3T FLAIR*用于中央静脉征成像的多中心可靠性研究 学术背景 多发性硬化症（Multiple Sclerosis, MS）是一种中枢神经系统的慢性炎症性疾病，其特征是白质病变（White Matter Lesions, WMLs）的形成。MRI（磁共振成像）是诊断和监测MS的重要工具，尤其是T2加权液体衰减反转恢复（T2-FLAIR）图像，常用于识别脑部白质病变。然而，非特异性的白质病变在其他神经系统疾病中也很常见，这可能导致MS的误诊。 近年来，中央静脉征（Central Vein Sign, CVS）作为一种新的诊断生物标志物被提出。CVS是指MS病变围绕小静脉形成的病理特征，其MRI表现为病变中心的低信号静脉。通过高分辨率磁敏感成像（如T2*加权成像），可以在不同场强下非侵入性地检...
猪模型中的创伤性脊髓损伤后脑脊液动力学研究 背景介绍 创伤性脊髓损伤（Traumatic Spinal Cord Injury, SCI）是一种严重的神经系统疾病，常导致永久性神经功能障碍。尽管多年来科学家们一直在努力开发治疗方法，但由于其复杂的病理生理机制和损伤的异质性，治疗进展有限。脊髓损伤后，脊髓肿胀和蛛网膜下腔（Subarachnoid Space, SAS）的闭塞是常见的病理现象，这可能导致脊髓压迫和血流灌注减少。及时的手术减压被认为是改善神经功能恢复的关键，但并非所有患者都能通过手术完全恢复蛛网膜下腔的通畅性。因此，如何监测减压效果和脊髓损伤后的病理变化成为临床管理中的重要问题。 脑脊液（Cerebrospinal Fluid, CSF）的动力学变化可能与脊髓损伤后的病理过程密切...
非侵入性成像技术评估脉络丛跨屏障水交换 背景介绍 脉络丛（Choroid Plexus, CP）是脑脊液（Cerebrospinal Fluid, CSF）生成的关键部位，同时也是血-脑脊液屏障（Blood-Cerebrospinal Fluid Barrier, BCSFB）的重要组成部分。脉络丛通过调节脑脊液的分泌和吸收，维持大脑的内环境稳定。然而，目前缺乏非侵入性的成像技术来评估脉络丛的功能，这限制了对BCSFB功能的深入理解。现有的方法，如示踪剂稀释法和脑脊液采集法，虽然能够间接测量脑脊液的分泌，但这些方法具有侵入性，且无法准确区分脉络丛与其他潜在来源（如血脑屏障）的贡献。 近年来，研究人员提出通过测量脉络丛到脑脊液的水流出率（kbc）来评估BCSFB的完整性。这一指标在老年小鼠和轻...
深度学习在儿童低级别胶质瘤术后复发预测中的应用 背景介绍 儿童低级别胶质瘤（Pediatric Low-Grade Gliomas, PLGGs）是儿童中最常见的脑肿瘤类型之一，占所有儿童中枢神经系统肿瘤的30%-50%。尽管PLGGs的预后相对较好，但其术后复发风险难以通过传统的临床、影像学和基因组因素准确预测。术后复发的异质性使得术后管理决策变得复杂，尤其是关于辅助治疗和影像监测的决策。因此，开发一种能够准确预测术后复发风险的工具对于优化患者管理和改善预后具有重要意义。 近年来，深度学习（Deep Learning, DL）在医学影像分析中的应用取得了显著进展，尤其是在肿瘤分割和预后预测方面。然而，由于PLGGs的罕见性和数据稀缺性，深度学习在该领域的应用仍面临挑战。本研究旨在通过结合术...
大脑皮层形态网络在回和沟之间的差异 引言 人类大脑作为一个互联复杂的网络，可以通过多模式磁共振成像（MRI）技术的虚拟影像进行映射。使用图论的方法分析这一网络，许多研究发现了大脑网络的一些非平凡的拓扑特性，如小世界组织、模块结构和高度连接的枢纽。这些发现提供了有关大脑连接组织原则的重要见解。然而，这些拓扑特性并没有均匀分布在大脑皮层上。例如，小世界组织在左右大脑半球之间存在显著差异。此外，一个更重要的因素，即高度卷曲的皮层折叠模式，也被发现对大脑网络拓扑产生影响。 皮层折叠模式由凸起的回和凹陷的沟组成，这是人类大脑结构最显著的特征之一。结构和功能MRI研究的证据表明，由回构成的大脑网络相比于由沟构成的大脑网络具有更强的连接性和更高的网络效率。尽管已经取得了这些进展，但关于回和沟对从结构MRI...
