體素內不相干運動雙指數模型的技術現況

羅馬，張衛東

體素內不相干運動雙指數模型的技術現況

羅馬，張衛東*

作者單位：
中山大學腫瘤防治中心放射科，廣州510060

體素內不相干運動(intravoxel incoherent motion，IVIM)通過多b值擴散加權成像，可無創性地區分組織中的單純水分子擴散(D)與灌注相關擴散(D*、f)，進而對它們進行量化分析。IVIM雙指數模型已獲得了廣泛的關注，并應用于全身多臟器及其相關疾病的診斷及鑒別診斷、療效評估或預測、病變分期或分級、與其他成像方式相結合等方面的研究中。本文對IVIM雙指數模型的掃描方式及其影響因素、b值選取、參數重復性及其意義、灌注參數的準確性等成像技術方面的研究現況和進展予以評述。

體素內不相干運動；雙指數模型；磁共振成像

磁共振擴散加權成像是一種無創性的功能成像，探測由布朗運動引起的水分子運動，廣泛應用于臨床及醫學研究中。然而，室腔模型實驗證實體素內水分子擴散并非唯一的運動形式，還包括血流運動。當運用多個b值成像時，單指數衰減模式既不能很好地擬合信號曲線，也不能敏感地分析富血供臟器或病變的信息，體現了其局限性。為了將擴散及灌注效應區分開并進行定量，Le Bihan等[1]提出了體素內不相干運動(intravoxel incoherent motion，IVIM)雙指數模型。

1 模型簡介

IVIM雙指數模型公式為：Sb/S0=(1-f)×exp(-b×D)+f×exp[-b×(D*+D)]。其中Sb和S0分別代表b為任意值和b=0 s/mm2時體素內平均信號；D為純擴散系數，代表體素內單純水分子擴散；D*為灌注相關擴散系數，代表體素內由微循環引起的擴散；f為灌注分數，代表體素內快速擴散占總體擴散效應的百分率。

2 技術現況與參數意義

2.1 參數算法及掃描機器

IVIM參數有多種計算方法，包括非線性最小二乘法(levenberg marquardt，LM)、分段算法(segmented constrained，SC)、貝葉斯概率算法(bayesian probability，BP)等。上述方法中穩定性最高的是BP，最差的是SC。BP在腹部各臟器間數據變異性最小，所得偽彩圖信號更均勻[2-3]。目前最常用的是SC，由于D*明顯大于D，當b＞200 s/mm2時，灌注效應明顯衰減可忽略不計，由單指數衰減得出D與f，最后計算D*；其次是LM，先計算D，再依據多b值同時得出f、D*。后兩種方法類似于將參數“近似”算出，故所得參數特別是灌注參數的穩定性差。

IVIM研究所用場強最高已達11.7 T，但絕大多數為醫用的3.0 T以內場強；所用b值最高已達3000 s/mm2，但大多所用為1000 s/mm2以內。

Barbieri等[2]比較GE、Phillips、Siemens 3種廠家不同型號及場強的掃描儀，GE 3.0 T所得參數波動性最大，Phillips所得數據穩定性最佳；Kakite等[4]認為相對于1.5 T，3.0 T由于增加了圖像不均勻性及磁敏感偽影，會對參數重復性產生影響。雖然也有研究表明不同場強并不會對結果產生影響[5]，但是該研究僅針對表觀擴散系數(apparent diffusion coefficient，ADC)，未涉及IVIM。

上述情況說明參數算法的選擇、使用機型的不同均會對參數穩定性及數據比較產生影響。

2.2 掃描方式

關于IVIM參數在增強掃描前后是否存在差異，有研究證實增強前后參數變化差異并無統計學意義[6-7]。因此增強與否并不影響所得參數，但為保證掃描一致性，多數在增強前進行。

腹部臟器由于受呼吸運動及心臟搏動的影響，常采用呼吸觸發(respiratory trigger，RT)或屏氣掃描(breath hold，BH)，有時加用心電門控(echocardiography triggering，ET)[8]，然而掃描時間會相應延長；自由呼吸(free breathing，FB)掃描時間短，但需受檢者良好的呼吸配合。有學者認為FB呼吸運動偽影多、信噪比低，價值有限，建議使用RT[4，9]。但也有研究認為門控技術并不優于FB[10-11]，然而該兩項研究僅對小肝癌、腹部正常臟器進行探究，在研究對象方面存在偏倚。Watanabe等[12]提高FB的激勵次數與并行加速因子，也獲得了良好效果，原因可歸結為周期性的呼吸運動并不會引起額外的肝臟信號衰減，且多次信號采集或信號平均能提高信噪比；使用BH技術易產生圖像形變及偽影，且受檢者屏氣程度無法保證一致；使用RT技術一旦受檢者呼吸不規則則易產生參數計算錯誤，或由于掃描時間過長使患者產生不適，甚至無法繼續掃描。

