快速高分辨全脑小血管定量磁化率成像技术开发及其在脑小血管疾病诊断的应用

Cerebral small vessel disease (CSVD) contributes to the fundamental cognition decline and dementia in the brain. The early detection of small vessels damage is essential to a better understanding and prevention of the disease’s progression. The central nervous system (CNS) small vessels generally have a diameter of a few hundred microns. Most small vessels and associated microinfarcts are still invisible using conventional MRI techniques due to limited spatial resolution and sensitivity. Quantitative susceptibility mapping (QSM) utilizes the contrast between the paramagnetic susceptibility of the deoxyhemoglobins with surrounding tissues to enhance image contrast and spatial resolution. Our previous work has demonstrated that high-resolution QSM has the ability to visualize fine structures and depict venous information in the brain. The goal of this project is to develop an ultra-fast high-resolution sequence with preserved signal-to-noise ratio and a newly QSM reconstruction algorithm to quantify fine detailed magnetic susceptibility of the complex small vessels in the brain. Our technique will aid us to a better understanding of the mechanism of CSVD and will broadly transform the imaging of CNS small vessel related diseases.

脑小血管病变（CSVD）与认知功能障碍密切相关。CSVD早期可逆，是目前可以预防的痴呆疾病之一。因此，CSVD的早期诊断尤为重要。由于脑小血管的管腔直径一般为百微米级，而现有的磁共振成像技术对小血管成像敏感性差，制约了对CSVD的精准诊断。定量磁化率成像（QSM）利用血管内脱氧血红蛋白的天然对比度，实现其高分辨、高清成像并提供定量分析，具有可精准评估脑小血管损伤的潜力。申请人前期开发了高分辨精准QSM算法，成功获得了超高分辨QSM脑影像，为小血管成像奠定了重要技术基础。本项目拟围绕高分辨、快速全脑小血管成像展开研究，针对高分辨率QSM所导致的成像时间过长问题，开发高信噪比快速成像序列；针对噪声对QSM定量带来误差的问题，开发精准QSM算法。实现高分辨、高信噪比的快速全脑300-400微米小血管定量成像。本项目成果有助于实现小血管损伤相关疾病的早期识别与诊断。

开发高分辨磁共振脑成像技术，有助于实现相关脑疾病的精准诊断。开发了快速成像序列及结合新型重建算法，获得了3倍加速下的高信噪比三维梯度回波影像，目前该技术已经成功的集成到了联影3.0T成像平台上。进一步，针对高分辨定量磁化率成像（QSM）重建过程中对噪声的敏感，以及高分辨率成像本身会导致图像的信噪比下降，进而对精准定量小血管等微小脑结构带来的挑战。我们开发了基于深度学习的QSM算法来提高对脑区微结构的定量精度。实现了利用卷积神经网络同时结合遵循QSM求解的物理模型的深度学习算法，获得了高分辨、高信噪比的QSM脑影像，且该技术（MoDL-QSM）可以在几秒之内完成。目前该技术可获得3.0T上0.4mm微米的QSM脑影像。与现有的磁化率重建算法相比，MoDL-QSM可以清晰的成像脑部微小血管的结构、脑白质和灰质的对比度和提供高清的皮层信息、有助于提高脑区分割的精准，可以精准构建脑图谱和亚区核团分割，对脑组织定量和相关脑疾病的研究具有非常重要的推动作用。该技术目前为QSM成像提供了重要的技术手段，为基于深度学习QSM重建提供了重要标准。此外，应用到睡眠眼动患者身上可以精准定量黑质区域脑部神经感染的早期影像学指标，研究成果于2021年发表在领域期刊Brain上。同时该技术可以实现精准定量脑部CSVD的早期检测，研究成果发表于代谢知名期刊European Journal of Endocrinology。因此，该项目顺利开展及取得了预期的成果。