利用数据驱动方法改进动态影像技术在脑血管疾病中的脑血流测量 - 心脑血管

利用数据驱动方法改进动态影像技术在脑血管疾病中的脑血流测量Using Data-Driven Methods to Improve Brain Blood Flow Measurements in Cerebrovascular Disease with Dynamic Imaging | American Journal of Neuroradiology

环球医讯 / 心脑血管来源：www.ajnr.org美国 - 英语2025-09-19 05:51:25 - 阅读时长2分钟 - 941字

本研究提出了一种基于随机森林分类器的创新数据驱动方法，用于改进脑血管疾病患者的脑血流测量。该方法突破了传统单侧疾病参考标准的局限性，能够为双侧或病变分布不确定的患者提供个性化的全脑参考脑血管反应性值。通过对16名单侧狭窄闭塞性疾病患者的回顾性分析，研究证实该方法能准确识别用于归一化的候选体素，中位数绝对百分比差异在灰质为11.3%、白质为9.8%。在双侧疾病病例的初步应用中，该技术成功实现了不依赖对侧参考的体素级评估，有望显著扩展脑血管反应性测量在SPECT或PET等血流动力学研究中的应用范围，为复杂脑血管疾病的诊断和治疗提供更精准的影像学依据。

背景与目的

脑血管反应性(CVR)是脑血流动力学广泛研究的生物标志物，常用于狭窄闭塞性疾病(SOD)患者的风险分层和治疗规划。传统方法依赖于将估计值归一化到对侧半球参考值，这种方法不适合双侧或不确定分布的疾病。我们报告了一种定制的数据驱动方法，利用随机森林分类器(RFc)来识别用于归一化的候选体素，以便在已知单侧SOD条件之外进行检测。

材料与方法

我们回顾性分析了16名接受乙酰唑胺增强血氧水平依赖MRI和DSC灌注的单侧SOD患者。通过使用留一交叉验证(LOOCV)训练了三个RFc模型，以识别全脑范围内CVR在正常半球中位数10%以内的候选体素：1)所有体素；2)仅灰质；3)仅白质。模型输入特征包括同时获取的DSC中的达峰时间、平均通过时间、CBF和CBV。将中位数模型预测的参考脑血管反应性(CVRref)与LOOCV中的真实中位数进行比较，并评估其对基于阈值的CVR减少体积分类的影响。

结果

RFc模型有效预测了真实CVR体素，使用所有体素的中位数绝对百分比差异为12.8%(四分位距[IQR]: 5.0%–18.9%)，仅灰质为11.3%(IQR: 9.3%–16.1%)，仅白质为9.8%(IQR: 4.4%–16.9%)。模型在不同阈值下的CVR减少体积估计显示，真实值与模型估计值之间存在极好的一致性，没有统计学显著差异(P > .01)，除了最低的白质CVR阈值外。在双侧SOD病例的小型试点应用中，模型展示了潜在的实用性，能够在不依赖对侧参考的情况下进行体素级CVR评估。