前列腺 MRF 是一种用于前列腺成像和组织特性映射的持续不断的发展的技术。与 ADC 图一起，使用 MRF 导出的 T 1和 T 2图已被用于区分外围和过渡区中的癌症与非癌症和健康前列腺组织。

　　多参数磁共振成像 (mpMRI) 已被用作对疑似前列腺癌患者进行仔细的检测、定位、表征和风险分层的关键工具。尽管优于系统活检，但前列腺 mpMRI 的解释具有局限性，包括陡峭的学习曲线，导致相当大的观察者间差异。人们越来越关注将定量成像技术用于更客观的病变评估的临床转化。然而，传统的绘图技术速度慢，无法在临床上使用。磁共振指纹识别 (MRF) 是同时对多个组织特性进行定量映射的有效方法。T 1和 T 2用 MRF 获得的值已经通过体模研究以及正常志愿者和患者进行了验证。研究表明，MRF 衍生的 T 1和 T 2以及 ADC 值都是区分正常前列腺组织和前列腺癌的重要独立预测因子，并且有望在区分低级别和中级别/高级癌症方面发挥作用。

　　在过去二十年中，多参数磁共振成像 (mpMRI) 在前列腺癌的检测、定位和局部区域分期中的作用逐步扩大[1、2、3]。使用 T 2在 MR 上能够正常的看到癌症可疑病变-加权和扩散加权图像 (DWI) 和表观扩散系数 (ADC) 图，并且通常作为动态对比增强 (DCE) 图像的早期增强焦点。出于这个原因，MRI 已成为评估前列腺的黄金标准成像方式，而 mpMRI 成为首选协议。mpMRI 成像也已被用于协助活检靶向，与标准经直肠超声 (TRUS) 活检相比，可提高临床显着癌症的检出率并减少惰性病变的检出率 。

　　前列腺的 mpMRI 协议通常包括用于解剖学评估的 T 2加权图像以及 DWI 和 DCE MRI。mpMRI 的解读遵循前列腺成像报告和数据系统 2.1 版 (PI-RADS v2.1) [5] 提供的建议。mpMRI 的评估是一种定性评估，有几率会使不同读者之间的解释差异 [6]。人们慢慢的变多地探索使用定量组织特性映射进行疾病诊断和分期，因为这些映射可能比传统的加权成像提供更多客观信息。特别是，来自 DWI 的 ADC 测量值被建议作为 PI-RADS 中定性分析的潜在辅助手段 [7 ],8,9,10]。T 1和 T 2的定量映射未常规执行或包含在 PI-RADS 中，因为制作这些映射需要一些时间，而且它们在评估前列腺癌方面的边际效用未知。

　　最近，出现了几种用于定量 T 1和 T 2映射的方法并应用于前列腺，目的是通过客观使用组织特性值来诊断和分层疾病来提高癌症评估的可重复性。磁共振指纹识别 (MRF) 是一种能够同时生成多个组织特性的定量图的技术，也在前列腺中进行了探索虽然在前列腺中部署 MRF 的主要好处是能快速表征前列腺组织，但 MRF 可能提供比传统映射方法更多的优势。例如，早期的工作表明，MRF 数据可用于提取有关单个组织成分的信息 [18、19] ，从而有可能提高对疾病的辨别能力。此外，有人建议将 MRF 衍生的组织特性图与机器学习相结合以进行自动病变检测。MRF 的效率、可重复性和对前列腺组织变化的潜在敏感性，以及高效后处理和分析的可能性，使 MRF 成为临床前列腺评估中令人兴奋的新工具。

　　本综述旨在介绍用于前列腺组织特性映射的 MRF 基础知识，包括脉冲序列设计、字典生成和组织特性图重建算法。还讨论了前列腺成像的潜在应用，并描述了当前的局限性和正在进行的研究领域。

