高采样方案相比，中等采样方案显示MD和FA的标准偏差较小。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g015.jpg

所有六种采样方案因运动而产生的MD和FA的标准偏差。对于每个采样方案，给出了三个ROI的结果。ROI内的平均值如下：FA=0.2、0.4、0.8和MD=1100×10−6, 820 × 10−6, 870 × 10−6毫米2/s分别用于前GM、前WM和sCC。低采样方案显示出FA的最大不确定性。对于MD，可以观察到相反的影响。

运动也会导致FA偏差，这取决于使用的采样方案。图​图1414显示了前GM内FA的平均值，这是所有六种采样方案中影响最显著的区域。虽然中等和高单位球方案由于运动不会表现出FA的强烈变化，但低采样方案（以及中等和高过量方案的较小程度）在运动诱导时显示出明显的正偏差。

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g007.jpg

运动对FA平均估计值的影响。浅灰色条是根据原始非运动诱导数据集计算出的fGM内FA的平均值。深灰色条是1000个运动诱导数据集的平均FA值，误差条表示标准偏差。在低采样方案中，运动产生的正偏差最为明显。

讨论

在本研究中，评估了图像噪声和运动效应对3T时MD和FA总不确定度的贡献。为了提高DTI指数的可靠性，确定了六种商用梯度取样方案的再现性。此外，还研究了运动校正的效果。仿真结果表明，图像噪声的传播和运动效果都取决于梯度采样方案的选择。

噪声和运动的贡献

噪声模拟表明，热噪声引起的精度（标准偏差）在15到40×10之间−6毫米2/MD为s，FA为0.02和0.04。模拟运动，与合作志愿者的运动量相似，精度为10–25×10−6毫米2/MD为s，FA为0.01–0.03。这些结果与测试-重新测试可变性（SD操作系统)通过体内分析（SD）发现操作系统是20–45×10−6毫米2/MD为s，FA为0.01–0.06）。在我们的模拟中发现的FA的准确性（偏差）也与我们的实验数据一致。对于fGM中的低采样方案，其偏差最为严重，FA中因噪声产生的偏差为～0.02。运动模拟发现的偏差为0.09。这也与我们的实验数据密切一致，实验数据显示，当忽略运动校正时，FA的偏差为～0.07。因此，我们的结果表明，噪声对信号不确定性的贡献与运动具有相同的数量级。注意，这里显示的结果是针对健康志愿者的。对于不合作的患者，由于MD和FA的精度随诱导运动量线性增加，运动效应预计将超过噪声的贡献（见图。​图1212).

噪声效果

进行的噪声模拟表明，MD和FA的偏差取决于各向异性水平（图。​（图10a、c）。10a、 c）。FA是一个索引参数，范围从0到1。在低各向异性水平下，所有三个特征值近似相等。因此，由于DW信号中的误差而产生的任何偏差都会导致FA增加，从而导致FA在低各向异性状态下出现正偏差。在高各向异性区域，FA呈负偏压。数据中的噪声可能导致扩散张量为非正定，从而导致负特征值。（非物理）负特征值的影响可以通过各种方式进行校正。这里，张量被对角化，然后负特征值被设置为零，从而将FA限制为≤1的值。这种限制导致高FA值的偏斜分布，从而导致负偏差（见图。​图15a）。15a） ●●●●。这种偏差可以通过使用更精细的张量估计方法来减少[Hasan和Narayana，2003; Koay等人。，2006; Landman等人。，2008].

保存图片、插图等的外部文件。对象名称为HBM-30-2641-g003.jpg

三个各向异性水平（0.1、0.5和0.9）下的FA值分布(一)以及DW信号的信号强度(b条=800）和非DW信号(b条＝0），由此计算ADC（b）。在（a）中，针对三个各向异性水平绘制了从噪声模拟中获得的所有样本（500个方向×5000次重复）的直方图。对于FA=0.1和FA=0.9，分布明显倾斜，因为FA的值限制在0到1之间。图(b条)显示了信号强度的理论噪声分布b条=0和b条= 800. 对于非DW信号，噪声是高斯分布的。对于DW信号，噪声分布是倾斜的，导致DW信号的估计过高，从而低估ADC。灰色线显示了对数拟合，如果噪声显示为高斯分布，则ADC将根据该拟合进行估计。

