Построение и применение атласа мозгового кровотока на основе церебральной функциональной области с использованием магнитно-резонансной томографии-артериального спин-мечения

Summary

В этом исследовании была интегрирована магнитно-резонансная томография и изображения артериальной спиновой маркировки для получения атласа мозгового кровотока (КБТ) для функциональных областей головного мозга. Сравнение атласов типичной здоровой и хронической ишемии головного мозга выявило значительные различия в региональном распределении КБФ, что позволило провести быструю, неинвазивную оценку функциональной КБФ для помощи в диагностике и оценке лечения.

Abstract

Церебральные заболевания часто требуют точной диагностики и мониторинга, что требует передовых методов визуализации. Существующие методы могут неадекватно выявлять ранние признаки обратимого повреждения тканей, что подчеркивает потребность в инновационных диагностических инструментах, которые могут количественно оценить изменения мозгового кровотока (КБТ) с высокой специфичностью и чувствительностью. В этом исследовании трехмерная артериальная спиновая маркировка (3D-ASL) сочетается со структурной МРТ для разработки комплексных атласов CBF, охватывающих все основные функциональные области мозга. Эта инновационная методология магнитно-резонансной томографии и спинового мечения артерий (MRI-ASL) обеспечивает быстрые и неинвазивные средства количественной оценки специфических для региона CBF, предлагая подробное представление об уровнях CBF в различных функциональных областях. Сравнение пациентов с хронической ишемией головного мозга (ХКБ) и здоровых пациентов выявило значительное снижение КБК в функциональных областях головного мозга в построенных атласах КБК для первых. Этот подход не только позволяет эффективно идентифицировать ЧМТ путем анализа одновременного снижения КБН в критических областях относительно здорового распределения, но также позволяет отслеживать реакцию на лечение и прогресс реабилитации с помощью продольных атласов ОАК. Атлас CBF, разработанный с использованием метода MRI-ASL, представляет собой новый шаг вперед в области церебральной диагностики и ухода за пациентами. Сравнивая региональные уровни КБФ с нормативными стандартами, этот метод расширяет диагностические возможности, позволяя клиницистам оказывать персонализированную помощь пациентам с церебральными заболеваниями.

Introduction

В области нейровизуализации первостепенное значение имеет поиск точных, неинвазивных инструментов для оценки церебральной функции и патологии. Среди них мозговой кровоток (КБФ) является жизненно важным показателем, отражающим метаболические потребности и состояние здоровья тканей мозга¹. Традиционные подходы часто предполагают эмпирическую оценку, в значительной степени полагаясь на опыт клиницистов для интерпретации изображений и выявления патологических изменений². Тем не менее, достижения в области методов магнитно-резонансной томографии (МРТ), в частности артериального спинового мечения (ASL)³, открывают многообещающие возможности для количественного определения КБФ с большей точностью и^{объективностью4,5}.

В этом исследовании представлена новаторская методология, которая объединяет трехмерный ASL (3D-ASL) со структурной МРТ для построения всеобъемлющего атласа CBF по функциональным областям головного мозга⁶. Используя этот новый подход, клиницисты могут не только получить глобальное представление о КБФ, но и углубиться в конкретные функциональные области, что позволяет детально понять паттерны церебральной перфузии ^7,8. Это улучшение разрешения является прямым результатом технологического прогресса в области оборудования для обработки изображений, а не использования интерполированных вокселей. Стоит отметить, что большинство основных аппаратов МРТ, доступных сегодня на рынке, обычно обеспечивают точность визуализации лучше 1,5^мм9. Эти достижения в области технологий визуализации проложили путь к более детальной и точной оценке ОНБ. Это представляет собой смену парадигмы по сравнению с традиционной визуализацией, которой часто не хватает разрешения для обнаружения тонких изменений в КБФ, связанных с^{патологиями на} ранних стадиях.

Генезис данной методологии заключается в необходимости решения диагностических проблем, связанных с церебральными заболеваниями, включая хроническую ишемию головного мозга (ХМТ) и другие неврологические расстройства^11,12. Эти состояния требуют точной и своевременной оценки для эффективного руководства терапевтическими вмешательствами^13,14. Сравнивая атласы КБК между здоровыми людьми и пациентами с ЧМТ, это исследование выявило значительные различия в региональном распределении КБФ, предлагая понимание патологии заболевания и потенциальных путей лечения.

