阿基里斯腱钠磁共振成像（MRI）中部分体积校正技术的评估

《MAGNETIC RESONANCE IN MEDICINE》：Evaluation of Partial Volume Correction Techniques for Sodium MRI of the Achilles Tendon

钠MRI中足底腱部分体积校正技术研究：评估五种校正方法（PSSR、mLTS、GTM、STC、eSTC）在模拟和志愿者数据中的性能，发现eSTC通过优化溢出校正显著降低浓度偏差（如STC误差-0.45 mM，eSTC-0.26 mM），且在低分辨率（4.5 mm3）下仍保持稳定性（误差7.7 mM）。主要方法对比显示，基于几何转移矩阵（GTM）和单目标校正（STC）的传统方法在复杂组织交界处存在误差累积，而新提出的eSTC通过侵蚀-邻近填充策略有效抑制信号溢出，其RMSE（5 mM）优于其他方法。研究证实表面线圈在足底腱成像中需结合密度自适应序列（DA-3D-RAD）和迭代校正算法，以平衡SNR与空间分辨率矛盾。

　　
钠MRI在Achilles腱疾病诊断中的应用及部分体积校正技术对比研究

摘要
本研究系统评估了五种部分体积校正（PVC）技术在钠MRI中的应用效果，重点关注其在原位和活体Achilles腱成像中的性能。通过建立三维人工模拟数据集和活体双志愿者实验，发现所有校正方法均能有效改善组织钠含量（aTSC）的测量精度，其中新型迭代校正方法eSTC表现出最优的校正效果。

引言
钠MRI作为功能成像技术，通过检测23Na核磁共振信号，能够反映组织糖胺聚糖（GAG）含量，这在评估肌腱退行性病变方面具有重要价值。Achilles腱炎作为常见运动损伤，其早期诊断和病程监测依赖于准确的组织钠含量测量。然而，由于钠MRI固有灵敏度限制，常规成像需要大范围体素（通常大于2mm3）采集，这会导致显著的两种部分体积效应：组织分数效应和信号弥散效应。组织分数效应源于低分辨率体素包含多种组织，信号平均化导致浓度低估；信号弥散效应由于空间分辨率不足产生的点扩散函数（PSF）导致边缘组织信号溢出。现有研究多聚焦于单一校正方法，缺乏系统性对比，尤其针对表面线圈成像特点的优化方法尚不明确。

方法学框架
研究构建了包含皮肤、脂肪、肌肉及腱体组织的三维模拟数据集，通过蒙特卡洛模拟引入不同SNR（10和5）的随机噪声。在体实验采用密度自适应三维径向（DA-3D-RAD）序列，在1.5、2.0、3.0和4.5mm3分辨率下采集双志愿者Achilles腱图像。所有数据均进行B1校正和T1/T2*加权处理，通过比较校正前后的aTSC差异评估方法性能。

主要校正方法比较
1. 质子-钠分割体积比校正（PSSR）
基于高分辨率质子图像与钠图像的体素重叠率，通过体积比调整组织信号。针对Achilles腱的特殊结构（腱体与周围肌肉组织界面复杂），修正了传统方法仅适用于骨组织的假设，引入周围组织信号均值进行补偿。

2. 改进型最小截断平方回归（mLTS）
在原始mLTS方法基础上，采用3D体素核（3×3×3）进行信号重构，通过动态调整有效样本数量（修剪参数0.4）优化回归精度。模拟显示在SNR=10时RMSE为8mM，但活体数据中高分辨率（4.5mm3）下出现异常波动，可能与线圈灵敏度梯度相关。

3. 几何转移矩阵（GTM）
基于物理模型建立PSF与组织分布的数学关系，通过矩阵运算实现信号解耦。模拟结果显示RMSE达5mM，但在活体4.5mm3数据中志愿者2的肌腱连接部（MTJ）出现异常负偏移，可能与线圈位置偏差导致的灵敏度分布不均有关。

4. 单目标迭代校正（STC）
采用迭代消除法处理信号溢出，通过多次循环修正组织边界处的信号。实验显示STC在低SNR（5）下需要127次迭代才能达到稳定状态，且在4.5mm3数据中无法收敛，产生0.7-1.5mM的随机误差。

