邵曉彤，郭獻忠，陳偉建，王豪，林博麗，夏能志，楊運俊

（1.溫州醫(yī)科大學附屬第一醫(yī)院 放射科，浙江 溫州 325015；2.浙江大學醫(yī)學院附屬第二醫(yī)院 放射科，浙江 杭州 310000）

?

磁共振灌注成像及表觀擴散系數(shù)圖預測超急性期腦梗死患者亞急性期梗死體積的對比研究

邵曉彤1，2，郭獻忠1，陳偉建1，王豪1，林博麗1，夏能志1，楊運俊1

（1.溫州醫(yī)科大學附屬第一醫(yī)院 放射科，浙江 溫州 325015；2.浙江大學醫(yī)學院附屬第二醫(yī)院 放射科，浙江 杭州 310000）

目的：對比分析基于超急性期表觀擴散系數(shù)（ADC）圖及磁共振灌注成像（PWI）預測亞急性期（發(fā)病后5～7 d）腦梗死體積的臨床可行性。方法：回顧性分析發(fā)病6 h內(nèi)完成多模式磁共振成像（MRI）檢查并于發(fā)病后5～7 d復查常規(guī)MR檢查的超急性期腦梗死患者20例。應用美國GE Healthcare 3.0 T超導MR掃描儀后處理工作站自帶的專用后處理軟件進行圖像上異常區(qū)域體積的測量。經(jīng)相關和回歸分析及ROC曲線分析，比較基于PWI和ADC圖這2種方法預測亞急性期梗死體積及梗死體積增長之間的差異。結果：ADC圖、腦血流量（CBF）圖、腦血容量（CBV）圖、平均通過時間（MTT）圖、達峰時間（TTP）圖預測梗死體積值與復查液體衰減反轉(zhuǎn)恢復（FLAIR）異常區(qū)域體積值之間均呈顯著線性相關（P均＜0.05）。其中ADC圖預測梗死體積與V2之間的相關性（r=0.954）比PWI各參數(shù)圖預測梗死體積與V2間的相關性高（P均＜0.05）。ADC不匹配與梗死體積增長間呈明顯線性相關（r=0.744，P=0.001）；而CBF不匹配、CBV不匹配、MTT不匹配、TTP不匹配與梗死體積增長間均無明顯直線相關關系。結論：采用設備自帶后處理軟件，基于超急性期ADC圖預測亞急性期梗死體積及梗死體積增長的方法比基于PWI各參數(shù)圖的方法可行性更強，可作為臨床早期預測梗死體積變化的簡便方法。

卒中；磁共振成像；彌散，灌注

預測超急性期腦梗死患者亞急性期的梗死體積情況可為臨床治療提供更多依據(jù)，具一定臨床意義。磁共振灌注成像（perfusion-weighted imaging，PWI）是確定缺血半暗帶、預測亞急性期梗死體積的“金標準”。目前國外已有基于表觀擴散系數(shù)（apparent diffusion coefficient，ADC）圖預測超急性期腦梗死患者亞急性期梗死體積的文獻報道［1-3］，本課題組前期也已對ADC圖預測亞急性期梗死體積的可行性進行了分析［4］。本研究進一步對比分析超急性期ADC圖及灌注圖像預測亞急性期腦梗死體積的可行性，為臨床早期預測梗死體積變化提供依據(jù)。