Полезность этого подхода MRI-ASL выходит за рамки диагностики, охватывая терапевтическую оценку и мониторинг прогрессирования заболевания¹⁵. Лонгитюдные атласы CBF имеют перспективы для отслеживания ответов на лечение и результатов реабилитации, предоставляя клиницистам бесценные инструменты для персонализированного ведения пациентов. Кроме того, способность различать незначительные изменения КБФ может служить ранним биомаркером надвигающихся тканевых аномалий, что позволяет проводить упреждающие вмешательства для смягчения неврологических повреждений до того, как они станут необратимыми¹⁶.

Несмотря на то, что эта методология представляет собой усовершенствованный инструмент, несколько путей ее совершенствования и расширения заслуживают рассмотрения. Стандартизация протоколов сканирования, методов нормализации КБФ и создание атласов здоровых КБФ с несколькими субъектами являются важнейшими шагами на пути к повышению точности диагностики и клинической полезности. Совместные усилия по лечению различных церебральных патологий имеют важное значение для валидации и совершенствования этого подхода для широкого клинического внедрения.

В этом исследовании представлен новый подход, в соответствии с которым атласы CBF, полученные с помощью МРТ, предлагают клиницистам глубокое понимание церебральной функции и патологии. Преодолевая разрыв между групповой визуализацией и клинической интерпретацией, эта методология может произвести революцию в диагностике и лечении множества неврологических заболеваний, открывая будущее точной медицины, адаптированной к уникальным потребностям каждого пациента.

Protocol

Это исследование было одобрено Институциональным наблюдательным советом Пекинской больницы Дунчжимэнь, Пекин, Китай. Для 3D-мечения артериальных спиновых мечений (3D-ASL) был использован МРТ-сканер с импульсной последовательностью ASL (PASL) на основе турбоградиентного спинового эхо (TGSE) со следующими параметрами: TR 4000 мс, TE 25 мс, длительность болюса 700 мс, время инверсии 1990 мс. Программные средства, использованные в данном исследовании, перечислены в Таблице материалов.

1. Сбор и подготовка данных

ПРИМЕЧАНИЕ: Дисперсия параметров не зависит от исследовательского подхода. Оба формата DICOM и NIFTI используются для хранения цифровых данных медицинской визуализации, при этом DICOM является обычным выходным сигналом с устройств клинической визуализации. Тем не менее, формат NIFTI часто предпочитают из-за удобства вычислений в исследовательской деятельности. Преобразование из DICOM в NIFTI является простой и распространенной практикой¹⁷. В этом исследовании были получены подлинные данные DICOM, которые были преобразованы в формат NIFTI. Данные были получены с помощью МРТ-сканера мощностью 1,5 Тесла. В процессе регистрации перекрестных изображений в этом исследовании в основном использовалась последовательность восстановления инверсии с ослаблением жидкости (FLAIR), которая была объединена с изображениями CBF. Инструмент CBF Atlas (Table of Materials), использованный в данном исследовании, является коммерческим программным обеспечением.

1. Скопируйте данные в указанный рабочий каталог.
   1. Скопируйте все данные NIFTI в настраиваемый рабочий каталог.
      ПРИМЕЧАНИЕ: Рабочий каталог одинаков в операционной системе и MATLAB. Исследование проводится в соответствии со стандартом ориентации Right Anterior Upper (RAS).
   2. Перейдите в каталог, содержащий данные в текущем рабочем каталоге MATLAB, и используйте функцию niftiread для загрузки данных FLAIR в рабочее пространство. Используйте функцию size для проверки размеров последовательности FLAIR. Вызовите команду Flair_Slice для просмотра последовательности FLAIR (как показано на рисунке 1). Используйте конкретные команды следующим образом:
      FLAIR_XLF = niftiread('FLAIR_XFL.nii');
      размер(FLAIR_XLF)
      Flair_Slice(FLAIR_XLF);
   3. На рисунке 1 приведено изображение интерактивного графического пользовательского интерфейса (GUI) для последовательности FLAIR. Используйте нижнюю полосу прокрутки для быстрого просмотра различных последовательностей.
2. Быстрая проверка изображений CBF.
   1. Используйте функцию niftiread для загрузки данных CBF в рабочую область. Используйте функцию size для проверки размеров последовательности CBF. Вызовите команду CBF_Slice для просмотра последовательности CBF (как показано на рисунке 2). Используйте конкретные команды следующим образом:
      CBF_XLF = niftiread('CBF_XFL.nii');
      размер(CBF_XLF)
      CBF_Slice(CBF_XLF);
   2. На рисунке 2 приведен интерактивный скриншот последовательности CBF с графическим интерфейсом. Используйте нижнюю полосу прокрутки для быстрого просмотра различных последовательностей.
      ПРИМЕЧАНИЕ: На рисунке 2 диапазон значений КБФ обычно составляет 0-120 мл/100 г/мин. На рисунке 2 используется цветовая карта для представления различных уровней КБТ разными цветами.

