摘要
脑血流是神经元活动以及包括中风、肿瘤和神经退行性疾病在内的多种疾病的敏感指标。动脉自旋标记（ASL）是一种非侵入性磁共振成像（MRI）方法，可以绘制脑灌注图，但由于迄今为止ASL研究的规模有限，识别血流与生活方式、遗传学和疾病之间关系的能力受到限制。本文描述了ASL在英国生物银行成像研究重复成像部分的纳入情况，这是一项前瞻性流行病学研究，已获取100,000个首次扫描数据集，并计划在主要是健康参与者中累积超过60,000个重复扫描数据集，同时收集有关生活方式因素、遗传学和长期健康结果的丰富信息。本文概述了成像协议和分析流程，以及对前7,157名受试者（是此前最大ASL研究的两倍以上）的初步分析。发现了与多种因素的显著关联，包括与心脏和血管相关的因素、酒精摄入、认知任务、白质病变以及听力损失和抑郁症等健康信息。ASL对许多这些因素的敏感性高于其他成像方式，补充了协议中现有的结构和功能测量范围。该资源向全球研究人员开放，我们希望这将促进对健康脑功能和病理生理学的新见解，并可能在长期健康结果积累过程中识别疾病的早期标志物。
引言
脑血流变化出现在广泛的神经血管疾病中，包括血管性痴呆、阿尔茨海默病、中风和脑肿瘤，有时甚至在临床症状出现之前就已存在（Donahue等人，2018；Gorelick等人，2011；Luna等人，2023）。这些变化也反映了健康大脑中波动的代谢需求，表明在特定任务期间哪些区域更活跃或不活跃（Phillips等人，2016）。因此，能够非侵入性地绘制脑血流图提供了理解健康脑功能、病理生理学的机会，并可能提供疾病的早期标志物，从而实现更早的干预和改善患者预后。
磁共振成像（MRI）允许使用称为动脉自旋标记（ASL）的技术非侵入性地测量脑灌注，无需外源性对比剂注射。在该方法中，流入的血液水被磁性标记，从而可以量化其在脑组织中的积累，进而量化区域灌注（Detre等人，1992；Williams等人，1992）。迄今为止，ASL主要用于针对特定疾病的小规模、目标明确的研究，尽管已进行了一些较大规模的应用，如人类连接组项目（HCP，n≈3,000个ASL数据集）（Bookheimer等人，2019；Harms等人，2018；Juttukonda等人，2021；Kirk等人，2025）、阿尔茨海默病神经影像学计划（ADNI，n≈1,300）（Thropp等人，2024）、爱尔兰国家队列（n≈500）（Leidhin等人，2021）和遗传性额颞叶痴呆倡议（GENFI，n≈300）（Pasternak等人，2024）。然而，要理清脑灌注、生活方式因素、遗传学和病理学之间复杂且可能微妙的关系，需要研究更大规模的人群，并提供来自详细表型、基因型和健康记录访问的关联数据。为了在症状出现前识别疾病的早期标志物，此类研究还需要是前瞻性的，并能长期获取健康结果数据。
英国生物银行成像研究（Littlejohns等人，2020；Miller等人，2016）是更大规模的英国生物银行前瞻性纵向流行病学研究（Sudlow等人，2015）的一部分，已在专门的成像中心对100,000名参与者进行了扫描，使用相同的MRI硬件和软件，包括脑部、心脏和身体成像协议。还提供了来自详细生活方式问卷、生理测量、基因分析以及通过国家医疗服务体系获取长期医疗记录的数据。在2006年至2010年间招募了50万名中年到老年人（40-69岁），以在合理的时间范围内提供有关晚年常见疾病和特征的信息。其中60,000名受试者将被带回进行重复成像。直到最近，脑成像协议仅包括结构成像方式（T1加权、T2加权液体衰减反转恢复、易感性加权成像）、扩散加权成像以及任务和静息态功能性MRI，这些都不能直接提供有关脑生理的信息。
