分享:
分享到微信朋友圈
X
综述
脑小血管疾病所致记忆功能减退的磁共振成像研究进展
蒋玉星 陈莉

本文引用格式:蒋玉星, 陈莉. 脑小血管疾病所致记忆功能减退的磁共振成像研究进展[J]. 磁共振成像, 2026, 17(1): 154-161. DOI:10.12015/issn.1674-8034.2026.01.024.


[摘要] 脑小血管病(cerebral small vessel disease, CSVD)是导致血管性认知障碍(vascular cognitive impairment, VCI)和痴呆的主要病因之一,其中记忆障碍是核心症状。随着高分辨率多模态磁共振成像(magnetic resonance imaging, MRI)技术的广泛应用,研究者能够更精确地揭示CSVD病变累及海马、内侧颞叶、丘脑等关键脑区并导致记忆功能损害的神经机制,相关研究进展迅速,但对其具体机制的理解仍存争议,且影像标志物向临床的转化应用尚不成熟,因此有必要进行系统性的梳理与总结。本文对近年来CSVD相关记忆功能减退的脑影像研究进行综述,总结了CSVD影响记忆功能的病理生理机制及多种影像标志物的临床应用价值,同时指出了当前研究在机制探索上的局限性以及影像标志物向临床转化中面临的挑战,并对未来研究方向做出展望。本文旨在系统梳理CSVD记忆障碍的影像学证据,为该病的早期诊断、精准干预及疗效评估提供影像学依据,进而为临床实践提供参考。
[Abstract] Cerebral small vessel disease (CSVD) is one of the leading causes of vascular cognitive impairment (VCI) and dementia, in which memory impairment represents a core clinical manifestation. With the widespread application of high-resolution multimodal magnetic resonance imaging (MRI), researchers are now able to more precisely elucidate the neural mechanisms by which CSVD lesions involve key memory-related regions such as the hippocampus, medial temporal lobe, and thalamus, thereby leading to memory dysfunction. While research in this area has progressed rapidly, the understanding of its specific mechanisms remains controversial, and the translation of imaging biomarkers into clinical practice remains immature. Therefore, it is necessary to conduct a systematic review and synthesis of the current evidence. This article summarizes recent neuroimaging studies on CSVD-related memory decline, outlining the pathophysiological mechanisms through which CSVD affects memory function and the clinical value of various imaging biomarkers. At the same time, it highlights the limitations of current mechanistic research and the challenges faced in translating imaging biomarkers into clinical practice, and proposes perspectives for future research. The aim of this review is to systematically collate the imaging evidence for memory impairment in CSVD, thereby providing an imaging basis for early diagnosis, precision intervention, and treatment response evaluation, and ultimately offering useful references for clinical practice.
[关键词] 神经影像学;脑小血管病;记忆障碍;磁共振成像;功能磁共振成像
[Keywords] neuroimaging;cerebral small vessel disease;memory impairment;magnetic resonance imaging;functional magnetic resonance image

蒋玉星    陈莉 *  

川北医学院附属医院放射科,南充 637000

通信作者:陈莉,E-mail:chenliidea@sina.com

作者贡献声明:陈莉设计本研究的方案,对稿件重要内容进行了修改;蒋玉星起草和撰写稿件,检索、分析既往研究文献,获取、分析和解释本研究的数据;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。


收稿日期:2025-10-19
接受日期:2025-12-25
中图分类号:R445.2  R749.1+3 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2026.01.024
本文引用格式:蒋玉星, 陈莉. 脑小血管疾病所致记忆功能减退的磁共振成像研究进展[J]. 磁共振成像, 2026, 17(1): 154-161. DOI:10.12015/issn.1674-8034.2026.01.024.

