弥散 MRI 对阿尔茨海默病或帕金森病伴认知障碍患者的诊断和预后评估

目前，阿尔茨海默病 (AD) 和帕金森病 (PD) 主要由神经科医生根据临床症状进行诊断。 然而，没有可用于其诊断的客观标准。 虽然磁共振成像（MRI）常与临床判断结合使用，但其影像多用于排除其他疾病，而非确诊。 其他成像方法，如位置发射断层扫描或计算机断层扫描，可能有助于诊断 AD 和 PD，但对人体有有害影响。

扩散 MRI，尤其是扩散张量成像，通常用于评估中枢神经系统连通性的变化。 由于它是非侵入性的并且不涉及辐射，扩散 MRI 适合用于纵向研究。 它已被用于评估许多疾病的纤维密度和横截面，包括癫痫、多发性硬化症和脑肿瘤，并取得了良好的效果。 可以从扩散 MRI 获得几个测量值，包括分数各向异性和平均、径向和轴向扩散率。 在扩散 MRI 中观察到的变化与细胞内外含水量的变化有关，因此扩散系数的增加可以反映细胞膜通透性的增加，这可能归因于细胞死亡和破裂。 较高的扩散系数可能表明更多的神经元死亡。 因此，使用扩散峰态，研究者可以改进 PD 的诊断。

从对AD的研究中，研究者发现轻度认知障碍和AD患者的扩散系数明显高于对照患者。 研究者将对包括梭状回、海马、海马旁和扣带回在内的90个大脑区域进行分析。 与正常对照相比，已观察到所列区域在 AD 患者和有 AD 风险的患者的平均扩散率方面存在差异。 在之前的研究中，观察到平均扩散系数增加的区域与大脑区域缩小的区域之间存在重叠，但扩散系数增加的区域更多，面积更大。 因此，平均扩散率可能是比目前的脑容量方法更合适的临床指标。 此外，增加的平均扩散系数与轻度认知障碍或 AD 的严重程度之间存在相关性。 淀粉样蛋白沉积与疾病进展一致，进一步支持平均扩散率可用于反映轻度认知障碍和 AD 的进展。

研究人员计划使用压缩传感来提高扩散 MRI 的速度。 这包括图像预处理、压缩感知观测的获取、重建模型和重建算法。 研究人员还计划克服当前感兴趣区域分析的局限性。 实现此目的的一种方法是通过体素分析，但是它具有将图像归一化到模板空间所造成的局限性，以及由于图像的旋转或扭曲而导致的纤维束成像中可能出现的问题。 此外，使用研究特定模板会阻止结果在 Brodmann 或 Talairach 坐标中可用。 最重要的是，体素分析不是基于大脑区域，因此很难确定每个区域的属性，并且根据我们的算法，大量的体素数据会大大降低统计的分辨率并导致统计分析出现问题. 因此，研究者必须使用共同的标准空间，并开发出合适的成像技术。

研究人员选择使用自动解剖标记 (AAL)，因为这是神经科学研究中常用的系统。 研究人员还使用蒙特利尔神经科学研究所 152 模板 (MNI152) 作为标准模板。 在整个大脑的成像和处理中，研究人员使用仿射变换，因为这通常用于 MRI 和扩散 MRI。 这包括 Camino、FSL 和 SPM。 研究人员将研究健康大脑的衰老如何改变弥散 MRI，并对男性和女性的衰老进行比较。

研究者还将使用深度学习，通过数据集样本分配数据预处理和深度神经网络设计，提高灵敏度和特异性，提高分类和诊断的准确性。

使用 AAL，将执行全脑分割以获得大脑区域的扩散 MRI 信息。 将确定和分析受影响的区域。 研究者希望利用全脑区域的弥散MRI进行鉴别诊断，识别与临床严重程度相关性高的区域，准确诊断和判断疾病预后，为临床医生提供参考。

研究人员旨在使用弥散 MRI 评估认知功能，并评估神经退行性疾病患者的认知功能是否恶化。 此外，研究者希望利用弥散MRI来判断疾病的严重程度和预后。 神经变性和认知能力的恶化导致死亡率增加和生活质量下降。 弥散 MRI 结果与疾病严重程度之间的关系可能提供一种客观方法，使临床医生能够更有信心地诊断这些疾病，并在症状恶化之前及早发病。

该研究将分三个阶段完成，历时三年。 在第一年，研究者希望为弥散MRI建立一个最优的高质量成像压缩感知方案和图像数据恢复过程。 研究人员还希望开发出一种最佳的大脑分区方法，并利用深度学习来改进对轻度认知障碍患者的诊断。

在第二年，研究者希望利用深度学习建立一个预测典型和非典型 PD 患者预后的过程。 研究者还希望完成我们对使用深度学习诊断轻度认知障碍的评估。

在第三年，研究者的目标是完成一种预测典型和非典型 PD 患者预后的方法的开发。 研究者还将建立并完善我们使用深度学习评估轻度认知发展患者是否会发展为 AD 的方法。 此外，调查员将完成图像处理的用户界面。