　　当前使用基于血清前列腺特异性抗原 (PSA) 水平的筛查面临的挑战，例如假阳性率增加、无法通过随机活检检测具有临床意义的前列腺癌 (PCa)、PCa 的多灶性以及 PCa 的分子异质性，能够最终靠将先进的多参数 MR 成像 (mpMRI) 方法集成到 PCa 的诊断检查中来解决。诊断 PCa 的标准方法是经直肠超声 (TRUS) 引导的系统性前列腺活检，但它存在抽样误差，并且经常无法检测到具有临床意义的 PCa。mpMRI 不仅增加了具有临床意义的 PCa 的检测，而且由于其高阴性预测值，还有助于减少不必要的活检。此外，非笛卡尔图像采集和压缩传感导致 MR 采集更快，信噪比更高，可用于动态对比增强 (DCE)-MRI 等定量 MRI 方法。随着逐渐重视活检前 mpMRI 在 PCa 评估中的作用，对创新 MRI 方法的需求增加，这一些方法可以改善 PCa 分级、检测具有临床意义的 PCa 和活检指导。为了满足这些需求，除了常规的 T1 加权、T2 加权、DCE-MRI、弥散 MRI 和 MR 波谱之外，还有一些新的 MR 方法，如限制谱成像、血管、细胞外和肿瘤细胞计数的受限扩散（ VERDICT）方法、混合多维 MRI、管腔水成像和 MR 指纹识别已被开发用于更好地表征疾病。此外，随着人们对将 MR 数据与临床和基因组数据相结合的兴趣越来越大，人们对利用放射组学和放射基因组学方法的兴趣也越来越大。这些大数据还可用于开发计算机辅助诊断工具，包括自动分割和使用机器学习方法检测具有临床意义的 PCa。

　　在 mpMRI 协议中获取的每个图像都有不同的用途。T 2加权成像反映了组织的含水量和细胞结构，并且由于出色的软组织对比度而被用作带状结构的高分辨率解剖图像 。T 2加权成像在评估过渡区 (TZ) 病变中起着主要作用，而在评估外周区 (PZ) 病变方面仅次于扩散加权成像。在正常前列腺中，PZ 在 T 2加权成像上呈现高信号（尽管前列腺炎等良性变化可能是低信号），而 TZ 具有低信号和高信号区域的异质外观。T2w 成像在表征 TZ 病变方面也起着重要作用，因为 TZ 中常见的 BPH 结节可能表现出扩散受限，这会降低使用扩散加权图像识别前列腺癌的敏感性。然而，强度本身不能用作等级的客观测量，因为低强度的程度因制造商而异，具有序列和用户控制的设置，并且跨扫描仪。

　　DWI 提供有关细胞结构和组织内水分子运动程度的定性和定量信息。与健康组织相比，由于细胞结构增加和扩散系数降低，前列腺癌在 DWI 上呈现高信号。从具有不同 b 值的多个扩散加权图像计算得出的 ADC 值的降低与 Gleason 评分的增加有关,加权成像具有更高的灵敏度和特异性。

　　除了基本的 T 2加权图像和 ADC 图之外，DCE MRI 图像还可用于评估灌注。DCE MRI 图像是通过在注射基于钆的造影剂之前和之后动态采集一系列 T1 加权图像生成的。这些图像显示前列腺癌的早期局灶性增强 [30]。虽然可以处理 DCE 图像以生成灌注相关参数的定量图，但这些测量的重复性和再现性较差，阻碍了这些信息在标准临床实践中的使用. 虽然 DCE 信号增强曲线形状的半定量分析最初包含在 PI-RADS v1 中，但曲线形状不够具体，不足以保证包含在 PI-RADS v2.1 中。目前在 PI-RADS v2.1 中，DCE 成像仅用于通过 DCE 图像的视觉评估将周围区域病变的风险从第 3 类升级到第 4 类，癌症倾向于更早或与周围正常组织同时增强.虽然 T1加权成像本身对前列腺癌检测没有诊断作用，因为癌症和正常组织都具有低且均匀的信号强度，T1 加权图像通常用于评估是否存在出血（这会混淆 T2w 和弥散成像）和 DCE 分析 。

　　一旦获取了相关图像，就可以使用 PI-RADS v2.1 五点评分系统中规定的标准评估前列腺癌的存在和分期。然而，PI- RADS有许多限制 。除了 ADC 图之外，PI-RADS 中使用的图像是定性的，这意味着它们不反映组织特性（例如 T 2）的测量值，而仅仅是由这些组织特性加权的图像。因此，无法客观评估前列腺组织以确定可疑病变是否具有将其标记为不同于健康组织的组织特性。由于这些图像在某种程度上是主观的，因此 PI-RADS 的读者间一致性有限，即使是在有经验的读者之间。前列腺健康评估方法可能会减少这些差异并实现更明确的评估。

　　尽管 ADC 以外的定量图分析目前不是 PI-RADS v2.1 的一部分，但有理由相信前列腺组织的变化可以通过定量组织特性图来测量。使用传统的弛豫测量法，在多项研究中观察到 T 2值在 PZ 中高于 TZ，在正常组织中高于癌症[38、39]。多个研究小组表明，T 2映射可用于区分正常前列腺组织、前列腺炎和良性前列腺增生(BPH)与前列腺癌.据报道，与健康组织相比，前列腺癌组织中的T2和ADC值降低，这些值与前列腺癌的侵袭性相关]。有人提出，与单独的 T2w 成像相比，T 2映射可以为前列腺癌评估增加更高的阳性预测值。

