CN117437133A - 脊髓小脑变性脑血流磁共振成像处理与可视化方法及装置 - Google Patents
脊髓小脑变性脑血流磁共振成像处理与可视化方法及装置 Download PDFInfo
- Publication number
- CN117437133A CN117437133A CN202210820465.6A CN202210820465A CN117437133A CN 117437133 A CN117437133 A CN 117437133A CN 202210820465 A CN202210820465 A CN 202210820465A CN 117437133 A CN117437133 A CN 117437133A
- Authority
- CN
- China
- Prior art keywords
- cbf
- cerebellum
- value
- blood flow
- cerebral blood
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000003727 cerebral blood flow Effects 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 title claims abstract description 16
- 238000002595 magnetic resonance imaging Methods 0.000 title claims description 25
- 208000025434 cerebellar degeneration Diseases 0.000 title claims 10
- 210000001638 cerebellum Anatomy 0.000 claims abstract description 43
- 210000004556 brain Anatomy 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000007619 statistical method Methods 0.000 claims abstract description 20
- 238000012800 visualization Methods 0.000 claims abstract description 11
- 238000010586 diagram Methods 0.000 claims abstract 9
- 238000013507 mapping Methods 0.000 claims abstract 3
- 230000002490 cerebral effect Effects 0.000 claims description 62
- 230000010412 perfusion Effects 0.000 claims description 15
- 238000012353 t test Methods 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 8
- 238000013179 statistical model Methods 0.000 claims description 7
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 239000003550 marker Substances 0.000 claims description 6
- 210000001259 mesencephalon Anatomy 0.000 claims description 5
- 238000012952 Resampling Methods 0.000 claims description 4
- 238000010220 Pearson correlation analysis Methods 0.000 claims description 3
- 238000012352 Spearman correlation analysis Methods 0.000 claims description 3
- 238000000692 Student's t-test Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000006378 damage Effects 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 2
- RZVAJINKPMORJF-UHFFFAOYSA-N Acetaminophen Chemical compound CC(=O)NC1=CC=C(O)C=C1 RZVAJINKPMORJF-UHFFFAOYSA-N 0.000 claims 1
- 230000007850 degeneration Effects 0.000 claims 1
- 230000003412 degenerative effect Effects 0.000 claims 1
- 206010008025 Cerebellar ataxia Diseases 0.000 abstract description 36
- 208000010112 Spinocerebellar Degenerations Diseases 0.000 abstract description 36
- 210000003484 anatomy Anatomy 0.000 abstract description 9
- 230000008859 change Effects 0.000 abstract description 4
