磁共振人工智能脑分割软件定量评估阿尔茨海默病患者不同脑区体积的变化规律

目的 研究磁共振人工智能脑分割软件精准定位并测量阿尔茨海默病（AD）患者不同脑区的体积变化规律,为疾病发生机制提供参考依据。方法 纳入66例AD患者为研究对象,应用上海联影1.43T uMR586磁共振扫描头颅,并采用人工智能脑分割软件测量各脑区体积的变化规律。结果 全脑、白质、外侧颞叶区、枕叶区、扣带回区、岛叶区和小脑体积及百分比均在正常参考范围内,而灰质、内侧颞叶区、额叶区、顶叶区和皮层下灰质区体积及百分比均低于正常参考范围,脑室区体积及百分比均高于正常参考范围（t分别=5.97、5.00、10.32、7.64、5.97;5.66、4.96、4.52、4.75、4.32、-20.32、-7.62,P均<0.05）。常规MRI未见明显脑萎缩表现。进一步发现,内侧颞叶区的海马体、海马旁回和内嗅皮质体积及百分比明显低于正常参考范围（t分别=6.63、5.00、5.12;5.65、5.23、5.29,P均<0.05）,而杏仁核、梭状回和颞极体积及百分比在正常参考范围。额叶区、顶叶区和皮层下灰质区在亚区各部分体积及百分均在正常参考范围。脑室区的侧脑室和第三脑室体积及百分比明显高于...     

迟发型阿尔茨海默病易感基因及其对脑结构和功能影响的研究进展

阿尔茨海默病是最常见的老年性痴呆类型,其特征是进行性记忆丧失和认知功能退化。迄今为止,载脂蛋白E是唯一确定的与散发型阿尔茨海默病有关的致病基因。随着全基因组关联研究及磁共振成像技术的发展,愈来愈多的基因被报道与阿尔茨海默病及脑结构、脑功能相关,如桥连接蛋白、凝聚素等。然而,目前上述基因在阿尔茨海默病中的病理机制尚不明确。笔者就载脂蛋白E等基因在阿尔茨海默病中的作用通路及其对脑结构、脑功能等方面的影响予以综述。     

结构MRI诊断早期阿尔茨海默病的进展

阿尔茨海默病（AD）是一种慢性中枢神经系统退行性疾病,发病率高,预后差,给社会和家庭带来沉重负担。早期诊断和有效干预AD尤为重要。AD最早出现病变的部位是海马,利用医学影像学尽早识别海马及其相关脑区损伤,为早期诊断AD提供依据,是目前的研究热点。结构MRI（sMRI）能反映人脑的结构和解剖学情况,在早期诊断AD中发挥重要作用。本文就sMRI诊断早期AD的应用进展进行综述。     

阿尔茨海默病DTI早期诊断的研究进展

阿尔茨海默病(Alzheimer disease,AD)是一种慢性中枢神经系统退行性疾病,其发病率高,确诊较晚,预后差,给家庭及整个社会带来沉重负担。MR扩散张量成像(diffusion tensor iamging,DTI)是目前惟一无创性显示活体脑白质纤维的手段。研究显示DTI对遗忘型轻度认知障碍(amnesia-mild cognitive impairment,aMCI)及AD诊断有一定价值,发现aMCI及AD患者脑内胼胝体、穹窿等部位FA减低,或许对AD的早期诊断及病变发展的检测提供一定帮助。     

基于机器学习和脑网络的阿尔茨海默病多模态影像研究进展

阿尔茨海默病是发生在中老年人群体中的神经退行性疾病,以记忆障碍和认知能力下降为主要特征。目前大多数关于阿尔茨海默病的多模态影像研究主要集中在局部特定脑区,缺乏对全脑网络模式的深入探讨。本文针对基于机器学习和脑网络的阿尔茨海默病多模态影像研究进行概述。首先,介绍了阿尔茨海默病的定义以及机器学习技术在脑疾病影像研究中的局限性;其次,阐述了机器学习在脑网络预测中的通用流程,主要包括：特征提取、特征选择与特征降维、模型构建、模型评价;最后,依次介绍了机器学习在阿尔茨海默病的灰质结构脑网络、白质结构脑网络、静息态功能脑网络以及多模态融合脑网络的研究成果。通过对近年来研究成果的梳理,本文对该领域未来发展方向进行了以下三点展望：大样本多中心研究,具有可解释性的深度学习技术,建立纵向预测模型。     