MD在所有各向异性水平上都倾向于负偏压，并且随着FA的增加而逐渐被低估。MD的低估可归因于低信噪比MR图像中噪声的里氏分布[Edelstein等人。，1984; 金斯利，2006]. 如图所示​图15b，15b、 DW信号上的噪声在低信号强度下不再显示高斯分布。由于这个原因，当测量高扩散率时，DW图像中的信号强度是正偏置的。因为高信噪比b条 0图像未受影响，由此产生的ADC将被低估。对于各向异性介质，低估最为严重，因为沿主轴（即椭球体长轴）测量的扩散率远高于在其他方向测量的扩散系数，因此最容易低估。在各向同性情况下，在每个方向上只测量了中等的扩散率，这不太容易低估。

我们的模拟表明，对于偏差和旋转方差（MD和FA）以及FA的实验方差，增加方向分辨率比增加NSA更有利。这与之前的研究一致[Jones，2004; Jones等人。，1999; Papadakis等人。，1999,2000; Skare等人。，2000亿]. 注意，旋转方差（即图。​图10a、c）10a、 c）只是实验方差的一小部分。只有在各向异性的最高水平上，旋转方差才对超额方案的总方差有显著贡献。对于MD和FA，实验方差对方向分辨率和梯度强度表现出不同的依赖性。对于MD，单位球方案的实验方差比超常方案大得多，超常方案随着方向分辨率的增加而增加。FA的实验方差差异较小，但似乎随着方向分辨率的增加而减小。然而，MD的实验方差与增加方向分辨率优于增加信号平均数的普遍看法不符。事实上，观察到了相反的效果。这表明，对于反映方向性数量的FA，需要对3D空间进行密集采样。另一方面，MD从DW图像的高信噪比中获益更多；要么是因为回波时间更短（过多采样方案），要么是因为信号平均值更多（方向分辨率低）。

据Skare等人[2000年]，采样方案的噪声性能取决于变换矩阵的条件数。然而，所研究的采样方案的性能与基于条件数的预期噪声传播并不完全一致（表​（表一）。我). 本研究中研究的过多采样方案，根据其条件数，其性能优于预期。实际上，当回波时间和采集图像的数量不一定匹配时，图像SNR和信号平均数等参数可能会超过条件数的影响。因此，梯度振幅的影响（即超加与单位球体采样方案）似乎可以忽略不计。

运动效果

虽然在3T时，由于较高的信噪比，噪声影响有所降低，但我们的体内结果表明，采样方案的效果与已报道的1.5T的效果相当[2006]据报道，我们发现只有六个方向的抽样方案与15和32个方向的方案显示出不同的FA结果。原因是运动效果的传播也受到采样方案的选择的影响。运动仿真表明，低采样方案对DTI实验结果的影响与本研究中研究的其他采样方案截然不同。对于MD，低方案在精度方面优于中等和高采样方案。然而，对于FA，低方案显示出较差的精度。中等和高等（超额和单位球）方案表现出更具可比性的性能。

体内实验显示出与运动模拟相似的结果。当数据未针对运动进行校正时，低采样方案显示的精度比执行运动校正时低得多（见图。​图5）。5). 中高采样方案显示出类似的再现性。因此，就区分正常组织和异常组织的能力而言，采样方案是可比较的。这适用于基于体素的研究和基于ROI的研究，因为这两种方法给出了相似的结果（见图。​图8）。8). 此外，低采样方案容易产生正偏差，在各向同性区域（如fGM）中最为明显。其他人也报告了这种影响[Landman等人。，2007]. Landman等人假设，低方向分辨率（Ndir=6）采样方案的偏差可能是由非传感器行为（例如交叉纤维）引起的，约三分之一的脑体素中存在这种行为【Behrens等人。，2007]. 然而，我们的运动模拟结果（见图。​图14）14)表明低方向分辨率采样方案对FA的高估可能是由运动效应引起的。我们的体内数据支持这一解释。此外，方向分辨率低的采样方案的采样特性越差，越有可能导致FA值的高估。在所有轴的幅值相似（因此FA较低）的情况下，采样不良很容易导致检测到主轴的较大差异（总是导致FA值增加）。低采样方案中FA的高估以及在进行运动校正时高估会减少的事实支持了这样的观点，即FA正偏差的主要原因是运动的影响。