- 238000002600 positron emission tomography Methods 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 9
- 210000003591 cerebellar nuclei Anatomy 0.000 description 7
- 201000010099 disease Diseases 0.000 description 5
- 208000019901 Anxiety disease Diseases 0.000 description 4
- 206010003591 Ataxia Diseases 0.000 description 4
- 230000036506 anxiety Effects 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 208000002569 Machado-Joseph Disease Diseases 0.000 description 3
- 208000001089 Multiple system atrophy Diseases 0.000 description 3
- 208000036834 Spinocerebellar ataxia type 3 Diseases 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 238000007794 visualization technique Methods 0.000 description 3
- 208000008457 Neurologic Manifestations Diseases 0.000 description 2
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 238000012311 Shapiro-Wilk normality test Methods 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 208000008675 hereditary spastic paraplegia Diseases 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004770 neurodegeneration Effects 0.000 description 2
- 238000002610 neuroimaging Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 102100022989 Anoctamin-10 Human genes 0.000 description 1
- 241000180579 Arca Species 0.000 description 1
- 102000007372 Ataxin-1 Human genes 0.000 description 1
- 108010032963 Ataxin-1 Proteins 0.000 description 1
- 101000757257 Homo sapiens Anoctamin-10 Proteins 0.000 description 1
- 206010058558 Hypoperfusion Diseases 0.000 description 1
- 206010027940 Mood altered Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 208000009415 Spinocerebellar Ataxias Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 208000030886 Traumatic Brain injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000000133 brain stem Anatomy 0.000 description 1
- 230000003788 cerebral perfusion Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 230000007510 mood change Effects 0.000 description 1
- 201000010256 myopathy, lactic acidosis, and sideroblastic anemia Diseases 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 210000001609 raphe nuclei Anatomy 0.000 description 1
- 201000003624 spinocerebellar ataxia type 1 Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- High Energy & Nuclear Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
脊髓小脑变性脑血流磁共振成像处理与可视化方法及装置，可检测脊髓小脑变性症患者的全脑脑血流改变并优化小脑可视化。本发明对ASL数据进行脑血流CBF重建，将全脑CBF图非线性共配准到PET模板并空间标准化至MNI空间，将每个体素的CBF值除以全脑均值得到标准化CBF并平滑；在SPM8内构建一般线性模型，进行体素水平的全脑统计分析；提取显著团块的t值图及其掩模，利用掩模提取团块平均CBF值用于区域分析。将小脑显著团块t值图覆盖至冠状SUIT模板，并在SUIT工具箱内将t值图映射到SUIT平面图，再将该t值平面图的轮廓分别覆盖到小脑解剖和功能定向平面图上，以实现小脑区域的解剖及功能细节可视化。
