腦部氫原子磁振頻譜 1 H MR Spectroscopy 鍾孝文教授台大電機系三軍總醫院放射線部
先回顧一下 MRI Bo 水 水 信號頻率 = 63.87 MHz
氫原子核單一共振頻率? 看似單一頻率 放大數百倍之後... 頻率 同是氫原子核卻有許多不同頻率
許多隱藏的訊息 任何氫原子核都可能給信號! 頻譜上的 小尖峰 除了水之外的其他成份氫原子核
為什麼不同成份頻率不同? 化學環境不同 鍵結的原子不一樣 電子雲遮蔽效應使磁場削弱 化學位移 (chemical shift)
Chemical Shift 化學位移現象 O H C H 氧原子吸引電子雲使氫原子的遮蔽效應較低 電子雲的磁場遮蔽效應
最明顯的例子 水 (O-H) 與脂肪 (-CH 2 -) -CH 2 - 上的氫核旋進較慢 頻率相差 3.5 ppm (220 Hz at 1.5T)
質子在腿部的 MR 頻譜 水 H 2 O 脂肪 -CH 2 - 水與脂肪的共振頻率不同 ppm
隱藏小尖峰所提供的訊息 化學環境 共振頻率 (ok) 尖峰頻率 氫的化學環境?? 氫的化學環境 化學成份?? 尖峰高矮 成份多寡??
質子在腿部的 MR 頻譜 水 H 2 O 脂肪 -CH 2 - 水與脂肪可以相對定量了! ppm
首先... 其實這就是核磁共振頻譜 (NMR) 天天在做的事情之一 如果能得知人體內化學成份的分佈 多寡 變化...??
我們先誇張地想像一下 解剖結構腦部功能障礙生理及病理狀態生物化學反應細胞內部活性治療方式 神奇的透視鏡 相信是許多人的夢想
夢想的 大約 實現方式 綜合式的 MRI/MRS 檢測
MRS 的最重要目的 提供一部份體內生化反應的訊息 幫助診斷, 幫助瞭解病因, 幫助 持續監督療效
腦中所看得到的成份 氫原子核頻譜 ( 1 H MRS) NAA Cr Cho Lac... mi Glu Gln GABA...
正常人腦部看得到的 1 H 頻譜成份 NA Cho Cr Cr mi NA Glx Glx 4 3 2 1 0 ppm
正常人腦部看得到的 1 H 頻譜成份 NA Cho Cr Cr mi NA Glx Glx 4 3 2 1 0 ppm
N-acetylaspartate (NAA) 2.0 ppm NAA : a neuronal marker
NAA 一種 neuronal marker 至今其作用仍不得而知 但是只要神經細胞還活著就有它 看不到 NAA 區域死得差不多了
正常人腦部看得到的 1 H 頻譜成份 NA Cho Cr Cr mi NA Glx Glx 4 3 2 1 0 ppm
Creatine/Phosphocreatine (Cr/PCr) 3.0 ppm 磷酸根的提供者
Cr Phosphocreatine 是 ADP 轉為 ATP 時所需磷酸根的提供者 ATP : 細胞代謝的能量來源 Cr 與細胞代謝能量息息相關
正常人腦部看得到的 1 H 頻譜成份 NA Cho Cr Cr mi NA Glx Glx 4 3 2 1 0 ppm
Choline (Cho) 3.2 ppm 神經傳導物質 acetylcholine 及其他
Cho 含於 acetylcholine ( 乙醯膽鹼 ) 及 phosphocholine 等成份之中 Myelin sheath 崩解與 membrane turnover 的產物
正常人腦部看得到的 1 H 頻譜成份 NA Cho Cr Cr mi NA Glx Glx 4 3 2 1 0 ppm
Myo-inositol (mi) 3.56 ppm 荷爾蒙訊息傳送物的一種儲存形式
mi 荷爾蒙訊息傳送物的一種儲存形式 新生兒腦中相當多 隨腦部發育而減少
正常人腦部看得到的 1 H 頻譜成份 NA Cho Cr Cr mi NA Glx Glx 4 3 2 1 0 ppm
Glutamate (Glu) 2.10 ~ 2.45 ppm 刺激性神經傳導物質
Glutamine (Gln) 2.10 ~ 2.45 ppm Glutamate 的產物
Glu & Gln (Glx) Glu : 重要的刺激性神經傳導物質 Gln : Glu 反應後的產物, 負責 regulate glutamate 並與解毒有關 頻譜重疊故無法區分
正常人腦部看得到的 1 H 頻譜成份 NA Cr mi Cho Cr Lac 應在此成對出現 NA Glx Glx 4 3 2 1 0 ppm
Lactate 1.3 ppm 間隔 7 Hz 乳酸 : 無氧代謝的產物
Lac Lactic acid ( 乳酸 ) : 無氧代謝產物 正常人腦部不會出現 Lac 存在代表局部缺氧
Glucose 能量的主要來源
正常人腦部看得到的 1 H 頻譜成份 NA Cho Cr Cr mi NA Glx Glx 4 3 2 1 0 ppm
我知道重要性了 那麼如何得到頻譜?
