6.3 定量参数图（Mapping）
6.3 定量参数图：从灰度到毫秒值
普通 MRI 图像有个根本局限：灰度没有单位。同样的"信号亮 20%"，可能是 T1 差了 50 ms，也可能只是增益不同——跨机器、跨时间、跨患者的比较全部失效。定量 mapping 要解决的就是这件事：对每个体素采多个数据点，拟合物理模型曲线，把 T1、T2、T2* 这些参数以毫秒为单位画成图。从"这张图看起来怎样"到"这个值是多少"，是序列设计向测量科学迈出的一步。
Mapping 的通用配方
所有 mapping 共享同一个设计范式：准备/采样多样化的数据点 + 物理模型拟合。T1 mapping（MOLLI 类）在一个连续采集里用不同反转时刻采多帧，逐体素拟合恢复曲线；T2 mapping 用多回波链（TE 递增的 8-16 个回波），拟合指数衰减；T2* mapping（GRE 多回波，TE 从 1 到 20 ms 递增）同理且更快。三者的差别只在采样结构与模型曲线，账本逻辑一模一样：点数越多拟合越稳，但时间越长；点的时间分布要覆盖参数的动态范围——T2 短的组织需要 TE 很早的点，拟合曲线的头几笔最重要。
| Mapping | 采样结构 | 模型 | 输出 | 典型时间 |
|---|---|---|---|---|
| T1 (MOLLI) | 反转后多帧 | M0(1−2e^(−t/T1)) | T1图(ms) | 15-25 s |
| T2 (多回波SE) | TE递增链 | S0e^(−TE/T2) | T2图(ms) | 3-8 min |
| T2* (GRE) | TE递增链 | S0e^(−TE/T2*) | T2*图(ms) | 15-30 s |
| T1ρ | 自旋锁定链 | 锁定场衰减 | T1ρ图 | 2-5 min |
拟合端的坑比采集端多
采集端的问题好理解（时间、SNR、覆盖），拟合端的问题更隐蔽。离群点：运动、血流、磁化率效应让个别数据点偏离模型，鲁棒拟合或剔除策略是标配；偏差场：射频不均匀让 M₀ 随位置漂移，拟合时必须把 B₁ 效应与 T1 分开（MP2RAGE 的双 TI 设计就是为此）；模型错配：多组织交换、磁化转移让单指数模型失真，MOLLI 在心内膜下区系统性低估 T1 就是经典案例，改良的 ShMOLLI 与饱和恢复类方案专门为此设计。读数习惯也要换：定量图的诊断价值在数值与分布直方图，不是"看起来亮不亮"——全图直方图的峰值、偏度、百分位数才是统计语言。
转动旋钮的后果链
mapping 的时间账由"点数 × 每点时间 × 体积"三乘。压缩的思路全部来自第五章：EPI 式读数、并行加速、CS 欠采——3D T1 mapping（如 3D GRAPPATIN）已能全肝 15 秒。拟合稳定性的账由 SNR 决定：SNR 低的体素拟合置信区间宽，参数图的"噪"是拟合不确定性的可视化。第三个旋钮是模型复杂度：单指数→双指数（髓鞘水 T2）→巨模型（多参数联合），每升一级，数据需求与计算量都翻倍，临床落地以单指数为主、科研探索向上延伸。
一个完整的参数推演案例
背景：心肌铁过载监测（地中海贫血输血依赖患者），需要纵向追踪心肌 T2*，阈值 20 ms 以下提示铁过载、10 ms 以下重度。操作：GRE 多回波，TE 从 1.0 ms 起以 1.1 ms 间隔递增 16 个回波（短 TE 起点至关重要——重度铁过载时 T2* 可短至 5 ms，TE 起点晚了数据点全部落在信号尾部），单层室间隔中部，呼吸触发，拟合用截断数据加权最小二乘。结果：T2* 测得 14.2 ms，置信区间 ±0.8 ms，判中度铁过载，调整螯合剂量后 6 个月复查升至 17.5 ms。解读：短 TE 起点让曲线头部的陡降段被完整记录，这是铁过载测量可靠性的第一要素；纵向可比性来自同机同协议。变式：若改测肝脏 T2*（正常 >20 ms，重度可 <1 ms），TE 起点要压到 0.5 ms 级且回波间隔更密——不同器官的参数动态范围不同，采样网格必须重新设计，没有"通用 mapping 参数"。
边界与坑
第一个坑：把加权像的亮度差当参数差。T1 加权亮不等于 T1 短——ρ 与 T2 的影响都在场，结论必须出自拟合后的参数图。第二个坑：忽略 B₁/B₀ 校准。没有 B₁ 校正的 T1 mapping 在线圈敏感度急剧变化区（心尖、颅底）偏差可达 20%，而铁过载的分级阈值只有 10 ms 级间隔——校准不是可选项。第三个坑：跨平台直接比数值。同参数不同实现（MOLLI 5(3)3 vs 5(3)3(3)）结果就不同，多中心研究必须锁定实现版本或做平台校准。
直方图与纵向追踪
参数图的价值在纵向对比中兑现，而纵向对比的纪律全在统计口径。第一层是兴趣区的定义：全器官直方图（峰值位置、宽度、百分位数）比手工勾 ROI 更可复现，因为后者把操作者差异直接混进参数。第二层是重复性的底账：同机同协议短期内重复测量的变异系数（CoV）是这套协议的"测量噪声底"，纵向变化小于两倍 CoV 的结论都该打问号。第三层是漂移监控：磁体场强漂移、线圈更换、软件升级都会给参数整体加一个偏置，用标准体模的定期测量把这笔系统账单独记账，纵向数据才能扣除它。三层层级做完，参数图才从"一张好看的图"变成"一条可追踪的曲线"——定量影像学的全部商业价值都在这条曲线上。
多参数联合的取舍
T1、T2、质子密度、磁化转移率可以在一次多参数采集中联合解出（MDME 类设计），账本收益与风险都很突出。收益端：共享的采集把多张 map 的时间合并，参数间的物理关联（如 MT 与 T1 的耦合）可以显式建模。风险端：联合模型的自由度暴涨，某个参数的估计误差会串染其他参数——T1 图上莫名的条纹常常是 MT 项拟合不稳的传染。取舍的判据是应用层级：只需要单参数的纵向追踪，单参数序列更稳；需要参数间的联动分析（髓鞘研究、肿瘤分级），联合建模的信息增益才值得串染风险。介于两者之间的务实做法是"序列上联合、报告上守约"：采集联合做，但只把经过独立验证的参数写进报告，其余参数标注为探索性。
本节要点回顾：mapping = 多点采样 + 模型拟合，灰度升级为物理量；采样网格要覆盖参数动态范围（短 TE 起点的教训）；拟合端的校准与鲁棒性决定数据可信度。第七章回到工程现实：当伪影与硬件红线找上门时，序列层面怎么开处方。