Page 143 - 南京医科大学自然版
P. 143

第44卷第6期                  张逸悦，王 峰. 人工智能与PET/MR在帕金森病诊断中的应用［J］.
                  2024年6月                     南京医科大学学报（自然科学版），2024，44（6）：876-881                        ·879 ·


                MR 成像，SPECT 图像上纹状体处多巴胺转运体摄                        特征、识别模式和建立模型，提高影像组学的自动
                取减少，无法有效区分二者；PET/MR 图像上 PSP显                      化和高效性，实现对大规模影像数据的快速分析和
                示纹状体和丘脑葡萄糖代谢减少，PD并未出现此现                           处理。
                象，可有效鉴别 PSP 和 PD。Chen 等        ［31］ 对 PD 和健康          机器学习结合影像组学模型鉴别诊断 PD 的研
                               18
                                                18
                对照者依次开展 F⁃DOPA⁃PET/MR、F⁃DOPA⁃PET/                 究通常选用 MR 图像，因为其可提供形态和纹理特
                CT扫描，PET/MR能提供更好的图像质量，并排除微                        征，常用图像包括 T1WI、T2WI 和 FLAIR 序列图像，
                出血干扰，可定量分析多巴胺神经元数量，在PD早                           MR 图像无法提供代谢信息和分子标志物，使其在
                期诊断方面有显著优势，甚至可以发现前驱期 PD。                          早期诊断和发病机制探索中存在局限性                   ［35］ 。PD 和
                孙逊等   ［32］ 回顾性分析了 F⁃FDG⁃PET/MR 检查的                MSA 均属于α⁃突触核蛋白病，早期症状经常重叠，
                                       18
                24 例 PD、10 例 MSA 和 6 例 PSP，在 3 种典型的帕金             α⁃突触核蛋白是 PD 的新靶标，有望揭示 PD 的发
                森综合征（PD、MSA 和 PSP）特定脑区中，两者存在                      病机制   ［36］ 。Sun 等 ［37］ 利用多模式 PET/MR 放射组
                相似模式，PD 组糖代谢和血流灌注均高于 MSA 组                        学和临床特征构建机器学习模型，从 T1WI、T2WI、
                和 PSP 组，证实该技术具有鉴别诊断价值。综上，                         T2⁃FLAIR、C⁃CFT⁃PET 和 F⁃FDG⁃PET 图像中提取
                                                                            11
                                                                                          18
                PET/MR 为帕金森综合征的鉴别诊断提供了一种可                         放射组学特征，并使用MRMR算法及最小绝对值收
                靠诊断技术，并能指导神经变性疾病的治疗。                              缩和选择算法（least absolute shrinkage and selection
                    PET/MR 多参数和多模态成像结合了 PET 功能                    operator，LASSO）进行特征选取，以多元逻辑回归算
                成像和 MR 分子成像，同时获取代谢活动和解剖结                          法构建放射组学模型和放射组学⁃临床模型，应用受
                构信息。MR可以发现PD患者大脑的结构异常，如                           试者工作特征曲线下面积评估诊断效能，以区分PD
                黑质和红核的萎缩，脑室扩大等，并发现大脑的功                            和 MSA。然而，PET 和 MR 图像是从不同设备获得
                能异常，如脑区连接性改变。故 MR 能准确定位                           的，而不是一体化 PET/MR；单独 PET 和 MR 图像可
                PET 图像中的代谢活动区域和范围，更全面地评估                          能存在一些配准和一致性方面的挑战，这可能会影
                PD 脑功能和结构变化。此外，PET/MR 还可以有效                       响模型的性能。
                鉴别诊断 PD 和其他神经变性疾病              ［33］ ，如路易氏体            一体化PET/MR系统结合了两种最佳脑成像模
                痴呆（dementia with Lewy bodies，DLB）。DLB主要病          式，实现一站式获取结构、功能和代谢图像，确保其
                理改变在新皮层和边缘系统，结构变化类似于阿尔                            在时空的一致性。Hu 等          ［38］ 首次利用 F⁃FDG⁃PET/
                                                                                                    18
                茨海默病（Alzheimer’s disease，AD），有广泛性脑萎               MR 探索最佳的放射组学特征，建立临床⁃放射组
                缩，与 AD 不同的是，DLB 的颞中叶相对完好；同步                       学集成模型来区分 PD 和 MSA。研究以双侧壳核
                PET/MR 在神经系统变性疾病的诊断中具有显著优                         和尾状核作为感兴趣区域，选取了 PET 代谢图像
                势，能实现神经病理的可视化，又能发现脑功能和                           （ F ⁃ FDG）、结 构 性 MR 图 像（T1WI、T2WI 和 T2 ⁃
                                                                   18
                连接异常，能准确定位脑分区。                                    FLAIR）和功能性 MR 图像（磁敏感加权成像和弥散
                                                                  扩散成像中的表观弥散系数图像）来提取放射组学
                3 AI模型结合PET/MR在PD诊断中的应用
                                                                  特征。其中放射组学特征选择和模型构建使用了
                    PET/MR 应用于 PD 诊断对从业技术人员的要                     MRMR算法和LASSO方法，多变量逻辑回归分析算
                求较高，图像解读费时费力。AI具有精准分析大量                           法构建了多模态放射组学模型。结果证明，与单序
                数据集的潜力，AI 与 PET/MR 相结合的技术成为研                      列和临床模型相比，多模态放射组学模型在区分
                究热点，研究集中在深度学习网络对 PET/MR 图像                        PD和MSA方面表现更好。由于该研究样本量相对
                进行衰减矫正或重建，提高图像质量方面                   ［34］ 。影像     较小，自动绘制感兴趣区域的方法尚不够准确和
                组学是一种利用医学影像数据进行定量分析和模                             稳定，模型稳定性和可靠性可能受到一定程度的
                式识别的方法，旨在从影像中提取有关疾病诊断、                            影响，所以扈雪晗等          ［39］ 尝试以不同分割方法构建
                治疗预测和疾病进展等方面的信息。影像组学建                             18 F⁃FDG⁃PET/MR 影像组学模型来区分这两种变性
                模需要专业医师来标注多样复杂的数据集，耗费大                            疾病。收集 F⁃FDG⁃PET/MR 影像数据，对 F⁃FDG
                                                                             18
                                                                                                         18
                量的时间和精力，图像特征提取也需要专业的知识                            和 T1WI 图像进行影像组学特征提取，MRMR 算法
                和经验，对临床从业人员的要求较高。将AI与影像                           和LASSO方法进行特征选择，将筛选出的特征结合
                组学相结合后，AI技术可自动从海量数据库中提取                           其权重建立相应的影像组学模型，评估了不同分割
   138   139   140   141   142   143   144   145   146   147   148