單脈衝激發 RF t 擷取數據 RF G(slice) 擷取數據 t t
自旋迴訊單脈衝激發 RF 擷取數據 t RF G(slice) 擷取數據 t t
信號與頻譜 FID Fourier transform
MRS 的擷取方式 射頻脈衝激發 拿信號 傅立葉轉換 就這麼簡單??
MRS 的諸多細節 信雜比的考量 局部化與定位的需求 水與脂肪信號的抑制 Shimming Post-processing
MRS 的諸多細節 信雜比的考量 局部化與定位的需求 水與脂肪信號的抑制 Shimming Post-processing
信雜比 (SNR) 的考量 各化學成份的量極為微小 至少比水低上 10,000 倍! SNR 是 MRI 影像的 0.01% 需要多次激發以求平均 (64~128)
SNR 的考量 看似單一頻率 放大數百倍之後... 頻率 化學物質濃度低信號極為微弱
信雜比 (SNR) 的考量 例 : 128 次激發以求平均 TR = 2.0 sec, 掃瞄時間 ~ 4 分鐘 SNR 也只改進 11 倍而已 而且才只得到一個部位的頻譜
MRS 的諸多細節 信雜比的考量 局部化與定位的需求 水與脂肪信號的抑制 Shimming Post-processing
局部化的需求 (localization) 疾病本身當然未必整個腦袋都是 MRS 必須能定位在病灶上 並且也能定位在正常部位以資比較
腦中每個部位的代謝物組成 頻譜必須是 局部性 的
三度空間定位 只取中間體積內的信號 ( 頻譜 )
單脈衝激發 RF t 擷取數據 RF G(slice) 擷取數據 並未達到三度空間定位的目的 t t
自旋迴訊單脈衝激發 RF 擷取數據 t RF G(slice) 擷取數據 同樣並未達到三度空間定位的目的 t t
自旋迴訊的變化 RF G(z) 90 0 180 0 擷取數據 t t G(y) t 90 0 脈衝只激發 z 切面 180 0 脈衝只聚焦 y 切面
自旋迴訊頻譜 90 0 激發脈衝配合 z 梯度 所有信號只由一個切面出來 180 0 聚焦脈衝配合 y 梯度 只有兩個切面的交集才會聚焦
線 頻譜 z y x 已經進一步達到了局部化的要求
那麼如何做三度空間定位? 不是有 double echo 嗎? 多加一個 180 0 配合 x 梯度不就得了 第二個迴訊 (second echo) 只由三個切面的交集出來
利用第二個 echo 的自旋迴訊頻譜 RF G(z) 擷取數據 t t G(y) t G(x) 兩個 180 0 脈衝只聚焦 x 與 y 切面的交集 t
這下三度空間定位完成了 z 切面選擇 x y 1st echo 2nd echo 頻譜只由中間體積內產生
取個名字吧 Point-Resolved Spectroscopy PRESS 基本上是利用自旋迴訊的 2nd echo 作傅立葉轉換計算頻譜
Second echo 的特性 TE 無法太短太短 必然有些許 T2 衰減 看不到短 T2 的代謝物 如 Glutamate 等
利用 2nd Echo 的 PRESS 技術 RF G(z) 擷取數據 t t G(y) t G(x) TE 很難降到太短 t
解決之道 利用 first echo 只有 90 0 + 180 0 但是作三方向的切面選擇 把 180 0 分成兩半
自旋迴訊的變化 RF G(z) 90 0 180 0 擷取數據 t t G(y) t 90 0 脈衝只激發 z 切面 180 0 脈衝只聚焦 y 切面
