版权归中华医学会所有。
未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。
磁共振成像(MRI)技术具有良好的组织及空间分辨率、无辐射等优点，其在中枢神经系统(CNS)临床及科研工作的价值被业界一致认可。中枢神经系统MRI研究涵盖了肿瘤、脑血管疾病、神经系统变性疾病与老龄化、脱髓鞘疾病、癫痫、认知和精神疾病等诸多领域。同时，MRI的新技术、新方法无论是科学研究还是临床应用，往往都是首试于神经系统、发展和成熟于全身各系统。因此熟悉和了解神经系统的MRI进展及存在问题，有助于我们更好的运用各种MRI新技术。
常规解剖MRI序列、扩散加权成像(DWI)、灌注加权成像(PWI)、血氧水平依赖成像(BOLD)及波谱成像(MRS)等技术在过去的10多年中被广泛用于CNS疾病的诊断，其在脑血管疾病、肿瘤、神经病学等领域的价值凸显。部分成熟的技术成果已在临床一线推广应用，如DWI诊断急性梗死、脑脓肿等。近年来，一批新开发的技术开始用于CNS的临床研究，包括化学交换饱和转移(CEST)、磁共振指纹法(MRF)、基于4D动态动脉自旋标记的磁共振血管成像(4D－ASL－MRA)和高分辨血管壁成像(HR－VWI)等。
CEST是一种完全不同于传统MRI的分子水平磁共振成像方法，可以间接检测具有可交换质子的代谢产物，间接反映化学交换的组织环境，其检测能力可达μm甚至nm水平[1]。高级别胶质瘤在3.5 ppm的非对称磁化传递率明显高于低级别胶质瘤，诊断敏感度及特异度分别为92.9%和71.4%；非对称磁化传递率与Ki－67、Cho/NAA及NAA值均存在相关性[2]。CEST评价胶质瘤治疗的准确性达到了72%，明显优于传统的MRS[3]。此外，CEST在脑血管意外[4,5]、神经系统疾病[6,7]等方面均有应用。
MRF通过伪随机改变磁共振扫描序列的参数，如翻转角、射频相位、TR和TE，实现对具有不同磁共振频率和移动目标物质的空时信号区分。MRF通过一次采集实现对多种组织特性的同步测量，克服了传统技术耗时长和单次只能测量组织某种特性的缺点[8,9]。MRF已被用于测量T1、T2、静态磁场(B0)不均匀性、质子密度等[10]。最近在T2*[11,12]、脑灌注成像[13]、脑微血管特性测量分析[14,15]方面也被证实具有一定的可行性。
传统的3D－MRA技术仅采集脑血管的静态图像，而4D－ASL－MRA实现了血管动态信息的获取。既往研究表明4D－ASL－MRA在显示颅内动静脉畸形的血管巢大小、供血动脉及引流静脉方面具有很高的一致性[16]。最近的一项研究同样证实了4D－ASL－MRA在烟雾病患者末梢颅脑动脉及软脑膜侧支血管显示上的优势[17]。4D－ASL－MRA能够显示颅脑血管的病理改变，但无法评价微血管的状态。Suzuki等[18]利用时间编码伪连续ASL同时采集4D－MRA和灌注图像，实现了对脑血流动力学变化的全面评价。
HR－VWI可无创地显示颅内血管壁的病理变化，与常规MRI相比，具有更高的空间分辨率和对比噪声比，现在主要用于颅内动脉粥样硬化、动脉夹层、动脉炎、烟雾病等的诊断与鉴别诊断。Muraoka等[19]前瞻性分析24例烟雾病患者的增强HR－VWI血管壁强化程度后发现颅内血管进行性狭窄的9例患者中有8例伴有血管壁不同程度的强化，血管壁强化与动脉进性狭窄密切相关。Bae等[20]通过比较内囊梗死与豆状核纹状体梗塞患者大脑中动脉斑块的特征发现虽然两者大脑中动脉斑块HR－VWI的表现相似，但内囊梗死患者斑块发生率更高、T2信号更高、强化也更为明显，推测HR－VWI有助于鉴别两者病理生理机制的潜在差异。