5. 估算单目标校正（eSTC）
提出改进的eSTC方法，通过两步迭代实现快速收敛：首先采用侵蚀处理消除边缘高估信号，随后基于剩余体素进行单次修正。该方法在模拟中RMSE达到2mM，活体数据中各分辨率下误差均控制在0.7-2.8mM之间，且能保持组织内部浓度梯度特征。

实验结果分析
模拟数据表明，所有校正方法均显著降低误差（PVC前误差11.7mM，校正后最低1.63mM），其中eSTC方法在SNR=5时仍保持2mM的RMSE。活体数据验证了方法的有效性：未校正时4.5mm3数据误差达38.8mM，采用eSTC后误差降至7.7mM，且能准确反映腱体不同区域（插入部INS、中部MID、肌腱连接部MTJ）的浓度差异。

技术对比与优化方向
- 组织分数校正（PSSR/mLTS） vs. 信号溢出校正（GTM/STC/eSTC）
实验显示组织分数校正方法（PSSR/mLTS）误差普遍高于20mM，而信号溢出校正方法（GTM/eSTC）误差控制在10mM以内。这表明在表面线圈成像中，信号弥散效应占主导地位，需优先校正。

- eSTC的迭代优化机制
通过引入侵蚀处理步骤（图1），有效消除边缘过估计（平均减少3.2mM），同时保留组织内部浓度梯度。与STC相比，eSTC在低SNR（5）下仍能保持0.7mM的误差，而STC需要增加20%以上的迭代次数。

- 线圈灵敏度补偿策略
GTM方法在4.5mm3数据中出现的MTJ负偏移（-7.8mM），验证了线圈灵敏度分布不均对校正结果的影响。建议采用两步校准：首先通过标准化钠盐溶液获取线圈灵敏度分布，再建立空间相关的灵敏度校正因子。

方法局限性及改进建议
1. 环境干扰因素
未考虑B1场不均质性和T1/T2*弛豫时间随生理状态的变化。建议引入实时B1校正线圈和动态弛豫参数估计。

2. 小组织处理优化
当前eSTC方法对小于3×3×3mm3的局部结构（如腱体分支）可能产生漏校正。建议结合多目标迭代算法，分别处理腱体、肌肉和皮肤组织。

3. 高分辨率成像挑战
4.5mm3数据中观察到误差放大现象，需改进PSF建模方法。可尝试结合机器学习算法，通过训练数据自动适配不同分辨率下的PSF特征。

结论
本研究证实了信号溢出校正方法在表面线圈成像中的优越性，其中eSTC方法通过简化迭代流程和智能边缘处理，在活体实验中实现优于2mM的aTSC误差控制。建议临床实践中优先采用eSTC方法，并配合动态线圈灵敏度校准。未来研究可拓展至多体素联合校正（MTC），并探索与MRI-T1/T2定量成像的联合应用，进一步提升诊断特异性。

研究意义与临床应用
本研究为运动损伤的早期诊断提供了新的技术路径。通过优化部分体积校正方法，能够更精确地量化肌腱组织的钠含量变化，为炎症程度评估提供客观指标。特别是eSTC方法在保持组织内部浓度梯度方面表现优异，对区分轻度退行性病变（MID区域误差<0.5mM）和严重损伤（MTJ区域误差<1.5mM）具有临床价值。建议将该方法整合至现有临床工作流程，与超声弹性成像结合，建立多模态评估体系。

数据可及性
原始数据集包括模拟参数文件、志愿者质子/钠MRI影像及所有校正算法的代码（Python/MATLAB实现）。经伦理委员会批准（2021-1393_1），研究数据可通过联系通讯作者（邮箱：...）获取，并遵守德国数据保护法（BDSG）相关规定。

注：本研究受德国研究基金会DFG 530863408项目资助，Jürgen Manchot基金会提供额外支持。所有参与者均签署知情同意书，伦理审查由海因里希-海涅大学医学伦理委员会批准。