Description
技术领域
本发明涉及医学图像处理的技术领域，尤其涉及一种脊髓小脑变性脑血流磁共振成像处理与可视化方法，以及脊髓小脑变性脑血流磁共振成像处理与可视化装置。
背景技术
一些正电子发射断层扫描(PET)和单光子发射计算机断层扫描(SPECT)研究，已经证明脊髓小脑变性症SCD人群的脑血流量(CBF)降低。虽然PET已被视为CBF测量的金标准，但PET/SPECT的电离辐射和造影剂注射是限制其在临床常规中广泛应用的瓶颈。
如今，作为一种完全无创、无辐射的磁共振成像(MRI)技术，使用磁性标记的血液而非外源性造影剂作为流动示踪剂的动脉自旋标记(ASL)成像逐渐成为测量血流的替代方法，可提供基于MR的CBF量化。目前，伪连续动脉自旋标记PCASL因具有较高的信噪比而成为临床的首选标记方法。
ASL MRI与PET和SPECT具有良好的相关性和一致性，可用于评估帕金森病(PD)和多系统萎缩(MSA)等神经退行性疾病中的异常脑灌注，但很少用于研究SCD。先前的一项回顾性研究通过PCASL MRI测量评估了SCD患者的小脑血流，另一项研究将ASL应用于脊髓小脑性共济失调3型(SCA3)和遗传性痉挛性截瘫(HSP)。然而，这些研究仅分析了从预定义的感兴趣区域(ROI)中提取的CBF值，而没有考虑全脑。作为一种数据驱动的方法，基于体素的全脑分析可研究CBF变化的空间特异性，而不被限制在特定的大脑区域。此外，鉴于可视化在神经影像学中的重要性，位于幕下空间的CBF结果尤其需要更为适当的展示。
发明内容
为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种脊髓小脑变性脑血流磁共振成像处理与可视化方法，其能够准确检测脊髓小脑变性症患者全脑(而非局限于特定大脑区域)的脑血流CBF空间特异性改变模式，能够自动化的完成对标准化CBF值基于体素和基于区域的定量分析；同时对小脑显著结果团块的可视化进行优化，利于显示受累小脑小叶及核团的解剖及功能细节。
本发明的技术方案是：这种脊髓小脑变性脑血流磁共振成像处理与可视化方法，其包括以下步骤：
(1)通过配备8通道头部线圈的3.0T MR扫描仪采集3D PCASL数据；
(2)从ASL对比图像中减去标记图像后，计算ASL差异图像，随后经GE Functool灌注软件生成CBF图像；
(3)采用一步配准法将所有被试的CBF图像非线性共配准到PET灌注模板，然后空间扭曲到标准MNI空间，同时将体素大小重新采样；
(4)根据假设检验，构建一般线性模型并使用双样本t检验对标准化后的CBF图像进行体素水平的统计分析，将年龄、性别作为统计模型中的协变量，并采用全脑掩模将CBF分析范围限定在全脑水平；
(5)在xjView工具箱中提取上述全脑分析的每个显著结果团块的t值图，并将相应团块保存为二元掩模；对于每个受试者，将掩模加载到DPABI工具箱中，提取和计算每个显著结果团块ROI的平均标准化CBF值；
(6)在MRICron内，将位于小脑的显著团块的t值图覆盖在小脑SUIT模板上，于冠状位视图详细显示小脑小叶及核团的脑血流受累情况；在SPM的SUIT工具箱内，将小脑显著结果团块的t值图映射到基于表面的小脑SUIT模板，得到小脑团块的t值平面图，再将t值平面图的轮廓分别覆盖在小脑解剖和功能定向平面图上。
本发明通过配备8通道头部线圈的3.0T MR扫描仪采集脊髓小脑变性症患者和健康对照的三维伪连续动脉自旋标记3D PCASL数据；对原始3D PCASL数据进行脑血流图CBF重建，随后将所有被试的全脑CBF图像非线性共配准到PET模板并空间标准化至MNI标准空间，再将全脑每个体素的CBF值除以全脑均值来进行数据归一化，以达到CBF图像标准化处理的目的，并将标准化的CBF图像进行平滑处理；在SPM8内，构建一般线性模型，对CBF图像进行体素水平的全脑统计分析，以准确获得全脑的CBF改变；在xjView内，提取全脑统计分析后得到的显著团块的t值图及团块掩模；在DPABI内，利用上述掩模提取相应团块的CBF值；在MRICron内，将位于小脑的显著团块的t值图覆盖在小脑SUIT模板上，于冠状位视图可更详细地显示小脑小叶及小脑核团的CBF受累情况；在SUIT工具箱内，将位于小脑的显著团块的t值图映射到基于表面的小脑SUIT模板，得到小脑团块的t值平面图，再将t值平面图的轮廓分别覆盖在小脑解剖和功能定向平面图中，以更详细地显示受累小脑小叶的解剖分布及功能损害。整个流程无需手动勾画，即可自动完成对脑血流基于体素和区域的定量分析，并实现小脑区域的解剖及功能细节可视化。
还提供了一种全脑脑血流CBF的改变模式的数据处理装置，其包括：
数据采集模块，其配置来通过配备8通道头部线圈的3.0T MR扫描仪采集3D PCASL数据；
CBF图像生成模块，其配置来从ASL对比图像中减去标记图像后，计算ASL差异图像，随后经GE Functool灌注软件生成CBF图像；
空间标准化处理模块，其配置来采用一步配准法将所有被试的CBF图像非线性共配准到PET灌注模板，然后空间扭曲到标准MNI空间，同时将体素大小重新采样；
基于体素的全脑标准化CBF数据分析模块，其配置来根据假设检验，构建一般线性模型并使用双样本t检验对标准化后的CBF图像进行体素水平的统计分析，将年龄、性别作为统计模型中的协变量，并采用全脑掩模将CBF分析范围限定在全脑水平；
区域分析模块，其配置来在xjView工具箱中提取上述全脑分析的每个显著结果团块的t值图，并将相应团块保存为二元掩模；对于每个受试者，将掩模加载到DPABI工具箱中，提取和计算每个显著结果团块ROI的平均标准化CBF值；
小脑显著结果团块可视化模块，其配置来在MRICron内，将位于小脑的显著团块的t值图覆盖在小脑SUIT模板上，于冠状位视图详细显示小脑小叶及核团的脑血流受累情况；在SPM的SUIT工具箱内，将小脑显著结果团块的t值图映射到基于表面的小脑SUIT模板，得到小脑团块的t值平面图，再将t值平面图的轮廓分别覆盖在小脑解剖和功能定向平面图上。
