采用弥散张量成像（DTI）技术以尝试显示视觉通路的主要部分。目标是使用经美国食品药品监督管理局（FDA）批准的标准商用工作站，该工作站可用于日常常规操作，以期减少患者术后对视觉通路的损伤。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
本文内容
摘要
摘要
弥散张量成像（DTI）是一种利用弥散测量在健康与非健康患者中无创识别白质纤维束（WMT）的技术。与视觉通路（VP）类似，WMT在传统MRI或术中显微镜下均不可见。DTI可帮助神经外科医生在切除邻近该WMT的病变时避免损伤视觉通路。我们在2012年3月至2014年1月期间，对五十名患者在术前和术后均进行了DTI检查。导航时我们采用3DT1加权序列，此外还进行了T2加权和DTI序列扫描。扫描参数如下：视野（FOV）：200 × 200 mm，层厚：2 mm，采集矩阵：96 × 96，获得接近各向同性的体素，大小为2 × 2 × 2 mm。轴向MRI采用32个梯度方向和一个b0图像进行扫描。我们使用了回波平面成像（EPI）技术，并结合ASSET并行成像，加速因子为2，b值为800 s/mm²。扫描时间少于9分钟。
所获取的DTI数据采用经美国食品药品监督管理局（FDA）批准的外科导航系统程序进行处理，该程序使用一种称为“连续追踪纤维分配”（FACT）的直接纤维追踪方法。该方法基于由医生定义的兴趣区域（ROI）之间路径线的传播。纤维束成像所使用的参数包括最大角度50度、FA起始值0.10以及ADC终止值0.20 mm²/s。
该技术存在一些局限性。有限的采集时间会制约图像质量，需要在二者之间进行权衡。另一个不容忽视的重要因素是术中脑移位。对此，术中磁共振成像可能有所帮助。此外，还需考虑出现假阳性或假阴性纤维束的风险，这可能会影响最终结果。
引言
弥散张量成像（DTI）可用于无创地描绘人脑中的白质通路（WMT）1。在过去十年中，该技术已被用于降低手术过程中损伤脑部重要功能区的风险1。
2012年3月至2014年1月期间，对五十名患者进行了弥散张量成像（DTI），以描绘视觉通路。DTI可通过提供关于白质纤维束解剖位置的重要信息，有助于在手术过程中更好地保护脑部功能区。该技术已被纳入复杂脑部病变切除术的战略规划中1。然而，视觉通路的描绘仍具挑战性，因为目前尚无DTI参数、种子区体积放置及结果解读的统一标准12。
迄今为止已实施了多种算法19-21。一些方法集中于确定性方法19, 22-25，另一些则采用概率性方法26,27,29。近年来，利用Q球张量场、扩散谱成像以及高角分辨率扩散成像（HARDI）的技术被用于描绘白质纤维束，包括视觉通路1,13-15,18。然而，HARDI所需的扫描时间显著更长，约为45分钟，相关软件尚未商业化，主要侧重于科研应用18。与DTI相比，HARDI的学习周期似乎也更长18。
本方案易于实施，可用于神经外科手术的日常常规操作，以避免并发症并改善术后效果。该方案额外所需时间少于9分钟，显著快于其他方案1,9,12,16。尽管近年来已开发出许多复杂的算法，本文仅限于使用一种 commercially available 且经 FDA 批准的软件。然而，必须充分考虑上述该技术的局限性。
访问受限。请登录或开始试用以查看此内容。
方案
注意：本方案遵循卢森堡卢森堡中心医院的指导方针。
1. 神经外科手术及随访中视觉通路扩散张量成像的制备
- 手术前至少一天进行 MRI 扫描，严格采用轴向扫描，使用 32 个梯度方向和一个 b0 图像。在任何时候都需与神经放射科部门保持密切联系。
注意：需明确告知神经放射科医生，术后图像应与术前图像保持一致。 - 使用 3 特斯拉 MRI 进行 3DT1 加权成像和 DTI 序列扫描。手术后也需进行 3DT1 加权序列扫描。
2. 使用规划工作站
- 将T2加权、3DT1加权和DTI序列扫描数据转换为医学数字成像和通信（DICOM）格式。此过程最多需要7分钟。
注意：在所有序列传输完成前，请勿中止该操作。可根据手术日期选择暂停并在之后继续。 - 打开手术导航系统程序。点击“文件”，然后选择“导入DICOM”。对上述所有三个序列重复此操作三次。
- 点击“添加到视图”，每个序列需单独添加。请勿尝试直接进入“视图”。
- 点击“工具”，打开DTI张量准备界面。此时屏幕中央将出现一个新窗口。
- 完成以下四个步骤。
- 第一步执行梯度分配。
- 在窗口右下角将b值从1,000调整为800 s/mm²。
- 在窗口右上角调整阈值。可通过手动输入数值或移动滑块进行调节。20可能是一个可接受的值，但具体数值取决于个人经验，并非强制要求。
- 第二步执行梯度配准。
- 点击“All Auto”按钮。此过程最多需要5分钟。
- 点击“验证所有配准”。未完成配准验证前无法继续下一步。
