器官和病变的脂肪含量测定、水脂比例分析在科研和临床中的需求已越来越多，而单纯的脂肪抑制技术如Stir技术、化学位移选择性脂肪预饱和技术或水激发成像已不能满足此种需要。解决水脂信号的分离不能只从抑制脂肪信号单方面着手，基于此，Dixon在1984年首次提出水脂分离技术[1]，30多年来，研究者们相继对原始的基于自旋回波(spin echo，SE)序列的两点法Dixon技术进行了改良，不但脂肪定量测定精确度逐步提高，而且扫描时间也明显缩短。2005年Reeder等提出了迭代分解水脂回波不对称和最小平方估计(iterative decomposition of water and fat with echos asymmetric and least-squares estimation，IDEAL)方法，是改良的三点法Dixon技术[2-4]。采用快速自旋回波序列(fast spin echo，FSE)采集IDEAL回波是目前最普及的水脂分离技术，然而在腹部成像中，需要多次屏气，运动伪影较多，影响了测量准确度，改良三维扰相梯度回波的基于最小二乘法估计和不对称回波迭代分解水脂成像(iterative decomposition of water and fat with asymmetryand least-squares estimation-quantitative fat imaging，IDEAL-IQ)则大大提高了成像速度，一次屏气可实现全肝采集，从而拓展了水脂分离技术在腹部疾病中的应用。本研究采用两种IDEAL序列(FSE-IDEAL与IDEAL- IQ)定量测量水-脂模型中脂肪含量的准确性和差异性，旨在为临床脂肪定量方案的实施提供合理化建议。

材料与方法

1.模型制备

制作含水脂为0%～100%的脂肪溶液模型[2](模型1)，具体方法为：①将阴性离子表面活性剂十二烷基硫酸钠15 mmoL与1 L去离子水均匀混合，加入5 g角叉菜胶后用磁力搅拌器加热至50℃，搅拌融化；②配制100 mL乳液(共11份)，分别为1份纯豉油，1份纯水，9份梯度浓度乳化液，乳化液中含10～90 mL(梯度为10 mL)的豉油，充分混合至分层无颗粒油脂；③用15 mL塑料试管密封分装。

第二,加强对非正规金融的监管，促进非正规金融健康发展。可以根据经济发展水平，因地制宜，对不同地区的农村非正规金融组织要求持有不同数量资本金；辅导非正规金融组织建立严格的内控制度，对其管理人员与从业人员的准入做出规定；限定非正规金融组织的业务范围，不容许其经营风险较大的股票、黄金、外汇交易等金融业务；定期收集非正规金融资金流量和流向以及利率变动等各种数据，便于政府制定农村经济政策时参考。

制作2%～30%脂肪乳溶液(模型2)，具体方法为：将30%脂肪乳注射液(含英脱，利匹特华瑞制药有限公司)和注射用蒸馏水混合，配成脂肪含量为2%～30%(梯度为2%)的脂肪乳溶液。均匀混合后静置30 min，观察无明显气泡后密闭装入15 mL塑料试管。

2.扫描方案

FSE-IDEAL与IDEAL- IQ序列的图像采集均采用GE 3.0T MR扫描仪(Discovery 750)，射频发射与接收线圈采用32通道头部线圈。FSE-IDEAL序列扫描参数：TR 2200 ms，TE 71.6 ms，视野200 mm×200 mm，矩阵256×224，层厚3 mm，层间距0.6 mm，激励次数6，翻转角111°，扫描时间172 s； IDEAL- IQ序列扫描参数：TR 9.7 ms，TE 4.5 ms，视野200 mm×200 mm，矩阵256×224，层厚3 mm，层间距0 mm，激励次数1，翻转角5°，扫描时间78 s。