附图说明
图1示出了MRICron中基于体素的CBF显著结果团块的细节可视化。所使用的双样本t检验阈值为P<0.05(FWE校正)、团块大小10体素。暖色表示与HC组相比，SCD组中CBF显著降低的体素。(A)小脑团块1(Cluster 1)以黄/红色显示，覆盖在冠状层面的小脑SUIT图谱上。小脑小叶和小脑核团的名称已在右侧小脑上用红色标记。(B)顶行：放大的中脑团块2(Cluster 2)，以黄/红色显示；底行：覆盖AAL3脑区的中脑团块2(Cluster2)。缩写：HC，健康对照；SCD，脊髓小脑变性症；CBF，脑血流；罗马数字I-X，小脑半球小叶序号；D,齿状核；F，顶核；Raphe_D，背侧中缝核；L,左；R，右；x,y,z：空间坐标。
图2示出了位于小脑的CBF显著结果团块1(Cluster 1)的平面图可视化。(A)投射到小脑SUIT平面图的标准化CBF组间比较(HC>SCD)结果的t图。暖色代表SCD患者中CBF显着下降的区域。(B)平面图(A)的结果轮廓曲线以白色虚线显示，覆盖在小脑I-X小叶解剖分布的平面图上。其中对于VI-X小叶，两侧小脑半球和蚓部以略微不同的颜色显示。(C)平面图(A)的结果轮廓曲线以白色虚线显示，覆盖在小脑与手、脚和舌头运动激活相关的感觉运动定向平面图上。缩写：HC，健康对照；SCD，脊髓小脑变性；L,左；R，右；V,蚓部；H，小脑半球；罗马数字I-X，小脑小叶序号。
图3示出了SCD组和HC组之间，基于区域的标准化CBF在团块1(Cluster 1)和团块2(Cluster 1)中均存在显著统计学差异。缩写：SCD，脊髓小脑变性。**表示P<0.0001。
图4示出了标准化CBF值与临床特征之间的相关性。团块1的标准化CBF分别与SARA总分(A)和SDS标准分(B)呈负相关。对于团块2，标准化的CBF也分别与SARA总分(C)和ICARS总分(D)呈负相关。缩写：CBF，脑血流；SARA，共济失调评估和评级量表；SDS，抑郁自评量表；ICARS，国际合作共济失调评定量表。
图5示出了根据本发明的脊髓小脑变性脑血流磁共振成像处理与可视化方法的流程图。
具体实施方式
如图5所示，这种全脑脑血流CBF的改变模式的数据处理方法，其包括以下步骤：
(1)通过配备8通道头部线圈的3.0T MR扫描仪采集3D PCASL数据；
(2)从ASL对比图像中减去标记图像后，计算ASL差异图像，随后经GE Functool灌注软件生成CBF图像；
(3)采用一步配准法将所有被试的CBF图像非线性共配准到PET灌注模板，然后空间扭曲到标准MNI空间，同时将体素大小重新采样；
(4)根据假设检验，构建一般线性模型并使用双样本t检验对标准化后的CBF图像进行体素水平的统计分析，将年龄、性别作为统计模型中的协变量，并采用全脑掩模将CBF分析范围限定在全脑水平；
(5)在xjView工具箱中提取上述全脑分析的每个显著结果团块的t值图，并将相应团块保存为二元掩模；对于每个受试者，将掩模加载到DPABI工具箱中，提取和计算每个显著结果团块ROI的平均标准化CBF值；
(6)在MRICron内，将位于小脑的显著团块的t值图覆盖在小脑SUIT模板上，于冠状位视图详细显示小脑小叶及核团的脑血流受累情况；在SPM的SUIT工具箱内，将小脑显著结果团块的t值图映射到基于表面的小脑SUIT模板，得到小脑团块的t值平面图，再将t值平面图的轮廓分别覆盖在小脑解剖和功能定向平面图上。
本发明通过配备8通道头部线圈的3.0T MR扫描仪采集脊髓小脑变性症患者和健康对照的三维伪连续动脉自旋标记3D PCASL数据；对原始3D PCASL数据进行脑血流图CBF重建，随后将所有被试的全脑CBF图像非线性共配准到PET模板并空间标准化至MNI标准空间，再将全脑每个体素的CBF值除以全脑均值来进行数据归一化，以达到CBF图像标准化处理的目的，并将标准化的CBF图像进行平滑处理；在SPM8内，构建一般线性模型，对CBF图像进行体素水平的全脑统计分析，以准确获得全脑的CBF改变；在xjView内，提取全脑统计分析后得到的显著团块的t值图及团块掩模；在DPABI内，利用上述掩模提取相应团块的CBF值；在MRICron内，将位于小脑的显著团块的t值图覆盖在小脑SUIT模板上，于冠状位视图可更详细地显示小脑小叶及小脑核团的CBF受累情况；在SUIT工具箱内，将位于小脑的显著团块的t值图映射到基于表面的小脑SUIT模板，得到小脑团块的t值平面图，再将t值平面图的轮廓分别覆盖在小脑解剖和功能定向平面图中，以更详细地显示受累小脑小叶的解剖分布及功能损害。整个流程无需手动勾画，即可自动完成对脑血流基于体素和区域的定量分析，并实现小脑区域的解剖及功能细节可视化。
优选地，该方法还包括步骤(7)，在SPSS软件中进行人口统计学和临床资料的统计分析：通过Shapiro-Wilk正态性检验评估数据分布的正态性，脊髓小脑变性症患者和健康对照之间的年龄差异比较采用双样本t检验，性别差异使用Pearson卡方χ2检验，显着阈值设定为P<0.05。
优选地，所述步骤(1)中，静息态3D PCASL的采集参数为：层厚＝4mm，层间距＝4mm，重复时间TR＝4,817ms，回波时间TE＝14.6ms，翻转角＝111°，标记后延迟时间＝1,525ms，采样＝1024，视场FOV＝240mm×240mm，体素大小＝1.875mm×1.875mm，激励次数NEX＝3，矩阵＝128×128，总采集时间为6min 54s。
优选地，所述步骤(3)中，首先采用一步配准法将所有受试者的CBF图像非线性共配准到SPM8中的PET灌注模板，然后空间扭曲到蒙特利尔标准空间MNI，同时将体素大小重新采样为2mm×2mm×2mm；在空间标准化之后，将全脑每个体素的CBF值除以全脑均值来进行数据归一化，并应用8mm×8mm×8mm的全宽半高高斯核进行空间平滑，以优化全脑统计分析。
优选地，所述步骤(4)中，使用FWE方法进行多重比较校正，校正的体素水平阈值为P<0.05，团块大小>10体素。