本文描述了最近将ASL添加到英国生物银行成像协议中的情况。这将在受试者重复访问期间对所有受试者进行，目标是在2028年底之前获取超过60,000个第二次扫描数据集。本文描述了ASL协议和处理流程，以及对7,000多名受试者的初步分析，以展示该数据集的潜力。这些数据将在英国生物银行中提供一种新的数据资源，研究人员可以利用它探索脑灌注与生活方式因素、遗传学和疾病过程（包括多器官共病）之间的详细关系。
结果
ASL协议和分析流程概述
英国生物银行脑成像协议的持续时间限制在约35分钟内，以便在四个专门的成像中心保持足够高的参与者吞吐量，以完成这些大型队列的扫描。通过将任务功能性MRI（fMRI）协议的持续时间从4分钟缩短至2分钟，为重复扫描协议中添加ASL创造了条件，打开了一个2分钟的时间窗口。虽然这比典型ASL扫描（约5分钟）要短，但经过仔细的协议优化后，我们发现它足以生成可靠的数据。
经过试点，结果表明该研究的最佳协议是多后标记延迟（PLD）伪连续ASL（PCASL）（Dai等人，2008），带有背景抑制（Ye等人，2000）和分段3D梯度和自旋回波（3D-GRASE）读出（Günther等人，2005）。该协议在成像速度、信噪比、运动敏感性和分辨率之间提供了可接受的平衡（详见方法部分的进一步讨论）。多PLD方法的使用允许同时估计定量组织灌注和动脉传输时间，从而保持对脑区和受试者之间血流到达延迟的稳健性。动脉传输时间本身也是一个有趣的生理参数（MacIntosh等人，2010）。然后将此协议纳入英国生物银行脑成像研究。本文将描述来自ASL的前7,157名受试者的结果。
还为该项目开发了一个稳健、自动化的后处理流程。获取的ASL数据和图像分析流程概述见图1。简而言之，获取的ASL数据经过运动和失真校正，图像对相减以分离灌注加权信号，进行动力学模型拟合，并将信号校准以产生每个受试者的绝对灌注（脑血流量，CBF）和到达延迟（动脉传输时间，ATT）图。这些图还进行了非线性配准到标准模板，以便进行受试者间比较。协议和分析流程的更多细节见方法部分。
图像衍生表型（IDP）生成
计算了每个受试者CBF和ATT图的摘要度量，作为各种感兴趣区域（ROIs）内的平均值，包括主要脑叶、皮下结构和血管区域。其中许多局限于灰质，因为ASL信号在灰质中更可靠，尽管也包括了一些较大白质区域的ROI。这导致每位受试者有50个基于ASL的图像衍生表型（IDPs）。
对IDPs和体素级图进行了去混淆处理（Alfaro-Almagro等人，2021），以消除诸如年龄、性别、成像站点和头部大小等因素的影响，还包括血细胞比容（已知通过血液弛豫率影响ASL信号（Lu等人，2004））和皮层厚度（以减轻部分体积效应）。
数据质量和简单关联
尽管每位受试者的扫描时间较短，但在此队列中（去混淆前）稳健地证明了CBF随年龄下降和ATT随年龄增加的预期强烈趋势（图2A），以及女性比男性CBF更高的趋势（图2D）。数据质量还通过大脑大部分区域可见的与年龄的强相关性（图2B）以及看到更细微变化的能力得到证明，例如全天CBF降低和ATT增加（图2C），与先前观察结果一致（Hodkinson等人，2014）。
预期对血细胞比容的强烈敏感性也在去混淆前被观察到，然后被去混淆过程消除（图2E），这突显了在探索与其他因素的关联之前去除混淆因素的重要性。在这样一项有大量受试者的研究中，即使是细微的（有效或人为的）关联也可以被检测到，去混淆应限制潜在误导性关联，例如脑灌注和饮食因素之间的关系，而这种关系完全由血细胞比容介导。
动脉传输时间分布和后标记延迟建议
此处收集的大量多PLD ASL数据允许探索人群中的ATT分布（图3）。这对单PLD ASL获取具有影响，其中PLD需要超过每个受试者存在的最大ATT，以避免CBF低估，但过长的PLD会导致灌注信号减弱。了解传输时间分布也有助于设计优化的多PLD协议（Woods等人，2024，2019）。这些分布与先前在老年受试者中单PLD建议为2秒大致一致（Alsop等人，2015），这超过了该队列中98%以上的灰质体素的ATT，尽管需要高达2.5秒的PLD才能在99%受试者的99%灰质体素中准确估计CBF，特别是在老年人中。然而，需要注意的是，此处使用的多PLD协议对极度延迟的血流到达（ATT > 3.8秒）不敏感。
