0 引言

       脑发育与脑损伤研究是认识发育规律并保障儿童健康发展的基础，我国早产儿基数庞大，脑损伤高发，脑发育水平与损伤程度的早期评估对于早期干预方式的选择至关重要。胎儿、新生儿、婴幼儿行为能力尚未发育完善，早期评估脑发育状态需要凭借医学影像技术手段。MRI以无创、无辐射等优点已成为儿科脑影像检查的首选方法。胎儿、新生儿、婴幼儿大脑结构特殊，且处于快速发育阶段，这些特点对成像与图像处理技术提出了更高的要求。既往成年人适宜的成像方案与图像处理方法无法直接应用该人群。近年来，成像、后处理不同环节的技术不断迭代（图1），尤其是机器学习的应用进一步提升了MRI在儿童人群中的适用性。本文将论述MRI新技术与图像处理新方法，期待本文能够为进一步拓展儿科适宜脑MRI技术的应用启发新角度，为儿童脑病早期评估工具的选择提供参考，希望更多的研究推动儿科适宜MRI新技术研发与临床应用，提升儿童脑病的诊疗水平。

点击查看大图

图1  MRI与后处理新技术。fMRI：功能MRI；GBSS：基于灰质主干空间统计分析；DTI-ALPS：水分子沿血管周围间隙扩散指数。
Fig. 1  Advanced techniques of imaging and post-processing for MRI. fMRI: functional MRI; GBSS: gray matter-based spatial statistics; DTI-ALPS: DTI analysis along the perivascular space.

1 新型成像技术与应用

1.1 快速成像技术

       胎儿、新生儿、婴幼儿生理调节能力尚不健全，MRI检查耐受性差，对MRI的声学噪音更为敏感，易产生运动伪影甚至无法完成MRI检查。考虑到上述特点，扫描耗时长成为制约MRI在儿科临床应用扩展的主要瓶颈。随着并行采集、压缩感知等快速成像技术的研发与临床应用，明显降低了扫描时间。快速MRI序列亦可以“冻结”各种胎儿和母体运动，在一分钟之内完成对产前胎儿脑发育及脑损伤的评估，序列为目前相对常见的单次激发快速自旋回波序列^[1]，该序列快速自旋回波链能够捕捉到单次激发中所有k空间采集线，因此对运动伪影不敏感^[2]。压缩感知基于以近乎随机的方式从不完全填充的k空间来重建图像以减少采集时间，并可以通过成像压缩和迭代重建算法的组合来抑制噪声的非相干混叠模式，大大加快成像速度以提高儿童脑MRI扫描成功率，明显减低运动伪影的干扰^[2]。

       在传统快速成像技术的基础上，深度学习进一步增强了MRI快速成像的性能^[3]，采用人工智能加速的智能光梭成像使儿童高分辨率（1 mm等体素）T1WI只需约1分钟，较传统的并行成像技术缩短3倍时间。该方案在k空间通过大量训练集进行建模，并集成了多尺度稀疏化，生成高质量图像。与传统快速成像相比，深度学习方案不仅有助于减少图像重建计算量、节约重建时间，在评估儿童脑损伤方面也展现了明显的优势^[4]。同时，深度学习方案仍面临对训练样本需求量大、存在过拟合风险等挑战^[5]。

       融合多种图像对比信息的成像方法成为另一种快速成像策略，如：磁共振指纹法（magnetic resonance fingerprinting, MRF）在提供多重信息的同时，大大提升了扫描效率。此外，由于采用了螺旋式轨迹采集方案，降低了MRF对运动的敏感性，适宜于儿科脑部检查。MRF在婴幼儿髓鞘化评估及发育相关疾病中已经得到了应用^{[6, 7]}。随着该类技术的不断发展，一次扫描所产生的参量逐渐增多，在梯度回波序列的基础上，通过设置不同的重复时间（repetition time, TR）、翻转角（flip angle, FA）、回波时间（echo time, TE），可以同步生成多种对比度加权图像及 T1、T2^∗、质子密度和磁敏感定量图像^[8]。

1.2 成像序列的更新与优化

       扩散加权成像（diffusion weighted imaging, DWI）在儿科应用过程中常被图像畸变、信噪比低、运动伪影等问题所困扰^[9]。传统的DWI采用单次激发平面回波成像，相对应地，基于多次激发平面回波的采集方式通过增加激发次数，缩短回波链，进一步减小TE，有助于降低DWI图像的形变程度，提升图像信噪比^[10]。为了进一步提高DWI在儿童人群的适应性，前瞻性运动校正技术被引入成像过程中，并结合多次激发平面回波DWI形成新型DWI成像技术^[11]。该技术利用无标记光学感知的运动追踪系统，通过对建模的面部点云配准来实时估算运动情况，并以6个自由度表征头部刚性运动信息。MRI系统实时接收运动信息，并根据运动信息实时调整序列射频脉冲、梯度和采集设置，使序列实际成像视野范围与成像目标区域保持相对固定，进而有助于消除运动伪影。该技术有望应用于未镇静状态的新生儿与婴幼儿，以克服运动干扰获得高质量图像。