优选地，所述步骤(4)中，在MRIcron软件中使用第三版自动解剖标记AAL3图谱对位于中脑的CBF显著结果团块进行解剖标记，在SPM中使用空间无偏的幕下模板SUIT工具箱将位于小脑的团块叠加到SUIT模板上。
优选地，所述步骤(5)中，在SPSS中采用双样本t检验对患者和对照的每个显著结果团块的平均标准化CBF进行基于ROI的组间比较；对于患者组，将基于ROI的平均标准化CBF值与临床特征(SARA总分、ICARS总分、SAS标准分、SDS标准分、SRSS总分)进行Pearson或Spearman相关分析；显着阈值设定为P<0.05。
优选地，所述步骤(6)中，在Photoshop软件中提取小脑显著团块的t值平面图轮廓，并将轮廓分别叠加覆盖在小脑解剖和功能定向平面图上。
本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括上述实施例方法的各步骤，而所述的存储介质可以是：ROM/RAM、磁碟、光盘、存储卡等。因此，与本发明的方法相对应的，本发明还同时包括一种全脑脑血流CBF的改变模式的数据处理装置，该装置通常以与方法各步骤相对应的功能模块的形式表示。该装置包括：
数据采集模块，其配置来通过配备8通道头部线圈的3.0T MR扫描仪采集3D PCASL数据；
CBF图像生成模块，其配置来从ASL对比图像中减去标记图像后，计算ASL差异图像，随后经GE Functool灌注软件生成CBF图像；空间标准化处理模块，其配置来采用一步配准法将所有被试的CBF图像非线性共配准到PET灌注模板，然后空间扭曲到标准MNI空间，同时将体素大小重新采样；
基于体素的全脑标准化CBF数据分析模块，其配置来根据假设检验，构建一般线性模型并使用双样本t检验对标准化后的CBF图像进行体素水平的统计分析，将年龄、性别作为统计模型中的协变量，并采用全脑掩模将CBF分析范围限定在全脑水平；
区域分析模块，其配置来在xjView工具箱中提取上述全脑分析的每个显著结果团块的t值图，并将相应团块保存为二元掩模；对于每个受试者，将掩模加载到DPABI工具箱中，提取和计算每个显著结果团块ROI的平均标准化CBF值；
小脑显著结果团块可视化模块，其配置来在MRICron内，将位于小脑的显著团块的t值图覆盖在小脑SUIT模板上，于冠状位视图详细显示小脑小叶及核团的脑血流受累情况；在SPM的SUIT工具箱内，将小脑显著结果团块的t值图映射到基于表面的小脑SUIT模板，得到小脑团块的t值平面图，再将t值平面图的轮廓分别覆盖在小脑解剖和功能定向平面图上。
以下更详细地说明本发明，具体包括：
1.被试
于中日友好医院前瞻性招募30名SCD患者(20名男性和10名女性；平均年龄，45.6±12.8岁；年龄范围，25-67岁；中位病程，6年)和30名年龄、性别匹配的健康对照(HC)(18名男性和12名女性；平均年龄，45.6±14.9岁；年龄范围，24-68岁)。30例SCD患者中有23例被诊断为SCA(SCA1，n＝1；SCA2，n＝2；和SCA3，n＝20)，另外7例患者为MSA-C(n＝4)和ARCA(ANO10-ARCA，n＝1；SPG7-ARCA，n＝1；NPC1-ARCA，n＝1)。患者的纳入标准为：(1)由经过培训的神经科医生根据神经系统表现、基因检测、家族史和常规脑部MRI检查结果诊断为SCD或其特定亚型；(2)年龄≥18岁；(3)右利手。患者排除标准如下：(1)有MRI检查禁忌证；(2)有脑外伤、脑卒中、肿瘤等其他神经系统疾病史；(3)MRI图像中存在伪影。从当地社区招募HC基于以下纳入标准：(1)没有任何神经精神疾病史；(2)年龄≥18岁；(3)右利手。HC的排除标准与SCD患者的排除标准相同。
2.临床特征
在MRI扫描当天，在MR数据采集之前进行人口统计信息收集和神经学评估。共济失调评估和评定量表(SARA)和国际合作共济失调评定量表(ICARS)分用于量化神经系统表现和反映SCD患者的疾病严重程度。此外，我们根据焦虑自评量表(SAS)、抑郁自评量表(SDS)和睡眠自评量表(SRSS)评估所有患者的抑郁、焦虑和睡眠状况。对于SAS和SDS，我们使用标准分数而非总分来评估焦虑和抑郁状态。只有当SAS标准分≥50或SDS标准分≥53时，才能分别认为患者处于焦虑或抑郁状态。
3.MRI数据采集
所有受试者的MRI扫描均在配备8通道头部线圈的3.0T MR扫描仪(GeneralElectric，Discovery MR750，Milwaukee，WI，United States)上进行。静息态3D PCASL的采集参数为：层厚＝4mm，层间距＝4mm，重复时间(TR)＝4,817ms，回波时间(TE)＝14.6ms，翻转角＝111°，标记后延迟时间＝1,525ms，采样＝1024，视场(FOV)＝240mm×240mm，体素大小＝1.875mm×1.875mm，激励次数(NEX)＝3，矩阵＝128×128，总采集时间为6min 54s。为所有受试者提供耳塞和衬垫以降低噪音，并给予泡沫衬垫以限制头部运动。在ASL扫描期间，所有受试者都被要求闭上眼睛，不要入睡，放松，不想特别的事。
4.CBF的重建和后处理
从对比图像中减去标记图像后，计算PCASL差异图像。随后使用GE Functool灌注软件从ASL差异图像生成CBF图。
CBF图像处理和进一步基于体素的分析在MATLAB的Statistical ParametricMapping 8(SPM8,https://www.fil.ion.ucl.ac.uk/spm/software/)中进行。首先，采用一步配准法将所有被试的CBF图像非线性共配准到PET灌注模板，然后空间扭曲到标准MNI空间，同时将体素大小重新采样为2mm×2mm×2mm。在空间标准化之后，将全脑每个体素的CBF值除以全脑均值来进行数据归一化。并应用8mm×8mm×8mm的全宽半高(FWHM)高斯核进行空间平滑，以优化全脑统计分析。
5.统计分析
5.1CBF的全脑分析
