[发明专利]一种放射性脑损伤生物标志物的多模态分子成像方法

说明书

本发明公开了一种放射性脑损伤生物标志物的多模态分子成像方法，具体依次包括对样本进行图像采集、图像分析、脑分割、白质纤维束跟踪、网络建设以及分类，本发明发现脑功能网络连接模式可以用作对监控打点，根据结构决定功能的思想，评估大脑功能的最可靠方法是了解大脑的解剖结构及其潜在的大脑回路。因此，研究脑内白质区域之间的解剖网络可以补充对放射性脑损伤的病理生理机制的了解，对于探索根治性放疗后认知功能障碍的神经学基础具有重要意义。

技术领域

本发明涉及医学检测领域，尤其是涉及一种放射性脑损伤生物标志物的多模态分子成像方法。

背景技术

鼻咽癌是中国南方头颈部恶性肿瘤中高发的常见癌症，根治性放疗是首选治疗方法。但是，根治性放疗可能会导致放射性脑损伤，这是最严重的并发症，放射性脑损伤可以根据发生的时间大致分为三个阶段：急性反应期，早期延迟放射期和晚期延迟放射期。

延迟放射期后期的伤害通常是不可逆的。根治性放疗引起的认知障碍显著降低了鼻咽癌患者的生活质量。放射性脑损伤在认知，记忆和情感方面最突出。如何在常规CT和MRI图像出现异常之前及早发现放射性脑损伤是提高鼻咽癌患者生活质量和预后的关键问题。弥散张量成像是唯一可以评估脑内白质纤维的微观结构和形态变化的技术，已广泛用于研究与之相关的中枢神经系统(CNS)的组织形态和病理学根治性放疗。通常，放射性脑损伤对脑内白质的损害要大于对灰质(GM)的损害。脑内白质的血液供应相对稀缺。暴露后，血管受损，容易发生缺血性坏死。因此，与放射性脑损伤相关的大多数研究都集中在脑内白质上，对于这些研究，分数各向异性(FA)值降低表明脑内白质完整性受损。FA是最常见的弥散张量成像参数之一，用于量化禁忌水沿轴突和髓磷脂的扩散程度。但是，放射性脑损伤的确切生理病理学仍然未知。

传统上，以前的研究都是基于小组级别的比较。由于不同的研究技术和样本量，不同的研究通常会产生不一致甚至相反的结果。相比之下，机器学习方法已被广泛用于脑图像分析，可以从脑图像数据中提取其他信息和稳定模式，并且可以在个体水平上从正常人中识别或区分患者，并基于神经影像数据识别生物标志物。我们假设基于全脑弥散张量成像数据，机器学习方法可以在个体水平上将根治性放疗后的鼻咽癌患者与正常人区分开，并进一步探讨放射性脑损伤的病理生理机制。FA值和脑内白质完整性可能能够区分不同月份的患者，这些FA值和脑内白质完整性将被选为分类中的特征。本发明使用弥散张量成像，基于道的空间统计(TBSS)和机器学习方法来检查全脑白质微观结构和脑内白质网络状况的动态变化，在放疗后选择鼻咽癌患者中最有区别的脑内白质区域和脑内白质连接。

发明内容

本发明为克服上述情况不足，旨在提供一种能解决上述问题的技术方案。

一种放射性脑损伤生物标志物的多模态分子成像方法，具体依次包括对样本进行图像采集、图像分析、脑分割、白质纤维束跟踪、网络建设以及分类；

对样本进行图像采集包括使用带有八通道头线圈的3.0T临床扫描仪获取MRI数据；

对MRI数据进行图像分析，具体的首先将以DICOM格式获取的图像转换为ANALYZE；然后使用McFli根治性放疗将四维扩散张量图像与第一体积对齐，以消除头部运动误差；然后使用仿射配准和涡流校正，校正对准的扩散张量图像的涡流引起的畸变；完成这些预处理后，使用FSL脑提取工具(BET)对大脑进行图像提取，并使用弥散张量成像Fit在每个体素上拟合扩散张量模型以生成图像FA；使用TBSS，在鼻咽癌患者和对照参与者的FA概况之间按体素进行交叉比较，以识别脑内白质异常的离散区域；

对图像分析后进行脑分割，脑图像被分割为使用自动解剖标记方法覆盖每个受试者的脑部弥散张量成像；这种方法将大脑分为116个小脑区，包括90个脑区和26个小脑区；首先，通过在扩散张量空间中旋转和平移的线性配准，将T1图像配准为b0图像；然后，将注册的T1图像注册到标准MNI空间中的T1图像，并反转生成转换矩阵，然后使用逆矩阵将AAL模板从MNI空间转换为扩散张量空间；