点评专家

刘亚欧

首都医科大学附属北京天坛医院放射科学科带头人，主任医师，博士生导师。任国际视神经脊髓炎学会（GJFNMO）委员，亚太多发性硬化学会（PACTRIMS）中央委员会委员、北京医学会放射学分会常委，欧洲多发性硬化磁共振学会(ECTRIMS-MAGNIMS) Senior Fellow，曾获神经影像、多发性硬化领域国际和国内奖励和基金20余项，主持包括国家自然科学基金和北京市自然科学基金在内的多个基金项目，获得科技部科技创新领军人才、国家“万人计划”青年领军人才、青年北京学者、北京市自然科学基金“杰青”等。发表SCI文章共90篇（第一作者和通讯作者文章54篇），累计影响因子473.71分，引用超千次。担任神经影像专业期刊Neuroradiology编委。

专家评论

深度学习模型预测急性缺血性脑卒中的发病时间

包括觉醒性卒中在内的发病时间不明的脑卒中，在全部缺血性脑卒中的患者中占有不可忽视的比例。在过去，这部分患者常被拒之于溶栓治疗的门外，近年来随着影像学技术的发展和研究的深入，对于影像学特征的识别和分析使得预测脑卒中患者的发病时间成为了可能。MRI的DWI序列反映活体组织内水分子的扩散状态，可先于FLAIR序列显示急性缺血病灶，因此DWI-FLAIR不匹配可用于判断缺血时间的“组织时钟”，被广泛应用于临床实践和临床研究中。2019年的《脑血管病影像规范化应用中国指南》推荐采用DWI-FLAIR不匹配征象识别发病时间<4.5 h的患者，从而进行进一步的治疗方案选择。2021年发布的《ESO急性缺血性卒中静脉溶栓指南》也推荐对存在DWI-FLAIR不匹配征象且不适合取栓治疗的发病时间不明的卒中患者进行静脉溶栓治疗。然而，通过人工评估DWI-FLAIR是否匹配来预测脑卒中发病时间的准确性有限。近年来迅速发展的深度学习技术，可挖掘影像资料中的高通量特征，从而使医学影像诊断及预测的精确度显著提高。

该研究利用卷积神经网络模型（convolutional neural network，CNN），对深度学习预测急性脑卒中患者发病时间的临床价值进行了探索。通过对急性脑卒中患者的DWI和FLAIR图像进行分类预测，该研究发现基于DWI和FLAIR序列的深度学习模型识别发病4.5 h内患者的准确性明显优于人工识别，有效避免了传统人工识别中判读者视觉评估方面的差异，可为发病时间不明的脑卒中患者提供静脉溶栓治疗选择的指导，具有临床应用的价值和潜力。

文章摘要

基于DWI和FLAIR的深度学习预测急性卒中发病时间

姜亮 周蕾蕾 艾中萍 陈宇辰 尚松安 王思雨 陈慧铀 施梦烨 耿文 殷信道

南京医科大学附属南京医院（南京市第一医院） 210006

通信作者：殷信道，Email：y.163yy@163.com

目的  探讨基于DWI和液体衰减反转恢复序列（FLAIR）的深度学习技术构建预测急性卒中发病时间模型的效果。

方法  回顾性分析于2017年1月至2020年5月在南京市第一医院就诊且发病时间明确的急性卒中患者324例。采用7∶3比例按照完全随机法将患者分为训练集226例，测试集98 例；再根据发病时间将患者分为≤4.5 h 和>4.5 h 两组。由医师对DWI 图像上急性梗死区及FLAIR相应的高信号区进行轮廓勾勒标注。利用InceptionV3模型作为图像特征提取的基本模型，构建并验证基于单序列（DWI、FLAIR）和多序列（DWI+FLAIR）的深度学习预测模型。比较人工识别、单序列模型及多序列模型预测急性卒中发病时间的ROC曲线下面积（AUC）、准确度等性能。

结果  发病时间≤4.5 h患者中94例（94/207）存在DWI⁃FLAIR不匹配，发病时间>4.5 h患者中28例（28/117）存在DWI⁃FLAIR不匹配。ROC分析显示人工识别DWI⁃FLAIR不匹配预测急性卒中发病时间的AUC为0.607，准确度为60.2%。基于单序列的深度学习预测模型显示FLAIR序列预测急性卒中发病时间的AUC为0.761，准确度为71.4%；DWI序列预测急性卒中发病时间的AUC为0.836，准确度为81.6%；基于多序列（DWI+FLAIR）深度学习模型预测急性卒中发病时间的AUC为0.852，明显优于人工识别（Z=0.617，P=0.002）、基于FLAIR 序列深度学习模型（Z=2.133，P=0.006）和基于DWI序列深度学习模型（Z=1.846，P=0.012）。