ASL与其他测量之间的关联
在IDP生成和去混淆后，我们计算了ASL IDPs与英国生物银行中数千种生活方式、健康和生理测量之间的单变量关联。图4A显示了按类别分组的这些关联的显著性曼哈顿图。即使在去混淆和校正多重比较后，也发现150多种非成像测量与至少一个ASL IDP显著相关（总共1,439个关联通过了错误发现率阈值，每个非成像测量最显著的关联列于补充表1中）。有趣的是，48%的这些非成像因素与ATT的关联比与CBF更强，表明ATT提供了与血流互补的信息，突显了使用多PLD ASL方法的额外优势。
这些显著关联中有许多与大规模物理、心脏和血管因素有关，但也有许多其他类别具有显著关系，包括生活方式、食物和饮料、认知表现和健康数据。这些因素可以回归到体素级灌注数据中，生成这些关联的空间图，有助于解释（图4B）并帮助识别可能是人为的关联情况（补充图1中给出了一些示例）。
这些空间图显示，一些非成像测量与大范围灌注差异相关。可以为其中一些关系生成生理假设：例如，较高的心输出量与较短的ATT相关（可能由心脏到大脑的血液移动更快驱动），较高的外周阻力与较长的ATT相关（增加的血管阻力预计会导致血流到达更慢），较高的平均红细胞血红蛋白与降低的CBF相关（因为每个红细胞可以向组织输送更多氧气（Van Der Veen等人，2015））。受试者身高可能影响不同体型个体的血流调节方式，特别是在扫描仪中仰卧时，从坐姿到仰卧姿势移动时，前循环与后循环之间的血流增加更大（Possnig等人，2025）。咖啡摄入量（自我报告的每日杯数）也与大脑大多数区域的CBF降低相关，最可能归因于咖啡因对心脏和血管功能的急性药效学影响（Addicott等人，2009）。
其他关联更具空间特异性：例如，酒精摄入与大脑整个区域的CBF降低相关，但在慢性酒精中毒中已知受影响的额叶区域尤其高度相关（Kuruoglu等人，1996）；高血压与较长的ATT相关，特别是在深部灰质区域，这些区域由容易发生高血压相关动脉硬化的深部小穿透动脉供应（Hainsworth等人，2024）；完成数字路径认知测试的时间与特定区域（包括右操作皮层）的CBF降低相关，该区域已知与认知控制反应选择相关（Higo等人，2011）。
ASL敏感性
尽管我们发现了ASL IDPs与许多非成像测量之间的显著关联，但其他结构或功能性脑成像方式可能提供可比信息。为了探索ASL是否比其他成像方式更敏感，比较了不同方式IDP组与ASL对每个非成像测量的关联显著性（详见方法部分）。在上述153个非成像测量中，ASL在69个（45%）测量中与ASL相比与其他方式具有显著更强的关联（图5A中超过错误发现率阈值的点所示，也列于补充表2中），表明ASL提供了超出其他方式的附加信息。
我们发现ASL对某些健康测量特别敏感：例如，经历过抑郁发作的受试者ATT较长，特别是在左额极，该区域此前报道称在抑郁症中受影响（Bludau等人，2016；Veer，2010）。ATT关系显著（图5B），并且在其他此前发现受抑郁症影响的大脑区域中存在低于阈值的CBF降低（补充图2）。
ASL对听力损失也特别敏感：在Heschl回（听觉处理的主要区域）以及前中央皮层和额叶等功能下游区域中发现CBF降低（Hakonen等人，2017）。此处发现的右半球听力困难关联更强此前已有报道（Ponticorvo等人，2019）。这可能反映了右Heschl回角色的差异（例如，源于其对频率特异性处理的专业化（Warrier等人，2009）），或者因为该区域在右半球中解剖结构更一致（Ren等人，2021），使关联更容易检测。还发现广泛ATT增加与听力损失相关。
