To badanie zintegrowało obrazowanie metodą rezonansu magnetycznego i obrazy oznaczające wirowanie tętnic w celu uzyskania atlasu przepływu krwi w mózgu (CBF) dla obszarów funkcjonalnych mózgu. Porównanie typowych atlasów CBF dla zdrowego i przewlekłego niedokrwienia mózgu ujawniło znaczące różnice w regionalnym rozmieszczeniu CBF, umożliwiając szybką, nieinwazyjną ocenę funkcjonalnej CBF, aby pomóc w diagnozie i ocenie terapii.
Artykuł metodologiczny
Budowa i zastosowanie atlasu przepływu krwi w mózgu opartego na regionie funkcjonalnym mózgu z wykorzystaniem obrazowania metodą rezonansu magnetycznego i znakowania wirowania tętnic
W tym artykule
Podsumowanie
Streszczenie
Choroby mózgu często wymagają precyzyjnej diagnozy i monitorowania, co wymaga zaawansowanych technik obrazowania. Obecne metody mogą nie wykrywać odpowiednio wczesnych oznak odwracalnego uszkodzenia tkanek, co podkreśla potrzebę innowacyjnych narzędzi diagnostycznych, które mogą określić ilościowo zmiany w przepływie krwi w mózgu (CBF) z wysoką swoistością i czułością. Badanie to integruje trójwymiarowe znakowanie spinu tętnic (3D-ASL) ze strukturalnym MRI w celu opracowania kompleksowych atlasów CBF, które obejmują wszystkie główne funkcjonalne obszary mózgu. Ta innowacyjna metodologia obrazowania metodą rezonansu magnetycznego i znakowania spinów tętnic (MRI-ASL) zapewnia szybki i nieinwazyjny sposób ilościowego określania CBF specyficznego dla regionu, oferując szczegółowy wgląd w poziomy CBF w różnych regionach funkcjonalnych. Porównanie między pacjentami z przewlekłym niedokrwieniem mózgu (CCI) a osobami zdrowymi wykazało znacznie zmniejszone CBF w regionach funkcjonalnych mózgu w skonstruowanych atlasach CBF dla tych pierwszych. Podejście to nie tylko pozwala na skuteczną identyfikację CCI poprzez analizę jednoczesnych spadków CBF w krytycznych obszarach w stosunku do zdrowych rozkładów, ale także umożliwia śledzenie odpowiedzi na leczenie i postępów rehabilitacji za pomocą podłużnych atlasów CBF. Atlas CBF opracowany przy użyciu techniki MRI-ASL stanowi nowatorski postęp w dziedzinie diagnostyki mózgu i opieki nad pacjentem. Porównując regionalne poziomy CBF ze standardami normatywnymi, metoda ta zwiększa możliwości diagnostyczne, umożliwiając klinicystom zapewnienie spersonalizowanej opieki pacjentom z chorobami mózgu.
Wprowadzenie
W dziedzinie neuroobrazowania, poszukiwanie precyzyjnych, nieinwazyjnych narzędzi do oceny funkcji mózgu i patologii pozostaje najważniejsze. Wśród nich mózgowy przepływ krwi (CBF) jest istotnym wskaźnikiem, odzwierciedlającym zapotrzebowanie metaboliczne i stan zdrowia tkanki mózgowej1. Tradycyjne podejścia często wiążą się z ocenami empirycznymi, opierając się w dużej mierze na wiedzy klinicystów w zakresie interpretacji obrazów i rozpoznawania zmian patologicznych2. Jednak postępy w technikach obrazowania metodą rezonansu magnetycznego (MRI), w szczególności znakowanie spinu tętniczego (ASL)3, oferują obiecującą drogę do ilościowego określania CBF z większą dokładnością i obiektywnością4,5.
