转移函数分析评估了静止大脑输液指标,使用缺氧诱导的脱氧血红蛋白作为对比剂
Ece Su Sayin1,2, Olivia Sobczyk2,3, Julien Poublanc3
1Department of Physiology, University of Toronto, Toronto, ON, Canada.
Frontiers in physiology
|May 30, 2023
概括
转移函数分析 (TFA) 提供了一种新的方法来计算脑 perfusion 度量,而不需要动脉输入函数 (AIF). 这项研究发现,TFA指标与传统方法相关性很好,显示大脑 perfusion 的区域歧视得到改善.
科学领域:
- 神经成像是一种神经成像.
- 医学物理 医学物理
- 生理学 生理学 生理学
背景情况:
- 血液动力学测量通常需要动脉输入功能的 (AIF) 解卷,以实现声素智能的 perfusion 度量.
- 转移函数分析 (TFA) 提供了一种替代分析方法,绕过了对AIF识别的需求.
研究的目的:
- 调查TFA指标 (Gain, Lag, Gain/Lag) 与传统的AIF衍生的静止 perfusion指标 (rCBV,MTT,rCBF) 之间的对应.
- 与AIF分析相比,评估TFA在区分区域大脑输液方面的有效性.
主要方法:
- 使用非侵入性短暂缺氧诱导的脱氧血红蛋白作为MRI对比剂.
- 在24名健康参与者和1名患者中,应用了TFA和传统AIF分析来计算全脑和区域输液指标.
- 对TFA和AIF指标的灰质/白质 (GM/WM) 比率进行比较,以评估区域歧视.
主要成果:
- 对于静止 perfusion 测量,TFA 的指标与传统的 AIF 分析显示一致.
- 与AIF分析相比,TFA指标 (MTT/Lag,rCBF/Gain/Lag,rCBV/Gain) 的区域GM/WM比率更高,这表明区域歧视加剧.
- 使用过渡性缺氧诱导的脱氧血红蛋白变异进行的BOLD分析,当通过TFA分析时,结果与传统的AIF分析相似.
结论:
- TFA为计算脑 perfusion 度量提供了一个可行的替代方案,消除了对 AIF 识别的需求.
- 与传统的基于AIF的方法相比,TFA在脑输液方面表现出优越的区域区分能力.
- 这项研究支持使用TFA来分析来自过渡性缺氧的BOLD信号,以评估稳健的静止 perfusion.
