莊白燕 綜述 趙世華， 陸敏杰 審校

2018年心血管磁共振(cardiac magnetic resonance,CMR)研究取得了很大的進展，在釓對比劑延遲強化(late gadolinium enhancement，LGE)、T1-mapping、細胞外容積(extracellular volume，ECV)、DWI、磁共振擴散張量成像(diffusion tensor imaging，DTI)、四維流相位對比(Four-dimensional flow，4D Flow)等技術(shù)上有了新的突破，并向人工智能邁進。本文著重闡述了CMR新技術(shù)在心血管領域的臨床應用進展，以便更好地為疾病的臨床診斷和治療提供服務。

心血管磁共振釓對比劑延遲強化

心肌梗死是中國人死亡最常見的病因之一，每年死亡人數(shù)超過100萬。準確判斷心肌梗死的范圍、心肌纖維化的程度有助于評估心臟受損程度、制定合理治療方案進而降低病死率。磁共振釓對比劑延遲強化技術(shù)能夠全面評價心臟結(jié)構(gòu)形態(tài)、心臟功能情況，對臨床診斷、治療和預后分析具有重要意義。

Fan等[1]進行了隊列研究，發(fā)現(xiàn)運動校正延遲強化(motion-corrected phase sensitivity inversion recovery，MOCO-PSIR)與傳統(tǒng)的延遲強化(PSIR)及小翻轉(zhuǎn)角延遲強化(fast low angle shot，F(xiàn)LASH-PSIR)相比，具有較高的信噪比和對比噪聲比，在評估LGE范圍方面也具有良好的一致性(r=0.992,P<0.001)。同時MOCO-PSIR的掃描速度快，在心律失常或不能屏氣的患者中擁有廣闊應用前景。

Halliday等[2]探討了LGE的程度、位置、模式與擴張型心肌病(dilated cardiomyopathy,DCM)之間的關(guān)系，結(jié)果顯示在DCM中，室間隔LGE的存在即使程度很小時，也會使全因死亡率和心臟性猝死的事件風險大幅增加。室間隔和游離壁LGE同時存在時，發(fā)生心臟性猝死的風險最大。使用基于LGE位置的預測模型優(yōu)于基于LGE程度或模式的模型。

T1-mapping和ECV

目前LGE評估心梗主要采用半定量分析的方法，這樣容易受主觀因素影響，LGE的范圍也會因閾值設定的差異出現(xiàn)估計過高或過低。另外，目前確定LGE的范圍是依靠病變區(qū)域與周圍所謂正常區(qū)域的信號強度存在顯著的差異。在彌漫心肌受累的疾病中，缺乏這種信號強度的對比差異，因而無法反映彌漫的間質(zhì)纖維化，LGE的應用受到限制。因此，亟待一種新的技術(shù)來定量反映心肌彌漫纖維化的程度。

T1-mapping 技術(shù)可以直接測定心肌組織的T1值從而定量評估心肌損傷的程度和范圍,準確評價多種心肌病變的心肌組織特征。細胞外容積(extracellular volume，ECV)基于平掃T1值、增強后的T1值，同時引入血細胞比容進行校對，因而可有效避免干擾因素，更加穩(wěn)定、精準地反映心肌間質(zhì)改變的嚴重程度及范圍。局限性纖維化、彌漫性纖維化、淀粉樣變性及心肌水腫均可引起細胞外間隙的擴大而使ECV增加。與其他CMR參數(shù)相比，ECV具有潛在的預后評估價值，可以幫助指導缺血性或非缺血性心肌病患者危險分層及預測高血壓和心血管事件風險。Zhuang[3]等的研究表明，ECV值較高的患者心血管死亡率顯著升高[風險比(HR)為1.79(95%CI：1.24～2.58)，P=0.09]，同時合并心臟事件的概率也較高[HR為1.11(95%CI：1.08～1.15)，P<0.0001]。初始T1值較高[HR為1.06(95%CI：0.96～1.17)，P=0.27]和增強后T1值較低[HR為0.99(95%CI：0.98～0.99)，P<0.001]的患者總體上沒有心血管事件增加的發(fā)生風險。

