分享:
分享到微信朋友圈
X
临床研究
合成MRI联合VBM脑分区在早期帕金森病诊断中的应用
陈苗 张岗 王文佳 张锐 祁金鹏 粱智博 郜丽红

Cite this article as: CHEN M, ZHANG G, WANG W J, et al. Application of synthetic MRI combined with VBM brain partition in the diagnosis of early Parkinson's disease[J]. Chin J Magn Reson Imaging, 2023, 14(10): 20-25.本文引用格式:陈苗, 张岗, 王文佳, 等. 合成MRI联合VBM脑分区在早期帕金森病诊断中的应用[J]. 磁共振成像, 2023, 14(10): 20-25. DOI:10.12015/issn.1674-8034.2023.10.004.


[摘要] 目的 基于合成MRI(synthetic MRI, sMRI)技术及基于体素的形态学测量(voxel-based morphometry, VBM)全脑分区的方法,探讨帕金森病(Parkinson's disease, PD)早期阶段的脑体积及弛豫值改变,并为该病的早期诊断提供影像学依据。材料与方法 本研究前瞻性纳入22例早期PD(early-stage PD, ESP)患者为ESP组,25例性别及年龄匹配的健康对照(healthy controls, HC)为HC组。所有研究对象应用GE 3.0 T MR采集常规序列、3D T1WI、sMRI的定量图谱磁共振成像(magnetic resonance imaging compilation, MAGiC)扫描,并进行简易精神状态检查(Mini-Mental State Examination, MMSE)量表评分。使用MATLAB软件SPM 12数据处理包对所有数据进行VBM全脑分区,得到不同皮质和皮质下区域的全脑和各脑区灰质体积(gray matter volume, GMV)、白质体积(white matter volume, WMV)及脑区弛豫值。比较ESP组与HC组之间的体积特征和脑区域弛豫值差异,对ESP组各脑区体积以及T1、T2和质子密度(proton density, PrD)值与MMSE评分做Spearman相关分析。对相关性分析结果差异最明显脑区作ROC曲线,且对该脑区作各序列弛豫值联合诊断。结果 脑区体积与临床量表有相关性者较多(P<0.05)。部分脑区弛豫值在HC组及ESP组之间有差异,但右侧丘脑的弛豫值差异性及与MMSE评分之间相关性存在于全部各个序列,故应用右侧丘脑的各序列弛豫值做ROC曲线诊断,且应用右侧丘脑在T1及T2各序列弛豫值作联合诊断,AUC为0.822(0.697-0.911)。结论 本研究的结果表明,ESP患者具有右侧丘脑脑体积和脑区弛豫值变化。该研究认为,通过右侧丘脑在sMRI的各序列弛豫值可对PD作出早期诊断。
[Abstract] Objective To explore the changes of brain volume and relaxation value in the early stage of early stage of Parkinson's disease (ESP) based on synthetic MRI (sMRI) technology and voxel-based morphometry (VBM) whole brain partitioning method, and provide imaging basis for the early diagnosis of this disease.Materials and Methods In this study, 22 patients with ESP were prospectively included in the ESP group, and 25 sex-and age-matched healthy control (HC) in the HC group. All subjects were scanned using GE 3.0 T MR to acquire conventional sequence, 3D T1WI and quantitative magnetic resonance imaging (MAGiC) scans, and performed Minimum Mental State Examination (MMSE) scoring. The MATLAB software SPM 12 data processing package was used to VBM whole brain partition of all data, and the gray matter volume (GMV), white matter volume (WMV) and brain region relaxation value of the whole brain and each brain region in different cortical and subcortical regions were obtained. The volume characteristics and brain region relaxation values between ESP group and HC group were compared, and the volume of brain regions, T1, T2 and proton density (PrD) values and MMSE scores were analyzed in the case group. The ROC curve was made for the brain region with the most obvious difference in correlation analysis results, and the relaxation values of each sequence were jointly diagnosed in this brain region.Results There were more cases in which the volume of brain regions correlated with clinical scales (P<0.05). There were differences in the relaxation values of some brain regions between the HC group and ESP, but the difference in the relaxation values of the right thalamus and the correlation with the MMSE score existed in all sequences, so the relaxation values of each sequence of the right thalamus were used for ROC diagnosis, and the relaxation values of the right thalamus in T1 and T2 sequences were used for joint diagnosis, and the AUC was 0.822 (0.697-0.911).Conclusions The results of this study showed that ESP patients had changes in right thalamic volume and brain region relaxation values. In this study, it is believed that the relaxation values of the right thalamus in the various sequences of sMRI can make an early diagnosis of PD.
[关键词] 帕金森病;基于体素的形态学测量;全脑分区;合成磁共振成像;磁共振成像;早期诊断
[Keywords] Parkinson's disease;voxel-based morphometry;whole brain partition;synthetic magnetic resonance imaging;magnetic resonance imaging;early diagnosis