在SPM8中，根据假设检验，构建一般线性模型并使用双样本t检验对标准化后的CBF图像进行体素水平的统计分析，将年龄、性别作为统计模型中的协变量，并采用全脑掩模(mask)将CBF分析范围限定在全脑水平。使用FWE方法进行多重比较校正，校正的体素水平阈值为P<0.05，团块大小>10体素。
在MRIcron(http://www.mccauslandcenter.sc.edu/crnl/tools)软件中使用SUIT图谱对位于小脑的CBF显著结果团块进行细节可视化，将位于小脑的显著团块的t值图覆盖在小脑SUIT模板上，于冠状位视图详细显示小脑小叶及核团的脑血流受累情况(图1A)；使用第三版自动解剖标记(AAL3)图谱对位于中脑的CBF显著结果团块进行解剖标记(图1B)；进一步在SPM中使用空间无偏的幕下模板(SUIT)工具箱(版本3.4，https://www.diedrichsenlab.org/imaging/suit_flatmap.htm)，将小脑显著结果团块的t值图映射到基于表面的小脑SUIT模板，得到小脑团块的t值平面图(图2A)；在Photoshop软件中提取小脑显著团块的t值平面图轮廓，并将t值平面图的轮廓分别叠加覆盖在小脑解剖和功能定向平面图(图2B和图2C)上。
5.2CBF的区域分析
在xjView工具箱(版本10.0，https://www.alivelearn.net/xjview)中提取上述全脑分析的每个显著结果团块的t值图，并将相应团块保存为二元掩模。对于每个受试者，将掩模加载到DPABI(版本5.1)工具箱中，提取和计算每个显著团块的平均标准化CBF值，进一步用于基于感兴趣区域(ROI)的分析(图3)。
基于ROI的组间比较采用双样本t检验。对于SCD组，将基于ROI的CBF值与临床特征(包括疾病持续时间、SARA评分、ICARS评分、SDS标准分、SAS标准分和SRSS评分)进行Pearson或Spearman相关分析(图4A、图4B、图4C和图4D)。统计分析在SPSS软件(26.0版)中进行，显着阈值设定为P<0.05。
5.3其他统计分析
其余统计分析在SPSS软件(26.0版)中进行。通过Shapiro-Wilk正态性检验评估数据分布的正态性。SCD患者和HC之间的人口统计学比较，年龄采用双样本t检验，性别使用Pearson卡方(χ2)检验。显着阈值设定为P<0.05。
通过无创ASL-MRI方法，研究了脊髓小脑变性症SCD患者全脑标准化CBF的改变。发现SCD患者在多个小脑小叶和小脑深部核团以及脑干中存在CBF降低，这些区域的低灌注与疾病严重程度和抑郁评分相关，可能暗示着患者在运动和情绪方面存在缺陷。基于MRI的CBF值可能是一种很有前景的神经影像学生物标志物，可在全脑水平反映活体内的神经退行性变的严重程度，并提示情绪变化。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属本发明技术方案的保护范围。
Claims (9)
1.脊髓小脑变性脑血流磁共振成像处理与可视化方法，其特征在于：其包括以下步骤：
(1)通过磁共振扫描仪采集脊髓小脑变性症及健康对照者的三维伪连续动脉自旋标记3D-PCASL数据；
(2)将ASL的对比图像减去标记图像，获得ASL差异图像，再经GE Functool灌注软件生成CBF图；
(3)CBF图像处理和进一步基于体素的分析在MATLAB的SPM 8中进行；
(4)执行基于体素的全脑标准化CBF分析：在SPM8中，根据假设检验，构建一般线性模型并使用双样本t检验对标准化后的CBF图像进行体素水平的统计分析，将年龄、性别作为统计模型中的协变量，并采用全脑掩模将CBF分析范围限定在全脑水平；
(5)执行CBF的区域分析：在xjView工具箱中，提取上述全脑分析的每个显著结果团块的t值图，并将相应团块保存为二元掩模；对于每个受试者，将掩模加载到DPABI工具箱中，提取和计算每个显著结果团块ROI的平均标准化CBF值；
(6)执行小脑CBF改变的可视化：在MRICron内，将位于小脑的显著团块的t值图覆盖在小脑SUIT模板上，于冠状位视图详细显示小脑小叶及小脑核团的脑血流受累情况；在SPM的SUIT工具箱内，将位于小脑的显著团块的t值图映射到基于表面的小脑SUIT模板，得到小脑团块的t值平面图，再将t值平面图的轮廓分别覆盖在小脑解剖和功能定向平面图中，以更详细地显示受累小脑小叶的解剖分布及功能损害。
2.根据权利要求1所述的脊髓小脑变性脑血流磁共振成像处理与可视化方法，其特征在于：该方法还包括步骤(7)，在SPSS软件中进行人口统计学和临床资料的统计分析：通过Shapiro-Wilk正态性检验评估数据分布的正态性，脊髓小脑变性症患者和健康对照之间的年龄差异比较采用双样本t检验，性别差异使用Pearson卡方χ2检验，显着阈值设定为P<0.05。
3.根据权利要求2所述的全脊髓小脑变性脑血流磁共振成像处理与可视化方法，其特征在于：所述步骤(1)中，3D PCASL的采集参数为：层厚＝4mm，层间距＝4mm，重复时间TR＝4,817ms，回波时间TE＝14.6ms，翻转角＝111°，标记后延迟时间＝1,525ms，采样＝1024，视场FOV＝240mm×240mm，体素大小＝1.875mm×1.875mm，激励次数NEX＝3，矩阵＝128×128，总采集时间为6min 54s。
4.根据权利要求3所述的脊髓小脑变性脑血流磁共振成像处理与可视化方法，其特征在于：所述步骤(3)中，首先采用一步配准法将所有受试者的CBF图像非线性共配准到SPM8中的PET灌注模板，然后空间扭曲到蒙特利尔标准空间MNI，同时将体素大小重新采样为2mm×2mm×2mm；在空间标准化之后，将全脑每个体素的CBF值除以全脑均值来进行数据归一化，并应用8mm×8mm×8mm的全宽半高高斯核进行空间平滑，以优化全脑统计分析。
5.根据权利要求4所述的脊髓小脑变性脑血流磁共振成像处理与可视化方法，其特征在于：所述步骤(4)中，使用FWE方法进行多重比较校正，校正的体素水平阈值为P<0.05，团块大小>10体素。
