在过去二十年中，mpMRI在前列腺癌检测、定位和局部分期中的作用越来越大[1，2，3]。
使用 T 可在 MR 上看到癌症可疑病变2-加权和扩散加权图像（DWI）和表观扩散系数（ADC）图，并且通常作为动态对比度增强（DCE）图像的早期增强焦点。
因此，MRI 已成为评估前列腺的金标准成像方式，而 mpMRI 是首选方案。
与标准经直肠超声活检相比，mpMRI成像也被用于辅助活检靶向，从而可以提高对临床上显着的癌症的检出率，并减少对惰性病变的检出率[4]。

前列腺的 mpMRI 方案通常包括 T2-用于解剖学评估的加权图像以及DWI和DCE MRI。
mpMRI的解释遵循前列腺影像学报告和数据系统2.1版（PI-RADS v2.1）的建议[5]。
mpMRI的评估是一种定性评估，可能导致不同读者之间的解释差异[6]。
人们越来越多地探索使用定量组织特性图谱进行疾病诊断和分期，因为这些图谱可以提供比传统加权成像更客观的信息。
特别是，从DWI得出的ADC测量已被建议作为PI-RADS定性分析的潜在辅助手段[7，8，9，10]。
T 的定量映射1和 T2由于制作这些图谱所需的时间以及它们在评估前列腺癌方面的未知边际效用，因此不常规执行或包含在 PI-RADS 中。

最近，定量T的几种方法1和 T2映射已经出现并应用于前列腺，目的是通过客观使用组织特性值来诊断和分层疾病来提高癌症评估的可重复性。
磁共振指纹图谱（MRF）是一种能够同时生成多种组织特性的定量图谱的技术[11，12]，也在前列腺中进行了探索[13，14，15，16，17]。
虽然在前列腺中部署MRF的主要好处是能够快速表征前列腺组织，但MRF可能比传统的映射方法具有额外的优势。
例如，早期的工作表明，MRF数据可用于提取有关单个组织成分的信息[18，19]，从而有可能改善对疾病的区分。
此外，有人建议将MRF衍生的组织特性图与机器学习相结合，用于自动病变检测[20]。
效率、可重复性和对前列腺组织变化的潜在敏感性，以及高效后处理和分析的可能性，使MRF成为临床前列腺评估中令人兴奋的新工具。

本文综述了MRF在前列腺组织特性图谱方面的基础知识，包括脉搏序列设计、字典生成和组织特性图重建算法。
还讨论了前列腺成像中的潜在应用，并描述了当前的局限性和正在进行的研究领域。

在mpMRI协议中获取的每个图像都有不同的目的。
T2-加权成像反映了组织的含水量和细胞性，并且由于出色的软组织对比度，可用作带状结构的高分辨率解剖图像[21，22]。
T2-加权成像在评估过渡区 （TZ） 病变中起主要作用，在评估外周区 （PZ） 病变时，加权成像在弥散区加权成像中起次要作用。
在正常前列腺中，PZ 在 T 上出现高信号2-加权成像（尽管前列腺炎等良性改变可能为低强度），而TZ具有异质性外观，伴有低强度和高强度区域[23，24]。
T2w 成像在表征 TZ 病变方面也起着重要作用，因为 TZ 中常见的 BPH 结节可能表现出有限的弥散，这会降低使用弥散加权图像识别前列腺癌的灵敏度。
然而，强度本身不能用作等级的客观测量，因为低强度的程度因制造商而异，具有顺序和用户控制的设置，并且因扫描仪而异。

DWI提供有关细胞性和组织内水分子运动程度的定性和定量信息。
与健康组织相比，DWI显示前列腺癌，因为细胞增加，扩散系数降低[25]。
根据具有不同b值的多个扩散加权图像计算的ADC值的降低与格里森评分的增加有关[26，27]。
同时使用 DWI 和 T2-加权成像的敏感性和特异性高于 T2-单独加权成像检测PZ和TZ中的前列腺癌[28，29]。