陈苗 1   张岗 1*   王文佳 2   张锐 1   祁金鹏 1   粱智博 1   郜丽红 3  

1 呼伦贝尔市人民医院影像科,呼伦贝尔 021008

2 通用电气医疗系统(中国)有限公司北京分公司,北京 100176

3 呼伦贝尔市人民医院神经内科,呼伦贝尔 021008

通信作者:张岗,E-mail:zhangganghlbr@163.com

作者贡献声明:张岗设计本研究的方案,对稿件重要的智力内容进行了修改,获得了2020年度内蒙古自治区科技计划项目的资助;陈苗起草和撰写稿件,获取、分析或解释本研究的数据;王文佳、张锐、祁金鹏、梁智博、郜立红获取、分析或解释本研究的数据,对稿件重要的智力内容进行了修改;全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 2020年度内蒙古自治区科技计划项目 2020GG0179
收稿日期:2023-06-19
接受日期:2023-09-19
中图分类号:R445.2  R742.5 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2023.10.004
本文引用格式:陈苗, 张岗, 王文佳, 等. 合成MRI联合VBM脑分区在早期帕金森病诊断中的应用[J]. 磁共振成像, 2023, 14(10): 20-25. DOI:10.12015/issn.1674-8034.2023.10.004.

0 前言

       帕金森病(Parkinson's disease, PD)是第二大最常见的神经退行性疾病[1],影响着全球数百万患者,且随着年龄增加而患病率呈指数级增长[2]。随着人口老龄化加剧,PD患病率预计将持续增长[3],这将严重增加医保和社会的经济负担[4]。在病理水平上,PD特征是交织的皮层下多巴胺能黑质纹状体系统的进行性变性、路易体聚集以及纹状体中多巴胺的消耗。在组织学和功能上,这种变性的特征是神经元的破坏以及该区域的总铁含量增加[5, 6]。PD患者的运动功能障碍主要表现为运动迟缓、强直、震颤和姿势不稳[7, 8, 9]。目前,对PD的诊断主要基于患者的病史和临床检查[10]。必须有运动症状(运动迟缓、震颤、姿势不稳定)和对传统抗PD药物的反应,并排除继发性PD的可能原因(如头部损伤或暴露于有毒药物)[11]。因此PD的明确体征和症状只会在疾病的晚期才出现,此时临床上已经很难进行治疗[12]。如果能在临床症状出现之前诊断PD并尽早干预,将开启PD诊断和治疗的新篇章。

       合成MRI(synthetic MRI, sMRI)是一种新的成像方法,可以在一次扫描中同时提供定量图谱和多个合成对比加权图像[13]。其衍生的序列可得到T1、T2和质子密度(proton density, PrD)值是组织性质的绝对量化,在同一大脑位置进行测量和对比。此外,通过自动分割也可获得灰质(gray matter, GM)、白质(white matter, WM)、脑脊液(cerebral spinal fluid, CSF)含量。在中枢神经系统中应用sMRI可以更快地完成扫描,并降低患者不适。因此,sMRI在中枢神经系统中的应用具有独特的优势。

       基于体素的形态学测量(voxel-based morphometry, VBM)对于脑组织异常的检测至关重要。VBM是一种MRI分析方法,可检测各组间脑组织的局部结构差异,有助于理解神经精神疾病[14]的病理生理学改变。既往的一些VBM研究已经探测了PD患者和健康对照(healthy control, HC)之间的灰质体积(gray matter volume, GMV)差异,但结果并不一致[15, 16]

       sMRI已广泛应用于中枢神经系统疾病[17, 18, 19],而sMRI在PD早期诊断方面的临床价值尚未被充分评估,文献中尚未见有联合VBM及sMRI对早期PD(early-stage PD, ESP)诊断的相关研究,本研究旨在探讨其可行性。

