基于磁共振成像-动脉自旋标记的基于脑功能区的脑血流图谱的构建与应用

摘要

本研究整合了磁共振成像-动脉自旋标记图像，以得出脑功能区的脑血流 （CBF） 图谱。比较典型的健康和慢性脑缺血 CBF 图谱揭示了区域 CBF 分布的显着差异，从而能够快速、无创地评估功能性 CBF，以协助诊断和评估治疗。

摘要

脑部疾病通常需要精确的诊断和监测，因此需要先进的成像技术。目前的方法可能无法充分检测可逆组织损伤的早期迹象，这凸显了对创新诊断工具的需求，这些工具可以以高特异性和敏感性量化脑血流 （CBF） 的变化。本研究将三维动脉自旋标记 （3D-ASL） 与结构 MRI 相结合，以开发涵盖大脑所有主要功能区域的综合 CBF 图谱。这种创新的磁共振成像-动脉自旋标记 （MRI-ASL） 方法提供了一种快速且无创的量化区域特异性 CBF 的方法，提供了不同功能区域的 CBF 水平的详细视图。慢性脑缺血 （CCI） 患者与健康受试者之间的比较显示，在为前者构建的 CBF 图谱中，大脑功能区域的 CBF 显着降低。这种方法不仅可以通过分析关键区域相对于健康分布的 CBF 同时减少来有效识别 CCI，还可以通过纵向 CBF 图谱跟踪治疗反应和康复进展。使用 MRI-ASL 技术开发的 CBF 图谱代表了脑诊断和患者护理领域的新进展。通过将区域 CBF 水平与规范标准进行比较，该方法增强了诊断能力，使临床医生能够为脑部疾病患者提供个性化护理。

引言

在神经影像学领域，寻求精确、无创的工具来评估脑功能和病理学仍然至关重要。其中，脑血流量 （CBF） 是一个重要的指标，反映了脑组织的代谢需求和健康状况¹。传统方法通常需要实证评估，严重依赖临床医生的专业知识来解释图像和辨别病理变化²。然而，磁共振成像 （MRI） 技术的进步，尤其是动脉自旋标记 （ASL）³，为以更高的准确性和客观性量化 CBF 提供了一条有前途的途径 ^4,5。

本研究提出了一种开创性的方法，该方法将三维 ASL （3D-ASL） 与结构 MRI 相结合，以构建跨大脑功能区域的综合 CBF 图谱⁶。通过利用这种新方法，临床医生不仅可以获得 CBF 的全局视角，还可以深入研究特定的功能领域，从而对脑灌注模式有细致入微的理解 ^7,8。分辨率的这种提高是成像设备技术进步的直接结果，而不是使用插值体素。值得注意的是，当今市场上的大多数主流 MRI 设备通常提供优于 1.5 mm⁹ 的成像精度。成像技术的这些进步为更详细和准确的 CBF 评估铺平了道路。这代表了与传统成像的范式转变，传统成像通常缺乏检测与早期病理相关的 CBF 细微变化的分辨率¹⁰。

这种方法的起源在于必须解决脑部疾病带来的诊断挑战，包括慢性脑缺血 （CCI） 和其他神经系统疾病^11,12。这些情况需要精确和及时的评估，以有效地指导治疗干预^13,14。通过比较健康个体和 CCI 患者的 CBF 图谱，本研究揭示了区域 CBF 分布的显着差异，为疾病病理学和可能的治疗途径提供了见解。

这种 MRI-ASL 方法的效用超出了诊断范围，包括治疗评估和疾病进展监测¹⁵。纵向 CBF 图谱有望跟踪治疗反应和康复结果，为临床医生提供个性化患者管理的宝贵工具。此外，辨别细微 CBF 变化的能力可以作为即将发生的组织异常的早期生物标志物，从而能够主动干预以减轻神经损伤，以免其变得不可逆¹⁶。

虽然这种方法代表了一种高级工具，但值得考虑的几种改进和扩展途径。标准化扫描方案、CBF 标准化技术和构建多受试者健康 CBF 图谱是提高诊断准确性和临床实用性的关键步骤。跨不同脑病理学的协作努力对于验证和改进这种方法以进行广泛的临床采用至关重要。