目前掃描技術的選擇尚無明確標準，雖然RT普遍用于臨床，但FB也有其優勢所在。

IVIM不僅受掃描技術差異的影響，也與受檢者生理狀態的不同有關。Hollingsworth等[13]研究禁食與進食對肝臟灌注的影響，發現進食后門脈明顯增粗、血流量明顯增加，膨大的胃腔擠壓鄰近肝左葉，因此進食組ADC較禁食組有顯著的升高。據此，受檢者在掃描前禁食是必要的，特別是進行小b值掃描，灌注的變化更加敏感。正常肝左葉及其病變的ADC均大于右葉，原因是左葉受到心臟舒縮活動的影響，ADC會偏高且誤差大[14-15]，若時間允許，掃描時可加用ET。因此對于肝臟，感興趣區(region of interest，ROI)的放置除應避免明顯的管道結構與壞死區外，還應遠離膈頂、易受心臟搏動及胃腸蠕動影響的肝左葉。

2.3 b值選擇

為獲得灌注敏感信息，增加b值數量及足夠多低b值是必要的，然而D*受b值影響大，若低b值太少會導致D*過小[16]，過多則灌注效應明顯，影響參數真實性，且掃描時間相應延長[17]；高b值所得圖像信噪比低。區分灌注與擴散的閾值并非均為200 s/mm2，即不同臟器甚至同一臟器不同位置其b值閾值不同，如肝左右葉、腎皮髓質在不同閾值下得到的參數明顯不同。因此，b值的分布、閾值及數目既可以“掩蓋”參數真實性，也會影響文獻的比較，使用b值的不同是所得結果存在差異的一個重要因素。目前b值大多為6～12個，有建議使用4個，但重復性差[18]；也有建議至少16個，其結果仍待進一步證實[19]。已有研究提出“兩個關鍵b值”的概念[20]，使用一個低b值(非0)與一個高b值，分別代表IVIM效應與非高斯擴散，即可區分灌注與自由擴散，這樣既能明顯縮短采集時間，也有利于b值的統一，還能提高病變鑒別的敏感性。

2.4 參數可重復性與再現性

可重復性是指不同操作者用相同方法所得結果的一致性，反映受試者間差異；再現性指相同操作者用相同方法在不同時間所得結果，反映受試者內差異。

D*在肝轉移瘤及正常肝實質的波動范圍最大[21]，即可重復性最差，而D穩定性最好[22-23]；D*標準差(standard deviation，SD)明顯大于f與D，甚至有時SD超過平均值[23-24]。上述現象有以下幾點原因：選擇的算法不同，如前所述BP所得穩定性最高，而LM、SC等穩定性差；相對于正常組織，病變特別是腫瘤內成分的不均勻性及血管分布存在差異，或對于乏血供病變，測量其灌注參數的準確性低；有些掃描過程會出現擴散加權成像與參數圖不匹配或配準錯誤的現象[4，12]，從而導致計算失誤；ROI放置及體素選取方式的不同、有無血管“污染”也會對結果產生顯著影響[4，25]。雖然灌注效應確實存在，但其相關參數，特別是D*，穩定性明顯差于D與ADC，D與ADC可作為可靠指標用于研究間的再現。

2.5 參數意義

D較ADC剔除了灌注效應的影響，能更直觀反映細胞密度及水分子運動，如前列腺癌D顯著低于良性病變，符合腫瘤組織內細胞高度致密的特點。多數研究中D對于良惡性鑒別的診斷效能優于ADC，然而也有研究認為D并不優于甚至差于ADC[12，24]。

D*與f為灌注相關參數，理論上它們具有相關性或一致性，但反映的側重點不同，D*與毛細血管長度及血流速度有關，f反映血流占總體擴散效應的百分比，故它們可能出現不相關性甚至矛盾的現象，這在以下研究中得到了證實。