1 材料和方法

1.1 受试人群

       本研究遵守《赫尔辛基宣言》,并经过呼伦贝尔市人民医院伦理委员会批准,获得所有受试者的书面同意并签署了对本研究的知情同意书,批准文号:2020syy-105。本研究为前瞻性研究,共纳入了2020年7月至2021年5月期间就诊于呼伦贝尔市人民医院的22例ESP患者(ESP组)和年龄及性别相匹配的25例HC(HC组)。

       ESP组纳入标准:(1)通过两位高年资临床医生诊断,符合1992年英国帕金森病协会脑库临床诊断标准以及2016年制定的中国帕金森病的诊断标准,并进行了简易精神状态检查(Mini-Mental State Examination, MMSE)及Hoehn-Yahr(H&Y)分级量表评分测试;(2)无MRI检查禁忌;(3)评估前12 h以内停止服用多巴胺类药物;(4)H&Y评分≤2.5分。排除标准:(1)存在神经精神疾病(如抑郁症、焦虑症、精神分裂症等);(2)存在代谢性疾病(如甲状腺功能减低、叶酸和维生素B12缺乏等);(3)既往有脑外伤病史;(4)影像图像在后处理过程中配准不佳等。

       HC组纳入标准:(1)与ESP组年龄和性别相匹配;(2)无MRI检查禁忌;(3)身体健康,近一年内常规头颅CT或MRI检查未发现大面积脑梗死及脑肿瘤等异常情况。排除标准:(1)有脑外伤病史;(2)影像图像在后处理过程中配准不佳等。

       样本量估算方法:研究目标为验证sMRI联合VBM脑分区对ESP的诊断准确性,勾画ESP组与HC组之间有差异脑区的多条ROC曲线,并对AUC进行分析;显著性水平为双侧P<0.05;效应大小为0.9;统计方法为两样本ROC检验。

1.2 研究方法

1.2.1 图像采集

       本研究所用的MRI图像来自一台配备标准32通道相控阵头颈线圈的3.0 T MR扫描仪(Pioneer,GE,美国)。受试者在筛查时采集了常规轴位T1和T2加权图像(T1WI和T2WI)、矢状位T2WI和液体衰减反转恢复(fluid attenuated inversion recovery, FLAIR)图像,以排除脑部损伤的情况。应用了32通道头颈联合线圈,FOV 240 mm×192 mm,平面分辨率0.8 mm×1.0 mm,矩阵320×192,TE1/TE2 17.5 ms/87.7 ms,TR 5669 ms,回波链长度16,激发次数2,带宽31.25 kHz,相位加速因子2.5,扫描时间7 min 30 s。高分辨率图像采用了三维脑体积(3D-BRAVO)序列,矩阵240×240,FOV 240 mm×240 mm,TR 6.0 ms,TE 2.9 ms,准备时间400 ms,翻转角12°,带宽35.71 kHz,激发次数2,扫描时间3 min 34 s。

1.2.2 图像处理及数据收集

       本研究应用瑞典制造的SyMRI 8.0软件对sMRI数据进行进一步处理,生成弛豫图,并通过自动分割技术获得了全脑体积特征、48个脑区域体积特征以及脑区域弛豫值特征。选择的28个脑区域包括中央前回、前额叶、直回、眶额皮层、岛叶、枕叶、梭状回、中央后回、顶叶、缘上回、角回、楔前叶、旁中央小叶、颞横回、颞叶、小脑、小脑蚓、前扣带回以及双侧海马体、双侧海马旁回、双侧杏仁核、双侧距状回、双侧楔叶、双侧舌回、双侧尾状核、双侧壳核、双侧苍白球、双侧丘脑等感兴趣区(region of interest, ROI)。使用MATLAB R2020a软件和SPM 12软件对3D-BRAVO图像和sMRI图像进行刚性配准,提取脑区域T1、T2和PrD值,图1为显示整个过程的示意图。