把 180 0 脈衝分開 RF G(z) 90 0 90 0 90 0 擷取數據 t t G(y) t 和原來沒什麼不同
其中一個梯度改為 x 方向 RF G(z) 擷取數據 t t G(y) t G(x) 現在是三方向選擇了 t
再把 90 0 脈衝拉開些 RF G(z) 擷取數據 t t G(y) t G(x) t 一樣有 echo 只是聚焦得不是很道地
當然... 這種 echo 聚焦效果必然較差 但是產生原因是一個激發脈衝加兩個脈衝聯合聚焦的結果 信號較弱, 但 TE 較短
Echo 的名稱 Stimulated echo 刺激迴訊 特別注意 TE 的計算方式 TM : 頂多是 T1 弛緩 ( 比 T2 慢 )
TM 時段的弛緩 RF TE/2 TM TE/2 擷取數據 t z x y
Stimulated Echo 的形成 RF G(z) TE/2 TM TE/2 擷取數據 t t G(y) t G(x) t 一樣有 echo 只是聚焦得不是很道地
取個名字吧 Stimulated Echo Acquisition Mode (STEAM) 基本上是利用類似自旋迴訊的 1st echo 作傅立葉轉換計算頻譜
Stimulated Echo 的特性 TE 可以較短 看得到短 T2 的代謝物 對長 T2 代謝物而言 SNR 較差 因為聚焦不完全
順便提到短 T2 代謝物 短 T2 = 寬譜線 譜線寬 ~ 共振頻率分布廣 ~ 快速失 相 ~ 信號衰減 ~ 短 T2
N-acetylaspartate (NAA) : Long T2 2.0 ppm NAA : a neuronal marker
Cr/PCr : Long T2 3.0 ppm 磷酸根的提供者
Choline (Cho) : Long T2 3.2 ppm 神經傳導物質 acetylcholine 及其他
Lactate : Long T2 1.3 ppm 間隔 7 Hz 乳酸 : 無氧代謝的產物
Glutamate (Glu) : Short T2 2.10 ~ 2.45 ppm 刺激性神經傳導物質
Glutamine (Gln) : Short T2 2.10 ~ 2.45 ppm Glutamate 的產物
剛才提到短 T2 代謝物 短 T2 = 寬譜線 譜線寬 ~ 共振頻率分布廣 ~ 快速失相 ~ 信號衰減 ~ 短 T2 譜線寬 : 看起來像是基線不平??
TE 的效果 STEAM TE = 20
TE 的效果 STEAM TE = 135
TE 的影響 長 TE 頻譜 : 長 T2 ( 細線 ) 才看得到 頻譜反而比較乾淨 短 TE 頻譜 : 大部份成份都看得到 頻譜反而較雜亂, 難以清晰辨識
如果就是需要長 TE 頻譜 只想知道 NAA Cho Cr 的訊息 那為什麼不用 PRESS? SNR 比 STEAM 高
STEAM with TE = 135
PRESS with TE = 135
小結論 先根據病症猜測 TE 之選擇 是否需要看 Glu... 需要短 TE : STEAM 需要長 TE : PRESS
不論 STEAM 或 PRESS 統稱為 single-voxel spectroscopy ( 單一體素頻譜 ) Voxel = volume element 病灶做一次 正常部位做一次
解析度如何呢? 體積的選擇由三個切面構成 切面能切多細 體積就可以多小 但是受限於 SNR ( 正比於體積 ) Voxel 體積無法太小 ~ (2cm) 3
但是 MRS 的問題還沒結束 如何得到可靠的頻譜? 如何得到 可以看 的頻譜?