0 引言

       脑小血管病(cerebral small vessel disease, CSVD)是指累及脑小动脉、微动脉、毛细血管及小静脉的病理过程,其影像学标志包括近期皮质下小梗死(recent small subcortical infarcts, RSSI)、假定血管源性腔隙、脑白质高信号(white matter hyperintensity, WMH)、血管周围间隙(perivascular space, PVS)、脑微出血(cerebral microbleed, CMB)、脑皮质表面铁沉积、皮层脑微梗死、脑萎缩[1]。CSVD是卒中和血管性认知障碍(vascular cognitive impairment, VCI)最重要的病理基础之一,约占全部卒中的20%,是大部分自发性脑出血以及约45%的痴呆的主要病理基础[2]。患者常出现执行功能减退、信息处理速度变慢等多域损害,其中记忆功能减退尤为突出,直接关系到日常生活能力和长期预后[3]。阐明CSVD所致记忆障碍的脑影像学机制,对于实现高危人群的早期识别、风险分层和精准干预具有重要意义。

       近年来,多模态磁共振成像(magnetic resonance imaging, MRI)迅速发展,使从脑灰质结构与白质微结构、静息态功能网络、自发神经活动、脑铁代谢以及脑灌注与血脑屏障功能等多个层面综合评估CSVD成为可能[4, 5, 6]。但现有综述多侧重于CSVD的结构MRI整体影像学表现或总体认知损害[7, 8],缺乏针对记忆功能这一关键认知域,对不同MRI技术下相关影像标志物及其机制进行系统梳理和比较。基于此,本文围绕“CSVD所致记忆功能减退”这一主题,概述相关病理生理基础,重点总结结构MRI、弥散张量成像(diffusion tensor image, DTI)、静息态功能MRI(resting state functional magnetic resonance image, rs-fMRI)、磁敏感加权成像(susceptibility-weighted imaging, SWI)/定量磁化率成像(quantitative susceptibility mapping, QSM)以及动脉自旋标记ASL(arterial spin labeling, ASL)、动态对比增强磁共振成像(dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI)等技术在揭示记忆相关损害方面的研究进展,分析现有工作中的不足,并提出未来研究方向,旨在为CSVD相关记忆障碍的早期诊断和干预提供更有针对性的影像学参考。

1 脑小血管病导致记忆功能减退的病理生理机制

       以往的研究认为,CSVD认知功能减退以执行功能和处理速度明显受损而情景记忆相对保留为早期特征[9],然而,近年报道,症状随着病情发展,患者可表现为不同程度的记忆功能减退,且记忆功能减退在CSVD患者早期就可以出现,主要包括情景记忆、语义记忆、工作记忆等方面的功能减退[10, 11, 12]。FLEISCHMAN等[10]基于370例无痴呆老年人,利用自动化MRI标志物量化小动脉硬化及腔隙性梗死负荷,发现更高的小动脉硬化负荷与更低的情景记忆、语义记忆等显著相关(小动脉硬化负荷-情景记忆:r=-0.671,P<0.01;小动脉硬化负荷-语义记忆:r=-0.688,P<0.01),而腔隙性梗死负荷主要与工作记忆相关(r=-0.137,P<0.05),该研究表明CSVD可能存在不同的病理过程,其可导致不同记忆类型均受损。

       记忆障碍作为CSVD的核心症状之一,其病理生理机制较为复杂,目前认为,CSVD通过多种机制共同导致记忆功能减退:(1)慢性脑灌注不足与血脑屏障(blood-brain barrier, BBB)破坏,导致神经血管单元功能失调,影响神经元能量供应并引发血管源性水肿[13];(2)继发于血管损伤的局部神经炎症反应,加速神经元变性及突触丢失[14];(3)铁过量沉积等导致脑白质纤维束的结构性中断,破坏了支持记忆编码与提取的大规模神经网络完整性[15, 16];(4)血管周围间隙、脑淋巴系统和Aβ/代谢废物清除通路障碍,促进蛋白聚集和脑部炎症,进一步恶化血管与白质损伤[17];(5)某些与突触功能、离子转运相关的关键基因的表达异常,破坏了正常的神经元活动和神经环路功能[18]。总之,CSVD导致的记忆功能减退并非单一原因造成,而是一个由血管本身的结构功能异常、大脑微环境稳态破坏以及复杂的分子遗传变异等多个层面共同参与的复杂网络性疾病过程。