除了必需的 T2-加权图像和ADC图，DCE MRI图像可用于评估灌注。
DCE MRI图像是通过采集一系列T生成的1-注射钆造影剂之前和之后的加权图像。
这些图像显示前列腺癌的早期局灶性增强[30]。
虽然可以处理DCE图像以产生灌注相关参数的定量图，但这些测量的重复性和重现性较差，使这些信息无法用于标准临床实践[31]。
虽然 PI-RADS v1 最初包含对 DCE 信号增强曲线形状的半定量分析，但曲线形状不够具体，无法保证包含在 PI-RADS v2.1 中。
与PI-RADS v2.1目前的情况一样，DCE成像仅用于通过对DCE图像的视觉评估将外周区病变的风险从3类提升至4类，癌症倾向于更早或与周围正常组织同时增强[32]。
虽然 T1-加权成像本身对前列腺癌检测没有诊断作用，因为癌症和正常组织的信号强度都较低且均匀[22]，T1加权成像通常用于评估出血（可混淆T2w和弥散成像）和DCE分析[33]。

一旦获得相关图像，就可以使用 PI-RADS v2.1 五分评分系统中规定的标准评估前列腺癌的存在和阶段。
然而，PI-RADS有许多局限性[34，35]。
除了ADC图，PI-RADS中使用的图像是定性的，这意味着它们不能反映组织特性的测量值（例如T2），而仅仅是由这些组织特性加权的图像。
因此，无法客观评估前列腺组织以确定可疑病变是否具有标记其与健康组织不同的组织特性。
由于这些图像的处理有些主观，因此PI-RADS受到读者之间协议有限的影响，即使在有经验的读者之间也是如此[34]。
PI-RADS解释也存在学习曲线，这可能导致缺乏一致性[36，37]。
更客观的前列腺健康评估方法可以减少这些差异，并进行更明确的评估。

尽管 ADC 以外的定量图谱分析目前不是 PI-RADS v2.1 的一部分，但有理由相信可以通过定量组织特性图谱来测量前列腺组织的变化。
使用传统的弛豫法，T2在多项研究中观察到，与癌症相比，PZ中的值高于TZ值，在正常组织中的值更高[38，39]。
多个小组表明，T2定位可用于区分正常前列腺组织、前列腺炎和良性前列腺增生（BPH）与前列腺癌[40，41，42，43，44，45]。
T 降低2据发布，与健康组织相比，前列腺癌组织中的ADC值，这些值与前列腺癌的侵袭性相关[27，46，47，48，49，50，51]。
有人建议 T2与单独的T2w成像相比，映射可以为前列腺癌评估增加更高的阳性预测价值。

不像 T2映射，T1映射尚未深入探索，可能是由于 T1加权图像并未广泛用于前列腺癌评估，因为它们在癌症和正常前列腺组织之间几乎没有对比度。
然而，在最近一项针对 23 名患者的小型研究中，发现 T1与良性前列腺组织相比，前列腺癌的发病率更低[52]。
使用双回波涡轮自旋回波饱和恢复（四延迟时间）采集 T1和 T2映射，T1和 T2研究发现，癌症的发生率低于间质增生和非癌性PZ，但TZ和PZ癌症没有分离，总体诊断性能低于ADC[53]。

一些研究小组试图了解前列腺组织和癌症中测量的松弛特性差异的组织学基础[54]。
例如，Sabouri等人已经评估了基于T测定管腔水分数的可行性2用于前列腺癌检测和分级的绘图[55]。
前列腺腔、基质和上皮的定量已经使用 T 的区室建模进行了探索2和ADC映射数据，据发布，在存在癌症的情况下，分数上皮体积增加，管腔和基质减少[56]。

然而，常规的T1和 T2映射序列可能很慢且效率低下。
用于 T 的修改后的外观锁定器反转恢复序列 （MOLLI）1对于分辨率为 4.5 × 1.3 × 1 mm 的地图，测绘需要 3.3 分钟的数据采集时间3 [52]. 对于 T2使用多回波涡轮自旋回波方法进行映射，插值分辨率为 0.55 × 0.76 × 2.2 mm3，采集时间为2分24秒[50]。
因为 T1和 T2映射非常耗时，并且通常不会获取这些地图，这些通过常规方法进行的测量尚未经过彻底评估，无法用于组织表征和癌症检测。

