基于脑功能区的脑血流图谱构建及其在磁共振成像—动脉自旋标记中的应用

摘要

本研究整合了磁共振成像—动脉自旋标记图像，以构建脑功能区的脑血流量（CBF）图谱。通过比较典型健康状态与慢性脑缺血状态下的CBF图谱，发现区域CBF分布存在显著差异，从而实现对功能性CBF的快速、无创评估，有助于疾病诊断及治疗效果的评价。

摘要

脑部疾病通常需要精确的诊断与监测，因而需要先进的影像学技术。现有的成像手段可能无法充分检测到可逆性组织损伤的早期征象，凸显了开发新型诊断工具的必要性，这类工具需能够以高特异性和高敏感性量化脑血流量（CBF）的变化。 本研究将三维动脉自旋标记（3D-ASL）与结构磁共振成像（MRI）相结合，构建覆盖大脑所有主要功能区域的综合性CBF图谱。这种创新的磁共振成像-动脉自旋标记（MRI-ASL）方法可快速、无创地量化特定脑区的CBF，提供不同功能区域CBF水平的详细视图。通过对慢性脑缺血（CCI）患者与健康受试者的比较，发现CCI患者在所构建的CBF图谱中，其大脑各功能区域的CBF显著降低。该方法不仅可通过分析关键区域CBF相对于健康分布的同步下降，有效识别CCI，还可通过纵向CBF图谱追踪治疗反应和康复进展。利用MRI-ASL技术开发的CBF图谱代表了脑部诊断与患者护理领域的一项新进展。通过将区域CBF水平与正常参考标准进行比较，该方法增强了诊断能力，使临床医生能够为患有脑部疾病的患者提供个体化诊疗方案。

引言

在神经影像学领域，寻找精确且无创的工具以评估脑功能和病理状态始终至关重要。其中，脑血流量（CBF）是一个关键指标，能够反映脑组织的代谢需求和健康状况¹。传统方法通常依赖经验性评估，高度依赖临床医生的专业知识来解读影像并识别病理变化²。然而，磁共振成像（MRI）技术的进步，特别是动脉自旋标记（ASL）技术³，为更准确、更客观地量化CBF提供了有前景的途径^4,5。

本研究提出了一种开创性方法，将三维动脉自旋标记（3D-ASL）与结构磁共振成像（MRI）相结合，构建覆盖大脑功能区域的全面脑血流量（CBF）图谱⁶。通过采用这一新方法，临床医生不仅能够获得CBF的整体视图，还能深入分析特定功能区域，从而更细致地理解脑灌注模式^7,8。这种分辨率的提升直接源于成像设备的技术进步，而非插值体素的使用。值得注意的是，目前市场上大多数主流MRI设备通常可提供优于1.5 mm的成像精度⁹。成像技术的这些进步为更详细、更准确的CBF评估铺平了道路。这标志着与传统成像方式的范式转变，后者通常缺乏足够的分辨率来检测与早期病理相关的细微CBF变化¹⁰。

该方法的提出源于迫切需要应对由脑部疾病（包括慢性脑缺血（CCI）及其他神经系统疾病）带来的诊断挑战^11,12。这些疾病需要进行精确且及时的评估，以有效指导治疗干预^13,14。通过比较健康个体与CCI患者之间的脑血流（CBF）图谱，本研究揭示了区域CBF分布的显著差异，为疾病病理机制的理解及潜在治疗方向提供了重要线索。

这种MRI-ASL方法的价值不仅限于诊断，还包括治疗效果评估和疾病进展的监测¹⁵。纵向脑血流量（CBF）图谱有望用于追踪治疗反应和康复效果，为临床医生提供个性化的患者管理工具。此外，检测细微CBF变化的能力可能作为组织异常发生的早期生物标志物，从而在神经损伤变得不可逆之前实现主动干预¹⁶。

尽管该方法代表了一种先进的工具，但仍有多方面值得进一步优化和拓展。标准化扫描方案、脑血流量（CBF）归一化技术以及构建多受试者的健康脑血流量图谱，是提高诊断准确性和临床实用性的关键步骤。针对多种脑部病理状况开展协作研究，对于验证和完善该方法、推动其在临床中的广泛应用至关重要。