MRS 的諸多細節 信雜比的考量 局部化與定位的需求 水與脂肪信號的抑制 Shimming Post-processing
水分子信號太強了 水含量為生化成份的 10,000 倍以上 水中氫核濃度 : ~ 100 M 其他物質 (NAA) : < 1~10 mm 水的信號早就蓋過了頻譜
水含量遠大於生化成份的困擾 看似單一頻率 放大數百倍之後... 頻率 少量的生化訊息重疊在很大的背景之上
水分子 ( 溶劑 ) 抑制 Water (solvent) suppression 抑制水信號, 才能突顯其他成份 方式 : CHESS ( 似曾相識?) MR 影像中的 fat-sat 技術
CHESS 原理 水 脂肪 90 0 fat only RF t ppm G z G y t t G x t ppm 脂肪抑制 自旋迴訊
Fat-SAT 與 Water-SAT 同樣原理, 利用頻率的不同 Chemical shift selective 只激發水信號, 儘量不動到脂肪 開強梯度使激發後的水信號飽和
脂肪抑制 與 水抑制 的影像比較 In-phase Fat-SAT Water-SAT
MRS 的 CHESS water-sat 抑制要求比影像嚴苛 通常使用窄頻 Gaussian 脈衝 可以不只加一個 CHESS 脈衝 再配合 PRESS 或 STEAM
MRS 中的 CHESS 90 0 water only RF t G z G y t t G x t 水抑制 PRESS
水分子抑制前後比較 放大 200 倍 未經水抑制 經過水抑制
其實 CHESS 沒那麼神奇 經過一個 CHESS 脈衝, 通常可以抑制 50~100 倍的水分子信號 濃度差 10,000 倍以上 剩餘部份用 post-processing 消除
水分子抑制前後比較 放大 200 倍 未經水抑制 經過水抑制
脂肪信號也有類似的困擾 脂肪的含量也遠多於生化成份 也需要作 fat-sat 困難 : 脂肪 MRS 信號與 Lac 重疊 都在 1.3 ppm 附近
質子在腿部的 MR 頻譜 水 H 2 O 脂肪 -CH 2 - 水與脂肪的含量相差不會特別大 ppm
Fat 未經抑制的頻譜
Lactate 1.3 ppm 間隔 7 Hz 乳酸 : 無氧代謝的產物
MRS Fat-SAT 不用 CHESS CHESS : 根據頻率抑制信號 Lac 與 fat 頻率相近 一用 CHESS 之後都被抑制 得不到有關 Lac 的訊息
幸好在腦部中問題比較小 細胞膜上的 lipid invisible 原因與 mobility 有關, 複雜 看得到的 fat 都在皮下脂肪 利用位置來作 fat-sat
MRS 檢測一定會先用 MRI 定位 定位求快通常用 T1 影像
OVS 的示意圖 Saturation Bands 用六到八個 SAT-bands 將皮下脂肪信號抑制
外側體積抑制 (OVS) Outer Volume Suppression 和平常影像中的 SAT-band 或 inflow-sat 完全一樣 切面選擇 + 強梯度強迫失相
做完這些之外還有... MRS : 希望分辨出各頻譜成份 頻譜線寬度 << 頻譜線距離 同一成份所感受的磁場須一致 Shimming
如果 Shimming 做得不好 Cho? Cr? 如何分辨 Cho 與 Cr 的含量?
MRS 的諸多細節 信雜比的考量 局部化與定位的需求 水與脂肪信號的抑制 Shimming Post-processing
Shim Coil 電源 每一線圈個別由獨立電源控制
Shimming 局部線圈通電流修正磁場使均勻 等於是提高頻譜解析度 Single-voxel spectroscopy Voxel shimming
Voxel & Volume Shim Voxel shimming : 只使小區域磁場均勻即可 用在 single-voxel spectroscopy 體積範圍小, 較容易 shim
Voxel & Volume Shim Volume shimming : 使全區域 ( 或大範圍 ) 磁場均勻化 用在 EPI 或 truefisp 等影像技術 馬上還會再提到
Simming 好壞的比較 Cho Cr Cho? Cr? 好的 Shimming 不好的 Shimming
頻譜終於拿到了... 對不起, 還沒結束 螢幕顯示的可能是類似...
