5  脂肪と筋肉を分ける

5.1 一言で

脂肪と水(筋肉)は、どちらも水素の信号を出します。分ける手がかりは主に 2 つです。

  1. T1 の違い:脂肪は T1 が短い → T1 強調で白い、反転回復(STIR)で脂肪だけ消せる
  2. 回る周波数のわずかな違い(化学シフト):脂肪の水素は水の水素より約 3.4 ppm 遅く回る → 周波数で選んで消す(脂肪抑制)、位相の違いで分ける(Dixon 法)

5.2 化学シフト:同じ水素でも周りの電子で周波数が変わる

水素の原子核は、周りの電子にわずかに守られて(遮蔽されて)、感じる磁場が少し弱くなります。 水(H₂O)と脂肪(–CH₂– が多い)では電子の環境が違うので、脂肪の主なピークは水より約 3.4 ppm 低い周波数 で回ります(ppm = 100 万分の 1)。

\[ \Delta f = 3.4 \times 10^{-6} \times f_0 \approx 434 \ \text{Hz} \quad (3\ \text{T},\ f_0 = 127.7\ \text{MHz}) \]

1.5 T なら約 217 Hz です。この 差の周波数 を利用します。

5.3 方法 1:T1 強調画像で見る・なぞる

いちばん簡単な方法です。T1 強調では脂肪が白、筋肉が灰色になるので、手作業や閾値 で脂肪と筋肉の領域を分け、面積(断面積 CSA)や体積を測ります。 ただし、筋肉の中に脂肪が細かく混ざっている(脂肪浸潤)と、1 つのピクセルに両方が入り、どちらとも言えない灰色 になってしまいます。

5.4 方法 2:脂肪抑制(周波数選択)

脂肪の周波数(水 −434 Hz)にだけ合わせた RF パルスで、脂肪の磁化だけを先に倒して消して から撮ります(CHESS 法、“Fat Sat”)。 磁場のムラがあると周波数がずれて、抑制が不均一になりやすいのが弱点です。

5.5 方法 3:STIR(反転回復で脂肪を消す)

180° パルスで縦の磁化を全部ひっくり返したあと、時間 TI だけ待つと、

\[ M_z(TI) = M_0 \left(1 - 2 e^{-TI/T_1}\right) \]

で戻ってきます。ちょうど \(M_z = 0\) になる瞬間に撮れば、その組織の信号は出ません。

\[ TI_{\text{null}} = T_1 \ln 2 \approx 0.69 \, T_1 \]

脂肪(T1 ≈ 400 ms)なら TI ≈ 280 ms。実際の下腿の研究でも TI = 260 ms の T2 強調 STIR 系(TIRM)が浮腫の観察に使われています (Höger ほか 2023年)。 同じ考え方を 23Na に使ったのが、第 6 章の IR(細胞内強調)法 です。

5.6 方法 4:Dixon 法(水画像と脂肪画像に分ける)

水と脂肪は 434 Hz(3 T)だけ違う速さで回るので、時間がたつと 同じ向き(in-phase, IP) と 逆向き(opposed-phase, OP) を交互に繰り返します (Dixon 1984年)。

  • in-phase:\(S_{IP} = W + F\)
  • opposed-phase:\(S_{OP} = W - F\)

この 2 枚から、

\[ W = \frac{S_{IP} + S_{OP}}{2}, \qquad F = \frac{S_{IP} - S_{OP}}{2}, \qquad FF = \frac{F}{W + F} \]

と、水画像・脂肪画像・脂肪率(fat fraction)マップ が作れます。 3 T では、opposed-phase は TE ≈ 1.15 ms、in-phase は TE ≈ 2.3 ms です(\(1/(2\Delta f)\) と \(1/\Delta f\))。

ノート研究で使う「PDFF」

実際の脂肪にはピークが複数あり、T2* や T1 の影響も受けます。これらを補正し、水素の量の比として正確に定義した脂肪率 を PDFF(プロトン密度脂肪率) と呼び、多エコー(6 エコー前後)の Dixon 法で測るのが標準的です (Reeder ほか 2012年; Hu と Kan 2013年)。肝臓の脂肪や、筋疾患・加齢での筋内脂肪の評価に広く使われます。