运动校正

运动导致DTI数据的精度以及导出的MD和FA地图在空间上具有相关性。由于运动，测试-重新测试可变性（由SD给出操作系统)在不同大脑结构的界面附近强烈增加。运动校正降低SD操作系统通过将体素与所有DW图像的相似组织内容重新对齐。不出所料，SD的下降操作系统在大脑边缘最为明显，在那里，少量的运动会导致较大的信号变化。我们的结果进一步表明，运动校正提高了DTI量的再现性。低采样方案的增幅最大。对于中等和高采样方案，仅获得了细微的增加（见图。​图5）。5). 请注意，体内实验是在合作、相对年轻、健康的受试者身上进行的。另一方面，患者数据可能会受到运动的影响更大，运动矫正可能会产生更大的影响。

涡流

DW成像中使用的强梯度会导致获得的EPI图像中的涡流畸变。涡流可以通过各种方法显著降低，例如自屏蔽梯度线圈[Roemer和Hickey，1993]，扩散敏感梯度的重排[Reese等人。，2003]，或梯度补偿[Glover和Pelc，1987]. 然而，它们不能被完全消除[Rohde等人。，2004]. 为了解决剩余涡流的影响，可以选择根据现场地图进行回顾性涡流校正【Jezzard等人。，1998]. 然而，在这项研究中，通过尽可能缩短回波序列来减少残余涡流引起的潜在畸变。因此，目视检查数据时，没有发现涡流引起的变形。因此，决定在本研究中不讨论回溯性涡流校正的影响。

区域与基于体素的研究

在临床研究中使用DW-MR成像来定位由于发育、退化或各种病理引起的大脑异常，人们越来越感兴趣。在过去的几年中，越来越多的研究正在出版，其中患者群体在DTI的帮助下进行调查【Concha等人。，2006; Dengler等人。，2005; Kuhl等人。，2005; Nave等人。，2007; Righini等人。，1994; Sage等人。，2007]. 用于DTI数据定量分析的两种主要方法如下：基于ROI和基于体素的分析。在这项研究中，我们发现两种方法的重复性是可比较的。最近，Snook等人[2007]报告称，基于体素的方法和基于ROI的方法对MD和FA的广泛减少给出了可比较的结果。然而，也发现了这两种方法之间的差异（即缺失区域），并归因于与空间归一化相关的问题。空间归一化可以在基于体素的水平上比较不同受试者的几个组织特征。然而，归一化程序本身包含几个步骤，这些步骤可能对不同取样方案的再现性特征评估结果不利。对标准化FA图像的目视检查表明，不同结构（例如壳核、CC）的边界并不总是完全对齐。这可能解释了为sCC获得的大误差条（图。​（图7b）。7b） ●●●●。对于像sCC这样的小型结构，任何偏差（受试者之间或课间）都会对受试者内或受试者间的可变性产生很大影响。一般来说，对于任何多学科研究，在对定义明确的小白质结构进行基于体素的分析时应谨慎。理想情况下，人们希望能够将采样方案或运动的效果与归一化过程区分开来。可能值得使用更专用的软件，如基于区域的空间统计[Smith等人。，2006]以确保光纤更好地对齐。

限制

虽然我们的模拟很好地揭示了运动对MD和FA精度的影响，但这是对现实的简化。这里使用的运动模拟有一些缺点。首先，通过定义具有相等步长的随机行走来创建模拟的运动轨迹。然而，实际上，运动可能更加不稳定（例如，头部抽搐）。其次，使用体内图像进行模拟分析，其中固有的噪声。因此，DTI指数的计算不确定性不仅取决于运动，还可能受到固有图像噪声的影响。然而，有必要使用基于体内的模拟来评估大脑的区域差异，并将其与体内实验进行比较。因此，虽然运动的估计贡献不如图像噪声的估计贡献准确，但我们认为，对于不同的梯度采样方案，执行的运动模拟足以估计运动引起的误差的数量级。

体内测量和运动模拟的再现性产生了fGM、fWM和sCC之间的差异。虽然这些ROI是根据大脑中这些区域的解剖位置来定义的，但获得的再现性差异不一定纯粹是因为位置的差异。两个可能的混淆因素可能会导致差异：首先，用于选择区域的掩模的总体积对于所有ROI来说并不相同。最值得注意的是，sCC的掩模尺寸仅为fGM和fWM尺寸的6-8%。其次，ROI之间的纤维取向均匀性本质上不同。尽管在sCC中，纤维排列良好，但fWM可能包含多个纤维取向，这可能会混淆再现性测量。其原因可归因于不同纤维种群相对数量的受试者之间的自然差异。一般来说，FA中受试者之间的这种“额外”变异性会使ICC指数产生偏差，如图所示​图7b。7b.由于这些原因，本文不打算作为不同区域之间再现性的比较。这三个区域仅作为具有不同各向异性的临床代表区域，用于研究采样方案和运动校正的性能。