尚未經過後處理的頻譜 診斷價值仍然極為有限
MRS 的諸多細節 信雜比的考量 局部化與定位的需求 水與脂肪信號的抑制 Shimming Post-processing
MRS 的後處理技術 FID 信號的處理 進一步的水分子信號抑制 頻譜內插 (zero filling) 雜訊過濾 (apodization)
MRS 的後處理技術 頻譜的處理 相位角度修正 基線修正 頻譜分析與解釋
經過 CHESS 的水信號仍然很強 放大 200 倍 未經水抑制 經過水抑制
進一步的水分子信號抑制 我們知道水的頻率 (4.7 ppm) 振幅又一定很大 ( 指數衰減 ) 直接讓程式找出 然後把水的信號減掉
進一步抑制水的信號 強信號必然由水而來 抑制前 抑制後
水信號抑制前後頻譜比較 抑制前 抑制後
頻譜內插 (Zero Filling) 請先不要計較名詞翻譯 在 FID 之後填入零值 增加數據點的數量
Zero Filling 的運算 在 FID 取完之後填入零值
內插的目的 傅立葉轉換 : 計算頻譜的數學公式 類似解聯立方程式 十個方程式可以求十個變數 1024 點 FID 可求 1024 點的頻譜
填入零值的作用 使時間長度拉長 看似可以分辨更多更細頻率 相當於在頻譜上做內插 讓譜線形狀看起來漂亮些
Zero Filling 對頻譜線的效果 注意頻譜放大後的細節差異 填零前 ( 鋸齒 ) 填零後 ( 平滑 )
請注意 Zero Filling 功用 只增加數據點的數量 填入零值沒有提供更多訊息 頻譜解析度並未真正提高 內插也只是一種估計
雜訊過濾 Apodization, windowing, 將 FID 乘上濾波函數以改變頻譜 指數函數 高斯函數 通常是為了提高 SNR
濾波 (Apodization, Windowing) 處理前 處理後
為什麼需要如此做? FID 是隨時間衰減的信號 時間愈久信號愈小 雜訊不會隨時間變小 應該賦予 early FID 較多的比重
濾波 (Apodization, Windowing) 處理前 處理後
濾波前後的頻譜對照 處理前 ( 雜訊大 ) 處理後 ( 雜訊小 )
Apodization 使用之後 SNR 變好了 但注意它也有缺點 FID 變得衰減較快 (T2 變短 ) 頻譜線會變寬
濾波前後的頻譜對照 處理前 ( 譜線窄 ) 處理後 ( 譜線寬 )
同理可以反其道而行 故意加重 late FID 使 T2 變長 使頻譜變細, 區分更多代謝物 SNR 會明顯降低 臨床 MRS 已是低 SNR, 極少用
MRS 的後處理技術 FID 信號的處理 進一步的水分子信號抑制 頻譜內插 (zero filling) 雜訊過濾 (apodization)
信號與頻譜 FID Fourier transform
傅立葉轉換 將 FID 計算為頻譜 倒是沒什麼特別的 只是算出來的頻譜長得...
怎麼頻譜長得那麼奇怪? FID 傅立葉轉換??
頻譜的形狀 如果 FID 是單一指數衰減 頻譜實部 : 吸收譜 (absorption) 頻譜虛部 : 分散譜 (dispersion) 稱為 Lorentzian line shape
指數衰減的 FID 轉換為吸收與分散譜 稱為 Lorentzian line shape
特點 分散譜譜線較寬, 不利區分代謝物 頻譜分析一律以吸收譜為之 但是平常所得頻譜一定是兩者混合 需要經由校正算出吸收譜
我們熟悉的射頻激發 z RF y x y 軸 : 實部 (cos) x 軸 : 虛部 (sin)
實際上 FID 的波形 實部 FID 虛部 FID
這種情況所得的頻譜... RF 注意吸收譜的譜線細 適合分析
但是如果打歪了一點 譜線成為吸收與分散譜的綜合 RF 其實這種狀況每次都會發生
所計算出的頻譜需要再轉成純吸收譜 否則有了頻譜也無法幫助診斷
其實就是在做相位的修正 RF RF 所以稱做 Phase Correction
相位角度修正 Phase correction 目的是希望獲得純吸收譜 零級 (zero-order) 修正 一級 (first order) 修正
若是相位不準是一致性的 RF 用 zero-order phase correction 即可
若是相位與頻率有關 耽誤一段時間後 RF 就需要 first order phase correction
相位修正前後之頻譜比較 相位修正前 相位修正後
基線修正 Baseline correction 沒有譜線的地方應該是全平的 結果卻不是?? 基線不平將干擾定量分析
一些不好的基線的例子 不論何者皆將影響譜線定量
基線不平的來源 殘存水或脂肪信號 極短 T2 蛋白質大分子信號 頻譜中矮胖的譜線 尤其在短 TE MRS 中特多
基線修正之頻譜比較 基線修正前 基線修正後
但是也不能修正得太離譜 良好的基線修正 太過火的基線修正
基線修正注意事項 蛋白質大分子信號是來源之一 畢竟是成分的一部份 如何取捨只能靠經驗了 過度修正無必要, 且影響其他譜線
正常人腦部看得到的 1 H 頻譜成份 NA Cho Cr Cr mi Baseline? Metabolite? Glx NA Glx 4 3 2 1 0 ppm
尚未經過後處理的頻譜 線寬高雜訊大基線不平相位未調...
