李詩卉，吳迪，周銥然，劉棟，蘇昌亮，朱文杰，姚義好，黃超，方紀(jì)成，朱文珍

人工智能

1 腦腫瘤

腫瘤突變負(fù)荷(tumor mutational burden，TMB)或超突變?cè)黾邮前┘?xì)胞中DNA突變的過度積累。超突變的膠質(zhì)瘤大多數(shù)對(duì)烷基化治療具有抵抗性。Hassan等對(duì)101例原發(fā)性膠質(zhì)瘤患者(77非超突變：<30個(gè)突變；24個(gè)超突變：≥30個(gè)突變或<30個(gè)MMR基因或POLE / POLD基因突變)術(shù)前的常規(guī)MR圖像(FLAIR和T1增強(qiáng))提取一階直方圖和灰度共生矩陣特征。LASSO正則化(alpha=1)使用所有4880特征進(jìn)行特征選擇并且40個(gè)最突出的特征被用于邏輯回歸建模。ROC分析顯示符合率為94%、敏感度為75%、特異度為100%。表明MRI放射學(xué)表型可預(yù)測(cè)原發(fā)性和復(fù)發(fā)性膠質(zhì)瘤中TMB的增加，放射組學(xué)生物標(biāo)志物可用于指導(dǎo)臨床免疫療法試驗(yàn)患者選擇和治療。

Su等將220名膠質(zhì)瘤患者的傳統(tǒng)解剖、擴(kuò)散和灌注加權(quán)包括10種對(duì)比度的圖像配準(zhǔn)到T2FLAIR圖像上，提取出431個(gè)影像組學(xué)特征。采用偏相關(guān)分析探究影像組學(xué)特征與病理生物標(biāo)記之間的相關(guān)性，并采用0.632+Bootstrap方法建立多變量預(yù)測(cè)模型。在單變量分析中，與腫瘤級(jí)別相關(guān)性最好的為T1增強(qiáng)(R=0.557)；與Ki-67相關(guān)性最好的是ADC(R=0.395)。在多變量分析中，所有影像組學(xué)特征的組合在預(yù)測(cè)膠質(zhì)瘤亞型和預(yù)測(cè)增殖中具有最高的曲線下面積(AUC)。區(qū)分低/高級(jí)別膠質(zhì)瘤的AUC為0.911，區(qū)分Ⅱ/Ⅲ級(jí)為0.896，Ⅱ/Ⅳ級(jí)為0.997，Ⅲ/Ⅳ級(jí)為0.881。在反映增殖水平時(shí)，整合多對(duì)比度建立的預(yù)測(cè)模型的AUC為0.936。多模態(tài)MRI影像組學(xué)能提供互補(bǔ)的信息，結(jié)合多模態(tài)影像組學(xué)能有效的預(yù)測(cè)膠質(zhì)瘤的級(jí)別和Ki-67水平，有利于患者的精準(zhǔn)診療。

獲取85例腦膜瘤患者(低級(jí)別61例，高級(jí)別24例)T1增強(qiáng)、ADC及FA圖的腫瘤全體積參數(shù)，將紋理及形態(tài)特征與腫瘤分級(jí)和病理分型進(jìn)行關(guān)聯(lián)分析。訓(xùn)練支持向量機(jī)(support vector machine，SVM)以獲得腦膜瘤的分級(jí)診斷模型，并通過外部驗(yàn)證集(低級(jí)別27例，高級(jí)別10例)驗(yàn)證模型效能。研究發(fā)現(xiàn)多個(gè)形態(tài)及紋理參數(shù)與腦膜瘤的分級(jí)密切相關(guān)，在訓(xùn)練集中分類器的AUC為0.905，在驗(yàn)證集中為0.878。多個(gè)紋理參數(shù)在鑒別纖維型及非纖維型腦膜瘤方面均具有顯著性。T1增強(qiáng)、ADC圖及FA圖的紋理及形態(tài)特征分析在區(qū)分腦膜瘤等級(jí)方面具有輔助的診斷價(jià)值，有助于臨床治療方案選擇。

