分享:
分享到微信朋友圈
X
综述
ATN诊断框架下阿尔茨海默病的PET/MR研究进展
周妍 周琦东 尹晨茹 毋若琳 盖永康 苏颖 夏晓天

Cite this article as: ZHOU Y, ZHOU Q D, YIN C R, et al. Research progress in PET/MR for diagnosis of Alzheimer's disease within ATN framework[J]. Chin J Magn Reson Imaging, 2024, 15(6): 159-165.本文引用格式:周妍, 周琦东, 尹晨茹, 等. ATN诊断框架下阿尔茨海默病的PET/MR研究进展[J]. 磁共振成像, 2024, 15(6): 159-165. DOI:10.12015/issn.1674-8034.2024.06.025.


[摘要] 阿尔茨海默病(Alzheimer's disease, AD)作为导致痴呆的主要原因之一,其早期诊断对于及时干预和减缓疾病进展至关重要。2018年美国国家衰老研究院-阿尔茨海默协会(National Institute of Aging and Alzheimer's Association, NIA-AA)提出了AD的ATN(amyloid/tau/neurodegeneration)诊断标准,获得了临床普遍认可并广泛使用。本文综述了正电子发射断层显像(positron emission tomography, PET)、磁共振成像(magnetic resonance imaging, MRI)以及正电子发射型磁共振成像系统(positron emission tomography-magnetic resonance imaging, PET/MR)在ATN诊断框架下的应用,并探讨多探针多模态PET/MR在AD诊断中的显著优势。以期为学者提供研究和参考的新思路,推动AD患者的PET/MR临床应用,为临床实践提供重要的影像依据。
[Abstract] Alzheimer's disease (AD), a leading cause of dementia, emphasizes the critical importance of early diagnosis for timely intervention and disease progression mitigation. In 2018, the National Institute of Aging and Alzheimer's Association (NIA-AA) introduced the ATN (amyloid/tau/neurodegeneration) diagnostic criteria for AD, which has garnered extensive clinical acceptance and utilization. This article offers a comprehensive review of the applications of positron emission tomography (PET), magnetic resonance imaging (MRI), and integrated positron emission tomography-magnetic resonance imaging (PET/MR) in the ATN diagnostic framework, and explores the profound advantages of multi-probe, multi-modal PET/MR in diagnosis. The objective is to provide researchers with novel perspectives and references for further investigation, drive the clinical application of PET/MR for AD patients, and furnish clinicians with crucial imaging evidence to support their practice
[关键词] 阿尔茨海默病;生物标志物;正电子发射断层显像;磁共振成像;多模态成像
[Keywords] Alzheimer's disease;biomarkers;positron emission tomography;magnetic resonance imaging;multimodal imaging

周妍 1   周琦东 2#   尹晨茹 3   毋若琳 1   盖永康 1   苏颖 2*   夏晓天 1*  

1 华中科技大学同济医学院附属协和医院核医学科,湖北省分子影像重点实验室,生物靶向治疗教育部重点实验室,武汉 430022

2 华中科技大学同济医学院附属协和医院神经内科,武汉 430022

3 湖北省科技信息研究院,武汉 430070

通信作者:苏颖,E-mail:suying0110@126.com 夏晓天,E-mail:xiaotian_xia@hust.edu.cn

作者贡献声明::夏晓天、苏颖设计本研究的方案,对稿件重要内容进行了修改;周妍、周琦东起草和撰写稿件,获取、分析或解释本研究的数据;尹晨茹、毋若琳、盖永康获取、分析或解释本研究的数据,对稿件重要内容进行了修改;盖永康获得了科技部科技创新2030-“脑科学与类脑研究”重大项目资助;夏晓天获得了湖北省自然科学基金项目资助。全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 科技部科技创新2030-“脑科学与类脑研究”重大项目 2022ZD0211800 湖北省自然科学基金项目 2024AFB633
收稿日期:2024-02-04
接受日期:2024-06-03
中图分类号:R445.2  R749.1 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2024.06.025
本文引用格式:周妍, 周琦东, 尹晨茹, 等. ATN诊断框架下阿尔茨海默病的PET/MR研究进展[J]. 磁共振成像, 2024, 15(6): 159-165. DOI:10.12015/issn.1674-8034.2024.06.025.

0 引言

       阿尔茨海默病(Alzheimer's disease, AD)是一种神经退行性疾病,是导致痴呆的主要原因之一,其发病与家族遗传和年龄增长密切相关,主要症状为进行性的认知障碍及行为异常[1]。研究显示,截止到2020年,中国60岁及以上的人群中约有1507万人患有痴呆,AD患者达983万人左右[2]。AD不仅给许多家庭带来了严重的精神压力,也给社会带来了沉重的经济负担。研究显示,中国的AD负担在社会经济成本方面高于世界水平[3]。早期阶段的AD通常临床表现较轻微,患者往往处于认知功能未下降阶段,此时通过临床表现难以进行诊断从而进行干预。AD的早期干预对延缓患者病情进展以及提高生活质量至关重要,如何实现AD的早期诊断,为患者提供及时的干预是当前亟待解决的重要问题。AD病理学研究主流学说认为细胞外老年斑、细胞内神经原纤维缠结(neurofibrillary tangles, NFTs)为AD的主要病理特征[4],也有部分学者认为神经元丢失也是AD的特征性病理改变[5]。2018年美国国家衰老研究院-阿尔茨海默协会(National Institute of Aging and Alzheimer's Association, NIA-AA)提出AD的生物学定义,即基于生物标志物——β-淀粉样蛋白(amyloid β-protein, Aβ)沉积(A)、病理性Tau蛋白沉积(T)和神经变性(N)的ATN(amyloid/tau/neurodegeneration)诊断标准[6],该标准为近年来利用AD生物标志物组合指导AD临床早期诊断的突破性进展。在ATN诊断标准中,仅有A生物标志物证据的被称为“AD病理改变”,同时存在A与T生物标志物证据时才被定义为AD,N仅作为判断AD病理进展或AD的严重程度的辅助指标,该诊断标准已经在临床实践中广泛应用并得到认可。

