综述：产前胎儿脑部扩散磁共振成像：方法学范围综述

本综述系统回顾了产前胎儿脑部扩散磁共振成像（dMRI）的研究进展，重点探讨了数据采集、处理及分析方法的技术挑战与创新，为胎儿脑发育研究提供了方法学指导和应用前景展望。

　　

引言

产前胎儿脑部扩散磁共振成像（dMRI）是一种非侵入性技术，能够揭示胎儿脑白质微结构及连接模式的发育动态。随着高场强磁共振设备和先进序列的发展，dMRI在胎儿脑研究中的应用日益广泛，但运动伪影、低信噪比和数据处理复杂性仍是主要挑战。本综述旨在系统总结dMRI在胎儿脑成像中的方法学进展，涵盖数据采集、预处理、分析策略及临床转化潜力。

数据采集技术

胎儿dMRI数据采集需应对母体呼吸、胎儿运动及胎盘位置等干扰因素。多切片单次激发扩散加权回波平面成像（SS-DW-EPI）是主流序列，结合并行成像（如SENSE）和半傅里叶采集可缩短扫描时间。高梯度强度（≥80 mT/m）和多波段激发（Multiband）技术进一步提升了空间分辨率和覆盖范围。此外，优化b值选择（通常500-1000 s/mm2）和扩散梯度方向（30-64方向）有助于平衡信号衰减与微结构敏感性。

运动校正与伪影处理

胎儿运动是dMRI数据质量的主要限制。基于图像配准的刚性或非刚性校正算法（如SLIMMER、MIRTK）被广泛采用，结合母体腹部导航器或外部运动传感器可实时追踪运动轨迹。同时，异常值检测（如DTI-QUANT）和扩散信号建模（如PROST）有效抑制了涡流畸变和涡流伪影。近年来，深度学习框架（如CNN-based校正）在运动伪影抑制中展现出潜力。

扩散模型与微结构量化

从扩散张量成像（DTI）到高级模型（如扩散峰度成像DKI、神经突定向分散度成像NODDI），胎儿dMRI分析逐步从宏观各向异性（FA/MD）迈向微结构特异性参数（如ICVF、ISOVF）。DTI衍生指标（如FA、MD）仍广泛应用于胎儿白质发育轨迹研究，但高级模型能更精准区分轴突密度、分散度及细胞外环境变化。此外，纤维追踪（如确定性/概率性算法）初步揭示了胎儿期脑网络连接模式。

临床应用与挑战

dMRI在胎儿脑研究中的临床应用聚焦于异常发育早期标志物识别，如胼胝体发育不良、脑白质损伤及神经发育障碍（如自闭症谱系障碍ASD）的潜在生物标志物探索。然而，胎龄标准化模板缺失、扫描协议异构性及伦理限制仍是转化瓶颈。未来需推动多中心数据共享、标准化预处理流程及机器学习辅助诊断工具开发。

结论

胎儿dMRI技术的方法学创新显著提升了我们对早期脑发育的理解。尽管挑战尚存，通过整合多模态成像、运动校正算法及高级扩散模型，这一领域有望为产前诊断和干预提供更精准的影像学生物标志物。