分享:
分享到微信朋友圈
X
临床研究
多发性硬化U形纤维受累的分布特征及临床价值
罗丹 陈晓娅 祝琦源 张志伟 郁斌 郑桥 冯金洲 李咏梅

Cite this article as: Luo D, Chen XY, Zhu QY, et al. Distribution characteristics and clinical value of U-fiber involvements in multiple sclerosis[J]. Chin J Magn Reson Imaging, 2022, 13(6): 1-4, 16.本文引用格式:罗丹, 陈晓娅, 祝琦源, 等. 多发性硬化U形纤维受累的分布特征及临床价值[J]. 磁共振成像, 2022, 13(6): 1-4, 16. DOI:10.12015/issn.1674-8034.2022.06.001.


[摘要] 目的 探讨复发缓解型多发性硬化(relapsing-remitting multiple sclerosis,RRMS)中皮层下U形纤维受累的频率、U形纤维病灶的体积和分布特征,并探讨其与躯体残疾程度和神经心理损伤之间的相关性。材料与方法 回顾性分析经临床确诊的49例RRMS患者病例,行三维T2液体衰减反转恢复(three-dimensional T2 fluid attenuation inversion recovery,3D T2-FLAIR)成像、T1加权磁化强度预备快速梯度回波(T1-weighted magnetization-prepared rapid acquisition of gradient echo,T1 MPRAGE)序列扫描,以及临床扩展残疾状态量表(Extended Disability Status Scale,EDSS)和神经心理学量表测试。基于ITK-SNAP软件在3D T2-FLAIR图像上手动勾画U形纤维病灶,统计U形纤维病灶的数量、体积、分布特征并绘制U形纤维病灶的概率分布图。使用SPSS 26.0软件进行U形纤维病灶数量或体积与EDSS量表和神经心理学量表评分的相关性分析。结果 47例(95.9%) RRMS患者在全脑的3D T2-FLAIR图像上共发现434个U形纤维病灶,其中,额叶209个(48.2%),顶叶85个(19.6%),颞叶55个(12.7%),枕叶61个(14.1%),岛叶24个(5.5%)。U形纤维病灶数量和体积与汉密尔顿抑郁量表17项版(Hamilton Depression-17,HAMD-17)和疲劳严重程度量表(Fatigue Severity Scale,FSS)评分呈正相关,与符号数字模态测试(Symbolic Digital Modal Test,SDMT)评分呈负相关(P均<0.05),与EDSS评分无明显相关性(P>0.05)。结论 U形纤维受累在RRMS患者中普遍存在,且在额叶发生频率高,其与患者的抑郁、疲劳及认知障碍均有关。
[Abstract] Objective To study the frequency and distribution characteristics of U-fiber involvements in relapsing-remitting multiple sclerosis (RRMS), and to investigate whether these findings are correlated with physical disability and neuropsychological impairments.Materials and Methods This retrospective study included 49 cases of clinically diagnosed RRMS patients. Three-dimensional T2 fluid attenuation inversion recovery (3D T2-FLAIR) and T1-weighted magnetization-prepared rapid acquisition of gradient echo (T1 MPRAGE) sequences were obtained, as well as the clinical Extended Disability Status Scale (EDSS) and neuropsychological tests. Based on the ITK-SNAP software, the U-fiber lesions were manually delineated on the 3D T2-FLAIR image, and the prevalence of lesions was calculated in addition to the spatial distribution so as to make the U-fiber lesion probability map. The SPSS 26.0 software was used to evaluate the correlation between the number or volume of U-fiber lesions and clinical data, including EDSS and neuropsychological tests scores.Results A total of 434 hyperintensities along the U-fiber were detected in 47 (95.9%) RRMS patients on 3D T2-FLAIR image. Two-hundred and nine lesions (48.2%) were seen in the frontal lobe, 85 (19.6%) in the parietal lobe, 55 (12.7%) in the temporal lobe, 61 (14.1%) in the occipital lobe, and 24 (5.5%) in the insula lobe. The number and volume of U- fiber lesions were positively correlated with the Hamilton Depression-17 (HAMD-17) Scale and Fatigue Severity Scale (FSS) scores , and negatively correlated with the Symbolic Digital Modal Test (SDMT) scores (all P<0.05), and demonstrated no significant correlation with EDSS scores (P>0.05).Conclusions U-fiber involvement is common in RRMS patients and occurs frequently in the frontal lobe. U-fiber lesions are related to depression, fatigue and cognitive impairment in RRMS.
[关键词] 多发性硬化;U形纤维病灶;认知障碍;病灶概率分布图;三维液体衰减反转恢复;磁共振成像
[Keywords] multiple sclerosis;U-fiber lesions;cognitive impairment;lesion probability map;three-dimensional fluid attenuation inversion recovery;magnetic resonance imaging