联机测量灰质皮层体积在阿尔茨海默病诊断中的应用

目的 探讨采用联机软件测量脑灰质体积对阿尔茨海默病（AD）患者的诊断价值。方法 对36例轻度认知障碍（MCI）患者（MCI组）、29例AD患者（AD组）进行MR扫描,正常对照（NC）组为28名认知正常的老年人。获得三维脑结构数据,通过联机软件计算各脑区体积的相对定量值。采用单因素方差分析和非参数秩和检验获得组间差异脑区,并利用ROC曲线和支持向量机（SVM）分析各脑区在组间鉴别诊断中的效能。结果 3组双侧海马体积、左侧和右侧海马体积及双侧扣带回、岛叶、额叶、顶叶、颞叶体积差异均有统计学意义（P均<0.001）,且AD组与MCI组、AD组与NC组间差异均有统计学意义（P均<0.001）。ROC分析显示,鉴别诊断AD组与NC组、MCI组与NC组、AD组与MCI组、（AD组+MCI组）与（NC组）时,最大AUC值分别位于左侧颞叶（0.95）、左侧岛叶（0.69）、右侧扣带回（0.85）、左侧颞叶（0.80）。SVM分析结果提示,AD组与NC组、MCI组与NC组、AD组与MCI组、（AD组+MCI组）与（NC组）中分类准确率最高的区域分别位于双侧海马（89.09%）、左侧岛叶（64.52%）、右侧海马（77.78%）和左侧海马（71.11%）;综合海马、颞叶与岛叶体积鉴别AD/NC的准确率高达94.55%。结论 联机测量反映的脑区改变符合AD病理改变及其发展过程,可以用于临床诊断。     

MRI定量观察阿尔茨海默病患者全脑皮质表面积

目的 观察阿尔茨海默病(AD)患者全脑皮质表面积改变。 方法 对25例AD患者(AD组)和30名健康志愿(对照组)者行全脑3.0T MR检查,应用三维磁化准备快速梯度回波序列和高分辨扫描技术采集三维解剖数据,采用Freesurfer软件分析所得大脑精细立体结构像。 结果 AD组全脑皮质表面积呈现双向变化:双侧额中回尾侧、额上回、中央前回、颞下回、颞中回、颞上回、颞横回、海马、海马旁回、岛叶皮层表面积较对照组增大,双侧顶下小叶、顶上小叶、扣带回狭部、后扣带回、前扣带回嘴侧皮层表面积较对照组减小,差异均有统计学意义(P均<0.05)。 结论 AD患者大脑多个部位存在皮层表面积改变,前额叶、颞叶、海马及海马旁回以代偿扩张为主,后顶叶和扣带回以萎缩为主,提示AD具有特定的脑皮质形态结构改变和发病机制。     

脑萎缩认知正常患者MRI特征及对阿尔茨海默病发生风险的预测价值

目的 探析脑萎缩认知正常患者磁共振成像(MRI)的特征及对阿尔茨海默病(AD)发生风险的预测价值。方法 选择90例认知正常受检者作为研究对象,均行脑MRI检查,根据是否发生脑萎缩分为脑萎缩组(38例)和对照组(52例)。比较两组AD患病情况,以及不同感兴趣区域脑区MRI图像厚度。采用受试者工作特征曲线(ROC)分析脑萎缩AD的预测价值。结果 脑萎缩组AD发生率高于对照组,差异有统计学意义(χ²=18.19,P<0.05)。脑萎缩组在左脑半球的内嗅皮层(EC)、眶额叶皮层(OFC)、后扣带皮层(PCC)的ROI图像厚度均小于对照组,差异均有统计学意义(t分别=3.46、16.30、9.26,P均<0.05),ROC结果显示,MRI技术中左脑半球EC、OFC、PCC对脑萎缩认知正常患者发生AD的曲线下面积(AUC)分别为0.88、0.80、0.81,灵敏度分别为86.75%、77.44%、80.43%,特异度分别为90.56%、84.29%、89.25%。结论 脑萎缩认知正常患者AD患病率极高,且风险呈现左右脑半球特异度,而MRI技术测量左脑半球感兴趣区域...     