1　資料和方法

1.1一般資料 回顧性分析自2009年1月至2012 年11月間溫州醫(yī)科大學附屬第一醫(yī)院急診收治的急性缺血性腦卒中患者20例。研究資料均來源于國家科技部“十二五”科技支撐計劃課題組，且通過項目倫理委員會審核批準，所有患者進行影像檢查之前均簽署知情同意書。入組標準詳見本課題組前期研究［4］，排除標準：①CT檢查發(fā)現(xiàn)腦出血、早期大面積腦梗死征象、顱內(nèi)腫瘤、動靜脈畸形或蛛網(wǎng)膜下腔出血；②患者初次及復查的MR影像資料不完整，或PWI模式不符合要求。根據(jù)入組標準和排除標準，剔除3例PWI模式不符合要求患者和2例灌注數(shù)據(jù)丟失患者，入組病例15例，其中男10例，女5例；年齡46～75歲，平均（65±9）歲。發(fā)病后行首次MR檢查的時間均＜6 h，平均（4.2±1.5）h。所有入組患者均在MR檢查前完成美國國立衛(wèi)生研究院卒中量表（NIHSS）評分，評分為1～18分，平均（8±1）分。所有患者均未接受溶栓治療，而采取臨床保守治療。且均在初次MR檢查5～7 d后再次接受MR檢查。

1.2MR檢查方法 應用美國GE Healthcare 3.0 T超導MR掃描儀（Signa Twin Speed，GE Medical System，Milwaukee，Wisconsin，USA），掃描范圍覆蓋全腦。SE T1WI，TR 1 750 ms，TE 24 ms，F(xiàn)OV 24 cm×24 cm，矩陣288×160，層厚5 mm，間隔1 mm；FSE T2WI，TR 3 400 ms，TE 110 ms，F(xiàn)OV 24 cm× 24 cm，矩陣320×256，層厚5 mm，間隔1 mm；液體衰減反轉(zhuǎn)恢復（FLAIR）序列，TR 9 000 ms，TE 150 ms，F(xiàn)OV 24 cm×24 cm，矩陣288×128，層厚5 mm，間隔1 mm；DWI采用單次激發(fā)自旋回波-回波平面成像（SE-EPI）序列，TR 5 300 ms，TE 62 ms，F(xiàn)OV 24 cm×24 cm，矩陣160×160，層厚5 mm，間隔1 mm。 PWI采用單次激發(fā)梯度回波-回波平面成像（GE-EPI）序列，TR 1 500 ms，TE 32 ms，反轉(zhuǎn)角90°，F(xiàn)OV 24 cm×24 cm，矩陣130×128，層厚5 mm，層間隔1 mm。對比劑采用細胞外間隙對比劑釓噴替酸葡甲胺（Gd-DTPA），使用高壓注射器以0.2 mmol/kg的流率從肘靜脈注射。復查時行常規(guī)MRI掃描，掃描序列包括T1WI、T2WI、FLAIR，掃描參數(shù)及位置同上，確保掃描層面與初次檢查基本一致。

1.3圖像后處理

1.3.1DWI、ADC圖及復查FLAIR異常區(qū)域的體積測量：采用本課題組前期研究方法及結果［4］：根據(jù)公式［梗死體積=所有層面的異常區(qū)域面積之和×（層厚+層間距）］計算出DWI異常區(qū)域體積（V1）（見圖1a、圖2a），將ADC圖閾值設定為影像半暗帶rADC均值（0.809），rADC值≤0.809的區(qū)域視為預測梗死區(qū)（predicted infarct volume，PIV）。應用上述方法測量ADC圖上預測的梗死體積（PIVADC）（見圖1c-d、圖2c-d）。復查FLAIR異常區(qū)域的體積（V2）測量同樣也由上述方法完成（見圖1b、圖2b）。

