MRI人工智能脑分割软件测量脑梗死患者脑区体积与NIHSS评分的相关分析

目的探讨MRI人工智能脑分割软件测量脑梗死患者脑区体积与美国国立卫生研究院卒中量表(NIHSS)评分的相关性。方法选取我院诊断为脑梗死患者83例,根据入院NIHSS评分分为轻度组18例(0~4分)、中度组45例(5~15分)和重度组20例(6~42分)。入院行MRI扫描头颅和人工智能脑分割软件测量各脑区体积,包括全脑、颞叶、枕叶、额叶、顶叶、小脑以及脑室。根据T2WI序列计算梗死总体积。结果三组患者性别、年龄、体质指数、收缩压和舒张压、空腹血糖和总胆固醇水平比较,差异无统计学意义(P>0.05)。三组全脑、枕叶、顶叶、小脑以及脑室体积比较,差异无统计学意义(P>0.05)。但是中、重度组颞叶和额叶体积显著小于轻度组,梗死总体积显著大于轻度组,差异有统计学意义(P<0.05),中度与重度组比较差异无统计学意义(P>0.05)。Spearman检验显示,颞叶和额叶体积与NIHSS评分和梗死总体积呈负相关(P<0.05),而梗死总体积与NIHSS评分无明显相关性(P>0.05)。结论MRI人工智能脑分割软件能够精准定位并测量各脑区体积,颞叶和额叶体积缩小可能与脑梗死患者入院NIHSS评分增加有关,有助于病情严重程度评估。

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正常参考范围(t分别=6.32、4.85;5.75、5.06,P均<0.05),第四脑室和外周脑脊液的体积及百分比在正常参考范围内。内侧颞叶萎缩视觉(MTA)评分与MMSE评分的相关性较好(r=0.46,P<0.05)。结论磁共振人工智能脑分割软件能够精准定位并测量不同脑区的体积变化规律,AD患者表现为以大脑灰质、海马和内嗅皮质萎缩以及脑室扩张为重要特征,为疾病发生机制提供了重要理论依据。

磁共振薄层扫描结合人工智能脑结构分割技术分析海马体积辅助诊断脑小血管病认知功能障碍

目的分析磁共振薄层扫描结合人工智能脑结构分割技术分析海马体积辅助诊断脑小血管病认知功能障碍的应用价值。方法选择确诊为脑小血管病患者84例,入院采用简易智力状态检查量表(MMSE)分为认知功能障碍组39例和正常组45例。采用1.43T磁共振薄层扫描结合人工智能脑结构分割技术分析内侧颞叶区和海马的体积绝对值及百分比。结果认知功能障碍组年龄大于正常组(t=8.63,P<0.05),内侧颞叶区和海马的体积绝对值及百分比明显低于正常组(t分别=5.86、5.00、6.03、9.63,P均<0.05),而内侧颞叶萎缩视觉(MTA)评分明显高于正常组(t=-4.75,P<0.05)。相关性分析显示,内侧颞叶区和海马的体积绝对值及百分比与MTA评分呈负相关(r分别=-0.46、-0.50、-0.60、-0.63,P均<0.05),与MMSE评分呈正相关(r分别=0.41、0.49、0.57、0.60,P均<0.05)。受试者工作特征曲线(ROC)显示,海马体积百分比预测认知功能障碍的曲线下面积为0.88,95%CI 0.82~0.90,最佳临界值为0.31%,即海马体积百分比<0.31%诊断认知功能障碍的灵敏度为80.53%,特异度为85.62%。结论磁共振薄层扫描结合人工智能脑结构分割技术能够精准定位脑功能亚区,通过准确测量海马体积能够辅助诊断脑小血管病的认知功能障碍,海马体积百分比<0.31%有较好的诊断性能。