本研究引入了一种新方法，MRI 衍生的 CBF 图谱为临床医生提供了对脑功能和病理学的深入见解。通过弥合成像组和临床解释之间的差距，这种方法有可能彻底改变无数神经系统疾病的诊断和管理，开创针对每位患者独特需求量身定制的精准医学的未来。

方案

本研究经中国北京东直门医院机构审查委员会批准。MRI 扫描仪与基于涡轮梯度自旋回波 （TGSE） 的脉冲 ASL （PASL） 序列用于 3D 动脉自旋标记 （3D-ASL），参数如下:TR 4000 ms，TE 25 ms，推注持续时间 700 ms，反转时间 1990 ms。本研究中使用的软件工具列在 材料表中。

1. 数据收集和准备

注意:参数的差异不受研究方法的影响。DICOM 和 NIFTI 格式都用于存储数字医学成像数据，其中 DICOM 是临床成像设备的常见输出。然而，为了在研究活动中方便计算，NIFTI 格式通常是首选。从 DICOM 转换为 NIFTI 是一种简单而常见的做法¹⁷。在本研究中，获取了真实的 DICOM 数据并将其转换为 NIFTI 格式。数据是使用 1.5 特斯拉 MRI 扫描仪采集的。在本研究的交叉图像配准过程中，主要使用流体衰减反转恢复 （FLAIR） 序列，并与 CBF 图像融合。本研究中使用的 CBF Atlas 工具 （Table of Materials） 是商业软件。

1. 将数据复制到指定的工作目录。
   1. 将所有 NIFTI 数据复制到自定义工作目录。
      注意:操作系统和 MATLAB 中的工作目录相同。该研究遵循右前上位 （RAS） 定向标准。
   2. 转到 MATLAB 当前工作目录中包含数据的目录，然后使用 niftiread 函数将 FLAIR 数据加载到工作区中。使用 size 函数检查 FLAIR 序列的维度。调用 Flair_Slice 命令以查看 FLAIR 序列（如图 1 所示）。使用特定命令，如下所示:
      FLAIR_XLF = niftiread（'FLAIR_XFL.nii'）;
      尺寸（FLAIR_XLF）
      Flair_Slice（FLAIR_XLF）;
   3. 请参阅 图 1 以获取 FLAIR 序列的交互式图形用户界面 （GUI） 的图像。使用底部滚动条可快速浏览不同的序列。
2. 快速检查 CBF 的图像。
   1. 使用 niftiread 函数将 CBF 数据加载到工作区中。使用 size 函数检查 CBF 序列的维度。调用 CBF_Slice 命令以查看 CBF 序列（如图 2 所示）。使用特定命令，如下所示:
      CBF_XLF = niftiread（'CBF_XFL.nii'）;
      尺寸（CBF_XLF）
      CBF_Slice（CBF_XLF）;
   2. 请参阅 图 2 以获取 CBF 序列的交互式 GUI 屏幕截图。使用底部滚动条可快速浏览不同的序列。
      注:在 图 2 中，CBF 值范围通常为 0-120 mL/100 g/min。 图 2 使用彩图以不同颜色表示不同的 CBF 水平。

2. 从 FLAIR 序列中分割大脑功能区

注:FLAIR 序列既可作为结构成像，又可提供出色的病理诊断能力。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 函数并运行预训练的基于 3-D 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 中的每种颜色都代表一个不同的功能区域。
2. 要实时检查不同的大脑功能区域，请使用十字准线交互（图 3）。单击并拖动十字准线的中心，对重建的大脑解剖结构进行任意 3D 检查。
   注意: 图 3 中的 GUI 还支持调整三平面视图的灰度强度范围、对比度和亮度。
3. 在图像的任何区域上按住并拖动鼠标左键，以实时修改亮度和对比度级别。松开鼠标按钮以确认并完成调整。

3. CBF 跨大脑功能区分布的三平面视图

注意:检查 CBF 在不同大脑功能区域的分布有助于对患者病情进行精确的临床判断。在 图 3 的功能区域框架下，结合 CBF 序列中的确切 CBF 值并以三平面视图呈现它们，可以让医生进行全面的检查。