       临床上获取ATN证据的方法包括脑脊液测定、磁共振成像(magnetic resonance imaging, MRI)、正电子发射断层显像(positron emission tomography, PET)等,以及近年来采用融合技术的正电子发射断层扫描与计算机断层扫描(positron emission tomography-computed tomography, PET/CT)、正电子发射型磁共振成像系统(positron emission tomography-magnetic resonance imaging, PET/MR)等。PET由于放射性核素可以灵活标记物质的特点,可选择性地反映特定的病理生理过程以及蛋白质等物质沉积情况,而MRI通过使用不同的脉冲序列和参数设置提供关于组织结构、功能和代谢的多方面信息,同时提供更为清晰的解剖信息和分子学信息。这种互补性使得PET/MR在AD的诊断中展现出更高的准确性和全面性[7]。因此,越来越多的学者开始采用PET/MR开展对诊断标准中ATN证据的搜集。同时,相较于PET/CT,PET/MR在AD的诊断中展现出了显著的优势,其具有更高的软组织对比度、更低的辐射剂量和多模态成像能力[8]。相较于脑脊液等有创检查,PET/MR还具备无创、便捷、可重复及评估全面等优势。本文针对ATN诊断框架下AD的PET/MR研究进展进行了综述,包括淀粉样蛋白显像、Tau蛋白显像、神经变性显像及其他生物标志物显像的进展,以及多模态MRI技术提供的关于脑组织结构、功能和代谢的多方面信息,对明确AD的病理生理改变、提高早期诊断及病情评估准确性,以及指导临床实践具有重要意义。

1 PET在ATN诊断框架下的应用

1.1 淀粉样蛋白显像

       Hardy和Higgins于1992年提出的淀粉样级联假说认为细胞外老年斑与NFTs的形成与AD早期Aβ的沉积密切相关[9]。尽早获取Aβ沉积的生物学证据能够帮助我们早期识别、干预并延缓AD的发生与进展。淀粉样蛋白显像是一种无创性显示Aβ沉积的影像方式,一方面可以通过提供显示Aβ沉积的生物学证据来辅助诊断AD,预测轻度认知功能障碍(mild cognitive impairment, MCI)患者转化为AD痴呆的可能性[10],从而早期给予适当的干预与治疗;另一方面显像阴性时能较大程度排除患有AD的可能性[11],具有较高的阴性预测力。此外,淀粉样蛋白显像还可为AD与其他痴呆综合征的鉴别诊断提供帮助[12]

       目前常用的淀粉样蛋白显像剂包括:11C-匹兹堡复合物B(Pittsburgh compound-B, 11C-PIB)、18F-氟贝他吡(18F-florbetapir, 18F-AV45)、18F-贝他苯(18F-florbetaben, 18F-FBB)等。由于11C-PIB受限于11C较短的半衰期(20 min),仅能有部分医院生产使用,无法实现核药房供药。越来越多的医院和核药企业选择开发和使用半衰期较长的18F(半衰期110 min)标记的药物,比如18F-AV45、18F-FBB等。18F-AV45是目前最常用的18F标记的淀粉样蛋白显像剂,可以很好的获取Aβ沉积证据[13],还可以用于鉴别AD与其他神经退行性疾病[14]。此外,18F-AV45在预测AD患者的认知能力是否在短期内下降方面也有很高的准确性[15]18F-FBB作为我国目前首个且唯一正式获批的淀粉样蛋白显像剂,与11C-PIB在可检测性方面具有良好的线性相关性[16],与Aβ沉积结合的特异性较高[17]。尽管目前18F-FBB的临床试验相对较少,但期待未来能在国内的临床实践中得到更广泛的应用。

       随着AD研究的不断深入,淀粉样蛋白显像越来越多地被应用于相关临床研究中,显示出诸多优势。一项关于淀粉样蛋白显像在AD中应用的荟萃分析显示[18]11C-PIB及18F-AV45在AD诊断中都显示出了较高的特异性及敏感性,证实了淀粉样蛋白显像在检测Aβ沉积方面的应用价值和潜力,对于辅助AD的诊断具有重要意义。然而,目前淀粉样蛋白显像也存在一定的局限性,由于健康老年人也会逐渐出现Aβ沉积,以及潜在进展型MCI患者对Aβ显像剂存在高摄取等,淀粉样蛋白显像在评价AD时存在一定假阳性可能。要克服这些假阳性的影响,一方面可以联合多模态数据与临床表现提高诊断特异性,另一方面可以通过长期随访观察了解患者病情,从而更加准确地诊断。此外,值得注意的是,目前关于AD的18F-AV45显像、18F-FBB显像在已发表的临床研究文献中普遍存在样本量较小的问题。临床研究中样本量的大小与研究的可靠性相关,在今后的研究中除了可直接扩大招募临床试验患者规模以外,也可以通过多中心合作、合并相似主题中的研究数据和引入统计学方法扩大样本量。

1.2 Tau蛋白显像

       Tau蛋白磷酸化和沉积增多是AD的主要病理改变之一[19],当Tau蛋白被过度磷酸化时,其与微管解离并积聚在神经元中形成NFTs,AD患者可在正常认知阶段出现NFTs[20]。Tau蛋白显像可以显示脑内的病理性Tau蛋白沉积以及NFTs负荷情况,且对生理性Tau蛋白及Aβ等蛋白质摄取较少[21],以此判断Tau蛋白显像阳性或阴性状态。既往研究显示病理性Tau蛋白沉积在AD患者大脑皮层中呈现出明确的分布和进展模式[22],BRAAK等[23]在此基础上提出的分期中病理性Tau蛋白沉积包括以下6个阶段:Ⅰ期病理改变主要发生于内嗅皮质,Ⅱ期延伸到海马区,Ⅲ~Ⅳ期影响到颞叶、额叶、顶叶皮质,Ⅴ~Ⅵ期最后影响到新皮质和初级感觉和运动区的新皮质。Tau蛋白显像与认知障碍的相关性较淀粉样蛋白显像更强,可以更好地用于较严重认知衰退患者的诊断[24]。Tau蛋白显像还可用于区分认知正常的老年人和AD认知正常阶段患者,以及早发型AD与其他早发型痴呆的鉴别[25, 26]

       18F-flortaucipir(18F-AV1451)对NFTs具有很高的亲和力,而与Aβ的结合率非常低[21],属于第一代Tau蛋白显像剂。尸检证明,18F-AV1451显像对于晚期Tau病理(Braak V~Ⅵ)较敏感,而对早期Tau病理(Braak I~Ⅳ)敏感度尚不够[27],因此在AD早期阶段,利用18F-AV1451获取Tau蛋白沉积证据可能受限。此外,18F-AV1451在脉络丛可能出现脱靶结合,会影响显示其相邻的海马区这一关键区域Tau沉积的能力[28]。为了解决上述问题,18F-MK-6240、18F-APN-1607等Tau蛋白显像剂应运而生。18F-MK-6240是目前第二代Tau蛋白显像剂中应用较多的一种。18F-MK-6240能够在AD早期,在内嗅皮层中检测到Tau沉积的病理改变[27],同时可以预测无症状老年人在未来记忆力下降的可能性[29],这为临床AD患者的早期诊断提供了有力支持。18F-APN-1607作为新一代Tau蛋白显像剂,是国内首个进入临床试验的Tau蛋白显像剂,目前正在进行临床Ⅲ期试验中,除了在基底神经节和丘脑中不会受到脱靶结合的影响外[30]18F-APN-1607还可作为PET显像中认知障碍严重程度的生物标志物[31]

