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扫描图像中分割出大脑功能区域（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，生成显示各分割区域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）和脑外伤后慢性脑灌注不足（CCI）患者（图6）的脑血流量（CBF）图谱。横轴表示脑区，纵轴表示CBF水平，颜色强度反映概率。曲线表示各脑区平均CBF值。比较两幅CBF图谱发现，与健康受试者相比，CCI患者所有大脑功能区域的CBF显著降低。

该技术成功实现了在全脑和局部层面区分正常与异常的脑血流（CBF）分布。基于MRI-ASL成像构建三维脑功能区CBF图谱，在辅助诊断多种脑部病理生理状态方面具有重要潜力。

图1：FLAIR切片视图的交互式图形用户界面。 该图展示了用于查看FLAIR切片的图形用户界面。 请点击此处查看此图的放大版本。

图 2：CBF切片视图的交互式图形用户界面。该图展示了用于查看CBF切片的图形用户界面。请点击此处查看此图的放大版本。

图 3：基于 FLAIR 成像序列的大脑功能区域分割。 基于 FLAIR 序列提取大脑功能区域并呈现三平面视图。请点击此处查看该图的放大版本。

图4：脑血流在大脑功能区域中空间分布的三平面视图。 三平面视图显示脑血流在大脑各区域中的分布情况。请点击此处查看该图的放大版本。

图 5：大脑功能区域脑血流量图谱。 该脑血流量（CBF）图谱基于各脑区特异性CBF水平的概率分布构建而成。本研究采用了常见的32个区域分割方案，这些区域包括：背景、左侧大脑白质、左侧大脑皮层、左侧侧脑室、左侧下侧脑室、左侧小脑白质、左侧小脑皮层、左侧丘脑、左侧尾状核、左侧壳核、左侧苍白球、第三脑室、第四脑室、脑干、左侧海马、左侧杏仁核、左侧伏隔区、左侧腹侧DC、右侧大脑白质、右侧大脑皮层、右侧侧脑室、右侧下侧脑室、右侧小脑白质、右侧小脑皮层、右侧丘脑、右侧尾状核、右侧壳核、右侧苍白球、右侧海马、右侧杏仁核、右侧伏隔区，以及右侧腹侧DC。 请点击此处查看该图的放大版本。

图6：脑功能区脑血流量图谱比较。 比较显示，与健康受试者相比，慢性脑灌注不足（CCI）患者的脑功能区脑血流量（CBF）显著降低。请点击此处查看该图的放大版本。

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tau蛋白（p-tau）、脑电图（EEG）以及脑代谢率（例如葡萄糖代谢率），有望提升诊断能力。

精确计算每个功能脑区的脑血流（CBF）分布，并以图谱形式呈现，需要在三维空间中将脑功能结构影像与CBF序列进行配准，并计算各区域的CBF分布。这一工作构成了本研究的主要创新点。所生成的CBF图谱以x轴表示脑功能区域，y轴显示各区域的CBF分布，可用于比较患者治疗前后的结果，并实现健康组与疾病组之间的定量比较²⁰。这使得CBF评估更加精确（能够准确比较不同区域间的CBF分布），而非依赖经验判断²¹。

此外，纵向脑血流（CBF）图谱在监测治疗效果和追踪神经系统疾病随时间进展方面的潜力，为个体化医疗提供了有前景的途径。通过建立健康脑功能区域内的CBF分布基线，临床医生能够更准确地评估治疗干预的影响，并就患者护理做出科学决策。

总之，利用MRI-ASL成像技术开发脑血流图谱是改善脑部疾病诊断与治疗前景的有希望的一步。该技术有望促进对脑血流动力学更全面的理解，并可能支持精准医学方法的发展，从而根据个体患者的脑灌注模式定制干预措施。该研究的未来方向包括优化方法学、标准化操作流程，以及扩大临床验证范围，以充分实现脑血流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 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