Cui等[4]采用豬的心梗模型，將T1-mapping的結(jié)果與組織病理學進行對照，研究得出T1-mapping對于監(jiān)測近期心肌梗死具有良好的準確度和敏感度(分別為75.6%和96.3%)，證明了對于無法接受LGE檢查的心?；颊邅碚f，T1-mapping是一個用來檢測心梗位置、大小及透壁程度的有效替代方法。

筆者主要研究水熱預處理對微藻生物質(zhì)厭氧消化性能和固液分離性能的影響，因普通小球藻的生長速度快，而且具有能被大規(guī)模培養(yǎng)的潛力，本研究所采用藻種為普通小球藻。先研究了不同水熱預處理溫度條件對普通小球藻生物質(zhì)的物理和生物化學性質(zhì)影響，然后通過半連續(xù)實驗對最佳預處理條件進行了進一步實驗研究，并采用DSC技術(shù)研究了水熱預處理后微藻生物質(zhì)的固液分離特性。

DWI

DWI是一種無創(chuàng)成像方法，可以用來評價水分子在活體組織中的微觀擴散運動，提供活體水分子分布、運動的特征信息。DWI在心肌損傷檢查中發(fā)揮了不可替代的作用，可在微觀水平評價心肌組織結(jié)構(gòu)完整性，敏感地檢測心肌細胞層面的改變，對細胞組織內(nèi)水分子的擴散情況和心肌血流灌注進行定量測定，從而有效界定心肌損傷的程度和范圍，對急性心肌梗死及心肌水腫的檢測有一定優(yōu)勢。

Wu等[5]使用定量心臟DWI鑒定肥厚型心肌病(hypertrophic cardiomyopathy,HCM)受試者的心肌纖維化，并與初始T1-mapping和細胞外容積(ECV)進行比較。該研究納入了45例肥心病患者和20例健康志愿者作為對照，在所有受試者中，ADC值與增加的ECV值線性相關(guān)(R2=0.65)；表明DWI-CMR可較為敏感地監(jiān)測彌漫性心肌纖維化，并且能夠表征HCM患者的心肌纖維化程度。

鑒于患有活動性巨細胞動脈炎患者的動脈壁內(nèi)有明顯的炎性浸潤,Ironi等[6]假設DWI可以揭示血管炎癥活動性的增加。研究發(fā)現(xiàn)對于正在接受治療的患者，DWI圖像中主動脈壁仍然可見，但其高信號低于活動性疾病患者；然而，在非活動性疾病的患者和健康對照組中，主動脈壁在DWI圖像上沒有顯示任何高信號，因此不可見。

DTI

DTI是近年在DWI技術(shù)基礎上迅速發(fā)展起來的一種MR新技術(shù)。擴散張量通常定義為水分子擴散的各向異性即組織不均勻性擴散特征。DTI技術(shù)以量化水分子的各向異性觀察組織微觀結(jié)構(gòu)的信息，從而測量水分子擴散的程度和方向。DTI技術(shù)有利于對各種心肌疾病進行研究。Mekkaoui等[7]的研究中引入了纖維束傳播角度(tractographic propagation angle，PA)，并將其與LGE和侵入性心內(nèi)膜電壓測繪的瘢痕評估進行比較，PA是DTI的一種度量肌纖維曲率(度/單位距離)的指標。研究發(fā)現(xiàn)PA與LGE在評估小鼠和人類中的梗塞面積時存在很強的相關(guān)性(r=0.95)。PA值與心內(nèi)膜電壓之間存在反比關(guān)系。PA的使用可以在不需要外源性對比劑的情況下實現(xiàn)心肌瘢痕的描繪，幫助評估其導致的相應心律失常的基礎特征。

心血管DTI可評估心肌微觀結(jié)構(gòu)，使用螺旋角和第二特征向量(E2A)的絕對角度分別評估心肌細胞和心肌纖維的方向。Khalique等[8]采用DTI評估恢復期擴張型心肌病(recovery dilated cardiomyopathy,R-DCM )中的微觀結(jié)構(gòu)變化情況。他們發(fā)現(xiàn)當左心室(Left ventricle，LV)大小和射血分數(shù)(Ejection fraction，EF)正常時，R-DCM中的E2A遷移率大于DCM，這意味著在疾病發(fā)展的軌跡中微觀結(jié)構(gòu)測量值也在改變，表明DT-CMR在評估、預測恢復/緩解期的DCM患者的復發(fā)風險中有著潛在的應用價值，并證明了DT-CMR與EF相比可以提供更多LV動態(tài)變化的信息。