1.3.2PWI各參數(shù)圖像上灌注異常區(qū)域的體積測量：應用GE公司專用灌注成像軟件BrainStat GVF，處理并獲得腦血流量（cerebral blood flow，CBF）、腦血容量（cerebral blood volume，CBV）、平均通過時間（mean transit time，MTT）、對比劑達峰時間（time to peak，TTP）。各參數(shù)圖像上顯示的腦灌注異常區(qū)域（PIVPWI）分別視為CBF圖、CBV圖、MTT圖和TTP圖預測的腦梗死體積（以下簡稱PIVCBF、PIVCBV、PIVMTT和PIVTTP）。肉眼對比病灶側(cè)與病灶對側(cè)腦組織的灌注圖像，手動勾畫出每一層面病灶側(cè)灌注異常區(qū)域的邊緣，軟件自動根據(jù)嚴格的數(shù)學模型生成所勾畫區(qū)域的面積值，然后根據(jù)公式［梗死體積=所有層面的異常區(qū)域面積之和×（層厚+層間距）］計算，獲得各參數(shù)圖像上灌注異常區(qū)域的體積值，即PIVCBF、PIVCBV、PIVMTT、PIVTTP（見圖1e-h、圖2e-h）。定義梗死體積的增長為V2-V1。ADC圖與初始DWI不匹配的區(qū)域視為ADC不匹配，定義為PIVADC-V1。MTT圖、TTP圖、CBF圖、CBV圖與初始DWI不匹配區(qū)分別定義為PIVMTT-V1，PIVTTP-V1，PIVCBF-V1，PIVCBV-V1。所有入組病例各參數(shù)體積測量均由同一名神經(jīng)放射高年資住院醫(yī)師（觀察者）在未知患者臨床信息的情況下獨立完成。定量測量體積值在以上各區(qū)域都＞1 cm3，以減少測量誤差。

1.4統(tǒng)計學處理方法 采用SPSS20.0統(tǒng)計軟件進行統(tǒng)計學分析。對計量資料進行正態(tài)性檢驗，各圖像上異常區(qū)域的體積值用Kruskal-Wallis H檢驗進行統(tǒng)計學分析。各體積值間作相關分析和回歸分析，回歸直線間斜率的差異采用協(xié)方差分析。將V2＞V1者視為梗死體積增長組，將V2＜V1者視為無梗死體積增長組，不同方法預測梗死體積增長的比較，通過繪制ROC曲線，比較ROC曲線下面積（AUC）。P＜0.05為差異有統(tǒng)計學意義。

圖1　女，75歲，突發(fā)右側(cè)肢體乏力伴口齒不清4.5 h。DWI圖（a）顯示左顳葉大片狀高信號，病灶范圍104.7 cm3；基于ADC閾值的ADC圖（c）、ADC偽彩圖（d）顯示病灶ADC值異常減低，病灶范圍108.9 cm3。下方灌注圖像從左至右依次為CBF圖（e）、CBV圖（f）、MTT圖（g）、TTP圖（h），其顯示病灶范圍分別為131.8、177.1、121.7、127.6 cm3。發(fā)病6 d后復查FLAIR圖（b）顯示病灶范圍162.1 cm3

圖2　男，54歲，突發(fā)左側(cè)肢體乏力伴口齒不清3 h。DWI圖（a）顯示右側(cè)腦室旁點片高信號，病灶范圍6.2 cm3；基于ADC閾值的ADC圖（c）、ADC偽彩圖（d）顯示病灶ADC值異常減低，病灶范圍13.6 cm3。下方灌注圖像從左至右依次為CBF圖（e）、CBV圖（f）、MTT圖（g）、TTP圖（h），其顯示病灶范圍分別為230.6、254.5、133.2、135.3 cm3。發(fā)病6 d后復查FLAIR圖（b）顯示病灶范圍14.5 cm3