罗丹    陈晓娅    祝琦源    张志伟    郁斌    郑桥    冯金洲    李咏梅 *  

重庆医科大学附属第一医院放射科,重庆 400016

李咏梅,E-mail:lymzhang70@aliyun.com

作者利益冲突声明:全体作者均声明无利益冲突。


基金项目: 重庆市基础研究与前沿探索专项项目(重庆市自然科学基金项目) cstc2018jcyjAX0584
收稿日期:2021-11-19
接受日期:2022-05-23
中图分类号:R445.2  R744.51 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.06.001
本文引用格式:罗丹, 陈晓娅, 祝琦源, 等. 多发性硬化U形纤维受累的分布特征及临床价值[J]. 磁共振成像, 2022, 13(6): 1-4, 16. DOI:10.12015/issn.1674-8034.2022.06.001.

       多发性硬化(multiple sclerosis,MS)是以进展性躯体残疾和认知受损为主要表现的中枢神经系统慢性炎性脱髓鞘疾病[1],其认知障碍的发生率已高达65%~70%[2]。MS脱髓鞘病灶具有空间多发性,主要发生在白质,但皮质、近皮质区和U形纤维受累也是特征性表现。其中,皮层下U形纤维是连接相邻皮质区域的短联络纤维,位于浅层白质,在灰白质交界面的正下方并遵循皮质折叠模式,估计约占人脑白质纤维总数的90%[3]。尽管研究报道皮层下U形纤维介导神经系统重要的高级认知功能[4],但其在认知领域中的确切作用仍不清楚,与MS患者认知障碍发生发展的相关性也尚不明确。

       此外,近期基于扩散MRI的研究[3,5]发现早期MS以及轻度认知障碍的患者浅表白质束存在异常,但这些研究忽视了U形纤维病灶对MS转归的影响。既往研究[6]虽然报道皮层及近皮层病灶是MS残疾进展及认知障碍的关键因素,但MS中单独的U形纤维病灶的分布特征以及与临床表现的相关性仍不清楚。

       皮层下U形纤维的区域局限、体积较小,并且非常靠近脑沟内的脑脊液而导致其病灶难以识别[7],但随着MRI技术不断发展,高分辨率T2三维液体衰减反转恢复(three-dimensional fluid-attenuated inversion recovery,3D T2-FLAIR)序列通过抑制脑脊液信号,减小层厚,提高了皮层下U形纤维病灶的对比度[8],从而在显示病灶的数量和分布上更具优势。基于此,本研究应用3D T2-FLAIR探索U形纤维在复发缓解型MS (relapsing remitting MS,RRMS)中受累的空间分布特征,并探讨其影像特征与认知障碍、躯体残疾之间的相关性。

1 材料与方法

1.1 临床资料

       回顾性分析2019年7月至2020年11月我院临床确诊的RRMS患者病例49例。纳入标准:(1)所有患者均满足2017年McDonald诊断标准[9];(2)疾病处于缓解期,所有患者检查前3个月均未接受激素冲击治疗;(3)常规MRI未发现脑缺血、梗死、萎缩、肿瘤等其他器质性疾病,均无心脑血管疾病及其他小血管缺血表现。排除标准:(1)既往有大量抗抑郁药物服用史、大量酗酒史;(2)图像质量欠佳、头动伪影较大。本研究经重庆医科大学附属第一医院伦理委员会批准(批准文号:cstc2018jcyjAX0584),免除受试者知情同意。

       由神经内科医师对所有患者盲法行Kurtzke临床扩展残疾状态量表(Expanded Disability Status Scale,EDSS)评分,并行神经心理学量表测验以评估患者情绪状态及认知功能,包括:Krupp疲劳严重度量表(Fatigue Severity Scale,FSS)评估疲劳程度及其对日常生活的影响,汉密尔顿抑郁量表17项版(Hamilton Depression-17,HAMD-17)评定抑郁状态,数字广度测试(Digit Span Test,DST)评估工作记忆,Smith手写版符号数字转换测试(Symbol Digit Modalities Test,SDMT)评估信息处理速度,Folstein简易智力状态检查(Mini-Mental State Examination,MMSE)以及Nosreddine 2004年版蒙特利尔认知评估量表(Montreal Cognitive Assessment,MoCA)评估整体认知功能。