       Tau蛋白显像在未来有望作为辅助诊断AD及分期的重要工具,并深入探索Aβ和Tau蛋白导致认知能力下降的病理机制。然而,目前Tau蛋白显像在应用中面临一个核心挑战:Tau蛋白在大脑中的病理分布存在较大的个体差异[32]。因此,在判断Tau蛋白显像阳性或阴性,不能仅通过内侧颞叶有无放射性浓聚判定,而需要多维度的综合研判,这也要求今后必须进一步完善显像判定的视觉评估法,建立重复性、稳定性、一致性更高的显像分析标准和评估方法应用于临床。此外,一些Tau蛋白显像剂在探测到Tau沉积的同时可能受到如Aβ相互作用的影响,导致显像结果不准确,因此需要进一步提升Tau蛋白显像剂的特异性,更精准地靶向Tau蛋白沉积。目前的Tau蛋白显像主要应用于AD晚期阶段,对于早期病变的敏感性有限,在未来可以对Tau蛋白显像剂进行结构改造或修饰,以提高显像剂的亲和力及特异性,有助于实现AD的早期诊断和干预,提高治疗效果。

1.3 神经变性显像

       神经元丢失是AD早期的显著特征,而脑葡萄糖代谢主要反映神经元突触的活动程度[33]。因此,可以通过显示大脑特定区域葡萄糖代谢的变化反映神经元突触活动的改变,从而提示AD的发生发展[34]。进行18F-脱氧葡萄糖(18F-fluorodeoxyglucose, 18F-FDG)PET显像时,各脑区对18F-FDG的摄取可被视为对该区域神经元活动情况的反映,且与简易精神状态量表测定结果高度相关[35]。NIA-AA明确指出18F-FDG PET低代谢和MRI评估的脑萎缩是AD诊断过程中评价N的重要生物标记物[6],而18F-FDG PET可在MRI检测到的脑萎缩之前即提示脑葡萄糖代谢的下降。不仅如此,不论是区分AD和正常认知衰老,还是MCI与AD,18F-FDG PET诊断效能均优于血浆及脑脊液生物标志物[36, 37],在临床被广泛用于无创性显示AD病理变化以及评估AD的严重程度。AD患者典型的18F-FDG PET脑显像表现为对称性的颞顶叶皮层代谢减低,早期主要受累区域包括颞叶内侧、海马区和后扣带回[38, 39]18F-FDG作为目前PET最常用的显像剂,不仅可以用于AD诊断,还能预测AD的发生发展[40]

       在AD的ATN诊断框架中,尽管N并非主要特异性指标,但其在评估病情严重程度及进展中仍有重要作用。目前,18F-FDG作为最广泛使用的PET显像剂,在反映神经元变性情况方面表现出良好的效果,成为评价神经变性的首选方式之一。然而,由于ATN标准下的全面诊断,患者不可避免地需要重复多次接受辐射。为了避免耗时且昂贵的检查,减少对患者的辐射暴露,一些研究者提出采用双时相淀粉样蛋白显像或Tau蛋白显像。双时相淀粉样蛋白显像或Tau蛋白显像的早期灌注相可反映脑神经元损伤灌注缺陷[24, 41],用于评估N的情况,而晚期显像则可获取A或T信息,满足临床上对于早期诊断和治疗策略的需求,同时能降低患者所受的辐射剂量。双时相淀粉样蛋白显像或Tau蛋白显像技术未来在AD诊断方面可能会呈现更为广泛的应用前景,但目前能开展淀粉样蛋白显像或Tau蛋白显像的医院及地区有限,18F-FDG作为PET显像领域最广泛使用的显像剂,仍为评价神经变性的首选方式。除此以外,双时相淀粉样蛋白显像或Tau蛋白显像的早期灌注相是否能等效提供18F-FDG的血流灌注信息仍需要进行更为深入的比较研究。

1.4 其他生物标志物显像

       2023年NIA-AA发布的《AD诊断临床标准修订版(草案)》中对生物标志物进行了重新分类,主要包括AD核心生物标志物(Aβ沉积和病理性Tau蛋白沉积)、非特异性生物标志物(神经元损伤及变性以及新引入的炎症/免疫生物标志物)和其他非AD病理生物标志物。近年来的研究表明AD患者的小胶质细胞和星形胶质细胞在激活过程中出现功能障碍,最终导致神经元损伤[42]。神经炎症日益被认为是AD发病机制的关键因素,评估和跟踪活体患者的小胶质细胞和星形胶质细胞有助于更深入地了解AD的发病机制和发展过程。在评价炎症/免疫生物标志物方面,位于线粒体外膜上的转位蛋白(translocator protein, TSPO)成为了一个重要靶点。当小胶质细胞活化时,TSPO表达显著增加。因此,通过测量TSPO的表达升高情况可以对活化的小胶质细胞进行评估[43],为AD的诊断提供了新的思路。

       在TSPO显像剂方面,11C-PK11195是最早用于TSPO的PET显像剂之一,用于监测各种神经系统疾病的炎症情况[44],属于第一代TSPO显像剂。第二代TSPO显像剂包括18F-DPA-713和18F-DPA-714,目前第三代TSPO显像剂的18F-GE-180也已问世。未来这些显像剂仍需要进一步的临床试验来验证其有效性和安全性,此外,对于其他非AD病理生物标志物,也需要进一步地研究和探索,以期加深研究者对AD发病机制的理解,并发现更多有效的诊断工具。

2 MRI在ATN诊断框架下的应用

       MRI在AD的诊断中发挥着重要作用。多模态MRI技术,包括液体衰减反转恢复(fluid attenuated inversion recovery, FLAIR)序列、结构磁共振成像(structural magnetic resonance imaging, sMRI)、磁共振波谱(magnetic resonance spectroscopy, MRS)、功能磁共振成像(functional magnetic resonance imaging, fMRI),及动脉自旋标记(arterial spin labeling, ASL),为AD的早期诊断及病情评估带来了新的希望和可能。

