ИСТИНА

Подавляющее большинство диффузионно-взвешенных изображений (ДВИ) выполняется с использованием некоторого варианта эхо-планарной последовательности импульсов (ЭПИ), вследствие чего они чувствительны к ряду факторов, приводящих к искажениям изображений, что означает, что количественные карты диффузии не могут быть надежно воспроизведены, например, на разных томографах или для одного и того же пациента. В большинстве моделей (например, диффузионно-тензорная модель [1], диффузионная визуализация с высоким угловым разрешением (HARDI) [2] и т.д.) для вычисления значений диффузии используется принцип «воксель за вокселем» на основе набора ДВИ, полученных в различных неколлинеарных направлениях градиента. Исходя из этого, если искажения изначально присутствуют на ДВИ, то они могут распространяться и на рассчитанные на их основе параметры. Однако даже если сами ДВИ не были подвержены искажениям, в ходе объединения сигналов, взвешенных по диффузии, ошибки всё же могут возникнуть, что опять же приведёт к искажениям в значениях вычисленных параметров. В контексте данного обзора имеет место разделение на искажения, связанные с системой, и искажения, связанные с объектом исследования. Способы коррекции в общих чертах можно разделить на те, которые пытаются получить эффекты вне резонанса за счёт дополнительных измерений (аппаратные методики), и те, которые пытаются оценить их по искаженным данным, используя методы обработки изображений и регистрации (программные методики). Аппаратные методики [3,4] позволяют получать изображения практически без искажений напрямую с томографа без необходимости постобработки, поэтому они очень популярны и широко используются. К их недостаткам можно отнести увеличение время эхо-сигнала (приводит к потере сигнала и ухудшению отношения сигнал/шум) и неполное рефазирование для несимметричных ЭПИ. Задача оценки искажений в ДВИ, как правило, нетривиальна, так как зависит от наличия «эталонного» изображения. И даже если такое изображение существует (например, T1w), то оно обычно имеет контраст, существенно отличающийся от контраста искаженного изображения. В программном пакете BrainSuite предлагается алгоритм коррекции искажений с использованием ограниченной нежесткой регистрации и статистической функции, называемой взаимной информацией [5]. Этот подход требует только диффузионного и неискаженного анатомического изображений без необходимости каких-либо дополнительных данных. В другой работе [6] для того, чтобы обойти проблему контрастов предлагается метод коррекции, использующий только ДВИ, но при этом полученные с помощью градиентов противоположной полярности. Авторы утверждают, что воксельные сдвиги, возникающие из-за вихревых токов, индуцированных градиентами противоположной полярности, имеют одинаковую величину, но противоположное направление, то есть градиент G- = -G+. Стоит отметить, что данное заключение не всегда верно. В программном пакете FSL реализованы два алгоритма коррекции: eddy_correct и eddy. Первый алгоритм [7] основан на предсказании диффузионных данных магнитно-резонансной томографии (дМРТ) посредством выбора ковариационной функции. Авторы исходят из того, что диффузионный сигнал распределён по сфере, следовательно, для работы с ним могут быть использованы методы, применяемые в геостатистике, где в качестве особого случая Гауссового процесса, наблюдаемого на сфере, является, так называемый «кригинг» [8]. Для этих методов ковариация часто определяется как функция угла θ между двумя векторами от центра сферы до точек x (наблюдаемая) и x′ (прогнозируемая). Однако для эффективной работы eddy_correct необходимо соблюдать следующие требования к изображениям: для значения b=1500 с/мм2 число направлений должно быть 10-15, для b=3000 с/мм2 – 30-40. Другой алгоритм eddy [9] состоит из двух блоков: 1. прогнозирование того, как «должен выглядеть» каждый объем, взвешенный по диффузии; 2. сравнение прогноза с наблюдаемыми данными. Прогноз рассчитывается с использованием Гауссовского процесса, для которого гиперпараметры оцениваются (например, методом максимального правдоподобия или перекрестной проверкой)) непосредственно на основе данных. Наблюдаемая разница между предсказанием и наблюдением моделируется как линейная комбинация частных производных прогнозируемых данных относительно параметров, определяющих поле, индуцированное вихревыми токами и движением объекта. Однако алгоритм eddy также имеет ряд недостатков и ограничений, а именно: возможность коррекции только определённых типов искажений и моделей диффузии, неточности при наложении нескольких факторов, например проблема взаимоотношения внерезонансного поля, вызванного магнитной восприимчивостью, и одновременного движения объекта исследования. Необходимо понимать, что искажения не только увеличивают вариабельность измерений МРТ, но также, что наиболее важно, могут внести предвзятость, которая потенциально приведёт к ложноположительным заключениям. Программные методики обладают рядом преимуществ с точки зрения рутинной работы. Однако, несмотря на их многообразие, в клинической практике всё ещё остается актуальной задача разработки и имплементации инструментов, не требующих сбора дополнительных данных. Исследование выполнено при поддержке Междисциплинарной научно-образовательной школы Московского университета «Фотонные и квантовые технологии. Цифровая медицина».