2.阿爾茨海默病(Alzheimer's disease，AD)

獲取198例AD病例和148例健康對(duì)照組(HC組)的高清3D T1圖像。其中148例AD和100例HC為訓(xùn)練集，50例AD和50例HC為測(cè)試集。采用稀疏主成分分析法(sparse principal component analysis, SPCA)，根據(jù)AAL模板提取32個(gè)腦ROI的稀疏主成分(SPCs)，得到區(qū)間相關(guān)矩陣的32個(gè) ROI的Yi值及16個(gè)特征性的與海馬具有高度相關(guān)性的ROI(r>0.3)。作為SVM的特征變量，Yi和17個(gè)ROIs(包含上面16個(gè)ROIs加海馬)的灰質(zhì)體積的分類符合率分別為0.84和0.82。海馬Yi值與海馬體積具有高度的相關(guān)性(r=0.963)。Yi與MMSE評(píng)分的相關(guān)性(r=0.586)遠(yuǎn)大于體積(r=0.393)。通過SPCA聯(lián)合區(qū)間相關(guān)矩陣法對(duì)AD病例結(jié)構(gòu)MR圖像數(shù)據(jù)的分析，具有較高的診斷符合率。特征參數(shù)值Yi具有比AD患者海馬體積更高的診斷符合率。

Diao等選用ANDI數(shù)據(jù)庫中88例AD患者的3D T1MPRAGE圖像，并選取142例正常對(duì)照。用FreeSurfer軟件對(duì)皮層、皮層下及海馬進(jìn)行分割，然后將數(shù)據(jù)導(dǎo)入SVM、隨機(jī)森林(Random forest,RF)及樸素貝葉斯三種不同機(jī)器學(xué)習(xí)算法進(jìn)行訓(xùn)練。每個(gè)病例均生成163個(gè)腦結(jié)構(gòu)特征，包含70個(gè)皮質(zhì)厚度特征，68個(gè)腦體積特征，10個(gè)腦室體積特征，15個(gè)海馬亞區(qū)特征。在AD的分類鑒別中，RF法具有最好的診斷符合率(95.7%)、敏感度(83.3%)、陽性預(yù)測(cè)值(PPV，100%)、特異度(100%)及陰性預(yù)測(cè)值(NPV，94.4%)。而SVM法及樸素貝葉斯算法具有較差的效能。相對(duì)于SVM及樸素貝葉斯算法，RF法具有更高的診斷價(jià)值。此外，機(jī)器學(xué)習(xí)在預(yù)測(cè)診斷AD中具有重要價(jià)值，可對(duì)更薄的皮層厚度及更小的海馬亞區(qū)進(jìn)行鑒別診斷。

3.顱內(nèi)出血及骨折

Lee等使用169名標(biāo)注了骨折及顱內(nèi)出血(intracranial hemorrhage，ICH)區(qū)域的患者數(shù)據(jù)對(duì)1785名健康受試者和2661例骨折或(及)ICH患者的CT圖像進(jìn)行弱監(jiān)督訓(xùn)練，并對(duì)卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural networks，CNN)模型進(jìn)行微調(diào)?；赩GGNet-16設(shè)計(jì)三維CNN架構(gòu)，在預(yù)測(cè)層之前進(jìn)行全局平均化，以提取類激活映射。該研究建立的模型在檢測(cè)出血的符合率為87.7%、敏感度為87.7%、特異度為87.6%、PPV為91.5%、NPV為82.5%；骨折檢測(cè)的符合率為80.5%、敏感度為69.5%、特異度為87.8%、PPV為79.0%、NPV為81.3%。這種基于深度學(xué)習(xí)網(wǎng)絡(luò)的腦外傷急診患者全自動(dòng)檢測(cè)系統(tǒng)有助于放射科和急診科的醫(yī)生減少診斷時(shí)間和人為錯(cuò)誤。

