基于深度学习的区域白质高信号化 mapping：阿尔茨海默病的稳健生物标志物

白质高信号化（WMH）是认知衰老、阿尔茨海默病（AD）及相关痴呆症的关键影像标志物。尽管自动 WMH 分割方法已取得进展，但大多数方法仅提供全脑病灶负荷，忽略了在不同白质区域上的空间分布。我们提出了一种深度学习框架，用于 WMH 的稳健分割与定位，在公开数据集和独立的阿尔茨海默病神经影像学研究所（ADNI）队列上进行评估。我们的结果表明，预测的病灶负荷与参考 WMH 估计值一致，确认了其对不同病灶负荷、获取方式和人口学特征变化的稳健性。除实现准确分割外，我们量化了各解剖学定义区域内的 WMH 负荷，并将这些措施与脑结构体积结合，用于评估诊断价值。区域 WMH 体积在疾病分类中持续优于全脑病灶负荷，与脑萎缩指标结合后性能进一步提升，ROC 曲线下面积可达到 0.97。几类具有空间分布差异的区域，特别是前侧白质束，与诊断状态可复现地相关，表明 AD 中的局部脆弱性。这些结果凸显了区域 WMH 定量化的价值。将局部病灶指标纳入脑萎缩标记，可能有助于神经退行性疾病的早期诊断和分层。