鼻咽癌D*明顯高于腺樣體，反映了惡性腫瘤富血供，然而前者f低于后者[26]。f受回波時間(echo time，TE)影響，TE越大則f越大；此外還與組織T2弛豫時間有關，鼻咽癌T2弛豫明顯小于腺樣體，該效應在弛豫小于血液的器官中更加明顯，故所得f并非“真f”，“真f”需經T2校正才能獲得，然而尚未有“真f”的報道。

肝硬化引起門脈血流減少會導致灌注下降，然而在一項研究中，正常組D*、f分別高于、低于肝硬化組，推測與門脈血流減少引起肝動脈代償性擴張，致其血流量反應性增高有關，也與肝硬化時小葉結構的重塑對肝血流的影響更大有關[27]。上述研究說明病變所在臟器的變化，即本底或背景不同，如肝硬化、脂肪含量的變化、慢性胰腺炎等也會對參數產生影響[28-30]。

Yamada等[31]最初將IVIM用于肝臟，囊腫f為0，但之后其他學者的研究中出現了囊腫f不為0，即有“灌注”的現象[12，32]，這一方面與使用b值及MR設備的發展有關，Yamada等采用4個b值，僅有一個低b值，且未對D*進行探討，圖像質量及軟件處理也遜于現今；另外在信號采集期間，囊腫周圍肝組織由于呼吸運動對其造成的相對慣性沖擊力被“捕捉”，在后處理時出現了體素“污染”，說明囊腫易受呼吸運動及血流形式的影響，也從側面證實了灌注參數的不穩定。

f不僅與血流，還與其他形式的流動現象有關，如腺體及顆粒的分泌、流動方式、彌散方向等[14，16]，即f還包含了非血流成分，這可部分解釋f與D*的“失匹配”。

在肝癌及肝轉移瘤的療效評價研究中[33-34]，肝癌有效組f明顯升高，與索拉菲尼降低血管滲漏及增加血管基膜厚度有關；肝轉移瘤有效組f明顯下降，與貝伐單抗抑制血管生成、腫瘤血管退化有關。這些研究的不足在于病例數偏少、研究間隔不夠長，且病種及藥物均不同。確切機制尚不清楚，需進行更多的研究。相對于f與D*，兩者的乘積fD*似乎更有應用價值、穩定性更高[35-36]，但若出現f與D*的失匹配，則fD*的應用價值有待更多的研究證實。

由于D*穩定性差，理論上若同時測定穩定性相對較好的擴散參數D和灌注參數f應該有助于疾病的診斷或鑒別診斷。然而，目前專門針對運用D和f來進行的研究并不多，僅在少數學者的研究中有所體現，例如酒精性脂肪肝的診斷、軟組織黏液樣與非黏液樣腫瘤的鑒別、個別病變放療后的評價、腦膠質瘤高低級別的判斷等[37-40]。由于各研究結果間尚存在差異，且針對此目的的研究尚不具系統性，故目前仍未在該領域獲得統一的認識，但這為IVIM的后續研究提供了新的研究方向與思路，也許能挖掘IVIM更多的應用價值與潛能。隨著研究的廣泛性及對照性研究的多樣性，IVIM后續的深入研究定能在此方面有所突破。

2.6 IVIM與其他研究的結合及灌注參數的準確性

由于IVIM灌注參數的穩定性差，故參數準確性的高低是衡量其效用的另一方面，這引起了學者的廣泛關注。

IVIM結合其他的灌注成像方法是目前研究熱點之一，包括動態磁敏感對比成像(dynamic susceptibility contrast-enhanced，DSC)、動態對比增強(dynamic contrast-enhanced，DCE)、動脈自旋標記(arterial spin labeling，ASL)、彈力成像等[40-42]，其應用領域包括肝臟、胸部、盆腔、顱腦、頭頸部的腫瘤、慢性病變和代謝性疾病等。研究者通過對上述方法進行對比與分析，進一步量化并衡量了灌注參數的準確性。目前，大部分研究顯示IVIM灌注參數與其所測得的結果存在不同程度的正相關性，體現了它們之間的一致性，例如腦膠質瘤級別的高低與D*、f和ASL有關，頭面部鱗癌的f和DCE的血流分數具有相同的變化趨勢，說明IVIM灌注參數具備一定的準確性，但上述各方法所得的參數標準差均較大，說明各灌注指標間的波動性仍較大；然而少數研究結果則顯示IVIM與它們并無相關性[43-44]，有學者推測這可能是IVIM與DSC、DCE、ASL等的區別不僅在于采集模型的不同，還在于后三者僅受灌注因素影響，即它們的差異既與作用機制不同有關，也與是否摻雜非灌注因素有關[45]。因此，總體來說，IVIM灌注參數的準確性得到了多數研究的支持。IVIM與其他成像方法的結合仍會是目前及今后的研究熱點與趨勢。

