谭中建，邢方亮，邹忆怀

三维动脉自旋标记(3D-ASL)是近年来兴起的一项以自身动脉血中的水分子作为内源性示综剂，完全无创、可重复、安全的灌注技术[1]。动脉自旋标记(ASL)标记方法可分为脉冲动脉自旋标记(PASL)、连续动脉自旋标记(CASL)和伪连续动脉自旋标记(PCASL)3大类。本研究采用PASL，测量的脑血流量(CBF)值是病灶区域(ROI)内的局部平均脑血流量值(rCBF)，单位为mL/(100 g·min)。计算公式为：

本研究中，分母中的变量SIPD通过ASL序列中Control(控制项)数据进行近似[2-3]。

目前，常见的CBF分析处理中，其ROI确定是与组织结构的手工及目测匹配，并只能用固定的圆形或椭圆形确定ROI范围，不能做到和病灶适形，且rCBF是均值，并不能精准反映ROI内脑血流量的空间分布状况。本研究旨在解决ROI与结构像的精准匹配、精确反应ROI的CBF分布、定量测量的问题。本研究基于影像组[4]思想，探索一种新的Lesions-vCBF(病灶处的体素级分辨率的脑血流量Voxel-CBF)分析方法，即可针对病灶区域计算各个体素的vCBF(Voxel-CBF)，并在病灶的结构像上进行可视化表达。

1 对象与方法

1.1 研究对象 回顾2021年3月20日以来本院临床诊断为慢性脑供血不足病人10例的MRI数据，和诊断急性缺血性脑卒中病人1例的MRI数据。

1.2 检查方法 使用西门子1.5 T(Siemens Amria1.5 T)磁共振扫描仪，选用头颈联合矩阵线圈(24通道)，行常规的T1加权成像(T1WI)、T2加权成像(T2WI)、液体衰减反转恢复(FLAIR)、扩散加权成像(DWI)并计算生成表观弥散系数(ADC)图像，ASL采用PASL基于快速梯度自旋回波(TGSE)序列3D-ASL参数：重复时间(TR)为4 000 ms，回波时间(TE)为25 ms，灌注持续时间(BD)为700 ms，反转时间(TI)为1 990 ms，体素(Voxel)为1.5 mm×1.5 mm×1.5 mm，聚焦视野(FOV)为192 mm×192 mm，矩阵(Matrix)为64×63，90层全脑覆盖，采集时间为196 s。弥散加权像序列采用平面回波成像(EPI)，扫描参数如下：TR为3 000 ms，TE为82 ms，相位方向P>>A(后前方向)，FOV为24 cm×24 cm，b值为0和1 000 s/mm2，Matrix为150×135，Voxel为1.6 mm×1.6 mm×5.5 mm，采集时间为38 s。19层覆盖全脑采集。FLAIR序列属于反转恢复序列(IR)，参数如下：TI为2 300 ms，TR为7 500 ms，TE为112 ms，分次采集concatenations为2，Matrix为204×256，层厚(SL)为3 mm，40层覆盖全脑扫描，采集时间为150 s。

1.3 影像组处理与数据分析

1.3.1 从弥散加权像自动化提取病灶范围 对于急性脑梗死病灶，在细胞脑水肿的条件下，细胞内的水分子增多，导致细胞外的间隙下降，超急性期脑梗死的水分子扩散降低，DWI显示高信号[5]；对应的ADC区域值是低信号[6]。

基于影像组跨组检索的思想，通过设计数字滤波器从DWI序列自动化提取病灶的空间范围。经过优化扫描参数采集到的DWI序列影像，此时即可采用适当的灰度窗口对DWI高通滤波的同时对ADC进行低通滤波自动提取出病灶所在范围。详见图1。

图1 DWI序列影像

1.3.2 病灶范围与FLAIR像的融合 FLAIR序列对血管源性水肿敏感，DWI对细胞源性水肿敏感[7]。从弥散加权像取得的病灶区域与FLAIR像对齐在相同坐标系下面，一方面使得后期处理分析更加容易；另一方面FLAIR像携带了更加丰富的组织结构细节，利于临床更加精准的判断。将上述得到的病灶范围与FLAIR像融合，即可同时获得清晰的结构像与DWI高信号和ADC低信号相对应的病灶范围(见图2)。

图2 FLAIR序列影像及病灶提取融合图像

1.3.3 Lesions-vCBF跨组检索及结构可视化 从弥散加权像DWI上的高信号并对应ADC同区域低信号的研判一致性后取出病灶ROI范围，计算ROI内的所有Voxel-CBF，并把各个Voxel-CBF值在FLAIR序列上进行可视化。即可在FLAIR序列上精确看到病灶的vCBF分布，进而对病灶的程度有更精准的了解。通过图3可以看到Lesions-vCBF对比rCBF测量具有以下3个明显优势：①跨影像组自动提取病灶范围；②Lesions-vCBF与FLAIR结构像深度融合可以对病灶与结构的关系一目了然；③Lesions-vCBF的空间分布量化带来更精细的CBF量化结果。