图1  合成MRI数据的后处理和测量示意图。选择从定量图谱磁共振成像(MAGiC)图像生成的弛豫图进行定量分析。总体积包括脑脊液体积(CSFV)、白质体积(WMV)、灰质体积(GMV)。对三维脑体积(3D-BRAVO)图像和弛豫图进行刚性配准;其次,从原生空间到标准蒙特利尔神经病学研究所(MNI)模板获得组织概率图和归一化松弛图的单个图像。最后,根据解剖学自动标记(AAL)模板(33)提取选定区域的脑区域体积和弛豫测量。GM为脑灰质;WM为脑白质;CSF为脑脊液;PrD为质子密度。
Fig. 1  Schematic diagram of post-processing and measurement of synthetic MRI data.Select relaxation maps generated from magnetic resonance imaging compilation (MAGiC) images for quantitative analysis. The total volume includes cerebrospinal fluid volume (CSFV), white matter volume (WMV), gray matter volume (GMV). Rigid registration of 3D-BRAVO images and relaxation maps; second, individual images of tissue probability plots and normalized relaxation maps were obtained from native spaces to standard Montreal Neurological Institute (MNI) templates; finally, brain region volume and relaxation measurements in selected regions are extracted according to the anatomical auto-labeling (AAL) template (33). GM: gray matter; WM: white matter; CSF: cerebrospinal fluid; PrD: proton density.

1.3 统计学方法

       本研究所有统计分析采用MATLAB R2020a软件、SPSS 26.0版软件、MedCalc统计软件。数据正态性和方差齐性检验采用Kolmogorov-Smirnov检验。人口统计学(性别、年龄)组间差异性采用多个独立样本Kruskal-Wallis检验,P<0.05为差异有统计学意义。由于数据不服从正态分布且方差不齐,因此采用独立样本秩和检验比较ESP组及HC组之间各区域脑体积、T1、T2和PrD值,P<0.01为差异有统计学意义。采用Spearman相关分析对ESP患者区域脑体积、脑T1、T2和PrD值与临床变量(MMSE评分)进行相关性分析,以确定定量参数和临床变量(MMSE评分)之间的关系,P<0.05为有相关性。利用MedCalc绘制了差异具有统计学意义的脑区T1、T2和PrD值的ROC曲线,并对该脑区在各序列的弛豫值做联合诊断,分析AUC。

2 结果

2.1 基线资料分析结果

       本研究最终共纳入了22例ESP患者,其中男12例,女10例,年龄为(66±8)岁。纳入了25例HC,其中男14例,女11例,年龄为(58±7)岁。ESP组与HC组之间年龄差异无统计学意义(P<0.05)。MMSE评分为25(12, 29)。

       样本量估算结果:样本量最低标准为32例,其中PD组与HC组最低样本含量为16例。

2.2 脑体积差异分析结果

       Mann-Whitney检验比较ESP组、HC组之间脑体积差异脑区结果,GMV有差异脑区为:岛叶、楔前叶、颞横回、颞叶、脑室;白质体积(white matter volume, WMV)有差异脑区为:右侧海马体、左侧海马旁回,具体如表1所示,表中未提及的脑区差异无统计学意义。

表1  ESP组与HC组之间体积有差异的脑区
Tab. 1  Brain regions with volume differences between ESP and HC group

2.3 脑弛豫值差异分析结果

       Mann-Whitney检验比较ESP组、HC组之间脑体积及T1、T2及PrD弛豫值差异脑区结果具体如表2, 3, 4所示,表中未提及的脑区差异无统计学意义。

表2  ESP组与HC组之间T1弛豫值有差异的脑区
Tab. 2  Brain regions with differences in T1 relaxation between ESP and HC group
表3  ESP组与HC组之间T2弛豫值有差异的脑区
Tab. 3  Brain regions with differences in T2 relaxation between ESP and HC group
表4  ESP组与HC组之间PrD弛豫值有差异的脑区
Tab. 4  Brain regions with differences in PrD relaxation between ESP and HC group

