分享:
分享到微信朋友圈
X
综述
QSM技术在认知功能评估中的应用研究
李颖娜 梁文洲 赵立营 王志仁

Cite this article as: LI Y N, LIANG W Z, ZHAO L Y, et al. Study on the application of quantitative susceptibility mapping in cognitive function assessment[J]. Chin J Magn Reson Imaging, 2023, 14(10): 147-151.本文引用格式:李颖娜, 梁文洲, 赵立营, 等. QSM技术在认知功能评估中的应用研究[J]. 磁共振成像, 2023, 14(10): 147-151. DOI:10.12015/issn.1674-8034.2023.10.026.


[摘要] 随着老年人口的不断增加,认知功能障碍问题日益突出。有效的认知功能评估方法对于老年人健康至关重要。本综述深入研究了一种潜在的非侵入性成像技术,即定量磁化率成像(quantitative susceptibility mapping, QSM),在神经退行性疾病和认知功能障碍领域的应用。本文总结了QSM技术在阿尔茨海默病、帕金森病等疾病中的应用,强调其在评估脑部铁含量和认知功能下降之间关系的潜力。此外,本文还关注了QSM在脑卒中后认知功能障碍、糖尿病、贫血等疾病中的潜在应用价值。通过深入研究QSM技术,本综述有望为早期诊断、治疗和理解神经退行性疾病及认知功能障碍提供新途径。
[Abstract] As the elderly population continues to grow, issues related to cognitive impairment have become increasingly prominent. Effective methods for assessing cognitive function are crucial for the health of older individuals. This review delved into a potential non-invasive imaging technique known as quantitative susceptibility mapping (QSM) and its applications in the field of neurodegenerative diseases and cognitive impairment. We summarized the use of QSM technology in conditions such as Alzheimer's disease and Parkinson's disease, emphasizing its potential in assessing the relationship between brain iron content and cognitive decline. Additionally, we highlighted the potential applications of QSM in conditions like post-stroke cognitive impairment, diabetes, anemia, and others. Through an in-depth exploration of QSM technology, this review aims to provide new avenues for early diagnosis, treatment, and understanding of neurodegenerative diseases and cognitive impairment.
[关键词] 定量磁化率成像;认知功能障碍;铁沉积;阿尔茨海默病;轻度认知障碍;帕金森病;神经系统疾病;磁共振成像
[Keywords] quantitative susceptibility mapping;cognitive impairment;iron deposition;Alzheimer's disease;mild cognitive impairment;Parkinson's disease;neurodegenerative disorders;magnetic resonance imaging

李颖娜 1   梁文洲 1   赵立营 1   王志仁 2*  

1 北京回龙观医院医学影像中心,北京 100096

2 北京回龙观医院精神医学研究中心,北京 100096

通信作者:王志仁,E-mail:zhiren75@163.com

作者贡献声明:王志仁设计本研究的方案,对稿件重要内容进行了修改;李颖娜起草和撰写稿件,获取、分析或解释本研究的数据;梁文洲、赵立营获取、分析或解释本研究的数据,对稿件内容进行了修改;王志仁获得了首都卫生发展科研专项、北京市医院管理局临床医学发展专项经费资助。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: 首都卫生发展科研专项 首发2022-2-2133 北京市医院管理局临床医学发展专项 XMLX202130
收稿日期:2023-04-14
接受日期:2023-09-21
中图分类号:R445.2  R749.1+6 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2023.10.026
本文引用格式:李颖娜, 梁文洲, 赵立营, 等. QSM技术在认知功能评估中的应用研究[J]. 磁共振成像, 2023, 14(10): 147-151. DOI:10.12015/issn.1674-8034.2023.10.026.

0 前言

       当前,全球老年人口不断增加,与之相关的认知功能障碍问题也日益凸显。随着人口老龄化趋势的加剧,老年人群中出现认知功能下降的风险也显著增加。认知功能障碍不仅影响个体的生活质量,还对社会医疗资源构成巨大挑战。因此,寻找一种准确、非侵入性的方法来早期评估和监测认知功能障碍的变化变得尤为重要。磁共振成像(magnetic resonance imaging, MRI)技术在神经科学领域的应用日益广泛,然而,传统MRI方法往往难以提供关于脑结构和功能的详细信息。尤其是在认知功能障碍研究中,仅仅依靠常规MRI难以捕捉微小的生理和病理变化。因此,需要一种更加敏感和精确的成像技术,以更好地揭示认知功能障碍的机制和特征。在这种背景下,定量磁化率成像(quantitative susceptibility mapping, QSM)技术应运而生。QSM技术基于磁共振信号的磁化率变化,能够更准确地测量组织内的铁含量。铁作为重要的生物标志物,在神经退行性疾病的发病机制中起着重要作用[1, 2, 3]。QSM技术不仅能够提供有关脑铁含量的定量信息,还可以揭示铁沉积与认知功能障碍之间的关联[3]。然而,尽管QSM技术在认知功能障碍研究中具有潜在应用价值,但其在不同疾病类型中的具体应用和作用尚需深入探索和总结。为了更好地利用QSM技术来评估认知功能障碍,并为相关疾病的早期诊断和治疗提供支持,有必要对QSM技术在神经退行性疾病中的应用进行综合性的总结和评估。本综述旨在填补这一知识空白,系统地介绍QSM技术在不同类型的认知功能障碍研究中的应用情况,为进一步的研究和临床应用提供科学依据。