2 基于结构MRI与弥散张量成像的记忆障碍研究

       脑结构网络,即将大脑视为由灰质区域(节点)和白质纤维(连接边)构成的复杂网络,它构成了大脑信息传递的硬件基础[19]。近年来,有研究者利用结构MRI和DTI技术,评估CSVD患者皮层厚度、灰质体积、白质纤维束的改变及其与认知障碍之间的关系。结构MRI可用于精确量化全脑和局部灰质体积、皮层厚度,是评估脑萎缩的基本手段[20]。DTI则通过测量水分子扩散的各向异性,无创地评估白质纤维束的微观结构完整性[21],其常用指标包括各向异性分数(fractional anisotropy, FA)和平均扩散率(mean diffusivity, MD)。

2.1 脑小血管病的脑灰质改变

       已有的研究表明,CSVD负荷将引起大脑基本结构或结构网络的改变,进而导致疾病的发展并出现相应的临床表现[22, 23]。基于体素的形态学分析(voxel-based morphometry, VBM)的研究发现,CSVD相关认知障碍患者在双侧海马、丘脑、海马旁回等边缘系统相关结构存在灰质体积与皮层厚度减低,且这些萎缩程度与记忆功能评分密切相关[18]。进一步的精细分区研究表明,海马及其CA1、下托等亚区是CSVD相关记忆损伤的高敏感靶点:例如,HE等[24]和HUANG等[15]分别利用结构MRI与DTI,证实在皮质下缺血性血管病(subcortical ischemic vascular disease, SIVD)中,海马亚区(尤其CA1区)体积或微结构受损与听觉延迟记忆和工作记忆减退显著相关(CA1体积-RAVLT得分:r=0.261,P<0.05;CA1体积-Rey-CFT-IR得分:r=0.447,P<0.05)。

       在此基础上,最新证据提示老年记忆功能的结构基础并不限于海马本身,而是涉及更广义的边缘系统与皮质下网络。BOOKHEIMER等[25]基于结构MRI对68例门诊老年人双侧海马及杏仁核体积定量分析,并探究其与记忆功能的关系,结果发现,杏仁核体积越大,言语与视觉记忆表现越好,其效应大小与海马体积-记忆的关联相当,且无明显左右侧差异,提示老年期记忆衰退并非单纯由海马萎缩驱动,杏仁核等边缘结构同样是显性记忆功能的重要解剖基础,应在CSVD研究中一并纳入考虑。类似地,ÇAVUŞOĞLU等[26]在遗忘型轻度认知障碍(amnestic mild cognitive impairment, aMCI)患者中观察到海马、伏隔核及丘脑在疾病早期即出现显著萎缩,且三者体积与记忆得分呈正相关(海马体积-记忆得分:r=0.575,P<0.001;伏隔核体积-记忆得分:r=0.522,P=0.001;丘脑体积-记忆得分:r=0.483,P<0.01),提示这些皮质下结节的体积减少与早期记忆受损紧密相关,其纵向萎缩模式有望用于区分正常老化与早期神经退行性过程。总体来看,这一系列工作共同强调了海马-丘脑-杏仁核-伏隔核等边缘/皮质下环路对记忆功能的关键支持作用,为理解CSVD所致记忆减退提供了结构基础。

       此外,JIMENEZ-BALADO等[27]在108名认知正常老年人中,结合3.0 T MRI和精细分区的WMH分布分析发现,颞叶WMH聚类与情景记忆下降独立相关,且颞叶WMH负荷越高,情景记忆表现越差,提示在评价CSVD相关记忆损害时,需综合考虑WMH的总体负荷、脑叶分布及空间聚集性,以解释血管性记忆减退的异质性并实现更精准的影像学评估。

       值得注意的是,有研究显示在部分CSVD患者的早期阶段,灰质总体体积减退并不显著,但不同脑区之间的体积共变模式已出现异常。YAN等[28]基于T1加权结构像,采用源于独立成分分析的基于源形态分析(source-based morphometry, SBM)构建丘脑相关结构协变网络,发现CSVD患者中包含丘脑和海马旁回的成分(IC1)权重系数与记忆表现呈正相关(r=0.193,P<0.05)。SBM作为一种多变量脑影像分析技术,能够从复杂的全脑数据中提取具有生物学意义的结构协同模式,是理解CSVD影响下“网络层面”灰质重组的有力工具,但其无法确定结构协变的因果方向,本身也不能直接揭示背后的具体神经生物学机制,因此仍需与DTI、fMRI、遗传学等多模态证据整合,才能构建更完整、可靠的大脑结构-功能理论框架[29, 30]