IVIM在最近10年得到了密切關注[20]。理論上IVIM可用于任何活的生物體，從病理生理角度看，比ADC更貼近實際，在療效評估、病變分級及病灶檢出率等方面能提供更多信息，較ADC更有價值。因此，有學者建議用IVIM替代ADC，然而IVIM在參數算法、掃描方式、參數意義等方面仍未“標準化”，且灌注參數穩定性差也是其局限性之一，這些是IVIM需解決的關鍵問題。在后續研究中，對上述方面加以規范，會為日后的臨床及科研帶來更大的效益。

[References]

[1] Le BD, Breton E, Lallemand D, et al. MR imaging of intravoxel incoherent motions: application to diffusion and perfusion in neurologic disorders. Radiology, 1986, 161(2): 401-407.

[2] Barbieri S, Donati OF, Froehlich JM, et al. Comparison of intravoxel incoherent motion parameters across MR imagers and field strengths:evaluation in upper abdominal organs. Radiology, 2016, 279(3):784-794.

[3] Orton MR, Collins DJ, Koh D, et al. Improved intravoxel incoherent motion analysis of diffusion weighted imaging by data driven Bayesian modeling. Magnet Reson Med, 2014, 71(1): 411-420.

[4] Kakite S, Dyvorne H, Besa C, et al. Hepatocellular carcinoma: shortterm reproducibility of apparent diffusion coefficient and intravoxel incoherent motion parameters at 3.0 T. Magn Reson Imaging, 2015,41(1): 149-156.

[5] Rosenkrantz AB, Oei M, Babb JS, et al. Diffusion-weighted imaging of the abdomen at 3.0 Tesla: image quality and apparent diffusion coefficient reproducibility compared with 1.5 Tesla. Magn Reson Imaging, 2011, 33(1): 128-135.

[6] Colagrande S, Mazzoni LN, Mazzoni E, et al. Effects of gadoxetic acid on quantitative diffusion-weighted imaging of the liver. Magn Reson Imaging, 2013, 38(2): 365-370.

[7] Choi JS, Kim M, Choi J, et al. Diffusion-weighted MR imaging of liver on 3.0 Tesla system: effect of intravenous administration of gadoxetic acid disodium. Eur Radiol, 2010, 20(5): 1052-1060.

[8] Lee Y, Lee SS, Kim N, et al. Intravoxel incoherent motion diffusionweighted MR imaging of the liver: effect of triggering methods on regional variability and measurement repeatability of quantitative parameters. Radiology, 2015, 274(2): 405-415.

[9] Dyvorne HA, Galea N, Nevers T, et al. Diffusion-weighted imaging of the liver with multiple b values: effect of diffusion gradient polarity and breathing acquisition on image quality and intravoxel incoherent motion parameters-a pilot study. Radiology, 2013, 266(3):920-929.

[10] Shan Y, Zeng MS, Liu K, et al. Comparison of free-breathing with navigator-triggered technique in diffusion weighted imaging for evaluation of small hepatocellular carcinoma: effect on image quality and intravoxel incoherent motion parameters. J Comput Assist Tomo,2015, 39(5): 709-715.

[11] Jerome NP, Orton MR, D'Arcy JA, et al. Comparison of freebreathing with navigator-controlled acquisition regimes in abdominal diffusion-weighted magnetic resonance images: Effect on ADC and IVIM statistics. Magn Reson Imaging, 2014, 39(1): 235-240.

[12] Watanabe H, Kanematsu M, Goshima S, et al. Characterizing focal hepatic lesions by free-breathing intravoxel incoherent motion MRI at 3.0 T. Acta Radiol, 2014, 55(10): 1166-1173.

[13] Hollingsworth KG, Lomas DJ. Influence of perfusion on hepatic MR diffusion measurement. NMR in Biomedicine, 2006, 19(2): 231-235.

[14] Kwee TC, Takahara T, Niwa T, et al. Influence of cardiac motion on diffusion-weighted magnetic resonance imaging of the liver. Magn Reson Mater Phy, 2009, 22(5): 319-325.

[15] Schmid-Tannwald C, Jiang Y, Dahi F, et al. Diffusion-weighted MR imaging of focal liver lesions in the left and right lobes. Acta Radiol,2013, 20(4): 440-445.