磁共振指纹图谱（MRF）[11]是一种定量组织属性映射的方法，可用于同时有效地生成多个组织属性的映射。
MRF已被用于许多器官中，用于获取T1和 T2地图，包括大脑[11，57，58]，腹部器官[59]，心脏[60]，乳房[61，62]和前列腺[13，14，15]。
通用MRF框架由四个关键组件组成：MRF数据采集、图像时间序列重建、字典模拟和地图生成。
MRF工作流程的概述如图所示。
1 并在以下各节中介绍。

MRI 信号可以对组织特性敏感，例如 T1和 T2，通过选择合适的脉冲序列参数，即重复时间（TR），回波时间（TE），翻转角度（FA）等。
MRF脉冲序列经过专门设计，使得不同的组织（假设具有不同的T）1和/或 T2值），以随着时间的推移产生具有不同配置文件的信号，并且这些信号可以彼此区分。
通常在MRF中，TR和FA以受控方式变化，以确保这些信号是唯一的，并且数据采集通常使用反转脉冲初始化，以提高信号对T的灵敏度1.T2-制备脉冲和额外的反转脉冲也可用于增加对T的敏感性2和 T1分别。
还可以插入延迟时间，以确保从具有不同组织特性的组织产生的信号可以彼此区分。
虽然大脑中使用的第一个MRF序列是基于平衡稳态自由进动（bSSFP）读数[11]，但任何序列结构都可以与MRF一起使用。
脉冲序列结构的选择取决于要测量的组织特性;具有稳态进动（FISP）读数的快速成像越来越多地用于MRF，因为它对非共振效应相对不敏感[12]。

有许多不同的方法可以为MRF采集选择脉冲序列参数。
虽然最初的MRF工作使用了几种TR和翻转角的经验选择组合[11]，但其他小组则使用了蛮力方法[63]，测试了许多不同的可能扫描仪参数，并选择了为组织特性图提供最佳精度的扫描仪参数。
更精细的方法包括使用基于噪声系数[64]，Cramer-Rao下限[65]，计算机模型与物理启发的优化启发式[66]和深度学习[67]。
不同MRF脉冲序列参数优化方法的概述可以在[68]中找到。

MRF数据通常沿着非笛卡尔采样轨迹采集，其中每个采集窗口（即在单个TR中采集的数据）提供有关潜在组织特性的独特信息。
为了有效地提取这些信息，必须部署专门的技术，这将在下面概述。

一旦获取了MRF数据，这些数据就会被转换为图像，用于后面的模式匹配步骤。
最初，在采集的每个TR中获取的数据通过非均匀快速傅里叶变换（NUFFT [69]）转换为图像域，从而产生图像的时间序列。
考虑到高数据欠采样因子，MRF图像会因混叠伪影而严重损坏。
但是，当使用螺旋或径向等非笛卡尔轨迹时，这些混叠伪像在图像中显示为类似噪点。
最近，管道中引入了减少这些单个图像中伪影的方法，包括视图共享[70]，并行成像[71]，迭代去噪[72]和低秩/压缩传感重建[73，74，75，76，77]。
然而，MRF中不需要这些图像重建步骤，尽管存在明显的混叠伪影，但加速图像仍可用于后续的组织属性提取步骤。

转换为图像域后，使用自适应线圈组合组合使用多个接收器线圈获取的图像进行组合[78]。
最近的研究表明，通过使用PCA [79]沿线圈维度压缩MRF原始数据或图像或使用奇异值分解压缩[76，80]沿时间维度压缩MRF原始数据或图像，可以加速进一步的处理步骤。
一旦准备好图像的时间序列，就可以使用它进行进一步处理以提取组织特性信息（见下文）。