       传统功能MRI（functional MRI, fMRI）受限于空间分辨率和时间分辨率（如2 mm等体素的空间分辨率、2 s的时间分辨率），在探索大脑精细生理活动方面仍面临挑战。婴幼儿脑计划fMRI采用的扫描协议将扫描体素和TR时间分别设置为2 mm等体素、800 ms^[12]。近年来，基于同时多层成像技术对fMRI的扫描方案进行了改进，激发脉冲能够在控制合理电磁波比吸收率的情况下，同时激发多层组织的信号，并结合人工智能和线圈设计，在大幅缩短TR的情况下保持信噪比不受影响，从而提升空间分辨能力，该技术能达到1.8 mm等体素空间分辨率以及800 ms的时间分辨率。因此，多回波fMRI技术通过采集多个回波时间的全脑图像^[13]，短TE时信号丢失较少，长TE时信号丢失较多却有更丰富的血氧依赖的对比度，通过结合不同回波的图像，获得更稳定的脑功能连接。

       磁共振波谱成像技术是目前唯一可进行无创、无标记活体组织分子代谢成像的影像技术手段。全脑高分辨率三维波谱多分子代谢同步一体成像，采用创新性的空间光谱相关性光谱成像技术，空间分辨率提升40倍，成像时间缩短10倍，在8分钟扫描时间内同步获得与大脑发育密切相关的神经元（N-乙酰天冬氨酸）、星形胶质细胞（肌醇）、少突胶质细胞（胆碱）、兴奋性神经递质（谷氨酸）的在体分布，使得在神经环路层面，在体揭示与婴幼儿脑发育密切相关的大脑神经生物学分子机制成为可能^[14]。

       声学噪声是导致儿童MRI检查失败的重要因素，噪声主要来源于梯度磁场切换过程中产生洛伦兹力引起的设备硬件振动，通过序列优化设计可降低梯度磁场切换率，从而降低声学噪声甚至实现静音MRI，目前静音序列已由常规MRI（T1WI、T2WI）扩展至DWI与fMRI^{[15, 16]}。静音MRI已在儿童MRI检查中得到应用，噪声降幅13.0~31.9 dBA，有效地提高了数据采集的成功率^[17]，并且能满足儿童脑髓鞘化评估对图像质量的要求。

2 MRI图像处理迭代新技术与应用

2.1 脑形态学评估在儿科的应用

       图像分割是脑形态学评估的基础，新生儿与婴幼儿脑T1WI与T2WI图像对比度与成年人不同，尤其是出生后1岁内图像对比度随着发育变化剧烈，在新生儿期，灰白质对比度与成年人相反，6月龄左右出现翻转，1岁左右图像对比度与成年人相似。上述特点给新生儿与婴幼儿脑MRI图像分割带来巨大挑战。尽管针对新生儿与婴幼儿脑图像分割难度大，近年来研究者已提出可行的解决方案，包括以传统分割算法为基础的Infant FreeSurfer^[18]、嵌入深度学习方案的iBEAT^[19]。不同视角图像信息为新生儿脑MRI分割提供了互补信息，综合运用有助于提升神经网络的分割效果^[20]，基于迁移学习可有效提高神经网络训练效率^[21]。

       拓扑校正是进行皮层重建并量化分析的关键环节，尽管目前的工具结合了自动化的拓扑校正方案^{[18, 19]}，皮层重建效果仍需进行专家核对并进行必要的修正，随着深度学习方案的改进以及训练样本的增加，拓扑校正效率与准确性的提升将有力推动基于结构像的皮层分析应用于新生儿与婴幼儿脑形态学评估^[22]。

2.2 基于T1WI/T2WI比值的髓鞘化评估

       脑白质髓鞘化评估是脑发育与脑损伤研究的重要内容，随着髓鞘化程度增加，T1WI逐渐呈现高信号，T2WI逐渐呈现低信号，二者比值则对髓鞘化区域信号进一步增强，该方案已被应用于脑白质髓鞘化评估中^{[23, 24]}。在此基础上，基于眼球与颞肌直方图对T1WI、T2WI图像进行标准化处理，有助于提升T1WI/T2WI比值的可重复性^[25]。与其他用于髓鞘化评估的方法（如：髓鞘水分数成像、磁化传递成像等）相比，T1WI/T2WI比值最突出的优势在于其不需要增加额外的序列扫描，且T1WI和T2WI为临床常用的成像方法，适宜于基层推广应用。

2.3 基于灰质主干空间统计分析

       扩散MRI常被用于白质微结构属性的量化评估，为了准确地对微结构变化进行空间定位，基于白质主干空间统计分析（tract-based spatial statistics, TBSS）是常用的分析方案^[26]。借鉴TBSS的分析思路，基于灰质主干空间统计分析（gray matter-based spatial statistics, GBSS）被应用于大脑皮层微结构属性的量化评估^{[27, 28, 29]}，该方案通过对T1WI和T2WI进行图像分割得到灰质概率图，在模板空间对人群平均的灰质概率图提取灰质主干（以概率为判断依据），将个体的扩散MRI参量映射至灰质主干上进行群组分析，为研究者挖掘数据提供了新的角度。

