首发公众号“医影杂记”
ADC（Apparent diffusion coefficient），表观弥散系数，用于描述DWI序列中不同方向的分子扩散运动的速度和范围，是MRI DWI（Diffusion-weighted imaging, 弥散加权成像）中最常用、也是最基础的一项指标。如果想快速了解DWI和ADC，推荐网页https://radiopaedia.org/articles/apparent-diffusion-coefficient-1，如果想深入了解，推荐学习这个网页中包含的参考文献。
大多数时候，核磁设备自带的工作站会自动生成ADC图像，大家直接看就可以了。但个别情况，大家拿到的影像中可能不包含ADC图像，这时如果想知道某个病灶或感兴趣区的ADC值，就要想办法自己算了。
需要手算ADC值的情况不多，但确实存在，咱们今天就来看看如何土法上马，手算ADC值。
老规矩，先给结论。
手算ADC值，首先需要找到b0序列和b1000序列，然后在两个序列对应层面的相同区域上分别画出感兴趣区域ROI，并计算ROI内像素值均值，假定b0序列中ROI的均值为S0，b1000序列中ROI的均值为S1，则ROI的平均ADC值近似如下
其中，b1=1000, b0=0。还有非常重要的一点，上面公式得出的ADC值需要乘上10的6次方，才和平常大家经常见到的ADC图像中的值对的上。因为ADC值普遍采用下面的单位。
作为参考，脑部组织的ADC值范围如下。
- white matter: 670-800
- deep grey matter: 700-850
- cortical grey matter: 800-1000
- CSF: 3000-3400
- astrocytoma
- Grade II: 1273 ± 293
- Grade III: 1067 ± 276
- Grade IV: 745 ± 135
开始之前，先找找ADC序列
开始手算ADC之前，大家务必，先找找是不是已经有ADC序列了。下图是一个ADC序列，大家感受一下。
ADC图像最大的特点就是，看上去所有的骨骼都没“抠”掉了，只保留了软组织和液体。
除了上面常见的ADC序列，还有一种指数ADC序列（Exponential ADC），参考下图中的右图。关于Exponential ADC，大家参考
https://mriquestions.com/exponential-adc.html#mriquestions.com
此外，大家也可以根据序列描述（SeriesDescription, (0x0008,0x103e))，来帮助快速找ADC序列。如果序列描述中包含“ADC”这个关键词，有很大可能就是ADC序列了。但这种方法，就好比根据姓名来猜男女一样，不一定准确。下面的表格列举了一线厂家可能使用的序列命名举例。仅仅是举例啊，不是统一标准。
如何找到并区分b0和b1000序列？
如果确实没有ADC序列，那么就可以考虑手算。首先需要找到b0和b1000序列。
个人推荐，找b0或b1000序列，可以先看序列描述（Series Description），快速找到可能的b0（b1000）序列，然后再通过查看不同厂商DICOM Tag值的方法，来确认是否为b0（b1000）序列。
先说序列描述。下面的表格列举了一线大厂可能使用的序列命名。只是举例啊，不是统一标准。
上面的表格中“b=1000,b=0复合序列”表示一个序列中同时包含了b1000和b0序列。假如一个序列有40张图像，其中前20张可能是b1000图像，后20张是b0图像；也可能b0在前，b1000在后。并且，40张图像中，第1张和第21张都对应空间中同一位置，也就是人体的同一层面，只是b值不同。
那么，如何区分b0和b1000序列呢？这就需要去看不同厂家特定DICOM Tag的值了。为啥说“不同厂家特定DICOM Tag"？因为最早DICOM标准中并没有为b值的存储，规定一个统一的Tag。这就造成了各个厂商都是采用自己的私有标准来存储b值的。
还好，国外大神整理了一线厂商的b值存储方式：
NAMIC Wiki:DTI:DICOM for DWI and DTIwww.na-mic.org对于从事医疗影像软件开发，尤其是MRI后处理软件开发的同学，上面的网页非常有用，强烈推荐惠存。但对于大部分同学，大家直接看下面的表格，应该能覆盖80%的情况了。
在b0和b1000上勾画ROI，并计算ADC值
确认b0和b1000序列之后，接下来的工作就比较直截了当了。
首先，需要找到一款支持勾画ROI，并且计算ROI内像素均值的DICOM浏览器软件。专业的PACS终端或图像工作站，都会具备这项功能。如果大家手边没有这样的软件的话，可以采用免费软件MicroDICOM。https://www.microdicom.com/。下面ROI的图片，都是用MicroDICOM完成的。
在b0和b1000的对应层面中，分别勾画ROI。假定b0序列中ROI的均值为S0，b1000序列中ROI的均值为S1，通过下面的公式计算ROI区域的近似平均ADC值。
其中，b0=0，b1=1000。
咱们举例说明一下。下图中，从左至右，是从一次检查中找到的b0、b1000、以及ADC序列中相对应的层面。这里，咱们为了对比校验，把ADC层面也包含了进来。
把上方图片中ROI区域放大，如下图，能够看得更清楚。
为了计算更方便，咱们可以在Excel中做一个带公式的小表格，如下图所示。把上图中三个ROI区域的像素均值填入表格，就可以计算出ADC值了。
表格中，手算ADC = LN(A2/B2)/(D2-C2)*1000000，其中“LN()"表示以自然数e为底，求对数。
从图片可以看出，咱们手算出来的ADC值是874，而厂商生成的ADC值是876，二者还是非常接近的。
有两点需要说明。
首先，咱们手算ADC值时，为了操作方便，是先求b0和b1000图像ROI内像素的均值，然后把均值代入公式，计算出ADC值。而厂商生成的ADC图像中，每个像素的值是采用相应b0和b1000图像中相应单个像素的值，代入公式，计算出来的，然后咱们在ADC上画ROI，再求均值。简单来说，咱们手算的ROI ADC值，是先求均值，再算ADC；而厂商ADC ROI的值，则是先算ADC值，再求均值。二者数学上是有差异的。
其次，上面ROI区域都是手工画的，在3幅图像中的位置和大小肯定有差异，也会带来误差。
到这里，手算ADC值的方法终于说完了。咱们用了2千多字，讨论了如何解决一个平常不太会遇到的问题，得到一个”模糊正确“的答案。似乎这番折腾，多少有些不值得。
还好，英国哲学和逻辑学家Carveth Read说过，模糊的正确远胜于精确的错误。另外，这次聊的如何识别ADC、b0、b1000序列，大家以后可能用的上。