基于自动分割技术的轻度阿尔茨海默病皮层下灰质结构MRI成像分析

目的：对轻度阿尔茨海默病（AD）患者皮层下灰质结构进行自动分割,研究这些灰质结构体积萎缩特点、其与患者总体认知功能损害的关系,及其在疾病诊断中的应用价值。方法：选取29例轻度AD患者和30名正常老年人（正常对照组）,对全脑进行1.5T磁共振快速扰相位梯度回波翻转恢复脉冲序列扫描。采用FSL软件的FIRST工具对被试者3D T1图像内皮层下灰质结构（包括海马、杏仁核、伏隔核、尾状核、壳核、苍白球、丘脑）进行精确分割后,两组之间各个灰质结构相对体积均值（灰质结构体积/颅内总体积×100）进行双样本t检验,患者组各灰质结构相对体积与简易智能精神状态检查量表（MMSE）评分的相关性进行偏相关分析,最后采用二项逻辑回归分析与受试者工作特征（ROC）曲线研究这些灰质结构相对体积在诊断轻度AD中的意义。结果：与正常对照组比较,轻度AD组左侧海马、右侧杏仁核、双侧丘脑、右侧尾状核、左侧壳核、双侧苍白球相对体积有显著性缩小;轻度AD组左侧海马、壳核、丘脑及右侧杏仁核的相对体积与MMSE评分具有相关性;二项逻辑回归分析最终进入模型的协变量为年龄与左侧海马相对体积,准确率为86.3%,ROC曲线示曲线下面积（AUC）为0.897,设定约登指数（敏感度+特异度-1）最大值的点为诊断点,该点的敏感度为83.3%,特异度为96.3%。结论：除了海马以外,轻度AD患者其他皮层下灰质结构也出现了萎缩,其中右侧杏仁核、左侧壳核与左侧丘脑的萎缩可能参与了患者认知功能损害的病理机制。在这些灰质结构中,海马最具有诊断意义。     

阿尔茨海默病及轻度认知障碍所致脑灰质体积及脑功能改变

目的 基于体素形态学分析(VBM)及静息态功能MRI(rs-fMRI)技术观察阿尔茨海默病(AD)及轻度认知障碍(MCI)患者全脑灰质体积及功能改变.方法 对AD(AD组)、MCI患者(MCI组)各30例及正常老年人30名(HC组)采集rs-fMRI和三维磁化强度预备梯度回波序列T1加权像,比较3组全脑灰质体积、脑区分...     

阿尔茨海默病和血管性痴呆患者海马杏仁核体积的MRI对比研究

目的探讨海马、杏仁核在Alzheimer病(AD)和血管性痴呆(VD)发病中的作用。方法AD患者15例,VD患者7例,正常老年对照14例。行头颅MRI测量海马杏仁核体积。应用标准化体积比较AD、VD组与正常组的差异,分析VD患者海马杏仁核萎缩与临床症状的关系。结果AD患者海马杏仁核体积比对照组萎缩25％(P<0.05)。VD患者萎缩12％～18％,但与AD和对照组比均无显著性意义。右侧海马杏仁核体积联合区分AD的敏感性为86.67％,特异性为85.71％,准确率为86.19％(P<0.05)。临床分析显示,VD患者病前有记忆力减退者,海马杏仁核萎缩严重。结论海马杏仁核结构萎缩是AD和VD的重要病理学基础,缺血加重老化损伤是VD发病的可能机制,海马杏仁核结构以外的某些脑组织结构在VD发病中可能同样具有重要作用。     

Atlas-based hippocampus segmentation in Alzheimer's disease and mild cognitive impairment

This study assesses the performance of public-domain automated methodologies for MRI-based segmentation of the hippocampus in elderly subjects with Alzheimer's disease (AD) and mild cognitive impairment (MCI). Structural MR images of 54 age- and gender-matched healthy elderly individuals, subjects with probable AD, and subjects with MCI were collected at the University of Pittsburgh Alzheimer's Disease Research Center. Hippocampi in subject images were automatically segmented by using AIR, SPM, FLIRT, and the fully deformable method of Chen to align the images to the Harvard atlas, MNI atlas, and randomly selected, manually labeled subject images ("cohort atlases"). Mixed-effects statistical models analyzed the effects of side of the brain, disease state, registration method, choice of atlas, and manual tracing protocol on the spatial overlap between automated segmentations and expert manual segmentations. Registration methods that produced higher degrees of geometric deformation produced automated segmentations with higher agreement with manual segmentations. Side of the brain, presence of AD, choice of reference image, and manual tracing protocol were also significant factors contributing to automated segmentation performance. Fully automated techniques can be competitive with human raters on this difficult segmentation task, but a rigorous statistical analysis shows that a variety of methodological factors must be carefully considered to insure that automated methods perform well in practice. The use of fully deformable registration methods, cohort atlases, and user-defined manual tracings are recommended for highest performance in fully automated hippocampus segmentation.     

早老性痴呆和血管性痴呆的核素影像学显像特点

目的通过SPECT显像半定量法来进行Alzheimer’s病(AD)和血管性痴呆(VD)的早期诊断和鉴别诊断。方法AD组25例,VD组21例,正常对照组15例,通过Tc-99m-ECD脑显像SPECT显像,运用大脑皮质与小脑ROIs区比值来进行半定量分析。结果AD病人与正常对照组比较,双侧额叶、双侧后颞顶部,大脑皮质/小脑比值存在高度显著差异(P<0.05),其它二叶无明显差异。而VD病人的放射性比呈非对称性、局灶性放射性降低。结论SPECT半定量分析结果提示双侧额叶及后颞顶部的血流灌注降低是诊断AD的主要特征。结合SPECT和CT、MRI,有助于痴呆的诊断与鉴别诊断。     