處理得好的頻譜 這還只是長 TE 頻譜而已
MRS 的後處理技術 頻譜的處理 相位角度修正 基線修正 頻譜定量分析與解釋
頻譜定量分析 代謝物含量計算與比較 頻譜線面積積分 ~ 代謝物含量 線高不等於含量! 注意 T1 & T2 等的影響
積分頻譜線求代謝物含量
頻譜解釋 信號太弱時切勿妄加揣測! 從未見過的譜線出現時 中毒病因? 病理代謝產物? 超出我目前能力範圍
很重要的觀念 後處理就是後處理 沒有訊息就是沒有訊息 後處理 : 美化頻譜, 不能無中生有 所有的美化步驟都有所犧牲
Liver Proton MRS (Radiology 2001) Healthy subject
Liver Proton MRS (Radiology 2001) Chronic Hepatitis Stage 2
Liver Proton MRS (Radiology 2001) Chronic Hepatitis Stage 3
Liver Proton MRS (Radiology 2001) Chronic Hepatitis Stage 4 (Cirrhosis)
國內某醫學中心 lipid 抱歉, 不是 post-processing 的問題
MRS 的諸多細節 信雜比的考量 局部化與定位的需求 水與脂肪信號的抑制 Shimming Post-processing
不管是 PRESS 或 STEAM 統稱為 single-voxel spectroscopy ( 單一體素頻譜 ) Voxel : volume element 病灶做一次 正常部位做一次...
像這種情形呢? 想要知道不同部位的代謝物組成
若需要多個部位頻譜 方法須進一步改進 多體素頻譜 化學位移影像 Chemical shift imaging (CSI) Spectroscopic imaging (SI)
磁振頻譜影像 Spectroscopic Imaging 鍾孝文教授台大電機系三軍總醫院放射線部
多部位頻譜的重要性 病灶與正常側的比較 進一步瞭解病因 測知形態正常組織之代謝情形 預知可能發生之病變
缺血性中風的 MR 化學位移影像 T1 影像 區域頻譜
那怎麼做呢? 先看看 MRI 和 MRS 怎麼做的
MRI 與 MRS 的比較 RF t G(z) 讀取數據 G(y) G(x) 讀取數據
MRI 與 MRS 的不同 MRI 成像的原理 頻率編碼 : 信號頻率代表位置 MRS 的原理 信號頻率代表代謝物成份
MRI 與 MRS 的合併 ( 不用頻率編碼 ) RF t G(z) G(y) t t G(x) 讀取數據 讀取數據 t
化學位移影像 切面選擇射頻激發 兩個方向的相位編碼 讀取信號時不開梯度 三方向傅立葉轉換 ( 影像 + 頻譜 )
CSI 脈衝序列 RF t G(z) G(y) t t G(x) 讀取數據 t
化學位移影像 影像的每一個點內, 都含有一個完整的 MRS 頻譜 也就是 MRI 影像中的每一部份, 都加入了生化代謝的訊息
做完了嗎? 沒有, 問題還多著呢! 掃瞄時間長到根本行不通 頻譜的品質處處不同
掃瞄時間的問題 相位編碼需要重複多次 兩方向編碼, 時間接近三維影像 TR 又不能縮短 TR (1.5 秒 ) x 32 x 32 ~ 25 分
25 分鐘的 MRS 檢測 別忘了空間解析度只是 32x32 而已 和平常 256x256 根本沒得比 而且只有一次信號平均 還要做其他 T1 T2 MRA Gd...