1 QSM技术在认知功能评估中的应用

       从科学研究发展趋势来看,认知功能障碍已经成为老年人健康问题的重要组成部分,相关研究越来越受到重视。随着人口老龄化进程的加快,认知功能障碍的患病率也将会进一步上升。因此,发展有效的认知功能评估方法对于老年人的健康管理具有重要意义。QSM技术作为一种非侵入性、无辐射的成像技术,在认知功能评估中具有广泛的应用前景。该技术不仅可以提供高分辨率的脑部结构图像,还可以定量评估铁含量等生物标志物与认知功能之间的关系,为认知功能障碍的早期诊断和治疗提供更为准确和可靠的依据[4]

       在认知功能评估中,QSM技术被证明可以提供更准确、可靠的结构和功能信息,为研究认知功能障碍的病理机制提供支持[5, 6]。近年来,许多研究[1, 7]表明,QSM技术可以用于评估脑铁含量和分布,从而探究与认知功能相关的神经元萎缩和失活等病理变化。同时,国内外的研究机构在不同的神经疾病和认知功能障碍领域应用了QSM技术,并取得了一些重要的研究进展,如特发性快速眼动期睡眠行为障碍患者黑质及小脑齿状核铁沉积增多可能是特发性快速眼动期睡眠行为障碍神经退行性变主要原因之一,或可成为其进展为神经变性病的早期影像学标志之一[8],以及磁敏感度可能提供有关大脑髓鞘化和铁沉积的空间和时间模式在大脑成熟和衰老过程中的宝贵信息[9]

       综合而言,QSM技术在认知功能评估中具有潜在的应用前景。它可以提供有关脑铁含量和分布的定量信息,并揭示与认知功能相关的病理变化。然而,仍需要进一步的研究来验证QSM在认知功能评估中的准确性和可靠性,并探索其在不同认知障碍类型和疾病中的临床应用价值。此外,标准化的方法和参数以及更大规模的研究样本也是未来研究的重要方向。

2 QSM在不同疾病导致的认知功能障碍中的应用

2.1 QSM在阿尔茨海默病患者认知中的应用

       在阿尔茨海默病(Alzheimer's disease, AD)的研究中,QSM技术不仅被广泛应用于评估脑铁含量的变化,发现与认知功能障碍相关的病理性铁沉积[9, 10],还可以作为该疾病的生物标志物。此外,QSM技术还可以用于评估白质病理学和认知功能障碍的关联。一些研究[11]利用QSM技术结合扩散张量成像(diffusion tensor imaging, DTI)技术发现,AD患者白质区域存在铁沉积,并且与DTI指标的异常有关。KUCHCINSKI等[12]的研究结果表明,QSM技术在评估AD患者大脑内铁沉积程度方面具有有效性,并且在辨别AD和轻度认知功能障碍(mild cognitive impairment, MCI)患者方面具有较高的准确性。同时,QSM技术在痴呆研究中的应用也得到了广泛关注。综述[10]分析的研究结果表明,QSM技术在不同类型的痴呆诊断中具有很高的准确性,特别是在AD性痴呆的诊断方面,还可以用于监测痴呆症状的发展和治疗效果。

       COGSWELL等[13]采用QSM技术测量AD患者脑铁含量,并与其认知能力进行了相关性分析,研究结果显示,AD患者的脑铁含量与认知能力呈一定程度的相关性,即脑部铁含量越高,认知能力越差。研究[14, 15]还发现,AD患者的脑铁含量明显高于健康对照组,尤其是尾状核和壳核。