       首先,在AD患者中,FLAIR序列显示出的脑白质高信号与淀粉样蛋白显像结果具有较高的一致性[45, 46],因此,可以利用FLAIR序列显示AD患者脑部Aβ沉积区域,辅助AD的早期诊断。一项多中心队列研究显示,FLAIR序列在AD诊断中除了用于评估脑结构变化和异常信号外,还可以用于区分稳定型MCI和进展型MCI受试者[47]。其次,脑萎缩反映着神经元的存活情况,在评估AD神经变性方面,sMRI评估的脑萎缩已经被认为是AD相关神经变性的有效生物标志物[48]。同时,不同类型的痴呆在sMRI上展现出的脑萎缩模式不同[49],这为sMRI技术在未来区分AD和其他类型的痴呆奠定了基础。再者,MRS作为一种分子成像技术,在评估神经变性及损伤方面发挥着重要作用。通过检测N-乙酰天冬氨酸、肌醇的变化,MRS能够揭示神经元活动和完整性的变化,以及神经胶质细胞活动情况[50]。这些代谢物的变化对AD进展具有高度的敏感性[51],MRS技术为AD的诊断及病情监测提供了重要的分子层面信息。除此以外,越来越多的证据表明,大脑的功能变化可能伴随或先于可检测到的结构变化[52]。因此,利用fMRI可以检查MCI、AD患者的大脑活动和功能连接改变。一项有关健康受试者-MCI-AD三个阶段的纵向研究显示,默认模式网络主导的功能连接性下降程度与AD病程密切相关[53],fMRI有望作为区分MCI和AD患者与健康者的生物标志物。最后,ASL利用磁性标记的动脉血作为内源显像剂定量测量脑血流量,从而显示MCI和AD患者的脑灌注减低区,与健康对照组比较具有统计学意义[54],表明ASL技术在AD早期阶段就可以发现脑灌注的变化,为AD的早期诊断提供依据。此外,患者后扣带回皮层区域的低灌注与AD的进展呈正相关[55],证实了ASL在评估AD患者的病情严重程度方面的应用价值,也为疾病的早期诊断和监测提供了新的思路。

       尽管CT也能在一定程度上评估Aβ沉积和脑部结构的改变,但多模态MRI技术在这些方面展现出了更显著的优势。MRI通过特定的技术如FLAIR序列,能够更敏感地显示Aβ沉积,尤其是在早期或细小沉积的检测上。同时,MRI的高软组织对比度使得其在评估细微的神经元损伤和变性时表现出更高的敏感性和准确性。此外,MRI的分子成像技术如MRS,能够直接提供神经元活动和完整性的分子水平信息,这在CT中是无法实现的。这些优势使得MRI成为AD诊断及病情评估的不可或缺的影像学工具。然而,由于多模态MRI技术的多样性和复杂性,我们需要进一步深入地对比研究和精细化组合,以获取更全面、精确的疾病信息。这种技术整合不仅有助于我们更全面地了解AD患者的脑部结构和功能变化,还为疾病的早期发现和治疗提供了坚实的科学依据。因此,未来我们需要加强多模态MRI技术的整合,以推动AD诊断和治疗领域的进步。

3 PET/MR在ATN诊断框架下的应用

3.1 PET/MR的应用与采集模式

       目前在淀粉样蛋白显像、Tau蛋白显像和18F-FDG的AD显像通常使用PET/CT进行扫描,然而,正如前文所述,CT在AD诊断中存在一些缺陷。因此,越来越多的研究与临床应用转为使用PET/MR。相较于PET/CT,PET/MR采用无辐射的MRI技术,显著减少了患者的辐射暴露。PET/MR结合PET显像部分提供的分子水平信息与MRI提供的高软组织对比度、高空间分辨率的解剖学图像信息,同时利用了多模态MRI的特性。这种综合性的信息整合相较于PET或MRI的单独使用,更能为AD的诊断提供准确、全面的依据[7, 56],同时在AD病理生理过程研究中也有重要应用。

       一项对58例包含MCI或早期AD的患者进行11C-PIB PET/MR的研究显示,淀粉样蛋白PET/MR可以从单次扫描中获得多个参数,提供关于脑结构、脑血流量、皮质体积和默认模式网络功能等的信息,同时显示Aβ沉积情况,从而同时进行A与N的评价[57]。由此可见,运用PET/MR可以通过一次检查获取多重信息,同时对多个AD生物标志物进行评价。PET/MR技术在深入探究AD的病理生理过程中也具有显著的优势,以一项涉及健康对照者、MCI以及AD患者的18F-FDG PET/MR的临床试验为例,该研究通过同时获得18F-FDG PET与fMRI数据,揭示了突显网络分割受损及其与葡萄糖代谢的解耦关系[58],这一发现对于理解AD中的认知下降机制具有重要意义。目前,通过对AD患者的PET/MR研究,我们发现了AD患者脑萎缩、脑代谢减低与认知能力下降之间的密切关联性[59],以及大脑各区域神经活动和区域间功能连接的相关性[60]等。在未来,PET/MR的广泛应用将在揭示AD复杂起病过程及各环节相互关系上发挥不可或缺的作用。

       PET/MR的采集模式主要分为三种:(1)将PET和MRI分别放置在不同房间内进行独立检查;(2)将PET和MRI放置在同一房间,通过移动检查床完成PET与MRI的检查;(3)采用一体化PET/MR设备同时进行图像采集。前两种方法由于采集图像不同步,在检查过程中可能出现患者体位的变动,尤其是对于难以长时间平躺的患者会影响图像融合的对位准确性。一体化PET/MR设备可以同时完成双重扫描,实现不同影像在空间、时间上的精确配准,同时获得多类数据。

       尽管越来越多的研究者开始对AD患者采用PET/MR显像,但目前尚存在应用方面的不足。首先,在ATN诊断框架下AD的PET/MR病例研究数量相对于PET/CT来说仍较少,原因可能包括:(1)一体化PET/MR设备费及检查价格昂贵限制其普及;(2)部分医疗机构因缺乏专业人才和技术支持而无法引进或使用该设备;(3)市场认知度不足,部分医疗机构与医生对其了解不足。在未来,我们应该积极实现技术创新及人才培养,降低PET/MR使用成本,同时,加强交流与合作,推动PET/MR技术在临床应用中的普及和发展,努力构建在ATN诊断框架下AD的多探针多模态PET/MR诊断体系及诊断模式。其次,关于AD的PET/MR研究主要为横向研究,AD发展过程中的动态变化往往难以捕捉,未来的研究方向应更加注重纵向研究设计,这将有助于深入了解AD的病理生理学进展、疾病演变以及治疗干预的长期效果。通过纵向研究,PET/MR技术可以更全面地揭示AD的复杂机制,为个体化治疗和早期干预提供更坚实的理论基础。此外,目前对于国内AD样本的研究相对较少,尽管不同人种间AD的基本病理性特征相似,但人种间遗传、环境、生活方式和饮食习惯等因素可能对AD产生独特的影响。加强国内样本的收集并结合国情深入分析,可以为中国人群中的AD患者提供更准确的预防和治疗措施,填补当前研究的空白。最后,PET/MR涉及到PET显像和MRI在各类数据的采集、处理和分析阶段存在不同的标准和方法,可能导致不同研究间结果的不一致。为避免此问题,我们应该对元数据进行有效管理,以助于理解数据的含义,从而进行标准化整合与分析,促进统一标准的建立。