近年来，MRI图像的量化分析受到更多关注。定量MRI作为一种生物学指标更有助于反映组织的病理学特性、预后、临床随访及个性化治疗等[21]。传统的MRI数据测量分析主要依靠人工选择感兴趣区(ROI)，其数据的准确性及可重复性与研究人员的个人经验及技术水平密切相关，测量结果受主观因素的影响较大。放射组学应用大量的自动化数据特征化算法将ROI的影像数据转化为特征空间数据，在确定病变区域后，利用自动化的图像分析提取出直方图强度、病变形状、纹理结构类型等数字影像特征，有效提高研究结果的可重复性。利用放射组学预测脑肿瘤组织类型的准确度及敏感度分别达到85%和79%以上[22]。联合应用T1增强和T2加权序列的5个放射组学特征区分脑转移伽马刀治疗后放射坏死与进展恶化的准确度达到73%[23]。放射基因组学可以看作是放射组学的延伸，主要研究影像特征与肿瘤分子特征之间的关联，实现无创预测肿瘤分子基因表达图谱和分子亚型的目的。现有研究发现胶质瘤肿瘤坏死与增强成分的体积比能够预测EGFR的突变，而FLAIR序列上高信号区域与全瘤体积比能够预测PDGFR的扩增[24]。放射组学除在肿瘤领域的应用之外，还拓展应用到脑形态学与基因表型相关性的研究。轻度认知障碍和Alzheimer′s病脑萎缩程度与载脂蛋白E的基因表型有关，利用分类器明确基因表型相关脑萎缩的特征表现有助于脑疾病的早期发现与随访[25]。
计算机辅助分割是研究的另一个热点。Perez－Beteta等[26]利用计算半自动分割技术研究一组216例多形性胶质母细胞瘤患者肿瘤表面形态的规律性后发现肿瘤表面形态规则与否有助于预测患者预后及手术患者的筛选。Zhang等[27]使用深度3D卷积神经工作网络在DWI图像上实现了脑梗死的自动分割。
静息态功能MRI(resting state functional MRI，rs－fMRI)反映的是大脑BOLD信号的自发活动，操作方便，重复性好，信息稳定可靠，可分析内容多。传统的分析方式针对性研究BOLD信号的空间分布，舍弃了rs－fMRI中包含的大量动态信息[28]。现在的研究开始致力于通过捕捉数据中的时间依赖性获取更多脑功能信息，方法包括种子点相关分析法[29]、独立成分分析[30]、事件相关分析[31]、零模型[32]等。图像采集技术的发展，生理噪声的最小化及图像校准的优化将提升rs－fMRI的敏感度。全脑网络与动态rs－fMRI的结合将为神经科学问题的研究提供一种全新的视角。
随着技术的发展，中枢神经系统MR的应用范围更广，但是这些新技术、新方法本身仍存在一定的不足，距离临床真正推广应用还有很大距离。
以CEST技术为例，现阶段的研究主要聚焦在两方面，一种是对化学交换的组织环境进行成像；一种是对化学交换物质进行成像，如多肽、蛋白质、脂质等。饱和脉冲能量、时间、波形等都会对CEST诸多参数的准确优化定量产生影响。此外，体内的CEST效应还受到高分子磁化传递竞争、溢出效应和NOE效应的影响。CEST在脑部疾病的应用另有一些影响因素，包括组织的游离蛋白及多肽的含量、水含量、运动伪影等[33]。
放射组学和机器学习迄今为止主要作为一种研究工作应用于CNS，距离真正进入常规临床诊疗工作仍有很多挑战需要克服。放射组学特征对一些技术因素高度敏感，如图像采集方式及重建参数。此外，组织特征的提取很大程度上取决于ROI选择的准确度，而ROI易受观测者之间差异的影响。半自动或者自动图像分割技术有助于解决ROI的影响，但是实际应用效果还有待进一步验证，还不能广泛地应用于临床MRI图像处理专业软件中。除了分割准确度之外，自动化程度、计算成本、临床实用性都是必须全面考虑的问题。
除了上述技术中存在的具体问题之外，扫描参数及数据处理的标准化、如何实现多种影像技术的优化联合以及如何开展多中心研究的同时确保不同的研究中心都使用标准化的扫描参数等问题现在同样急需解决。
MRI及计算机技术的发展为CNS的研究开辟了更广阔的空间。随着研究的深入，必将在CNS疾病的预测、诊断、治疗方案选择、疗效评估及判断预后等方面发挥更大的作用。
