外周神经系统标准成像基础：磁共振神经影像学

封面图片

如何引用文章

全文:

详细

周围神经病是最常见的神经系统疾病之一。虽然已经有了完善的辅助仪器诊断方法，如神经肌电描记术和超声检查，但对各种原因引起的周围神经损坏，尤其是其近端损坏的诊断和鉴别诊断仍很困难。目前，外周神经的磁共振成像已被积极引入临床实践，成为一种宝贵的辅助诊断工具。

本文重点介绍上述检查方法的主要优点和局限性、使用磁共振成像来显示出周围神经系统结构的历史、考虑到现代技术能力的不同定位周围神经磁共振成像协议书的主要要求，包括对标准检查中使用的磁共振成像序列及其诊断价值、使用造影剂的建议以及各种脂肪抑制机制的优缺点的详细讨论。

目前，对正常和各种病变下的周围神经几乎没有标准化的描述，这降低该方法的诊断价值。为了提高该方法的信息量并扩大其应用范围，还需要对大量健康受试者和患有各种外周神经系统疾病的患者进行研究。

作者简介

Sofya N. Morozova

Research Center of Neurology

编辑信件的主要联系方式.
Email: kulikovasn@gmail.com
ORCID iD: 0000-0002-9093-344X
SPIN 代码: 2434-7827

MD, Cand. Sci. (Med.)

俄罗斯联邦, Moscow

Viktoriya V. Sinkova

Research Center of Neurology

Email: 000564321@mail.ru
ORCID iD: 0000-0003-2285-2725
俄罗斯联邦, Moscow

Darya A. Grishina

Research Center of Neurology

Email: dgrishina82@gmail.com
ORCID iD: 0000-0002-7924-3405
SPIN 代码: 6577-1799

MD, Cand. Sci. (Med.)

俄罗斯联邦, Moscow

Taisia A. Tumilovich

Research Center of Neurology

Email: tumilovich.taisiya@bk.ru
ORCID iD: 0000-0002-9538-9690
SPIN 代码: 2264-9457
俄罗斯联邦, Moscow

Andrey O. Chechetkin

Research Center of Neurology

Email: andreychechetkin@gmail.com
ORCID iD: 0000-0002-8726-8928
SPIN 代码: 9394-6995

MD, Dr. Sci. (Med.)

俄罗斯联邦, Moscow

Marina V. Krotenkova

Research Center of Neurology

Email: krotenkova_mrt@mail.ru
ORCID iD: 0000-0003-3820-4554
SPIN 代码: 9663-8828

MD, Dr. Sci. (Med.)

俄罗斯联邦, Moscow

Natalya A. Suponeva

Research Center of Neurology

Email: nasu2709@mail.ru
ORCID iD: 0000-0003-3956-6362
SPIN 代码: 3223-6006

MD, Dr. Sci. (Med.), Professor, Corresponding member of the Russian Academy of Sciences