To badanie przedstawia pionierską metodologię, która integruje trójwymiarowy ASL (3D-ASL) ze strukturalnym MRI w celu stworzenia kompleksowego atlasu CBF w różnych obszarach funkcjonalnych mózgu6. Wykorzystując to nowatorskie podejście, klinicyści mogą nie tylko uzyskać globalną perspektywę CBF, ale także zagłębić się w określone obszary funkcjonalne, co pozwala na zniuansowane zrozumienie wzorców perfuzji mózgowej7,8. Ta poprawa rozdzielczości jest bezpośrednim wynikiem postępu technologicznego w sprzęcie do obrazowania, a nie stosowania interpolowanych wokseli. Warto zauważyć, że większość popularnych urządzeń MRI dostępnych obecnie na rynku zazwyczaj oferuje precyzję obrazowania lepszą niż 1,5 mm9. Te postępy w technologii obrazowania utorowały drogę do bardziej szczegółowych i dokładnych ocen CBF. Stanowi to zmianę paradygmatu w stosunku do konwencjonalnego obrazowania, w którym często brakuje rozdzielczości do wykrywania subtelnych zmian w CBF związanych z patologiami we wczesnym stadium10.
Geneza tej metodologii leży w imperatywie sprostania wyzwaniom diagnostycznym związanym z chorobami mózgu, w tym przewlekłym niedokrwieniem mózgu (CCI) i innymi zaburzeniami neurologicznymi11,12. Warunki te wymagają precyzyjnych i terminowych ocen, aby skutecznie kierować interwencjami terapeutycznymi13,14. Porównując atlasy CBF między osobami zdrowymi i pacjentami z CCI, badanie to ujawnia znaczące rozbieżności w regionalnych rozkładach CBF, oferując wgląd w patologię choroby i potencjalne możliwości leczenia.
Użyteczność tego podejścia MRI-ASL wykracza poza diagnozę, obejmując ocenę terapeutyczną i monitorowanie postępu choroby15. Podłużne atlasy CBF są obiecujące w śledzeniu odpowiedzi na leczenie i wyników rehabilitacji, zapewniając klinicystom nieocenione narzędzia do spersonalizowanego zarządzania pacjentem. Co więcej, zdolność do dostrzegania subtelnych zmian CBF może służyć jako wczesny biomarker zbliżających się nieprawidłowości tkankowych, umożliwiając proaktywne interwencje w celu złagodzenia uszkodzeń neurologicznych, zanim staną się one nieodwracalne16.
Chociaż ta metodologia stanowi zaawansowane narzędzie, warto rozważyć kilka sposobów na udoskonalenie i rozbudowę. Standaryzacja protokołów skanowania, techniki normalizacji CBF i konstruowanie wieloobiektowych zdrowych atlasów CBF są kluczowymi krokami w kierunku zwiększenia dokładności diagnostycznej i użyteczności klinicznej. Wspólne wysiłki w zakresie różnych patologii mózgu są niezbędne do walidacji i udoskonalenia tego podejścia w celu powszechnego zastosowania klinicznego.
To badanie wprowadza nowatorskie podejście, dzięki któremu atlasy CBF pochodzące z MRI oferują klinicystom głęboki wgląd w funkcje i patologię mózgu. Wypełniając lukę między grupą obrazową a interpretacją kliniczną, metodologia ta ma potencjał, aby zrewolucjonizować diagnostykę i leczenie niezliczonych schorzeń neurologicznych, zapoczątkowując przyszłość medycyny precyzyjnej dostosowanej do unikalnych potrzeb każdego pacjenta.
Protokół
To badanie zostało zatwierdzone przez Institutional Review Board of Beijing Dongzhimen Hospital, Beijing, China. Zastosowano skaner MRI z pulsacyjną sekwencją ASL (PASL) opartą na turbogradientowym echu spinowym (TGSE) do znakowania 3D wirowania tętnic (3D-ASL) o następujących parametrach: TR 4000 ms, TE 25 ms, czas trwania bolusa 700 ms, czas inwersji 1990 ms. Narzędzia programowe wykorzystywane w tych badaniach są wymienione w Tabeli Materiałów.
