一种用于量化 3D pCASL MRI 中性别特异性脑灌注的新型血管风险评分框架
图像与视频处理
2025-08-22 v3 机器学习
摘要
性别和年龄对脑灌注的影响已得到公认，但其对局部脑血流量（CBF）和血管风险的具体影响仍有待全面表征。本研究利用三维伪连续动脉自旋标记（pCASL）MRI 识别与性别和年龄相关的 CBF 模式，并基于标准灌注图谱开发了血管风险评分（VRS）。研究分析了来自一个公开数据集的 186 名认知健康参与者（89 名男性，97 名女性；年龄 8 至 92 岁）的灌注数据。将三维简单线性迭代聚类（SLIC）超体素算法的扩展应用于 CBF 图，将具有相似强度的相邻体素分组为具有解剖学意义的区域。提取区域 CBF 特征，用于训练卷积神经网络（CNN）进行性别分类和灌注模式分析。同时评估了全局的、与年龄相关的 CBF 变化。通过将个体 CBF 图谱与年龄和性别特异性标准数据进行比较，计算参与者特异性 VRS，以量化灌注不足。使用所提出的基于超体素的方法，性别分类准确率达到 95%，并识别出独特的灌注特征。在女性内侧布罗德曼 6 区和 10 区、V5 区、枕极皮层和岛叶区域观察到更高的 CBF。两性的 CBF 均随年龄增长而整体下降。利用 VRS 量化了个体灌注不足，为早期低灌注提供了个性化生物标志物。研究识别了性别和年龄特异性的 CBF 模式，并提出了一种个性化血管风险生物标志物，为精准神经病学的发展做出了贡献。
引用
@article{arxiv.2508.13173,
title = {A Novel Vascular Risk Scoring Framework for Quantifying Sex-Specific Cerebral Perfusion from 3D pCASL MRI},
author = {Sneha Noble and Neelam Sinha and Vaanathi Sundareshan and Thomas Gregor Issac},
journal= {arXiv preprint arXiv:2508.13173},
year = {2025}
}
备注
16 pages, 6 figures