3.2 深度学习在PET/MR图像分析中的应用

       目前一体化PET/MR设备机器较昂贵,虽然国内拥有的数量逐年提升,但仍有较大数量的研究采用分开采集、后续融合的方式。无论是使用一体化PET/MR设备还是分开采集后融合的方法,图像质量和准确性都是至关重要的。图像质量的提升可以确保能够更准确地识别出与AD相关的病理特征,如Aβ沉积、病理性Tau蛋白沉积和神经变性等。

       深度学习可通过模拟人类大脑的神经网络结构来实现复杂的模式识别和学习任务。在PET/MR中引入深度学习技术有助于提高医学图像分析和处理效果,实现对人脑的精确分割,从而提高PET/MR图像重建的准确性,更好地进行AD的早期诊断和进展预测[7]。ZHU等[61]提出的通过流形逼近的自动转换(automated transform by manifold approximation, AUTOMAP)技术具有优秀的降噪能力,能有效减少图像伪影。在PET/MR中由于缺乏CT图像,且骨骼和空气在大多数MRI脉冲序列上信号大致相似,基于MRI的衰减校正会带来衰减校正相关误差。深度学习技术可以从MRI图像中获取“伪CT”图像,有助于减小误差[62]。这对于提高PET图像中在淀粉样蛋白显像、Tau蛋白显像和神经变性显像的准确定量具有重要意义[63]。除此以外,运用深度学习对PET图像进行增强可以在降低显像剂注射剂量的同时保证图像质量[64],有助于减少患者的辐射暴露和药物负担。同时深度学习也能提高不具备时间飞跃(time-of-flight, TOF)技术的PET机型的图像质量,使其在图像质量上接近具备TOF技术的设备[65],这对于在更广泛的医疗机构中推广PET/MR技术具有重要意义。

       到目前为止,不同机构对分开采集PET和MRI的图像进行校正与图像重建的方法存在差异,一致的标准和重建算法有待制定。随着现代计算技术的进步,深度学习技术展现出了巨大的潜力,在PET/MR中引入深度学习技术有助于提高定量准确性和图像质量,为AD的早期诊断和治疗提供更可靠的支持。

4 总结与展望

       在ATN诊断框架下,PET/MR技术在AD的应用过程中展示出其独特的优势。通过淀粉样蛋白显像、Tau蛋白显像、神经变性显像及其他生物标志物显像,我们能够精准获取A、T、N等生物标志物证据,同时结合多模态MRI技术,全面揭示组织结构、功能和代谢的多方面信息。在对AD患者进行PET/MR研究中,我们需要注意保证图像质量及准确性,深度学习为解决此问题提供了新的解决途径。PET/MR的应用不仅有助于AD的早期诊断,提高诊断的准确性,还为深入揭示AD的病理生理学过程提供了重要依据,对临床实践具有指导意义。

       展望未来,PET/MR在AD中还可以应用于多方面。首先,PET/MR可用于AD与其他类型痴呆的鉴别诊断,如额颞叶痴呆、路易体痴呆和血管痴呆等,以便为AD患者提供更精准的治疗措施。其次,PET/MR能评估各种干预措施的效果及治疗的有效性。目前,AD的危险因素备受关注,越来越多的研究表明脑血管疾病、糖尿病、高血压、肥胖、血脂异常、吸烟等是AD患病的危险因素[66],对相关危险因素进行干预可以预防AD的发生与发展,此过程的有效性可以借助PET/MR进行评估。不仅如此,未来可以结合血液、脑脊液中的生物标志物,以组合的方式对AD进行全面评估,有助于提高诊断的准确性,避免部分检查可能带来的假阴性或假阳性的影响。组合性生物标志物全阴性结果极大程度上可以排除AD的可能性[67]。总而言之,PET/MR因其多探针多模态优势在AD的研究中展现出广泛的发展前景,通过不断改善技术应用、提高研究准确性及拓展多模态影像的应用范围,将共同促进AD领域的科学发展。