2.4 相关性分析结果

       Spearman相关性分析结果显示与MMSE评分有相关性的GMV脑区、WMV脑区以及与脑弛豫值有相关性脑区,详见表5

表5  ESP组脑区体积,T1、T2及PrD弛豫值与MMSE评分的相关性
Tab. 5  Correlations between brain region volumes, T1, T2, and PrD relaxation values, and MMSE scores in individuals with ESP group

2.5 诊断试验结果

       因脑弛豫值在ESP组及HC组各序列均有差异且与量表有相关性脑区为右侧丘脑,故作右侧丘脑在T1灰质、T1白质、T2灰质、T2白质的ROC曲线,结果如图2所示,具体AUC值及其置信区间见表6。联合诊断效能最高,AUC为0.822(0.697-0.911)。

图2  右侧丘脑(Thalamus_r)灰质及白质脑区的T1、T2弛豫值ROC曲线。GM:脑灰质;WM:脑白质。
Fig. 2  ROC curves for T1 and T2 relaxation values in the gray and white matter brain regions of the right thalamus (Thalamus_r). GM: gray matter; WM: white matter.
表6  右侧丘脑灰质及白质脑区的T1、T2弛豫值ROC曲线相关参数
Tab. 6  The relevant parameters of the ROC curve for the T1 and T2 relaxation values in the gray and white matter brain regions of the right thalamus

3 讨论

       本研究的优势在于借助VBM全脑分区技术和sMRI技术,首次对ESP患者进行疾病预测诊断。结果表明,脑区体积与临床量表有相关性者较多,推测ESP存在广泛的脑体积萎缩改变。部分脑区在HC组及ESP组之间有差异,但右侧丘脑的弛豫值差异性及MMSE评分之间相关性存在于全部各个序列,故应用右侧丘脑的各序列弛豫值作ROC诊断效果良好,应用右侧丘脑在T1及T2各序列弛豫值作联合诊断效能最高。

3.1 脑体积特征

       脑萎缩被认为是评估PD后续残疾的一个重要预后因素[20, 21, 22]。已发表的关于PD中脑区体积变化的VBM研究结果并不一致。相关研究显示,相比HC组,PD患者的基底神经节[23]、眶额叶[24]、海马体和颞叶[25]等区域灰质体积存在萎缩或变薄。虽然存在差异性结果,但在PD中已经发现眶额叶,腹外侧前额叶和枕顶皮质区域的皮质变薄,以及尾状和壳膜的体积减小[26, 27]。其他研究结果未发现常规MRI下PD患者和HC组之间的明显差异[28, 29]。在有嗅觉障碍的PD患者中,与HC组相比,嗅球和束中的体积减小是显而易见的[30]。在PD呼吸功能障碍患者中,与肺功能正常的PD相比,左海马旁回、右梭形回、右小脑和左中央后回中报告了GM萎缩[31]。PD步态症状的冻结与后GM萎缩(特别是左楔形、前楔形、舌回和后扣带皮质)有关[28]。在晚期PD中,发现皮质下GM结构的萎缩比早期PD阶段的萎缩更明显[32]

       本研究结果表明,PD脑萎缩主要累及脑灰质,几乎不影响WM。其发病机制中的一些潜在的神经病理导致脑萎缩,sMRI可以监测这些体积变化。目前,我们已经研究了sMRI在确定PD萎缩的脑区方面的应用。sMRI脑体积测量显示,PD患者的GMV显著降低。同时,WMV未见明确改变,提示PD对脑体积的影响主要累及皮质,这与之前的研究结果相吻合,PD最早累及黑质中多巴胺能神经元,继而引起锥体外系运动系统相关症状。证实了VBM全脑分区脑萎缩诊断PD的可靠性。

3.2 弛豫值特征

       正常脑组织的T1、T2、PrD值范围相对较窄,而病理组织的弛豫值明显偏离[33]。神经元和轴突丢失或死亡,水分含量变化铁沉积等均可导致弛豫时间的变化,即使脑组织在T1WI或T2WI上肉眼观显示信号正常,也已存在潜在的弛豫值异常。sMRI可检测脑组织T1、T2、PrD弛豫值的改变,这可能推测PD的潜在病理生理学机制,并在预测PD的疾病进展方面具有临床意义。弛豫值测量法对大脑的微结构和组成很敏感,并有可能揭示特定脑组织的改变[34]

