Human Brain Mapping：基于BOLD-Delay的脑灌注成像

导读

BOLD Delay是一种新兴的非侵入性脑灌注成像技术，无需造影剂，适合用于纵向检测。本文基于136名被试数据使用线性混合模型评估该方法的可重复性，所有被试均接受了两次不同情况下的扫描。总体而言，基于BOLD-Delay的脑灌注成像具有较好的可重复性，有潜力用于脑血管疾病灌注缺陷的监测。

1、背景

2、材料与方法

2.1 数据来源

2.2 数据处理

2.3 统计分析

3、结果

3.1 被试信息

3.2 BOLD-Delay的可重复性

3.3 协变量对BOLD-Delay可重复性的影响

4、结论

1. 背景

脑灌注成像在研究脑血管疾病的病理生理学方面具有重要作用，通常是用MRI来实现，并用钆等造影剂增强。然而一些研究表明，随着反复给药，造影剂会在大脑中积累，欧洲药物管理局已在2018年限制对同一患者重复使用造影剂。

血氧水平依赖（BOLD）延迟是一种相对较新的方法，可以在无造影剂的情况下评估大脑灌注，该方法依赖于BOLD信号的系统性低频振荡（sLFOs）相对参考信号的延迟。已有研究证明该方法与对比增强灌注成像技术得到的造影剂团到达时间（BAT）密切相关。BOLD-Delay方法已在脑血管疾病、阿尔茨海默症、癫痫和镰状细胞病中成功应用，其中一些研究使用动态磁化率对比（DSC）和动脉自旋标记（ASL）进行了验证。BOLD-Delay方法的优势是无需外源性造影剂，方便无创纵向监测患者的病情变化，其中一个重要应用是急性脑卒中。

为了进一步检验BOLD-Delay方法在患者纵向随访中的价值，本文重点研究该方法的可重复性（同一个体在潜在变化条件下多次测量间的差异）。由于BOLD信号在个体内和个体间会出现与疾病进展无关的变化，所以本文对其进行了详细的定量评估。

2. 材料与方法

2.1 数据来源

本研究使用了八个不同来源的数据集（表1），其中六个是公开的。本研究的主要纳入标准是被试接受过不同情况下的两次静息态扫描，且两次扫描间没有接受任何与脑灌注生理学相关的干预（安慰剂、假干预也包括在内）。

表1 本研究中使用的数据集信息

2.2 数据处理

如表1所示，不同数据集的成像参数不尽相同，除“MPI”数据集是在7T下采集外，其他数据集均在3T下采集，且扫描间隔从30分钟到3个月不等。

2.2.1 预处理

首先删除前10秒的EPI数据（具体删除的volume数量取决于TR），以确保分析的数据是在平衡状态下采集，然后将所有volume按时间序列重新排列，并使用4 mm半高宽（FWHM）的高斯核做空间平滑。使用FSL计算每个volume的平均帧位移，用于量化头动。

2.2.2 BOLD-Delay计算

使用rapidtide软件包计算给定体素的BOLD信号与参考信号间产生最大相关所需的时移，参考信号来自静脉窦，这是因为与全脑相比，静脉窦与DSC-MRI灌注的相关性更强。使用-5s~+5s的时移范围进行计算，并对数据施加0.01-0.15 Hz的带通滤波。进行上述计算前排除掉平均帧位移超过0.3 mm的数据。最后使用ANTs将BOLD-Delay定量图配准到EPI模板。

2.2.3 可重复性评估

可重复性的评价指标为两次扫描得到的BOLD-Delay差异的绝对值（|BOLDdelay1 – BOLDdelay2|，下文简称为BOLD-Delay差异），如图1所示（右2）。将BOLD-Delay差异图配准到ADHD200大脑图谱（共400个ROI），并计算每个血管区域ROI（大脑中动脉MCA、大脑前动脉ACA、大脑后动脉PCA）中的平均差异，用于统计分析。

图1 静息态功能磁共振（rsfMRI）数据处理流程。每个被试的数据经过如下处理流程：（1）预处理；（2）计算BOLD-Delay定量图；（3）配准到EPI模板；（4）计算BOLD-Delay差异图；（5）配准到ADHD200大脑图谱，用于统计分析。

2.3 统计分析

统计分析和数据可视化使用R完成。为评估BOLD-Delay的整体可重复性，使用双向模型计算了类内相关系数（ICC）。使用广义线性混合模型对每个ROI中各种因素对BOLD-Delay差异的影响进行建模，固定效应为：基线BOLD-Delay值、头动（平均帧位移）、研究组（患者vs健康对照）、血管区域、TR、扫描时长、扫描间隔和有无头动审查；随机效应为：被试和数据集。本文采用三级随机截距模型（第一级：测量、第二级：患者、第三级：研究）。

连续变量的分布使用雨云图（点图、箱型图和小提琴图的结合）进行可视化。由于观测量大，BOLD差异和其他连续变量之间的关系使用热图进行可视化。

3. 结果

3.1 被试信息

本文共纳入了136名被试的数据（表1），每个数据集的被试信息（年龄、性别和平均帧位移）分布如图2所示，其中平均帧位移为两次扫描的平均值。研究表明，平均帧位移具有高度一致性，这表明头动是一种稳定的特征，实验间变异性低。

图2 每个数据集的年龄（a）、性别（b）和平均帧位移（c）分布。

3.2 BOLD-Delay的可重复性

BOLD-Delay差异随年龄、性别和数据集的分布如图3所示，混合模型中BOLD-Delay随每个固定效应的分布如图4所示。在BOLD-Delay的ICC结果中，有头动审查和无头动审查组中，PCA区域的ICC均为最高，MCA区域的ICC均为最低。

图3 BOLD-Delay差异随年龄（a）、性别（b）和数据集（c）的分布。

图4 混合模型中BOLD-Delay随如下固定效应的分布：（a）研究组、（b）血管区域、（c）磁场强度、（d）有无头动审查、（e）扫描间隔、（f）TR、（g）扫描时长、（h）平均帧位移。

表2中的B值为考虑固定效应和随机效应后BOLD-Delay差异在对数尺度上的平均值。考虑固定效应后，BOLD-Delay差异的平均值为1.2 s（95% CI = 1.0-1.4 s）。图5显示了样本中BOLD-Delay差异的空间分布，最大的BOLD-Delay差异出现在在脑室、额基底和颞基底区域，以及大脑大动脉周围。

表2 混合模型中BOLD差异与不同变量的相关结果。

图5 （a）有头动审查和（b）无头动审查的数据集中BOLD-Delay差异图。在脑室、额基底区和颞基底区以及主要血管附近（特别是Willis圈、外侧和中央岛沟）可以观察到最低的重现性（最大的BOLD差异）。

3.3 协变量对BOLD-Delay可重复性的影响

基线BOLD-Delay较大的ROI中，BOLD-Delay差异较大。PCA的差异小于MCA，ACA的差异大于MCA。此外，有头动审查的差异大于无头动审查。TR、扫描间隔、磁场强度和扫描时长与BOLD-Delay差异无显著相关。

4. 结论

基于BOLD-Delay的脑灌注成像具有较好的重现性，在PCA最高，ACA最低。总体而言，1.2 s以下的BOLD-Delay纵向变化不一定是病理性的，可能是生理因素导致的，需要进一步研究。脑卒中的BOLD-Delay纵向变化通常是上述差异的3倍以上，因此BOLD-Delay可能适用于监测脑血管疾病的灌注缺陷。