结论  基于DWI和FLAIR的深度学习模型预测急性卒中发病时间明显优于人工识别，可为未知发病时间的卒中患者提供静脉溶栓治疗指导。

点评专家

郭春杰

吉林大学第一医院放射线科副主任医师，硕士研究生导师，医学博士。瑞典卡洛琳斯卡医学院及美国纽约西奈山医学院访问学者。长期在临床一线从事医学影像诊断工作，主要研究方向为神经系统免疫及认知障碍相关性疾病的脑功能及结构磁共振研究。现任中国医师学会放射学分会质控学组委员、中华医学会放射学分会神经学组Youth Club委员、中华医学会影像技术分会人工智能专业委员会质控组副组长、吉林省医师协会神经内科医师分会运动障碍组委员及吉林省卒中学会医学影像分会委员等。发表SCI文章二十余篇，主持国家自然科学基金、吉林省自然科学基金等多个项目，并曾在北美放射学年会、欧洲放射学年会等进行大会发言。

专家评论

颅脑CT灌注数据重建CTA-人工智能辅助临床诊断的新探索

双源CT的颅脑灌注成像（CTP）数据可提供梗死核心区和缺血半暗带等信息，并可通过对其数据进行后处理评价颅内血管情况，减少了检查时间和二次扫描辐射危害，具有较高临床应用价值。目前基于人工智能（AI）辅助头颅CTA自动分割重组的研究多局限于自动去骨，且多采用单时相CTA数据，AI辅助基于CTP数据的CTA分割重组尚待探索。

利用CTP重组CTA时首先需要选择最佳动脉期数据并进行降噪优化，才能在CTA评价中可最大限度提高图像质量。黄晓颖、暴云锋团队采用选择动静脉CT差值最大期为最佳动脉期并对其前5组数据时间最大密度投影（tMIP）融合降噪优化方法对CTP图像进行处理，所得图像细节显示能力优于单时相CTA图像。该团队进一步采用AI辅助诊断软件Cerebral Doc基于CTP数据进行CTA重组，进一步提高了容积重组（VR）的血管分割重组合格率，并提高了工作效率。

尽管该研究纳入病例数较少，可能存在统计学偏倚，且缺乏与金标准对照，无法进行诊断准确性评估。但与人工后处理相比，AI辅助基于颅脑CTP降噪数据的CTA后处理在图像质量与工作效率上均具有一定优势，结合人工质控，其在脑血管病影像后处理方向将发挥重要的作用。

文章摘要

人工智能在基于颅脑CT灌注数据血管后处理的应用

黄晓颖 暴云锋 李霞敏 郭方凯 李知非 单春辉 陈英敏

河北省人民医院医学影像科，石家庄050051

通信作者：暴云锋，Email：byf816@126.com

目的  探讨人工智能（AI）在基于颅脑CT灌注数据重组CTA的图像后处理中的应用价值。

方法  回顾性分析2020年1至7月河北省人民医院疑似脑血管疾病的100例患者的临床及影像资料。按检查方案的不同将分为A、B 2组，每组50例。A组行颅脑CT灌注检查（选取动静脉CT值差值最大期的前5个时相生成的时间最大密度投影数据集为A1亚组，差值最大期的原始薄层图像为A2亚组），B组行单时相CTA检查，分别进行人工和AI后处理。测量3组图像CT值、噪声（SD）、信噪比（SNR）、对比噪声比（CNR）客观评价指标并进行主观评分，记录并统计人工和AI后处理的血管分割合格率与后处理时间。采用单因素方差分析比较图像的客观评价指标，Kruskal⁃Wallis H检验比较主观评分差异。

结果  3组横断面原始图像的主观评分、客观评价指标差异均有统计学意义（P均<0.05），其中A1组动脉强化程度及小动脉细节显示评分、脑动脉CT值、SNR、CNR均高于A2亚组和B组（P均<0.05）。100例患者共1 100条血管，A1亚组［98.4%（541/550）］、B组［98.7%（543/550）］的AI血管重组合格率均高于人工重组［82.9%（456/550）、87.1%（479/550），χ²值分别为77.392、56.521，P<0.001］，A2亚组的［78.4%（431/550）］AI血管重组合格率低于人工重组［85.6%（471/550），χ²=9.855，P=0.002］。AI处理完成时间较人工分别缩短56.30%、49.63%、50.81%。

结论  与人工后处理相比，AI在基于颅脑CT灌注降噪数据的CTA后处理的图像质量与工作效率上具有一定优势，结合人工质控，在脑血管病影像后处理方面值得推广应用。

点评专家

刘怀贵

天津医科大学总医院医学影像科，博士。长期从事临床一线医学影像诊断工作，主要研究方向为人脑图谱构建，精神分裂症脑结构、功能磁共振及影像遗传学研究。现任中华医学会放射学分会神经学组Youth Club成员、天津市医学会放射学分会青年委员，主持包括国家自然科学基金和天津市自然科学基金在内的多个基金项目，入选2019年天津市高校“青年后备人才培养计划”、2018年天津市“131”创新型人才培养工程第三层次人才。发表SCI文章共19篇（第一作者文章7篇）。