A robust method for extraction and automatic segmentation of brain images

A new protocol is introduced for brain extraction and automatic tissue segmentation of MR images. For the brain extraction algorithm, proton density and T2-weighted images are used to generate a brain mask encompassing the full intracranial cavity. Segmentation of brain tissues into gray matter (GM), white matter (WM), and cerebral spinal fluid (CSF) is accomplished on a T1-weighted image after applying the brain mask. The fully automatic segmentation algorithm is histogram-based and uses the Expectation Maximization algorithm to model a four-Gaussian mixture for both global and local histograms. The means of the local Gaussians for GM, WM, and CSF are used to set local thresholds for tissue classification. Reproducibility of the extraction procedure was excellent, with average variation in intracranial capacity (TIC) of 0.13 and 0.66% TIC in 12 healthy normal and 33 Alzheimer brains, respectively. Repeatability of the segmentation algorithm, tested on healthy normal images, indicated scan-rescan differences in global tissue volumes of less than 0.30% TIC. Reproducibility at the regional level was established by comparing segmentation results within the 12 major Talairach subdivisions. Accuracy of the algorithm was tested on a digital brain phantom, and errors were less than 1% of the phantom volume. Maximal Type I and Type II classification errors were low, ranging between 2.2 and 4.3% of phantom volume. The algorithm was also insensitive to variation in parameter initialization values. The protocol is robust, fast, and its success in segmenting normal as well as diseased brains makes it an attractive clinical application.     

Morphology-driven automatic segmentation of MR images of the neonatal brain

The segmentation of MR images of the neonatal brain is an essential step in the study and evaluation of infant brain development. State-of-the-art methods for adult brain MRI segmentation are not applicable to the neonatal brain, due to large differences in structure and tissue properties between newborn and adult brains. Existing newborn brain MRI segmentation methods either rely on manual interaction or require the use of atlases or templates, which unavoidably introduces a bias of the results towards the population that was used to derive the atlases. We propose a different approach for the segmentation of neonatal brain MRI, based on the infusion of high-level brain morphology knowledge, regarding relative tissue location, connectivity and structure. Our method does not require manual interaction, or the use of an atlas, and the generality of its priors makes it applicable to different neonatal populations, while avoiding atlas-related bias. The proposed algorithm segments the brain both globally (intracranial cavity, cerebellum, brainstem and the two hemispheres) and at tissue level (cortical and subcortical gray matter, myelinated and unmyelinated white matter, and cerebrospinal fluid). We validate our algorithm through visual inspection by medical experts, as well as by quantitative comparisons that demonstrate good agreement with expert manual segmentations. The algorithm’s robustness is verified by testing on variable quality images acquired on different machines, and on subjects with variable anatomy (enlarged ventricles, preterm- vs. term-born).     

阿尔茨海默症功能脑网络研究进展

近年来功能磁共振成像作为一种新兴的技术,被广泛应用于功能脑网络的研究中,一些功能脑网络被定义,如感觉运动网络、语言网络、默认模式网络、背侧注意网络、额顶叶控制网络、突显网络、中央执行网络等。阿尔茨海默症作为一种严重的神经退行性疾病,一直是脑科学中的研究热点,功能脑网络的研究为揭示其发病机制及早期诊断提供了可靠的依据。本文对功能脑网络用于阿尔茨海默症的研究进展进行综述。     

基于自动脑分割技术分析中国正常中老年人群脑结构体积

目的 采用自动脑分割技术分析中国正常中老年人群脑结构体积的差异。方法 对96名正常中老年志愿者采集MRI，以自动脑分割技术获得脑内各结构体积，观察脑内各结构体积在不同性别、年龄及左右侧之间的差异，分析年龄对脑内结构体积的影响。结果 不同性别之间，颅脑总体积绝对值，右侧壳核、左、右侧尾状核、右侧苍白球、右侧额叶灰质及左侧顶叶灰质标准体积值差异均有统计学意义（P均<0.05）。左右侧之间，丘脑、壳核、尾狀核、额叶、顶叶、枕叶、颞叶、扣带回灰质、岛叶及侧脑室标准体积值差异均有统计学意义（P均<0.05）。脑脊液、右侧脑室及第三脑室体积与年龄呈正相关（r=0.60、0.51、0.57，P均<0.05），双侧额叶和左侧岛叶，皮层灰质、顶叶灰质、颞叶灰质及左侧枕叶灰质体积与年龄均呈负相关（P均<0.05）。结论 自动脑分割技术能直观快速显示正常中老年人脑结构体积。不同性别健康中老年人脑内结构体积存在差异，随年龄增加，脑脊液、侧脑室及第三脑室体积增大，皮层灰质、额叶灰白质、顶枕颞叶灰质及岛叶体积缩小。