2　結果

2.1超急性期ADC圖和灌注4個參數(shù)圖上異常區(qū)域體積與亞急性期梗死體積間相關性分析 超急性期ADC圖、CBF圖、CBV圖、MTT圖、TTP圖與復查FLAIR異常區(qū)域的體積分別為13.3（3.1～19.3）cm3、（67.7± 73.6）cm3、（66.8±76.2）cm3、（82.5±97.0）cm3、（86.3±101.1）cm3、（34.4±55.8）cm3（見表1）；經(jīng)Kruskal-Wallis H檢驗，差異無統(tǒng)計學意義（H= 4.505，P＞0.05）。PIVADC、PIVCBF、PIVCBV、PIVMTT、PIVTTP與V2均呈顯著線性相關（均P＜0.05，見表2）。其中PIVADC與V2間的相關性（r=0.954；95%CI：0.804～1.000；y=-2.410+1.362x）明顯比PIVPWI與V2間的相關性高。PIVADC與V2之間的回歸直線明顯比PIVPWI與V2間的各條回歸直線陡峭（見圖3），且前者與后者各條直線的斜率差異均有統(tǒng)計學意義（均P＜ 0.05）。而PIVPWI中，PIVCBF與V2間（r=0.608；95%CI：0.032～0.939；y=3.266+0.460x）、PIVCBV與V2間（r= 0.603；95%CI：0.026～0.950；y=4.928+0.442x）的相關性比PIVMTT與V2間（r=0.539；95%CI：0.006～0.925；y=8.872+0.310x）、PIVTTP與V2間（r=0.584；95%CI：0.107～0.963；y=6.599+0.322x）相關性稍高。PIVCBF與V2、PIVCBV與V2、PIVMTT與V2和PIVTTP與V2形成的4條回歸直線的斜率差異無統(tǒng)計學意義（P ＞0.05）。

表2　Pearson/Spearman相關分析

表1　各項測量體積的統(tǒng)計學描述（cm3）

圖3　15例患者ADC圖、MTT圖、TTP圖、CBF圖、CBV圖預測的梗死體積與5～7 d復查FLAIR圖梗死體積散點圖（均呈正相關，ADC圖的相關性最顯著）

圖4　15例患者ADC-DWI不匹配預測的梗死體積增長值與真正梗死體積增長值的散點圖（r=0.744，P=0.001；y=3.135x+4.194）

2.2ADC不匹配和灌注不匹配與梗死體積增長間相關性分析 ADC不匹配、CBF不匹配、CBV不匹配、MTT不匹配、TTP不匹配與梗死體積增長的各體積值分別為（1.5±4.8）cm3、（42.2±58.8）cm3、（41.2± 61.2）cm3、（57.0±82.8）cm3、（60.8±85.2）cm3、（8.9±20.3）cm3，經(jīng)Kruskal-Wallis H檢驗，差異有統(tǒng)計學意義（H=11.415，P＜0.05）。經(jīng)Pearson相關分析，ADC不匹配與梗死體積增長之間呈明顯線性相關，見圖4；而CBF不匹配、CBV不匹配、MTT不匹配、TTP不匹配與梗死體積增長之間均無明顯直線相關關系（均P＞0.05）。15例入組病例中，9例患者有梗死體積增長，6例無梗死體積增長。繪制ROC曲線，ADC-DWI不匹配預測梗死體積增長的AUC 為0.870（95%CI：0.682～1.000；P=0.018），說明ADC不匹配法預測梗死體積增長有一定準確性。而TTP不匹配預測梗死體積增長的AUC為0.574（95%CI：0.682～1.000），差異無統(tǒng)計學意義（P＞0.05）。

3　討論

3.1PWI與ADC圖預測梗死體積大小的比較 研究［3，5-6］表明，1周時復查磁共振FLAIR序列可預測最終腦梗死體積，亞急性期梗死體積與30、45、90 d等各時間點所測梗死體積之間高度相關，且各時間點所測體積的臨床預后價值相似。因此本研究仍采用發(fā)病后初次MRI檢查時DWI上的高信號區(qū)域體積作為初次梗死體積，復查FLAIR體積與DWI異常區(qū)域體積之差視為真正的梗死體積的增長。結果表明ADC圖預測的梗死體積與亞急性期梗死體積之間的相關性明顯比PWI預測的梗死體積與亞急性期梗死體積之間的相關性高。該結果與Drier等［3］對80例急性大腦中動脈梗死患者的多中心研究結果和Rosso等［7］對98例超急性期大腦中動脈梗死患者的大樣本研究一致。而Parsons等［8］研究表明，基于CBF圖預測的梗死體積與亞急性期梗死體積之間的相關性比CBV、MTT圖高，本組結果顯示CBF、CBV圖的相關系數(shù)較MTT、TTP圖稍高，與以往研究報道［8-9］大致相符。筆者認為臨床工作中應用PWI圖像評估梗死體積的大小時依賴CBF、CBV圖，以CBF圖的可行性更強。