结论

图像噪声和头部运动对DTI参数MD和FA的误差都有相当大的影响。噪声和运动的贡献是相同的。因此，运动噪声和图像噪声都不能忽略，因此在解释DTI结果时应予以考虑。梯度采样方案的选择不仅影响图像噪声的传播，还影响运动引起的信号误差。然而，在这里测试的六种临床可用梯度方案中，具有中等和高角度分辨率的梯度采样方案显示出类似的再现性。然而，角度分辨率较低的采样方案的再现性较差，并且在各向同性介质中容易出现FA正偏差。运动校正通过增加再现性和减少正偏差，大大改善了这些低采样方案的性能。

支持信息

其他支持信息可以在本文的在线版本中找到。

支持表：飞利浦Achieva 3T扫描仪上可用的梯度采样方案。

致谢

作者感谢Karla Miller博士和Saad Jbabdi博士的有益讨论，感谢Frank Hoogenraad博士（飞利浦医疗系统）提供的有关抑制涡流效应方法的信息。CATNAP软件由Bennett Landman等人（约翰·霍普金斯大学）提供。

参考文献

  • Arfanakis K、Hermann BP、Rogers BP、Carew JD、Seidenberg M、Meyer和ME(2002):颞叶癫痫的扩散张量MRI表现.麦格纳森成像 20:511–519. [公共医学][谷歌学者]
  • Basser PJ、Pierpaoli C(1996):定量扩散张量MRI阐明组织的微观结构和生理特征.J Magn Reson B公司 111:209–219. [公共医学][谷歌学者]
  • Batchelor PG、Atkinson D、Hill DL、Calamante F、Connelly A(2003):扩散张量MRI采样方案中的各向异性噪声传播.麦格纳森·梅德 49:1143–1151. [公共医学][谷歌学者]
  • Behrens TE、Berg HJ、Jbabdi S、Rushworth MF、Woolrich MW(2007):多纤维取向的概率扩散纤维束成像：我们能获得什么？ 神经成像 34:144–155.[PMC免费文章][公共医学][谷歌学者]
  • Bland JM、Altman DG(1986年）：评估两种临床测量方法一致性的统计方法.柳叶刀 1:307–310. [公共医学][谷歌学者]
  • Bland JM、Altman DG(1996):测量误差.BMJ公司 313:744[PMC免费文章][公共医学][谷歌学者]
  • Chen B、Guo H、Song AW(2006):用匹配磁场图校正扩散张量成像中的方向相关畸变.神经成像 30:121–129. [公共医学][谷歌学者]
  • Concha L、Gross DW、Wheatley BM、Beaulieu C(2006):癫痫患者胼胝体切开术后依赖时间的轴突和髓鞘降解的扩散张量成像.神经成像 32:1090–1099. [公共医学][谷歌学者]
  • 克拉梅尔H(1970):随机变量和概率分布,第3版。剑桥：剑桥大学出版社。[谷歌学者]
  • Davison AC、Hinkley DV(1997):Bootstrap方法及其应用.剑桥：剑桥大学出版社。[谷歌学者]
  • Dengler R、von Neuhoff N、Bufler J、Krampfl K、Peschel T、Grosskreutz J(2005):肌萎缩侧索硬化：诊断标记物的新进展.神经变性疾病 2:177–184. [公共医学][谷歌学者]
  • 华盛顿州Edelstein、宾夕法尼亚州Bottomley、路易斯安那州Pfeifer(1984):核磁共振成像系统的信噪比校准程序.医学物理学 11:180–185. [公共医学][谷歌学者]
  • Farrell JA、Landman BA、Jones CK、Smith SA、Prince JL、van Zijl PC、Mori S(2007):信噪比对1.5 T扩散张量成像导出的分数各向异性、平均扩散率和主特征向量测量的准确性和再现性的影响.J Magn Reson成像 26:756–767之间。[PMC免费文章][公共医学][谷歌学者]
  • Ge Y、Law M、Grossman RI(2005):磁共振弥散张量成像在多发性硬化中的应用.Ann N Y科学院 1064:202–219. [公共医学][谷歌学者]
  • 格洛弗GH，佩尔克NJ(1987）：磁场梯度涡流补偿方法。美国专利4698591
  • 宾夕法尼亚州纳拉亚纳市哈桑KM(2003):无张量解码和对角化的分数各向异性和平均扩散率图的计算：理论分析和验证.麦格纳森·梅德 50:589–598. [公共医学][谷歌学者]
  • 哈桑KM、帕克DL、亚历山大AL(2001):扩散张量MRI梯度编码方案的比较.J Magn Reson成像 13:769–780. [公共医学][谷歌学者]