本研究采用了两种水脂溶液模型，一种为含油体积在0～100%、梯度为10%的植物油-水模型，一种为脂肪乳配制的脂肪含量在0～0.30 g/mL、梯度为0.02 g/mL的水-脂混合液。本研究结果显示FSE-IDEAL在低浓度的脂肪乳水脂模型和浓度范围为0～70%的植物油-水模型中测得的脂肪分数与实际脂肪含量间呈完全直线相关，且与实际含量差值的95%置信区间小于IDEAL-IQ；当脂肪浓度高于70%时，FSE-IDEAL序列的脂肪定量分析结果明显低于实际值，即出现溢出现象。分析其主要原因在于FSE-IDEAL采用大激发角会导致T1效应加重，造成定量评估误差；另外两个重要因素是B0场的不均匀性和T2*效应。T2*衰减会导致后续采集的回波信号小于先采集的回波信号，尤其会出现后采集的同相位信号小于反相位信号，导致错误的负值，而当脂肪含量增加，B0场不均匀性程度加重时这种效应会更为明显[5]。三回波技术不能从根本上消除T2*效应的影响，必须在技术层面上进一步优化FSE-IDEAL成像序列，校正T2*效应的影响。

两种序列脂肪分数测量值与实际脂肪浓度见表1；FSE-IDEAL序列测得的脂肪分数与实际浓度差异无统计学意义(t=1.58，P=0.14)；IDEAL-IQ序列测得的脂肪分数与实际脂肪浓度差异有统计学意义(t=-40.6，P<0.001)。FSE-IDEAL、IDEAL-IQ序列测得的脂肪分数与实际浓度间均呈线性关系，回归方程分别为Y=0.86X+4.139(R2=0.982，P<0.001)，Y=0.998X+4.233(R2=1，P<0.001，图1，表2)；仅保留0～70%浓度的溶液数据再次分析结果显示，FSE-IDEAL序列测得的脂肪分数与实际浓度吻合度及线性拟合度增高，回归方程为Y=1.002X+0.411(R2=1，P<0.001)，IDEAL-IQ的回归方程大致同前，Y=0.996X+4.268(R2=1，P<0.001，图2，表3)。Bland-Altman分析结果显示FSE-IDEAL序列测得的脂肪分数与实际浓度差值的95%置信区间为(-8.93%，-14.68%)，IDEAL-IQ序列测得的脂肪分数与实际浓度差值的95%置信区间为(-4.76%，3.46%，图3)。当脂肪浓度为0～70%区间时，FSE-IDEAL序列测得的脂肪分数与实际浓度差值的95%置信区间为(-1.16%，0.18%)，IDEAL-IQ序列测得的脂肪分数与实际浓度差值的95%CI置信区间为(-4.83%，-3.41%，图4)。

3.数据处理

IDEAL-IQ在两种水脂模型中不论脂肪含量的高低，测量的脂肪分数与实际脂肪含量间均呈完全直线相关，可以很准确地反映不同脂肪溶液浓度梯度的变化。分析其原因主要有以下几点：IDEAL-IQ是梯度回波成像，采用的是小角度激发，大大降低了T1效应的影响；要分离出纯水像和纯脂肪像，关键在于校正场不均匀造成的相位误差，采集点数越多且不冗余相位信息越全就越有可能正确分离水脂像。IDEAL-IQ通过采集6个回波信号及迭代线性最小二乘法估算复数域映射，利用复数域重建来区分水与脂肪并得到0～100%的脂肪比，再利用幅度重建对脂肪比定量进行微调并除去相位错误，最后结合这2次重构结果，经过T2*衰减的修正，生成最终的水像、脂像及脂肪比图像，从而彻底消除了T2*对脂肪定量评估的影响[6]。

4.统计学分析

“你不同意，我就跟你把官司打到高院去。”龙斌目光坚定地看着竹韵。竹韵没有回答他，不轻不重地掐了他一把，然后咬咬唇，上前抓住了轮椅扶手。海力先是略略一愣，也马上上前抓住另一边扶手，和竹韵一起推着龙斌慢慢走出了法庭。

结 果

1.水脂溶液

将装有脂肪溶液和脂肪乳的塑料试管架水平置于线圈正中心，并与线圈中心轴线平行。先行常规三平面及冠状面稳态采集快速成像序列定位像，再采集轴面FSE-IDEAL及IDEAL-IQ序列信号，为保证数据的稳定性和可靠性，扫描序列均重复采集一次。

采用SPSS 17.0软件进行统计学分析。测量数据均符合正态分布，以均值±标准差表示；采用配对样本t检验比较两种序列脂肪分数测量值与实际脂肪浓度的差异；采用线性回归方法分析两种序列脂肪分数测量值与实际脂肪浓度的关系；采用线性回归方法分析测量脂肪分数与实际脂肪分数间的线性关系。采用Bland-Altman散点图检验两种序列脂肪分数测量值与实际脂肪浓度的一致性；以P<0.05为差异有统计学意义。