图3 影像组各加权图像及Lesions-vCBF图像

1.3.4 FLAIR像与病灶vCBF的融合与分析 从FLAIR的病灶范围提取影像扫描的三维坐标在世界坐标系下面去索引CBF像的值，可以得到病灶范围的vCBF(见图4)。

图4 FLAIR像上病灶范围的vCBF分布

图4使用MATLAB-2021b软件生成，计算过程如下：首先将FLAIR像与CBF像在系统全局坐标系下进行配准和融合，获得图4右下影像；其次根据图2中的病灶遮罩计算对称的健侧遮罩，并提取对应的vCBF值，分别绘制正排曲线(图4右上和左下)；最后分别将患侧和健侧的vCBF值以不同色阶渲染在FALIR相对应的位置上(图4左上)。从图4中可以明显观察到核心梗死区(蓝色)和半暗带的空间分布范围(青色到橘色)。而且还可以得到病灶范围的VCBF具体数值分布。取vCBF<12.3[8]的部分为核心梗死区，通过上述数据分析，可以求该病灶范围的vCBF>12.3的占比为75.12%。这一计算方法可以明确对半暗带进行精确量化(见图5)。

图5 vCBF的数值分布

1.4 慢性脑供血不足的病例分析 回顾我院临床诊断慢性脑供血不足的入组药物干预数据(服用九旭药业的银杏酮酯滴丸)，可以对病例的干预前后做出以vCBF精确量化评价。图6采用上述相同计算方法，可以获得ROI的Lension-vCBF的数学期望，用于评估病灶的预后情况。这为评估慢性脑供血不足病灶的药物疗效提供了新的更精准的量化评估方法。

图6 Lesions-vCBF慢性脑供血不足的药物干预评价案例

表1中的数据来自10个病灶(图7的结构像位置)的Lesion-vCBF的精确量化，因此可以精确地反映慢性脑供血不足病灶处的药物预后评价情况。表1显示药物干预后慢性脑供血不足的病灶血供提升显著。

表1 慢性脑供血不足的药物干预评价 单位：mL/(100 g·min)

图7 表1病灶在结构像上的位置

以其中10个病灶的预后数据为例进行数据分析，可以得到预后的ΔCBF表现。详见图8。

图8 vCBF 慢性脑供血不足的药物预后ΔCBF

2 讨 论

本研究给出的Lensions-vCBF分析方法使基于磁共振ASL的CBF检测应用在病灶ROI提取、跨影像组精准定位、精确vCBF量化方面取得了突破，改变了rCBF手工定位、结构模糊、无法精准量化的格局，使病灶区域的vCBF精准量化成为了更有效的检测分析方法。通过病例分析显示，Lensions-vCBF分析方法对于急性脑梗死和慢性脑供血不足都能够起到很好的精准量化效果。相较于传统的rCBF方法，Lensions-vCBF分析方法依靠病灶区域提取或者在结构像定义ROI的方式解决了rCBF模糊定位的问题；通过影像跨组索引解决了精准量化的问题；通过对vCBF的数据分析解决了对病灶的空间分布量化问题。Lensions-vCBF适用于与脑血流量有关的各种脑病[9-18]的精确量化及药物预后评价指标。由于ASL的CBF值是瞬时脑血流量，后续研究中需完善多TI值数据采集测量，以完善CBF的准确性，同时为计算vCBV提供良好的数据支持，对ROI形成vCBF、vCBV数据组评价。本团队将继续探索Lesions-vCBF在脑病诊断、评价领域更多的应用场景，特别是功能磁共振静息态、任务态大脑灰质ROI脑血流量的空间分布变化。

3 小 结

通过影像组跨组检索、精准量化的研究方法，将vCBF指标有效地与病灶范围、FLAIR结构像进行了融合；既解决了rCBF彩图无结构影像使ROI定位模糊的问题，同时也取得了病灶范围的vCBF可视化结果，这为病灶及其周边的vCBF量化研究带来了新的手段和方法。急性缺血性脑卒中病例应用Lesions-vCBF计算分析方法采用以解剖结构为背景、适形病灶ROI、与CBF三融合实现对新发脑梗死灶中vCBF定量测量，从而发现DWI高信号区不都是核心梗死区，并提供了可靠的量化数据支撑，证明vCBF空间分布量化的优势。此分析方法同样适用于其他类型的血管性痴呆(VD)病灶分析量化，或者检测脑肿瘤内血流量空间分布情况提供了一种无创安全可靠易行的脑灌注脑血流量测评量化技术。