与其他成像方式的相关性
在此大型队列中同时获取ASL数据与多种其他脑成像方式的机会提供了探索它们之间关系的可能性。ASL IDPs与来自其他脑成像方式的许多IDPs强烈相关（至少与一个ASL IDP有1,772个显著相关性，列于补充表3中），特别是与区域/组织体积、组织强度、T2*测量、定量磁化率映射（QSM）、白质扩散张量成像（DTI）指标和静息fMRI节点振幅相关（图6）。
这些相关性的空间图揭示了一些有趣的模式。例如，下顶叶中的白/灰质对比与同一区域以及包括壳核在内的深部灰质区域中较高的CBF相关。类似地，内嗅皮层中较高的对比与该区域以及腹侧颞叶区域中较高的CBF相关。这种较高的对比可能反映了"更健康"的脑组织（Jefferson等人，2015；Salat等人，2009），具有更高的代谢需求，并对其强烈连接的其他区域产生下游影响。
白质高信号（病变）的较大体积，随着衰老和神经退行性疾病而出现（Dadar等人，2022），与同一区域中CBF降低相关。这展示了在此大型队列中，我们的协议对白质灌注变化的潜在敏感性，尽管在这些区域使用ASL存在挑战（van Gelderen等人，2008）。尽管可能存在伴随的脑萎缩导致部分体积对观察到的脑室周围CBF变化的贡献，但CBF降低区域远超脑室边界，并且存在ATT的相应增加，对部分体积混淆因素的敏感性较低。在深部白质中也看到了类似的变化，部分体积效应不太可能发生。CBF和ATT相关图也与白质区域（如后丘脑辐射）中的DTI指标相吻合，较高的CBF与较高的分数各向异性相关，这是被认为对组织完整性敏感的另一种测量（Raghavan等人，2020）。
还发现了与深部灰质信号强度（T1w成像上）和T2的强相关性。尽管组织弛豫特性变化可能导致直接信号调制影响CBF估计，但我们分析流程中的体素级校准应消除这些影响。这些观察结果可能源于深部灰质区域中铁积累与组织健康之间的关系（Madden和Merenstein，2023），例如，驱动较长的T2（铁积累较低）与较高的CBF（代谢更活跃的组织）之间的相关性。
ASL和静息态fMRI IDPs之间的强关联也被观察到。这里我们仅对这些复杂关系进行了初步探索，并将我们的分析限制在ASL和rfMRI节点（区域）振幅之间的较强关联，而不是连接性。ASL和rfMRI节点振幅之间的关联空间图（图7）显示，在与给定节点相关的区域内相关性更强，和/或在这些区域外相关性更负。事实上，节点掩模内部的平均相关系数显著大于外部（P = 0.007）。我们推测这可能由以下因素之间的复杂相互作用驱动：a)相关rfMRI节点区域中更高的代谢需求和因此更高的CBF，可能以牺牲其他脑区血流为代价；b)当基础CBF较高时BOLD信号波动的潜在抑制（Stefanovic等人，2006）；以及c)其他混淆因素，特别是在神经血管耦合受损的受试者中（Amemiya等人，2012）。然而，需要进一步工作来解开这种复杂关系。
最后，空间相关图也可能有助于识别可能由伪影驱动的显著关系。例如，许多体积IDPs与CBF强相关，但这些关联可能由部分体积效应或动脉信号对结构成像IDPs的影响驱动（补充图1中给出了一些示例）。
讨论
英国生物银行中的灌注成像
将ASL引入英国生物银行脑成像研究代表了该协议中可用的第一个直接生理测量，补充了已提供各种应用中令人兴奋的新见解的现有结构和功能信息，例如（Cox等人，2019；Elliott等人，2018；Miller等人，2016；Wang等人，2022）。据我们所知，本初步研究中呈现的7,157个数据集比现有最大ASL研究（人类连接组项目中的约3,000名受试者（Bookheimer等人，2019；Juttukonda等人，2021；Kirk等人，2025））大两倍以上，并且在数据收集完成时将大一个数量级（60,000名受试者）。这为探索脑灌注测量与生活方式因素、遗传学和疾病过程之间的关系打开了无数可能性，这些可能性以前无法实现，得益于英国生物银行中可用的丰富表型、遗传和健康结果数据。