俄罗斯联邦, Moscow

参考

  1. Hammi C, Yeung B. Neuropathy. [Updated 2022 Oct 15]. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2023. Available from: https://www.ncbi.nlm.nih.gov/books/NBK542220/.
  2. Chen Y, Haacke EM, Li J. Peripheral nerve magnetic resonance imaging. F1000Research. 2019;(8):1803. doi: 10.12688/f1000research.19695.1
  3. Kollmer J, Bendszus M. Magnetic resonance neurography: Improved diagnosis of peripheral neuropathies. Neurotherapeutics. 2021;18(4):2368–2383. doi: 10.1007/s13311-021-01166-8
  4. Thompson PD, Thomas PK. Clinical patterns of peripheral neuropathy. In: Dyck PJ, Thomas PK, editors. Peripheral neuropathy. 4th ed. Elsevier Saunders, Philadelphia: 2005. Р. 1137–1161.
  5. Piradov MA, Suponeva NA, Grishina DA, Pavlov YeV. Electroneuromyography: Algorithms and recommendations in polyneuropathies. Moscow: Goryachaya liniya-Telecom; 2021. 198 р. (In Russ).
  6. Li J. Molecular regulators of nerve conduction: Lessons from inherited neuropathies and rodent genetic models. Exp Neurol. 2015;(267):209–218. doi: 10.1016/j.expneurol.2015.03.009
  7. Chung T, Prasad K, Lloyd TE. Peripheral neuropathy: Clinical and electrophysiological considerations. Neuroimaging Clin N Am. 2014;24(1):49–65. doi: 10.1016/j.nic.2013.03.023
  8. Dyck PJ, Oviatt KF, Lambert EH. Intensive evaluation of referred unclassified neuropathies yields improved diagnosis. Ann Neurol. 1981;10(3):222–226. doi: 10.1002/ana.410100304
  9. Stewart JD. Peripheral nerve fascicles: Anatomy and clinical relevance. Muscle Nerve. 2003;28(5):525–541. doi: 10.1002/mus.10454
  10. Mansurova AV, Chechetkin AO, Suponeva NA, et al. Possibilities of ultrasound in the diagnosis and differential diagnosis of amyotrophic lateral sclerosis: A literature review. Neuromuscular diseases. 2022;12(1):21–28. (In Russ). doi: 10.17650/2222-8721-2022-12-1-21-28
  11. Gasparotti R, Padua L, Briani C, Lauria G. New technolo-gies for the assessment of neuropathies. Nat Rev Neurol. 2017;13(4):203–216. doi: 10.1038/nrneurol.2017.31
  12. Deshmukh S, Sun K, Komarraju A, et al. Peripheral nerve imaging: Magnetic resonance and ultrasound correlation. Magn Reson Imaging Clin N Am. 2023;31(2):181–191. doi: 10.1016/j.mric.2023.01.003
  13. Ohana M, Moser T, Moussaouï A, et al. Current and future imaging of the peripheral nervous system. Diagn Interv Imaging. 2014;95(1):17–26. doi: 10.1016/j.diii.2013.05.008
  14. Muller I, Miguel M, Bong DA, et al. The peripheral nerves: Update on Ultrasound and magnetic resonance imaging. Clin Exp Rheumatol. 2018; 36(Suppl 114):145–58.
  15. Aggarwal A, Chhabra A. Magnetic resonance neurography: Is it so complicated that it needs a touch of genius? Eur Radiol. 2022;32(6):3912–3914. doi: 10.1007/s00330-021-08525-1
  16. Singh T, Kliot M. Imaging of peripheral nerve tumors. Neurosurg Focus. 2007;22(6):E6. doi: 10.3171/foc.2007.22.6.7
  17. Filler AG, Howe FA, Hayes CE, et al. Magnetic resonance neurography. Lancet. 1993;341(8846):659–661. doi: 10.1016/0140-6736(93)90422-d
  18. Howe FA, Filler AG, Bell BA, Griffiths JR. Magnetic resonance neurography. Magn Reson Med. 1992;28(2):328–338. doi: 10.1002/mrm.1910280215
  19. Mazal AT, Faramarzalian A, Samet JD, et al. MR neurography of the brachial plexus in adult and pediatric age groups: Evolution, recent advances, and future directions. Exp Rev Med Devices. 2020;17(2):111–122. doi: 10.1080/17434440.2020.1719830
  20. Joint Task Force of the EFNS and the PNS. European Federation of Neurological Societies/Peripheral Nerve Society guideline on management of multifocal motor neuropathy. Report of a joint task force of the European Federation of Neurological Societies and the Peripheral Nerve Society--first revision. J Peripher Nerv Syst. 2010;15(4):295–301. doi: 10.1111/j.1529-8027.2010.00290.x
  21. Van den Bergh PY, van Doorn PA, Hadden RD, et al. European Academy of Neurology/Peripheral Nerve Society guideline on diagnosis and treatment of chronic inflammatory demyelinating polyradiculoneuropathy: Report of a joint Task Force-Second revision. J Peripher Nerv Syst. 2021;26(3):242–268. doi: 10.1111/jns.12455
  22. Chhabra A, Madhuranthakam AJ, Andreisek G. Magnetic resonance neurography: Current perspectives and literature review. Eur Radiol. 2018;28(2):698–707. doi: 10.1007/s00330-017-4976-8
  23. Szaro P, McGrath A, Ciszek B, Geijer M. Magnetic resonance imaging of the brachial plexus. Part 1: Anatomical considerations, magnetic resonance techniques, and non-traumatic lesions. Eur J Radiol. 2022;20(9):100392. doi: 10.1016/j.ejro.2021.100392
  24. Holzgrefe RE, Wagner ER, Singer AD, Daly ChA. Imaging of the peripheral nerve: Concepts and future direction of magnetic resonance neurography and ultrasound. Curr Concepts. 2019;44(12):1066–1079. doi: 10.1016/j.jhsa.2019.06.021
  25. Chhabra A, Flammang A, Padua A, et al. Magnetic resonance neurography: Technical considerations. Neuroimaging Clin N Am. 2014;24(1):67–78. doi: 10.1016/j.nic.2013.03.032
  26. Chalian M, Chhabra A. Top-10 tips for getting started with magnetic resonance neurography. Semin Musculoskelet Radiol. 2019;23(4):347–360. doi: 10.1055/s-0039-1677727
  27. Sneag DB, Queler S. Technological advancements in magnetic resonance neurography. Curr Neurol Neurosci Rep. 2019;19(10):75. doi: 10.1007/s11910-019-0996-x
  28. Thakkar RS, Del Grande F, Thawait GK, et al. Spectrum of high-resolution MRI findings in diabetic neuropathy. AJR Am J Roentgenol. 2012;199(2):407–412. doi: 10.2214/AJR.11.7893
  29. Thawait SK, Chaudhry V, Thawait GK, et al. Highresolution MR neurography of diffuse peripheral nerve lesions. AJNR Am J Neuroradiol. 2011;32(8):1365–1372. doi: 10.3174/ajnr.A2257
  30. McDonald CM, Carter GT, Fritz RC, et al. Magnetic resonance imaging of denervated muscle: Comparison to electromyography. Muscle Nerve. 2000;23(9):1431–1434. doi: 10.1002/1097-4598(200009)23:9<1431::aid-mus16>3.0.co;2-p
  31. Stoll G, Bendszus M, Perez J, Pham M. Magnetic resonance imaging of the peripheral nervous system. J Neurol. 2009;256(7):1043–1051. doi: 10.1007/s00415-009-5064-z
  32. Chhabra A, Thawait GK, Soldatos T, et al. High-resolution 3T MR neurography of the brachial plexus and its branches, with emphasis on 3D imaging. AJNR Am J Neuroradiol. 2013;34(3):486–497. doi: 10.3174/ajnr.A3287
  33. Bischoff C, Kollmer J, Schulte-Mattler W. State-of-the-art diagnosis of peripheral nerve trauma: Clinical examination, electrodiagnostic, and imaging. In: Haaster-Talini KA, Antoniadis G, editors. Modern concepts of peripheral nerve repair. 1st ed. Springer International Publishing; 2017. doi: 10.1007/978-3-319-52319-4_2
  34. Dixon WT. Simple proton spectroscopic imaging. Radiology. 1984;153(1):189–194. doi: 10.1148/radiology.153.1.6089263
  35. Grimm A, Meyer H, Nickel MD, et al. Evaluation of 2-point, 3-point, and 6-point Dixon magnetic resonance imaging with flexible echo timing for muscle fat quantification. Eur J Radiol. 2018;(103):57–64. doi: 10.1016/j.ejrad.2018.04.011
  36. Subhawong TK, Wang KC, Thawait SK, et al. High-resolution imaging of tunnels by magnetic resonance neurography. Skeletal Radiol. 2012;41(1):15–31. doi: 10.1007/s00256-011-1143-1
  37. Chhabra A, Chalian M, Soldatos T, et al. 3-T high-resolution MR neurography of sciatic neuropathy. Am J Roentgenol. 2012;198(4):357–364. doi: 10.2214/AJR.11.6981
  38. Kollmer J, Bendszus M, Pham M. MR neurography: Diagnostic imaging in the PNS. Clin Neuroradiol. 2015;25(Suppl 2):283–289. doi: 10.1007/s00062-015-0412-0
  39. Chhabra A, Deshmukh SD, Lutz AM, et al. Neuropathy score reporting and data system: A reporting guideline for MRI of peripheral neuropathy with a multicenter validation study. AJR Am J Roentgenol. 2022;219(2):279–291. doi: 10.2214/AJR.22.27422
  40. Chhabra A, Deshmukh SD, Lutz AM, et al. Neuropathy score reporting and data system (NS-RADS): MRI reporting guideline of peripheral neuropathy explained and reviewed. Skeletal Radiol. 2022;51(10):1909–1922. doi: 10.1007/s00256-022-04061-1