Farris等利用內(nèi)部編寫的MATLAB腳本手動(dòng)分割I(lǐng)CH病灶，用60個(gè)帶注釋的ICH病例訓(xùn)練深度殘差卷積神經(jīng)網(wǎng)絡(luò)(DRCNN)，并用5個(gè)ICH病例進(jìn)行驗(yàn)證。然后用訓(xùn)練后的DRCNN對(duì)30例ICH病例(其中許多病例包括不同類型的出血，共56次出血)和46例正常頭部CT病例進(jìn)行測(cè)試也獲得了較好的結(jié)果。高閾值的DRCNN正確檢測(cè)到70%(39/56)ICH，包括0%(0/1)硬膜外出血(epidural hemorrhage,EDH)，60%(6/10)硬膜下出血(subdural hemorrhage,SDH)，50%(6/12)蛛網(wǎng)膜下腔出血(subarachnoid hemorrhage,SAH)，81%(17/21)腦實(shí)質(zhì)出血(intraparenchymal hemorrhage,IPH)和83%(10/12)腦室內(nèi)出血(intraventricular hemorrhage,IVH)。低閾值的DRCNN正確檢測(cè)到89%(50/56)ICH，包括100%(1/1)EDH，80%(8/10)SDH，83%(10/12)SAH，90%(19/21)IPH和100%(12/12)IVH。這種自動(dòng)檢測(cè)的方法有可能在臨床上有助于對(duì)顱內(nèi)出血進(jìn)行分類。

4.提高圖像質(zhì)量

在69～367 mAs之間的幾個(gè)劑量水平對(duì)Catphan體模重復(fù)掃描，并在40～400 mAs范圍內(nèi)對(duì)定制的頭部模型重復(fù)掃描。使用光子計(jì)數(shù)探測(cè)器在臺(tái)式CT系統(tǒng)上獲得兩個(gè)模型的原始CT數(shù)據(jù)。通過對(duì)所有重復(fù)掃描中的最高劑量水平的對(duì)數(shù)前投影求平均，然后進(jìn)行濾波反投影(filter back projection,FBP)重建獲得每個(gè)體模的參考圖像。對(duì)于每個(gè)劑量水平和重建方法[FBP，傳統(tǒng)基于模型的迭代重建(Model based iterative reconstruction， MBIR)，優(yōu)化的MBIR]，通過從每個(gè)重復(fù)掃描的重建后的平均值中減去參考圖像來計(jì)算偏倚圖像。優(yōu)化的MBIR方法消除了Catphan體模中每個(gè)對(duì)比度和劑量水平的偏差并且在更復(fù)雜的頭部模型中顯示出可減少整個(gè)FOV的偏差。該方法通過修改數(shù)據(jù)加權(quán)方案來維持不同劑量水平的不同對(duì)比度的CT值的準(zhǔn)確性。

獲取低計(jì)數(shù)PET和欠采樣MR可以縮短PET/MR掃描時(shí)間，但是，這也可能導(dǎo)致PET圖像噪聲增加和MR圖像產(chǎn)生偽影。Xu等開發(fā)了一個(gè)完全卷積編碼器--解碼器網(wǎng)絡(luò)，采用跳過連接和殘差學(xué)習(xí)策略來恢復(fù)高分辨率。對(duì)該模型用40名患者進(jìn)行訓(xùn)練，并對(duì)其他10名患者進(jìn)行了評(píng)估。與低計(jì)數(shù)PET/欠采樣MR相比，所提出的聯(lián)合模型的峰值信噪比和結(jié)構(gòu)相似性指數(shù)均有所改善，分別為0.97/0.15 dB、0.006/0.0012。深度學(xué)習(xí)方法可以從低質(zhì)量的對(duì)應(yīng)圖像重建高質(zhì)量的PET/MR圖像，從而縮短PET/MR的掃描時(shí)間。