  • 亨克尔曼RM(1985):MR图像中存在噪声时信号强度的测量.医学物理学 12:232–233. [公共医学][谷歌学者]
  • Horsfield M、Lai M、Webb S、Barker G、Tofts P、Turner R、Rudge P、Miller D(1996):良性和继发性进行性多发性硬化症的核磁共振表观扩散系数.麦格纳森·梅德 36:393–400. [公共医学][谷歌学者]
  • Jansen JFA、Kooi ME、Kessels AGH、Nicolay K、Backes WH(2007年）：3.0特斯拉条件下定量脑T2弛豫、扩散张量成像和1H磁共振波谱的再现性.投资无线电 42:327–337. [公共医学][谷歌学者]
  • Jenkinson M、Bannister P、Brady M、Smith S(2002):脑图像鲁棒精确线性配准和运动校正的改进优化.神经成像 17:825–841. [公共医学][谷歌学者]
  • Jezzard P、Barnett AS、Pierpaoli C(1998年）：回波平面扩散成像中涡流伪影的表征与校正.麦格纳森·梅德 39:801–812. [公共医学][谷歌学者]
  • 琼斯DK(2004):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.麦格纳森·梅德 51:807–815页。[公共医学][谷歌学者]
  • Jones DK、Basser PJ(2004):压扁花生和压碎南瓜：噪音如何扭曲扩散加权磁共振数据.麦格纳森·梅德 52:979–993. [公共医学][谷歌学者]
  • Jones DK、Horsfield MA、Simmons A(1999):磁共振成像测量各向异性系统中扩散的最佳策略.麦格纳森·梅德 42:515–525. [公共医学][谷歌学者]
  • 金斯利PB(2006):扩散张量成像数学导论：第三部分张量计算、噪声、模拟和优化.麦格纳森概念A部分 28安:155–179.[谷歌学者]
  • Koay CG、Chang LC、Carew JD、Pierpaoli C、Basser PJ(2006):扩散张量成像中最小二乘估计方法的统一理论和算法框架.JMagn Reson公司 182:115–125. [公共医学][谷歌学者]
  • Kuhl CK、Textor J、Gieseke J、von Falkenhausen M、Gernert S、Urbach H、Schild HH(2005):高场强（3.0‐T）磁共振弥散加权成像下急性和亚急性缺血性卒中：个体内比较研究.放射科 234:509–516之间。[公共医学][谷歌学者]
  • Landman BA、Farrell JA、Jones CK、Smith SA、Prince JL、Mori S(2007):扩散加权方案对1.5T下DTI导出的分数各向异性、平均扩散率和主特征向量测量值再现性的影响.神经成像 36:1123–1138. [公共医学][谷歌学者]
  • Landman BA、Farrell JA、Huang H、Prince JL、Mori S(2008):低信噪比下的扩散张量成像：张量对比度的非单调行为.麦格纳森成像 26:790–800之间。[PMC免费文章][公共医学][谷歌学者]
  • Le Bihan D、Mangin JF、Poupon C、Clark CA、Pappata S、Molko N、Chabriat H(2001):扩散张量成像：概念和应用.J Magn Reson成像 13:534–546. [公共医学][谷歌学者]
  • Marenco S、Rawlings R、Rohde GK、Barnett AS、Honea RA、Pierpaoli C、Weinberger DR(2006):扩散张量成像中测量误差的区域分布.精神病学研究 147:69–78.[PMC免费文章][公共医学][谷歌学者]
  • 中堂RD、Foresti S、Pratesi A、Ginestroni A、Inzitari M、Salvadori E、Giannelli M、Diciotti S、Inzitali D、Mascalchi M(2007):脑白质疏松症患者扩散张量成像的全脑直方图和基于体素的分析：与运动和认知障碍的相关性.AJNR Am J神经放射 28:1313–1319.[PMC免费文章][公共医学][谷歌学者]
  • Ni H、Kavcic V、Zhu T、Ekholm S、Zhong J(2006):扩散梯度方向数对人脑扩散张量成像指数的影响.AJNR Am J神经放射 27:1776–1781.[PMC免费文章][公共医学][谷歌学者]
