【解惑】DWI序列與ADC序列有什麼區別?

2021-02-13 Neurosurgery


磁共振彌散加權成像(Diffusion Weighted Imaging, DWI),是唯一能夠活體檢測水分子擴散情況的無創影像檢查技術,而且也是臨床應用最多的一個磁共振功能監測技術。

彌散信號強度與彌散受限的關係:

彌散受限-DWI高信號,彌散不受限 DWI低信號


那麼DWI高信號--彌散受限?

我們在彌散序列(即DWI)序列中,如果看到有高信號,不能單純的理解為:DWI序列上有高信號,就說明是彌散受限造成的。

   彌散序列的信號強度,由兩個部分,或者兩個權重組成。

    其一,是彌散權重

    其二,是T2權重

    如果僅看DWI圖像,即使發現有高信號,也根本無法判定是否是彌散受限引起的,因為你還要考慮T2權重在裡面的效應。

    所以,我們都會強調,不僅要看DWI彌散圖,還要結合T2圖(B=0 的彌散圖或者T2WI序列圖)及ADC圖來判斷。



    ADC又叫表觀彌散係數,Apparent Diffusion Coefficient,可以用於對彌散受限的定量判斷,而且消除了T2權重的影響。    如果彌散受限,不一定反應在彌散圖像上是高信號,但是ADC圖一定是降低的,因為表觀彌散係數下降了,說明彌散受限了。

    同樣,如果ADC圖沒有明顯異常,基本上可以說明彌散不受限。

我們都知道,看到DWI信號高的時候,要去看ADC圖,在發現ADC圖信號低了後,並且確認ADC圖低信號區域與DWI圖高信號區域匹配的時候,就放心的推測彌散受限。


b=0          b=1000          ADCmap

但是,很多醫生,習慣是,先看高b值的彌散圖,瀏覽一下,發現高b值彌散圖信號正常,就肯定覺得不可能彌散受限,也就不看ADC圖了,這種操作流程是錯誤的,容易漏診。

記住:DWI圖等信號的時候,不排除彌散受限

但是因為T2值高,T2對比度反映在了彌散圖像上,導致彌散圖像呈高信號的現象,叫做T2穿透效應(或者T2透過效應),    T2穿透效應,是臨床中比較多見的,由於有T2穿透效應,所以我們在彌散圖像上發現高信號,必須結合ADC圖來看,通過比較彌散高信號區域是否與ADC圖低信號區域一致,才能判斷是否是由彌散受限引起的彌散高信號。如果ADC圖信號不低就不能判斷彌散受限。

Trace DWI    ADC Map  T2 Dark Through

看彌散圖像要結合普通T2W圖,高b值DWI圖和ADC圖一起綜合判斷

這種由於T2值低,導致的在彌散圖像上表現為低信號的現象叫做T2暗效應,又叫T2 Dark Through。在臨床中,主要見於出血含鐵沉積、血管性病變及鈣化組織等,如圖

最後總結一下,DWI彌散在磁共振應用中越來越多,越來越廣泛,我們主張,在使用DWI序列的時候,一定要結合普通ADC圖一起看,不能單憑DWI圖或者ADC圖來判斷組織的彌散情況