Zhang等開發(fā)了基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)模型--多通道生成對(duì)抗網(wǎng)絡(luò)，用于處理原始多通道MRI數(shù)據(jù)。多通道生成對(duì)抗網(wǎng)絡(luò)具有兩個(gè)子網(wǎng)絡(luò)：一個(gè)學(xué)習(xí)欠采樣和完全采樣數(shù)據(jù)之間關(guān)系的生成網(wǎng)絡(luò)；一個(gè)可以證明生成的數(shù)據(jù)是否真實(shí)的鑒別網(wǎng)絡(luò)。整個(gè)模型由與MRI掃描儀上的射頻通道相同數(shù)量的基本網(wǎng)絡(luò)單元組成，用于并行MRI重建。訓(xùn)練過程使用隨機(jī)梯度下降和反向傳播算法，多通道發(fā)生器網(wǎng)絡(luò)經(jīng)過訓(xùn)練后用于圖像重建。經(jīng)訓(xùn)練的模型可在不校準(zhǔn)的情況下從欠采樣數(shù)據(jù)重建高質(zhì)量圖像，從而提供比傳統(tǒng)并行MRI更快的成像速度，縮短臨床MRI檢查程序，提高臨床MRI效能。

分子影像

1.PET-MR及PET-CT

基于MR的衰減校正對(duì)PET定量準(zhǔn)確性的影響是PET/MR在腦研究中一個(gè)重要的部分。對(duì)30名受試者進(jìn)行18F-FDG-PET/CT掃描，然后在GE Signa PET/MR上接受掃描。每個(gè)患者42 s的零回波時(shí)間(zero-echo-time，ZTE)序列來產(chǎn)生兩種衰減圖：一種基于標(biāo)準(zhǔn)ZTE分割的方法；另一種是該方法的優(yōu)化。 CT數(shù)據(jù)作為金標(biāo)準(zhǔn)。重建的PET圖像使用標(biāo)準(zhǔn)化的腦圖譜模版在68個(gè)興趣區(qū)進(jìn)行定量測(cè)量?；趦?yōu)化模板的ZTE衰減校正的PET偏差與常規(guī)ZTE衰減校正偏差具有顯著差異。表明預(yù)先對(duì)ZTE數(shù)據(jù)和解剖模板進(jìn)行配準(zhǔn)在臨床實(shí)踐中是可行的，并且可以用于改善基于分割的衰減校正的性能。

Zhang等在325 ps DPC PET/CT(Philips Vereos)上對(duì)9例乳腺癌腦轉(zhuǎn)移患者進(jìn)行18次低劑量[(3.1±0.2) mCi]腦FDG-PET掃描(0～75 min)，以評(píng)估化療前后患者的神經(jīng)代謝變化。采用三維有序子集最大期望值法(3D-OSEM)進(jìn)行5組PET重建(10,5,2,1和0.5 min)。使用MIM Software和Brain Atlas Mapping創(chuàng)建的90個(gè)神經(jīng)解剖區(qū)域來進(jìn)行配準(zhǔn)和標(biāo)準(zhǔn)化。計(jì)算標(biāo)準(zhǔn)攝取值(SUV)和Z-Score。TOF-PET比非TOF-PET的表現(xiàn)出更好的圖像質(zhì)量和更好的細(xì)節(jié)。當(dāng)掃描時(shí)間從10 min減少到1 min時(shí)，Z-score在TOF-PET中具有穩(wěn)健性(變化≤10%)。與目前的標(biāo)準(zhǔn)的FDG腦PET成像(10～13 mCi，10 min)相比，這種低劑量(3 mCi)腦PET掃描顯示出比非TOF更好的適應(yīng)性，當(dāng)掃描時(shí)間和劑量減少時(shí)可以獲得更好的掃描圖像質(zhì)量，通過卓越的TOF能力實(shí)現(xiàn)了更精確的大腦PET成像。