[1]
2023 Alzheimer's disease facts and figures[J]. Alzheimers Dement, 2023, 19(4): 1598-1695. DOI: 10.1002/alz.13016.
[2]
JIA L, DU Y, CHU L, et al. Prevalence, risk factors, and management of dementia and mild cognitive impairment in adults aged 60 years or older in China: a cross-sectional study[J/OL]. Lancet Public Health, 2020, 5(12): e661-e671 [2024-01-28]. https://doi.org/10.1016/S2468-2667(20)30185-7. DOI: 10.1016/s2468-2667(20)30185-7.
[3]
JIA L F, QUAN M N, FU Y, et al. Dementia in China: epidemiology, clinical management, and research advances[J]. Lancet Neurol, 2020, 19(1): 81-92. DOI: 10.1016/S1474-4422(19)30290-X.
[4]
HAWKSWORTH J, FERNÁNDEZ E, GEVAERT K. A new generation of AD biomarkers: 2019 to 2021[J/OL]. Ageing Res Rev, 2022, 79: 101654 [2024-01-28]. https://doi.org/10.1016/j.arr.2022.101654. DOI: 10.1016/j.arr.2022.101654.
[5]
QURESHI Y H, BERMAN D E, MARSH S E, et al. The neuronal retromer can regulate both neuronal and microglial phenotypes of Alzheimer's disease[J/OL]. Cell Rep, 2022, 38(3): 110262 [2024-01-28]. https://doi.org/10.1016/j.celrep.2021.110262. DOI: 10.1016/j.celrep.2021.110262.
[6]
JACK C R, BENNETT D A, BLENNOW K, et al. NIA-AA Research Framework: toward a biological definition of Alzheimer's disease[J]. Alzheimers Dement, 2018, 14(4): 535-562. DOI: 10.1016/j.jalz.2018.02.018.
[7]
ZHAO Y, GUO Q R, ZHANG Y K, et al. Application of deep learning for prediction of Alzheimer's disease in PET/MR imaging[J/OL]. Bioengineering, 2023, 10(10): 1120 [2024-01-28]. https://doi.org/10.3390/bioengineering10101120. DOI: . DOI: 10.3390/bioengineering10101120.DOI:10.3390/bioengineering10101120.
[8]
ZHANG X Y, YANG Z L, LU G M, et al. PET/MR imaging: new frontier in Alzheimer's disease and other dementias[J/OL]. Front Mol Neurosci, 2017, 10: 343 [2024-01-18]. https://doi.org/10.3389/fnmol.2017.00343. DOI: 10.3389/fnmol.2017.00343.
[9]
AGRAWAL N, SKELTON A A. Structure and function of Alzheimer's amyloid βeta proteins from monomer to fibrils: a mini review[J]. Protein J, 2019, 38(4): 425-434. DOI: 10.1007/s10930-019-09854-3.
[10]
KITAJIMA K, ABE K, TAKEDA M, et al. Clinical impact of 11C-Pittsburgh compound-B positron emission tomography in addition to magnetic resonance imaging and single-photon emission computed tomography on diagnosis of mild cognitive impairment to Alzheimer's disease[J/OL]. Medicine, 2021, 100(3): e23969 [2024-01-28]. https://doi.org/10.1097/MD.0000000000023969. DOI: 10.1097/MD.0000000000023969.
[11]
RABINOVICI G D, GATSONIS C, APGAR C, et al. Association of amyloid positron emission tomography with subsequent change in clinical management among medicare beneficiaries with mild cognitive impairment or dementia[J]. JAMA, 2019, 321(13): 1286-1294. DOI: 10.1001/jama.2019.2000.
[12]
SHI Z H, FU L P, ZHANG N, et al. Amyloid PET in dementia syndromes: a Chinese multicenter study[J]. J Nucl Med, 2020, 61(12): 1814-1819. DOI: 10.2967/jnumed.119.240325.
[13]
MATTSSON N, PALMQVIST S, STOMRUD E, et al. Staging β-amyloid pathology with amyloid positron emission tomography[J]. JAMA Neurol, 2019, 76(11): 1319-1329. DOI: 10.1001/jamaneurol.2019.2214.
[14]
OSSENKOPPELE R, RABINOVICI G D, SMITH R, et al. Discriminative accuracy of[18F]flortaucipir positron emission tomography for alzheimer disease vs other neurodegenerative disorders[J]. JAMA, 2018, 320(11): 1151-1162. DOI: 10.1001/jama.2018.12917.
[15]
JAMES O G, LINARES A R, HELLEGERS C, et al. Evaluating alzheimer disease with flortaucipir and florbetapir PET: a clinical case series[J]. Clin Nucl Med, 2021, 46(7): 605-608. DOI: 10.1097/RLU.0000000000003493.
[16]
CHANG Y, LI C, YANG H, et al. 18F-florbetaben amyloid PET imaging: a Chinese study in cognitive normal controls, mild cognitive impairment, and Alzheimer's disease patients[J/OL]. Front Neurosci, 2020, 14: 745 [2024-01-28]. https://doi.org/10.3389/fnins.2020.00745. DOI: 10.3389/fnins.2020.00745.
[17]
JEONG Y J, YOON H J, KANG D Y, et al. Quantitative comparative analysis of amyloid PET images using three radiopharmaceuticals[J]. Ann Nucl Med, 2023, 37(5): 271-279. DOI: 10.1007/s12149-023-01824-1.
[18]
RUAN D, SUN L. Amyloid-β PET in Alzheimer's disease: a systematic review and Bayesian meta-analysis[J/OL]. Brain Behav, 2023, 13(1): e2850 [2024-01-28]. https://doi.org/10.1002/brb3.2850. DOI: 10.1002/brb3.2850.
[19]
WEGMANN S, BIERNAT J, MANDELKOW E. A current view on Tau protein phosphorylation in Alzheimer's disease[J/OL]. Curr Opin Neurobiol, 2021, 69: 131-138 [2024-01-28]. https://pubmed.ncbi.nlm.nih.gov/33892381/. DOI: 10.1016/j.conb.2021.03.003.
[20]
DING J, SHEN C S, WANG Z G, et al. Tau-PET abnormality as a biomarker for Alzheimer's disease staging and early detection: a topological perspective[J]. Cereb Cortex, 2023, 33(20): 10649-10659. DOI: 10.1093/cercor/bhad312.
[21]
CASSINELLI PETERSEN G, ROYTMAN M, CHIANG G C, et al. Overview of tau PET molecular imaging[J]. Curr Opin Neurol, 2022, 35(2): 230-239. DOI: 10.1097/WCO.0000000000001035.
[22]
WILCOCK G K, ESIRI M M. Plaques, tangles and dementia. A quantitative study[J]. J Neurol Sci, 1982, 56(2/3): 343-356. DOI: 10.1016/0022-510x(82)90155-1.
[23]
BRAAK H, BRAAK E. Neuropathological stageing of Alzheimer-related changes[J]. Acta Neuropathol, 1991, 82(4): 239-259. DOI: 10.1007/BF00308809.
[24]
VÖLTER F, BEYER L, ECKENWEBER F, et al. Assessment of perfusion deficit with early phases of [18F]PI-2620 tau-PET versus [18F]flutemetamol-amyloid-PET recordings[J]. Eur J Nucl Med Mol Imaging, 2023, 50(5): 1384-1394. DOI: 10.1007/s00259-022-06087-y.
[25]