本研究介绍了一种新方法，即利用 MRI 衍生的脑血流（CBF）图谱为临床医生提供关于大脑功能与病理的深入见解。通过弥合影像学群体分析与临床解读之间的鸿沟，该方法有望彻底改变多种神经系统疾病的诊断与管理方式，推动迈向根据每位患者独特需求量身定制的精准医疗时代。

方案

本研究获得了中国北京东直门医院伦理审查委员会的批准。采用基于涡轮梯度自旋回波（TGSE）序列的脉冲式动脉自旋标记（PASL）技术，在磁共振成像（MRI）扫描仪上进行三维动脉自旋标记（3D-ASL）扫描，扫描参数如下：重复时间（TR）4000 ms，回波时间（TE）25 ms，标记持续时间700 ms，反转时间1990 ms。本研究中使用的所有软件工具均列于材料表中。

1. 数据收集与准备

注意：参数的变化不受研究方法的影响。DICOM 和 NIFTI 格式均用于存储数字医学影像数据，其中 DICOM 通常是临床成像设备的常规输出格式。然而，由于计算上的便利性，NIFTI 格式在科研活动中更常被采用。将 DICOM 转换为 NIFTI 是一种简单且常见的做法¹⁷。在本研究中，获取了真实的 DICOM 数据并将其转换为 NIFTI 格式。数据使用 1.5 特斯拉磁共振成像（MRI）扫描仪采集。在本研究的跨图像配准过程中，主要使用液体衰减反转恢复（FLAIR）序列，并将其与 CBF 图像融合。本研究中使用的 CBF Atlas 工具（材料表）为商业软件。

1. 将数据复制到指定的工作目录。
   1. 将所有 NIFTI 数据复制到自定义的工作目录中。
      注意：操作系统和 MATLAB 中的工作目录相同。本研究遵循右前上（RAS）方向标准。
   2. 进入 MATLAB 当前工作目录中存放数据的文件夹，使用 niftiread 函数将 FLAIR 数据加载到工作区。使用 size 函数检查 FLAIR 序列的维度。调用 Flair_Slice 命令查看 FLAIR 序列（如 图 1 所示）。具体命令如下：
      FLAIR_XLF = niftiread('FLAIR_XFL.nii');
      size(FLAIR_XLF)
      ​Flair_Slice(FLAIR_XLF);
   3. 参见 图 1 中 FLAIR 序列的交互式图形用户界面（GUI）图像。使用底部滚动条快速浏览不同序列。
2. 快速检查 CBF 图像。
   1. 使用 niftiread 函数将 CBF 数据加载到工作区。使用 size 函数检查 CBF 序列的维度。调用 CBF_Slice 命令查看 CBF 序列（如 图 2 所示）。具体命令如下：
      CBF_XLF = niftiread('CBF_XFL.nii');
      size(CBF_XLF)
      CBF_Slice(CBF_XLF);
   2. 参见 图 2 中 CBF 序列的交互式 GUI 截图。使用底部滚动条快速浏览不同序列。
      注意：图 2 中，CBF 值范围通常为 0–120 mL/100 g/min。图 2 使用颜色图谱以不同颜色表示不同的 CBF 水平。

2. 从FLAIR序列中分割脑功能区

注意：FLAIR 序列既可作为结构成像，又具有优异的病理诊断能力。因此，将 FLAIR 与 CBF 融合在临床上具有重要的诊断价值。本研究从 FLAIR 序列中分割出主要的大脑功能区域。

1. 在工作区中调用 FLAIR_Segment 函数，运行预训练的基于三维U-Net的图像分割程序，以自动生成大脑功能区域分割的三平面视图，如图3所示。图3中的每种颜色代表一个不同的功能区域。
2. 为实时查看不同的大脑功能区域，请使用十字线交互功能（图3）。点击并拖动十字线中心，可对重建的大脑解剖结构进行任意三维检查。
   注意：图3中的图形用户界面还支持调整三平面视图的灰度强度范围、对比度和亮度。
3. 按住鼠标左键并在图像任意区域拖动，以实时调节亮度和对比度；松开鼠标按钮以确认并完成调整。

3. 脑功能区脑血流分布的三平面视图

注意：分析不同脑功能区域间的脑血流（CBF）分布有助于对患者病情做出精确的临床判断。在图3所示的功能区域框架下，结合CBF序列提供的精确CBF数值，并以三平面视图呈现，可实现医生对影像的全面评估。