5.7 デモ:TE で水と脂肪の信号が強めあう・打ち消しあう

脂肪率 0.5 にすると、opposed-phase で信号がほぼ 0 になります(水と脂肪が完全に打ち消しあう)。

5.8 Python:2 点 Dixon で水・脂肪・脂肪率マップを作る

筋肉の一部に脂肪浸潤(FF 15%)がある下腿ファントムを作り、in-phase / opposed-phase 画像から分離します。最後に脂肪率で筋肉と皮下脂肪の断面積を測ります。

code/05_dixon.py
# 2 点 Dixon 法:in-phase / opposed-phase から水画像・脂肪画像・脂肪率を求める
import numpy as np
import matplotlib.pyplot as plt

rng = np.random.default_rng(0)
N = 200
fov_cm = 12.0                      # 視野 12 cm → 1 ピクセル 0.06 cm
pix_area = (fov_cm / N) ** 2       # [cm^2]
y, x = np.mgrid[-1:1:N * 1j, -1:1:N * 1j]


def disk(cx, cy, r):
    return (x - cx) ** 2 + (y - cy) ** 2 < r ** 2


# 真の水量 W と脂肪量 F(相対値)
W = np.zeros((N, N))
F = np.zeros((N, N))
F[disk(0, 0, 0.9)] = 0.95; W[disk(0, 0, 0.9)] = 0.05     # 皮下脂肪
W[disk(0, 0, 0.78)] = 0.80; F[disk(0, 0, 0.78)] = 0.0     # 筋肉
infil = disk(0.25, 0.35, 0.22) & disk(0, 0, 0.78)
W[infil] = 0.68; F[infil] = 0.12                          # 脂肪浸潤(FF 15%)
bone = disk(-0.3, -0.2, 0.16)
W[bone] = 0.0; F[bone] = 0.0                              # 皮質骨
marrow = disk(-0.3, -0.2, 0.10)
F[marrow] = 0.9; W[marrow] = 0.05                         # 骨髄

# 撮像:IP = W + F、OP = W - F(実際は複素数。ここでは位相誤差なしの理想条件)
noise = 0.01
S_ip = W + F + rng.normal(0, noise, W.shape)
S_op = W - F + rng.normal(0, noise, W.shape)

# 分離
W_est = (S_ip + S_op) / 2
F_est = (S_ip - S_op) / 2
signal = W_est + F_est
FF = np.where(signal > 0.1, F_est / np.maximum(signal, 1e-6), np.nan)

# 脂肪率で分類(FF < 0.5 を筋肉、FF >= 0.5 を脂肪)。骨髄は除外したいので脛骨の領域は除く
tissue = signal > 0.1
muscle = tissue & (FF < 0.5)
fat = tissue & (FF >= 0.5) & ~disk(-0.3, -0.2, 0.16)
print(f"muscle CSA = {muscle.sum() * pix_area:.1f} cm^2")
print(f"fat CSA    = {fat.sum() * pix_area:.1f} cm^2")
print(f"mean FF in infiltrated region = {np.nanmean(FF[infil]) * 100:.1f} %")

fig, axes = plt.subplots(1, 5, figsize=(15, 3.4))
for ax, (im, title, kw) in zip(axes, [
    (S_ip, "in-phase", {}), (S_op, "opposed-phase", {}),
    (W_est, "water", {}), (F_est, "fat", {}),
    (FF, "fat fraction", {"vmin": 0, "vmax": 1, "cmap": "magma"}),
]):
    h = ax.imshow(im, cmap=kw.pop("cmap", "gray"), **kw)
    ax.set_title(title)
    ax.axis("off")
fig.colorbar(h, ax=axes[-1], fraction=0.046)
fig.tight_layout()
fig.savefig("figs/05_dixon.png", dpi=150)
muscle CSA = 65.2 cm^2
fat CSA    = 22.6 cm^2
mean FF in infiltrated region = 15.0 %

2 点 Dixon 法。opposed-phase では脂肪浸潤部が暗くなり、分離後の脂肪率マップでは浸潤部が FF ≈ 15% として見える。
警告2 点 Dixon の落とし穴

実際の信号は複素数で、磁場のムラによる位相のずれがあります。大きさ(絶対値)だけで計算すると、水が多いのか脂肪が多いのか(W と F の入れ替わり) が区別できない場所が出ます。製品の Dixon(mDixon、IDEAL など)は位相の補正や多エコーでこれを解決しています。上のコードは「理想条件での原理の説明」です。

5.9 どの方法を使う?

目的 よく使う方法
筋・脂肪の断面積や体積(形) T1 強調 or Dixon の水・脂肪画像 → セグメンテーション
筋の中の脂肪の量(質) 多エコー Dixon の PDFF
浮腫・炎症を見る 脂肪抑制 T2 強調、STIR、水 T2 マップ(脂肪の影響を除いて)
T1・T2・脂肪率を一度に MR フィンガープリンティング (Ma ほか 2013年)

5.10 まとめ

  • 脂肪と水は T1 の違い と 周波数の違い(化学シフト 3.4 ppm) で分けられる
  • STIR は TI = T1 × ln2 で脂肪を消す
  • Dixon は in-phase / opposed-phase から 水画像・脂肪画像・脂肪率 を作る。研究では多エコー Dixon の PDFF が標準