10秒看全文

• DWI圖像分析是一個復雜的過程，當DWI未見明顯異常時，要警惕T2 Washout或T2 blackout效應所致的等信號或低信號有可能會掩蓋病灶。

• ADC、eADC兩種參數(shù)都可以消除T2效應，并且能提供量化參數(shù)。文獻發(fā)現(xiàn)，兩個參數(shù)診斷效能相當，并且eADC有更好的圖像對比度。

• 進行DWI圖像分析時，一定要結(jié)合T2WI、ADC/eADC參數(shù)圖綜合閱片。 

        上一期推文結(jié)合DWI信號原理闡述了了T2效應對DWI圖像的影響（點擊這里閱讀）。本期將介紹如何理解使用ADC、eADC參數(shù)，來消除T2效應。

        為了避免T2效應對DWI圖像解釋的干擾，ADC參數(shù)圖的生成是非常必要的，利用GE的后處理軟件Functool，可以很容易生成ADC map，而且GE的后處理軟件平臺還能提供eADC 圖（圖3，4），能夠既去除T2效應的干擾，又保留了DWI圖像固有的對比特征。這個eADC是怎么來的呢？我們知道ADC可通過下面的公式得來：

        ln(Sb/S0)=-b×ADC

        把這個公式變換一下，

        Sb/S0=exp[-(b×ADC)]=eADC

        ADC與eADC都可以消除T2效應，且都可以提供量化參數(shù)，在對病灶定性等方面，有很多文獻對二者做過比較，發(fā)現(xiàn)這兩個參數(shù)診斷效能相當，同時發(fā)現(xiàn)eADC圖像上反映了更好的圖像對比度。

圖3  男性，68歲，胃底癌。病灶的DWI、ADC及eADC圖像。病灶區(qū)ADC 1.07X10-3 mm2/s，eADC 0.424。（感謝陸軍總醫(yī)院戈明媚老師提供圖片）

圖4 兩側(cè)頂葉DWI圖像未見明顯異常。ADC及eADC參數(shù)圖顯示了兩側(cè)頂葉后部的病灶區(qū)，提示DWI等信號由于T2 Washout所致；eADC圖可剔除T2效應。

        DWI圖像上除了有T2效應的干擾，還需要考慮的因素就是灌注效應的影響。DWI圖像上采集的每一個像素內(nèi)實際上包括著不同擴散程度的成分信息，所測得的ADC其實是擴散綜合信息的反映，根據(jù)IVIM理論，在低b值時所反映的是組織內(nèi)灌注信息，即擴散加權(quán)的信號主要反映了毛細血管內(nèi)擴散自由的血液內(nèi)水分子擴散信息，因此ADC值與b值的關(guān)系可近似表達為：

公式中f即灌注信息，采用更高的b值能減少灌注效應的影響（圖5）。

圖5 小腦蚓部占位性病變。采用多b值DWI成像，可見由低b到高b值，采集到不同的圖像對比，反映了不同成分的擴散信息。

綜上所述，作為病灶檢測敏感性較高的DWI序列，其圖像分析是一個復雜的過程，當DWI上顯示高信號時對我們敏感發(fā)現(xiàn)病灶非常有幫助，但是DWI上未見明顯異常的時候，我們需要警惕T2 Washout或T2 blackout效應所致的等信號或低信號有可能會掩蓋病灶，因此我們在進行DWI圖像分析時，一定要結(jié)合T2WI圖像和ADC/eADC參數(shù)圖綜合閱片。