1. Gromadzenie i przygotowanie danych
UWAGA: Podejście badawcze nie ma wpływu na wariancję parametrów. Zarówno formaty DICOM, jak i NIFTI są używane do przechowywania cyfrowych danych obrazowania medycznego, przy czym DICOM jest zwykłym wyjściem z urządzeń do obrazowania klinicznego. Jednak format NIFTI jest często preferowany ze względu na wygodę obliczeniową w działalności badawczej. Konwersja z DICOM na NIFTI jest prostą i powszechną praktyką17. W tym badaniu uzyskano autentyczne dane DICOM i przekonwertowano je do formatu NIFTI. Dane zostały pozyskane za pomocą skanera MRI o natężeniu 1,5 Tesli. W procesie rejestracji między obrazami w tym badaniu wykorzystano głównie sekwencję odzyskiwania inwersji osłabionej płynem (FLAIR) i połączono ją z obrazami CBF. Narzędzie CBF Atlas (Table of Materials) użyte w tym badaniu jest oprogramowaniem komercyjnym.
- Skopiuj dane do wyznaczonego katalogu roboczego.
- Skopiuj wszystkie dane NIFTI do niestandardowego katalogu roboczego.
UWAGA: Katalog roboczy jest taki sam w systemie operacyjnym i MATLAB. Badania są zgodne ze standardem orientacji Right Anterior Superior (RAS). - Przejdź do katalogu, w którym znajdują się dane w bieżącym katalogu roboczym programu MATLAB i użyj funkcji niftiread, aby załadować dane FLAIR do obszaru roboczego. Użyj funkcji rozmiaru, aby sprawdzić wymiary sekwencji FLAIR. Wywołaj polecenie Flair_Slice, aby wyświetlić sekwencję FLAIR (jak pokazano w Rysunek 1). Użyj określonych poleceń w następujący sposób:
FLAIR_XLF = niftiread('FLAIR_XFL.nii');
Rozmiar(FLAIR_XLF)
Flair_Slice ust. FLAIR_XLF; - Zapoznaj się z Rysunek 1 zawiera obraz interaktywnego graficznego interfejsu użytkownika (GUI) dla sekwencji FLAIR. Użyj dolnego paska przewijania, aby szybko przeglądać różne sekwencje.
- Skopiuj wszystkie dane NIFTI do niestandardowego katalogu roboczego.
- Szybko sprawdzaj obrazy CBF.
- Użyj funkcji niftiread, aby załadować dane CBF do obszaru roboczego. Użyj funkcji rozmiaru, aby sprawdzić wymiary sekwencji CBF. Wywołaj polecenie CBF_Slice, aby wyświetlić sekwencję CBF (jak pokazano w Rysunek 2). Użyj określonych poleceń w następujący sposób:
CBF_XLF = niftiread('CBF_XFL.nii');
Rozmiar(CBF_XLF)
CBF_Slice ust. CBF_XLF; - Zapoznaj się z Rysunek 2 zawiera interaktywny zrzut ekranu GUI sekwencji CBF. Użyj dolnego paska przewijania, aby szybko przeglądać różne sekwencje.
UWAGA: W Rysunek 2, zakres wartości CBF wynosi zwykle 0-120 ml/100 g/min. Rysunek 2 wykorzystuje mapę kolorów do przedstawienia różnych poziomów CBF w różnych kolorach.
- Użyj funkcji niftiread, aby załadować dane CBF do obszaru roboczego. Użyj funkcji rozmiaru, aby sprawdzić wymiary sekwencji CBF. Wywołaj polecenie CBF_Slice, aby wyświetlić sekwencję CBF (jak pokazano w Rysunek 2). Użyj określonych poleceń w następujący sposób:
2. Segmentacja obszarów funkcjonalnych mózgu na podstawie sekwencji FLAIR
UWAGA: Sekwencja FLAIR służy zarówno jako obrazowanie strukturalne, jak i zapewnia doskonałe możliwości diagnostyki patologicznej. Dlatego połączenie FLAIR z CBF ma ważną wartość diagnostyczną w klinikach. To badanie segmentuje główne obszary funkcjonalne mózgu z sekwencji FLAIR.