       多模态灰质结构分析进一步提示,CSVD/早期痴呆相关记忆损害并非局限于单一区域,而是反映了边缘系统与额叶皮层更广泛的结构异常。WANG等[4]通过VBM、皮质下形状分析和表面形态学,对轻度认知障碍(mild cognitive impairment, MCI)患者的3D-MRI进行综合评估,发现其存在左丘脑、双侧海马、左杏仁核和右苍白球的显著萎缩,并伴有左半球沟深变浅及右额叶皮层折叠指数(gyrification index, GI)增高;其中右海马体积与情景记忆表现呈正相关,而异常增高的额叶GI与记忆得分呈负相关,提示MCI相关记忆损害既依赖于典型的海马萎缩,也与额叶皮层折叠和沟回几何结构异常有关,多模态灰质结构特征因此有望成为早期认知减退的敏感影像学标志物。

       总体来看,结构MRI能较敏感、直观地反映CSVD相关脑结构的改变,是目前最成熟、可推广性较好的影像手段,但现有研究多为小样本、横断面研究,分割方法不统一。今后可在标准化采集与后处理基础上,开展多中心纵向随访,并与DTI、fMRI及体液标志物结合,探索更稳定的结构指标用于早期筛查和风险分层。

2.2 脑小血管病的脑白质改变

       在脑白质方面,DTI研究普遍揭示了CSVD患者存在广泛的白质微观结构损伤,并与多认知域受损密切相关。周立静等[31]用DTI定量评估SIVD患者白质纤维束微结构,发现SIVD伴认知障碍患者左侧丘脑后辐射等关键通路的FA降低与包括记忆在内的多认知域得分下降显著相关。ZENG等[32]在321名社区非痴呆老年人中结合3.0 T MRI/DTI和多认知域测试观察到,仅在中重度WMH人群中,WMH严重程度及相应白质微结构改变才与情景记忆和工作记忆显著相关(WMH严重程度-情景记忆:r=-0.127,P<0.05;WMH严重程度-工作记忆:r=-0.144,P<0.05),而轻度WMH与无WMH组差异不大,提示中重度WMH及其相关DTI改变是CSVD相关记忆风险的重要影像学标志。

       在更精细的纤维束层面,综合多项研究结果可见,与记忆功能密切相关的白质通路(如钩束、上纵束和最外囊)是CSVD中的主要易损结构,其FA降低和MD升高与情景记忆和工作记忆下降显著相关[33, 34];TAGHVAEI等[34]进一步通过中介分析发现,左钩束微观结构损伤在WMH对情景记忆的不良影响之间起到部分中介作用,表明白质纤维束的“断连”是CSVD记忆障碍的关键神经通路。

       为了从寿命发展视角理解这种易损性,FJELL等[35]结合纵向结构MRI、DTI及任务态fMRI,系统考察海马体积、萎缩率、微观结构完整性以及编码与检索相关的神经活动,发现较好的情景记忆表现与更强的海马前部检索活动和更慢的海马萎缩速率显著相关(记忆表现-检索活动:估计值=0.029,t=4.31,P<0.001;记忆表现-海马萎缩:估计值=0.005,t=2.02,P<0.05),且这一关联在整个成年期内具有跨年龄段的稳定性;该研究表明,老年期较好的记忆功能更可能源于长期稳定的神经基础,而非衰老过程中后天形成的代偿或维持机制,也从侧面印证了一旦CSVD所致白质微结构破坏和长程纤维束“断连”,会削弱这种稳定的记忆网络基础,从而加速情景记忆与工作记忆的衰退。

       DTI及纤维束追踪有助于揭示CSVD中“白质断连”与记忆受损之间的关键通路,优势在于对微结构改变较为敏感,但易受扫描参数和模型假设限制,现有结果多停留在相关性层面。未来应结合高阶弥散模型和图论分析,精细刻画特定记忆通路的损伤模式,并通过纵向研究验证其在预测记忆进展和疗效评估中的价值。