       以上研究结果表明,QSM技术在评估AD患者的认知功能和脑铁含量方面具有潜在应用价值。通过对脑铁含量的定量分析,QSM可以提供对认知能力和疾病进展的评估,并且有助于早期诊断和监测AD。然而,进一步的研究仍然需要进行,以验证QSM技术在AD诊断和研究中的可靠性和准确性,并深入探究其在AD发病机制中的作用。

2.2 QSM在MCI患者认知中的应用

       QSM技术在研究认知退化早期阶段的疾病中具有潜在应用价值。研究表明,QSM能够检测到认知退化早期患者的铁代谢异常[16]和海马体体积变化[17],通过对MCI患者和正常对照组的比较发现,MCI患者的海马体磁敏感值较正常对照组降低,并且铁代谢也发生改变[17]。以上研究结果提示,铁代谢异常和海马体萎缩可能在认知退化的早期阶段就已存在。

       QSM技术在评估MCI患者的大脑铁沉积情况方面也显示出潜力。研究发现,MCI患者的颞叶[18]、基底节[19]和丘脑[16]的磁敏感值明显增高,表明这些区域存在铁沉积,并且磁敏感值的高度与患者的认知功能损害程度呈正相关[16]。这些结果提示,QSM技术可以作为评估MCI患者的大脑铁代谢情况的有力工具,为早期诊断和治疗提供新的视角。

       在不同严重程度的MCI患者中,QSM和R2值在大脑铁沉积上存在明显差异,显示出作为MCI潜在生物标志物的潜力[20]。此外,一项研究[21]还发现MCI患者存在深部灰质区域的铁沉积,可能与其认知功能下降有关。这表明,QSM技术可以用于研究MCI患者的神经铁代谢,并在MCI的早期诊断和治疗方面提供帮助。还有多项研究[22, 23]发现,与传统成像技术相比,QSM具有更高的敏感度和特异度,尤其在海马区的诊断价值更高。

       总的来说,QSM技术在认知功能退化相关研究中具有重要的应用价值。它可以提供关于铁代谢异常和大脑区域变化的准确和敏感的信息,为认知功能退化的早期诊断和治疗提供新的视角。然而,尽管已有的研究表明QSM技术在认知功能退化方面的潜力,但仍需要更多的大规模研究来验证其在不同类型认知障碍中的应用,并解决现有的挑战和限制。因此,未来的研究应该进一步探索QSM技术的机制、优化标准化方法和参数,并与其他成像技术进行比较和整合,以更全面地理解认知功能退化的病理机制。

2.3 QSM在帕金森病患者认知中的应用

       QSM技术不仅在AD中有应用价值,还被广泛用于研究其他神经退行性疾病患者的铁沉积与认知功能之间的关系。一项针对帕金森病(Parkinsons disease, PD)患者的研究[24]发现,黑质致密部位的铁沉积增加与较差的认知功能相关,包括执行功能和注意力等方面的损害。这表明QSM技术可以用于评估PD患者脑部铁含量的变化,并发现与运动障碍相关的病理性铁沉积。另外,一些国内外的研究还探索了QSM技术在其他认知功能障碍方面的应用。例如,一项针对早期特发性PD患者的研究[25]发现,局部铁沉积异常程度与运动障碍的严重程度呈正相关,提示QSM技术有望成为评估早期PD患者脑部铁代谢异常的可靠工具。

       LANGKAMMER等[26]采用QSM技术对PD患者的脑灰质中的铁含量进行测量,并与认知功能表现进行相关性分析。研究结果显示,脑铁含量与认知功能之间存在一定的相关性,因此,QSM技术可以用于预测PD患者的认知功能表现。其他研究也发现PD患者的脑铁含量与疾病严重程度呈正相关[27],在大脑皮层和基底节区域[28]以及黑质[29]和红核区域[30]的磁敏感值显著增加,并发现PD患者的认知功能障碍与铁质含量异常有关。这些研究结果表明,QSM技术可以作为一种非侵入性的方法来评估PD患者的脑铁含量,为PD的诊断和治疗提供了新的思路和方法。

       综上所述,QSM技术在神经退行性疾病研究中的应用不仅局限于AD,还扩展到PD等其他疾病。通过对铁沉积和认知功能之间的关系进行研究,QSM技术为我们理解这些疾病的发病机制提供了新的见解,并为早期诊断和治疗提供了潜在的非侵入性工具。然而,需要进一步的研究来验证QSM技术在这些疾病中的可靠性和准确性,并深入探究其在疾病发展和治疗效果监测方面的应用前景。

