[论文解读] Diffusion imaging with stimulated echoes: signal models and experiment design

Daniel C. Alexander, Tim B. Dyrby|arXiv (Cornell University)|May 31, 2013

Advanced Neuroimaging Techniques and Applications参考文献 2被引用 8

一句话总结

本文提出了受激回波（STEAM）扩散磁共振成像的校正信号模型与梯度补偿方法，以消除由切碎梯度和层面选择梯度（蝴蝶形梯度）引起的偏差，这些梯度原本会扭曲扩散加权效应，并在高场强应用中损害参数估计的准确性。该方法使7T及以上场强下的扩散张量成像和轴突直径成像成为可能。

ABSTRACT

Purpose: Stimulated echo acquisition mode (STEAM) diffusion MRI can be advantageous over pulsed-gradient spin-echo (PGSE) for diffusion times that are long compared to $ two$. It is important therefore for biomedical diffusion imaging applications at 7T and above where $ two$ is short. However, imaging gradients in the STEAM sequence contribute much greater diffusion weighting than in PGSE, but are often ignored during post-processing. We demonstrate here that this can severely bias parameter estimates. Method: We present models for the STEAM signal for free and restricted diffusion that account for crusher and slice-select (butterfly) gradients to avoid such bias. The butterfly gradients also disrupt experiment design, typically by skewing gradient-vectors towards the slice direction. We propose a simple compensation to the diffusion gradient vector specified to the scanner that counterbalances the butterfly gradients to preserve the intended experiment design. Results: High-field data fixed from a monkey brain experiments demonstrate the need for both the compensation during acquisition and correct modelling during post-processing for both diffusion tensor imaging and ActiveAx axon-diameter index mapping. Simulations support the results and indicate a similar need in in-vivo human applications. Conclusion: Correct modelling and compensation are important for practical applications of STEAM diffusion MRI.

研究动机与目标

• 解决在后处理中未考虑切碎梯度和层面选择梯度引起的扩散加权效应时，导致STEAM序列中扩散参数估计出现偏差的问题。
• 为STEAM中自由扩散和受限扩散建立准确的信号模型，包含所有梯度分量的贡献。
• 提出一种实用的梯度补偿技术，以保持预期的扩散加权方向和实验设计。
• 实现在高场强（7T及以上）及离体条件下可靠应用先进扩散磁共振成像技术（如DTI和ActiveAx）的目标。

提出的方法

• 推导适用于STEAM的修正$ b $-矩阵模型，包含切碎梯度（$ \boldsymbol{G}_c $）和层面选择梯度（$ \boldsymbol{G}_s $）的贡献，扩展标准PGSE DTI模型。
• 为STEAM中的受限扩散提出高斯相位分布（GPD）近似，推广PGSE模型以适用于球形、圆柱形及任意几何形状。
• 引入一种补偿方案，通过调整扩散梯度$ \boldsymbol{G}_d $以抵消$ \boldsymbol{G}_c $和$ \boldsymbol{G}_s $的有效扩散加权效应，从而保持预期的$ b $-向量方向。
• 通过求解$ g $和$ h $，使$ \boldsymbol{G}_d' = \boldsymbol{G}_d - (g\boldsymbol{G}_c + h\boldsymbol{G}_s) $在$ b=0 $图像中最小化净扩散加权效应，实现补偿。
• 使用模拟和高场强离体猴脑数据（采用DTI和ActiveAx协议）验证该方法。
• 对对数信号数据进行线性回归，以估计$ T_1 $、$ T_2 $和扩散张量$ D $，其中$ b $-矩阵项基于校正后的模型推导。

实验结果

研究问题

• RQ1 在后处理中忽略STEAM序列中切碎梯度和层面选择梯度的扩散加权效应时，其对扩散参数估计的偏差程度如何？
• RQ2 如何将STEAM中受限扩散的信号模型扩展，以准确描述圆柱形和球形几何结构中的扩散行为？
• RQ3 一种简单的梯度补偿策略是否能够恢复预期的扩散加权方向并保持STEAM序列中的实验设计？
• RQ4 未校正的蝴蝶形梯度对使用ActiveAx进行轴突直径指数映射的准确性与精确性有何影响？
• RQ5 与基于标准PGSE的方法相比，所提出的模型与补偿方法在高场强（7T）离体脑成像中的表现如何？

主要发现

• 在后处理中忽略STEAM序列中切碎梯度和层面选择梯度的扩散加权效应，会导致扩散张量和轴突直径参数估计出现显著偏差。
• 所提出的STEAM中自由扩散与受限扩散的信号模型能准确考虑所有梯度分量的贡献，显著降低参数估计偏差。
• 梯度补偿方法能有效抵消蝴蝶形梯度的影响，保持预期的$ b $-向量方向，防止扩散加权效应向层面方向发生偏移。
• 在高场强（7T）离体猴脑实验中，校正后的信号模型与梯度补偿方法对于实现准确的DTI和ActiveAx映射均至关重要。
• 模拟结果表明，在7T及以上场强的人体体内应用中，同样存在类似的偏差与校正需求，尤其在$ T_2 $较短时。
• 针对$ \boldsymbol{G}_d' $提出的两种补偿策略结果几乎完全一致，最大差异在ActiveAxSTEAM协议中不超过~1%。