2. Сегментация функциональных областей головного мозга по последовательности FLAIR

ПРИМЕЧАНИЕ: Последовательность FLAIR служит как для структурной визуализации, так и для обеспечения превосходных возможностей патологической диагностики. Таким образом, слияние FLAIR с CBF имеет важное диагностическое значение в клиниках. В этом исследовании сегментируются основные функциональные области головного мозга из последовательности FLAIR.

1. В рабочей области вызовите функцию FLAIR_Segment и запустите предварительно обученную программу сегментации изображений на основе 3-D U-Net для автоматического создания трипланарных представлений сегментации функциональных областей головного мозга, как показано на рисунке 3. Каждый цвет на рисунке 3 представляет собой отдельную функциональную область.
2. Для контроля различных функциональных областей головного мозга в режиме реального времени используйте взаимодействие перекрестия (рис. 3). Нажмите и перетащите центр перекрестия для произвольного 3D-исследования реконструированной анатомии мозга.
   ПРИМЕЧАНИЕ: Графический интерфейс пользователя на рисунке 3 также позволяет регулировать диапазон интенсивности оттенков серого, контрастность и яркость трипланарных видов.
3. Нажмите и перетащите левую кнопку мыши на любую область изображения для изменения уровней яркости и контрастности в режиме реального времени. Отпустите кнопку мыши, чтобы подтвердить и завершить корректировку.

3. Трипланарные представления о распределении КБТ по функциональным областям головного мозга

ПРИМЕЧАНИЕ: Изучение распределения КБК по различным функциональным областям головного мозга позволяет точно судить о состоянии пациента в клинике. В рамках функциональной области, показанной на рисунке 3, включение точных значений CBF из последовательности CBF и представление их в трипланарном виде позволяет проводить всестороннее обследование врачом.

1. Вызовите функцию CBF_triplanar для создания трипланарного представления графического интерфейса, показанного на рисунке 4, отображающего пространственное распределение CBF по функциональным областям. Переместите перекрестие, чтобы можно было изучить распределение CBF в интересующих регионах.
2. Нажмите кнопку « Подсказки по данным » в правом верхнем углу графического интерфейса, чтобы отобразить значения CBF в любом положении.
3. Нажмите и перетащите левую кнопку мыши на любую область изображения для изменения уровней яркости и контрастности в режиме реального времени. Отпустите кнопку мыши, чтобы подтвердить и завершить корректировку.

4. Атлас ОБТ по основным функциональным областям головного мозга

ПРИМЕЧАНИЕ: Нормализация распределений вероятностей КБФ по различным функциональным областям создает Атлас церебральных функциональных областей КБФ, выражающий уровни КБФ в церебральных функциональных областях субъекта.

1. Вызовите функцию CBF_Atlas для преобразования пространственного распределения CBF, показанного на рисунке 4 , в атлас CBF (как показано на рисунке 5).
   ПРИМЕЧАНИЕ: На рисунке 5 ось x представляет различные функциональные области головного мозга, а ось y представляет различные уровни CBF; Разные цвета обозначают разные уровни вероятности (чем краснее цвет, тем больше вокселей присутствует).
2. Нажмите кнопку Zoom In/Out в правом верхнем углу графического интерфейса, показанного на рисунке 5 , чтобы масштабировать частичные изображения.
   ПРИМЕЧАНИЕ: Кривая на рисунке 5 соединяет среднее значение КБМ по регионам.

5. Достоверные различия в CBF_Atlas между здоровыми субъектами и пациентами с ЧМТ

ПРИМЕЧАНИЕ: Используя тот же процесс, который описан в разделах 1-4, можно получить средние значения КБФ по различным функциональным областям головного мозга для пациентов с ЧМТ.