4D Flow

4D Flow MRI技術(shù)利用心電門控技術(shù)和膈肌導航技術(shù)獲得相位流速編碼的數(shù)據(jù)，可在3個垂直的空間方向上探查三維空間內(nèi)速度矢量的改變，以流速圖、流線圖及跡線圖等三維可視化形式描述血流狀態(tài)與變化。作為一種新型相位對比技術(shù),它可以對大、中動脈的血流動力學特征進行生動的動態(tài)三維顯示，適用于大范圍區(qū)域并能定量分析復雜的渦流及螺旋血流等。與傳統(tǒng)的多普勒超聲心動圖相比,4D Flow的高效之處在于無需采集多個血管平面即可獲得任何一個ROI的血流平面。

4D Flow MRI可用于心臟、胸主動脈、肝臟和門靜脈的血流評估。目前4D Flow MRI在心臟方面的應用主要體現(xiàn)在對先天性心臟病(congenital heart disease,CHD)的診斷,由于三尖瓣反流(tricuspid valve regurgitation，TR)是肺動脈高壓和右心先天性心臟病常見的并發(fā)癥并且與死亡率增高有關(guān)，Driessen等[9]將4D Flow 得出的TR分級與超聲心動圖得出的TR等級進行比較，結(jié)果發(fā)現(xiàn)65例患者中有25例(38.5%)用兩種技術(shù)得出的TR等級分類不同。另外，超聲心動圖判定為輕度TR的患者中95%被4D Flow CMR判定為中度或重度TR。因此，4D Flow CMR對于TV反流程度的評估具有一定的附加價值。如果在超聲心動圖上觀察到中度或重度TR，通過4D Flow CMR對TR行進一步評估可能更有助于指導臨床決策。此外，使用4D Flow CMR獲得的詳細解剖信息可能有助于了解反流機制和干預治療計劃。

4D Flow在主動脈疾病的診斷和治療方法選擇方面也可以發(fā)揮一定作用。van Kesteren等[10]使用4D Flow MRI評估在接受有支架與無支架置入的主動脈瓣置換術(shù)1年后，兩種情況下的主動脈血流速度、壁面剪切應力(wall shear stress，WSS)和粘性能量損失(energy loss，EL)等參數(shù)的差異，結(jié)果表明有支架與無支架置入的主動脈速度、升主動脈WSS和EL的平均值差異無統(tǒng)計學意義。然而，用描述流動剖面局部分析結(jié)果顯示不置入支架可能更有利，因其具有明顯更高的中心速度和更低的腔外速度、WSS和EL。

Gualad等[11]采用4D Flow技術(shù)評估升主動脈和降主動脈的脈搏波速度(pulse wave velocities,PWV)，試圖確定主動脈瓣二瓣畸形(bicuspid aortic valve,BAV)患者與三瓣主動脈瓣、馬凡綜合征患者相比，局部主動脈僵硬度是否存在內(nèi)在改變，以及評估升主動脈擴張對BAV患者局部僵硬度參數(shù)的影響。結(jié)果顯示升主動脈PWV在反映動脈直徑方面有潛在的臨床應用價值，可辨別出輕度的主動脈擴張。在調(diào)整臨床和人口統(tǒng)計學特征后的多變量分析中，發(fā)現(xiàn)僅有PWV與BAV患者的升主動脈擴張相關(guān)。

掃描時間長、噪聲大是4D Flow技術(shù)不可回避的缺點，需研發(fā)有效的技術(shù)進行解決?？上驳氖?，隨著k-t GRAPPA等高級并行成像技術(shù)的進步，總掃描時間可有效縮短到4～5 min，大大提高了工作效率，使4D Flow技術(shù)更適用于臨床。

人工智能

人工智能(artificial intelligence,AI)是當今科技發(fā)展的代表性前沿方向,與眾多學科及產(chǎn)業(yè)領域相融合,對當今科學及社會生產(chǎn)方式產(chǎn)生了重大影響。以AI為核心技術(shù)的智能醫(yī)學被看作是醫(yī)學未來發(fā)展的重要方向,而醫(yī)學影像是AI在醫(yī)學領域的最主要應用方向之一[12]。