- 第三步执行图像共配准。
- 手动对MR1与b0 MR2图像进行共配准，最后点击“验证所有配准”。
注意：此步骤可自动执行，但最终结果可能并非始终令人满意。
- 手动对MR1与b0 MR2图像进行共配准，最后点击“验证所有配准”。
- 第四步也是最后一步，执行张量计算。
- 确保FA / DEC / ADC选项已开启。若未开启，请点击“开启”。
- 点击“计算”。此过程仅需数秒即可完成。
- 第一步执行梯度分配。
- 保存所有数据后，继续进行纤维束追踪。在未完全保存前请勿中止操作。
3. 纤维追踪
注意：视觉通路的解剖学知识对于获得成功结果至关重要。
- 准备确定纤维必须穿过的三个重要位置。
- 利用解剖学知识确定视交叉。
- 使用感兴趣区域（ROI）作为起点，使纤维穿过。ROI 由医师定义。
- 或者，对可疑区域进行分割。点击左下角的“分割”（Segmentation），另一个窗口将出现。分割区域为解剖学上定义的区域。
- 手动绘制该区域。上下滚动以包含整个视交叉。保存操作并返回。
- 可从感兴趣区域、分割区域或两者同时开始追踪纤维。
- 纤维到达外侧膝状体（LGN），这是视觉通路的第二个重要点。最大角度为 50。若角度过高，错误纤维束的风险将增加。
- 可以对 LGN 进行分割（方法如视交叉所示），然后进行纤维追踪。在完成视交叉分割后，可追踪从 LGN 延伸至视交叉的纤维，或反之亦然。
- 分割视觉皮层。操作方式与视交叉相同。由于 3DT1 加权图像包含 160 个切片，此步骤可能需要一定时间。
- 从视觉皮层向 LGN 追踪纤维。也可从 LGN 向视觉皮层进行追踪。
- 如果视觉皮层被肿瘤或水肿侵犯，则使用感兴趣区域代替分割区域，并使纤维朝 LGN 方向延伸。
注意：若对水肿区域进行分割，其有时可能侵入视觉皮层，导致计算机无法区分两者，从而使视觉皮层无法被完整分割。因此有必要放置一个 ROI。 - 对另一侧半球重复上述所有步骤。
- 建议先从健康半球开始。
注意：也可以从另一侧开始，但先追踪健康半球的纤维有助于初步了解整体情况。这不是强制要求，仅为建议。
- 分割脑部病变区域及水肿区域。操作方法如上文 3.2.2 所述。
- 为每个分割区域或病灶分配不同颜色，以便更好区分。
- 每完成一步都应保存操作，以防意外情况或紧急事件发生。
- 将全部数据本地导出。虽然可直接导出至手术室，但不推荐此做法。
- 点击“文件”（File），然后选择“导出 3D 对象”（Export 3D-Objects）。请确保仅导出导航检查（Navigation Exam）数据。
- 不要导出混合检查（Hybrid Exam）数据。
- 进入 Cranial 系统。选择正确的患者，然后点击 Stealthmerge。选择 3DT1 加权图像作为参考检查。
- 创建 3D 模型并插入所有内容。
- 在手术室中导入数据。
访问受限。请登录或开始试用以查看此内容。
结果
本方案使医生能够充分描绘视辐射（VP）的主要部分。该方法可在较短时间内完成，有助于预防邻近功能区的脑部病变患者出现损伤。术后对照也显示出良好效果。患者接受胶质母细胞瘤手术后，其视辐射（VP）的成像如图7所示。图2展示了胶质母细胞瘤复发后的视辐射（VP）。作者认识到，该方案在描绘Meyer环方面仍存在困难，这依然是一个主要挑战。
图1. VP 1：手术前的胶质母细胞瘤。 肿瘤呈红色。水肿区域以紫色显示，金色表示VP。对侧VP的移位情况也已显示。
访问受限。请登录或开始试用以查看此内容。
讨论
弥散张量成像（DTI）是一种使神经外科医生能够在活体中可视化白质纤维束的技术in vivo8。视觉通路就是这些纤维束之一。尽管该方法为医生在处理涉及脑功能区病变患者的治疗方面提供了新的可能性，但我们必须指出，该技术仍存在一些局限性。第一个也是最明显的挑战是脑移位，这仍然是一个正在研究中的问题4。在打开硬脑膜、切除肿瘤或脑脊液流失后对脑组织进行操作时，术中条件已不同于术前。此外，DTI无法解决纤维交叉或吻合的问题，也无法准确判断纤维的起源和终止点，从而产生多种伪影和错误的纤维束轨迹1-3。另一个问题是，在扩散受到干扰的区域（例如由于肿瘤或瘤周水肿）中纤维的分辨率问题22。由于部分容积伪影，一个体素内方向不同的细小纤维束将无法被成像28。假阳性与假阴性纤维束的可能性应始终被考虑在内，结果可能因此受到影响。其他算法已能够更完整地显示视觉通路（VP），但迄今为止尚无国际标准化的视觉通路描绘流程，这可能进一步造成混淆。本方案中，梅耶环（Meyer loop）的显示仍是一个挑战。另一个可能的局限性在于鲍姆环（Baum lo...
访问受限。请登录或开始试用以查看此内容。
披露
作者声明不存在任何竞争性经济利益。
致谢
我们谨向整个神经放射科表示感谢。我们谨向Lis Prussen致以谢意，感谢她在图书馆的工作。