相關焦點

  • DWI序列上不同b值對於顯示病灶的意義
    DWI在肝臟的應用已經非常成熟和廣泛,合理的b值設置可以提高病變檢出的能力,今天與大家分享低、中、高b值在肝臟的應用中各自有什麼價值(病例圖片來源黃小華教授)。
  • 如何獲取蛋白序列並進行序列比對?
    今天我們就來說一下具體的方法,先介紹蛋白序列的獲取和序列比對。以Sox家族的蛋白為例,我們首先通過Uniprot資料庫(http://www.uniprot.org/)獲取蛋白序列:這樣我們能看到各個物種中展示的結果,其中人裡面有175個:
  • 如何快速找到有效的shRNA序列
    因此siRNA和shRNA的最大區別就在於是否整合進入了基因組中以及轉染有效性的長短。siRNA有效期較短,shRNA有效期長。有這麼幾種方法獲取有效的shRNA序列:下面以AKT1為例跟大家講一講如何在SIGMA官網挑選你想要的有效的shRNA序列。一、首先打開SIGMA的官網,網址如下,在搜索框中輸入想要的基因名。
  • 序列比對軟體
    今天小編特意給大家整理分享了有關序列比對綜合分析的軟體,聰明的你們快來試試有沒有心儀的軟體工具。FASTA   將一條序列與另一條序列進行比較或在資料庫中查找同源序列並輸出。用作此軟體輸入的FASTA文件格式現在已被其他序列資料庫搜索工具(例如BLAST)和序列比對程序(Clustal,T-Coffee等)廣泛使用。
  • 解密二十二序列!整理《詭秘之主》的序列之謎
    書中呈現了一個一個以「扮演法」為核心,由22條序列,220種職業構成的奇幻體系,除了少數序列途徑在特定等級互換外,要想升級就必須按照這些途徑一步一個腳印前進。由於烏賊運用解密的寫法,在劇情的推進中不斷釋放序列設定,知道全文完結,《詭秘之主》的序列之謎才算是清晰地展現在我們面前。以下就是《詭秘之主》二十二序列圖,依據書中文字整理,如有問題,歡迎書友們指正。
  • 序列比對及Blast的應用
    序列相似和序列同源是不同的概念,序列之間的相似程度是可以量化的參數,而序列是否同源需要有進化事實的驗證。在殘基-殘基比對中,可以明顯看到序列中某些胺基酸殘基比其它位置上的殘基更保守,這些信息揭示了這些保守位點上的殘基對蛋白質的結構和功能是至關重要的,例如它們可能是酶的活性位點殘基,形成二硫鍵的半胱氨酸殘基,與配體結合部位的殘基,與金屬離子結合的殘基,形成特定結構motif的殘基等等。
  • 時間序列平穩性檢驗 - CSDN
    之前我們曾經學習過Pearson相關係數,自相關係數的計算和Pearson相關係數的計算過程非常相似,但是它們在分母上有些區別。第1期對第2期有影響,第2期對第3期有影響……也就是說,我們的自相關係數衡量的不僅僅是期之前的數據對當前期數據的影響,也包含了更早期的數據帶來的間接影響。為了解決這個問題,我們引入了偏自相關係數,它是X(k)與X(k-l)之間的條件自相關係數。其計算非常複雜,這裡不再展開。好在我們可以用Python的statsmodels庫非常輕易地完成計算。
  • 一個奇怪的素數序列
    素數恰好有兩個不同的因素:本身和1.(因此1不被認為是素數。)所有大於1的整數都是素數或素數的乘積。一個好奇的人類可以詢問關於素數的第一個問題是有多少,並且最早的證據之一是有無數多個素數是歐幾裡德元素的可愛論證。
  • 動植物有統一DNA序列
    近期來自密蘇裡大學的多學科研究人員發表了題為「Long Identical Multispecies Elements in Plant and Animal Genomes」的文章,利用開創性的計算機算法,直面迎擊大型數據的挑戰,發現了不同植物和動物物種中統一的DNA序列。
  • 動態規劃:二項式序列
    二項式序列和它的變種問題一直都是我的短板。我從沒簡單地得到答案,有時即使我有了想法,也不能直接寫出可以工作的代碼。這是為什麼我這次決定嘗試一種新的動態規劃方法,並且閱讀Skiena的前八章。在閱讀的過程中,問題被探討,並且我一下豁然開朗。二項式,帕斯卡三角和動態規劃之間的聯繫被重新建立起來。諷刺的是,我一直困惑的問題,二項式問題的變種的答案,就是我寫的第一個程序,帕斯卡三角。