表1 水脂溶液中2种序列的脂肪分数测量值

实际脂肪浓度FSE-IDEAL(%)IDEAL-IQ(%)0%0.4±0.023.7±0.110%10.2±0.114.3±0.120%20.3±0.124.4±0.130%30.5±0.134.5±0.140%41.3±0.144.4±0.150%50.6±0.254.2±0.260%60.3±0.164.0±0.270%70.4±0.273.5±0.280%72.5±0.284.2±0.290%76.6±0.294.3±0.2100%85.3±0.1103.7±0.2

表2 水脂溶液中线性模型汇总和参数估计值

序列R2FSig常数b1FSE-IDEAL0.982500.832<0.0014.1390.86IDEAL-IQ1.00095348.146<0.0014.2330.998

表3 0～70%水脂溶液中线性模型汇总和参数估计值

序列R2FSig常数b1FSE-IDEAL1.00032244.878<0.0010.4111.002IDEAL-IQ1.00029396.717<0.0014.2680.996

2.脂肪乳溶液

两种序列脂肪分数测量值与实际脂肪浓度见表4；FSE-IDEAL、IDEAL IQ序列的脂肪测量结果与实际脂肪浓度差异均有统计学意义(t=2.842，P=0.013；t=21.363，P<0.001)；与实际浓度间均呈线性关系，回归方程分别为Y=1.004X-0.1(R2=1，P<0.001)，Y=1.024X+1.159(R2=1，P<0.001 ，图5、表5)。Bland-Altman分析结果显示FSE-IDEAL序列测得的脂肪分数与实际浓度差值的95%置信区间为(-0.196%，-0.093%)，IDEAL-IQ序列测得的脂肪分数与实际浓度差值的95%置信区间为(-2.076%，-0.990%，图6)。

表4 脂肪乳溶液中2种序列的脂肪分数测量值

实际脂肪浓度FSE-IDEAL(%)IDEAL-IQ(%)2%2.0±0.13.3±0.14%4.0±0.15.3±0.16%6.1±0.17.3±0.18%8.0±0.19.2±0.110%10.1±0.111.5±0.212%12.0±0.013.5±0.114%14.0±0.015.6±0.216%16.0±0.017.5±0.218%18.0±0.119.3±0.120%20.1±0.021.3±0.122%22.0±0.123.5±0.324%24.0±0.125.9±0.326%26.0±0.128.1±0.328%28.1±0.129.9±0.230%30.3±0.231.8±0.4

图1 a) 水脂溶液中FSE-IDEAL序列测得的脂肪分数与实际浓度间呈线性关系； b) 水脂溶液中IDEAL-IQ序列测得的脂肪分数与实际浓度间呈线性关系。 图2 a) 0～70%水脂溶液中FSE-IDEAL序列测得的脂肪分数与实际浓度间呈线性关系； b) 0～70%水脂溶液中IDEAL-IQ序列测得的脂肪分数与实际浓度间呈线性关系。 图3 Bland-Altman散点图。横坐标为测量脂肪分数与实际脂肪分数均值，纵坐标为测量脂肪分数与实际脂肪分数差值。a) 水脂溶液中FSE-IDEAL序列测得的脂肪分数与实际浓度的Bland-Altman分析结果； b) 水脂溶液中IDEAL-IQ序列测得的脂肪分数与实际浓度的Bland-Altman分析结果。

表5 脂肪乳溶液中线性模型汇总和参数估计值

序列R2FSig常数b1FSE-IDEAL1.000259198.102<0.001-0.101.004IDEAL-IQ1.00033070.076<0.0011.1591.024

讨 论

1.FSE-IDEAL及IDEAL-IQ序列定量测量水-脂混合溶液中脂肪含量的准确性

小麦区域试验采用随机区组法，3次重复。小区行距0.15米，10行区，小区面积15平方米，各品种间间隔0.3米。并设不少于6行的保护区。全区收获计产，计算增（减）产百分率。