- W obszarze roboczym wywołaj funkcję FLAIR_Segment i uruchom wstępnie wytrenowany program do segmentacji obrazów oparty na 3-D U-Net, aby automatycznie wygenerować trójpłaszczyznowe widoki segmentacji obszarów funkcjonalnych mózgu, jak pokazano na rysunku Rysunek 3. Każdy kolor w Rysunek 3 reprezentuje odrębny obszar funkcjonalny.
- Do kontroli w czasie rzeczywistym różnych obszarów funkcjonalnych mózgu użyj interakcji celownika (Rysunek 3). Kliknij i przeciągnij środek krzyża nitkowego, aby przeprowadzić dowolne badanie 3D zrekonstruowanej anatomii mózgu.
UWAGA: Graficzny interfejs użytkownika w Rysunek 3 umożliwia również regulację zakresu intensywności skali szarości, kontrastu i jasności widoków trójpłaszczyznowych. - Naciśnij i przeciągnij lewym przyciskiem myszy nad dowolnym obszarem obrazów, aby modyfikować poziomy jasności i kontrastu w czasie rzeczywistym. Zwolnij przycisk myszy, aby potwierdzić i sfinalizować regulacje.
3. Trójpłaszczyznowe widoki rozkładu CBF w obszarach funkcjonalnych mózgu
UWAGA: Badanie rozkładu CBF w różnych obszarach funkcjonalnych mózgu ułatwia precyzyjną ocenę kliniczną stanu pacjenta. W ramach obszaru funkcjonalnego z Rysunek 3, uwzględnienie dokładnych wartości CBF z sekwencji CBF i przedstawienie ich w widokach trójpłaszczyznowych umożliwia kompleksową inspekcję lekarza.
- Wywołaj funkcję CBF_triplanar, aby wygenerować trójpłaszczyznowy widok graficznego interfejsu użytkownika pokazany na rysunku Rysunek 4, przedstawiający rozkład przestrzenny CBF w regionach funkcjonalnych. Przesuń celownik, aby umożliwić zbadanie rozmieszczenia CBF w obszarach zainteresowania.
- Kliknij przycisk Wskazówki dotyczące danych w prawym górnym rogu graficznego interfejsu użytkownika, aby wyświetlić wartości CBF w dowolnej pozycji.
- Naciśnij i przeciągnij lewym przyciskiem myszy nad dowolnym obszarem obrazów, aby modyfikować poziomy jasności i kontrastu w czasie rzeczywistym. Zwolnij przycisk myszy, aby potwierdzić i sfinalizować regulacje.
4. Atlas CBF w głównych obszarach funkcjonalnych mózgu
UWAGA: Normalizacja rozkładów prawdopodobieństwa CBF w różnych regionach funkcjonalnych generuje Atlas Regionów Funkcjonalnych Mózgu, wyrażający poziomy CBF w regionach funkcjonalnych mózgu podmiotu.
- Wywołaj funkcję CBF_Atlas, aby przekonwertować rozkład przestrzenny CBF pokazany w Rysunek 4 na atlas CBF (jak pokazano w Rysunek 5).
UWAGA: W Rysunek 5, oś x reprezentuje różne obszary funkcjonalne mózgu, a oś y reprezentuje różne poziomy CBF; Różne kolory oznaczają różne poziomy prawdopodobieństwa (im bardziej czerwony kolor, tym więcej wokseli). - Kliknij przycisk Powiększ/Pomniejszanie w prawym górnym rogu graficznego interfejsu użytkownika pokazanego w Rysunek 5, aby skalować częściowe obrazy.
UWAGA: Krzywa w Rysunek 5 łączy średnią CBF w różnych regionach.
