水分子被限制在圆柱面上时，扩散 MRI 信号究竟如何精确计算？

不依赖传播子近似的精确信号

这里要回答的问题是：当水分子被限制在圆柱表面、而不是充满圆柱内部时，扩散 MRI 究竟测到什么。论文给出的答案是脉冲梯度自旋回波（PGSE）信号的闭式表达式，它对任意矩形梯度的持续时间和间隔都成立，并且没有对扩散传播子或自旋相位分布作近似。

出发点是 Bloch-Torrey 方程，它描述磁化强度在扩散和外加场梯度下如何演化。同一团队此前的表面受限工作精确处理了窄脉冲极限，并把它近似推广到有限脉冲；在大扩散率和相对较高的扩散加权下，有限脉冲效应变得重要，近似结果出现了偏差。这篇论文直接在圆柱面的本征基中求解方程，从而去掉了这一近似。

三个矩阵指数为何不能合并

对标准的三段式 PGSE 序列，信号变成若干矩阵指数的乘积：第一个梯度脉冲对应一个，脉冲之间的自由演化对应一个，反向的第二个脉冲对应一个。这些矩阵彼此不可交换，因此不能合并成单个指数。数值计算时必须从右向左依次相乘，让初始状态先经过第一个脉冲，再经过自由演化，最后经过第二个脉冲。

只有自由演化矩阵是对角矩阵，所以它的指数可以逐元素廉价计算。梯度脉冲的指数涉及稠密矩阵，计算开销主要集中在这里。这一结构也解释了为什么论文后续的加速都针对脉冲算子，而不是整个表达式。

实余弦基把矩阵规模减半

把角向本征基截断到模式阶数 M，会得到维度为 (2M+1)×(2M+1) 的矩阵。论文证明，当梯度沿固定的横向方向、幅度任意时，相反阶数模式的谱系数在整个演化过程中始终相同，即 c_n(t) = c_-n(t)。利用这一对称性，可以把 +n 和 -n 的贡献合并成一个归一化的余弦基函数，问题随之降到 (M+1)×(M+1)。

标准矩阵指数算法的计算量随维度按三次方增长，因此在 M 很大时，这一约化理论上可带来约八倍的加速。论文还证明了一个变换恒等式，使紧凑基下的信号仍能写成同样的三指数结构，所以约化只改变矩阵规模，不改变物理内容。若存在沿圆周的相干运动，或横向梯度方向随时间变化，这一对称性会被破坏；这两种情形论文都没有考虑。

高斯相位近似在哪里开始偏离

论文把精确的球平均信号与针对同一几何新近提出的球平均高斯相位近似（GPA）作比较，参数为 Δ = 11 ms、δ = 3 ms、轴向扩散率 0.8 µm²/ms，b 值从 0 到 40 ms/µm²。半径为 1.0 µm 时，GPA 与精确曲线贴合得很好，只在约 b = 20 ms/µm² 以上出现轻微偏差。半径为 2.0 µm 和 3.0 µm 时，GPA 从约 b = 5 ms/µm² 起就偏离精确解，且差距随 b 增大而扩大。

在很高的扩散加权下，精确解会出现振荡式的衍射样特征，它来自角向受限以及柱面上离散拉普拉斯本征模之间的干涉。GPA 捕捉不到这些特征。作者指出，图中使用如此大的 b 值是为了展示衍射图样，标准临床协议未必能达到，因此这一比较是对近似方法的压力测试，而不是临床结论。

跨半径验证与有限的敏感窗口

论文用 M = 50 个模式计算解析信号，并与蒙特卡洛模拟比较：半径取 0 至 5 µm 之间的 50 个离散值，b 值为 1.0 至 6.0 ms/µm²，轴向扩散率 0.8 µm²/ms。谱模型在整个半径和 b 值范围内都与模拟一致；GPA 在小半径下能复现模拟，但在较大半径和较高加权下会越来越低估信号。

同一比较也划出了一条实用边界：对这一采集协议，信号对约 0.5 µm 以下和约 4.0 µm 以上的半径敏感度有限。这个窗口由 PGSE 序列的梯度强度和扩散时间决定，因此它是该协议的性质，而不是模型的普适探测极限。

少量模式与少量节点已足够

截断阶数的收敛很快，因为柱面上拉普拉斯本征值随模式阶数按二次方增长，高阶贡献被强烈压制。以 M = 50 的 Voronoi 加权球平均为参考，M = 10 的结果在数值上已与更高阶无法区分，即使在测试条件下 M = 5 也能给出准确近似。GPA 快得多，相对参考的加速倍数约为 4.8×10³，但其相对绝对误差甚至超过 M = 3 的结果。

另外两种加速在 Δ = 9.45 ms、δ = 4.61 ms、92 个扩散编码方向和 b = 3、6、20 ms/µm² 下测试。Strang 分裂用 p 个子步近似脉冲指数，二阶误差随 p 按二次方缩小；对固定矩阵 K 作对角化后，就不再需要计算稠密矩阵指数。高斯-勒让德求积替代角向平均：仅用 5 个节点时，b = 3、6、20 ms/µm² 下的平均相对绝对误差分别为 4.93×10⁻⁵、1.37×10⁻⁴ 和 6.23×10⁻²；用 20 个节点时，与 100 节点参考的差异约为 10⁻¹² 量级。

把 M = 10、p = 10 和 5 个求积节点组合起来，三个 b 值下的误差分别为 0.17%、0.34% 和 1.11%，每个半径与 b 值的计算耗时 0.031 ms。这与 GPA 的 0.023 ms 处于同一量级，但近似误差小得多。作者强调，这些设置与所测协议绑定，采集参数或半径范围改变时应重新推导。

为拟合与平均提供无近似参照

这篇论文的实用价值在于提供一个参照，而不是取代快速模型。由于表达式在数值截断之外是精确的，它可以用来评估更快的信号近似，也可服务于需要大量模型计算的应用，例如从实测数据反演半径，或对梯度方向作平均。信号的可分解结构把沿周期角坐标的运动与沿圆柱轴的无界运动分开，这正是方向信号和方向平均信号都能处理的原因。

最需要区分的是两种角向平均。对 92 个采集方向作 Voronoi 加权平均，是从有限采样估计球平均，在 b = 3、6、20 ms/µm² 下相对收敛的 100 节点求积，残余误差分别为 0.026%、0.078% 和 0.653%。高斯-勒让德求积则近似模型的连续、旋转不变球平均。两者之间的差距反映的是采集方案的有限角向采样，而不是求积尚未收敛。

对判断该信任什么的读者，论文的优先级很清楚：当柱面上的受限扩散占主导、有限脉冲效应显著时，精确谱信号就是参照；GPA 的便利性需要与它在半径 2 至 3 µm、约 b = 5 ms/µm² 以上不断增大的偏差一起权衡。加速后的精确实现把成本差距缩小到这种权衡不必再只由速度决定的程度。

本文引用的文献