MRF重建依赖于在MRI扫描仪上获得的信号演变与组织特性（T1/ 72等）。
在大多数常规映射技术中，组织特性与信号演变之间的关系由指数信号模型描述，并且可以通过将观察到的信号曲线拟合到模型来提取定量组织特性值。
然而，在MRF中，通过在整个采集过程中改变脉冲序列参数，组织特性与信号演变之间的关系被设计得要复杂得多。
为了有效地将MRF中测量的信号时间过程与组织特性值的适当组合相匹配，通常使用字典匹配方法来代替显式曲线拟合。

在MRF中，体素产生的信号时程是采集中使用的序列参数（例如FA和TR）以及属性（即T1和 T2）的体素组织。
不同T组合的MRF脉冲序列产生的信号演变1和 T2被计算出来。
计算出一组组织属性的时间序列后，将其归一化以供以后用于模式匹配，并作为条目存放在字典中。
这些MRF信号时间过程可以使用各种技术进行计算，其中最常见的是通过使用布洛赫方程模拟。
其他方法包括使用扩展相位图（EPG）对信号进行建模[81，82]，或训练神经网络在比显式布洛赫方程计算更短的时间内概括布洛赫方程[83]。

目标临床应用的预期组织特性生理范围用于定义T的上下边界1和 T2为其计算字典条目的值。
例如，MRF 字典可能包含 T 组合的信号演变1值从 10 到 3000 毫秒，增量为 10 毫秒，T2值从 2 到 500 毫秒，增量为 2 毫秒。
请注意，映射 T 的准确度和精度1和 T2值部分由 MRF 字典分辨率确定。
如果字典分辨率正常（T 之间的间距很小）1和 T2条目），MRF 字典的大小可能非常大且难以处理，但信号演变可能会在字典中更准确地表示。
另一方面，如果字典分辨率较粗，则MRF字典的大小将很小，但条目可能无法真正代表在采集的数据中发现的信号演变。
另请注意，字典大小随着MRF扫描中要映射的组织属性数量呈指数增长;大型字典增加了重建的计算负载和内存要求。
这种字典大小考虑可能会限制在MRF扫描中可以实际评估的单个组织特性的数量。

MRF 管道的最后一步是将 MRF 图像时间序列与字典匹配，以选择最能代表每个体素的采集信号的字典条目。
The T1和 T2然后，可以将构造该条目的值作为测量值分配给该体素。
此步骤有几种方法，但最常用（也是最简单的）称为互相关模式匹配。
在这里，从图像时间序列中提取来自单个像素随时间变化的信号，并进行归一化。
计算该测量信号与所有字典条目之间的互相关（内积），并选择具有最高互相关值的字典条目作为最佳“匹配”。
The T1和 T2然后，用于构造该字典条目的值被指定为该体素的组织属性。

这个简单的匹配过程可能会很慢，尤其是在字典很大的情况下。
为了对抗这些影响，可以使用更高级的匹配方法，例如快速组匹配[84]。
机器学习方法也在不断发展，其中可以从数据中提取组织属性，而无需显式字典[85，86，87，88，89，90]。
这些方法在字典可能变得非常大的情况下可能特别有用，例如当映射两个以上的组织属性时[91]。

迄今为止主要用于前列腺患者评估的MRF序列是在3T下开发的，详见[13]。
然而，MRF的其他不同实现可用于测量T1和 T2，如[17]中所述。
[13] 中报告的序列基于 FISP MRF [12]，因为在存在来自肠道气体等来源的场不均匀性的情况下，它对非共振效应相对不敏感。
该脉冲序列的示意图如图所示。
2. 首先通过施加反转脉冲制备磁化强度，然后采集3000块数据，TR在11.2和14.2 ms之间变化，翻转角度在0°和50°之间变化，如图所示。
1.该TR系列采用柏林噪声模式选择，翻转角度以正弦模式变化，其中最大翻转角度随机选择，详见[12]。
此外，每10 TR插入200个TR的短弛豫期。
数据矩阵为 400 × 400，视场角为 400 × 400 mm2，面内分辨率为 1 × 1 mm2，切片厚度从 3 到 6 毫米不等。
对于一个切片，这种前列腺MRF实现的总采集时间为39 s，并且在测量之间插入至少5 s的延迟时间，以确保在开始下一个实验之前有足够的磁化恢复。
采集后，原始数据沿线圈维度压缩为3000个虚拟线圈，沿时间维度执行SVD，将时间序列从43点压缩到<>点。
压缩的数据使用 NUFFT 转换为图像域。