3.2PWI與ADC圖預測梗死體積增長的比較 本研究發(fā)現(xiàn)ADC不匹配與梗死體積增長之間明顯相關，且采用ADC不匹配法預測梗死體積增長有一定準確性，筆者認為臨床工作中可以根據(jù)超急性期ADC圖與DWI的不匹配體積評估亞急性期梗死體積的增長。而Drier等［3］研究表明ADC圖和PWI圖預測亞急性期梗死體積增長的有效性一致，這與本研究結果并不一致。本研究尚未發(fā)現(xiàn)PWI 4個參數(shù)圖預測的梗死體積增長與梗死體積增長（V2-V1）間有相關性。分析原因除了可能與樣本例數(shù)較少有關外，還可能與有無溶栓再灌注治療及測量方法不同有關。本研究入組病例均未行溶栓治療，而Drier等的研究中包括37例溶栓再灌注治療患者。根據(jù)Butcher等［10］研究，未溶栓再灌注治療的超急性期腦梗死患者，PWI不匹配與梗死體積增長之間無明顯相關關系。另一方面，本研究中筆者采用GE公司專用后處理軟件對灌注異常區(qū)域進行劃定和測量，研究方法適用于臨床工作，診斷醫(yī)師可通過后處理軟件繪制ADC圖和PWI各參數(shù)圖，進一步評估腦卒中后梗死體積的變化，前瞻性預測臨床預后，具一定實際操作意義。此外，Drier等［3］的研究中，其PWI不匹配與梗死體積增長之間的相關系數(shù)亦較小（r=0.470），且本研究結果顯示PWI不匹配診斷梗死體積增長的準確性較低，因此并不能充分說明臨床工作中可以依賴超急性期PWI-DWI不匹配體積預測梗死體積的增長?；诔毙云贏DC圖預測亞急性期梗死體積及梗死體積增長的方法比基于PWI各參數(shù)圖的方法可行性更強，臨床工作中可直接運用設備自帶的后處理軟件預測梗死體積變化，實現(xiàn)早期梗死預后評估。

［1］MA L，GAO P Y，HU Q M，et al. Prediction of infarct core and salvageable ischemic tissue volumes by analyzing apparent diffusion coeffcient without intravenous contrast material［J］. Acad Radiol，2010，17（12）： 1506-1517.

［2］MA L，GAO P Y，HU Q M，et al. Effect of baseline magnetic resonance imaging （MRI） apparent diffusion coeffcient lesion volume on functional outcome in ischemic stroke［J］. Neurol Res，2011，33（5）： 494-502.

［3］DRIER A，TOURDIAS T，ATTAL Y，et al. Prediction of subacute infarct size in acute middle cerebral artery stroke： comparison of perfusion-weighted imaging and apparent diffusion coeffcient maps［J］. Radiology，2012，265（2）： 511-517.

［4］郭翔，周潔潔，陳偉建，等. 基于表觀擴散系數(shù)閾值的超急性期表觀擴散系數(shù)圖預測亞急性期腦梗死體積的可行性［J］. 中華放射學雜志，2014，48（6）： 448-451.

［5］TOURDIAS T，RENOU P，SIBON I，et al. Final cerebral infarct volume is predictable by MR imaging at 1 week［J］. AJNR Am J Neuroradiol，2011，32（2）： 352-358.

［6］JOHNSTON K C，BARRETT K M，DING Y H，et al. Clinical and imaging data at 5 days as a surrogate for 90-day outcome in ischemic stroke［J］. Stroke，2009，40（4）： 1332-1333.

