扩散张量成像 (DTI) 包括一组技术，其中计算的特征值（λ 1、λ 2和 λ 3）和特征向量（ε 1、 ε 2和 ε 3）用于创建反映组织各种扩散特性的图像. “常规”扩散加权 (DW) 成像仅基于特征值的总和或平均值生成图像。特征值的总和 ( λ 1 +λ 2 + λ 3 ) 称为trace，而它们的平均值 (= trace/3) 称为平均扩散系数或表观扩散系数 (ADC)。
将扩散表示为具有三个单位特征向量（ε 1、 ε 2和ε 3）的椭球，具有相应的长度（λ 1、λ 2和 λ 3），即特征值。
三种常用的扩散张量成像技术是分数各向异性图、主扩散方向图和纤维追踪图。
分数各向异性图
分数各向异性 (FA)是体素内扩散不对称量的指标，根据其特征值定义：
分数各向异性贴图
FA的值在 0 和 1 之间变化。对于完美的各向同性扩散， λ 1 = λ 2 = λ 3，扩散椭球是一个球体，并且 FA = 0。随着扩散各向异性的增加，特征值变得更加不相等，椭球变成更细长，FA → 1。FA 图是整个图像FA值的灰度显示。较亮的区域比较暗的区域更具各向异性。
Principal Diffusion Direction Map
这是一种基于各向异性和方向的组合为体素分配颜色的映射。它也被称为彩色分数各向异性图、 纤维方向图或扩散纹理图。颜色分配是任意的，但典型的约定是让主特征向量的方向 ( ε 1 ) 控制色调和分数各向异性 ( FA ) 控制亮度。具体而言，如果 ε 1 与磁场的 x-、y- 和 z 轴形成角度 α、 β和γ，配色方案可能按比例分配：
红色 = FA · cos α
绿色 = FA · cos β
蓝色 = FA · cos γ
纤维跟踪图
通常使用称为 FACT（通过连续跟踪的纤维分配）的确定性方法绘制轴突束。在这种方法中，用户在大脑的某个区域选择“种子体素”，软件自动计算进出该区域的纤维轨迹。这是通过跟踪每个体素中的主要特征向量 ( ε 1 ) 直到遇到相邻体素来实现的，此时轨迹改变为指向新特征向量的方向。
纤维跟踪图
尽管 DTI 和纤维跟踪方法在研究领域对一组受试者来说是有价值的，但我会警告它们在个体患者的临床诊断中的应用。首先，作为年龄、性别、位置和 MR 技术的函数，受试者之间存在相当大的区域 FA 值变化。为了减少由于交叉、接触或分支纤维引起的错误，至少应获得 20 个扩散方向（最好是 64 个或更多）。如果将 FA 值与正常数据库进行比较，则必须执行多重比较（例如 Bonferroni）校正，以避免在误差。
纤维追踪的结果甚至比区域 FA 测量更具可变性，并且高度依赖于初始种子点的确切位置和采用的跟踪算法。必须选择任意起点，其确切位置、大小和方向会显着影响结果。不同供应商的追踪算法在细节上有所不同，并且必须就何时停止追踪做出任意决定。终止标准可以基于 FA 值（当 FA 低于某个值时终止跟踪，例如 0.25）、转向角（当相邻体素之间的角度超过某个值时终止跟踪，例如 40°）或最小纤维长度（做不显示短于特定长度（例如 2 厘米）的纤维。
点击下方关注：
联系客服