5. Znaczące różnice w CBF_Atlas między osobami zdrowymi a pacjentami z CCI
UWAGA: Korzystając z tego samego procesu opisanego w sekcjach 1-4, można uzyskać średnie wartości CBF w różnych obszarach funkcjonalnych mózgu dla pacjentów z CCI.
- Wykorzystaj funkcję CBF_Compare, aby wygenerować wykres porównawczy krzywej CBF od osoby zdrowej w porównaniu z pacjentem z CCI (Rysunek 6).
- Obserwuj znaczące różnice między krzywą CBF pacjenta (oznaczoną kolorem czarnym) a krzywą zdrowia (pokolorowaną na czerwono) (Ryc. 6). Zidentyfikuj obszary funkcjonalne z wyraźniejszymi spadkami CBF u pacjenta. Integrując krok 3.3, ponownie zbadaj regiony, w których pacjent radził sobie gorzej w porównaniu z innymi regionami.
UWAGA: Krok 3.3 pozwala na podgląd poziomów CBF pacjenta w przestrzeni trójwymiarowej, co oznacza, że lekarze mogą wykorzystać trójpłaszczyznowy widok GUI pokazany na Rysunek 4, aby zbadać CBF w dowolnej pozycji pacjenta. W tym przypadku stopień spadku CBF jest różny w różnych lokalizacjach u pacjentów z CCI. Lekarze mogą ponownie odwiedzić Rysunek 4, aby skupić się na regionach mózgu ze znacznym spadkiem CBF. - Użyj ikon w prawym górnym rogu graficznego interfejsu użytkownika (Rysunek 5), aby uzyskać dostęp do funkcji, takich jak pomniejszanie, powiększanie, powrót do widoku globalnego i oznaczanie współrzędnych wybranego piksela.
UWAGA: Stosując tę samą zasadę, wyniki przed leczeniem i po leczeniu od tego samego pacjenta można również porównać za pomocą podejścia opisanego w Rysunek 6, aby ocenić skuteczność kliniczną w czasie.
Wyniki
W niniejszym badaniu wykorzystano rzeczywiste dane pacjentów pozyskane za pomocą skanera MRI 1,5 T w celu walidacji metodyki ilościowego pomiaru przepływu krwi w mózgu (CBF) oraz konstrukcji atlasu. Etapy wstępnego przetwarzania obejmowały strukturalne obrazy FLAIR (Rycina 1), obrazy CBF (Rycina 2) oraz obrazy z fuzji triplanarnej (Rycina 3 i Rycina 4).
Funkcjonalne obszary mózgu zostały wysegmentowane z obrazów FLAIR przy użyciu wstępnie wytrenowanego modelu głębokiego uczenia (Rysunek 3). Następnie obrazy ASL-CBF zostały zarejestrowane, aby dopasować je do przestrzeni FLAIR. Połączenie etykiet regionów z odpowiadającymi im wartościami CBF pozwoliło na wygenerowanie widoków triplanarnych przedstawiających rozkład CBF w wysegmentowanych obszarach (Rysunek 4).
Dalsza analiza pozwoliła na stworzenie atlasu CBF dla zdrowego ochotnika (Rycina 5) oraz pacjenta z CCI (Rycina 6). Oś X oznacza regiony, oś Y oznacza poziomy CBF, a intensywność koloru odzwierciedla prawdopodobieństwo. Krzywa wskazuje średnie regionalne CBF. Porównanie obu atlasów CBF wykazało znacząco obniżone CBF we wszystkich mózgowych obszarach funkcjonalnych u pacjenta z CCI w porównaniu ze zdrowym ochotnikiem.
Technika ta z powodzeniem pozwoliła na odróżnienie prawidłowego od nieprawidłowego rozkładu CBF na poziomach rozdzielczości globalnej i regionalnej. Tworzenie trójwymiarowych atlasów CBF funkcjonalnych obszarów mózgu w oparciu o obrazowanie MRI-ASL wykazuje znaczny potencjał w wspomaganiu diagnostyki różnych patofizjologii mózgu.