2.4 基于扩散张量成像的衍生技术在儿科的应用

       胶质淋巴系统的研究是近年来脑科学与脑疾病研究的热点，MRI是评估胶质淋巴系统的重要手段，其中，基于扩散张量成像（diffusion tensor imaging, DTI）衍生出的水分子沿血管周围间隙扩散指数（DTI analysis along the perivascular space, DTI-ALPS）被广泛应用^{[30, 31]}。DTI-ALPS指数定义为^[30]：

       式中，Dxx, proj、Dyy, proj代表投射纤维区域x方向（左右方向）、y方向（前后方向）水分子扩散率；Dxx, assoc、Dzz, assoc代表联络纤维区域x方向（左右方向）、z方向（上下方向）水分子扩散率。理论上，投射纤维（上下走向）区域水分子沿x方向、y方向扩散率相似，二者比值接近于1；相似地，联络纤维区域水分子扩散沿x方向、z方向扩散率相似，二者比值也接近于1。在轴位采集的图像上，侧脑室体水平的脑实质血管呈左右方向水平走行，血管周围间隙中水分子的扩散则会加权至投射纤维和联络纤维区域x方向的水分子扩散率中，从而获得的DTI-ALPS指数通常是大于1的。发育相关的脑疾病研究（如注意缺陷与多动障碍^[32]、脑瘫^[33]等）则发现，DTI-ALPS指数降低，且与临床症状存在显著相关性。鉴于扩散效应受到多种混杂因素的影响（包括头动、血流、感兴趣区域的设置），如何解释DTI-ALPS变化所反映的病理机制仍是目前待解决的问题^[34]。

2.5 基于图像分割的儿童脑损伤MRI评估新技术

       基于MRI图像对脑损伤区域进行分割是量化评估的基础，发育过程中，脑损伤的图像特征具有多样性且随着发育在不断进展，传统分割方法很难准确地进行损伤边界的划分。基于分阶段卷积神经网络、反事实生成学习的人工智能方案在新生儿局灶性脑白质损伤的检测中得到应用并取得了较好的分割效果^{[35, 36]}；自主式多注意力网络有助于识别并分割学龄前儿童脑室周围白质软化^[37]。随着人工智能技术应用的不断深入，未来对儿童脑损伤的评估有望实现全流程自动量化分析。

2.6 基于fMRI的脑功能分析新技术在儿科的应用

       脑功能是大脑发育状态评估的重要方面，fMRI是在体评价脑功能的主要技术手段。与成年人脑fMRI检查相比，儿科人群fMRI检查难度大。针对任务态fMRI，胎儿、新生儿与婴幼儿难以配合完成指定的任务；针对静息态fMRI，镇静状态下的fMRI面临镇静药物干扰等问题。尽管面临着上述问题，伴随着国内外脑计划项目的推进，儿科适宜的fMRI数据处理与分析流程不断完善^{[9, 38]}，预处理（如运动校正、图像畸变校正、跨模态图像配准、模板空间配准、重采样等）、扩展预处理（如滤波、降噪、回归分析等）、后处理（如脑功能网络分析、动态脑连接分析等）等各环节技术在不断更新^[38]。上述流程中，儿童适宜脑模板与图像配准是关键环节，引入动态脑模板与跨年龄段纵向配准技术有助于提升数据分析的可靠性。

       基于fMRI数据，通过后处理计算可获得新的脑功能评估参量（如动态脑功能连接、功能连接梯度等）^[38]。滑动时间窗的引入有助于研究大脑功能连接的动态变化，对新生儿的研究结果提示，大脑在新生儿期已表现出6种功能连接状态，且早产儿与足月儿呈现出不同的动态连接特征^[39]。通过计算新生儿至24月龄儿童脑功能连接梯度，实现了大脑皮层更细的脑区划分（超过800个分区）^[40]。动态脑功能连接、功能连接梯度等新参量的引入有助于加深对脑功能发育规律的认识，有望为揭示儿童脑病的病理生理机制提供技术支撑。

3 总结与展望

       随着MRI与图像处理方法不断迭代更新，大量新技术（不局限于本文所提及的方法）不断涌现，尤其是人工智能的应用提升了MRI在儿童乃至胎儿人群的适用性。一方面，在成像环节，快速成像方法（如智能光梭成像）以及成像序列的更新不仅提升了成像效率（如T1WI 1 mm等体素采集仅需1分钟），更重要的是提升了图像质量（如克服了DWI运动伪影、fMRI信号丢失等），在提升儿科MRI检查成功率方面具有巨大的应用价值。另一方面，在图像后处理环节，由原来需要耗费大量人力转换为机器学习框架下自动化处理（如新生儿与婴幼儿灰白质分割、脑损伤区域分割等），同时，涌现出更多用于评估脑发育与脑损伤的指标项（如T1WI/T2WI比值、DTI-ALPS、动态脑功能连接等）。这一系列技术的更新迭代将为揭示儿童脑发育规律提供更新的角度，为评估脑损伤提供更丰富的工具。