2.4 QSM在其他认知功能障碍方面的应用

       除AD和PD,QSM技术还被用于研究脑卒中后认知功能障碍[31]、糖尿病、前颞叶痴呆、表层色素沉着症(superficial siderosis, SS)、贫血、血管性认知障碍、脑下垂体血管性认知障碍(cortical vascular cognitive impairment with no dementia, SVCI)、血管性痴呆(vascular dementia, VD),以及全身性红斑狼疮(systemic lupus erythematosus, SLE)等方面。一些研究发现,QSM技术可以评估脑铁含量的变化,并发现认知功能障碍与病理性铁沉积相关。例如,在糖尿病患者的研究[32]中,QSM技术发现海马区的铁含量与认知功能损伤呈负相关。在前颞叶痴呆患者中,QSM技术显示脑铁含量显著增加,并与认知功能障碍的严重程度相关[33]。PEROSA等[34]通过比较SS患者和正常人的QSM图像,发现SS患者的磁敏感值明显增加,提示QSM技术可以作为一种非侵入性的方法来检测和诊断SS,为其早期诊断和治疗提供了新的可能性。BAE等[35]采用QSM技术测量贫血患者和健康对照组的脑部铁含量,并比较两组之间的差异。结果显示,贫血患者的脑部铁含量显著低于健康对照组,且脑部铁含量与贫血程度呈负相关。在SVCI中,QSM技术揭示了尾状核、内囊和苍白球等脑区的铁代谢异常[36]。上述研究结果表明,QSM技术可以作为一种非侵入性的方法来评估不同认知功能障碍疾病患者的脑部铁含量,为这些疾病的早期诊断和治疗提供新的可能性。MOON等[37]的研究使用QSM技术初步探讨了VD患者的铁质沉积情况。结果显示,VD患者存在着大脑铁质沉积的增加,表明QSM技术可以对其进行可靠的检测,有望成为VD的辅助诊断手段。有学者通过探讨SLE患者的QSM情况与认知障碍之间的关系,结果发现,QSM可以对SLE患者的铁质沉积情况进行可靠的检测,并且SLE患者的磁敏感值与认知障碍程度呈现相关性[38, 39]

       总体而言,QSM技术在研究认知功能障碍和神经退行性疾病方面展现出广阔的应用前景。通过评估脑部铁含量的变化,QSM技术能够揭示与认知功能损害相关的病理性铁沉积,并为早期诊断、疾病监测和治疗提供有力支持。然而,尽管已经取得了一些有意义的研究结果,但仍需要进一步的研究来验证和拓展QSM技术在这些领域的应用,以更好地了解这些疾病的发病机制和提供更有效的临床管理策略。

3 QSM技术的局限性

       尽管QSM技术在医学领域和神经科学研究中具有广泛的应用前景,但它也存在一些缺陷和局限性:(1)对稳定磁场的要求。QSM技术对高度稳定的磁场要求较高,即使微小的磁场不均匀性或波动也可能导致图像伪影或定量结果的不准确性,因此,需要对磁体进行精确的校准和维护,并且对环境中的外界磁场干扰进行有效的屏蔽[40, 41]。(2)扫描参数的准确性要求。QSM技术对扫描参数的准确性要求也较高,如扫描的回波时间等参数需要精确控制,以获得可靠的磁化率重建结果,任何扫描参数的偏差都可能导致图像伪影和磁化率定量误差[42]。(3)铁含量定量误差。QSM技术常被用于估计组织中的铁含量,但在实际应用中,磁化率定量结果可能受到多种因素的影响而产生误差,例如组织中的其他成分(如脂肪、水等)也可能对磁化率测量产生影响,从而降低定量结果的准确性[43, 44]。(4)数据处理和分析的复杂性。QSM技术需要对大量的原始数据进行复杂的处理和分析,包括相位图像重建、背景场估计、去噪和磁化率计算等步骤,这些处理步骤需要消耗大量的计算资源和时间,并且需要有经验的技术人员进行操作和解释结果[45, 46]。(5)缺乏标准化和标定方法。目前QSM技术的标准化和标定方法仍在不断发展中,不同厂商和实验室之间可能存在差异,导致结果的可比性和一致性受到影响。因此,建立统一的标准化方法和参考值范围是QSM技术应用和结果解释的挑战之一。这些缺陷和局限性表明,尽管QSM技术在认知功能评估等领域具有潜在的应用前景,但在实际应用中仍需谨慎对待,并需要进一步改进和完善。

4 总结与展望

4.1 总结

       总的来说,以上研究表明QSM技术可以作为一种非侵入性的方法来评估认知功能和神经系统疾病中的铁含量。这些研究结果有助于深入了解铁代谢在神经系统中的作用,并为相关疾病的诊断和治疗提供新思路。具体来说,这些研究可以为认知功能评估提供一种新的、准确的、非侵入性的方法,同时也为相关神经系统疾病的诊断和治疗提供了新的思路和方法。