深度學習技術(shù)(deep learning，DL)作為最近幾年人工智能最熱門的研究領域，已成為全世界關(guān)注的焦點，在醫(yī)學影像領域不斷取得令人矚目的成就。目前應用于MRI 重建中的DL算法，采用了深度生成對抗網(wǎng)絡和遞歸神經(jīng)網(wǎng)絡，可以充分利用圖像域和k空間采集信息以及高質(zhì)量MRI數(shù)據(jù)，得到非常清晰全面的重建圖像[13]。

在心血管磁共振影像方面，深度學習神經(jīng)網(wǎng)絡被用于診斷心肌梗塞，Baessler等[14]評估了將紋理分析技術(shù)與非增強電影MR圖像相結(jié)合來識別亞急性與慢性左心室心肌瘢痕的準確性。該研究回顧性分析了72例大的透壁心肌梗死和48例小的亞急性或慢性心肌瘢痕，結(jié)果發(fā)現(xiàn)了5個獨立的紋理特征(包括Teta1、Perc.01、Variance、WavEnHH.s-3和S(5,5)Sum Entrp)，可以在兩個電影MR圖像上區(qū)分缺血性瘢痕與正常心肌(P<0.05)。多元邏輯回歸分析結(jié)果顯示，結(jié)合特征Teta1和Perc.01可有效提高心梗的診斷準確度，曲線下面積(area under the curve，AUC)分別為0.93和0.92。

另外，人工智能在診斷非缺血性心肌病方面有著無可比擬的優(yōu)勢。Baessler等[15]的另一項研究中，測試了是否可以使用基于機器學習紋理分析(TA)的方法檢測心血管磁共振(CMR)平掃T1WI中肥厚性心肌病(HCM)的心肌組織改變。通過比較32例HCM患者與30例健康志愿者，確定了可以顯示兩組之間顯著差異的4個紋理特征，包括灰度級非均勻性(74±17 vs 38±9，P<0.001)、低頻子帶中小波系數(shù)的能量(58±5 vs 48±10，P<0.001)、百分數(shù)(0.70±0.07 vs 0.78±0.05，P<0.001)及總和平均值(16.6±0.4 vs 17.0±0.5，P=0.007)。單一參數(shù)灰度級非均勻性的模型被證明是區(qū)分HCM患者組與對照組的最佳模型，閾值為46時可較為準確地區(qū)分HCM患者組與正常對照組，敏感度和特異度分別為94%和90%。

Winther等[16]介紹了一種深度學習方法n-net，它可以全自動、高質(zhì)量地分割右心室(RV)、左心室(LV)的心內(nèi)膜和心外膜，從而可靠、精確地估計心臟質(zhì)量和功能參數(shù)。該研究分別進行了實驗和驗證，發(fā)現(xiàn)n-net得出的左、右室射血分數(shù)，左、右室質(zhì)量，左、右室心博量與真實值的一致性很高，ICC分別為0.98、0.96，0.95、0.83，0.98、0.92。n-net可用于大規(guī)模心臟質(zhì)量和功能參數(shù)的成本和時間效率分析，特別是應用于解剖較復雜的右心室。

目前基于深度學習的醫(yī)療影像產(chǎn)品的診斷存在準確率不足、假陽性率高等缺點，臨床價值需進一步開發(fā)。人工智能實現(xiàn)影像診斷的道路尚遠，未來仍需在多學科協(xié)同下不斷進行研究和探索。

心血管磁共振功能強大，能從任意角度掃描心臟的解剖結(jié)構(gòu)，對心臟整體、局部收縮與舒張功能進行全面評價，而且通過多種成像加權(quán)參數(shù)的設置，判別心肌不同組織成分，對心臟結(jié)構(gòu)和功能進行準確評估。CMR已成為心血管疾病患者臨床評估的重要工具，其“一站式”特點明顯優(yōu)于其他檢查手段。將CMR的各種技術(shù)相結(jié)合，相互補充，不失為一種理想的方法，但要注意熟悉各種技術(shù)的優(yōu)劣，進行有效整合，從而獲得高效精準的診斷。隨著各項技術(shù)的發(fā)展，整合CMR的各項新技術(shù)必將使其臨床價值發(fā)揮更高的水平。