尽管可用的扫描时间很短，但ASL测量与已知因素（如性别、时间点和年龄）之间的稳健相关性，甚至在体素级别，表明数据质量足以保留对广泛生理差异的敏感性。本研究的大规模和多PLD协议的使用允许稳健地定义该队列中的ATT分布，为其他研究中设计ASL协议提供指导。虽然在白质区域中看到较长的ATT（例如，参见图1中的组平均值），但我们提醒不要对这里得出的白质ATT分布进行强烈解释，因为本研究中使用的PLD范围以及数据固有的低信噪比可能不足以可靠地估计某些白质区域中的ATT（van Gelderen等人，2008）。层间模糊效应也可能用更强的附近灰质信号污染弱白质信号，使得出的分布产生偏差。
所导出的ASL指标的敏感性也通过与成像和非成像测量的广泛强关联得到证明，这些关联在本初步研究中被发现。除了与心脏和物理因素的预期关联外，还可以识别出更微妙的关联，例如与酒精摄入相关的额叶CBF降低，听力损失者中负责听觉处理的大脑区域灌注变化，经历过抑郁发作者的灌注变化，甚至白质各向异性较高（通常被视为"结构完整性"的代理）的白质束中较高的白质CBF。这些只是本初步研究中发现关联的一小部分。英国生物银行中可用的广泛表型信息将允许在后续研究中更详细地研究此类关系，特别是随着数据集数量继续增长，提供更大的统计能力。
挑战
ASL可用的两分钟成像时间非常有限，这意味着每位受试者的个体数据相对嘈杂。这可能导致单变量分析中与其他成像和非成像变量的相关系数相对较小，尽管其他英国生物银行成像研究报告了可比水平的关联（Miller等人，2016；Wang等人，2022），表明这在类似规模的成像研究中是一个共同特征。然而，大量受试者提供的统计能力使这些相关性达到显著性，强调了进行仔细去混淆和有意义性评估的必要性，例如通过使用空间图来识别潜在的人为相关性。本文发现的许多关联可解释且与先前文献一致，但如前所述（Miller等人，2016；Smith和Nichols，2018），必须注意避免将关联解释为因果关系，因为两个测量中的相似变化可能由单独因素间接驱动。将ASL与其他成像和非成像测量结合在多变量分析中可能有助于提高解释性，并在未来研究中解释数据中更大比例的方差（Miller等人，2016）。
协议设计中做出的另一个妥协是空间分辨率和敏感性之间的妥协。相对粗糙的体素大小（3.4×3.4×4.5 mm），加上3D-GRASE读出的层间模糊效应（Günther等人，2005），导致显著的部分体积效应。这里通过在去混淆过程中包含皮层厚度来减轻这一点，尽管在未来ASL分析流程的迭代中，需要一种了解层间模糊的区域特定校正方法（Boscolo Galazzo等人，2014）。迄今为止最大的ASL研究——人类连接组项目（HCP）——做出了不同的协议选择，使用不会受到层间模糊影响的同时多切片读出，以及相对较高的空间分辨率，但没有背景抑制（Bookheimer等人，2019），偏向空间保真度而非信噪比效率。结合这两个数据集的相对优势可能是未来研究的一个令人兴奋的途径。
英国生物银行数据集的庞大性排除了完全手动的质量控制。在本研究中，如果受试者的T1加权结构图像被认为质量不足（Alfaro-Almagro等人，2018），则排除受试者，这会阻止准确的组织类型分割和配准，并将来自静息态fMRI的运动相关参数包括在潜在混淆因素中。然而，与其他大多数成像方式一样，没有直接从ASL数据中得出质量控制措施。未来可能有益于ASL的自动质量控制（Dolui等人，2024）。
