利用非平衡稳态自由进动技术结合3D-EPI读出方式实现脑部脉动成像

《MAGNETIC RESONANCE IN MEDICINE》：Brain Pulsation Imaging Using Non-Balanced Steady-State Free Precession With 3D-EPI Readout

全脑覆盖脑搏动位移定量成像方法研究

　　本文介绍了一种新型的快速磁共振成像（MRI）方法，用于可视化和量化脑组织及脑脊液（CSF）在心动周期中的脉动位移。该方法基于非平衡稳态自由进动（nbSSFP）序列的自然相位对比特性，并结合了对内固有反相梯度的精确调节，以测量特定物理方向上的位移。同时，采用高效的分段三维回波平面成像（3D-EPI）技术，能够在重复时间（TR）为0.15秒的情况下实现全脑覆盖。该方法在心脏周期中通过使用三个1分钟的扫描，分别采用沿正交轴的反相梯度，以估算完整的三维位移向量。所有扫描数据在完成心脏回溯处理后进行分析。

脑组织和脑脊液的运动存在于多个时间和长度尺度上，这种运动在维持大脑健康方面起着关键作用。特别是脑脊液被认为在大脑废物清除机制中扮演重要角色。脑脊液的脉动运动是多种驱动因素（如心脏搏动和呼吸运动）与大脑解剖结构和机械特性相互作用的结果。因此，开发一种能够同时检测短时和长时尺度下脑组织及脑脊液运动的敏感且稳健的方法，对于深入理解健康与病理状态下的大脑脉动机制至关重要。

磁共振成像本身对运动具有天然的敏感性，因为其空间编码过程依赖于B0梯度场。在相位对比（PC）MRI中，通过引入额外的双极梯度，这种运动敏感性进一步增强，从而实现对流体流动的量化分析。然而，传统PC-MRI在测量低流速时面临挑战，因为需要较大的梯度矩，这会导致回波时间（TE）增加以及整体扫描时间延长。此外，传统PC-MRI在采样效率和信噪比（SNR）方面也存在不足。因此，尽管PC-MRI在某些特定区域（如脑室和颅颈交界处）被广泛用于研究脑脊液流动，但其在全脑范围内对脉动运动的检测仍显局限。

为了解决上述问题，研究者提出了另一种方法——利用反相梯度与刺激回波序列结合，以提高运动敏感性。该方法被称为位移编码与刺激回波（DENSE），结合了并行成像（SMS-EPI）技术，成功实现了对大脑组织在心动周期中的变形测量。DENSE方法已在临床应用中展现出潜力，尤其是在检测大脑微小运动方面具有独特优势。

此外，单次激发三维体积成像（如MREG）也被用于研究大脑脉动，该技术能够在单个射频脉冲后获取全脑的三维图像，具有3毫米各向同性分辨率和0.1秒的时间分辨率。MREG已被用于分析清醒和睡眠状态下大脑信号波动的频率谱，并在不同患者群体中得到了应用。然而，MREG在检测亚体素尺度上的运动时仍存在一定的局限性。

非平衡稳态自由进动（nbSSFP）序列因其对运动的高度敏感性而受到关注，尽管它在其他方面（如高信噪比）具有优势，但并未被广泛用于运动成像。本文提出了一种创新的方法，利用nbSSFP序列对小幅度脉动运动的敏感性，结合高效的分段三维回波平面成像（3D-EPI）读取技术，以实现对脑组织和脑脊液在心动周期中的位移测量。通过在特定方向上引入反相梯度，可以有效地增强对位移的敏感性，从而实现更精确的运动检测。为了估算完整的三维位移向量，研究团队在三个正交方向上重复测量，并应用心脏回溯技术对数据进行处理。这种方法能够在3到5分钟内完成全脑覆盖的测量，且具有较高的测量精度。