访问受限。请登录或开始试用以查看此内容。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| 3-特斯拉磁共振成像（3-Tesla-MRI） | 通用电气（General Electric） | Signa LX 版本 9.1 | |
| 手术导航系统程序 | 美敦力（Medtronic） | 9734478 | |
| 手术导航系统程序 | 美敦力（Medtronic） | 4500810331 20016318 |
参考文献
- Fernandez-Miranda, J. C., et al. High-Definition Fiber Tractography of the Human Brain: Neuroanatomical Validation and Neurosurgical Applications. Neurosurgery. 71 (2), 430-453 (2012).
- Alexander, D. C., Barker, G. J. Optimal imaging parameters for fiber-orientation estimation in diffusion MRI. Neuroimage. 27 (2), 357-367 (2005).
- Le Bihan, D., Poupon, C., Amadon, A., Lethimonnier, F. Artifacts and pitfalls in diffusion MRI. J Magn Reson Imaging. 24 (3), 478-488 (2006).
- Abdullah, K. G., Lubelski, D., Nucifora, P. G., Brem, S. Use of diffusion tensor imaging in glioma resection. Neurosurg Focus. 34 (4), (2013).
- Ota, T., Kawai, K., Kamada, K., Kin, T., Saito, N. Intraoperative monitoring of cortically recorded visual response for posterior visual pathway. J Neurosurg. 112, 285-294 (2010).
- Gras-Combe, G., Moritz-Gasser, S., Herbet, G. Intraoperative subcortical electrical mapping of optic radiations in awake surgery for glioma involving visual pathways. J Neurosurg. 117 (3), 466-473 (2012).
- Maruyama, K., et al. Optic radiation tractography integrated into simulated treatment planning for Gamma Knife surgery. J Neurosurg. 107, 721-726 (2007).
- Bérubé, J., McLaughlin, N., Bourgouin, P., Beaudoin, G., Bojanowski, M. W. Diffusion tensor imaging analysis of long association bundles in the presence of an arteriovenous malformation. J Neurosurg. 107 (3), 509-514 (2007).
- Sun, G. C., et al. Intraoperative High-Field Magnetic Resonance Imaging Combined With Fiber Tract Neuronavigation-Guided Resection of Cerebral Lesions Involving Optic Radiation. Neurosurgery. 69 (5), 1070-1084 (2011).
- Kamada, K., et al. Functional Monitoring For Visual Pathway Using Real-Time Visual Evoked Potentials Aand Optic-Radiation Tractography. Neurosurgery. 57 (1 Suppl), 121-127 (2005).