  • 如何獲得已知DNA序列所編碼的胺基酸序列
    在線工具一:1.打開網址:http://www.ebi.ac.uk/Tools/st/emboss_transeq/ , 輸入具體鹼基序列DNA序列可能按六種框架閱讀和翻譯(每條鏈三種,對應三種不同的起始位點),所以FRAME 參數可以選擇6 (ALLsix frames),CODON TABLE一般選擇StandardCode。
  • 推薦2個核酸序列翻譯成胺基酸序列的小工具
    之前,生信交流群(群號:154447756)有小夥伴想比較突變後的核酸序列翻譯成蛋白序列與野生型相應序列的差異
  • 時間序列分析(三):平穩時間序列分析之數據準備
    平穩時間序列是時間序列中一類重要的時間序列,對於該時間序列,有一套非常成熟的平穩序列建模方法,這也是本節中將重點介紹的部分。對於非平穩序列,可以通過差分、提取確定性成分等方法,將轉化成平穩序列,再運用平穩序列建模方法進行建模。在實際操作中,由於樣本數據的匱乏,要根據樣本數據要找到生成樣本的真實隨機過程基本是不太可能的。
  • 免費試看 | 通俗易懂的【MRI原理與序列】視頻課程上線啦
    我們為學員提供相關的ppt會議模式的電子教材,此外,還在學員微信群邀請省級三甲教學醫院高級職稱的老師在群裡為學員在病例方面進行答疑解惑。購買學員請聯繫管理員微信:yxyxfwzx入群。本次推出的MRI原理與序列課程由醫影金牌講師——南通市中醫院影像科(原飛利浦資深培訓師)的吳青山老師主講,希望大家能夠學有所成。本專欄MRI原理與序列共14節課程(目錄如下),可免費試看一節課。
  • 常用在線序列比對工具
    常用的在線序列比對工具主要由EMBL-EBI提供,包括但不限於Needle, Water, Clustal Omega, Muscle, Mafft, T-coffee等,以及NCBI提供的blast2seq工具;常用的序列相似性搜索工具有NCBI提供的BLAST、UCSC提供的BLAT等。EMBL-EBI與NCBI同時期也開發了一套序列相似性搜索工具FASTA,然後最終沒能流行起來。
  • 時間序列基本概念
    平穩時間序列是時間序列中一類重要的時間序列,對於該時間序列,有一套非常成熟的平穩序列建模方法,這也是本節中將重點介紹的部分。對於非平穩序列,可以通過差分、提取確定性成分等方法,將轉化成平穩序列,再運用平穩序列建模方法進行建模。在實際操作中,由於樣本數據的匱乏,要根據樣本數據要找到生成樣本的真實隨機過程基本是不太可能的。
  • 時間序列模型
    ARMA-GARCH模型名字貌似長了點,看著暈,其實他是兩個模型的合體,一個叫ARMA,一個叫GARCH。別著急,我們來各個擊破。ARMA模型這個模型是時間序列模型中的一個重要模型,不僅在金融領域,在其他領域都有廣泛的應用。
  • 多序列比對——Clustal
    多序列比對是對3個以上生物序列(蛋白質、DNA、RNA等)進行比對,分析序列的同源性,根據比對的結果來構建系統進化樹。
  • Illumina測序什麼時候會測序到接頭序列?
    插入片段長短與測序接頭是什麼關係呢?我們看下測序的過程:測序引物錨定在序列模板上,正好與模板的Rd2 SP (SP: sequence primer測序引物)完全互補配對,隨後開始邊合成邊測序,所以測序reads 5'端的接頭和引物序列都不會被測到,直接跳過。
  • 新型冠狀病毒,為什麼有4個序列和愛滋病相同?這說明了什麼?
    1月31日,印度德裡大學和印度理工學院的研究人員,在生物預印本網站bioRxiv上發表一篇論文名為《2019新冠狀病毒棘突蛋白中含有獨特的插入序列,並與(愛滋病毒的)HIV-1 gp120和Gag蛋白有奇特的相似性》。