       此外,这些研究还表明QSM技术在神经科学领域的应用前景非常广阔。通过结合QSM技术和其他神经影像学技术,可以更加全面地了解神经系统中铁代谢的作用,并为神经系统疾病的研究提供更为精准的方法和手段。总之,随着神经科学研究的不断深入,QSM技术在神经系统疾病诊断和认知功能评估中的应用前景将会越来越广阔。

       总之,QSM是一种有前途的MRI技术,在推动我们理解脑铁在认知功能中的作用以及其与各种神经系统疾病之间的关系方面表现出了巨大的潜力,可用于研究铁沉积与认知功能之间的关系。它有潜力为我们提供对神经退行性疾病的潜在机制的新见解,并成为早期检测和监测认知衰退的生物标志物,但需要进一步的研究来验证QSM在认知研究中的临床实用性,并解决该技术的局限性,例如其准确性易受多种因素的影响等。

4.2 展望

       未来,QSM技术在认知功能评估领域的应用前景也会越来越广阔。第一,随着技术的不断进步,QSM技术在成像质量和定量测量方面将会更加准确和可靠。例如,目前正在研究基于深度学习的QSM图像重建方法,能够进一步提高成像质量和降低噪声干扰[47]。第二,随着认知功能评估的研究不断深入,未来将有更多的生物标志物被发现,并与QSM技术结合使用,从而实现更为精准的认知功能评估。例如,一项最新的研究[48]表明,基于QSM技术评估脑干中铁含量与认知功能之间的关系,可以帮助早期诊断PD等相关疾病。第三,随着QSM技术的不断发展和完善,它在认知功能评估领域的应用前景也将不断拓展。目前在认知功能评估中常用的脑部结构分析方法主要基于3D T1WI像素强度,但这种方法并不能提供大脑中铁含量等生物标志物的信息。第四,QSM技术还可以结合其他成像技术(如fMRI)来进一步研究认知功能与脑结构、功能之间的关系。研究人员可以通过将QSM和fMRI图像数据进行融合,来研究认知功能的神经机制,探索不同认知功能任务对应的脑活动区域和网络。这些研究成果不仅可以深化我们对认知功能的理解,还可以为认知障碍的早期诊断和治疗提供更加准确和有效的手段。因此,QSM技术有望成为一种重要的补充方法,通过量化铁含量等生物标志物与认知功能之间的关系来提高认知功能评估的精度和可靠性。

       综上所述,QSM技术在认知功能评估中具有广泛的应用前景。随着技术的不断进步和完善,它将成为一种重要的工具,帮助我们更好地了解认知功能与大脑结构、功能之间的关系,并为认知障碍的早期诊断和治疗提供更加准确和可靠的依据。同时,QSM技术的发展也将推动脑科学研究的不断深入和拓展。QSM技术在认知功能评估中的应用研究正在取得越来越多的成果,并在国内外得到了广泛的关注。随着技术的不断发展和成熟,QSM技术的应用前景也将会越来越广阔,将为医学研究和临床诊疗带来巨大的改进。