由2位具有3年以上工作经验的放射科技师和医师协商放置ROI并进行数据测量。数据处理具体步骤如下：①原始图像传送至GE AW4.6工作站，采用Viewer窗观察测量；②选择FSE-IDEAL序列的脂像和同相位两组图像，在模型底部、中部、顶部分别测量不同浓度模型的信号强度(ROI面积>4 cm2)；③按照公式脂肪分数=脂像信号强度/同相位信号强度，计算得到脂肪定量评估值；以同样方法在底部、中部、顶部分别再选3个层面进行测量，记录数据，取平均值为最终测量结果；④选中IDEAL-IQ序列中的FraF图像，后处理软件自动计算出脂肪分数，以和FSE-IDEAL序列相同的方法测量脂肪分数；⑤一个月后，按上述方法再次测量IDEAL和 IDEAL-IQ序列脂肪分数，最终所得IDEAL和IDEAL-IQ序列脂肪分数分别为两次测量的平均值。

本文通过果酒专用橡木桶对猕猴桃果酒进行贮藏研究，通过测定贮藏过程中，酒汁的理化特性和感官特性，为后续研究橡木桶陈化机理和工业化应用提供理论基础。

图4 Bland-Altman散点图。横坐标为测量脂肪分数与实际脂肪分数均值，纵坐标为测量脂肪分数与实际脂肪分数差值。a) 0～70%水脂溶液中FSE-IDEAL序列测得的脂肪分数与实际浓度的Bland-Altman分析结果； b) 0～70%水脂溶液中IDEAL-IQ序列测得的脂肪分数与实际浓度的Bland-Altman分析结果。 图5 a) 脂肪乳溶液中FSE-IDEAL序列测得的脂肪分数与实际浓度间呈线性关系； b) 脂肪乳溶液中IDEAL-IQ序列测得的脂肪分数与实际浓度间呈线性关系。 图6 Bland-Altman散点图。横坐标为测量脂肪分数与实际脂肪分数均值，纵坐标为测量脂肪分数与实际脂肪分数差值。a) 脂肪乳溶液中FSE-IDEAL序列测得的脂肪分数与实际浓度的Bland-Altman分析结果； b) 脂肪乳溶液中IDEAL-IQ序列测得的脂肪分数与实际浓度的Bland-Altman分析结果。

2.本研究的临床意义及展望

IDEAL-IQ序列定量评估水-脂模型的准确性及与组织病理学的相关性已被诸多研究成果所证实[7-11]。Ideal-IQ序列是T1依赖的、T2*校正并伴多峰脂肪谱线模型的化学位移水脂分离技术，扫描时间短、成功率高，尤其适合腹部器官的成像；一次采集可生成水像、脂像、脂肪比及弛豫率等六幅图像，在脂肪比及弛豫率图像上放置ROI可以直接得到脂肪分数及R2*值而无需进一步计算，具有很高的临床及科研价值。然而IDEAL-IQ是T1加权的梯度回波序列，其信噪比低，病灶显示不佳，对炎症、肿瘤性病变的组织结构分析、疗效监测、转归等的临床应用价值有限。此外，IDEAL-IQ序列对MRI设备的软硬件配置有一定要求，目前我院仅GE 3.0T Discovery 750 MR扫描仪可行此序列成像，因此仅依赖此序列不利于各级医院MRI脂肪定量分析工作的开展。

本研究中采用的第二种水脂分离成像技术是借助FSE序列采集的IDEAL三点Dixon方法，IDEAL是2005年Reeder等用克拉姆罗界证明并提出[4，12]，水脂相对相位为-π/6、π/2、7π/6时有最佳噪声特性，其算法主要思想是把区域增长算法和迭代线性最小平方拟合进行场map估计和水脂像重建，用低分辨率图像引导区域增长，选择起始种子和像素栈的应用。FSE-IDEAL序列对硬件设备及软件平台无特殊要求，配备有1.5T以上MRI设备的医院均可采集，可行T1加权、T2加权、质子密度加权成像。本研究采用了FSE-IDEAL T2WI序列，此序列在头颈、骨肌系统中应用较多，水像图脂肪抑制均匀，图像信噪比高，有利于病灶的检出及追踪观察。Kaichi等[13]最近报道了采用FSE-IDEAL T2WI序列对比分析甲状腺相关性眼病患者激素冲击治疗前、后眼眶脂肪容积及水分数的变化，联合临床及影像定量分析结果显示，尽管治疗前、后眼眶脂肪容积无显著差异，但FSE-IDEAL序列所测的眼眶脂肪水分数则有明显降低，冲击前的水分数值与临床疗效评分显著相关，说明FSE-IDEAL T2WI序列能有效预测和判断甲状腺相关性眼病的疗效和转归。本研究结果也证明当脂肪浓度小于70%时，FSE-IDEAL T2WI序列所测的脂肪浓度不仅与实际值呈完全直线相关，而且与实际值的偏差程度小于IDEAL-IQ序列。因此，FSE-IDEAL T2WI序列不仅可作为病变显示序列，还可以测量脂肪含量在70%以下组织的脂肪分数及水分数，一次成像即可获得病灶的形态学及组织病理学信息，临床应用价值较高。本研究还提示，不同的水脂分离序列技术原理不同，因此所测同一样本的脂肪含量及水含量也会有显著差异，因此笔者建议，对于追踪复查的病例，所用水脂分离序列要尽量保持前后一致，测量值才有比较价值。