CHIOTIS K, SAVITCHEVA I, POULAKIS K, et al. [18F]THK5317 imaging as a tool for predicting prospective cognitive decline in Alzheimer's disease[J]. Mol Psychiatry, 2021, 26(10): 5875-5887. DOI: 10.1038/s41380-020-0815-4.
[26]
CHO H, MUNDADA N S, APOSTOLOVA L G, et al. Amyloid and tau-PET in early-onset AD: baseline data from the Longitudinal Early-onset Alzheimer's Disease Study (LEADS)[J/OL]. Alzheimers Dement, 2023, 19(Suppl 9): S98-S114 [2024-01-28]. https://pubmed.ncbi.nlm.nih.gov/37690109/. DOI: 10.1002/alz.13453.
[27]
HARADA R, LERDSIRISUK P, SHIMIZU Y, et al. Preclinical characterization of the tau PET tracer [18F]SNFT-1: comparison of tau PET tracers[J]. J Nucl Med, 2023, 64(9): 1495-1501. DOI: 10.2967/jnumed.123.265593.
[28]
MORMINO E C, TOUEG T N, AZEVEDO C, et al. Tau PET imaging with 18F-PI-2620 in aging and neurodegenerative diseases[J]. Eur J Nucl Med Mol Imag, 2021, 48(7): 2233-2244. DOI: 10.1007/s00259-020-04923-7.
[29]
KWAN A T H, ARFAIE S, THERRIAULT J, et al. Medial temporal tau predicts memory decline in cognitively unimpaired elderly[J/OL]. Brain Commun, 2022, 5(1): fcac325 [2024-01-28]. https://pubmed.ncbi.nlm.nih.gov/36627889/. DOI: 10.1093/braincomms/fcac325.
[30]
HSU J L, LIN K J, HSIAO I T, et al. The imaging features and clinical associations of a novel tau PET tracer-18F-APN1607 in alzheimer disease[J]. Clin Nucl Med, 2020, 45(10): 747-756. DOI: 10.1097/RLU.0000000000003164.
[31]
LU J Y, MA X X, ZHANG H W, et al. Head-to-head comparison of plasma and PET imaging ATN markers in subjects with cognitive complaints[J/OL]. Transl Neurodegener, 2023, 12(1): 34 [2024-01-28]. https://doi.org/10.1186/s40035-023-00365-x. DOI: 10.1186/s40035-023-00365-x.
[32]
OSSENKOPPELE R, VAN DER KANT R, HANSSON O. Tau biomarkers in Alzheimer's disease: towards implementation in clinical practice and trials[J]. Lancet Neurol, 2022, 21(8): 726-734. DOI: 10.1016/S1474-4422(22)00168-5.
[33]
LANDAU S M, HARVEY D, MADISON C M, et al. Associations between cognitive, functional, and FDG-PET measures of decline in AD and MCI[J]. Neurobiol Aging, 2011, 32(7): 1207-1218. DOI: 10.1016/j.neurobiolaging.2009.07.002.
[34]
MINOSHIMA S, CROSS D, THIENTUNYAKIT T, et al. 18F-FDG PET imaging in neurodegenerative dementing disorders: insights into subtype classification, emerging disease categories, and mixed dementia with copathologies[J]. J Nucl Med, 2022, 63(Suppl 1): 2S-12S. DOI: 10.2967/jnumed.121.263194.
[35]
BAGHEL V, TRIPATHI M, PARIDA G, et al. In vivo assessment of tau deposition in alzheimer disease and assessing its relationship to regional brain glucose metabolism and cognition[J/OL]. Clin Nucl Med, 2019, 44(11): e597-e601 [2024-01-28]. https://doi.org/10.1097/RLU.0000000000002791. DOI: 10.1097/RLU.0000000000002791.
[36]
XIONG X, HE H J, YE Q Q, et al. Alzheimer's disease diagnostic accuracy by fluid and neuroimaging ATN framework[J/OL]. CNS Neurosci Ther, 2024, 30(2): e14357 [2024-01-28]. https://doi.org/10.1111/cns.14357. DOI: 10.1111/cns.14357.
[37]
LEVIN F, FERREIRA D, LANGE C, et al. Data-driven FDG-PET subtypes of Alzheimer's disease-related neurodegeneration[J/OL]. Alzheimers Res Ther, 2021, 13(1): 49 [2024-01-28]. https://doi.org/10.1186/s13195-021-00785-9. DOI: 10.1186/s13195-021-00785-9.
[38]
贾琛皓, 梁梦琳, 郭瑞杰, 等. AD患者18F-FDG PET/CT脑显像糖代谢改变模式亚型研究[J]. 中国神经免疫学和神经病学杂志, 2022, 29(6): 482-487. DOI: 10.3969/j.issn.1006-2963.2022.06.007.
JIA C H, LIANG M L, GUO R J, et al. The subtypes of metabolic pattern in 18 F-FDG PET/CT brain imaging in patients with Alzheimer's disease[J]. Chin J Neuroimmunol Neurol, 2022, 29(6): 482-487. DOI: 10.3969/j.issn.1006-2963.2022.06.007.
[39]
SALA A, CAPRIOGLIO C, SANTANGELO R, et al. Brain metabolic signatures across the Alzheimer's disease spectrum[J]. Eur J Nucl Med Mol Imaging, 2020, 47(2): 256-269. DOI: 10.1007/s00259-019-04559-2.
[40]
SANTANGELO R, MASSERINI F, AGOSTA F, et al. CSF p-tau/Aβ42 ratio and brain FDG-PET may reliably detect MCI "imminent" converters to AD[J]. Eur J Nucl Med Mol Imaging, 2020, 47(13): 3152-3164. DOI: 10.1007/s00259-020-04853-4.
[41]
BEYER L, NITSCHMANN A, BARTHEL H, et al. Early-phase [18F]PI-2620 tau-PET imaging as a surrogate marker of neuronal injury[J]. Eur J Nucl Med Mol Imaging, 2020, 47(12): 2911-2922. DOI: 10.1007/s00259-020-04788-w.
[42]
ARRANZ A M, STROOPER B D. The role of astroglia in Alzheimer's disease: pathophysiology and clinical implications[J]. Lancet Neurol, 2019, 18(4): 406-414. DOI: 10.1016/S1474-4422(18)30490-3.
[43]
GARLAND E F, DENNETT O, LAU L C, et al. The mitochondrial protein TSPO in Alzheimer's disease: relation to the severity of AD pathology and the neuroinflammatory environment[J/OL]. J Neuroinflammation, 2023, 20(1): 186 [2024-01-28]. https://doi.org/10.1186/s12974-023-02869-9. DOI: 10.1186/s12974-023-02869-9.
[44]
ZHANG L L, HU K, SHAO T, et al. Recent developments on PET radiotracers for TSPO and their applications in neuroimaging[J]. Acta Pharm Sin B, 2021, 11(2): 373-393. DOI: 10.1016/j.apsb.2020.08.006.
[45]
ALBAN S L, LYNCH K M, RINGMAN J M, et al. The association between white matter hyperintensities and amyloid and tau deposition[J/OL]. Neuroimage Clin, 2023, 38: 103383 [2024-05-11]. https://doi.org/10.1016/j.nicl.2023.103383. DOI: 10.1016/j.nicl.2023.103383.
[46]
GAUBERT M, LANGE C, GARNIER-CRUSSARD A, et al. Topographic patterns of white matter hyperintensities are associated with multimodal neuroimaging biomarkers of Alzheimer's disease[J/OL]. Alzheimers Res Ther, 2021, 13(1): 29 [2024-05-11]. https://doi.org/10.1186/s13195-020-00759-3. DOI: 10.1186/s13195-020-00759-3.
[47]