Rycina 1: Interaktywny graficzny interfejs użytkownika do wyświetlania przekrojów FLAIR. Na rycinie przedstawiono GUI służące do przeglądania przekrojów FLAIR. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.
Rysunek 2: Interaktywny graficzny interfejs użytkownika do podglądu przekrojów CBF. Rysunek przedstawia GUI do przeglądania przekrojów CBF. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rysunek 3: Segmentacja funkcjonalnych obszarów mózgu na podstawie sekwencji obrazowania FLAIR. Ekstrakcja funkcjonalnych obszarów mózgu i widoki triplanarne na podstawie sekwencji FLAIR. Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.
Rysunek 4: Widoki triplanarne przestrzennego rozkładu CBF w funkcjonalnych obszarach mózgu. Widoki triplanarne przedstawiające rozkład CBF w obszarach mózgu. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Rysunek 5: Atlas CBF czynnościowych obszarów mózgu. Atlas CBF opracowany na podstawie rozkładu prawdopodobieństwa poziomów CBF specyficznych dla poszczególnych regionów. W niniejszym badaniu zastosowano powszechnie używaną segmentację na 32 regiony. Regiony te obejmują: tło, białą istotę lewej półkuli mózgu, korę lewej półkuli mózgu, lewy komorę boczną, lewą dolną komorę boczną, białą istotę lewego móżdżku, korę lewego móżdżku, lewy wzgórze, lewy jądra ogoniastej, lewy putamen, lewy gałkę bladą, trzecią komorę, czwartą komorę, pień mózgu, lewy hipokamp, lewe ciało migdałowate, lewy obszar jądra prążkowia, lewy brzuszny DC, białą istotę prawej półkuli mózgu, korę prawej półkuli mózgu, prawą komorę boczną, prawą dolną komorę boczną, białą istotę prawego móżdżku, korę prawego móżdżku, prawy wzgórze, prawy jądra ogoniastej, prawy putamen, prawą gałkę bladą, prawy hipokamp, prawe ciało migdałowate, prawy obszar jądra prążkowia oraz prawy brzuszny DC. Kliknij tutaj, aby zobaczyć powiększoną wersję tego rysunku.
Rysunek 6: Porównanie atlasu CBF funkcjonalnych obszarów mózgowych. Porównanie wykazuje znacząco obniżone CBF w funkcjonalnych obszarach mózgowych u pacjenta po CCI w porównaniu z osobą zdrową. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
Dyskusja
Kluczowe etapy (sekcje 3 i 4) stanowią podstawę do skonstruowania Atlasu CBF, określającego ilościowo rozmieszczenie CBF w regionach funkcjonalnych mózgu. Krok 4.2 wyraźnie określa poziomy CBF dla każdego obszaru mózgu, zapoczątkowując nową technikę. Zapewnia to lekarzom nie tylko globalny wgląd w CBF pacjenta, ale także ilościowe pomiary poszczególnych obszarów funkcjonalnych. Krok 5.1 pokazuje, że atlas CBF ma istotną kliniczną użyteczność diagnostyczną, odróżniającą CCI od zdrowych osób z grupy kontrolnej.
Kilka udoskonaleń technicznych może udoskonalić ten obiecujący protokół, głównie poprzez wykorzystanie obrazowania MRI-ASL. Potrzebna jest standaryzacja w zakresie dokładności skanowania, normalizacji CBF oraz synchronizacji obrazów strukturalnych i CBF. Ponadto skonstruowanie wieloosobowego atlasu CBF dla zdrowia jako diagnostycznego punktu odniesienia za pomocą rozszerzonych kohort wymaga dalszych badań. Gromadzenie wzorców atlasu CBF w różnych patofizjologiach mózgu poprzez współpracę kliniczną również stanowi ważne przyszłe prace.
Obecnym ograniczeniem jest to, że CBF, choć nieoceniony, nie jest jedynym biomarkerem chorób mózgu18,19. Integracja innych ważnych markerów klinicznych, takich jak fosforylowane białko tau (p-tau) w płynie mózgowo-rdzeniowym, elektroencefalografia (EEG) i tempo metabolizmu mózgu (np. tempo metabolizmu glukozy) może poprawić diagnostykę.