       之前的一项研究显示,脑干和皮质下结构的变化在疾病早期更为明显,而皮质结构改变主要见于晚期PD[35]。在本研究得出的结果有三项指导意义:一是脑灰质存在差异脑区较白质明显多,证明脑灰质弛豫值变化较脑白质变化更为敏感,PD早期脑信号异常发生于脑皮质;二是T1和T2弛豫值有差异脑区较PrD弛豫值有差异明显多,证明T1和T2较PrD更为敏感,此项研究结果与一项关于sMRI应用于阿尔茨海默病的结果相一致[17],关于PrD弛豫值值诊断PD的研究,还应在以后的研究中多加关注;三是ESP组和HC组之间脑弛豫值有差异脑区为右侧丘脑。

       有研究显示,PD患者丘脑底核动力学障碍导致行走障碍[36]。震颤的发生是由丘脑底脑驱动运动皮层介导的,丘脑振幅与震颤动态状态下的震颤振幅呈正相关[37]。本研究也进一步证实了丘脑在PD早期即有较好的敏感性,可应用这些脑区T1及T2弛豫值改变对ESP做出诊断。

       此外,本研究验证了sMRI特征与PD神经变性的形态学成像相关。高场强MRI和sMRI序列的应用实现了可视化PD患者微小的脑组织变化,从而产生了新的MRI特征和参数用于评估疾病的生物标志物。VBM检测各组间脑组织如全脑体积、GMV、WMV等局部结构差异,有助于理解PD的病理生理学,可应用于PD的早期诊断。

3.3 本研究的局限性

       本研究应用右侧丘脑的T1及T2弛豫值改变对ESP作出诊断。但仍存在一定局限性:一方面,受限于扫描期间患者的配合程度,本研究样本量相对较少,未来将扩大样本量,继续探讨相关问题;另一方面,需要注意的是,某些临床特征并不是PD的特定表现,也可见于某些非典型的帕金森综合征,未来将纳入其他病例进行分组研究。

