在创伤性脑损伤患者中,自动量化扩大周血管空间,使用T2加权图像的超分辨率

科学领域:

• 神经成像是一种神经成像.
• 放射学 放射学是指放射学
• 大脑成像分析分析大脑成像分析

背景情况:

• 周血管空间 (PVS) 对于大脑废物清除和代谢平衡至关重要.
• 扩大PVS (ePVS) 可以通过MRI检测,但使用标准的2D T2w图像很难量化.
• 准确的ePVS量化通常需要高分辨率的3DMRI序列.

研究的目的:

• 评估基于深度学习的超分辨率 (SR) 技术,以改进2D T2w图像的ePVS量化.
• 将这种SR方法应用于创伤性脑损伤 (TBI) 患者.

主要方法:

• 未来在26名志愿者中获得2D和3DT2wMRI,用于SR验证.
• 在41名慢性TBI患者的2DT2w图像上,SR的回顾性应用.
• 在白质和大脑叶中自动定量EPVS体积;匹兹堡睡眠质量指数 (PSQI) 评估.

主要成果:

• SR T2w图像提供了与3D T2w标准 (r=0.98,p<0.0001) 相比的ePVS量化.
• SR准确地反映了与年龄相关的ePVS负担增加 (r=0.80,p<0.0001).
• 睡眠不足的TBI患者表现出与年龄相关的ePVS增加,与全脑和额叶ePVS显著相互作用 (p=0.047,p=0.027).

结论:

• 基于深度学习的2D T2w MRI的SR使可靠的ePVS量化成为可能,可与3D T2w卷进行比较.
• 与年龄相关的ePVS负担在整个白质中一致观察到.
• 由于睡眠不足而导致的淋巴功能受损可能会加速TBI后的ePVS负担增加.