该数据集可能为与其他研究的比较提供有用的规范性脑灌注分布。然而，脑成像数据的定量协调具有挑战性（Pomponio等人，2020），对于ASL数据可能更具挑战性，因为使用了广泛的ASL标记策略、定时、背景抑制方法、读出方法（影响点扩散函数）和处理流程（Hernandez-Garcia等人，2022），以及跨扫描仪制造商、硬件和软件版本的通常变化。该领域的许多工作正在进行中（Warrington等人，2023），但专注于ASL的额外研究将是有益的。
未来前景
随着ASL数据集数量的积累，该资源将提供增加的统计能力，以探索受试者之间细微的灌注差异及其与生活方式和健康因素的关系。探索脑灌注的遗传关联也将变得可行，通过例如识别可能调节脑血流的新靶点，这对一系列脑血管疾病可能具有影响。
随着时间的推移，额外的健康结果将开始积累，如阿尔茨海默病、中风和血管性痴呆，允许研究人员回顾英国生物银行在诊断前获取的灌注数据，并回顾性识别临床疾病风险的标志物，从而指导未来更早诊断和干预的前瞻性研究。ASL也是脑年龄的敏感标志物，如本文和其他研究所示（Dijsselhof等人，2023）。将ASL与结构、扩散和功能性成像中的其他特征结合，可能会提高脑年龄增量（受试者真实年龄和预测年龄之间的差异）对各种疾病过程的敏感性（Smith等人，2019）。本文展示了一些关于灌注和静息态fMRI之间联系的初步发现，但显然这是一种复杂的关系，既涉及驱动fMRI对比的机制（Blockley等人，2013），也涉及神经活动和代谢之间的潜在关联，无论是在健康还是疾病中。这个大型数据集将帮助研究人员更详细地探索这些关系，并可能例如导致方法，去除静息fMRI信号中由生理过程而非神经活动驱动的部分。
英国生物银行灌注成像资源补充了现有成像方式，并为研究人员提供了探索脑血流与该大型研究中可用的各种其他生活方式、遗传和健康结果数据之间新联系的广泛机会。
方法
伦理
英国生物银行研究获取和分发参与者数据和样本的伦理批准通过西北多中心研究伦理委员会获得，这些伦理法规涵盖本研究的工作（
受试者人口统计
英国生物银行研究在基线时招募了50万名年龄在40至69岁之间的参与者（Sudlow等人，2015）。其中100,000名已接受成像研究扫描（Miller等人，2016），其中60,000名将返回进行重复成像，ASL包含在成像协议中。在本工作中，包括了2023年10月数据发布中具有ASL数据和通过质量控制的T1加权成像的7,157名参与者（Alfaro-Almagro等人，2018）。参与者在成像访问时的平均年龄为66.8 ± 7.7岁（范围51-84），53.8%为女性。
成像协议
包括结构、扩散和功能性MRI的原始英国生物银行脑成像协议先前已有详细描述（Miller等人，2016）。扫描在3T西门子Skyra系统（软件版本VD13D）上进行，使用32通道接收头线圈，在四个专门的成像站点进行。在协议的最新版本中，任务fMRI从4分钟缩短至2分钟，允许添加2分钟的ASL协议而不延长总扫描时间。由于ASL是一种内在低信噪比（SNR）技术，协议选择必须在此短采集窗口内仔细平衡SNR、空间分辨率、模糊、运动稳健性和对各种动脉传输时间的敏感性。
经过仔细试点，我们得出了具有以下关键特征的协议：1）1.8秒平衡伪连续ASL（PCASL）准备（Dai等人，2008），以标记流入的血液，如先前推荐的（Alsop等人，2015），标记平面平行且位于成像体积中心下方90毫米；2）背景抑制方案，以最小化生理噪声和受试者运动的敏感性（Ye等人，2000），由预饱和模块和两个全局反转脉冲组成，定时以使T1值约为700毫秒和1400毫秒的组织（大致对应于灰质和白质的值）在读出前100毫秒时无效（Günther等人，2005）；3）五个后标记延迟（PLDs），范围从400毫秒到2000毫秒，步长为400毫秒，以更好地量化存在跨脑区和个体的可变动脉传输时间（ATT：血液从标记平面到脑组织所需时间）情况下的脑血流量（CBF），并进一步允许也将ATT估计为一个有趣的参数，每个PLD分别最小化重复时间；4）信噪比高效的2-shot 