1.2 MRI检查方法

       使用德国SIEMENS MAGNETOM Skyra 3.0 T MRI 扫描仪和头部32通道相控阵线圈进行头颅MRI扫描,成像方案包括三维T1加权磁化强度预备快速梯度回波(three-dimensional T1-weighted magnetization-prepared rapid acquisition of gradient echo,3D-T1 MPRAGE)序列(TR 2300 ms,TE 2.26 ms,TI 900 ms,矩阵256×256,FOV 256 mm×256 mm,层厚1 mm),3D T2-FLAIR序列(TR 5000 ms,TE 388 ms,TI 1800 ms,矩阵256×256,FOV 256 mm×256 mm,层厚1 mm)。所有扫描均在正中矢状面定位,中心线与前后联合线平行。

1.3 病灶勾画

       采用ITK-SNAP (www.itksnap.org)软件在3D T2-FLAIR图像上手动勾画U形纤维病灶作为感兴趣区(region of interest,ROI),根据文献[10]等将U形纤维病灶定义为皮质下3~4 mm内的白质中沿U形纤维走形的弧形T2-FLAIR高信号病灶,勾画范围见图1。所有图像均由本院影像科两名经验丰富的神经影像学医师通过双盲法分析并达成一致,统计每个患者U形纤维病灶的总数量及体积。

图1  基于3D T2-FLAIR图像勾画RRMS患者U形纤维病灶示例图。1A:3D T2-FLAIR轴位图,显示U形纤维病灶是位于皮质下3~4 mm的白质内,沿U形纤维走形呈弧形的FLAIR高信号;1B:3D T2-FLAIR轴位图,显示U形纤维病灶蒙片。蓝色虚线框:U形纤维病灶;红色弓形:U形纤维病灶蒙片;RRMS:复发缓解型多发性硬化;3D T2-FLAIR:三维T2液体衰减反转恢复序列。
Fig. 1  An example of RRMS patients in which U-fiber lesions were delineated based on 3D T2-FLAIR images. 1A: Axial 3D T2-FLAIR image shows the U-fiber lesions which are defined as arcuate FLAIR hyperintensity lesions along the U-fiber locating within 3-4 mm of the subcortical white matter area; 1B: Axial 3D T2-FLAIR image with U-fiber lesions mask. Blue dashed box: U-fiber lesions; Red lune: U-fiber lesions mask; RRMS: relapsing-remitting multiple sclerosis; 3D T2-FLAIR: three-dimensional T2 fluid attenuation inversion recovery.

1.4 数据后处理

       使用FMRIB Software Library (FSL,https://fsl.fmrib.ox.ac.uk/fsl/)工具将3D T2-FLAIR图像配准到蒙特利尔神经病学研究所(Montreal Neurological Institute,MNI)标准脑空间,步骤如下:首先,通过12参数仿射变换将每个患者的3D T2-FLAIR图像与3D-T1 MPRAGE图像配准,并且将3D-T1图像通过非线性配准到MNI标准脑空间152 T1模板;然后在3D T2-FLAIR图像上应用两个变换矩阵进行重新配准,同样的方法将U形纤维病灶配准到MNI标准脑空间。在MNI空间下分析每个患者的U形纤维病灶在额叶、顶叶、颞叶、枕叶、岛叶的分布位置、发生频率及体积,并且基于MATLAB (matrix laboratory,2013a)平台和MRIcron (http://www.nitrc.org/projects/mricron)软件绘制RRMS患者的U形纤维病灶的空间概率分布图。

1.5 统计学分析

       采用SPSS 26.0软件,对计量资料行正态性检验,服从偏态分布计量资料表示为M (Qr),正态分布计量资料表示为(x¯±s)。首先对每个患者U形纤维病灶的总数量、总体积及其在额叶、顶叶、颞叶、枕叶、岛叶的分布位置、发生频率和体积进行统计描述;其次,将病程、年龄及EDSS、FSS、HAMD-17、DST、SDMT、MoCA、MMSE评分等作为独立变量,采用Spearman相关性分析评估RRMS患者的U形纤维病灶总数量及体积与以上临床资料之间的相关性。P<0.05表示差异具有统计学意义。