4 结论

       综上所述,PD患者可出现全脑和特定区域的脑体积和脑弛豫值的改变,右侧丘脑的相关sMRI衍生的参数可作为临床特定定量标志物,有助于PD的早期诊断。

[1]
ARSLAND D, BATZU L, HALLIDAY G M, et al. Parkinson disease-associated cognitive impairment[J/OL]. Nat Rev Dis Primers, 2021, 7(1): 53 [2023-06-19]. https://pubmed.ncbi.nlm.nih.gov/34210995/. DOI: 10.1038/s41572-021-00280-3.
[2]
TALMAN L. Quality of Life for Patients With Parkinson Disease[J]. Neurology, 2022, 98(22): 2293-2295. DOI: 10.1212/WNL.0000000000200741.
[3]
WANNEVEICH M, MOISAN F, JACQMIN-GADDA H, et al. Projections of prevalence, lifetime risk, and life expectancy of Parkinson's disease (2010–2030) in France[J]. Mov Disord, 2018, 33(9): 1449-1455. DOI: 10.1002/mds.27447.
[4]
OVERVLIET G M, MEIJER VAN DUN R E, LAMPE I K, et al. Reader response: Symptom burden among individuals with Parkinson disease: A national survey[J/OL]. Neurol Clin Pract, 2020, 10(2): 90 [2023-06-19]. https://pubmed.ncbi.nlm.nih.gov/32309021/. DOI: 10.1212/CPJ.0000000000000818.
[5]
DICKSON D W. Neuropathology of Parkinson disease[J]. Parkinsonism Relat Disord, 2018, 46(l1): 30-33. DOI: 10.1016/j.parkreldis.2017.07.033.
[6]
WARD R J, ZUCCA F A, DUYN J H, et al. The role of iron in brain ageing and neurodegenerative disorders[J]. Lancet Neurol, 2014, 13: 1045-1060. DOI: 10.1016/S1474-4422(14)70117-6.
[7]
REITH W. Neurodegenerative Erkrankungen[J]. Radiologe, 2018, 58: 241-258. DOI: 10.1007/s00117-018-0363-y.
[8]
KOVACS G G. Molecular Pathological Classification of Neurodegenerative Diseases[J/OL]. Int J Mol Sci, 2016, 17(2): 189 [2023-06-19]. https://pubmed.ncbi.nlm.nih.gov/26848654/. DOI: 10.3390/ijms17020189.
[9]
KALIA L V, LANG A E. Parkinson's disease[J]. Lancet, 2015, 386: 896-912. DOI: 10.1016/S0140-6736(14)61393-3.
[10]
ARMSTRONG M J, OKUN M S. Diagnosis and treatment of Parkinson disease: A review[J]. JAMA, 2020, 323(6): 548-560. DOI: 10.1001/jama.2019.22360.
[11]
MARSILI L, RIZZO G, COLOSIMO C. Diagnostic criteria for Parkinson's disease: From James Parkinson to the concept of prodromal disease[J/OL]. Front Neurol, 2018, 9: 156 [2023-06-19]. https://pubmed.ncbi.nlm.nih.gov/29628907/. DOI: 10.3389/fneur.2018.00156.
[12]
RIZZO G, COPETTI M, ARCUTI S, et al. Accuracy of clinical diagnosis of Parkinson disease[J]. Neurology, 2016, 86(6): 566-576. DOI: 10.1212/WNL.0000000000002350.
[13]
WARNTJES J B, LEINHARD O D, WEST J, et al. Rapid magnetic resonance quantifification on the brain: optimization for clinical usage[J]. Magn Reson Med, 2008, 60(2): 320-329. DOI: 10.1002/mrm.21635.
[14]
NEMOTO K. Understanding voxel-based morphometry[J]. Brain Nerve, 2017, 69(5): 505-511. DOI: 10.11477/mf.1416200776.
[15]
POTGIESER A R, VAN DER HOORN A, MEPPELINK A M, et al. Anterior temporal atrophy and posterior progression in patients with Parkinson's disease[J]. Neurodegener Dis, 2014, 14(3): 125-132. DOI: 10.1159/000363245.
[16]
KARAGULLE KENDI A T, LEHERICY S, LUCIANA M, et al. Altered diffusion in the frontal lobe in Parkinson disease[J]. AJNR Am J Neuroradiol, 2008, 29(3): 501-505. DOI: 10.3174/ajnr.A0850.
[17]
LOU B, JIANG Y, LI C, et al. Quantitative analysis of synthetic magnetic resonance imaging in Alzheimer's disease[J/OL]. Front Aging Neurosci, 2021, 13: 638731 [2022-12-30]. https://pubmed.ncbi.nlm.nih.gov/33912023/. DOI: 10.3389/fnagi.2021.638731.
[18]
Yang J, Song Y, Huang J, et al. A pilot study of the association between leukoaraiosis and cerebral atherosclerosis using synthetic magnetic resonance imaging[J]. Acta Radiol, 2022, 63(11): 1546-1553. DOI: 10.1177/02841851211044970.
[19]
CAO J, XU X, ZHU J, et al. Rapid quantification of global brain volumetry and relaxometry in patients with multiple sclerosis using synthetic magnetic resonance imaging[J]. Quant Imaging Med Surg, 2022, 12(6): 3104-3114. DOI: 10.21037/qims-21-970.
[20]