1. 调用 CBF_triplanar 函数以生成 图 4 中所示的三平面 GUI 视图，显示跨功能区域的 CBF 空间分布。移动十字准线以允许检查感兴趣区域中的 CBF 分布。
2. 单击 GUI 右上角的 Data Tips 按钮，在任何位置显示 CBF 值。
3. 在图像的任何区域上按住并拖动鼠标左键，以实时修改亮度和对比度级别。松开鼠标按钮以确认并完成调整。

4. 跨主要大脑功能区域的 CBF 图谱

注意:对不同功能区的 CBF 概率分布进行标准化会生成大脑功能区 CBF 图谱，表示受试者大脑功能区的 CBF 水平。

1. 调用 CBF_Atlas 函数，将 图 4 中所示的 CBF 空间分布转换为 CBF 图集（如图 5 所示）。
   注意:在 图 5 中，x 轴代表不同的大脑功能区域，y 轴代表不同的 CBF 水平;不同的颜色表示不同的概率级别（颜色越红，存在的体素越多）。
2. 单击图 5 所示的 GUI 右上角的 Zoom In/Out 按钮以缩放部分图像。
   注意: 图 5 中的曲线连接了不同地区的平均 CBF。

5. 健康受试者和 CCI 患者CBF_Atlas差异显著

注意:使用第 1-4 节中描述的相同过程，可以获得 CCI 患者不同大脑功能区域的平均 CBF 值。

1. 利用 CBF_Compare 函数生成健康受试者与 CCI 患者的 CBF 曲线比较图（图 6）。
2. 观察患者的 CBF 曲线（黑色）和健康曲线（红色）之间的显着差异（图 6）。确定患者 CBF 下降更明显的功能区域。整合步骤 3.3，重新检查与其他区域相比患者表现较差的区域。
   注意:步骤 3.3 允许在三维空间中查看患者的 CBF 水平，这意味着医生可以利用 图 4 所示的三平面 GUI 视图来检查患者任何位置的 CBF。在这里，CCI 患者的 CBF 下降程度在不同地区有所不同。医生可以重新访问 图 4 以关注 CBF 显着下降的大脑区域。
3. 使用 GUI 右上角的图标（图 5）访问缩小、放大、返回全局视图和标记所选像素的坐标等功能。
   注意:使用相同的原理，也可以使用 图 6 中的方法比较同一患者的治疗前和治疗后结果，以评估一段时间内的临床疗效。

结果

这项调查利用使用 1.5 T MRI 扫描仪获取的实际患者数据来验证脑血流 （CBF） 量化和图谱构建方法。预处理步骤包括 FLAIR 结构图像（图 1）、CBF 图像（图 2）和三平面融合图像（图 3 和 图 4）。

使用预先训练的深度学习模型从 FLAIR 扫描中分割出大脑功能区域（图 3）。然后注册 ASL-CBF 图像以与 FLAIR 空间对齐。将区域标签与相应的 CBF 值融合，生成三平面视图，显示 CBF 在分割区域中的分布（图 4）。

进一步处理为健康受试者（图 5）和 CCI 患者（图 6）构建了 CBF 图谱。x 轴表示区域，y 轴表示 CBF 水平，颜色强度反映概率。该曲线表示平均区域 CBF。比较两个 CBF 图谱显示，与健康受试者相比，CCI 患者所有大脑功能区域的 CBF 显着降低。

该技术成功地区分了全球和区域分辨率水平的正常和异常 CBF 分布。基于 MRI-ASL 成像的 3D 脑功能区 CBF 图谱的构建在辅助诊断各种脑病理生理学方面具有巨大潜力。