2 结果

2.1 一般人口统计学和临床量表评分

       本研究最终纳入49例RRMS患者,其中男16例,女33例,年龄17~60 (33.04±9.85)岁,病程0.1~21.0 [4.0 (8.65)]年,受教育年限6~19 [15 (4)]年。临床量表评分如下:EDSS为0~6 (2.24±1.28)分;DST为8~21 (13.57±2.57)分;SDMT为11~82 (43.42±17.73)分;MMSE为24~30 [29 (2)]分;MoCA为14~30 [26 (4)]分;HAMD-17为0~33 [8 (10.5)]分;FSS为9~63 (32.25±16.46)分。在病程中,出现乏力患者16例(32.7%),麻木16例(32.7%),视觉障碍11例(22.4%),疼痛3例(6.1%),共济失调3例(6.1%),束带感4例(8.2%),其他症状:感觉减退、肢体抽搐、肌肉僵硬等。

2.2 U形纤维病灶分布

       在49例RRMS患者中,2例(4.1%) RRMS患者没有U形纤维病灶,47例(95.9%)在3D T2-FLAIR上共发现434个累及U形纤维的FLAIR高信号病灶,即U形纤维病灶,其体积为0~2149 mm3 [95 (234)] mm3。其中,9例(18.4%) RRMS患者仅有1个U形纤维病灶;15例(30.6%) RRMS患者有10个及以上U形纤维病灶;余下23例(46.9%) RRMS患者发现2~9个U形纤维病灶。在434个病灶中,209个U形纤维病灶(48.2%)位于额叶,85个(19.6%)位于顶叶,55个(12.7%)位于颞叶,61个(14.1%)位于枕叶,24个(5.5%)位于岛叶。图2为U形纤维病灶的空间概率分布图。

图2  复发缓解型多发性硬化患者U形纤维病灶空间概率分布图。
Fig. 2  The spatial probability map of U-fiber lesions in relapsing-remitting multiple sclerosis (RRMS) patients.

2.3 U形纤维病灶与临床量表评分的相关性分析

       RRMS患者U形纤维病灶数量与FSS、HAMD-17评分呈正相关(r=0.359,P=0.012;r=0.350,P=0.014),与SDMT评分呈负相关(r=-0.306,P=0.039);RRMS患者U形纤维病灶体积与FSS、HAMD-17评分呈正相关(r=0.309,P=0.033;r=0.335,P=0.019),与SDMT评分呈负相关(r=-0.313,P=0.034)。RRMS患者U形纤维病灶数量及体积与病程、年龄、受教育年限及EDSS、DST、MoCA、MMSE评分均无显著相关性(P均>0.05),见表1

表1  RRMS患者U形纤维病灶总数量及总体积与临床资料的相关性
Tab. 1  The correlation between the count or volume of U-fiber lesions and clinical data in RRMS patients

3 讨论

       皮层下U形纤维是连接相邻脑回的短联络纤维,U形纤维的早期受累是MS的特征性表现之一[11]。Buyukturkoglu等[12]最近发现U形浅表白质纤维的完整性在反映早期MS潜在病理改变上比深部白质更敏感,尽管文献[13]也报道近皮层病灶与MS鉴别诊断及临床症状密切相关,但特殊的皮层下U形纤维受累的分布特征其对MS躯体残疾及神经心理受损的影响还不甚清楚。因此,本研究应用高分辨率3D T2-FLAIR探索U形纤维病灶在RRMS患者中的空间分布特征,并探讨其影像特征与临床量表之间的相关性。本研究发现,47例(95.9%,47/49) RRMS患者至少存在1个U形纤维受累,且209个(48.2%,209/434) U形纤维病灶分布于额叶,85个(19.6%,85/434)位于顶叶,55个(12.7%,55/434)位于颞叶,61个(14.0%,61/434)位于枕叶,24个(5.5%,24/434)位于岛叶。U形纤维病灶数量和体积均与FSS、HAMD-17评分呈正相关,与SDMT评分呈负相关,但与EDSS评分、病程、年龄等无显著相关性。本研究认为,U形纤维病灶在RRMS患者中普遍存在,并且是导致疲劳、抑郁及部分认知功能受损的原因之一,可能是MS神经心理受损的潜在预测指标。