CRYSTAL O, MARALANI P J, BLACK S, et al. Detecting conversion from mild cognitive impairment to Alzheimer's disease using FLAIR MRI biomarkers[J/OL]. Neuroimage Clin, 2023, 40: 103533 [2024-05-18]. https://doi.org/10.1016/j.nicl.2023.103533. DOI: 10.1016/j.nicl.2023.103533.
[48]
郝晓勇, 王效春. 多模态MRI在阿尔茨海默病早期诊断中的研究进展[J]. 磁共振成像, 2018, 9(1): 69-73. DOI: 10.12015/issn.1674-8034.2018.01.015.
HAO X Y, WANG X C. Application and development of multimodal MRI in the diagnosis of early AD[J]. Chin J Magn Reson Imag, 2018, 9(1): 69-73. DOI: 10.12015/issn.1674-8034.2018.01.015.
[49]
YU Q, MAI Y R, RUAN Y T, et al. An MRI-based strategy for differentiation of frontotemporal dementia and Alzheimer's disease[J/OL]. Alzheimers Res Ther, 2021, 13(1): 23 [2024-05-18]. https://doi.org/10.1186/s13195-020-00757-5. DOI: 10.1186/s13195-020-00757-5.
[50]
MAUL S, GIEGLING I, RUJESCU D. Proton magnetic resonance spectroscopy in common dementias-current status and perspectives[J/OL]. Front Psychiatry, 2020, 11: 769 [2024-01-28]. https://doi.org/10.3389/fpsyt.2020.00769. DOI: 10.3389/fpsyt.2020.00769.
[51]
SONG T, SONG X P, ZHU C, et al. Mitochondrial dysfunction, oxidative stress, neuroinflammation, and metabolic alterations in the progression of Alzheimer's disease: a meta-analysis of in vivo magnetic resonance spectroscopy studies[J/OL]. Ageing Res Rev, 2021, 72: 101503 [2024-01-28]. https://doi.org/10.1016/j.arr.2021.101503. DOI: 10.1016/j.arr.2021.101503.
[52]
QIU Q Q. Neural networks in autosomal dominant Alzheimer's disease: insights from functional magnetic resonance imaging studies[J/OL]. Front Aging Neurosci, 2022, 14: 903269 [2024-05-18]. https://doi.org/10.3389/fnagi.2022.903269. DOI: 10.3389/fnagi.2022.903269.
[53]
李晴, 岳希鹏, 白岩, 等. 多模态影像技术在阿尔茨海默病早期诊断中的应用价值[J]. 磁共振成像, 2022, 13(11): 110-114. DOI: 10.12015/issn.1674-8034.2022.11.021.
LI Q, YUE X P, BAI Y, et al. Application value of multi-modal imaging technique in early diagnosis of Alzheimer's disease[J]. Chin J Magn Reson Imag, 2022, 13(11): 110-114. DOI: 10.12015/issn.1674-8034.2022.11.021.
[54]
周秀梅, 李坤成. 阿尔茨海默病和轻度认知障碍磁共振动脉自旋标记脑灌注与神经心理学量表相关性研究[J]. 磁共振成像, 2017, 8(2): 81-86. DOI: 10.12015/issn.1674-8034.2017.02.001.
ZHOU X M, LI K C. A correlation study between the cerebral perfusion of arterial spin labeling of MRI and neuropsychological scale in patients with Alzheimer's disease and mild cognitive impairment[J]. Chin J Magn Reson Imag, 2017, 8(2): 81-86. DOI: 10.12015/issn.1674-8034.2017.02.001.
[55]
田瑶天, 李春媚, 陈敏. 从科研走向临床: 磁共振成像技术在神经退行性疾病中的应用潜力巨大[J]. 磁共振成像, 2023, 14(1): 1-5, 19. DOI: 10.12015/issn.1674-8034.2023.01.001.
TIAN Y T, LI C M, CHEN M. From research to clinic: the huge potential about application of magnetic resonance imaging in neurodegenerative disease[J]. Chin J Magn Reson Imag, 2023, 14(1): 1-5, 19. DOI: 10.12015/issn.1674-8034.2023.01.001.
[56]
DUPONT P. A role of PET/MR imaging in dementia?[J]. Semin Nucl Med, 2021, 51(3): 296-302. DOI: 10.1053/j.semnuclmed.2021.01.003.
[57]
OKAZAWA H, IKAWA M, JUNG M, et al. Multimodal analysis using[11C]PiB-PET/MRI for functional evaluation of patients with Alzheimer's disease[J/OL]. EJNMMI Res, 2020, 10(1): 30 [2024-01-28]. https://pubmed.ncbi.nlm.nih.gov/32232573/. DOI: 10.1186/s13550-020-00619-z.
[58]
ZHANG M, GUAN Z Y, ZHANG Y Y, et al. Disrupted coupling between salience network segregation and glucose metabolism is associated with cognitive decline in Alzheimer's disease - A simultaneous resting-state FDG-PET/fMRI study[J/OL]. Neuroimage Clin, 2022, 34: 102977 [2024-05-18]. https://doi.org/10.1016/j.nicl.2022. DOI: 10.1016/j.nicl.2022.102977.
[59]
CHEN Y F, WANG J K, CUI C L, et al. Evaluating the association between brain atrophy, hypometabolism, and cognitive decline in Alzheimer's disease: a PET/MRI study[J]. Aging, 2021, 13(5): 7228-7246. DOI: 10.18632/aging.202580.
[60]
MALEKI BALAJOO S, RAHMANI F, KHOSROWABADI R, et al. Decoupling of regional neural activity and inter-regional functional connectivity in Alzheimer's disease: a simultaneous PET/MR study[J]. Eur J Nucl Med Mol Imaging, 2022, 49(9): 3173-3185. DOI: 10.1007/s00259-022-05692-1.
[61]
ZHU B, LIU J Z, CAULEY S F, et al. Image reconstruction by domain-transform manifold learning[J]. Nature, 2018, 555(7697): 487-492. DOI: 10.1038/nature25988.
[62]
ZAHARCHUK G. Next generation research applications for hybrid PET/MR and PET/CT imaging using deep learning[J]. Eur J Nucl Med Mol Imaging, 2019, 46(13): 2700-2707. DOI: 10.1007/s00259-019-04374-9.
[63]
GONG K, HAN P K, JOHNSON K A, et al. Attenuation correction using deep Learning and integrated UTE/multi-echo Dixon sequence: evaluation in amyloid and tau PET imaging[J]. Eur J Nucl Med Mol Imaging, 2021, 48(5): 1351-1361. DOI: 10.1007/s00259-020-05061-w.
[64]
CHEN K T, TOUEG T N, KORAN M E I, et al. True ultra-low-dose amyloid PET/MRI enhanced with deep learning for clinical interpretation[J]. Eur J Nucl Med Mol Imaging, 2021, 48(8): 2416-2425. DOI: 10.1007/s00259-020-05151-9.
[65]
MEHRANIAN A, WOLLENWEBER S D, WALKER M D, et al. Deep learning-based time-of-flight (ToF) image enhancement of non-ToF PET scans[J]. Eur J Nucl Med Mol Imaging, 2022, 49(11): 3740-3749. DOI: 10.1007/s00259-022-05824-7.
[66]
SILVA M V F, LOURES C M G, ALVES L C V, et al. Alzheimer's disease: risk factors and potentially protective measures[J/OL]. J Biomed Sci, 2019, 26(1): 33 [2024-01-28]. https://doi.org/10.1186/s12929-019-0524-y. DOI: 10.1186/s12929-019-0524-y.
[67]
SCHELTENS P, BLENNOW K, BRETELER M M B, et al. Alzheimer's disease[J]. Lancet, 2016, 388(10043): 505-517. DOI: 10.1016/s0140-6736(15)01124-1.

上一篇 动态功能连接在孤独症谱系障碍中的应用及研究进展
下一篇 基于DTI-ALPS评估中枢神经系统疾病患者类淋巴系统功能的研究进展
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2