2.腦出血

為了探究ICH后鐵沉積與血腫周圍水腫的關(guān)系，對(duì)模擬自發(fā)性ICH的SD大鼠和正常大鼠在7.0T動(dòng)物MRI上進(jìn)行T2WI，DTI和T2*-mapping成像。DTI和T2*-mapping的掃描時(shí)間點(diǎn)是第1，3和7天。使用在ICH后3～6 h掃描的T2WI圖像來測(cè)量初始血腫。在ICH后1，3和7 d，ICH組同側(cè)的T2*值均顯著低于正常對(duì)照組，對(duì)側(cè)和正常組之間T2*值無顯著差異。在ICH后1 d，T2*異常體積與平均彌散度(mean diffusivity，MD)異常體積呈正相關(guān)(r=0.92)。表明DTI和T2*-mapping不僅可以用于診斷ICH后血腫和血腫周圍區(qū)域水腫和鐵超負(fù)荷沉積，還可以用于探究鐵沉積與血腫周圍水腫的關(guān)系。

另一方面，為了評(píng)估ICH后對(duì)皮質(zhì)脊髓束的影響，對(duì)ICH大鼠在第1，3，7，14，21和28天，于7.0T MRI上行DTI掃描。mNSS用于評(píng)估大鼠的神經(jīng)功能。ICH組同側(cè)腦干的FA值顯著低于正常對(duì)照(1，3，7，14和21 d)；ICH組1 d的同側(cè)腦干的MD值明顯高于對(duì)照組，28 d明顯低于對(duì)照組；ICH組中7 d和28 d的同側(cè)腦干的軸向彌散度(axial diffusivity，AD)顯著低于對(duì)照組；ICH組1 d和3 d同側(cè)腦干的徑向彌散度(radial diffusivity，RD)高于對(duì)照組，28 d低于對(duì)照組。 ICH組和和對(duì)照組在不同時(shí)間點(diǎn)的同側(cè)和對(duì)側(cè)錐體束的DTI參數(shù)無顯著差異。ICH組mNSS評(píng)分顯著高于對(duì)照組，且ICH組中1 d的mNSS評(píng)分顯著高于其他時(shí)間點(diǎn)。表明DTI有可能動(dòng)態(tài)地監(jiān)測(cè)血腫對(duì)皮質(zhì)脊髓束的影響。

3.AD

為了闡明AD與胰島素抵抗之間潛在聯(lián)系，Lowe等將6個(gè)月的APP/PS1小鼠(n=6)和野生型(WT)同窩小鼠(n=6)分成兩組，一半喂食高脂肪飲食(HFD)，一半喂食常規(guī)飼料4個(gè)月。并在開始喂食后1、4個(gè)月進(jìn)行胰島素耐量試驗(yàn)。通過股靜脈推注125I-胰島素，并用SPECT/CT對(duì)每只小鼠成像。盡管HFD在WT和APP/PS1小鼠中均引起外周胰島素抵抗，但成像顯示這些小鼠胰島素水平是增加的。與之相反的是，對(duì)WT和APP/S1小鼠HFD組進(jìn)行尸檢均觀察到較低的胰島素保留。與WT小鼠相比，APP/PS1小鼠表現(xiàn)出更明顯的外周胰島素抵抗和更低的腦胰島素保留，表明大腦對(duì)胰島素的耐受會(huì)引發(fā)“三型糖尿病”。胰島素分子成像是闡明AD與胰島素抵抗之間潛在聯(lián)系的一種前沿技術(shù)，能夠更好地了解胰島素的大腦動(dòng)力學(xué)。

