基于MRI的参数推断用于健康和缺血性中风中脑输液建模
T I Józsa1, J Petr2, S J Payne3
1Centre for Computational Engineering Sciences, School of Aerospace, Transport and Manufacturing, Cranfield University, Cranfield, UK.
Computers in biology and medicine
|October 14, 2023
概括
这项研究使用神经成像数据开发了一种用于脑血流 (CBF) 建模的自动化方法. 这种方法可以对急性缺血性中风进行群体级模拟,有助于治疗开发.
科学领域:
- 医疗成像医学成像
- 计算神经科学是一种神经科学.
- 脑卒中研究 脑卒中研究
背景情况:
- 大脑输液建模预测了治疗对中风中大脑血流 (CBF) 的影响.
- 目前的模型仅限于少数患者特定病例,阻碍了组级分析.
- 生理学变化需要对中风治疗疗效进行群体级别的研究.
研究的目的:
- 使用神经成像数据建立用于 perfusion 建模的自动参数推断.
- 启用小组级CBF模拟,用于急性缺血性中风研究.
- 促进中风治疗开发的形临床试验.
主要方法:
- 利用了来自75名健康老年人的MRI数据.
- 从T1加权的MRI计算大脑几何形状,并从ASL输液MRI确定血液动力学参数.
- 在健康和急性缺血性中风病例中进行了输液模拟.
主要成果:
- 验证了大脑几何形状的解剖学适应性,与灰色和白质量体积有很强的相关性.
- 通过比较模拟和参考总脑血流量来验证血液动力学参数调整.
- 在急性中风病例中,模拟心脏病发作体积为197±25毫升,与文献值保持一致.
结论:
- 自动化参数推断方法使集团级CBF模拟成为可能.
- 这种方法为in silico临床中风试验提供了基础.
- 协助开发医疗器械和用于中风治疗的药物.