[16] Cohen AD, Schieke MC, Hohenwalter MD, et al. The effect of low b-values on the intravoxel incoherent motion derived pseudodiffusion parameter in liver. Magnet Reson Med, 2015, 73(1): 306-311.

[17] Gurney-Champion OJ, Froeling M, Klaassen R, et al. Minimizing the acquisition time for intravoxel incoherent motion magnetic resonance imaging acquisitions in the liver and pancreas. Invest Radiol, 2016,51(4): 211-220.

[18] Dyvorne H, Jajamovich G, Kakite S, et al. Intravoxel incoherent motion diffusion imaging of the liver: Optimal b-value subsampling and impact on parameter precision and reproducibility. Eur Radiol,2014, 83(12): 2109-2113.

[19] Ter Voert EE, Delso G, Porto M, et al. Intravoxel incoherent motion protocol evaluation and data quality in normal and malignant liver tissue and comparison to the literature. Invest Radiol, 2016, 51(2):90-99.

[20] Iima M, Le BD. Clinical intravoxel incoherent motion and diffusion MR imaging: Past, present, and future. Radiology, 2016, 278(1):13-32.

[21] Andreou A, Koh DM, Collins DJ, et al. Measurement reproducibility of perfusion fraction and pseudodiffusion coefficient derived by intravoxel incoherent motion diffusion-weighted MR imaging in normal liver and metastases. Eur Radiol, 2013, 23(2): 428-434.

[22] Chandarana H, Kang SK, Wong S, et al. Diffusion-weighted intravoxel incoherent motion imaging of renal tumors with histopathologic correlation. Invest Radiol, 2012, 47(12): 688-696.

[23] Yoon JH, Lee JM, Yu MH, et al. Evaluation of hepatic focal lesions using diffusion-weighted MR imaging: Comparison of apparent diffusion coefficient and intravoxel incoherent motion-derived parameters. Magn Reson Imaging, 2014, 39(2): 276-285.

[24] Doblas S, Wagner M, Leitao HS, et al. Determination of malignancy and characterization of hepatic tumor type with diffusion-weighted magnetic resonance imaging: comparison of apparent diffusion coefficient and intravoxel incoherent motion-derived measurements.Invest Radiol, 2013, 48(10): 722-728.

[25] Dijkstra H, Baron P, Kappert P, et al. Effects of microperfusion in hepatic diffusion weighted imaging. Eur Radiol, 2012, 22(4): 891-899.[26] Zhang S, Jia Q, Zhang Z, et al. Intravoxel incoherent motion MRI:emerging applications for nasopharyngeal carcinoma at the primary site. Eur Radiol, 2014, 24(8): 1998-2004.

[27] Luciani A, Vignaud A, Cavet M, et al. Liver cirrhosis: intravoxel incoherent motion MR imaging-pilot study. Radiology, 2008, 249(3):891-899.

[28] Guiu B, Petit JM, Capitan V, et al. Intravoxel incoherent motion diffusion-weighted imaging in nonalcoholic fatty liver disease: a 3.0 T MR study. Radiology, 2012, 265(1): 96-103.

[29] Parente DB, Paiva FF, Oliveira Neto JA, et al. Intravoxel incoherent motion diffusion weighted MR imaging at 3.0 T: assessment of steatohepatitis and fibrosis compared with liver biopsy in type 2 diabetic patients. PLoS One, 2015, 10(5): e125653.

[30] Klauss M, Lemke A, Grunberg K, et al. Intravoxel incoherent motion MRI for the differentiation between mass forming chronic pancreatitis and pancreatic carcinoma. Invest Radiol, 2011, 46(1):57-63.

[31] Yamada I, Aung W, Himeno Y, et al. Diffusion coefficients in abdominal organs and hepatic lesions: evaluation with intravoxel incoherent motion echo-planar MR imaging. Radiology, 1999,210(3): 617-623.

[32] Moteki T, Horikoshi H. Evaluation of hepatic lesions and hepatic parenchyma using diffusion-weighted echo-planar MR with three values of gradient b-factor. Magn Reson Imaging, 2006, 24(3):637-645.

[33] Lewin M, Fartoux L, Vignaud A, et al. The diffusion-weighted imaging perfusion fraction f is a potential marker of sorafenib treatment in advanced hepatocellular carcinoma: a pilot study. Eur Radiol, 2011, 21(2): 281-290.

