基于智能分割分析脑小血管病患者白质高信号与认知功能的相关性研究

作者：费贝妮; 成宇; 刘颖; 张广征; 王鹤; 吴卫文; 丁晶^*; 汪昕

来源：中国临床神经科学, 2021, 29(03): 265-271.

• 脑小血管病
• 脑白质高信号
• 人工智能
• 磁共振成像
• 认知功能

目的建立智能白质高信号(WMH)分割算法,分析脑小血管病(CSVD)患者WMH总体积和不同脑区WMH体积,并探讨其与认知功能的相关性。方法建立智能WMH分割算法,对CSVD患者头颅MRI显示的WMH分别进行智能WMH分割算法及人工勾画方法分析。采用Dice相似系数比较两种方案的一致性。采用神经心理量表多维度联合评估患者的认知功能,分析不同脑区WMH体积与认知功能的相关性。结果共纳入249例CSVD患者。建立智能影像系统并验证:智能算法分割WMH总体积与人工勾画方法比较具有显著相关性(r=0.896,P<0.000 1);66.7%的脑区(26/39例)智能WMH体积与人工勾画比较具有显著相关性(均r>0.5,P<0.001),提示两种方法具有良好一致性。相关性分析提示:智能算法WMH总体积与简明精神状态量表、连线测试、数字符号测试、数字广度测试得分呈负相关(P<0.05);白质分区中放射冠、内囊前肢、扣带回与Stroop色词和连线量表测试得分呈负相关(P<0.05);放射冠、内囊前肢、丘脑辐射与数字广度测试得分呈负相关(P<0.05)。结论智能WMH分割算法与人工勾画方法结果比较具有良好一致性;CSVD患者的WMH总体积与执行功能和注意力相关,白质分区中放射冠、内囊前肢、扣带回与执行功能相关,放射冠、内囊前肢、丘脑辐射与注意力相关。

• 单位
  神经内科; 复旦大学附属中山医院; 复旦大学