　　与 T 2映射不同，T 1映射还没有被深入探索，大概是由于 T 1加权图像没有广泛用于前列腺癌评估，因为它们在癌症和正常前列腺组织之间表现出很小的对比度。然而，最近一项针对 23 名患者的小型研究发现，与良性前列腺组织相比，前列腺癌中的T 1较低。使用双回波涡轮自旋回波饱和恢复（四个延迟时间）获取 T 1和 T 2映射，T 1和 T 2发现癌症中的时间低于间质增生和非癌性 PZ，尽管 TZ 和 PZ 癌症没有分开并且总体诊断性能低于 ADC。

　　几个小组试图了解前列腺组织和癌症中测量的松弛特性差异的组织学基础 [54]。例如，Sabouri 等人。已经评估了基于 T 2映射的管腔水分数测定用于检测和分级前列腺癌的可行性。前列腺腔、间质和上皮的定量已经使用 T 2的隔室模型和 ADC 映射数据进行了探索，据报道，在癌症存在的情况下，部分上皮体积增加，而管腔和间质减少。

　　然而，传统的T 1和T 2映射序列可能是缓慢且低效的。用于 T 1映射的改进的 Look-Locker 反演恢复序列 (MOLLI) 需要 4.5 分钟的数据采集时间，分辨率为 1.3 × 1.3 × 3 mm 3 [52]。对于使用插值分辨率为 0.55 × 0.76 × 2.2 mm 3的多回波涡轮自旋回波方法的T 2映射，采集时间为 2 分钟 24 秒 。因为 T 1和 T 2绘图非常耗时，而且通常不会获取这些地图，因此尚未对通过传统方法进行的这些测量进行全面评估，以了解它们在组织表征和癌症检测中的用途。

　　磁共振指纹识别 (MRF) [11] 是一种用于定量组织特性映射的方法，可用于同时有效地生成多个组织特性的映射。MRF 已用于许多器官以获取 T 1和 T 2图，包括大脑 、腹部器官、心脏 、、和前列腺]. 通用 MRF 框架由四个关键组件组成：MRF 数据采集、图像时间序列重建、字典模拟和地图生成。MRF 工作流程的概述如图1所示，并在以下部分中进行了描述。

　　（左上）使用具有可变采集设置（FA 和 TR）的 MRF 脉冲序列采集数据。（左下）MRF 脉冲序列参数和大量组织属性值（即 T 1和 T 2) 作为 Bloch 方程模拟的输入输入以生成 MRF 字典。（中上）MRF 脉冲序列用于在 MRI 扫描仪上收集高加速图像；一个体素随时间变化的信号时程（橙色曲线）由该体素中组织的特性以及脉冲序列设置决定。（中下）将来自一个体素的测量信号与模式匹配步骤中的字典进行比较，并找到最佳匹配。（右）用于制作最佳匹配字典条目的组织属性被指定为该体素的 T 1和 T 2值，并且对所有体素重复该过程

　　通过选择适当的脉冲序列参数，即重复时间 (TR)、回波时间 (TE)、翻转角 (FA) 等，可以使 MRI 信号对组织特性（例如 T 1和 T 2 ）敏感。MRF 脉冲序列经过专门设计，使得不同的组织（假设具有不同的 T 1和/或 T 2值）随时间产生具有不同特征的信号，并且这些信号可以彼此区分。通常在 MRF 中，TR 和 FA 以受控方式变化以确保这些信号是唯一的，并且数据采集通常使用反转脉冲进行初始化以提高信号对 T 1的灵敏度。2 _-准备脉冲和额外的反转脉冲也可用于分别增加对T 2和T 1的灵敏度。也可以插入延迟时间以确保具有不同组织特性的组织产生的信号可以彼此区分。虽然大脑中使用的第一个 MRF 序列基于平衡稳态自由进动 (bSSFP) 读出 [11]，但任何序列结构都可以与 MRF 一起使用。脉冲序列结构的选择取决于要测量的组织特性；具有稳态进动 (FISP) 读出的快速成像由于其对偏共振效应相对不敏感 [12]，因此越来越多地部署在 MRF 中。