3 基于静息态功能磁共振的记忆障碍研究

       脑功能网络指大脑不同区域之间通过神经活动时序的协同性而相互连接,形成的一个支持各种认知和行为的功能系统[36]。rs-fMRI是在受试者无任务执行状态下,通过血氧水平依赖(blood oxygen level dependent, BOLD)信号测量大脑各区域自发低频波动并计算其功能连接性的非侵入性神经影像技术[37]。近年来大量研究在rs-MRI基础上,通过对脑功能连接(functional connectivity, FC)、低频波动振幅(amplitude of low-frequency fluctuation, ALFF)、局部一致性(regional homogeneity, ReHo)等脑功能指标的量化,发现CSVD患者记忆功能减退与默认模式网络(default mode network, DMN)、额顶网络(frontoparietal network, FPN)及边缘系统等多个脑功能网络的改变密切相关。

3.1 脑功能连接异常

       脑功能连接是指不同脑区(或节点)之间BOLD信号时间序列在静息或任务状态下的统计相关性或时间同步性,用于反映脑区间在功能上的耦合与信息交互[38]。有证据表明,认知功能的变化与功能网络连接特征的改变有关[39, 40],CSVD相关记忆障碍亦不例外。

       现有rs-fMRI研究较一致地表明,DMN,尤其是其内侧颞叶(medial temporal lobe, MTL)子系统,是WMH/CSVD功能损伤和记忆障碍的重要网络靶点。YANG等[41]基于rs-MRI将DMN分为核心子系统、MTL子系统和背内侧前额叶子系统,发现WMH相关轻度认知障碍患者中,DMN-MTL子系统内部及其与核心子系统之间的功能连接显著减弱,并与记忆表现受损相关,提示MTL子系统静息态功能重构可能是WMH导致记忆下降的关键神经基础。JAYWANT等[42]进一步表明,老年期记忆功能受损并非由WMH负荷“线性决定”,而是取决于区域性WMH与DMN、FPN静息态功能连接之间的交互效应:在皮质-纹状体DMN与FPN中,区域WMH负荷与功能连接的交互项可显著预测延迟回忆成绩,而单纯WMH负荷或功能连接本身的解释力有限。这些结果共同说明,CSVD相关记忆减退不仅受反映WMH负荷影响,还与DMN/FPN网络层面结构-功能断连及重构密切相关。

       除静态功能连接外,CSVD还损害了大脑功能网络的动态特性。HUANG等[43]基于动态功能网络连接(dynamic functional network connectivity, dFNC)分析发现,WMH患者的大脑动态功能网络更倾向于长期停留在整体连接稀疏的低整合状态(state 1)(Z=-2.027,P=0.043),且与记忆等多维认知成绩显著相关(state 1-记忆:r=-0.327,P<0.05)。这提示CSVD不仅削弱了静态网络连接强度,更破坏了大脑在“分离-整合”状态之间灵活切换的能力,这种动态网络稳定性与可塑性的丧失可能是记忆加工效率下降的重要机制之一。

       此外,CSVD相关记忆功能障碍还可能与丘脑-皮层环路的功能重构有关。CHEN等[44]用rs-fMRI对WMH患者进行丘脑-皮层FC分析发现,中重度WMH组的中央前回-丘脑间黏合FC值显著高于轻度WMH及HC组(分别为t=2.399,P=0.019和t=4.042,P<0.001),并与记忆得分呈正相关(r=0.338,P=0.029),提示丘脑-额叶通路的“过度耦合”很可能是一种与WMH负荷相关的代偿性或失代偿性重构模式,参与了CSVD相关记忆障碍的发生与演变。

       综合来看,CSVD所致记忆损害并非单一脑区的孤立异常,而是DMN/MTL与FPN的静态和动态连接受损、丘脑-额叶环路异常重构等多层次网络改变共同作用的结果。基于rs-fMRI的功能连接分析突出DMN、FPN及丘脑-额叶环路在CSVD记忆障碍中的作用,长处在于能从网络层面整合多部位信息,但方法学差异大、样本量有限,代偿与失代偿的界限尚不清晰。后续研究宜在流程标准化的前提下,结合结构连接和动态连接,构建可重复的网络指标,用于预测记忆障碍进展及评估认知干预的网络效应。