PET臨床上用于量化AD患者體內(nèi)的腦淀粉樣蛋白負(fù)荷，但需要使用淀粉樣蛋白特異性放射性示蹤劑，并且不能提供斑塊結(jié)構(gòu)的信息。Dahal等研究了小角度X射線散射(small-angle X-ray scattering,SAXS)成像用于人腦中淀粉樣斑塊的結(jié)構(gòu)表征和無對(duì)比劑的淀粉樣蛋白負(fù)荷的量化。使用FBP重建不同淀粉樣蛋白負(fù)荷的腦SAXS-CT圖像。淀粉樣蛋白原纖維顆粒的SAXS測(cè)量顯示出強(qiáng)烈的散射。SAXS能夠基于其散射特征檢測(cè)不含任何對(duì)比劑的淀粉樣斑塊。在具有植入淀粉樣斑塊的人頭部數(shù)字模型上進(jìn)行的SAXS-CT模擬顯示可以實(shí)現(xiàn)小至2 mm的斑塊的檢測(cè)。該研究結(jié)果顯示了SAXS成像方法對(duì)人腦中淀粉樣斑塊成像的潛力，并能在不使用對(duì)比劑的情況下量化淀粉樣蛋白負(fù)荷。

4.腦腫瘤

腫瘤血管生成和腫瘤代謝物對(duì)于腦腫瘤患者的臨床是重要的。盡管沒有對(duì)比劑泄漏校正的rCBV是MR動(dòng)態(tài)磁敏感對(duì)比灌注加權(quán)成像(dynamic susceptibility contrast perfusion-weighted imaging，DSC-PWI)中最廣泛使用的成像參數(shù)，但據(jù)報(bào)道具有對(duì)比劑泄漏校正的rCBV在評(píng)估腫瘤血液動(dòng)力學(xué)方面具有更好的準(zhǔn)確性。對(duì)65例腦腫瘤患者(包括高級(jí)別膠質(zhì)瘤、腦轉(zhuǎn)移瘤和腦淋巴瘤)的85次MR DSC-PWI和FDG-PET圖像進(jìn)行分析。結(jié)果具有對(duì)比劑泄漏校正的rCBV(1.65±1.38)高于沒有對(duì)比劑泄漏校正的rCBV(1.02±0.876)。具有對(duì)比劑泄漏校正的rCBV與FDG-PET-TNR(r=0.618)比沒有對(duì)比劑泄漏校正的rCBV(r=0.436)具有更好的相關(guān)性。結(jié)合不同的MR-DSC-PWI和FDG-PET參數(shù)可以提供腫瘤血流動(dòng)力學(xué)變化和腫瘤代謝異常的綜合信息。

5.炎癥成像

Masthoff等在9.4T小動(dòng)物MRI上開發(fā)了單幀掃描時(shí)間為8 min 12 s的T2*WI梯度回波序列的時(shí)移MRI方案。電影由20次重復(fù)的圖像組成。在鐵羧葡胺(Resovist)標(biāo)記的單核細(xì)胞上進(jìn)行體模掃描。對(duì)健康和實(shí)驗(yàn)性自身免疫性腦脊髓炎(experimental allergic encephalomyelitis,EAE)小鼠靜脈注射Resovist后24 h進(jìn)行活體掃描。通過從標(biāo)記細(xì)胞的不同位置獲得的合成k空間數(shù)據(jù)來模擬運(yùn)動(dòng)。模擬顯示可以檢測(cè)到移動(dòng)速度達(dá)到1 μm/s的細(xì)胞。EAE小鼠與正常小鼠相比，觀察到體內(nèi)標(biāo)記的免疫細(xì)胞數(shù)量顯著減少(253±29 vs 31±6)；在EAE小鼠中，在癥狀發(fā)作前(45±9)與癥狀發(fā)作后(21±4)也觀察到顯著差異。時(shí)移MRI能夠非侵入性地評(píng)估免疫細(xì)胞動(dòng)力學(xué)，并且可以用作在臨床癥狀發(fā)作之前檢測(cè)或監(jiān)測(cè)炎癥反應(yīng)。