　　有许多不同的办法能够为 MRF 采集选择脉冲序列参数。虽然最初的 MRF 工作使用了几种根据经验选择的 TR 和翻转角组合 [11]，但其他小组使用了蛮力方法 [63]，测试了许多不同的可能的扫描仪参数并选择了能够为组织特性图提供最佳精度的参数.更精细的方法包括使用基于噪声系数的品质因数 [64]、Cramer-Rao 下界 [65]、计算机模型与受物理启发的优化启发式相结合 [66] 以及深度学习 [67 ]].在 [ 68]中可以找到对不同 MRF 脉冲序列参数优化方法的出色概述。

　　MRF 数据通常沿非笛卡尔采样轨迹采集，其中每个采集窗口（即在单个 TR 中采集的数据）提供有关基础组织特性的独特信息。为了有效地提取这一些信息，必须部署专门的技术，下面将对此进行概述。

　　一旦获得了 MRF 数据，这些数据就会被转换成图像，用于后面的模式匹配步骤。最初，通过非均匀快速傅里叶变换（NUFFT [69]）将采集的每个 TR 中采集的数据转换到图像域，从而产生图像的时间序列。鉴于高数据欠采样因子，MRF 图像被混叠伪影严重损坏。然而，当使用非笛卡尔轨迹（如螺旋或径向）时，这些混叠伪影在图像中看起来像噪声。最近，减少这些单个图像中的伪影的方法已被引入管道，包括视图共享[70]、并行成像[71]、迭代去噪[72 ]]，以及低秩/压缩感知重建[73、74、75、76、77]。然而，MRF 不需要这些图像重建步骤，尽管存在明显的混叠伪影，但加速图像仍可用于后续的组织特性提取步骤。

　　转换到图像域后，使用自适应线] 组合使用多个接收线圈获取的图像。最近的研究表明，通过使用 PCA [ 79] 沿线圈维度压缩 MRF 原始数据或图像，或使用奇异值分解压缩[76、80] 沿时间维度压缩MRF原始数据或图像，可以加快进一步的处理步骤。一旦准备好图像的时间序列，就可以将其用于进一步处理以提取组织属性信息（见下文）。

　　MRF 重建依赖于对 MRI 扫描仪获取的信号演化与组织特性 (T 1 , T 2， ETC。）。在大多数传统的映射技术中，组织特性与信号演变之间的关系由指数信号模型描述，并且可以通过将观察到的信号与模型拟合曲线来提取定量组织特性值。然而，在 MRF 中，通过在整个采集过程中改变脉冲序列参数，组织特性与信号演变之间的关系被设计得更加复杂。为了有效地将 MRF 中测量的信号时间过程与组织属性值的适当组合相匹配，通常使用字典匹配方法来代替显式曲线拟合。

　　在 MRF 中，由体素产生的信号时程是采集中使用的序列参数（例如 FA 和 TR）以及采集中组织的属性（即 T 1和 T 2）的结果体素。对于 T 1和 T 2的不同组合，由应用的 MRF 脉冲序列产生的信号演变被计算。一旦一组组织特性的时间序列被计算出来，它就会被归一化以供以后在模式匹配中使用，并作为一个条目存放在字典中。能够正常的使用多种技术计算这些 MRF 信号时程，其中最常见的是通过使用 Bloch 方程模拟。其他方法包括使用扩展相位图 (EPG) [81、82] 对信号建模，或者训练神经网络在比显式 Bloch 方程计算 [83] 更短的时间内重现Bloch方程。

　　目标临床应用的组织特性的预期生理范围用于定义计算字典条目的 T 1和 T 2值的上限和下限。例如，MRF 字典可以包含从 10 到 3000 ms 的 T 1值组合的信号演变，增量为 10 ms，T 2值从 2 到 500 ms，增量为 2 ms。请注意，映射的 T 1和 T 2值的准确度和精确度部分由 MRF 字典分辨率确定。如果字典分辨率很好（T 1和 T 2之间的间距很小条目），MRF 字典的大小可能非常大并且使用起来具有挑战性，但信号演化可能在字典中更准确地表示。另一方面，如果字典分辨率较粗，则 MRF 字典的大小会很小，但条目可能无法真正代表所采集数据中发现的信号演化。另请注意，字典大小随着 MRF 扫描中要映射的组织属性的数量呈指数增长；大字典会增加重建的计算负荷和内存需求。这种字典大小的考虑可能会限制可以在 MRF 扫描中实际评估的单个组织属性的数量。

　　MRF 流水线的最后一步是将 MRF 图像时间序列与字典匹配，以选择最能代表每个体素采集信号的字典条目。然后可以将用于构建该条目的T 1和 T 2值分配给该体素作为测量值。此步骤有多种方法，但最常用（也是最简单）的方法称为互相关模式匹配。在这里，从图像时间序列中提取单个像素随时间变化的信号，并进行归一化。计算该测量信号与所有词典条目之间的互相关（内积），并选择具有最高互相关值的词典条目作为最佳“匹配”。T 1和 T然后将用于构造该字典条目的2 个值指定为该体素的组织属性。

　　这个简单的匹配过程可能很慢，尤其是在字典很大的情况下。为了对抗这些影响，可以使用更高级的匹配方法，例如快速组匹配 [84]。机器学习方法也得到了发展，其中可以从数据中提取组织特性，而无需显式字典[85、86、87、88、89、90]。这些方法在字典可能变得非常大的情况下可能特别有用，例如映射两个以上的组织属性时 [91]。

　　迄今为止，主要用于评估前列腺患者的 MRF 序列被开发用于 3 T，并在 [13] 中进行了描述。然而，MRF 的其他不同实现可用于测量 T 1和 T 2，例如 [17] 中描述的那样。[ 13] 中报告的序列基于 FISP MRF [12]，因为它在存在来自肠气等来源的场不均匀性的情况下对偏共振效应相对不敏感。该脉冲序列的示意图如图2所示.首先通过施加反转脉冲准备磁化，然后采集 3000 个数据块，TR 在 11.2 和 14.2 毫秒之间变化，翻转角在 0° 和 50° 之间变化，如图1所示。该 TR 系列是使用 Perlin 噪声模式选择的，翻转角以正弦模式变化，其中最大翻转角是随机选择的，如 [12] 中的详细描述。此外，每 200 个 TR 插入长度为 10 个 TR 的短弛豫期。使用均匀密度螺旋读数进行数据收集。数据矩阵为 400 × 400，视场为 400 × 400 mm 2，导致面内分辨率为 1 × 1 mm 2, 切片厚度从 3 到 6 毫米不等。此前列腺 MRF 实施的总采集时间为一个切片 39 秒，并且在测量之间插入至少 5 秒的延迟时间，以确保在开始下一个实验之前有足够的磁化恢复。采集后，将原始数据沿线个虚拟线圈，并沿时间维度执行SVD，将时间序列从3000点压缩为43点。使用NUFFT将压缩数据转换为图像域。

　　用于 3 T 前列腺 MRF 的脉冲序列示意图。许多实施中使用的读数是均匀的密度螺旋。重复次数 (TR) 和翻转角 (α) 在每个数据采集块后发生变化，如图1左侧所示

　　前列腺 MRF 已被探索用于表征外围和过渡区的前列腺病理[13、14、15]。图3中显示了使用 3 T 前列腺 MRF 生成的 T 1图和 T 2图以及 ADC 图和 T 2加权图像的示例。该患者患有 PZ 受累的前列腺癌（Gleason 9 级），标有白色箭头。请注意 T 2加权图像中癌症的低强度，以及该区域中的低 ADC 值。MRF 衍生的 T 1和 T 2图显示在底部。平均 T 1和 T此前列腺癌中的2值明显低于正常 PZ（T 1为 1533 ± 175 ms 与 2920 ± 80 ms，T 2为 37 ± 7 ms 与 261 ± 57 ms），其中分析的 ROI 标记为MRF 地图上的黑色边框。

　　（左上）T 2加权轴位图像，在 PZ 中有一个大的低信号癌（白色粗箭头）。（右上）癌症在表观扩散系数 (ADC) 图上显示出较低的扩散系数。（底行）分别是 MRF 衍生的 T 2和 T 1图。在这些地图上，癌症由带有黑色边框的 ROI 标记，再次由白色箭头表示，正常出现的 PZ ROI 则用简单的黑色边框标记

　　最初的前列腺 MRF 工作侧重于 PZ 中的定量病变表征 [13]。MRF 和 ADC 数据，除了标准 T 2加权图像外，还收集了总共 140 名 3 T 患者。使用标准 12 核 TRUS 方法或系统活检加认知靶向活检对可疑病变进行活检。所有三种定量组织特性（T 1、T 2和 ADC）在癌症中都显着低于正常外观的 PZ 组织，并且将所有这三种指标一起使用提供了 0.99 的 AUC 来区分癌症和健康组织。这个结果有点出人意料，因为 T 1以前没有被认为是一种在前列腺癌存在时会发生变化的特性。最有趣的是，使用 T 2和 ADC，低级别癌症可以与 AUC 为 0.83 的中级和高级癌症区分开来。这一发现表明 MRF 可用于区分攻击性，并可能表明哪些患者可以单独进行主动监测。此外，虽然 T 1和 ADC 可以一起用于区分正常 PZ 组织和前列腺炎（AUC 为 0.99），但使用定量参数的任何组合都不可能清楚地区分 PZ 中的癌症和前列腺炎，这可能是因为小样本量和进行靶向活检的小子集。

　　在一项后续研究中，招募了 89 名接受靶向活检（TRUS 认知靶向或孔内 MRI 引导活检）的患者，以在 3 T [14] 下使用 MRF 进行扫描。有临床意义的癌症（格里森评分 3 + 4 = 7 及以上）、无临床意义的癌症（格里森 3 + 3 = 6）、非癌症（前列腺炎和活检证实的正常前列腺组织）和无临床意义的病变（组合组）之间的定量差异格里森 6 癌症、前列腺炎和阴性活组织检查）进行了评估。本研究的示例图像如图4所示。该研究证实，带有 ADC 的 T 1可用于区分癌症与阴性活检（AUC 为 0.83）以及非癌症（AUC 为 0.80），以及 T 2ADC 可用于区分有临床意义的癌症（格里森评分 3 + 4 = 7 及以上）和无临床意义的（格里森评分 3 + 3 = 6）癌症（AUC 为 0.91）、非癌症（0.86）和无临床意义的病变(0.86)。也可以区分癌症和前列腺炎（使用 T 2为 0.71 ，使用 ADC 为 0.79），尽管用于这种区分的截断值更为复杂。T 1和 T 2被发现在癌症和非癌症之间存在显着差异，并且这些指标在区分癌症和非癌症时提供了对 ADC 的补充信息。在本研究中，T 1值为 1720 至 1730 ms，T 2值为 52 至 60 ms，ADC 值为 0.75 至 0.78 × 10–3 mm 2 /s 提供了具有临床意义的癌症和非癌症之间的最佳区分性能（见图5）。虽然很有希望，但这项研究的一个局限性是这些临界值的诊断性能没有在另一个队列中得到验证。

　　转载自 A. Panda 等人。，“使用磁共振指纹图谱和扩散图对周边区域前列腺癌特征进行靶向活检验证，

　　转载自 A. Panda 等人。，“使用磁共振指纹图谱和扩散图对周边区域前列腺癌特征进行靶向活检验证，” Invest。放射线。，页。经 Wolters Kluwer Health, Inc 许可

　　在 3 T 下结合 MRF-弛豫法和 ADC 映射的定量表征。T 2与 ADC的散点图用于前列腺炎 ( n  = 15)、低级别癌症 ( n  = 10) 和有临床意义的癌症 ( n  = 53)。1.04 × 10 -3 mm 2 /s 的ADC 值对区分所有癌症和前列腺炎（右垂直线）很敏感，但并不特异。ADC 值为 0.78 × 10-3 mm 2 /s（左垂直线）是区分具有临床意义的癌症与低级别癌症和前列腺炎的最佳分界点。在 ADC 重叠区（两条垂直线 ms 还有助于区分癌症和前列腺炎（水平线与 ADC 的散点图，包括前列腺炎 ( n  = 15)、阴性活检 ( n  = 26)、低级别癌症 ( n  = 10) 和有临床意义的癌症 ( n  = 53)。0.75 × 10 -3 mm 2 /s 的ADC 值后接 1720 ms的 T 1是区分癌症与非癌症（水平线）的最佳截止值。在 ADC 重叠区（垂直线之间），虽然五种具有临床意义的癌症的 T 1   1720 ms，但它们也有 T 2 ≤ 68 毫秒。

　　与 PZ 中的病变相比，TZ 癌症的检测和表征更具挑战性，因为它们位于腺体的视觉异质部分，并且在 T 2加权成像上与良性结节的外观相似。在 [15] 中，有 75 个 TZ 病变的 67 名男性接受了 3 T 的 MRI 扫描，包括 MRF、ADC 映射和 T 2加权成像。与涉及 PZ 病变的研究一样，在 T 2加权图像中识别可疑区域，并在这些区域上测量定量 T 1、T 2和 ADC 值。图6显示了本研究中获得的几个示例地图。通过认知靶向 TRUS 活检（ N  = 15）和孔内 MRI 引导活检（N  = 60）确定病变的病理学。T 1和 ADC 的组合提供了前列腺癌和非癌症（AUC 为 0.94）以及临床显着的前列腺癌和临床上不显着的 TZ 病变（0.81）之间的最佳分离。MRF 衍生的 T 1还能够区分 PI-RADS v2 类别 3 非癌症和癌症（AUC 为 0.79）。MRF 衍生的 1500 至 1510 ms 的 T 1值和 0.66 至 0.70 × 10–3 mm 2 /s 的 ADC 值提供了 TZ 病变的最佳鉴别性能（参见图7). 同样，T 1  = 1500 ms 和 0.65 × 10–3 mm 2 /s 的 ADC 可用作实际的临床临界值，尽管这些尚未在另一个队列中得到验证。

　　转载自 A. Panda 等人，“用于表征前列腺移行区病变的 MR 指纹和 ADC 映射”，放射学。2019; 292:685–694，许可待定

　　来自（从左到右）轴向 T 2加权 MRI、表观扩散系数 (ADC) 映射以及 T 1和 T 2 MR 指纹映射的图像比较，用于靶向活检证实的前列腺癌、前列腺炎和良性前列腺增生 (BPH) ) 结节全部收集于 3 T. A – D活检证实的前列腺癌（箭头）。平均 T 1、T 2和 ADC 分别为 1450 毫秒、43 毫秒和 0.51 × 10–3 mm 2 /s。E – H活检证实的前列腺炎（箭头）。平均 T 1、T 2和 ADC 分别为 1615 毫秒、63 毫秒和 0.83 × 10–3 mm 2 /s，分别。I – L，对于 BPH 结节（箭头），平均 T 1、T 2和 ADC 分别为 1600 毫秒、43 毫秒和 0. 87 × 10–3毫米2 /秒。请注意过渡区癌症和非癌症之间 T 1弛豫时间的差异，尽管病变在 T 2加权图像上具有相似的低信号强度。

　　转载自 A. Panda 等人，“用于表征前列腺移行区病变的 MR 指纹和 ADC 映射”，放射学。2019; 292:685–694，许可待定

　　表观扩散系数 (ADC) 与正常过渡区 (NTZ) ( n  = 66)、活检证实的非癌症 ( n  = 38) 和前列腺癌 ( n = 37) 的 T 1的散点图 显示癌症与活检分离良好-在定量空间中证实的非癌症和 NTZ。最佳模型定义的区域由实线（前列腺癌与非癌症）和虚线（前列腺癌与 NTZ）表示。

　　其他研究证实了以下发现，即使用 MRF 测量的 PZ 和 TZ T1和 T2值在癌症中低于健康前列腺 [92,93]，其中测量值与最初报告的值相似。施用造影剂后，已显示测得的 T 1和 T 2都减少了，尽管两者的减少在前列腺癌中低于正常 TZ，而 T 1的减少在前列腺癌中低于正常 PZ。小型研究报告称，在体模和健康受试者中，基于前列腺 MRF 的测量在 1.5 和 3 T 下具有出色的跨系统可重复性 [17], 与 [13,14] 中报告的值相似。在三个不同机构（UHCMC、Brigham Womens 和 DASA）进行的一项小型研究中探索了前列腺 MRF 测量的易用性以及可重复性和再现性，并取得了极好的结果，表明该技术确实可以普遍部署用于临床前列腺评估 [16]。有必要在更多机构对更多男性进行更多研究，以证实基于 MRF 的测量与 ADC 相结合的建议，当组织可以使用这些定量指标明确表征时，可以将其用作活检的替代品。

　　MRF 在临床组织表征之外的另一个潜在用途是更好地了解是什么组织学变化导致各种组织状态中的 T 1和 T 2差异。在一篇有趣的文章中，在用前列腺 MRF 扫描然后进行前列腺切除术的男性的整个前列腺标本中，确定了健康组织、前列腺炎和癌症的区域，并计算了这些区域的上皮细胞、内腔和间质的相对比率 [92] ]. 据观察：(1) 测量的 T 1和 T 2值与上皮比例呈负相关，(2) T 1在前列腺癌中随着基质的增加而增加，但在前列腺炎中随着基质的增加而减少，(3) T 2在前列腺癌和前列腺炎中随着管腔比的增加而增加。鉴于这些关联，可以定制 MRF 序列以专门测量组织成分中的这些差异，从而提高精度，从而提高 MRF 的辨别力。Deshmane 等人的作品。[19] 已经建议可以使用 MRF 测量来评估大脑中的不同组织隔室，并且这种方法对于在前列腺 MRF 中进行研究也可能很有价值。此外，众所周知，传统 MRI 会遗漏少数癌症。通过仔细的组织学和定量分析，可以确定是否可以更好地定量检测这些遗漏的癌症。

　　前列腺 MRF 最明显的下一个挑战是需要提高空间分辨率和扫描时间。上述临床研究使用 2D MRF 实施来收集 T 1和 T 2图，平面内空间分辨率为 1 × 1mm 2，切片厚度为 5 mm。与用于检测前列腺癌的临床T 2加权图像的分辨率相比，一般为0.6×0.6mm 2对于 3 mm 的切片厚度，这些基于 MRF 的组织特性图的空间分辨率明显较低。这种较低的分辨率排除了使用当前的 MRF 实现来进行病变检测。此外，由于需要在持续 39 到 50 秒的扫描中独立捕获每个二维切片，因此报告的数据采集时间相对较长。已经开发了一种高分辨率 (0.6 × 0.6 × 3mm 3 ) 3D 前列腺 MRF 采集方案，该方案可以探索用于病变检测，数据采集时间为 3 分钟 48 秒 [93]。该分辨率与传统 T 2中使用的分辨率相同前列腺加权成像，扫描时间并不比多切片 2D MRF 长很多。虽然仅评估了少量病变，并且检查的病变未按其在前列腺中的位置分开，但对 90 名疑似患有前列腺癌的男性的初步结果与之前的研究一致 [14,15]。相对快速的高分辨率 3D 前列腺 MRF 方法的发展可能最终消除对单独的高分辨率 T 2加权扫描的需要，因为可以从 T 2生成合成图像地图本身，或者可以使用基于 MRF 的地图直接检测病变。由于这些优势，预计未来的前列腺 MRF 研究将采用高分辨率 3D 方法。

　　另一个挑战是，当前实施的前列腺 MRF 能够同时量化 T 1和 T 2，但不能同时量化 ADC，ADC 已在上述临床研究的单独扫描中测量。通过这种方法，T 1和 T 2图本质上是共同配准的，但 ADC 图可能无法与基于 MRF 的图完美对齐。事实上，由于扩散图像是使用 EPI 收集的，并且比基于 MRF 的地图更容易失真，因此需要一个可能导致错误的配准步骤。测量 T 1和 T 2的 MRF 实现以及 ADC 比使用两种不同的扫描要好得多。虽然理论上可以使用 MRF 测量其他组织特性及 T 1和 T 2，包括但不限于灌注 [96、97]、脂肪分数[98、99、100、101]和扩散[102]，使用MRF同时测量扩散和T 2是非常具有挑战性的。MRF 的实施（包括扩散测量）已将采集分为两部分，其中一部分用于评估 T 1和 T 2，还有一个用于测量 T 1和 ADC。然而，即使是这种方法也没有被广泛采用，因为获取有关所有三种组织特性的信息所需的扫描时间很长，而且 T 2 - 和扩散加权产生的信号水平较低。其他小组报告了测量所有三个特性的能力 [103]，但这种方法尚未在前列腺中来测试。直到高效准确的组合 T 1 /T 2/针对前列腺开发了ADC MRF采集和重建方案，一定要使用单独采集的常规ADC图来评估病变的扩散特征。面对所有这些技术挑战，该技术的多机构和多供应商验证实施将允许在非专家站点进行更多常规扫描，并在患者和队列之间进行稳健的比较。

　　最后，即使在使用三种不同组织特性的定量测量时，明确区分前列腺中各种病理的重大且临床相关的挑战任旧存在。例如，虽然在某些情况下可能区分癌症和前列腺炎，但一种强有力的方法来表征这些不同的组织将具有很大的临床意义。难点可能在于健康组织和病理组织的性质相似（即相似的T 1 , T 2, 和 ADC), 并且在大多数情况下要额外的组织特性来实现它们的区分。另一种可能性是目前这些组织特性的测量值差异太大；使用改进的 MRF 序列进行更精确的测量可能会起到一定的帮助。将 PIRADs 2.1 系统中的第 3 类病变细分为高风险组和低风险组是另一个主要的开放性问题，因为它会产生很高的临床影响。转移性病变（例如在骨结构中）的 MRF 和测量它们对治疗的反应是未来临床工作的另一个主要目标。

　　前列腺 MRF 是一种用于前列腺成像和组织特性映射的持续不断的发展的技术。与 ADC 图一起，使用 MRF 导出的 T 1和 T 2图已被用于区分外围和过渡区中的癌症与非癌症和健康前列腺组织。虽然正在研究对 MRF 采集和重建的潜在改进，包括采集更高分辨率或 3D 图或将 ADC 添加到测量的组织特性中，但最初的 MRF 根据结果得出，该技术可能成为表征前列腺的有用工具组织。