3.本研究的局限性

本研究有以下局限性：①脂肪溶液或脂肪乳的脂肪分数并非与配制浓度完全一致，可因混合不均或溶液浓度变化导致PH值改变，脂肪颗粒不稳定析出，因此相对于中低浓度，高浓度脂肪溶液自身误差较大，会影响检测结果；②模型与活体组织不同，会存在细胞内外其他成分的干扰，还需动物实验及病理学对照进一步证实本研究的结论。

参考文献：

[1] Dixon WT.Simple proton spectroscopic imaging[J].Radiology，1984，153(1):189-194.

[2] Pineda AR，Reeder SB，Wen Z，et al.Cramer-rao bounds for three-point decomposition of water and fat.Magnetic resonance in medicine[J].Magn Reson Med，2005，54(3):625-635.

[3] Reeder SB，Pineda AR，Wen Z，et al.Iterative decomposition of water and fat with echo asymmetry and least-squares estimation (IDEAL):application with fast spin-echo imaging[J].Magn Reson Med，2005，54(3):636-644.

[4] Yu H，Reeder SB，Shimakawa A，et al.Field map estimation with a region growing scheme for iterative 3-point water-fat decomposition[J].Magn Reson Med，2005，54(4):1032-1039.

[5] Ma J.Dixon techniques for water and fat imaging[J].J Magn Reson Imaging，2008，28(3):543-548.

[6] Yu H，McKenzie CA，Shimakawa A，et al.Multiecho reconstruction for simultaneous water-fat decomposition and T2* estimation[J].J Magn Reson Imaging，2007，26(4):1153-1161.

[7] 胡磊，查云飞，林苑，等.IDEAL_IQ定量评价兔糖尿病模型椎体骨髓脂肪含量的可行性研究[J].磁共振成像，2015，6(12)：941-946.

[8] 林苑，查云飞，邢栋，等.钆剂对MRIDEAL_IQ骨髓脂肪定量影响的实验研究[J].磁共振成像，2016，7(11)：856-860.

[9] 陈晓，孟晓岩，李晓娟，等.采用基于最小二乘法估计和不对称回波迭代分解水和脂肪成像序列定量评估水-脂模型中脂肪含量的可行性和准确性[J].中华放射学杂志，2015，49(9):704-707.

[10] 陈晓，罗馨，雷红，等.磁共振IDEAL-IQ序列评价“接力赛”电针法对腹型肥胖女性肝脏脂肪含量的影响[J].放射学实践，2017，32(5):471-474.

[11] Hines CD，Yu H，Shimakawa A，et al.T1 independent，T2* corrected MRI with accurate spectral modeling for quantification of fat: validation in a fat-water-SPIO phantom[J].J Magn Reson Imaging，2009，30(5):1215-1222.

[12] Reeder SB，Wen Z，Yu H，et al.Multicoil Dixon chemical species separation with an iterative least-squares estimation method[J].Magn Reson Med，2004，51(1):35-45.

[13] Kaichi Y，Tanitame K，Itakura H，et al.Orbital fat volumetry and water fraction measurements using T2-weighted FSE-IDEAL imaging in patients with thyroid-associated orbitopathy[J].AJNR，2016.DOI:10.3174/ajnr.A4859.