图 1:FLAIR 切片视图的交互式图形用户界面。 该图显示了用于查看 FLAIR 切片的 GUI。 请单击此处查看此图的较大版本。

图 2:CBF 切片视图的交互式图形用户界面。 该图显示了用于查看 CBF 切片的 GUI。 请单击此处查看此图的较大版本。

图 3:基于 FLAIR 成像序列的大脑功能区分割。 基于 FLAIR 序列的大脑功能区提取和三平面视图。 请单击此处查看此图的较大版本。

图 4:CBF 跨大脑功能区域空间分布的三平面视图。 显示 CBF 在大脑区域的分布的三平面视图。 请单击此处查看此图的较大版本。

图 5:大脑功能区 CBF 图谱。 由特定区域 CBF 水平的概率分布构建的 CBF 图谱。本研究采用了 32 个区域的常用分割。这些区域包括背景、左脑白质、左大脑皮层、左侧脑室、左下侧脑室、左小脑白质、左小脑皮层、左丘脑、左尾状核、左壳核、左苍白球、第三脑室、第四脑室、脑干、左海马、左杏仁核、左伏隔骨区、左腹侧DC、右脑白质、右大脑皮层、 右心室、右下侧脑室、右小脑白质、右小脑皮层、右丘脑、右尾状核、右壳核、右苍白球、右海马、右杏仁核、右伏隔区和右腹侧 DC。 请单击此处查看此图的较大版本。

图 6:大脑功能区 CBF 图谱的比较。 比较显示，与健康受试者相比，CCI 患者大脑功能区域的 CBF 显著降低。 请单击此处查看此图的较大版本。

讨论

关键步骤（第 3 节和第 4 节）构成了构建 CBF 图谱的基础，量化了 CBF 在大脑功能区的分布。步骤 4.2 明确描述了每个大脑区域的 CBF 水平，开创了一项新技术。这不仅为医生提供了患者 CBF 的全局视图，还为各个功能区域提供了定量测量。步骤 5.1 表明 CBF 图谱具有区分 CCI 与健康对照的重要临床诊断效用。

一些技术改进可以增强这个有前途的协议，主要是通过利用 MRI-ASL 成像。需要对扫描精度、CBF 归一化以及结构和 CBF 图像的同步进行标准化。此外，通过扩展队列构建多受试者健康 CBF 图谱作为诊断基线需要进一步研究。通过临床合作积累不同脑病理生理学的 CBF 图谱模式也代表了重要的未来工作。

目前的局限性是 CBF 虽然无价，但并不是大脑疾病的唯一生物标志物^18,19。整合其他重要的临床标志物，例如脑脊液中的磷酸化 tau 蛋白 （p-tau）、脑电图 （EEG） 和脑代谢率（例如葡萄糖代谢率）可以增强诊断。

准确计算每个功能性大脑区域的 CBF 分布并以图谱的形式呈现，需要将大脑功能结构成像与三维空间中的 CBF 序列对齐，并计算每个区域的 CBF 分布。这项努力代表了我们研究的主要创新。生成的 CBF 图谱，其中 x 轴代表大脑功能区，y 轴显示每个区域的 CBF 分布，允许比较患者治疗前后的结果，并能够在健康组和患病组之间进行定量比较²⁰。这使得 CBF 的评估更加精确（能够准确比较不同地区的 CBF 分布），而不是依赖经验判断²¹。

此外，纵向 CBF 图谱在监测治疗效果和跟踪神经系统疾病随时间进展方面的潜力为个性化医疗提供了一条有前途的途径。通过建立健康大脑功能区域内 CBF 分布的基线，临床医生可以更准确地衡量治疗干预的影响，并就患者护理做出明智的决策。

总之，利用 MRI-ASL 成像开发 CBF 图谱是朝着改善脑部疾病的诊断和治疗环境迈出的有前途的一步。这项技术有可能有助于更全面地了解脑血流动力学，并可能支持精准医学方法的发展，这些方法旨在根据个体患者的脑灌注模式定制干预措施。这项研究的未来方向包括改进方法、标准化方案和扩大临床验证，以充分实现 CBF 图谱在神经病学及其他领域的潜力。

材料

本文使用的材料清单

姓名	公司	目录编号	评论
CBF Atlas	智能熵	CBF Atlas V1.0	北京智能熵科学与开发Technology Co Ltd. 甲状腺疾病建模
MATLAB	MathWorks	2023B	计算和可视化
MRI 设备	Siemens	Amria 1.5 T	MRI 扫描仪