［7］ROSSO C，HEVIA-MONTIEL N，DELTOUR S，et al. Prediction of infarct growth based on apparent diffusion coeffcients： penumbral assessment without intravenous contrast material［J］. Radiology，2009，250（1）： 184-192.

［8］PARSONS M W，YANG Q，BARBER P A，et al. Perfusion magnetic resonance imaging maps in hyperacute stroke： relative cerebral blood flow most accurately identifies tissue destined to infarct［J］. Stroke，2001，32（7）： 1581-1587.

［9］WHEELER H M，MLYNASH M，INOUE M，et al. Early diffusion-weighted imaging and perfusion-weighted imaging lesion volumes forecast fnal infarct size in DEFUSE 2［J］. Stroke，2013，44（3）： 681-685.

［10］ BUTCHER K S，PARSONS M，MACGREGOR L，et al. Refining the perfusion-diffusion mismatch hypothesis［J］. Stroke，2005，36（6）： 1153-1159.

（本文編輯：吳彬）

Prediction of subacute infarct lesion volume in hyperacute cerebral artery stroke： comparison of perfusion-weighted imaging and apparent diffusion coefficient maps

SHAO Xiaotong1，2，GUO Xianzhong1，CHEN Weijian1，WANG Hao1，LIN Boli1，XIA Nengzhi1，YANG Yunjun1. 1.Department of Radiology，the First Affiliated Hospital of Wenzhou Medical University，Wenzhou，325015； 2.Department of Radiology，the Second Affiliated Hospital of School of Medicine，Zhejiang University，Hangzhou，310000

Objective： To compare perfusion-weighted imaging （PWI） and apparent diffusion coeffcient （ADC） maps in prediction of infarct lesion volumes and growth in patient with hyperacute cerebral artery infarct. Methods： Twenty hyperacute cerebral artery stroke patients who underwent multimodal magnetic resonance imaging （MRI） in hyperacute （＜6 h） phase and the follow-up MRI in the subacute （days 5-7） phase were retrospectively reviewed. Diffusion- and perfusion-weighted imaging lesion volumes were semi-automatically measured by a post-processing software of GE Healthcare 3.0 T MR scanner （Signa Twin Speed，GE Medical System，Milwaukee，Wisconsin，USA）. Finally，to compare the two methods in infarct growth prediction，correlation and regression analysis and receiver operating characteristic curves were used. Results： The lesion volume of follow-up FLAIR was highly correlated with volumes predicted with ADC-，CBF-，CBV-，MTT-，and TTP-maps （all P＜0.05）. The correlation was higher for ADC-predicted volume （r=0.954，95%CI： 0.804-1.000） than that for PWI- predicted volume （P＜0.05）. Besides，The infarct growth was correlated with ADC-DWI mismatch （r=0.744，P=0.001），but we didn't fnd any correlation among infarct growth and CBF-DWI，CBV-DWI，MTTDWI，TTP-DWI mismatches （all P＞0.05）. Conclusion： Data showed that by using the post-processing software provided by MR equipment，the ADC-based method is more feasible than PWI-based method for evaluating infarct growth and volume in the subacute phase，which makes early estimation of prognosis possible.

stroke； magnetic resonance imaging； diffusion magnetic resonance imaging； perfusion magnetic resonance imaging

R445.2

A DOI： 10.3969/j.issn.2095-9400.2016.08.004

2016-03-06

浙江省自然科學基金資助項目（LY15H220001）；浙江省醫(yī)藥衛(wèi)生科研基金資助項目（2014KYA134）；溫州市科技計劃項目（Y20140731）；“十二五”國家科技支撐計劃項目（2011BAI08B09）。

邵曉彤（1989-），女，浙江蘭溪人，碩士生。

楊運俊，副教授，主任醫(yī)師，Email：yyjunjim@163.com。