1. 调用 CBF_triplanar 函数以生成如图4所示的三平面GUI视图，显示功能区域内的CBF空间分布。移动十字光标以检查感兴趣区域中的CBF分布情况。
2. 单击GUI右上角的数据提示按钮，以显示任意位置的CBF值。
3. 按住鼠标左键并在图像任意区域拖动，以实时调整亮度和对比度。释放鼠标按钮以确认并完成调整。

主要脑功能区的脑血流图谱

注意：对不同功能区域的脑血流（CBF）概率分布进行归一化处理，可生成脑功能区 CBF 图谱，用以表达受试者脑部各功能区域的 CBF 水平。

1. 调用 CBF_Atlas 函数，将 图4 所示的 CBF 空间分布转换为 CBF 图谱（如 图5 所示）。
   注：在 图5 中，x 轴表示不同的脑功能区域，y 轴表示不同的 CBF 水平；不同颜色表示不同的概率水平（颜色越红，表示体素越多）。
2. 点击 图5 所示图形用户界面（GUI）右上角的 放大/缩小 按钮，以缩放局部图像。
   注：图5 中的曲线连接了各区域的平均 CBF 值。

健康受试者与慢性脑灌注不足患者之间 CBF_Atlas 的显著差异

注意：采用第1-4节中描述的相同方法，可获得脑震荡患者不同脑功能区域的平均脑血流（CBF）值。

1. 使用 CBF_Compare 函数生成健康受试者与CCI患者CBF曲线的对比图（图6）。
2. 观察患者CBF曲线（黑色）与健康曲线（红色）之间的显著差异（图6），识别患者中CBF下降更为明显的功能区域。结合步骤3.3，重新检查患者表现较差的区域与其他区域的差异。
   注意：步骤3.3可实现以三维空间形式查看患者的CBF水平，即医生可利用图4所示的三平面GUI视图，检查患者任意位置的CBF。在此，CCI患者不同部位的CBF下降程度存在差异。医生可再次查看图4，重点关注CBF显著下降的脑区。
3. 使用GUI右上角的图标（图5）执行放大、缩小、返回全局视图以及标记所选像素坐标的等操作。
   注意：依据相同原理，也可采用图6所示方法，对同一患者治疗前与治疗后的结果进行比较，以评估随时间变化的临床疗效。

结果

本研究利用采用1.5 T磁共振成像（MRI）扫描仪获取的真实患者数据，以验证脑血流（CBF）定量及图谱构建方法。预处理步骤包括FLAIR结构像（图1）、CBF图像（图2）以及三平面融合图像（图3和图4）。

使用预训练的深度学习模型从FLAIR扫描图像中分割出脑功能区域（图3）。随后将ASL-CBF图像配准至FLAIR空间。将区域标签与相应的CBF值融合后，生成了显示各分割区域CBF分布的三平面视图（图4）。

进一步处理构建了健康受试者（图5）和慢性脑灌注不足（CCI）患者（...

讨论

关键步骤（第3和第4节）构成了构建脑血流（CBF）图谱的基础，用于量化大脑功能区域间的CBF分布。第4.2步明确界定了每个脑区的CBF水平，开创了一种新技术。这不仅为临床医生提供了患者CBF的全局视图，还可对各个功能区域进行定量测量。第5.1步 表明，CBF图谱在区分慢性脑灌注不足（CCI）患者与健康对照组方面具有重要的临床诊断价值。

多项技术改进有望进一步提升该方案的性能，主要途径是利用MRI-ASL成像技术。目前需要在扫描精度、CBF标准化以及结构图像与CBF图像的同步方面实现标准化。此外，通过扩大受试者队列构建多受试者的健康CBF图谱作为诊断基线，仍有待进一步研究。通过临床合作积累多种脑部病理生理状态下的CBF图谱模式，也是重要的未来研究方向。

目前的一个局限性是，尽管脑血流（CBF）极为重要，但它并非脑部疾病的唯一生物标志物^18,19。 结合其他重要的临床标志物，如脑脊液中的磷酸化t...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
CBF 图谱	北京智熵科技有限公司	CBF 图谱 V1.0	Beijing Intelligent Entropy Science & Technology Co Ltd. 甲状腺疾病建模
MATLAB	MathWorks	2023B	计算与可视化
MRI 设备	西门子	Amria 1.5 T	MRI 扫描仪