0. 一些前置知识

神经元(Neuron)

神经元(Neuron),也称为神经细胞,是神经系统的基本结构和功能单位。神经元负责接收、传递和处理信息,是大脑、脊髓和周围神经系统的重要组成部分。由以下几个主要部分组成:

  • 细胞体(Soma):核心部分,包含细胞核和细胞器,负责维持神经元的生命活动。
  • 突触(Synapse):神经元之间或神经元与效应器之间的连接点,负责传递化学或电信号。
  • 树突(Dendrite):神经元接收信号的部位,负责从其他神经元或感受器接收信息。
  • 轴突(Axon):神经元传递信号的部位,负责将电信号从细胞体传递到其他神经元或效应器。

磁共振成像(MRI)

磁共振成像(Magnetic Resonance Imaging, MRI) 是一种利用磁场和射频脉冲生成人体内部结构图像的医学成像技术,具有无辐射、高分辨率、多参数成像等优点。

基本原理为:

  1. 磁场作用
    • 将人体置于强磁场中,氢原子核的自旋轴会与磁场方向对齐。
    • 施加射频脉冲后,氢原子核吸收能量并发生共振。
  2. 信号采集
    • 射频脉冲停止后,氢原子核释放能量并恢复到原始状态,产生信号。
    • 通过接收线圈采集信号,并利用计算机重建图像。

MRI可以通过不同的成像序列生成多种对比度的图像,包括 T1 加权像(T1WI), T2 加权像(T2WI),流体衰减反转恢复序列(FLAIR), 弥散加权成像(DWI)等。

序列 T1WI T2WI FLAIR
信号特点 脂肪高信号,水低信号 水高信号,脂肪中等信号 水低信号,病变高信号
临床应用 解剖结构显示,脂肪组织成像 水肿、炎症、液体成像 脑白质病变、脑室周围病变

1. 脑白质(White Matter)

简介

脑白质(White Matter)是中枢神经系统的重要组成部分,主要由神经元的轴突(神经纤维)组成。这些轴突被髓鞘(myelin sheath)包裹,髓鞘由少突胶质细胞(oligodendrocytes)形成,呈白色,因此得名“脑白质”。脑白质的主要功能是传递神经信号,连接大脑不同区域以及大脑与脊髓之间的信息传递。

与脑灰质(Gray Matter)的区别

特征 脑白质 脑灰质
成分 神经元轴突,被髓鞘包裹 神经元细胞体、树突和无髓鞘的轴突
分布 大脑深层、脊髓外围 大脑皮层、小脑皮层、脊髓中央
功能 传递神经信号,连接各个脑区和脊髓 信息处理、整合和决策
MRI表现 T1加权像上呈低信号
T2加权像上呈高信号
T1加权像上呈中等信号
T2加权像上呈中等或稍低信号

脑白质与认知功能

脑白质的健康与认知功能密切相关。脑白质损伤可能导致:

  • 信息传递延迟:影响大脑不同区域之间的协调。
  • 认知障碍:如记忆力下降、注意力不集中、执行功能障碍等。
  • 情绪问题:如抑郁、焦虑等。

2. 脑白质高信号(WMH)

简介

脑白质高信号(White Matter Hyperintensities, WMH)是脑白质病变的常见影像学表现,与多种神经系统疾病和认知功能下降密切相关,是临床和研究中关注的重要指标,通常通过磁共振成像(MRI)观察到。WMH 在 T2 加权像和FLAIR序列上呈现为高信号区域,在 T1 加权像序列上呈现为等信号或低信号区域
FLAIR序列中脑脊液信号被抑制,更适合检测WMH

WMH分割

WMH 分割是指从 MRI 图像中自动或半自动地提取和量化这些高信号区域的过程。WMH 分割在临床和研究中具有重要意义,可用于评估脑白质病变的严重程度、预测认知功能下降以及诊断相关疾病(如脑小血管病、阿尔茨海默病等)。

分割方法主要有手动、半自动和全自动三种。其中全自动分割完全依赖算法自动提取 WMH 区域,常用的方法包括基于机器学习的支持向量机(SVM)、随机森林(Random Forest)等,以及基于深度学习的卷积神经网络(CNN)、U-Net、3D U-Net等。

常用的WMH分割工具有:

  • LST(Lesion Segmentation Toolbox)
    • 基于 SPM 的 MATLAB 工具箱,适用于 FLAIR 图像的 WMH 分割。
    • 提供基于阈值和机器学习的分割方法。
  • UBO Detector
    • 基于深度学习的 WMH 分割工具,支持全自动分割。
  • FreeSurfer
    • 用于脑区分割和体积分析,可结合其他工具进行 WMH 分割。
  • DeepMedic
    • 基于 3D CNN 的深度学习工具,适用于 WMH 分割。