Dokładne obliczenie rozkładu CBF dla każdego funkcjonalnego obszaru mózgu i przedstawienie go w formie atlasu wymaga dostosowania obrazowania funkcjonalnej struktury mózgu do sekwencji CBF w przestrzeni trójwymiarowej i obliczenia rozkładu CBF dla każdego regionu. Ten wysiłek stanowi główną innowację naszego badania. Uzyskany atlas CBF, z osią x reprezentującą regiony funkcjonalne mózgu i osią y przedstawiającą rozkład CBF dla każdego regionu, pozwala na porównanie wyników przed i po leczeniu u pacjentów oraz umożliwia porównania ilościowe między grupami zdrowymi i chorymi20. Sprawia to, że ocena CBF jest bardziej precyzyjna (umożliwiając dokładne porównanie rozkładu CBF w różnych regionach), a nie opiera się na ocenie empirycznej21.
Co więcej, potencjał podłużnych atlasów CBF do monitorowania skuteczności leczenia i śledzenia postępu schorzeń neurologicznych w czasie stanowi obiecującą drogę dla medycyny spersonalizowanej. Ustalając punkt odniesienia dystrybucji CBF w zdrowych obszarach funkcjonalnych mózgu, klinicyści mogą dokładniej ocenić wpływ interwencji terapeutycznych i podejmować świadome decyzje dotyczące opieki nad pacjentem.
Podsumowując, opracowanie atlasu CBF z wykorzystaniem obrazowania MRI-ASL jest obiecującym krokiem w kierunku poprawy krajobrazu diagnostycznego i terapeutycznego schorzeń mózgu. Technika ta może przyczynić się do bardziej wszechstronnego zrozumienia dynamiki przepływu krwi w mózgu i może wesprzeć rozwój podejść medycyny precyzyjnej, które mają na celu dostosowanie interwencji w oparciu o wzorce perfuzji mózgowej poszczególnych pacjentów. Przyszłe kierunki tych badań obejmują udoskonalenie metodologii, standaryzację protokołów i rozszerzenie walidacji klinicznych, aby w pełni wykorzystać potencjał atlasów CBF w neurologii i poza nią.
Oświadczenia
Narzędzie programowe CBF Atlas V1.0 jest produktem firmy Beijing Intelligent Entropy Science & Technology Co., Ltd. Prawa własności intelektualnej do tego narzędzia programowego należą do firmy. Autorzy nie mają do zadeklarowania konfliktu interesów.
Podziękowania
To badanie otrzymało znaczące wsparcie i pomoc w modelowaniu od działu badawczo-rozwojowego Beijing Intelligent Entropy Science & Technology Co Ltd., Pekin, Chiny.
Materiały
| Nazwa | Firma | Numer katalogowy | Komentarze |
|---|---|---|---|
| CBF Atlas | Inteligentna entropia | CBF Atlas V1.0 | Pekin Inteligentna nauka o entropii i Technology Co Ltd. Modelowanie chorób tarczycy |
| MATLAB | MathWorks | 2023B | Przetwarzanie i wizualizacja |
| Urządzenie MRI Skaner | MRI | Siemens | Amria 1,5 T |
Bibliografia
- Rodriguez, G., et al. Regional cerebral blood flow in chronic stroke patients. Stroke. 24 (1), 94-99 (1993).
- Kwok, C. H. R., et al. Cognition and cerebral blood flow after extracranial carotid revascularization for carotid atherosclerosis: A systematic review. Clin Ther. 45 (11), 1069-1076 (2023).
- Togao, O., et al. Arterial spin labeling-based MR angiography for cerebrovascular diseases: Principles and clinical applications. J Magn Reson Imaging. , (2023).