6.根据权利要求5所述的脊髓小脑变性脑血流磁共振成像处理与可视化方法，其特征在于：所述步骤(4)中，在MRIcron软件中使用第三版自动解剖标记AAL3图谱对位于中脑的CBF显著结果团块进行解剖标记，在SPM中使用空间无偏的幕下模板SUIT工具箱将位于小脑的团块叠加到SUIT模板上。
7.根据权利要求6所述的脊髓小脑变性脑血流磁共振成像处理与可视化方法，其特征在于：所述步骤(5)中，在SPSS中采用双样本t检验对患者和对照的每个显著结果团块的平均标准化CBF进行基于ROI的组间比较；对于患者组，将基于ROI的平均标准化CBF值与临床特征(SARA总分、ICARS总分、SAS标准分、SDS标准分、SRSS总分)进行Pearson或Spearman相关分析；显着阈值设定为P<0.05。
8.根据权利要求7所述的脊髓小脑变性脑血流磁共振成像处理与可视化方法，其特征在于：所述步骤(6)中，在Photoshop软件中提取小脑显著团块的t值平面图轮廓，并将轮廓分别叠加覆盖在小脑解剖和功能定向平面图上。
9.脊髓小脑变性脑血流磁共振成像处理与可视化装置，其特征在于：其包括：
数据采集模块，其配置来通过配备8通道头部线圈的3.0T MR扫描仪采集3D PCASL数据；
CBF图像生成模块，其配置来从ASL对比图像中减去标记图像后，计算ASL差异图像，随后经GE Functool灌注软件生成CBF图像；空间标准化处理模块，其配置来采用一步配准法将所有被试的CBF图像非线性共配准到PET灌注模板，然后空间扭曲到标准MNI空间，同时将体素大小重新采样；
基于体素的全脑标准化CBF数据分析模块，其配置来根据假设检验，构建一般线性模型并使用双样本t检验对标准化后的CBF图像进行体素水平的统计分析，将年龄、性别作为统计模型中的协变量，并采用全脑掩模将CBF分析范围限定在全脑水平；
区域分析模块，其配置来在xjView工具箱中提取上述全脑分析的每个显著结果团块的t值图，并将相应团块保存为二元掩模；对于每个受试者，将掩模加载到DPABI工具箱中，提取和计算每个显著结果团块ROI的平均标准化CBF值；
小脑显著结果团块可视化模块，其配置来在MRICron内，将位于小脑的显著团块的t值图覆盖在小脑SUIT模板上，于冠状位视图详细显示小脑小叶及核团的脑血流受累情况；在SPM的SUIT工具箱内，将小脑显著结果团块的t值图映射到基于表面的小脑SUIT模板，得到小脑团块的t值平面图，再将t值平面图的轮廓分别覆盖在小脑解剖和功能定向平面图上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210820465.6A CN117437133A (zh) | 2022-07-12 | 2022-07-12 | 脊髓小脑变性脑血流磁共振成像处理与可视化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210820465.6A CN117437133A (zh) | 2022-07-12 | 2022-07-12 | 脊髓小脑变性脑血流磁共振成像处理与可视化方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117437133A true CN117437133A (zh) | 2024-01-23 |
Family
ID=89557000
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210820465.6A Pending CN117437133A (zh) | 2022-07-12 | 2022-07-12 | 脊髓小脑变性脑血流磁共振成像处理与可视化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117437133A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118918130A (zh) * | 2024-10-10 | 2024-11-08 | 中日友好医院(中日友好临床医学研究所) | Sca3患者脑脊液动态异常的评估方法及装置 |
-
2022
- 2022-07-12 CN CN202210820465.6A patent/CN117437133A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118918130A (zh) * | 2024-10-10 | 2024-11-08 | 中日友好医院(中日友好临床医学研究所) | Sca3患者脑脊液动态异常的评估方法及装置 |
| CN118918130B (zh) * | 2024-10-10 | 2024-12-03 | 中日友好医院(中日友好临床医学研究所) | Sca3患者脑脊液动态异常的评估方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aubert-Broche et al. | Twenty new digital brain phantoms for creation of validation image data bases | |
| US8838201B2 (en) | Atlas-based analysis for image-based anatomic and functional data of organism | |
| Aiello et al. | Relationship between simultaneously acquired resting-state regional cerebral glucose metabolism and functional MRI: a PET/MR hybrid scanner study | |