- Wu, W., Rigolo, L., O'Donnell, L. J., Norton, I., Shriver, S., Golby, A. J. Visual Pathway Study Using In Vivo Diffusion Tensor Imaging Tractography to Complement Classic Anatomy. Neurosurgery. 70 (1 Suppl Operative), 145-156 (2012).
- Stieglitz, L. H., Lüdemann, W. O., Giordano, M., Raabe, A., Fahlbusch, R., Samii, M. Optic Radiation Fiber Tracking Using Anteriorly Angulated Diffusion Tensor Imaging: A Tested Algorithm for Quick Application. Neurosurgery. 68 (5), 1239-1251 (2011).
- Hodaie, M., Quan, J., Chen, D. Q. In Vivo Visualization of Cranial Nerve Pathways in Humans Using Diffusion-Based Tractography. Neurosurgery. 66 (4), 788-795 (2010).
- Perrin, M., et al. Fiber tracking in Q-ball fields using regularized particle trajectories. Inf Process Med Imaging. 19, 52-63 (2005).
- Wedeen, V. J., et al. Diffusion spectrum magnetic resonance imaging (DSI) tractography of crossing fibers. Neuroimage. 41 (4), 1267-1277 (2008).
- Yamamoto, A. Diffusion Tensor Fiber Tractography of the Optic Radiation: Analysis with 6-, 12-, 40-, and 81- Directional Motion-Probing Gradients, a Preliminary Study. AJNR Am J Neuroradiol. 28 (1), 92-96 (2007).
- Okada, T., et al. Diffusion Tensor Fiber Tractography for Arteriovenous Malformations: Quantitative Analyses to Evaluate the Corticospinal Tract and Optic Radiation. AJNR Am J Neuroradiol. 28 (6), 1107-1113 (2007).
- Kuhnt, D., Bauer, M. H., Sommer, J., Merhof, D., Nimsky, C. Optic Radiation Fiber Tractography in Glioma Patients Based on High Angular Resolution Diffusion Imaging with Compressed Sensing Compared with Diffusion Tensor Imaging - Initial Experience. PLoS One. 8 (7), e70973(2013).
- Basser, P. J., Pajevic, S., Pierpaoli, C., Duda, J., Aldroubi, A. In vivo fiber tractography using DT-MRI data. Magn Reson Med. 44 (4), 625-632 (2000).
- Friman, O., Farneback, G., Westin, C. F. A Bayesian approach for stochastic white matter tractography. IEEE Trans Med Imaging. 25 (8), 965-978 (2006).
- Mori, S., van Zijl, P. C. Fiber tracking: principles and strategies - a technical review. NMR Biomed. 15 (7-8), 468-480 (2002).
- Alexander, D. C., Barker, G. J., Arridge, S. R. Detection and modeling of non-Gaussian apparent diffusion coefficient profiles in human brain data. Magn Reson Med. 48 (2), 331-340 (2002).
- Mori, S., Crain, B. J., Chacko, V. P., van Zijl, P. C. Three-dimensional tracking of axonal projections in the brain by magnetic resonance imaging. Ann Neurol. 45, 265-269 (1999).
- Conturo, T., et al. Tracking neuronal fiber pathways in the living human brain. Proc Natl Acad Sci U S A. 96, 10422-10427 (1999).
- Poupon, C., et al. Regularization of diffusion-based direction maps for the tracking of brain white matter fascicles. Neuroimage. 12, 184-195 (2000).
- Parker, G. J., Haroon, H. A., Wheeler-Kingshott, C. A. A framework for a streamline-based probabilistic index of connectivity (PICo) using a structural interpretation of MRI diffusion measurements. J Magn Reson Imaging. 18, 242-254 (2003).
- Behrens, T. E., et al. Non-invasive mapping of connections between human thalamus and cortex using diffusion imaging. Nat Neurosci. 6, 750-757 (2003).
- Reinges, M. H., Schoth, F., Coenen, V. A., Krings, T. Imaging of postthalamic visual fiber tracts by anisotropic diffusion weighted MRI and diffusion tensor imaging: principles and applications. European Journal of Radiology. 49, 91-104 (2004).
- Sherbondy, A. J., Dougherty, R. F., Napel, S., Wandell, B. A. Identifying the human optic radiation using diffusion imaging and fiber. J. Vis. 8 (10), (2008).
访问受限。请登录或开始试用以查看此内容。
重印与许可