- Haidar, H., Majzoub, R. E., Hajeer, S., Abbas, L. A. Arterial spin labeling (ASL-MRI) versus fluorodeoxyglucose-PET (FDG-PET) in diagnosing dementia: a systematic review and meta-analysis. BMC Neurol. 23 (1), 385(2023).
- Xu, Y., Tan, G., Chen, D., Liu, J., Zhou, Z., Liu, L. Arterial spin labeling perfusion MRI applications in drug-resistant epilepsy and epileptic emergency. Acta Epileptol. 5, 23(2023).
- Xie, H., et al. Abnormalities of cerebral blood flow and the regional brain function in Parkinson's disease: a systematic review and multimodal neuroimaging meta-analysis. Front Neurol. 14, 1289934(2023).
- Tenberg, A., et al. Dysautonomia and activity in the early stroke recovery period. Neurol Sci. 45 (6), 2505-2521 (2024).
- Joshi, D., Prasad, S., Saini, J., Ingalhalikar, M. Role of arterial spin labeling (ASL) images in Parkinson's disease (PD): A systematic review. Acad Radiol. 30 (8), 1695-1708 (2023).
- Mohamed, A. Z., Kwiatek, R., Fante, P. D., Calhoun, V. D., Lagopoulos, J., Shan, Z. Y. Functional MRI of the brainstem for assessing its autonomic functions: From imaging parameters and analysis to functional atlas. J Magn Reson Imaging. , (2024).
- Vanherle, L., Matuskova, H., Don-Doncow, N., Uhl, F. E., Meissner, A. Improving cerebrovascular function to increase neuronal recovery in neurodegeneration associated to cardiovascular disease. Front Cell Dev Biol. 8, 53(2020).
- Fujimura, M., Tominaga, T. Significance of cerebral blood flow analysis in the acute stage after revascularization surgery for Moyamoya disease. Neurol Med Chir (Tokyo). 55 (10), 775-781 (2015).
- Østergaard, L., et al. The role of the microcirculation in delayed cerebral ischemia and chronic degenerative changes after subarachnoid hemorrhage. J Cereb Blood Flow Metab. 33 (12), 1825-1837 (2013).
- Mankoo, A., et al. The role of the autonomic nervous system in cerebral blood flow regulation in stroke: A review. Auton Neurosci. 246, 103082(2023).
- Yang, X., Qiang, Q., Li, N., Feng, P., Wei, W., Hölscher, C. Neuroprotective mechanisms of glucagon-like peptide-1-based therapies in ischemic stroke: An update based on preclinical research. Front Neurol. 13, 844697(2022).
- Ho, M. -L. Arterial spin labeling: Clinical applications. J Neuroradiol. 45 (5), 276-289 (2018).
- Sforza, M., Bianchini, E., Alivernini, D., Salvetti, M., Pontieri, F. E., Sette, G. The impact of cerebral vasomotor reactivity on cerebrovascular diseases and cognitive impairment. J Neural Transm (Vienna). 129 (11), 1321-1330 (2022).
- Elhadad, A., Jamjoom, M., Abulkasim, H. Reduction of NIFTI files storage and compression to facilitate telemedicine services based on quantization hiding of downsampling approach. Sci Rep. 14 (1), 5168(2024).
- Gonzalez-Ortiz, F., Kac, P. R., Brum, W. S., Zetterberg, H., Blennow, K., Karikari, T. K. Plasma phospho-tau in Alzheimer's disease: towards diagnostic and therapeutic trial applications. Mol Neurodegener. 18 (1), 18(2023).
- Magliozzi, R., et al. CSF parvalbumin levels reflect interneuron loss linked with cortical pathology in multiple sclerosis. Ann Clin Transl Neurol. 8 (5), 534-547 (2021).
- Kawano, H., et al. Aging and sex differences in brain volume and cerebral blood flow. Aging Dis. , (2023).
- Jia, R., Solé-Guardia, G., Kiliaan, A. J. Blood-brain barrier pathology in cerebral small vessel disease. Neural Regen Res. 19 (6), 1233-1240 (2023).
Przedruki i uprawnienia
