多模态功能性神经成像

摘要

功能性神经成像可以与多种模态相结合，包括结构磁共振成像(sMRI)、灌注MRI(pMRI)、功能磁共振成像(fMRI)、弥散张量成像(DTI)、单光子发射计算机断层扫描(SPECT)、正电子发射断层扫描(PET)、磁共振波谱(MRS)和脑磁图(MEG)。这些模态的融合结合了互补信息，扩展了分辨率限制，并且可以提高数据质量。这种方法的多模态特性允许使用不同的成像模态进行单一评估，从而提供更全面的大脑评估。

多模态功能性神经成像

鉴于神经成像的最新进展，目前有一些模态可用于临床，包括结构磁共振成像(sMRI)、灌注MRI(pMRI)、功能磁共振成像(fMRI)、弥散张量成像(DTI)、单光子发射计算机断层扫描(SPECT)、正电子发射断层扫描(PET)、磁共振波谱(MRS)和脑磁图(MEG)。选择哪种模态往往取决于临床研究情况，由于能够利用多参数成像特征的差异，所以有时使用多种成像模态比单一成像方法可以提供关于脑部特定病变的更多信息。因此，多模态神经成像本质上是多个成像模态提供的综合信息。多模态方法克服了单一模态的局限性，允许对大脑进行更稳健、多参数和更全面的评估。通过不同来源和/或序列结果之间的交叉验证，增加了识别与功能神经成像相关的更具特异性的关联和模式的可能性。从更广泛的意义上讲，它可以帮助从不同的角度定义不同脑区的作用。多模态成像的应用已成为促进神经成像研究增长的主推力，特别是当与PET/CT和PET/MRI/EEG等混合成像相结合时。在功能性多模态神经成像领域，数据的计算分析一直是一个热点，包括预处理、体素提取、图像融合和后处理。这些计算方法的进步有助于解决不同模态之间的时空分辨率差异，并融合生物物理信息。

神经成像可以分为结构成像和功能成像两类。传统的结构成像有助于评估大脑的解剖结构，并有助于诊断和确定某些疾病的治疗反应，而功能成像通常侧重于生物物理参数和代谢，并可在执行某些任务(包括感觉和运动功能)时获得。神经成像数据的来源可以是同时成像测量(如EEG/fMRI或PET/CT)或集成单独测量。例如，EEG与fMRI的结合提高了单一模态无法实现的时空分辨率。此外，通过MRI获得的结构神经成像以及通过PET和SPECT获得的功能神经成像已成为术前评估的重要组成部分，常用于确定最佳治疗并规划颅内脑电图(icEEG)记录。

多参数MRI技术

结构MRI的体积分析

结构MRI(如T1加权和T2加权成像)可以进行体积测量，并提供宏观概况以评估结构差异。目标体积定义是术前规划的关键步骤，借助统计和图像处理技术可以提高确定肿瘤和周围液体(水肿)边界的能力。从结构MRI获得的单个MRI参数图通常呈现高动态的单个时间快照，包括用于特定脑结构测量和体积计算的成像数据集。这些信息可以在同一成像采集过程中获取，尽管其他方法使用纵向获取的单个参数图。分析多参数数据的一种策略是提取特定参数(如体积)，然后将其应用于统计模型以计算组间差异或进行多元回归来预测预期结果。图像采集和图像分析技术的最新进展使得可以利用更大规模的纵向和横断面研究进行更高级的分析。此外，感兴趣区域(ROI)分析允许比较患者之间不同区域的信号强度，体积分析可用于研究从脑肿瘤到癫痫等多种脑部疾病。基于体积或ROI方法的一个好处是，这些技术不需要特定的空间对齐数据集来关注特定的感兴趣区域。执行多模态分析的另一种常用策略是基于体素的方