[1]
LIU C L, LI W, TONG K A, et al. Susceptibility-weighted imaging and quantitative susceptibility mapping in the brain[J]. J Magn Reson Imaging, 2015, 42(1): 23-41. DOI: 10.1002/jmri.24768.
[2]
LI W, WU B, LIU C L. Quantitative susceptibility mapping of human brain reflects spatial variation in tissue composition[J]. NeuroImage, 2011, 55(4): 1645-1656. DOI: 10.1016/j.neuroimage.2010.11.088.
[3]
LANGKAMMER C, SCHWESER F, KREBS N, et al. Quantitative susceptibility mapping (QSM) as a means to measure brain iron? A post mortem validation study[J]. Neuroimage, 2012, 62(3): 1593-1599. DOI: 10.1016/j.neuroimage.2012.05.049.
[4]
HAACKE E M, CHENG N Y C, HOUSE M J, et al. Imaging iron stores in the brain using magnetic resonance imaging[J]. Magn Reson Imaging, 2005, 23(1): 1-25. DOI: 10.1016/j.mri.2004.10.001.
[5]
ZHAO Y, QU H, WANG W, et al. Assessing mild cognitive impairment in Parkinson's disease by magnetic resonance quantitative susceptibility mapping combined voxel-wise and radiomic analysis[J]. Eur Neurol, 2022, 85(4): 280-290. DOI: 10.1159/000522329.
[6]
HU R, GAO B B, TIAN S Y, et al. Regional high iron deposition on quantitative susceptibility mapping correlates with cognitive decline in type 2 diabetes mellitus[J/OL]. Front Neurosci, 2023, 17: 1061156 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/36793541/. DOI: 10.3389/fnins.2023.1061156.
[7]
COFFMAN C H, WHITE R, SUBRAMANIAN K, et al. Quantitative susceptibility mapping of both ring and non-ring white matter lesions in relapsing remitting multiple sclerosis[J/OL]. Magn Reson Imaging, 2022, 91: 45-51 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/35605736/. DOI: 10.1016/j.mri.2022.05.009.
[8]
叶静怡. 基于定量磁敏感图技术的特发性快动眼期睡眠行为障碍患者脑内铁沉积特征及与认知功能受损相关性研究[D]. 天津: 天津医科大学, 2019. DOI: 10.27366/d.cnki.gtyku.2019.001029.
YE J Y. The research of iron deposition in brain and its correlation with cognitive impairment in patients with idiopathic rapid eye movement sleep behavior disorder based on quantitative susceptibility mapping[D]. Tianjin: Tianjin Medical University, 2019. DOI: 10.27366/d.cnki.gtyku.2019.001029.
[9]
LI W, WU B, BATRACHENKO A, et al. Differential developmental trajectories of magnetic susceptibility in human brain gray and white matter over the lifespan[J]. Hum Brain Mapp, 2014, 35(6): 2698-2713. DOI: 10.1002/hbm.22360.
[10]
UCHIDA Y, KAN H, SAKURAI K, et al. Quantitative susceptibility mapping as an imaging biomarker for Alzheimer's disease: the expectations and limitations[J/OL]. Front Neurosci, 2022, 16: 938092 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/35992906/. DOI: 10.3389/fnins.2022.938092.
[11]
YANG A C, DU L, GAO W W, et al. Associations of cortical iron accumulation with cognition and cerebral atrophy in Alzheimer's disease[J]. Quant Imaging Med Surg, 2022, 12(9): 4570-4586. DOI: 10.21037/qims-22-7.
[12]
KUCHCINSKI G, PATIN L, LOPES R, et al. Quantitative susceptibility mapping demonstrates different patterns of iron overload in subtypes of early-onset Alzheimer's disease[J]. Eur Radiol, 2023, 33(1): 184-195. DOI: 10.1007/s00330-022-09014-9.
[13]
COGSWELL P M, WISTE H J, SENJEM M L, et al. Associations of quantitative susceptibility mapping with Alzheimer's disease clinical and imaging markers[J/OL]. NeuroImage, 2021, 224: 117433 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/33035667/. DOI: 10.1016/j.neuroimage.2020.117433.
[14]
DU L, ZHAO Z F, CUI A L, et al. Increased iron deposition on brain quantitative susceptibility mapping correlates with decreased cognitive function in Alzheimer's disease[J]. ACS Chem Neurosci, 2018, 9(7): 1849-1857. DOI: 10.1021/acschemneuro.8b00194.
[15]
GUAN X J, GUO T, ZHOU C, et al. Altered brain iron depositions from aging to Parkinson's disease and Alzheimer's disease: a quantitative susceptibility mapping study[J/OL]. NeuroImage, 2022, 264: 119683 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/36243270/. DOI: 10.1016/j.neuroimage.2022.119683.
[16]
QIN Z J, WU W J, LIU D X, et al. Quantitative susceptibility mapping of brain iron relating to cognitive impairment in hypertension[J]. J Magn Reson Imaging, 2022, 56(2): 508-515. DOI: 10.1002/jmri.28043.
[17]
