基于磁敏感加权成像的深度学习算法模型分析脑浅静脉特征与皮层下深部白质病变相关性

作     者：王雅杰 谢琦 吴军 韩朋朋 谭智霖 廖炎辉 WANG Yajie;XIE Qi;WU Jun;HAN Pengpeng;TAN Zhilin;LIAO Yanhui

作者机构：华南理工大学附属第二医院医学影像科广州510180 广州软件应用技术研究院广州511458 

出 版 物：《磁共振成像》 (Chinese Journal of Magnetic Resonance Imaging)

年 卷 期：2022年第13卷第5期

页      面：17-22页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100101[医学-人体解剖与组织胚胎学] 10[医学] 

基　　金：广州市科技计划项目(编号:201907010020) 

主　　题：磁敏感加权成像 深度学习 磁共振成像 脑浅静脉 脑白质病变 

摘      要：目的 基于磁敏感加权成像(susceptibility-weighted imaging,SWI)图像建立深度学习算法模型分析脑浅静脉(superficial cerebral veins,SCV)形态学参数与皮层下深部白质病变(deep white matter lesions,DWML)之间的关联。材料与方法 招募健康志愿者364名,所有受试者行头颅常规序列及SWI扫描。随机选取其中200名受试者的SWI图像重建得到最小密度投影(minimum intensity projection,MinIP)图像,采用深度学习算法分析MinIP图像,建立SCV形态学特征的自动量化模型。采用该模型分析剩余164名受试者双侧大脑半球SCV的血管直径、曲率等形态学参数。根据有无皮层下DWML将164名受试者分为两组,分别为有皮层下DWML组(共53人)和无皮层下DWML (non-deep white matter lesions,N-DWML)组(共111人)。采用Mann-Whitney U检验对DWML组与N-DWML组的SCV形态学参数进行分析。对差异有统计学意义的指标和皮层下深部白质病变建立二元Logistic回归模型。结果 用于分析SCV形态学特征的深度学习算法模型在训练集的平均准确率为98.19%,在验证集的平均准确率为98.02%,测试集的平均准确率为98.03%。双侧大脑半球SCV的各项量化指标在年龄及受教育年限的分布中差异均无统计学意义(P0.05),但在性别中分布中差异有统计学意义,表现为男性双侧大脑半球SCV血管数量均显著多于女性(右侧P=0.004,左侧P0.05),DWML组的SCV曲率较N-DWML组显著增大(P0.001)。右侧大脑半球SCV曲率与DWML的发生呈显著正相关(回归系数为2.035,P=0.015)。结论 SCV形态学改变与DWML之间存在潜在关联,SCV曲率改变可能通过影响局部血流动力学改变从而导致DWML的发生。