在前列腺MRF中，可以预先计算MRF字典，因为序列参数不会因受试者而异。
在前列腺和骨盆区域，T1预计范围在 1000 到 2500 ms 之间，而 T220T系统在300-3 ms之间[15]。
字典分辨率，此处以毫秒为单位列出，格式为 [min：step：max]，用于 T1值为 [10：5：90、100：10：1000、1020：20：1500、1550：50：2050、2150：100：2950] 和 T2值为 [2：2：10、15：5：150、160：10：200、250：50：500]，其中值为 T1小于 T2被排除在外。
该词典共有5，970个词条。
与收集的时间序列数据一样，字典沿时间序列方向压缩，产生 43 个时间点。
然后计算单个体素的采集时间序列与每个字典条目之间的互相关，以求出 T1和 T2体素的值。
这种重建可以离线进行（例如，在Matlab中），但也已在Gadgetron平台上实现，以实现快速的在线重建和简化的临床部署[16]。

前列腺MRF已被探索用于表征外周区和过渡区的前列腺病变[13，14，15]。
T 的示例1地图和 T2使用 3 T 的前列腺 MRF 生成的图，以及 ADC 图和 T2-加权图像，如图所示。
3.该患者患有前列腺癌（格里森9级），PZ受累，用白色箭头标记。
注意 T 中癌症的低强度2-加权图像，以及该区域中ADC的低值。
MRF衍生的T1和 T2地图显示在底部。
均值 T1和 T2这种前列腺癌的值明显低于正常PZ（T1为 1533 ± 175 ms 与 2920 ± 80 ms 和 T2为 37 ± 7 ms vs. 261 ± 57 ms），其中分析的 ROI 在 MRF 地图上用黑色边框标记。

最初的前列腺MRF工作侧重于PZ病变的定量表征[13]。
MRF 和 ADC 数据，以及标准 T2-加权图像，在140 T下收集了总共3名患者，使用标准的12核TRUS方法或系统活检加认知靶向活检对可疑病变进行活检。
所有三种定量组织特性（T1/ 72和ADC）在癌症中明显低于正常出现的PZ组织，并且使用所有这三个指标一起提供了0.99的AUC来区分癌症和健康组织。
这个结果有点出人意料，因为T1以前不被认为是在前列腺癌存在时发生变化的特性。
最有趣的是，使用 T2和ADC，低级别癌症可以与中高级别癌症区分开来，AUC为0.83。
这一发现表明，MRF可用于区分侵袭性，并可能表明哪些患者可以单独进行主动监测。
此外，虽然 T1ADC可以一起使用来区分正常PZ组织与前列腺炎（AUC为0.99），使用定量参数的任何组合都不可能清楚地将PZ中的癌症与前列腺炎分开，这可能是因为样本量小，接受靶向活检的子集小。

一项随访研究纳入了89例接受靶向活检（TRUS或内MRI引导下活检的认知靶向）患者，接受3T时MRF扫描[14]。
评估临床上显着的癌症（格里森评分3 + 4 = 7及以上），临床上不显着的癌症（格里森3 + 3 = 6），非癌症（前列腺炎和活检证明的正常前列腺组织）和临床上不显着的病变（格里森6癌症，前列腺炎和阴性活检的组合组）之间的定量差异。
本研究的示例图像如图所示。
4. 这项研究证实 T1ADC可用于区分癌症与阴性活检（AUC为0.83）以及非癌症（AUC为0.80）和T2ADC可用于区分临床上显着的癌症（格里森评分3 + 4 = 7及以上）和临床上不显着的癌症（格里森3 + 3 = 6）癌症（AUC为0.91），非癌症（0.86）和临床上不显着的病变（0.86）。
也可以区分癌症和前列腺炎（使用T 0.712ADC为0.79），尽管用于这种差异的截止值更为复杂。
两个 T1和 T2发现癌症和非癌症之间存在显着差异，这些指标在区分癌症和非癌症时提供了与ADC互补的信息。
在这项研究中，T1值 1720 至 1730 ms， T2值为 52 至 60 ms，ADC 值为 0.75 至 0.78 × 10–3毫米2/s在临床上显着的癌症和非癌症之间提供了最佳的区分性能（见图）。
5）. 虽然有希望，但这项研究的一个局限性是这些临界值的诊断性能未在另一个队列中得到验证。