1. Используйте функцию CBF_Compare для построения сравнительного графика кривой КБФ у здорового пациента и пациента с ЧМТ (Рисунок 6).
2. Обратите внимание на значительные различия между кривой КБК пациента (окрашенной в черный цвет) и здоровой кривой (окрашенной в красный цвет) (Рисунок 6). Определите функциональные области с более выраженными каплями КБФ у пациента. Интегрируя шаг 3.3, повторно исследуйте области, в которых пациент показал худшие результаты по сравнению с другими областями.
   ПРИМЕЧАНИЕ: Шаг 3.3 позволяет просматривать уровни CBF пациента в трехмерном пространстве, что означает, что врачи могут использовать трипланарный вид графического интерфейса, показанный на рисунке 4 , для исследования CBF в любом положении пациента. При этом степень снижения КБН варьирует в зависимости от локализации у пациентов с ЧМТ. Врачи могут вернуться к рисунку 4 , чтобы сосредоточиться на областях мозга со значительным снижением КБФ.
3. Используйте значки в правом верхнем углу графического интерфейса пользователя (рисунок 5) для доступа к таким функциям, как уменьшение, увеличение, возврат к глобальному виду и пометка координат выбранного пикселя.
   ПРИМЕЧАНИЕ: Используя тот же принцип, результаты до и после лечения у одного и того же пациента также могут быть сравнены с использованием подхода, представленного на рисунке 6 , для оценки клинической эффективности с течением времени.

Results

В этом исследовании используются фактические данные о пациенте, полученные с помощью МРТ-сканера 1,5 Тл, для валидации количественной оценки мозгового кровотока (КБТ) и методологии построения атласа. Этапы предварительной обработки включали в себя структурные изображения FLAIR (рисунок 1), изображения CBF (рисунок 2) и трипланарные объединенные изображения (рисунок 3 и рисунок 4).

Функциональные области головного мозга были сегментированы по результатам сканирования FLAIR с использованием предварительно обученной модели глубокого обучения (рис. 3). Затем изображения ASL-CBF были зарегистрированы для выравнивания с пространством FLAIR. При объединении надписей регионов с соответствующими значениями НБВ были получены трипланарные виды, показывающие распределение НБС по сегментированным областям (рис. 4).

Дальнейшая обработка позволила создать атлас КБК для здорового субъекта (Рисунок 5) и пациента с ЧМТ (Рисунок 6). Ось x обозначает регионы, ось y обозначает уровни CBF, а интенсивность цвета отражает вероятность. Кривая показывает среднее региональное значение НБВ. Сравнение двух атласов КБТ показало значительное снижение КБК во всех функциональных областях головного мозга у пациента с ЧМТ по сравнению со здоровым субъектом.

Этот метод успешно дифференцировал нормальное и аномальное распределение КБТ на глобальном и региональном уровнях разрешения. Построение 3D-атласов функциональных областей головного мозга на основе МРТ-АСЛ имеет значительный потенциал для ассистированной диагностики различных церебральных патофизиологий.

Рисунок 1: Интерактивный графический пользовательский интерфейс для просмотра срезов FLAIR. На рисунке показан графический интерфейс пользователя для просмотра фрагментов FLAIR. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Рисунок 2: Интерактивный графический пользовательский интерфейс для просмотра среза CBF. На рисунке показан графический интерфейс пользователя для просмотра срезов CBF. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Рисунок 3: Сегментация функциональных областей головного мозга на основе последовательности визуализации FLAIR. Выделение функциональных областей головного мозга и трипланарные виды на основе последовательности FLAIR. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Рисунок 4: Трипланарные представления пространственного распределения КБТ по функциональным областям головного мозга. Трипланарные изображения, показывающие распределение КБТ по церебральным областям. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Рисунок 5: Атлас функциональных областей головного мозга. Атлас НБМ построен на основе вероятностного распределения уровней НБМ по регионам. В этом исследовании используется широко используемая сегментация по 32 регионам. Эти области включают фон, левое мозговое белое вещество, левую кору головного мозга, левый боковой желудочек, левый нижний боковой желудочек, левое белое вещество мозжечка, левую кору мозжечка, левый таламус, левый хвостатый, левый путамен, левый паллидум, третий желудочек, четвертый желудочек, ствол мозга, левый гиппокамп, левую миндалину, левую прилежащую область, левую вентральную ДК, правое мозговое белое вещество, правую кору головного мозга, правый боковой желудочек, правый нижний боковой желудочек, правое белое вещество мозжечка, кора правого мозжечка, правый таламус, правый хвостатый, правый путамен, правый паллидум, правый гиппокамп, правая миндалевидная миндалина, правая прилежащая область и правый вентральный ДК. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Рисунок 6: Сравнение функциональных областей головного мозга Атлас CBF. Сравнение показало значительное снижение КБК в функциональных областях головного мозга у пациента с ЧМТ по сравнению со здоровым субъектом. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этой цифры.