ZHANG Z Y, JIANG H R, SUN X R, et al. Monitoring mild cognitive impairment of workers exposed to occupational aluminium based on quantitative susceptibility mapping[J]. Clin Radiol, 2022, 77(11): 840-847. DOI: 10.1016/j.crad.2022.06.007.
[18]
NI M H, LI Z Y, SUN Q, et al. Neurovascular decoupling measured with quantitative susceptibility mapping is associated with cognitive decline in patients with type 2 diabetes[J]. Cereb Cortex, 2023, 33(9): 5336-5346. DOI: 10.1093/cercor/bhac422.
[19]
LI D X, LIU Y C, ZENG X C, et al. Quantitative study of the changes in cerebral blood flow and iron deposition during progression of Alzheimer's disease[J]. J Alzheimers Dis, 2020, 78(1): 439-452. DOI: 10.3233/JAD-200843.
[20]
KAN H, UCHIDA Y, UEKI Y, et al. R2* relaxometry analysis for mapping of white matter alteration in Parkinson's disease with mild cognitive impairment[J/OL]. Neuroimage Clin, 2022, 33: 102938 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/34998126/. DOI: 10.1016/j.nicl.2022.102938.
[21]
YU J J, LI C, QIAN Z M, et al. Brain iron deposition is positively correlated with cognitive impairment in patients with chronic cerebral hypoperfusion: a MRI susceptibility mapping study[J]. Clin Radiol, 2023, 78(8): 601-607. DOI: 10.1016/j.crad.2023.02.020.
[22]
HUANG C B, LI J, LIU C, et al. Investigation of brain iron levels in Chinese patients with Alzheimer's disease[J/OL]. Front Aging Neurosci, 2023, 15: 1168845 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/37284016/. DOI: 10.3389/fnagi.2023.1168845.
[23]
KIM H G, PARK S, RHEE H Y, et al. Quantitative susceptibility mapping to evaluate the early stage of Alzheimer's disease[J/OL]. Neuroimage Clin, 2017, 16: 429-438 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/28879084/. DOI: 10.1016/j.nicl.2017.08.019.
[24]
CHEN M X, WANG Y T, ZHANG C Y, et al. Free water and iron content in the substantia nigra at different stages of Parkinson's disease[J/OL]. Eur J Radiol, 2023, 167: 111030 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/37579561/. DOI: 10.1016/j.ejrad.2023.111030.
[25]
HE N Y, LING H W, DING B, et al. Region-specific disturbed iron distribution in early idiopathic Parkinson's disease measured by quantitative susceptibility mapping[J]. Hum Brain Mapp, 2015, 36(11): 4407-4420. DOI: 10.1002/hbm.22928.
[26]
LANGKAMMER C, PIRPAMER L, SEILER S, et al. Quantitative susceptibility mapping in Parkinson's disease[J/OL]. PLoS One, 2016, 11(9): e0162460 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/27598250/. DOI: 10.1371/journal.pone.0162460.
[27]
THOMAS G E C, LEYLAND L A, SCHRAG A E, et al. Brain iron deposition is linked with cognitive severity in Parkinson's disease[J]. J Neurol Neurosurg Psychiatry, 2020, 91(4): 418-425. DOI: 10.1136/jnnp-2019-322042.
[28]
KANG J J, CHEN Y, XU G D, et al. Combining quantitative susceptibility mapping to radiomics in diagnosing Parkinson's disease and assessing cognitive impairment[J]. Eur Radiol, 2022, 32(10): 6992-7003. DOI: 10.1007/s00330-022-08790-8.
[29]
PYATIGORSKAYA N, SANZ-MORÈRE C B, GAURAV R, et al. Iron imaging as a diagnostic tool for Parkinson's disease: a systematic review and meta-analysis[J/OL]. Front Neurol, 2020, 11: 366 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/32547468/. DOI: 10.3389/fneur.2020.00366.
[30]
MAZZUCCHI S, DEL PRETE E, COSTAGLI M, et al. Morphometric imaging and quantitative susceptibility mapping as complementary tools in the diagnosis of parkinsonisms[J]. Eur J Neurol, 2022, 29(10): 2944-2955. DOI: 10.1111/ene.15447.
[31]
SCHAEFFER M J, CHAN L, BARBER P A. The neuroimaging of neurodegenerative and vascular disease in the secondary prevention of cognitive decline[J]. Neural Regen Res, 2021, 16(8): 1490-1499. DOI: 10.4103/1673-5374.303011.
[32]
YANG Q F, ZHOU L N, LIU C, et al. Brain iron deposition in type 2 diabetes mellitus with and without mild cognitive impairment-an in vivo susceptibility mapping study[J]. Brain Imaging Behav, 2018, 12(5): 1479-1487. DOI: 10.1007/s11682-017-9815-7.
[33]
LIU T, ESKREIS-WINKLER S, SCHWEITZER A D, et al. Improved subthalamic nucleus depiction with quantitative susceptibility mapping[J]. Radiology, 2013, 269(1): 216-223. DOI: 10.1148/radiol.13121991.