专家评论

长TE PRESS MRS技术对低级别胶质瘤IDH基因突变状态的无创评估

胶质瘤是最常见的原发性中枢神经系统恶性肿瘤，WHO中枢神经系统分类将胶质瘤分为WHOⅠ~Ⅳ级，Ⅰ、Ⅱ级为低级别，Ⅲ、Ⅳ级为高级别。自从2016版WHO中枢神经系统肿瘤新的分类标准发布以来，低级别脑胶质瘤的诊疗策略发生了重大变革。传统的组织病理学分类已转变成以若干分子特征为表型的分子病理学分类，通过以异柠檬酸脱氢酶（IDH）突变状态为分子基础的低级别脑胶质瘤分型，发现IDH突变在低级别脑胶质瘤预后判断中起重要作用。IDH野生型的弥漫性星形细胞瘤具有接近高级别脑胶质瘤的不良预后和较短的生存期。随着对低级别胶质瘤研究的逐渐深入，循证医学证据不断积累，尤其是分子病理诊断在临床实践中的应用，目前各权威指南推荐，对于临床诊断，尤其是头MRI影像学表现考虑低级别胶质瘤患者，建议行最大范围的安全切除可以延缓和预防肿瘤进展和复发。因此，术前无创预测IDH基因突变状态对低级别胶质瘤治疗策略的选择具有重要价值。

该研究利用长TE单体素不对称自旋回波点解析波谱（PRESS）成像技术，探索2-羟基戊二酸（2HG）、谷氨酸（Glu）、谷氨酰胺（Gln）、2HG/Glu+Gln不同的功能影像学指标对IDH基因突变状态进行预测。研究发现2HG/Glu+Gln鉴别IDH突变型与IDH野生型低级别胶质瘤的ROC曲线下面积最大，对鉴别诊断的灵敏度也最高，可较准确地实现对胶质瘤分子分型的术前无创诊断，并进一步指导临床治疗策略及预后评估，具有较高的临床应用的价值和潜力。

文章摘要

2⁃羟基戊二酸联合谷氨酸及谷氨酰胺无创预测低级别胶质瘤异柠檬酸脱氢酶基因突变状态的磁共振波谱研究

俞梅美¹  沈慧聪¹  常天静¹  葛颖¹  王子璇²  陈绪珠¹  季楠³  厉欣²  再帕尔·阿不力孜⁴

¹首都医科大学附属北京天坛医院放射科100070；²天然药物活性物质与功能国家重点实验室中国医学科学院北京协和医学院药物研究所100050；³首都医科大学附属北京天坛医院神经外科100070；⁴中央民族大学生物成像与系统生物学研究中心，北京 100081

通信作者：沈慧聪，Email：shenhuicong@126.com

目的  采用长TE单体素不对称自旋回波点解析波谱（PRESS）成像探讨临床中有效判别异柠檬酸脱氢酶（IDH）基因突变状态的功能影像学指标。

方法  前瞻性纳入术前拟诊为低级别胶质瘤的患者25例，并根据病理结果分为IDH基因突变组和IDH基因野生组。所有患者均接受长TE PRESS MRS扫描。患者的IDH基因突变状态均以术后焦磷酸测序法获得的结果为金标准。采用t 检验或Mann⁃Whitney U 检验分析IDH基因突变组与IDH基因野生组间的2⁃羟基戊二酸（2HG）、谷氨酸（Glu）、谷氨酰胺（Gln）、2HG/Glu+Gln的差异，对有统计学意义的指标绘制ROC曲线，获得各自预测IDH基因突变状态的效能。

结果  25例低级别胶质瘤患者中IDH基因突变组19例、IDH基因野生组6例。IDH基因突变组的2HG蓄积浓度、Glu蓄积浓度、Gln蓄积浓度、2HG/Glu+Gln分别为1.42（1.09，1.93）mmol/L、（1.74±1.31）mmol/L、（1.68±0.66）mmol/L、0.55（0.28，0.77），IDH 基因野生组分别为0.00（0.00，1.30）mmol/L、（3.28±1.02）mmol/L、（2.55±1.47）mmol/L、0.00（0.00，0.26）。两组间2HG、Glu、2HG/Glu+Gln差异具有统计学意义（P 值分别为0.030、0.016、0.004）。2HG/Glu+Gln鉴别IDH突变型与IDH野生型低级别胶质瘤的ROC曲线下面积最大（0.877），对鉴别诊断的灵敏度也最高（84.2%）。

结论  2HG联合Glu及Gln可有效实现对IDH基因突变状态的无创评估。