Discussion

Ключевые шаги (разделы 3 и 4) составляют основу для построения Атласа ОБТ, количественно оценивающего распределение ОБВ по функциональным областям головного мозга. Шаг 4.2 четко определяет уровни КБК для каждой области мозга, что является пионером новой методики. Это не только дает врачам глобальное представление о КБТ пациента, но и позволяет количественно измерить отдельные функциональные области. Шаг 5.1 демонстрирует, что Атлас КБФ обладает существенной клинической диагностической ценностью, отличающей ЧМТ от здоровых контрольных групп.

Несколько технических усовершенствований могут улучшить этот многообещающий протокол, в основном за счет использования МРТ-ASL-визуализации. Необходима стандартизация в отношении точности сканирования, нормализации НБВ и синхронизации структурных изображений и изображений НБВ. Кроме того, построение многосубъектного атласа здоровых CBF в качестве диагностической основы с помощью расширенных когорт требует дальнейших исследований. Накопление шаблонов атласа КБТ по различным церебральным патофизиологиям посредством клинического сотрудничества также представляет собой важную будущую работу.

В настоящее время ограничением является то, что КБФ, хотя и бесценен, не является единственным биомаркером заболеваний мозга^18,19. Интеграция других жизненно важных клинических маркеров, таких как фосфорилированный тау-белок (p-tau) в спинномозговой жидкости, электроэнцефалография (ЭЭГ) и скорость метаболизма мозга (например, скорость метаболизма глюкозы), может улучшить диагностику.

Точное вычисление распределения КБТ для каждой функциональной области мозга и представление его в виде атласа требует согласования функциональной структурной визуализации мозга с последовательностями КБС в трехмерном пространстве и вычисления распределения КБТ для каждой области. Эта работа представляет собой главное новшество нашего исследования. Полученный атлас CBF, в котором ось x представляет функциональные области мозга, а ось y показывает распределение CBF для каждой области, позволяет сравнивать результаты до и после лечения у пациентов и позволяет проводить количественные сравнения между здоровыми и больными группами²⁰. Это делает оценку НБВ более точной (что позволяет точно сравнивать распределение НБВ по регионам), а не полагаться на эмпирическое^{суждение21}.

Кроме того, потенциал продольных атласов CBF для мониторинга эффективности лечения и отслеживания прогрессирования неврологических состояний с течением времени открывает многообещающие возможности для персонализированной медицины. Установив исходный уровень распределения КБК в здоровых функциональных областях головного мозга, клиницисты могут более точно оценить влияние терапевтических вмешательств и принимать обоснованные решения относительно ухода за пациентами.

В заключение следует отметить, что разработка Атласа КБФ с использованием МРТ-АСЛ является многообещающим шагом на пути к улучшению диагностического и терапевтического ландшафта для церебральных заболеваний. Этот метод может способствовать более полному пониманию динамики мозгового кровотока и может способствовать развитию подходов точной медицины, направленных на адаптацию вмешательств на основе индивидуальных моделей церебральной перфузии пациента. Будущие направления этих исследований включают совершенствование методологии, стандартизацию протоколов и расширение клинических валидаций для полной реализации потенциала атласов CBF в неврологии и за ее пределами.

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
CBF	Atlas Интеллектуальная энтропия	CBF Atlas V1.0	Пекин Интеллектуальная энтропия Наука и Technology Co Ltd. Моделирование заболеваний щитовидной железы
MATLAB	MathWorks	2023B	Вычислительное и визуализационное
устройство МРТ	Siemens	Amria 1,5 Т	МРТ сканер