[34] Granata V, Fusco R, Catalano O, et al. Early assessment of colorectal cancer patients with liver metastases treated with antiangiogenic drugs: the role of intravoxel incoherent motion in diffusion-weighted imaging. PLoS One, 2015, 10(11): e142876.

[35] Yu XP, Hou J, Li FP, et al. Intravoxel incoherent motion diffusion weighted magnetic resonance imaging for differentiation between nasopharyngeal carcinoma and lymphoma at the primary site. J Comput Assist Tomo, 2016, 40(3): 413-418.

[36] Federau C, O'Brien K, Birbaumer A, et al. Functional mapping of the human visual cortex with intravoxel incoherent motion MRI. PLoS One, 2015, 10(2): e117706.

[37] Guiu B, Petit JM, Capitan V, et al. Intravoxel incoherent motion diffusion-weighted imaging in nonalcoholic fatty liver disease: a 3.0 T MR study. Radiology, 2012, 265(1): 96-103.

[38] Zhou N, Chu C, Dou X, et al. Early evaluation of irradiated parotid glands with intravoxel incoherent motion MR imaging: correlation with dynamic contrast-enhanced MR imaging. BMC Cancer, 2016,16(1): 865.

[39] Marzi S, Stefanetti L, Sperati F, et al. Relationship between diffusion parameters derived from intravoxel incoherent motion MRI and perfusion measured by dynamic contrast-enhanced MRI of soft tissue tumors. NMR Biomed, 2016, 29(1): 6-14.

[40] Lin Y, Li J, Zhang Z, et al. Comparison of intravoxel incoherent motion diffusion-weighted MR imaging and arterial spin labeling MR imaging in gliomas. Biomed Res Int, 2014, 2015: 1-10.

[41] Fujima N, Yoshida D, Sakashita T, et al. Intravoxel incoherent motion diffusion-weighted imaging in head and neck squamous cell carcinoma: assessment of perfusion-related parameters compared to dynamic contrast-enhanced MRI. Magn Reson Imaging, 2014,32(10): 1206-1213.

[42] Federau C, O'Brien K, Meuli R, et al. Measuring brain perfusion with intravoxel incoherent motion (IVIM): Initial clinical experience.Magn Reson Imaging, 2014, 39(3): 624-632.

[43] Wang LL, Lin J, Liu K, et al. Intravoxel incoherent motion diffusionweighted MR imaging in differentiation of lung cancer from obstructive lung consolidation: comparison and correlation with pharmacokinetic analysis from dynamic contrast-enhanced MR imaging. Eur Radiol, 2014, 24(8): 1914-1922.

[44] Patel J, Sigmund EE, Rusinek H, et al. Diagnosis of cirrhosis with intravoxel incoherent motion diffusion MRI and dynamic contrastenhanced MRI alone and in combination: Preliminary experience.Magn Reson Imaging, 2010, 31(3): 589-600.

[45] Hectors SJ, Wagner M, Besa C, et al. Intravoxel incoherent motion diffusion-weighted imaging of hepatocellular carcinoma: Is there a correlation with flow and perfusion metrics obtained with dynamic contrast-enhanced MRI?. Magn Reson Imaging, 2016, 44(4):856-864.

The technology progression of intravoxel incoherent motion on biexponential model

LUO Ma, ZHANG Wei-dong*
Department of Radiology, Sun Yat-sen University Cancer Center, Guangzhou 510060,China
*Correspondence to: Zhang WD, E-mail: zhangwd@sysucc.org.cn

Intravoxel incoherent motion (IVIM) is a quantitative method that can be used to noninvasively distinguish tissue diffusivity from perfusion related-diffusion by multiple b values sampling on diffusion-weighted imaging. IVIM biexponential model has not only attracted broad attention, but also been applied in the researches of disease diagnosis and differentiation, evaluation or prediction of therapeutic effect,lesion staging or grading and combination of other imaging patterns. The current research situations and progresses on technology, such as scanning methods, the choice of b value, the repeatability and significance of parameters, and the accuracy of perfusion-related parameters, are mainly discussed in this article.

Intravoxel incoherent motion; Biexponential model; Magnetic resonance imaging

24 Nov 2016, Accepted 22 Mar 2017

張衛東，E-mail：zhangwd@sysucc.org.cn

2016-11-24

接受日期：2017-03-22

R445.2；R-331

A

10.12015/issn.1674-8034.2017.04.006

羅馬, 張衛東. 體素內不相干運動雙指數模型的技術現況. 磁共振成像, 2017,8(4): 265-269.