今天，我们来聊一聊目前开展比较火热的CT脑灌注成像，准确的灌注结果对于卒中治疗有着决定性的作用。而判定灌注结果准确性，就必须要了解其成像原理。在此，分享一下自己对CT脑灌注的认识，供参考。

    灌注（perfusion）

        血流通过毛细血管网，将携带的氧和营养物质输送给组织细胞的重要功能。

    灌注成像（perfusion imaging）

        建立在流动效应上观察分子微观运动的成像方法  。

        这种通过影像学技术测量局部组织血液灌注，了解其血液动力学及其功能变化，对临床诊断及治疗均有重要参考价值。

    CT灌注（CT perfusion imaging，CTP）

      通过对比剂增强方法来动态研究器官、组织或病灶微循环灌注情况，能够在显示形态学变化的同时，反应生理功能改变的功能学成像方法。如：肿瘤的灌注研究可以评估肿瘤血管分布、肿瘤性质，以及对放化疗的反应等。如下图所示CT灌注示意图：

    CTP特点：

• 具有高时间与空间分辨力，可快速、准确、全方位地评价组织器官微循环内血流动力学变化。

• 可反映活体的血流动力学变化、可进行定量分析。因此，通过灌注可以评估器官、组织的功能情况。

  
  






2、CT脑灌注基本原理

    理论基础：

      根据核医学的放射性示踪剂稀释原理和中心容积定律（central volume principle），Axel认为[1]在没有对比剂外渗和消除对比剂再循环的情况下，可根据时间密度曲线计算出脑血容量（CBV ）。



BF血流速度，BV血容量，MTT平均通过时间




       而CT增化所用的碘对比剂基本符合非弥散型示踪剂的要求，所以，可以借用核医学灌注成像原理进行计算。这样的话，同样也可以根据时间-密度曲线（time density curve，TDC）计算出BF（血流量）、BV（血容量）、MTT（平均通过时间）、TTP（达峰时间）等参数。






        由此可看出，获得一条获得完整的时间-密度曲线，对于灌注检查来说至关重要。因此，我们检查过程中，务必固定受检者、同时提前了解受检者颅内压、心功能等影响因素。




       CT脑灌注的数学模型


        计算CBF和MTT的目前主要的数学方法有非去卷积法和去卷积法两种；

        首先,我们来看非去卷积法，其主要依据便是经典的 Fick原理[2]，认为组织、器官中对比剂蓄积的速度等于动脉流入速度减去静脉流出速度，因此在某一时间段（t）内组织器官中对比剂的含量等于在该段时间内动脉流入量减去静脉流出量。






Ct(T)，表示时刻T组织内对比剂的浓度[Ml/100mL]

Ca(t)，表示动脉中对比剂浓度[mL/100mL]

Cv(t)，表示静脉中对比剂浓度[mL/100mL]




        如果，以上述公式的假设为前提： 假设，在没有对比剂外渗和消除对比剂再循环的情况下，即对比剂首过现象（对比剂由动脉进入毛细血管到达静脉之前一段时间内，没有对比剂进入静脉再次循环的现象）去计算BF、BV、MTT 等参数。我们就可以得到经典的最大斜率法的数学模型。

        假设，在对比剂到达峰值之前没有静脉流出，即得到如下：



        由此得出：

         当动脉对比剂浓度达到峰值时，组织内对比剂浓度也会累积到峰值。

         得出如下：










         进一步积分即可得到如下：










综上述，我们便可以通过该时间-密度曲线轻松得到想要的数据。









        但是，这里有一个问题需要大家思考一下！既然，动脉峰值和组织峰值是成比例关系，那么，影响动脉峰值的因素，同样也会影响组织峰值。因此，我们需要注意以下两点：




    一、对比剂注射流速问题





，







    二、对比剂注射总量问题






    最后，总结一下。

    最大斜率法的优点，不需要计算静脉的TDC，扫描时间较短，原理简单，只需要计算组织TDC的最大斜率、峰值、输入动脉峰值等参数；

    缺点，对噪声敏感、扫描间隔要求较短、峰值或最大斜率可能丢失、忽略了卷积因素，所以要求较高的对比剂注射速率来保证器官灌注，在最大斜率获得前不存在静脉流出（即卷积值）。







以上便是，今天的分享内容。

下期，接着分享去卷积法原理，请持续关注。