3D梯度和自旋回波（3D-GRASE）读出（Feinberg和Oshio，1991；Günther等人，2005），左右相位编码，29毫秒回波时间，体素大小3.4×3.4×4.5毫米，32层，120°重聚焦脉冲翻转角和6/8层部分傅里叶（导致12的涡轮因子），以最小化读出持续时间，提供成像速度、运动敏感性、层间模糊和背景抑制效率之间的良好折衷；5）没有PCASL标记或背景抑制的校准（M0）图像，重复时间为5390毫秒，以允许CBF以绝对单位（毫升血液/100克组织/分钟）量化。
这导致采集时间恰好为2分钟。与fMRI和DTI协议不同，后者使用强切片倾斜以最小化覆盖大脑所需的切片数量，ASL协议使用横断/轴向切片方向，以防止标记平面（自动定位平行于成像区域）在距离等中心较远的地方与脑供血动脉相交，那里B0均匀性较差，导致初步测试中标记效率降低。为了适应这种方向，切片方向使用了更大的144毫米视场，应涵盖约99.5%或更多的受试者整个大脑，考虑到随年龄减少的脑大小（Mennes等人，2014）。完整协议的副本可在线获取：
图像处理流程
基于FMRIB软件库（FSL）（Jenkinson等人，2012）中的BASIL工具箱（Chappell等人，2023）开发了一个稳健、自动化的后处理流程。预处理包括校正梯度非线性（Alfaro-Almagro等人，2018）、受试者运动（Jenkinson，2002）和B0诱导的失真（使用从blip-up/down扩散数据导出的场图（Andersson等人，2003））。然后将对照-标签图像对相减，以分离每个PLD的灌注加权信号。
使用变分贝叶斯框架（Chappell等人，2009）对一般ASL动力学模型（Buxton等人，1998）进行拟合，纳入宏观血管成分（Chappell等人，2010）。然后将信号体素级校准，以产生每个受试者的绝对CBF和ATT图，以及参数精度的体素级估计。由于3D-GRASE读出的层间模糊效应带来的额外复杂性，本流程中未应用部分体积校正（Chappell等人，2011）。我们计划在分析流程的未来版本中开发并纳入模糊感知的部分体积校正。
ASL数据与受试者T1加权解剖图像之间的对齐通过线性配准（Jenkinson，2002）实现，使用PLD平均后的对照-标签相减图像（与原始ASL数据相比具有更好的灰白质对比）与T1加权结构之间的对应关系进行脑边界配准（Greve和Fischl，2009）。每个受试者T1加权结构图像到MNI152模板的非线性配准先前已完成（Alfaro-Almagro等人，2018），允许所有CBF和ATT图转换到标准空间以进行受试者间分析。
图像衍生表型生成
IDP生成的感兴趣区域（ROIs）在标准空间或每个受试者的结构空间中定义，然后变形回ASL数据的本机空间，再提取CBF和ATT的精度加权平均值（即，对拟合过程中对估计参数更有信心的体素进行加权）作为IDPs。灰质ROIs包括整个大脑、皮层、单独的右和左半球主要脑叶和小脑（在标准空间中从MNI图谱定义），以及右和左颈内动脉和椎基底动脉的主要脑血管区域（不包括小脑）。规范血管区域ROIs基于MNI模板（Mutsaerts，2015）生成，该模板源自先前工作（Tatu等人，1998），将前和中脑动脉掩模合并形成颈内动脉掩模。为了改善不同血管区域信号的分离并解释这些区域在受试者间的某些变异性，这些掩模首先通过3×3×3核腐蚀，然后通过5×5×5核腐蚀（在2毫米各向同性分辨率下），但仅当核内存在另一个血管区域时才移除体素。所有灰质ROIs还使用受试者特定的灰质掩模（定义为给定体素内灰质超过70%）进一步优化。尾状核、壳核和丘脑掩模也使用FSL FIRST（Patenaude等人，2011）从每个受试者结构图像的分割中导出。还包括脑白质ROIs，包括仅左右半球（阈值为80%）。
【全文结束】
