老年急性缺血性脑卒中患者磁敏感加权成像不对称静脉征与临床预后的相关性研究

目的 探讨老年急性缺血性脑卒中(AIS)患者磁敏感加权成像中不对称皮质静脉征(ACVS)和不对称髓质静脉征(AMVS)与长期临床预后的关系。方法 回顾性选择2015年12月~2020年12月解放军总医院第一医学中心接受药物保守治疗、未接受静脉溶栓或动脉取栓治疗的老年AIS患者203例,根据ACVS和AMVS情况分为A组84例(ACVS+和AMVS+)、B组80例(ACVS+和AMVS-)、C组39例(ACVS-和AMVS-)。又根据预后情况分为预后良好组99例,预后不良组104例。分析磁敏感加权成像上ACVS和AMVS情况,采用脑卒中后3个月改良的Rankin量表评分评估预后。比较不同组间临床及影像资料,并进行多因素logistic回归分析ACVS及AMVS是否为临床预后不良的预测因素。结果 3组入院美国国立卫生研究院卒中量表(NIHSS)评分、弥散加权成像-Alberta卒中项目早期CT评分、血管重度狭窄/闭塞及预后不良比例比较,差异有统计学意义(P<0.01)。与预后良好组比较,预后不良组年龄、入院NIHSS评分、弥散加权成像-Alberta卒中项目早期CT评分、血管重度狭窄/闭塞、ACVS和AMVS比例明显升高,差异有统计学意义(P<0.01)。多因素logistic回归分析显示,AMVS是预测远期功能预后不良的独立危险因素(OR=3.397,95%CI:1.434~8.046,P=0.005)。结论 AMVS与老年AIS远期功能预后不良独立相关,而ACVS并非功能预后不良的独立预测因子。

脑小血管病总负荷及影像标志物与大脑中动脉狭窄程度关系的MRI研究

目的探讨脑小血管病(CSVD)总负荷及影像标志物与单侧大脑中动脉(MCA)狭窄程度的关系。方法该研究为横断面研究。回顾性分析2015年10月至2019年1月就诊于解放军总医院第一医学中心并接受多模态MRI检查的慢性单侧MCA狭窄患者的临床及影像资料。共纳入261例患者,男187例、女74例。根据MCA狭窄程度将患者分为重度狭窄-闭塞组(狭窄程度≥70%)102例和轻中度狭窄组(狭窄程度<70%)159例。根据脑小血管病国际影像标准1评估2组患者CSVD影像标志物评分(包括脑白质高信号、血管周围间隙、脑微出血、血管源性腔隙),并计算CSVD总负荷评分。2组间各指标比较采用Mann-Whitney U检验,然后在调整血管危险因素(年龄、性别、饮酒、吸烟、高血压、高脂血症、房颤和冠心病)后,最终将CSVD总负荷评分及影像标志物评分纳入多因素二元logistic回归,评估CSVD影像标志物与MCA重度狭窄-闭塞的关系。结果轻中度狭窄组和重度狭窄-闭塞组患者CSVD总负荷评分、半卵圆中心血管周围间隙评分、血管源性腔隙评分差异均有统计学意义(P均<0.05),其余影像标志物评分差异均无统计学意义(P均>0.05)。多因素二元logistic回归分析显示,CSVD总负荷评分(OR=1.300,95%CI 1.047~1.613,P=0.017)、半卵圆中心血管周围间隙评分(OR=2.099,95%CI 1.540~2.860,P<0.001)和血管源性腔隙(OR=2.609,95%CI 1.294~5.261,P=0.007)与MCA重度狭窄-闭塞独立相关。结论CSVD总负荷评分、半卵圆中心血管周围间隙评分和血管源性腔隙评分高与MCA患者重度狭窄-闭塞有关。

基于深度学习的快速磁敏感加权成像评估急性缺血性卒中

目的探讨基于深度学习的快速磁敏感加权成像(SWI)评估急性缺血性卒中(AIS)的价值。方法回顾性分析2019年1月至2021年1月在解放军总医院第一医学中心接受MR检查并行SWI序列扫描且发病24 h内的AIS患者118例,其中男75例、女43例,年龄23~100(66±14)岁。采用MATLAB的randperm函数将118例患者以8∶2的比例分为训练集96例,测试集22例。另外收集MR-STARS研究招募的同一中心的47例AIS患者作为外部验证集,其中男38例、女9例,年龄16~75(58±12)岁。将SWI图像和滤波相位图像合并为复值图像作为全采样参考图像。对全采样参考图像进行回顾性欠采样以模拟实际欠采样过程,获得欠采样SWI图像,欠采样倍数为5倍,可节省80%的扫描时间;然后基于复值卷积神经网络(ComplexNet)的深度学习模型重建快速SWI数据。采用组内相关系数(ICC)或Kappa检验比较全采样SWI和基于ComplexNet的快速SWI的图像质量评分一致性及检出AIS患者磁敏感血栓征(SVS)、微出血、深部髓质静脉(DMVs)不对称的一致性。结果测试集中全采样SWI图像质量的评分为(4.5±0.6)分,基于ComplexNet的快速SWI图像质量评分为(4.6±0.7),两者一致性较好(ICC=0.86,P<0.05);全采样SWI与基于ComplexNet的快速SWI检出AIS患者SVS(Kappa=0.79,P<0.05)、微出血(Kappa=0.86,P<0.05)、DMVs不对称(Kappa=0.82,P<0.05)一致性较好。外部验证集中,全采样SWI图像质量的评分为(4.1±1.0)分,基于ComplexNet的快速SWI图像质量的评分为(4.0±0.9)分,两者一致性较好(ICC=0.97,P<0.05);全采样SWI与基于ComplexNet的快速SWI检出AIS患者SVS(Kappa=0.74,P<0.05)、微出血(Kappa=0.83,P<0.05)和DMVs不对称(Kappa=0.74,P<0.05)的一致性较好。结论深度学习技术可显著加快SWI速度,且基于ComplexNet的快速SWI与全采样SWI的图像质量及检出AIS征象的一致性好,可应用于AIS患者的影像学评估。