3.1 U形纤维受累分布特征

       本研究结果显示,大约96%的RRMS患者至少有一个U形纤维病灶,提示U形纤维受累在RRMS中普遍存在。因为U形纤维区域聚集大量少突胶质细胞构成髓鞘,比深部白质更为发达[14],而MS是累及少突胶质细胞的自身免疫性炎性脱髓鞘疾病,因此U形纤维受累在MS病程早期即可出现,并且是MS的特征性表现之一。本研究结果显示,大部分皮层下U形纤维病灶位于额叶,其次是顶叶,而皮层下损伤与皮质受累在空间上具有显著相关性[15],与既往研究发现RRMS患者51.8%的皮质病灶发生于额叶具有一致性[16]。Kamson等[17]也发现MS大部分白质高信号病灶位于额叶,但MS脱髓鞘病灶好发于额叶的潜在机制尚不清楚,在某种程度上可能与额叶具有较大的解剖比例有关。

3.2 U形纤维病灶与认知障碍

       本研究发现U形纤维病灶负荷与SDMT评分呈负相关,与DST、MMSE、MoCA评分无明显相关,反映了RRMS患者U形纤维病灶负荷增加,一定程度上伴随信息处理速度下降。SDMT量表是简要可重复神经心理学测试表重要组成部分,是灵敏度最高、鉴别力最强的测试之一[18],主要考察受试者的认知功能中信息处理速度、视觉工作记忆领域。据报道,34%~65%的MS患者自起病后所有阶段均可发生认知障碍[19],主要表现为记忆、信息处理效率、执行功能、注意力和处理速度受损,其中以信息处理效率下降最为明显,这与本研究结果一致。最近Fujimori等[20]报道MS皮质旁白质病灶负荷与颞极的萎缩有关,而另一项研究[21]发现颞叶萎缩是MS早期的特征性MRI表现并与认知障碍相关。Moriarty等[22]也报道MS近皮层(包含U形纤维)病灶的存在与记忆任务中的信息保留受损相关。但是Haider等[6]报道MS皮质的磁化转移率是SDMT等认知量表结果的最强预测因子,能解释SDMT变异性达52%,显著高于灰质或白质病灶负荷;而另一研究[2]则发现右上纵束的白质病灶体积是认知障碍的最佳预测因子。由此可见,MS灰白质病灶对认知障碍的影响仍具有较大的争议。虽然本研究U形纤维病灶与SDMT评分相关性较弱,可能是因为纳入的MS患者U形纤维病灶数量较少、体积较小,但这仍为MS患者认知障碍的原因提供新的视角。此外,既往研究认为病灶的位置与特定的认知能力相关,其中额叶包含部分注意及执行控制网络[23],并且额叶皮层功能连接与工作记忆、信息处理速度密切相关[24],进一步表明本研究U形纤维病灶大多位于额叶从而可能引起额叶部分认知功能下降。

       U形纤维作为连接相邻脑回的短联络纤维,是神经网络连接的重要组成部分,在认知功能中也起关键作用[25]。本研究结果推测U形纤维的中断可能是导致MS患者的认知损害的原因之一,神经单元之间的结构性连接是功能实现的物质基础,纤维的中断可能会损害远距离脑区之间信息交换的能力[26],从而表现出认知水平下降,但未来仍需进一步验证。认知障碍在MS初期即可出现,并可预测疾病进展[27],通过U形纤维病灶早期识别认知受损或可实现更及时、有针对性的干预。

3.3 U形纤维病灶与疲劳、抑郁

       本研究结果显示,U形纤维病灶数量或体积与HAMD-17、FSS评分呈正相关,提示U形纤维病灶负荷增加可能会部分加重抑郁和疲劳严重程度。抑郁和疲劳是MS患者最常见的精神症状,MS患者发展为抑郁症的终生风险超过50%,其概率是正常人的3倍;且研究发现[28]脑与脊髓病灶,以及颞叶、弓形束、上额叶和上顶叶损伤是MS伴发抑郁症的解剖学预测因素。尽管Miki等[25]报道抑郁和疲劳在仅有一个U形纤维病灶和多个U形纤维病灶的MS患者组中差异没有统计学意义,但这可能与其T2WI序列层厚较厚、U形纤维病灶显示的对比度相对更低有关。众所周知,MS炎性脱髓鞘病灶伴随小胶质细胞激活[29, 30],而Singhal等[31]也报道近皮层白质的小胶质细胞激活与疲劳评分显著相关,并且抑郁、疲劳以及认知受损在一定程度上相互影响[32],降低患者生活质量,这从不同角度支持了本研究结果。近年来,炎症标志物与MS抑郁症相关的证据越来越多[33],但仍无法准确识别潜在的生物机制。U形纤维区域髓鞘丰富导致储存在髓鞘铁蛋白中的铁相应增多[34],而髓鞘破坏可能会导致MS局部铁超载从而引起炎症反应,这在U形纤维病灶的发生中可能起一定作用,成为其潜在的炎性标志物之一,但仍需要进一步研究证实。