  • Papadakis NG、Xing D、Huang CL、Hall LD、Carpenter TA(1999):磁共振弥散张量成像采集方案的比较研究.J Magn Reson公司 137:67–82. [公共医学][谷歌学者]
  • Papadakis NG、Murrills CD、Hall LD、Huang CL、Adrian Carpenter T(2000):扩散各向异性稳健估计的最小梯度编码.磁共振成像 18:671–679. [公共医学][谷歌学者]
  • Papanikolaou N、Karampekios S、Papadaki E、Malamas M、Maris T、Gourtsoyiannis N(2006):正常人脑的分数各向异性和平均扩散率测量：低分辨率和高分辨率扩散张量成像序列的比较.欧洲放射学 16:187–192. [公共医学][谷歌学者]
  • Pierpaoli C、Jezzard P、Basser PJ、Barnett A、Di Chiro G(1996):人脑的扩散张量MR成像.放射科 201:637–648. [公共医学][谷歌学者]
  • Reese TG、Heid O、Weisskoff RM、Wedeen VJ(2003):使用二次聚焦自旋回波减少扩散MRI中涡流引起的畸变.麦格纳森·梅德 49:177–182. [公共医学][谷歌学者]
  • Righini A、Pierpaoli C、Alger J、Di Chiro G(1994):实验性复杂部分性癫痫持续状态的脑实质表观弥散系数改变.麦格纳森·梅德 12:865–871. [公共医学][谷歌学者]
  • Roemer PB，Hickey JS公司(1993）：用于核磁共振成像的自屏蔽梯度线圈。美国专利4737716
  • Rohde GK、Barnett AS、Basser PJ、Marenco S、Pierpaoli C(2004):弥散加权MRI运动和畸变校正的综合方法.麦格纳森·梅德 51:103–114. [公共医学][谷歌学者]
  • Sage CA、Peeters RR、Gorner A、Robberecht W、Sunaert S(2007):肌萎缩侧索硬化症的定量扩散张量成像.神经成像 34:486–499. [公共医学][谷歌学者]
  • Schaefer PW、Copen WA、Lev MH、Gonzalez RG(2006):急性卒中的弥散加权成像.北美麦格纳森影像诊所 14:141–168. [公共医学][谷歌学者]
  • Skare S、Hedehus M、Moseley ME、Li T‐Q(2000年a）：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 147:340–352. [公共医学][谷歌学者]
  • Skare S、Li T、Nordell B、Ingvar M(2000年b）：扩散张量各向异性测定中的噪声考虑.麦格纳森成像 18:659–669. [公共医学][谷歌学者]
  • Smith SM、Jenkinson M、Johansen‐Berg H、Rueckert D、Nichols TE、Mackay CE、Watkins KE、Ciccarelli O、Cader MZ、Matthews PM和Behrens TEJ。(2006年）：基于区域的空间统计：多主题扩散数据的Voxelwise分析.神经成像 31:1487–1505. [公共医学][谷歌学者]
  • 斯努克L、普列韦斯C、比尤利C(2007):神经发育扩散张量成像中基于体素与感兴趣区域的对比分析.神经成像 34:243–252之间。[公共医学][谷歌学者]
  • 托夫斯P(2003):脑部定量MRI测量疾病引起的变化.新泽西州霍博肯：威利。[谷歌学者]
  • Toosy AT、Ciccareli O、Parker GJ、Wheeler‐Kingshott CA、Miller DH、Thompson AJ(2004):利用功能MRI和扩散张量成像表征人类视觉系统的功能结构关系.神经成像 21:1452–1463. [公共医学][谷歌学者]
  • Wang C、Stebbins GT、Nyenhuis DL、deToledo‐Morrell L、Freels S、Gencheva E、Pedelty L、Sripathirathan K、Moseley ME、Turner DA、Gabrieli JDE、Gorelick PB。(2006):缺血性卒中后白质的纵向变化：一项三年随访研究.神经生物老化 27:1827–1833. [公共医学][谷歌学者]
  • Zhu T、Liu X、Connelly PR、Zhong J(2008):人脑DTI衍生参数测量不确定度评估的优化野自举方法.神经成像 40:1144–1156. [公共医学][谷歌学者]
文章来自人脑映射由以下人员提供威利