3.2 低频波动振幅异常

       低频振幅是基于rs-fMRI,将每个体素在特定低频段的BOLD信号功率谱求和并取平方根,用以量化局部自发神经活动强度的指标[45]。近年来,多项研究从静态与动态两个维度出发,揭示了CSVD患者记忆网络节点自发活动的异常模式。SONG等[46]在104例CSVD与63名对照中采用动态ALFF分析,发现双侧岛叶及右顶后中央回的dALFF与延迟回忆成绩显著相关,提示CSVD中记忆障碍与岛叶及顶叶感觉整合区等记忆相关皮层的动态自发活动紊乱密切相关。ZHANG等[47]在30例CSVD(伴或不伴MCI)和18名对照中比较静态与动态ALFF(dynamic amplitude of low-frequency fluctuations, dALFF),进一步发现双侧中央旁小叶和左侧颞中回的dALFF变异性与情景记忆得分显著相关(分别为r=-0.560,P=0.002和r=0.713,P=0.002),表明记忆网络关键节点自发活动强度及其时间变异性的异常可能是CSVD早期记忆受损的重要功能基础。

       其他研究在空间上进一步扩展了这一网络视角。CAI等[48]在24例VCI患者和25名对照中联合VBM与ReHo分析,发现右岛叶灰质体积与长时延迟记忆、左颞极/颞中回ReHo与短时延迟记忆均呈正相关(右岛叶体积-长时延迟记忆得分:r=0.564,P=0.004;左颞极/颞中回ReHo-短时延迟记忆:r=0.428,P=0.037),提示颞叶-岛叶网络的结构和局部同步活动损害是VCI记忆障碍的重要影像学基础。MU 等[49]在114例CSVD相关VCI及对照中运用分数ALFF(fractional amplitude of low-frequency fluctuations, fALFF)和功能连接分析,观察到右丘脑、右楔叶及左中央后回等节点自发活动异常介导了CSVD患者包含记忆域在内的认知障碍[右丘脑:间接效应为-0.32,95%偏倚校正的bootstrap置信区间(bias-corrected confidence interval, BCCI)为(-0.58,-0.11);右楔叶:间接效应=-0.32,95% BCCI为(-0.61,-0.05));左中央后回:间接效应为-0.34,95% BCCI为-0.67,-0.07)],提示丘脑-顶叶回路的功能异常可能是包括记忆在内的CSVD 相关认知受损的重要影像学机制。综合上述结果可见,无论是静态还是动态的ALFF/fALFF指标,均能敏感捕捉CSVD患者在海马-海马旁回、颞叶、岛叶以及丘脑-顶叶等记忆相关网络中的自发活动异常,且这些异常与情景记忆、延迟回忆等多维度记忆表型密切相关,为血管性记忆障碍的早期识别和分层提供了重要的功能成像依据。ALFF/fALFF尤其是动态指标对CSVD患者记忆网络节点自发活动异常较为敏感,适合用作早期功能改变的筛查工具,但易受非神经源性噪声和分析参数影响,不同研究之间的可比性不足。未来可结合多频段、动态指标与网络分析,并与白质损伤和认知随访综合解读,以明确其在记忆障碍早期预警中的稳定性和特异性。

3.3 ReHo异常

       ReHo是基于rs-fMRI,通过计算某一体素与其邻近体素BOLD信号时间序列的一致性,来量化局部脑区自发活动的时间同步性和协调程度[50]。王文雯等[51]在33例伴认知损害与32例不伴认知损害的CSVD患者中,通过ReHo分析发现,CSVD伴认知障碍患者在与记忆功能密切相关的左侧海马及DMN节点出现ReHo的显著降低,且海马区的活动失同步与延迟回忆损害特异性相关。该研究表明,CSVD所引发的记忆功能障碍,与其对记忆核心枢纽(海马)局部神经活动协同性造成的破坏密切相关。

       ReHo能简便地刻画局部脑区的同步活动,对发现记忆枢纽的“局部失协同”具有一定优势,但无法反映远程连接,且易受平滑和邻域设定影响。今后可将ReHo与功能/结构连接及形态学指标联合应用,并配合更精细的记忆测验和纵向随访,明确其在不同阶段CSVD记忆障碍中的指示意义。