MRIO: 磁共振成像获取和分析本体 磁共振成像 (MRI) 是一种生物医学成像技术，用于非侵入性地在三维空间中可视化组织的内部结构。MRI 被广泛应用于研究人体大脑的结构和功能，也是临床和研究设置中诊断神经系统疾病的有力工具。然而，如何有效管理和分析 MRI 数据一直是一个具有挑战性的问题。为了应对这一挑战，Alexander Bartnik 等人在他们的研究中开发了名为 MRIO 的磁共振成像获取和分析本体。 研究背景 MRI 技术因其能够非侵入性地获取人体内部图像，因此在临床和研究中得到了广泛应用。临床上，MRI 可用于诊断神经疾病，通过定位和评估病理程度提供治疗指导。而在研究上，MRI 数据可以作为生物标志物，帮助开发个性化的神经疾病治疗方案，并增加对大脑结构、功能和连通性的理解。然...
AI 辅助的基于切片池化的胶质瘤分级影像组学算法 背景介绍 胶质瘤（Glioma）是中枢神经系统中最常见和最具威胁的肿瘤，具有高发病率、高复发率、高死亡率和低治愈率。世界卫生组织（WHO）将胶质瘤分为四级（I、II、III和IV），其中I级和II级被称为低级别胶质瘤（LGG），而III级和IV级被称为高级别胶质瘤（HGG）。高级别胶质瘤是一种更具侵袭性的恶性肿瘤，其预期寿命约为两年。尽管WHO在2016年引入了分子分型，可以排除不敏感的治疗，但胶质瘤的分级仍然是一个重要的诊断标准，因为它决定了治疗方案的选择。 磁共振成像（MRI）是检测和分析胶质瘤的常用成像技术。它是一种无创且快速的方法，同时MRI图像包含了丰富的信息，这些信息仅凭医生的观察很难获取。影像组学（Radiomics）作为人工智...
注意引导的CNN框架用于3D MRI扫描的胶质瘤分割和评级研究 胶质瘤是人类最致命的脑肿瘤形式，及时诊断这些肿瘤是有效肿瘤治疗的重要一步。磁共振成像（MRI）通常提供对脑部病变的无创检查。然而，手动检查MRI扫描中的肿瘤需要大量时间，并且容易出错。因此，自动诊断肿瘤在胶质瘤的临床管理和外科干预中起着至关重要的作用。在这项研究中，我们提出了一个基于卷积神经网络（CNN）的框架，用于从3D MRI扫描中无创分级肿瘤。 背景介绍 胶质瘤是常见且致命的脑肿瘤，根据其侵袭性和恶性程度可以分为四级。低级别肿瘤（I-III级）通常较不具侵袭性且对治疗反应较好。然而，高级别肿瘤（IV级）具有高度侵袭性，例如胶质母细胞瘤，其治疗效果较差，仅有5%的患者能存活5年。 为了使用医疗影像开展胶质瘤的研究，研究者通常...
肿瘤生长数学模型研究——利用纵向磁共振成像探究胶质瘤的扩展 近日发表在《IEEE Transactions on Biomedical Engineering》上的一篇文章，对胶质瘤（glioma）的数学建模及生长规律进行了系统性研究。该研究由Birkan Tunç、David A. Hormuth II、George Biros和Thomas E. Yankeelov完成，主要通过纵向磁共振成像（MRI）数据评估三种不同数学模型在模拟肿瘤生长以及质量效应（mass effect）中的性能差异。 研究背景 胶质母细胞瘤（glioblastoma multiforme, GBM）是最常见的原发性脑肿瘤，患者预后较差。GBM一个显著的特征是对周围脑组织的严重变形效应，即“质量效应”，目前已有大量...
评估低级别胶质瘤术后生长模型预测价值的研究综述 引言 胶质瘤是一种侵袭性脑肿瘤，其细胞在脑内快速扩散。理解和预测这种扩散的模式和速度可以帮助优化治疗方案。基于扩散-增殖模型的胶质瘤生长模型已经展示出可行性，但在实际临床数据中应用和评估这些模型仍有挑战。为了改进对此问题的评估，本研究提出将肿瘤生长问题视为排序问题，并使用平均精度（Average Precision, AP）作为指标。这一方法无需特定的体积阈值，能够更准确地评估空间模式。 研究来源 该论文由Karin A. van Garderen、Sebastian R. van der Voort、Maarten M. J. Wijnenga等人撰写，作者来自荷兰鹿特丹伊拉斯姆斯医学中心的放射学和核医学、神经外科、病理和神经学等部门。论文发...