RSNA2017脑血管疾病研究进展

1.  缺血性脑卒中

多个标记后延迟（post-labeling delay，PLD）时间的3D ASL在评估单侧大脑中动脉MCA重度狭窄或闭塞患者缺血半暗带的价值。Du通过1.5s和2.5s PLD时间的3D ASL及DWI对26中枢缺血患者进行研究；缺血半暗带通过ASL-CBF和DWI的不匹配来识别。发现不同的PLD时间ASL和DWI对于半暗带的诊断和面积不同。1.5sPLD时间的ASL对于半暗带有更高的识别率、更低的CBF值及更广泛的区域。

急性脑卒中患者的ASL-CBF图中的高灌注曾被认为与颅内出血发展显著相关。Samant ha等通过对67例进行介入取栓或静脉溶栓治疗的急性脑卒中患者的多参数MRI图像分析。通过对CBF、DWI、FLAIR和T2 FSE这些参数进行新的部分立体样本框架机器学习。通过Kernel spectralregression（KSR）与输入最优核心参数，他们建立了两层流入向前的神经网络。结果发现使用了KSR或神经网络的机器学习能够精确的诊断具有出血转化的风险。

StefanWinzeck通过卷积神经网络（convolutional neural networks，CNN）的深度学习算法，预测基于DWI和PWI图像的后续MRI图像上的梗死区域。研究纳入了50例未进行再灌注治疗同时进行DWI和PWI成像的急性缺血性卒中患者。同时在4天后进行后续的ADC，T2WI，各向同性DWI，MTT及Tmax图像采集作为卷积神经网络的训练协变量，结果发现CNN与多参数MRI结合可以较好地预测后续的梗死区域。

2.动脉斑块

对模糊效应进行改良了的独立双能量CT颈动脉造影对钙化斑块的去除。回顾性研究22例患者与中风相关的30个钙化颈动脉斑块［15例男性，平均年龄（73±10）岁］。采用第二代双源CT对80/140sN kVp的管电压进行DECT图像数据采集。采用改良的DECT算法对传统CTA和虚拟不含钙(VNCa)的图像进行了重建。通过对光谱特征的评估，获得了去除模糊伪影且移除了钙的图像。两个独立的观察者分别对主观图像质量、模糊伪影、钙的残留进行盲评，并根据Nascet标准进行狭窄的测量评估，使用配对检验来评估差异，用Bonferroni校正(P<0.017)和bland-altman分析的配对样本t检验来评估VNCa与常规CTA之间的狭窄测量差异，以数字减影血管造影(DSA)作为参考。传统CTA和VNCa图像的主观图像质量相似(P=0.82)，与常规CTA相比，VNCa图像中模糊伪影明显减少(P<0.001)。VNCa图像中钙的残留比率如下：在11(37%)例中完全移除，12例中轻度残留(40%)，2例中等残留(7%)，5例较多残留(17%)。狭窄测量之间的差距显著［VNCa (27%±20%)与常规CTA图像(39%±16%）；P<0.001］；常规CTA与DSA差异无显著［(23%±16%），P<0.001］。VNCa和DSA之间在狭窄测量方面没有显著差异(P=0.189)，并且离散程度很低(平均差±1.96 SD,-4.7%；-35.13%；25.71%)。改进后的分解三种物质的DECT算法用于模糊伪影和钙的移除，可以准确去除颅外颈内动脉外钙化斑块。这种全新的分解三种物质的用于模糊伪影和钙的移除的DECT算法，通过防止对DECTA钙化狭窄的过高估计，改善了狭窄的评估。

   中风和短暂性缺血发作中颈动脉的CT纹理分析识别易损斑块。回顾性研究341例有CV危险因素的患者的全身CTA成像，其中12例［年龄（63±10.29）岁］有颈动脉粥样硬化和随后的短暂性脑缺血发作(TIA)或中风病史。选择年龄和性别匹配的12例对照［(62.9±10.16）岁］伴有无症状颈动脉动脉粥样硬化［随访（103.58±9.2）个月］，测定了狭窄和斑块的组成。纹理分析使用一个商业软件(TexRAD，Somerset，英国)盲测。TexRAD采用基于过滤直方图的纹理分析技术提取像素大小(细、中、粗)特征和量化直方图参数，包括偏态和标准化标准差(SDn)。选择单一轴向切片，以最佳地表示两侧的颈动脉分叉，并人工划分出感兴趣区域(ROI)，以完全包绕动脉。用TIA/Stroke作为结果构建ROC曲线。结果发现患者组右侧颈动脉分叉处狭窄程度较高(41.08 vs 12.08；P=0.014，但在左侧颈动脉分叉处差异无统计学意义(P=0.56)；两侧斑块成分没有差异(右侧P=0.39，左侧P=0.72)。在精细和中等纹理水平上，偏态的差异有统计学意义［P=0.009，空间度量因子(SSF)=2mm；P<0.001，SSF=3mm；P=0.003，SSF=4mm］。SSF=2mm水平上，SDn在患者与对照组之间差异有统计学意义(P=0.033)。在SSF2水平SD的AUC值为0.684，S值为0.723，(P值分别为0.033和0.009)；在SSF3水平AUC值为0.808(P=0.0001)，在SSF4水平是0.075(P=0.003)。故CT纹理可以识别中风和TIA的易损斑块，可能成为颈动脉粥样硬化患者危险分层的新手段。颈动脉的CT纹理可以提高对有缺血性中风危险的患者的识别能力。