3.4 结构-功能耦合异常

       CSVD患者记忆功能减退与DMN关键节点的结构-功能耦合程度有关。JIN等[52]纳入了68例VCI患者和53例健康对照,通过DTI构建结构连接网络、rs-fMRI构建功能连接网络,发现距状回、舌回、枕叶、梭状回及颞叶的结构-功能耦合程度与记忆功能呈负相关(P<0.001),提示大脑在白质损伤背景下通过优化剩余通路耦合来代偿记忆功能,结构-功能耦合或可作为小血管病相关记忆障碍的重要网络标志。

       结构-功能耦合分析有助于从整体上把握“白质损伤-网络重组-记忆变化”的链条,是理解CSVD记忆障碍的有前景工具,但目前研究数量较少、方法不统一,多为横断面关联。未来需要在大样本纵向队列中系统追踪耦合指标随CSVD负荷和记忆表现变化的轨迹,并探索其作为网络风险评分和个体化预后的潜在价值。

4 基于磁敏感效应与脑铁沉积的记忆障碍研究

       磁敏感加权成像是一种基于高分辨率三维梯度回波序列、综合利用幅度像与相位像放大不同组织间磁敏感差异(如去氧血红蛋白、铁沉积和钙化),从而高敏感显示静脉血管、微出血及其他含顺磁/反磁物质结构的MRI技术[53]。在此基础上,定量磁化率成像等方法进一步提示,CSVD相关记忆功能减退可能与特定脑区的铁稳态失衡密切相关。LEE等[5]将QSM与VBM结合,发现aMCI患者除海马萎缩外,在后扣带和枕叶外侧等皮层区域存在显著铁沉积,其中“海马体积减小+后扣带皮层铁含量升高”与言语记忆下降相关,而枕叶外侧铁积聚则与视觉记忆受损密切相关,提示区域性皮层铁负荷可能早于体积萎缩出现,并通过影响特定记忆相关网络,促进aMCI阶段的言语与视觉记忆障碍。

       此外,染色体显性遗传性脑动脉病伴皮质下梗死和白质脑病(cerebral autosomal dominant arteriopathy with subcortical infarcts and leukoencephalopathy, CADASIL)是一种罕见的遗传性脑小血管病,JIA等[16]利用QSM评估皮层及深灰质铁沉积,并以峰值骨架化平均弥散度(peak width of skeletonized mean diffusivity, PSMD)量化弥漫性白质微结构损伤,结果发现CADASIL患者皮层-皮质下铁沉积显著增加,认知受损以记忆和执行功能下降最为突出,且PSMD在铁沉积与记忆障碍之间发挥中介作用,提示铁稳态失衡主要通过弥漫性白质微结构损伤影响记忆相关网络。这一系列研究从不同CSVD谱系共同指向:脑铁代谢异常是血管性认知障碍的重要上游机制,其对记忆的损害在很大程度上依赖于对白质完整性和皮层网络节点的破坏,强调了在CSVD中保护白质通路和铁稳态对于维持记忆功能的关键意义。

       SWI/QSM等磁敏感技术能早期捕捉微出血和区域铁沉积,对探讨铁稳态异常与记忆网络损伤的关系具有独特优势,但受场强、序列和重建算法影响较大,量化结果尚未完全标准化。今后应推动采集与分析流程的一致化,并与DTI、fMRI及临床结局整合,明确铁负荷时序变化在CSVD记忆障碍发生发展中的位置及潜在干预靶点。

5 基于脑灌注与血脑屏障功能的记忆障碍研究

       近年来,随着多模态影像学的发展,越来越多证据表明,慢性低灌注和BBB破坏是CSVD发生发展中早于结构性改变的关键早期事件[54, 55]。ASL是一种无需外源对比剂的无创磁共振灌注成像方法,通过射频和梯度脉冲对动脉血水进行磁标记,使其作为内源性示踪剂,获取标记像与对照像的差值从而定量或半定量评估脑(及其他器官)血流灌注,其常用指标有脑血流量(cerebral blood flow, CBF)、动脉通过时间(arterial transit time, ATT)等[56];其中伪连续ASL(pseudo-continuous ASL, pCASL)因标记效率高、兼容性好而被广泛应用。ZHANG等[57]在509例认知正常老年人中,基于结构MRI与pCASL-ASL构建总CSVD评分,发现CSVD负荷越高,广泛皮层低灌注越明显,且这一“高负荷+低灌注”模式可在约7.6年随访中独立预测包括主观记忆下降在内的长期认知损害,提示CSVD 总负荷及相关皮层低灌注不仅预示整体认知衰退,也在客观量表仍正常阶段就增加主观记忆抱怨和早期记忆风险。VAN DINTHER等[58]采用ASL-MRI对181例血管性认知障碍(多以CSVD病理为基础)患者及对照随访2年发现,基线颞叶和额叶CBF降低可独立预测随访期间记忆功能的恶化,进一步支持区域性皮质低灌注是VCI/CSVD早期记忆障碍进展的重要机制之一。