3.4 U形纤维病灶与躯体残疾

       本研究结果表明U形纤维病灶负荷与EDSS评分没有显著相关性。EDSS主要用于评估整体神经系统损害的严重程度,尤其是躯体运动障碍。研究报道脑内脱髓鞘斑块总负荷、皮层及丘脑萎缩会导致中等程度EDSS评分(3~4分),而脊髓损害对严重EDSS评分(6分)起主要作用[35],另一研究报道病灶沿皮质脊髓束的不同分布位置,包括大脑、脑干及脊髓等对解释MS运动障碍至关重要[36]。最近的应用扩散张量成像的研究[12]却发现残疾程度较轻(EDSS评分<1)且缺乏近皮层病灶的MS患者中,部分U形浅表白质束的完整性与EDSS评分具有相关性。与既往研究[12,35, 36]相比,本研究仅纳入了孤立的U形纤维病灶,结果显示其数量或体积与躯体残疾相关性不显著,可能提示单一的U形纤维病灶导致躯体残疾的概率相对较低。U形纤维病灶负荷预测临床残疾严重程度的敏感性不如皮质或深部白质损害,但U形纤维病灶与精细运动及单侧运动障碍的相关性尚需进一步研究,而U形浅表白质束在微观结构上的受损对MS疾病进展的预测作用还值得未来深入探究。本研究显示U形纤维病灶数量或体积与病程及年龄无明显相关性,表明U形纤维受累可能不会随着病程延长或年龄增加而愈发严重,这可能与皮层下U形纤维在大脑发育中髓鞘形成最迟,髓鞘更新缓慢的特性有关。

3.5 本研究的局限性

       本研究也具有一定的局限性:(1)这是一个单中心研究,样本量较少;(2)认知功能评估包含六大领域,而本研究所获得的神经心理学量表仅侧重于反映整体认知功能水平及信息处理速度领域;(3) MS患者常表现为不对称性运动功能受损,而EDSS主要评估患者整体残疾状态,不能精确反映精细运动及单侧运动障碍;(4)本研究尚未反映出U形纤维病灶的潜在病理改变。因此,在未来的研究中,建立多中心研究、扩大样本量,对U形纤维病灶行纵向随访,以及采用更完善的神经心理学量表结合多参数MRI (如磁敏感加权成像、扩散峰度成像)反映U形纤维受累潜在的病理生理机制是迫切而必要的。

       综上所述,U形纤维受累在RRMS患者中普遍存在,且在额叶发生频率高。U形纤维病灶与部分神经心理损害相关,可能导致抑郁、疲劳及认知功能障碍,特别是信息处理速度领域,其有望成为预测MS患者情绪状态及认知受损的敏感指标和治疗干预的靶点之一。