[34]
PEROSA V, ROTTA J, YAKUPOV R, et al. Implications of quantitative susceptibility mapping at 7 Tesla MRI for microbleeds detection in cerebral small vessel disease[J/OL]. Front Neurol, 2023, 14: 1112312 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/37006483/. DOI: 10.3389/fneur.2023.1112312.
[35]
BAE H, CHO Y W, KIM K T, et al. Ferric carboxymaltose effects on restless legs syndrome and on brain iron in patients with iron deficiency anemia[J/OL]. Sleep Med, 2023, 109: 128-131 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/37437492/. DOI: 10.1016/j.sleep.2023.06.023.
[36]
SUN Y W, CAO W W, DING W N, et al. Cerebral blood flow alterations as assessed by 3D ASL in cognitive impairment in patients with subcortical vascular cognitive impairment: a marker for disease severity[J/OL]. Front Aging Neurosci, 2016, 8: 211 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/27630562/. DOI: 10.3389/fnagi.2016.00211.
[37]
MOON Y, HAN S H, MOON W J. Patterns of brain iron accumulation in vascular dementia and Alzheimer's dementia using quantitative susceptibility mapping imaging[J]. J Alzheimers Dis, 2016, 51(3): 737-745. DOI: 10.3233/JAD-151037.
[38]
MIYATA M, KAKEDA S, KUDO K, et al. Evaluation of oxygen extraction fraction in systemic lupus erythematosus patients using quantitative susceptibility mapping[J]. J Cereb Blood Flow Metab, 2019, 39(8): 1648-1658. DOI: 10.1177/0271678X18764829.
[39]
BULK M, VAN HARTEN T, KENKHUIS B, et al. Quantitative susceptibility mapping in the thalamus and basal Ganglia of systemic lupus erythematosus patients with neuropsychiatric complaints[J/OL]. Neuroimage Clin, 2021, 30: 102637 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/33812303/. DOI: 10.1016/j.nicl.2021.102637.
[40]
WANG Y, SPINCEMAILLE P, LIU Z, et al. Clinical quantitative susceptibility mapping (QSM): Biometal imaging and its emerging roles in patient care[J]. J Magn Reson Imaging, 2017, 46(4): 951-971. DOI: 10.1002/jmri.25693.
[41]
KOCH K M, NENCKA A S, SWEARINGEN B, et al. Acute post-concussive assessments of brain tissue magnetism using magnetic resonance imaging[J]. J Neurotrauma, 2021, 38(7): 848-857. DOI: 10.1089/neu.2020.7322.
[42]
DEISTUNG A, SCHWESER F, REICHENBACH J R. Overview of quantitative susceptibility mapping[J/OL]. NMR Biomed, 2017, 30(4): 10.1002/nbm.3569 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/27434134/. DOI: 10.1002/nbm.3569.
[43]
BACHRATA B, TRATTNIG S, ROBINSON S D. Quantitative susceptibility mapping of the head-and-neck using SMURF fat-water imaging with chemical shift and relaxation rate corrections[J]. Magn Reson Med, 2022, 87(3): 1461-1479. DOI: 10.1002/mrm.29069.
[44]
BRAY T J P, KARSA A, BAINBRIDGE A, et al. Association of bone mineral density and fat fraction with magnetic susceptibility in inflamed trabecular bone[J]. Magn Reson Med, 2019, 81(5): 3094-3107. DOI: 10.1002/mrm.27634.
[45]
MARQUES J P, MEINEKE J, MILOVIC C, et al. QSM reconstruction challenge 2.0: a realistic in silico head phantom for MRI data simulation and evaluation of susceptibility mapping procedures[J]. Magn Reson Med, 2021, 86(1): 526-542. DOI: 10.1002/mrm.28716.
[46]
ROBINSON S D, BREDIES K, KHABIPOVA D, et al. An illustrated comparison of processing methods for MR phase imaging and QSM: combining array coil signals and phase unwrapping[J/OL]. NMR Biomed, 2017, 30(4): e3601 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/27619999/. DOI: 10.1002/nbm.3601.
[47]
FENG R M, ZHAO J Y, WANG H, et al. MoDL-QSM: model-based deep learning for quantitative susceptibility mapping[J/OL]. NeuroImage, 2021, 240: 118376 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/34246768/. DOI: 10.1016/j.neuroimage.2021.118376.
[48]
MARXREITER F, LAMBRECHT V, MENNECKE A, et al. Parkinson's disease or multiple system atrophy: potential separation by quantitative susceptibility mapping[J/OL]. Ther Adv Neurol Disord, 2023, 16: 17562864221143834 [2023-04-13]. https://pubmed.ncbi.nlm.nih.gov/36846471/. DOI: 10.1177/17562864221143834.

上一篇 2型糖尿病患者脑小血管疾病因素对认知功能影响的MRI特征研究进展
下一篇 磁共振成像技术和病因重叠在缺血性脑卒中复发风险预测中的研究进展
  
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