补充文件

附件文件
动作
1. JATS XML
下载
2. 图1。臂丛磁共振成像（3D-T1模式，冠状面）：1——上干；2——中干；3——下干；4——神经周围脂肪组织；5——神经内膜脂肪；6——占位性肿块（神经鞘瘤）；7——肿块周围的完整脂肪组织。

下载 (251KB)
索引源数据
3. 图2。一名腕管综合征患者手部的T2模式磁共振成像，轴状面：a——掌骨近端骨骺水平；b——头状骨远端水平（1——正中神经内的独立神经束，2——神经外膜，3——增厚至1.29mm的屈肌支持带）。

下载 (141KB)
索引源数据
4. 图3。磁共振断层图像上不同的脂肪抑制方法：a——T2-FatSat模式下的臂丛，轴状面：脊神经C5、C6、C7的前支明显，无病变，信号略有升高，脂肪抑制不均匀，感兴趣区外围信号不理想（箭头）；b——STIR模式下的臂丛，冠状面：整个宽视野中脂肪抑制均匀，正常的臂丛神经有略有升高的信号（箭头）；c——T2-Dixon模式下的坐骨神经，冠状面：该技术提供均匀的脂肪抑制，正常的坐骨神经有略有升高的磁共振信号（箭头）。

下载 (309KB)
索引源数据

版权所有 © Eco-Vector, 2023

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».