通过模拟和实验验证，该方法能够检测到高达1毫米的脉动位移。在体内实验中，采集了四名健康志愿者的数据，并发现其结果与模拟预测基本一致。研究还指出，该方法在不同组织区域（如白质、灰质和脑脊液）中的位移测量精度较高，但在某些情况下仍需进一步优化以提高测量准确性。此外，该方法能够提供大脑在所有三个物理轴上的详细脉动运动信息，具有全面的三维覆盖能力。

研究团队进一步探讨了扩展相位图（EPG）模型在低幅度脉动运动中的应用。EPG模型是一种强大的工具，用于高效模拟各种MRI对比度的形成，尤其是在短TR序列（如稳态自由进动）中。在本文中，研究者将该模型扩展至低幅度脉动运动的检测，并通过调整梯度反相参数，使得序列能够更有效地捕捉运动信息。EPG模型的核心在于描述不同梯度时刻下信号的相位变化，并通过积分计算梯度矩。研究发现，为了确保相位变化能够有效区分不同路径，反相梯度必须满足一定的条件，即在单个体素内产生至少2π的相位变化。

在实际应用中，研究团队采用MATLAB R2023B软件对EPG模型进行了实现，并进行了多种参数的模拟实验。模拟参数包括重复时间（TR）、回波时间（TE）、翻转角（FA）、梯度反相、空间分辨率、纵向弛豫时间（T1）、横向弛豫时间（T2）以及位移幅度和频率等。这些参数的选择直接影响了信号的相位变化和运动检测的准确性。通过改变位移幅度和频率，研究团队验证了该方法在不同运动条件下对信号相位变化的响应能力。

在模拟中，假设位移沿单一物理方向（如x轴）呈正弦函数变化，以模拟心脏和呼吸驱动的脉动运动。该位移函数在模拟中被定义为：ΔX(t) = X_D × sin(2πf_D × t)，其中X_D为位移幅度，f_D为位移频率，t为时间。为了计算速度函数，研究团队对位移函数进行了时间导数处理，得到v_x(t) = 2πf_D × X_D × cos(2πf_D × t)。这些函数在模拟中仅在RF脉冲的时间点进行评估，并假设在脉冲之间保持恒定。

研究还发现，EPG模型在描述信号相位变化时，能够结合梯度矩和运动路径的导数，从而更精确地捕捉运动信息。具体而言，信号相位的变化不仅与梯度矩有关，还与运动路径的导数相关。因此，通过合理设计梯度矩和反相梯度的参数，可以实现对运动的高效检测。

实验数据表明，该方法能够有效检测大脑组织和脑脊液在心动周期中的运动，并且在体内测试中与模拟预测结果一致。研究团队在7T设备上采集了四名健康志愿者的数据，并通过心脏回溯处理对数据进行了分析。实验结果验证了该方法在实际应用中的可行性，并展示了其在全脑范围内检测运动的能力。

该方法的实现依赖于高效的3D-EPI读取技术，使得全脑覆盖能够在较短时间内完成。同时，通过三个正交方向的反相梯度测量，能够估算出完整的三维位移向量。这种设计不仅提高了测量的精度，还减少了扫描时间，使得该方法在临床应用中具有更高的可行性。

研究团队指出，该方法的测量精度约为0.01毫米，这一精度对于检测大脑微小运动具有重要意义。然而，为了进一步提高测量准确性，仍需对参数进行优化，并在不同组织区域和运动条件下进行更多的实验验证。此外，该方法在不同时间尺度上的适用性也需要进一步研究，以确保其在各种临床场景下的可靠性。

综上所述，本文提出了一种基于非平衡稳态自由进动序列和高效3D-EPI读取技术的新方法，用于量化大脑组织和脑脊液在心动周期中的脉动位移。该方法在模拟和实验中均表现出良好的性能，并具有较高的测量精度和全脑覆盖能力。研究团队认为，这种方法在临床应用中具有广阔的前景，特别是在研究大脑健康与疾病状态下的运动特性方面。未来的研究将致力于优化参数设置，提高测量准确性，并探索该方法在不同时间和空间尺度上的适用性。