[1]
Cordani C, Meani A, Esposito F, et al. Imaging correlates of hand motor performance in multiple sclerosis: a multiparametric structural and functional MRI study[J]. Mult Scler, 2020, 26(2): 233-244. DOI: 10.1177/1352458518822145.
[2]
Conti L, Preziosa P, Meani A, et al. Unraveling the substrates of cognitive impairment in multiple sclerosis: a multiparametric structural and functional magnetic resonance imaging study[J]. Eur J Neurol, 2021, 28(11): 3749-3759. DOI: 10.1111/ene.15023.
[3]
Movahedian Attar F, Kirilina E, Haenelt D, et al. Mapping short association fibers in the early cortical visual processing stream using in vivo diffusion tractography[J]. Cereb Cortex, 2020, 30(8): 4496-4514. DOI: 10.1093/cercor/bhaa049.
[4]
Lazeron RH, Langdon DW, Filippi M, et al. Neuropsychological impairment in multiple sclerosis patients: the role of (juxta) cortical lesion on FLAIR[J]. Mult Scler, 2000, 6(4): 280-285. DOI: 10.1177/135245850000600410.
[5]
Bigham B, Zamanpour SA, Zemorshidi F, et al. Identification of superficial white matter abnormalities in Alzheimer's disease and mild cognitive impairment using diffusion tensor imaging[J]. J Alzheimers Dis Rep, 2020, 4(1): 49-59. DOI: 10.3233/ADR-190149.
[6]
Haider L, Prados F, Chung K, et al. Cortical involvement determines impairment 30 years after a clinically isolated syndrome[J]. Brain, 2021, 144(5): 1384-1395. DOI: 10.1093/brain/awab033.
[7]
Solomon AJ, Pettigrew R, Naismith RT, et al. Challenges in multiple sclerosis diagnosis: misunderstanding and misapplication of the McDonald criteria[J]. Mult Scler, 2021, 27(2): 250-258. DOI: 10.1177/1352458520910496.
[8]
Wattjes MP, Ciccarelli O, Reich DS, et al. 2021 MAGNIMS-CMSC-NAIMS consensus recommendations on the use of MRI in patients with multiple sclerosis[J]. Lancet Neurol, 2021, 20(8): 653-670. DOI: 10.1016/S1474-4422(21)00095-8.
[9]
Thompson AJ, Banwell BL, Barkhof F, et al. Diagnosis of multiple sclerosis: 2017 revisions of the McDonald criteria[J]. Lancet Neurol, 2018, 17(2): 162-173. DOI: 10.1016/S1474-4422(17)30470-2.
[10]
Medrano Martorell S, Cuadrado Blázquez M, García Figueredo D, et al. Hyperintense punctiform images in the white matter: a diagnostic approach[J]. Radiologia, 2012, 54(4): 321-335. DOI: 10.1016/j.rx.2011.09.015.
[11]
Sarbu N, Shih RY, Oleaga L, et al. RadioGraphics update: white matter diseases with radiologic-pathologic correlation[J]. RadioGraphics, 2020, 40(3): E4-E7. DOI: 10.1148/rg.2020190204.
[12]
Buyukturkoglu K, Vergara C, Fuentealba V, et al. Machine learning to investigate superficial white matter integrity in early multiple sclerosis[J]. J Neuroimaging, 2022, 32(1): 36-47. DOI: 10.1111/jon.12934.
[13]
Huh SY, Min JH, Kim W, et al. The usefulness of brain MRI at onset in the differentiation of multiple sclerosis and seropositive neuromyelitis optica spectrum disorders[J]. Mult Scler, 2014, 20(6): 695-704. DOI: 10.1177/1352458513506953.
[14]
Yoshino M, Saito K, Kawasaki K, et al. The origin and development of subcortical U-fibers in gyrencephalic ferrets[J]. Mol Brain, 2020, 13(1): 37. DOI: 10.1186/s13041-020-00575-8.
[15]
熊华, 唐茁月, 李晓姣, 等. 多发性硬化患者皮质及白质受累的相关性[J]. 中国医学影像学杂志, 2020, 28(7): 499-503. DOI: 10.3969/j.issn.1005-5185.2020.07.004.
Xiong H, Tang ZY, Li XJ, et al. Correlation between cortical and white matter in patients with multiple sclerosis[J]. Chin J Med Imaging, 2020, 28(7): 499-503. DOI: 10.3969/j.issn.1005-5185.2020.07.004.
[16]
Calabrese M, Battaglini M, Giorgio A, et al. Imaging distribution and frequency of cortical lesions in patients with multiple sclerosis[J]. Neurology, 2010, 75(14): 1234-1240. DOI: 10.1212/WNL.0b013e3181f5d4da.
[17]
Kamson DO, Illés Z, Aradi M, et al. Volumetric comparisons of supratentorial white matter hyperintensities on FLAIR MRI in patients with migraine and multiple sclerosis[J]. J Clin Neurosci, 2012, 19(5): 696-701. DOI: 10.1016/j.jocn.2011.07.044.
[18]
Sousa C, Rigueiro-Neves M, Passos AM, et al. Assessment of cognitive functions in patients with multiple sclerosis applying the normative values of the Rao's brief repeatable battery in the Portuguese population[J]. BMC Neurol, 2021, 21(1): 170. DOI: 10.1186/s12883-021-02193-w.