註 : TR 的選取 收信號時間愈長, 頻譜解析度愈高 1 H 通常要一秒鐘左右, 才能清楚分出 Cho 與 Cr TR 1.5 sec 已是腦部 1 H MRS 下限
頻譜品質處處不同的問題 接近空氣與骨骼處的頻譜都比較差 空氣與骨骼之磁化率與腦組織不同, 因而干擾附近磁場 譜線太寬而與鄰近重疊, 影響判讀
MRS 品質難以完全掌握 干擾磁場的因素 : 干擾頻譜的因素 : 頭蓋骨 皮下脂肪 周圍空氣 靠近周邊的頭痛部位
譜線太寬那不能 Shim 嗎? 注意如果要的話, 就是整個 slice 區 域都要 shim 比小體積的 voxel shim 困難多了
更糟的是 這些周邊部份很多皮下脂肪 脂肪本身就會干擾頻譜判讀 再加上磁化率產生的磁場扭曲, 使脂肪的強信號干擾頻譜更嚴重
Fat 未經抑制的頻譜
解決的方法 乾脆靠外側的頻譜都不要算了 Package 先能賣出去再說 限制 volume of interest 已經可以猜得出它的缺點了
乾脆只拿中間的 MRS FOV VOI 把靠近周邊的頭痛部位都除掉
乾脆只拿中間的 MRS 把靠近周邊的頭痛部位都除掉
和 Single-Voxel MRS 頗像 選擇一個很大很扁的 voxel 利用三個切面選擇脈衝合併而成 再將大 voxel 區分成更小的 voxel 利用相位編碼
三度空間定位 類似單體素頻譜 只是是很扁的 voxel
PRESS CSI 脈衝序列 RF G(z) 擷取數據 t t G(y) t G(x) 2nd echo 頻譜加上相位編碼細分 t
Hybrid CSI 以 PRESS ( 長 TE) 或 STEAM ( 短 TE) 為基礎做激發 只接收經過相位編碼的 echo 再以傅立葉轉換求區域頻譜
常見的使用方式 操作員選擇 FOV 與 VOI FOV 中分為 16x16 voxels 其中實際獲得的頻譜約為 8x8 掃瞄時間約為 6 至 13 分鐘
常用的掃瞄參數 FOV : 分為 16x16 VOI : 分為 8x8 真正拿到的頻譜只有六七十個
內框與外框的差異 內框 : 真正會取得頻譜的部位 外框 : 不顯示頻譜以避免誤導 近邊緣處原本品質即欠佳 Aliasing artifacts
MRS 的 Aliasing 到底 Lactate 是誰的?
MRS 的 Aliasing 決不容許 aliasing 發生 形態不明顯 非常容易導致誤判 除非重做, 否則無從驗證
Aliasing 假影 FOV 過小 增大取樣頻率
代謝物含量影像 經由 CSI 所涵蓋的大量訊息, 還可 重組多張代謝物含量的影像 NAA image,creatine image...
神經膠質瘤的 MR 化學位移影像
神經膠質瘤的 NAA Map
神經膠質瘤的 Choline Map
您也許會問 這些 NAA 影像為什麼這麼粗糙? 8x8 matrix size 足夠嗎? 空間解析度需提升...
尚未經過後處理的頻譜 線寬高雜訊大基線不平相位未調...
處理得好的頻譜 這還只是長 TE 頻譜而已
Hybrid CSI 現有之缺點 無法取得靠頭顱邊緣的高品質頻譜 大腦皮質 (cortex, gray matter) 偏偏有很多時候就是想知道大腦皮質病變受到的影響
怎麼辦呢? CSI 配合精確的 outer volume suppression 或其他 fat saturation 仍屬於積極研究的範疇
CSI 一些其它的方法 SLIM, SLASH, EPSI, 原理略為複雜 也還沒有商品化 有機會再提吧
腦部氫原子磁振頻譜 1 H MR Spectroscopy 鍾孝文教授台大電機系三軍總醫院放射線部