| Supekar et al. | Development of functional and structural connectivity within the default mode network in young children | |
| DE112015005479B4 (de) | Verfahren und System zur verbesserten Klassifizierung von Bestandsmaterialien | |
| Badea et al. | Morphometric analysis of the C57BL/6J mouse brain | |
| Georgiou-Karistianis et al. | Connectivity-based segmentation of the striatum in Huntington's disease: vulnerability of motor pathways | |
| Zou et al. | Static and dynamic characteristics of cerebral blood flow during the resting state | |
| US11020077B2 (en) | Simultaneous CT-MRI image reconstruction | |
| US9940712B2 (en) | Quantitating disease progression from the MRI images of multiple sclerosis patients | |
| Anticevic et al. | Comparing surface-based and volume-based analyses of functional neuroimaging data in patients with schizophrenia | |
| JP2021074585A (ja) | Ｍｒｉによる導電率測定値に基づいて頭部上の電極位置を最適化したｔｔｆｉｅｌｄ治療 | |
| US10638995B2 (en) | Imaging-based biomarker for characterizing the structure or function of human or animal brain tissue and related uses and methods | |
| Bernier et al. | Spatial distribution of resting-state BOLD regional homogeneity as a predictor of brain glucose uptake: a study in healthy aging | |
| Goh et al. | Neuroanatomical correlates of intellectual ability across the life span | |
| Thottakara et al. | Application of Brodmann's area templates for ROI selection in white matter tractography studies | |
| JP2022508684A (ja) | ヒトの脳におけるドーパミン機能の非侵襲的代理測定としての神経メラニン感受性磁気共鳴画像法のためのシステム、方法及びコンピュータアクセス可能媒体 | |
| Liang et al. | Rat brain digital stereotaxic white matter atlas with fine tract delineation in Paxinos space and its automated applications in DTI data analysis | |
| Sun et al. | Automated template-based PET region of interest analyses in the aging brain | |
| Tosun et al. | MRI patterns of atrophy and hypoperfusion associations across brain regions in frontotemporal dementia | |
| Sepulcre et al. | Brain pathways of verbal working memory: A lesion–function correlation study | |
| Van Hecke et al. | On the construction of a ground truth framework for evaluating voxel-based diffusion tensor MRI analysis methods | |
| Arrigoni et al. | Brain microstructure and connectivity in COVID-19 patients with olfactory or cognitive impairment | |
| Tosun et al. | Joint analysis of structural and perfusion MRI for cognitive assessment and classification of Alzheimer's disease and normal aging | |
| Cherubini et al. | Multimodal fMRI tractography in normal subjects and in clinically recovered traumatic brain injury patients |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |