第一部分颈髓3.0T小视野扩散张量成像参数优化研究　　目的：优化颈髓3.0T小视野扩散张量成像图像采集参数。　　材料和方法：采用3.0TMR扫描仪对信噪比水模和6例正常志愿者（男性3例，女性3例，年龄19-50岁，平均年龄32岁）行颈髓rFOVDTI。图像采集参数由正交试验设计确定，实验因素包括b值，扩散编码梯度方向数目(NDGD)，激励次数(NEX)，重复时间(TR)，层厚，矩阵和视野(FOV)；每个因素又包含3或4个水平。测量不同参数水模和正常志愿者选定层面扩散图的SNR、MD值及FA值。对SNR与MD值及FA值进行相关分析，对SNR、MD值及FA值与各因素进行直接分析和多因素方差分析。　　结果：1.相关分析显示：水模和正常志愿者脊髓SNR和MD值成中度正相关（相关系数分别为0.62和0.76），SNR和FA值成中度负相关（相关系数分别为-0.47和-0.3）。2.直接分析结果显示：水模及正常志愿者脊髓SNR、MD值及FA值随扫描参数变化而变化，其变化趋势基本一致，相对SNR及MD值，FA值对参数变换不敏感，相对稳定。3.方差分析结果显示：水模扩散图SNR的影响因素包括b值、NEX、层厚和FOV，MD值影响因素包括b值、层厚和矩阵，FA值则受NEX、层厚、b值、NDGD及FOV的影响；正常志愿者扩散图SNR影响因素包括NEX、层厚、矩阵和FOV，MD值与层厚有关，FA值则与NEX有关。　　结论：在选定参数范围内：1）水模和正常人脊髓均当b值=600s/mm2，NDGD=25，NEX=12，TR=2400ms，层厚=5mm，矩阵=128×48，FOV=24cm时SNR较高，MD值及FA值较准确；2）b值、NDGD、层厚与NEX是影响水模SNR及MD、FA值精确度的主要因素，b值越小、NDGD及NEX越多、层厚越大DTI测量值越准确；3）NEX与层厚是影响人体SNR及MD、FA值准确度的主要因素，NEX越多、层厚越大DTI测量值越准确。　　第二部分视神经脊髓炎颈髓3.0T小视野扩散张量成像研究　　目的：通过3.0T小视野（rFOV）扩散张量成像（DTI）技术定量评价视神经脊髓炎（NMO）患者颈髓白质损伤情况，并与多发硬化（MS）患者及正常人进行对照研究，为NMO及MS的诊断及鉴别诊断提供参考信息。　　材料和方法：经临床确诊的38例NMO患者，17例MS患者及20例正常志愿者于3.0T磁共振（MR）扫描仪进行颈髓常规扫描后行DTI扫描，并对患者按扩展残疾状况评分量表(EDSS)进行评分。在颈2及颈3椎体层面脊髓侧索及后索放置感兴趣区（ROI）测量DTI衍生值（包括MD值、FA值及RA值），取左、右两侧脊髓侧索ROI均值代表脊髓侧索测量值。采用单因素方差分析进行组间多重比较，对比NMO、MS及正常人各ROI之间的差异，并采用Spearman相关分析检验NMO患者各ROIDTI衍生值与EDSS评分的相关性。　　结果：颈2椎体层面：NMO组与MS组脊髓侧索MD值（MD-LA）有统计学意义，其余各DTI衍生值无统计学差异。NMO与健康对照组间脊髓侧索FA值（FA-LA）、RA值（RA-LA）及脊髓后索FA值（FA-P）、RA值（RA-P）均有统计学意义，而MD-LA及脊髓后索MD值（MD-P）无统计学意义。MS与健康对照组间FA-P及RA-P有统计学意义，其余各DTI衍生值无统计学差异。颈3椎体层面：NMO组与MS组间各DTI衍生值均无统计学差异。NMO与健康对照组间FA-LA、RA-LA、FA-P及RA-P均有统计学意义，而MD-LA及MD-P无统计学差异，与颈2椎体水平相同。MS与健康对照组间RA-P有统计学意义，其余各DTI衍生值无统计学差异。相关分析显示颈2椎体层面NMO患者的EDSS评分与MD-P中度负相关，相关系数为-0.37。颈3椎体层面NMO患者的EDSS评分与MD-LA中度负相关，相关系数为-0.35。颈2及颈3椎体层面MS患者的EDSS评分与各DTI衍生值无相关。　　结论：3.0TDTI可定量描述NMO及MS患者脊髓损害情况，且能在一定程度上区分两种疾病，并和临床评价（EDSS评分）有较好的相关性；与FA值相比，RA值在疾病发现方面更加敏感；不同脊髓节段DTI衍生值存在差别，与颈3椎体层面相比，颈2椎体层面DTI衍生值的测量对疾病的评判更敏感。　　第三部分颈髓3.0T小视野扩散张量成像组织分割研究　　目的：研究一种新的基于3.0TrFOVDTI多测度的脊髓组织分割方法，对颈髓组织进行灰质、白质和脑脊液的分割，为今后与脊髓相关的疾病的诊断和治疗奠定基础。　　材料和方法：采用rFOVDTI技术获得10位志愿者C1-C7的7幅轴位颈髓扫描图像。对所获数据进行14个测度的计算，衍生出对应测度的14幅图像。基于图像的混合扩散滤波理论、主成分分析技术和贝叶斯分类方法最终实现对颈髓DTI图像的组织分割。研究方法和过程分为五步，首先基于rFOVDTI成像技术，在3.0TMR扫描仪上获得DTI图像的数据；第二步通过FSLFDT工具进行涡流校正，第三步在GE公司的图像工作站上对获得的数据进行处理，获得14个测度；第四步将14个测度数值准直到一个本征向量，获得四个特征映射；第五步对特征映射应用各向异性非线性扩散滤波，并采用贝叶斯判据对图像数据进行分类，实现对颈髓白质、灰质和脑脊液的组织分割。　　结果：采用新方法获得的分割结果和手动方法所获结果有很好的一致性，颈髓灰质重叠区域的分割精度可达到0.85。　　结论：基于颈髓rFOVDTI数据的新分析方法对颈髓组织的分割是有用的，将会有益于脊髓疾病（如NMO及MS）的研究。最重要的是，这种多测度DTI图像数据的提取和融合导致最少的图像信息丢失，可在人颈髓的中间段获得最精确的结果。在一个可接受的时间范围内，这种新方法可以非常有效地提取整个脊柱rFOVDTI图像的数据信息。可以得出这样的结论，本技术是一种自动分割颈髓疾病患者脊髓组织的非常有潜在价值的工具。