SHATTUCK D W, SANDOR-LEAHY S R, SCHAPER K A, et al. Magnetic resonance image tissue classification using a partial volume model[J]. Neuroimage, 2001, 13: 856-876, DOI: 10.1006/nimg.2000.0730.
[21]
VÅGBERG M, LINDQVIST T, AMBARKI K, et al. Automated determination of brain parenchymal fraction in multiple sclerosis[J]. AJNR Am J Neuroradiol, 2013, 34: 498-504. DOI: 10.3174/ajnr.A3262.
[22]
KASSUBEK J, TUMANI H, ECKER D, et al. Age-related brain parenchymal fraction is significantly decreased in young multiple sclerosis patients:a quantitative MRI study[J]. Neuroreport, 2003, 14: 427-430. DOI: 10.1097/00001756-200303030-00026.
[23]
XU X, HAN Q, LIN J, et al. Grey matter abnormalities in Parkinson's disease: a voxel-wise meta-analysis[J]. Eur J Neurol, 2019, 27: 653-659. DOI: 10.1111/ene.14132.
[24]
BURTON E J, MCKEITH I G, BURN D J, et al. Cerebral atrophy in Parkinson's disease with and without dementia: a comparison with Alzheimer's disease, dementia with Lewy bodies and controls[J]. Brain, 2004, 127: 791-800. DOI: 10.1093/brain/awh088.
[25]
SUMMERFIFIELD C, JUNQUÉ C, TOLOSA E, et al. Structural brain changes in Parkinson disease with dementia: a voxel-based morphometry study[J]. Arch Neurol, 2005, 62: 281-285. DOI: 10.1001/archneur.62.2.281.
[26]
TINAZ S, COURTNEY M G, STERN C E. Focal cortical and subcortical atrophy in early Parkinson's disease[J]. Mov Disord, 2011, 26: 436-441. DOI: 10.1002/mds.2345326.
[27]
PITCHER T L, MELZER T R, MACASKILL M R, et al. Reduced striatal volumes in Parkinson's disease: a magnetic resonance imaging study[J]. Transl Neurodegener, 2012, 1(1): 17. DOI: 10.1186/2047-9158-1-17.
[28]
TESSITORE A, AMBONI M, CIRILLO G, et al. Regional gray matter atrophy in patients with Parkinson disease and freezing of gait[J/OL]. AJNR Am J Neuroradiol, 2012, 33: 18041809 [2022-12-30]. https://pubmed.ncbi.nlm.nih.gov/22538070/. DOI: 10.3174/ajnr.A306628.
[29]
SCHULZ J B, SKALEJ M, WEDEKIND D, et al. Magnetic resonance imaging-based volumetry difffferentiates idiopathic Parkinson's syndrome from multiple system atrophy and progressive supranuclear palsy[J]. Ann Neurol, 1999, 45: 65-74.
[30]
CHEN S, TAN H Y, WU Z H, et al. Imaging of olfactory bulb and gray matter volumes in brain areas associated with olfactory function in patients with Parkinson's disease and multiple system atrophy[J]. Eur J Radiol, 2013, 83: 564-570. DOI: 10.1016/j.ejrad.2013.11.024.
[31]
LEE S Y, CHEN M H, CHIANG P L, et al. Reduced gray matter volume and respiratory dysfunction in Parkinson's disease: a voxel-based morphometry study[J]. BMC Neurol, 2018, 18(1): 1-8. DOI: 10.1186/s12883-018-1074-8.
[32]
BLAIR J C, BARRETT M J, PATRIE J, et al. Brain MRI reveals ascending atrophy in Parkinson's disease across severity[J/OL]. Front Neurol, 2019, 10: 1329 [2022-12-30]. https://pubmed.ncbi.nlm.nih.gov/31920949/. DOI: 10.3389/fneur.2019.01329.
[33]
ALFANO B, BRUNETTI A, COVELLI E M, et al. Unsupervised, automated segmentation of the normal brain using a multispectral relaxometric magnetic resonance approach[J]. Magn Reson Med, 1997, 37: 84-93. DOI: 10.1002/mrm.1910370113.
[34]
DOES M D. Inferring brain tissue composition and microstructure via MR relaxometry[J]. Neuroimage, 2018, 182: 136-148. DOI: 10.1016/j.neuroimage.2017.12.087.
[35]
BRAAK H, GHEBREMEDHIN E, RÜB U, et al. Stages in the development of Parkinson's disease-related pathology[J]. Cell Tissue Res, 2004, 318: 121-134. DOI: 10.1007/S00441-004-0956-9.
[36]
KHAWALDEH S, TINKHAUSER G, SHAH S A, et al. Subthalamic nucleus activity dynamics and limb movement prediction in Parkinson's disease[J]. Brain, 2020, 143(2): 582-596. DOI: 10.1093/brain/awz417.
[37]
LAURO P M, LEE S, AKBAR U. Subthalamic-cortical network reorganization during Parkinson's tremor[J]. Neurosci, 2021, 41(47): 9844-9858. DOI: 10.1523/JNEUROSCI.0854-21.2021.

上一篇 严重嗅觉减退的帕金森病患者内在大脑活动指标的空间和时间一致性改变
下一篇 基于磁敏感加权成像的黑质影像组学诊断帕金森病的研究
  
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