与PZ病变相比，TZ癌症的检测和表征更具挑战性，因为它们位于腺体的视觉异质部分，并且在外观上与T上的良性结节相似2-加权成像。
在[15]中，67名患有75例TZ病变的男性接受了3 T的MRI扫描，包括MRF，ADC映射和T2-加权成像。
与涉及PZ病变的研究一样，在T2-加权图像和定量 T1/ 72，并在这些区域测量ADC值。
图 6 显示了本研究中获取的几个示例地图。
通过认知靶向TRUS活检（N = 15）和孔内MRI引导活检（N = 60）确定病变的病理。
T 的组合1ADC在前列腺癌和非癌症（AUC为0.94）和临床上显着的前列腺癌和临床上不显着的TZ病变（0.81）之间提供了最佳的分离。
MRF 衍生的 T1还能够区分PI-RADS v2 3类非癌症和癌症（AUC为0.79）。
MRF 衍生的 T1值为 1500 至 1510 ms，ADC 值为 0.66 至 0.70 × 10–3毫米2/s对TZ病变提供了最佳的鉴别性能（见图）。
7）. 再次 T1= 1500 ms，ADC 为 0.65 × 10–3毫米2/s可以用作实际的临床临界值，尽管这些尚未在另一个队列中得到验证。

其他研究证实了PZ和TZ T的发现1和 T2用MRF测量的值在癌症中低于健康前列腺[92，93]，其中测量值与最初发布的值相似。
在对比给药时，测量的T1和 T2已被证明减少，尽管前列腺癌中两者的减少低于正常 TZ 和 T 的减少1前列腺癌低于正常PZ。
小型研究报告，在幻影和健康受试者中，基于前列腺MRF的测量在1.5和3T下均具有出色的跨系统重现性[17]，报告的值与[13，14]相似。
一项在16个不同机构（UHCMC、Brigham Women's和DASA）进行的小型研究中探讨了前列腺MRF测量的易用性以及可重复性和可重复性，结果非常好，表明该技术确实可以普遍用于临床前列腺评估[<>]。
有必要在更多机构对更大群体的男性进行进一步的研究，以证实基于MRF的测量与ADC相结合，当可以使用这些定量指标明确表征组织时，可以用作活检的替代品。

MRF在临床组织表征之外的另一个潜在用途是更好地了解组织学变化驱动T的原因1和 T2各种组织状态的差异。
一篇有趣的文章在男性的整个前列腺标本中发现了健康组织、前列腺炎和癌症区域，这些男性接受了前列腺MRF扫描，然后接受了前列腺切除术，并计算了这些区域的上皮、管腔和基质的相对比例[92]。
观察到：（1）实测的T1和 T2值与上皮比值呈负相关，（2）T1前列腺癌患者随着基质的增加而增加，但前列腺炎患者随着基质的增加而降低，（3）T2随着前列腺癌和前列腺炎管腔比例的增加而增加。
鉴于这些关联，可以定制MRF序列以特异性测量组织成分的这些差异，从而提高MRF的精度，从而提高鉴别力。
Deshmane等人[19]的工作表明，可以使用MRF测量来评估大脑中的不同组织区室，这种方法对于前列腺MRF也有价值。
此外，众所周知，常规MRI漏诊了少量癌症。
通过仔细的组织学和定量分析，可以确定是否可以更好地定量检测这些漏诊的癌症。