[19]
Cortese R, Carotenuto A, di Filippo M, et al. Editorial: cognition in multiple sclerosis[J]. Front Neurol, 2021, 12: 751687. DOI: 10.3389/fneur.2021.751687.
[20]
Fujimori J, Fujihara K, Wattjes M, et al. Patterns of cortical grey matter thickness reduction in multiple sclerosis[J]. Brain Behav, 2021, 11(4): e02050. DOI: 10.1002/brb3.2050.
[21]
Cruz-Gomez ÁJ, Forero L, Lozano-Soto E, et al. Cortical thickness and serum NfL explain cognitive dysfunction in newly diagnosed patients with multiple sclerosis[J]. Neurol Neuroimmunol Neuroinflamm, 2021, 8(6): e1074. DOI: 10.1212/NXI.0000000000001074.
[22]
Moriarty DM, Blackshaw AJ, Talbot PR, et al. Memory dysfunction in multiple sclerosis corresponds to juxtacortical lesion load on fast fluid-attenuated inversion-recovery MR images[J]. AJNR Am J Neuroradiol, 1999, 20(10): 1956-1962.
[23]
Yeo BT, Krienen FM, Sepulcre J, et al. The organization of the human cerebral cortex estimated by intrinsic functional connectivity[J]. J Neurophysiol, 2011, 106(3): 1125-1165. DOI: 10.1152/jn.00338.2011.
[24]
Papadaki EZ, Simos PG, Mastorodemos VC, et al. Regional MRI perfusion measures predict motor/executive function in patients with clinically isolated syndrome[J]. Behav Neurol, 2014, 2014: 252419. DOI: 10.1155/2014/252419.
[25]
Miki Y, Grossman RI, Udupa JK, et al. Isolated U-fiber involvement in MS: preliminary observations[J]. Neurology, 1998, 50(5): 1301-1306. DOI: 10.1212/wnl.50.5.1301.
[26]
黄木华, 周福庆. 多发性硬化认知功能损害与重塑的fMRI研究进展[J]. 实用放射学杂志, 2018, 34(8): 1286-1288, 1303. DOI: 10.3969/j.issn.1002-1671.2018.08.037.
Huang MH, Zhou FQ. Research progress in the fMRI of cognitive impairment and plasticity of multiple sclerosis[J]. J Pract Radiol, 2018, 34(8): 1286-1288, 1303. DOI: 10.3969/j.issn.1002-1671.2018.08.037.
[27]
Zipoli V, Goretti B, Hakiki B, et al. Cognitive impairment predicts conversion to multiple sclerosis in clinically isolated syndromes[J]. Mult Scler, 2010, 16(1): 62-67. DOI: 10.1177/1352458509350311.
[28]
Mustač F, Pašić H, Medić F, et al. Anxiety and depression as comorbidities of multiple sclerosis[J]. Psychiatr Danub, 2021, 33(Suppl 4): 480-485.
[29]
Castellaro M, Magliozzi R, Palombit A, et al. Heterogeneity of cortical lesion susceptibility mapping in multiple sclerosis[J]. AJNR Am J Neuroradiol, 2017, 38(6): 1087-1095. DOI: 10.3174/ajnr.A5150.
[30]
Klistorner S, Barnett MH, Graham SL, et al. The expansion and severity of chronic MS lesions follows a periventricular gradient[J]. Mult Scler, 2022. DOI: 10.1177/13524585221080667.
[31]
Singhal T, Cicero S, Pan H, et al. Regional microglial activation in the substantia nigra is linked with fatigue in MS[J]. Neurol Neuroimmunol Neuroinflamm, 2020, 7(5): e854. DOI: 10.1212/NXI.0000000000000854.
[32]
Marrie RA, Patel R, Bernstein CN, et al. Anxiety and depression affect performance on the symbol digit modalities test over time in MS and other immune disorders[J]. Mult Scler, 2021, 27(8): 1284-1292. DOI: 10.1177/1352458520961534.
[33]
Newland P, Basan Y, Chen L, et al. Depression and inflammatory markers in veterans with multiple sclerosis[J]. Biol Res Nurs, 2022, 24(1): 123-127. DOI: 10.1177/10998004211050082.
[34]
Hametner S, dal Bianco A, Trattnig S, et al. Iron related changes in MS lesions and their validity to characterize MS lesion types and dynamics with Ultra-high field magnetic resonance imaging[J]. Brain Pathol, 2018, 28(5): 743-749. DOI: 10.1111/bpa.12643.
[35]
Hidalgo de la Cruz M, Valsasina P, Meani A, et al. Differential association of cortical, subcortical and spinal cord damage with multiple sclerosis disability milestones: a multiparametric MRI study[J]. Mult Scler, 2022, 28(3): 406-417. DOI: 10.1177/13524585211020296.
[36]
Kerbrat A, Gros C, Badji A, et al. Multiple sclerosis lesions in motor tracts from brain to cervical cord: spatial distribution and correlation with disability[J]. Brain, 2020, 143(7): 2089-2105. DOI: 10.1093/brain/awaa162.

上一篇 基于深度学习的MRI诊断半月板损伤的研究进展
下一篇 EP-DWI与TSE-DWI两种序列诊断中耳胆脂瘤效能的比较
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2