前列腺MRF最明显的下一个挑战是需要提高空间分辨率和扫描时间。
上述临床研究使用2D MRF实施来收集T1和 T2面内空间分辨率为 1 × 1mm 的地图2切片厚度为 5 毫米。
与临床 T 的分辨率相比2-用于检测前列腺癌的加权图像，通常为0.6×0.6mm2对于3 mm的切片厚度，这些基于MRF的组织特性图的空间分辨率显着降低。
这种较低的分辨率排除了使用当前的MRF实现进行病变检测。
此外，由于需要在持续2至39秒的扫描中独立捕获每个50D切片，因此报告的数据采集时间相对较长。
高分辨率（0.6×0.6×3mm3）已经开发出可用于病变检测的3D前列腺MRF采集方案，数据采集时间为3分钟48秒[93]。
该分辨率与传统T中使用的分辨率相同2-前列腺的加权成像，扫描时间不比多层2D MRF长得多。
虽然仅评估了少量病变，并且检查的病变没有根据其在前列腺中的位置分开，但90例疑似前列腺癌男性的初步结果与先前的研究一致[14，15]。
相对快速的高分辨率3D前列腺MRF方法的开发可能最终消除对单独的高分辨率T的需求。
2-加权扫描，因为可以从 T 生成合成图像2地图本身，或者可以使用基于MRF的地图直接检测病变。
由于这些好处，预计未来的前列腺MRF研究将采用高分辨率3D方法。

另一个挑战是，目前前列腺MRF的实施能够同时量化T。
1和 T2，但不是ADC，ADC已在上述临床研究的单独扫描中测量。
通过这种方法，T1和 T2地图本质上是共同配准的，但 ADC 地图可能与基于 MRF 的地图不完全对齐。
事实上，由于扩散图像是用EPI收集的，并且比基于MRF的地图更容易失真，因此需要一个潜在的错误诱导配准步骤。
测量 T 的 MRF 实现1和 T2以及ADC将比使用两种不同的扫描更可取。
虽然理论上可以测量额外的组织特性以及 T1和 T2MRF，包括但不限于灌注[96，97]、脂肪分数[98，99，100，101]和弥散[102]，测量弥散和T都非常具有挑战性2同时与MRF合作。
包括扩散测量在内的MRF实施将采集分为两部分，其中一部分用于评估T1和 T2，以及用于测量 T 的一个1和 ADC。
然而，即使这种方法也没有被广泛采用，因为获取所有三种组织特性的信息需要很长的扫描时间，而且两个T导致的信号水平都很低。
2- 和扩散加权。
其他研究组报告了测量所有三种特性的能力[103]，但这种方法尚未在前列腺中进行测试。
直到高效准确的组合 T1/T2针对前列腺的/ADC进行MRF采集和重建方案的制定，必须采用单独采集的常规ADC图谱来评估病变的弥散特性。
在所有这些技术挑战中，该技术的多机构和多供应商验证实施将允许在非专家站点进行更多的常规扫描，并在患者和队列之间进行可靠的比较。

最后，即使使用三种不同组织特性的定量测量，明确区分前列腺中各种病理的重大和临床相关挑战仍然存在。
例如，虽然在某些情况下可以区分癌症和前列腺炎，但表征这些不同组织的稳健方法将具有极大的临床意义。
困难可能在于健康组织和病理组织的性质相似（即相似的T1/ 72和 ADC），并且可能需要额外的组织特性才能区分它们。
另一种可能性是，目前这些组织特性的测量方差太大;使用改进的MRF序列进行更精确的测量可能会有所帮助。
将PIRADs 3.2系统中的1类病变细分为高风险和低风险组是另一个主要的开放问题，这将产生很高的临床影响。
转移性病变（例如骨结构）的MRF和测量其对治疗的反应是未来临床工作的另一个主要目标。

前列腺MRF是一种不断发展的前列腺成像和组织特性映射技术。
与ADC映射一起，T1和 T2使用MRF得出的地图已被用于区分外周和过渡区的非癌症和健康前列腺组织。
虽然MRF采集和重建的潜在改进正在研究中，包括获取更高分辨率或3D地图或将ADC添加到测量的组织特性中，但初步MRF结果表明，该技术可能成为表征前列腺组织的有用工具。