       DCE-MRI则通过静脉注射含钆对比剂并连续获取T1加权图像,分析组织信号或对比剂浓度随时间变化,以容积转移常数(Ktrans)、通透性-表面积乘积(permeability-surface area product, PS)、血浆容量分数(plasma volume fraction, Vp)等指标定量评估灌注及微血管通透性[59]。VIKNER等[6]在50例老年人中利用DCE-MRI量化15个脑区的BBB通透性,发现海马、白质及基底节PS升高与MoCA评分下降显著相关,提示老年人海马及全脑BBB功能破坏与包括记忆衰退在内的整体认知受损密切相关。

       综合来看,基于ASL灌注和DCE-MRI血脑屏障评估的研究从不同层面共同指向同一趋势:慢性低灌注与BBB功能异常极可能在CSVD相关记忆障碍的发生发展中扮演早期、关键的病理环节,但这一假设有待更多前瞻性与机制性研究进一步验证。ASL和DCE-MRI分别从灌注和BBB功能层面揭示了CSVD早期慢性低灌注和屏障破坏对记忆的影响,优势在于能直接反映血流动力学和微血管通透性,但存在信噪比、模型假设及造影剂使用等方面的限制。未来研究可在扫描/建模标准化的基础上,将灌注与BBB指标与WMH进展、网络重构及记忆随访相结合,探索其在早期风险分层和治疗反应评估中的具体应用场景。

6 小结与展望

       近年来,随着MRI技术的飞速发展,人们对脑小血管病引起记忆功能减退的神经机制有了更为深入和系统的认识。现有证据表明,CSVD患者记忆功能减退并非单一模式,可表现为情景记忆、语义记忆和工作记忆等多种类型的受损,其严重程度总体上与CSVD影像学负荷密切相关。多模态MRI研究进一步提示,CSVD并非通过单一的局灶性病变发挥作用,而是通过破坏与记忆编码、储存和提取密切相关的关键脑区结构完整性及大规模功能网络的协同性,从而导致相应的记忆损害。CSVD所致不同类型记忆功能减退与特定脑区的损伤密切相关,其中情景记忆减退与海马体体积或神经活动的变化关系密切,视觉、语言记忆通常与海马体、丘脑、杏仁核等的改变有关,延迟记忆功能减退与MTL部分亚区域体积、岛叶功能活动相关。

       总体而言,CSVD记忆功能减退的发生是多因素、多层面共同作用的结果,既涉及局部结构损伤,也牵连神经血管单元功能、脑灌注及网络水平重构,不同研究者通过临床、神经心理、影像学及病理等多种方法从不同角度加以探讨,凸显了其神经病理机制的重要性与复杂性。尽管目前相关研究数量可观,但仍存在若干局限:其一,临床上常用的简易精神状态检查(Mini-mental State Examination, MMSE)、蒙特利尔认知评估量表(Montreal Cognitive Assessment, MoCA)等量表对记忆功能的评估相对粗略,难以精细区分编码、巩固和提取等子成分,限制了机制研究的深度;其二,影像学表现相同CSVD患者在微观病理基础和潜在血管病因方面可能存在差异,但现有技术难以在体、无创地揭示这种异质性;其三,CSVD与阿尔茨海默病病理在老年人群中高度共存,而当前大多数MRI研究缺乏阿尔茨海默病的特异性生物标志物(如Aβ-PET、Tau-PET或脑脊液指标)作为协变量,从而影响了不同病理通路对记忆障碍相对贡献的精确估计。

       未来研究可在此基础上进一步整合多模态MRI特征、遗传信息、临床危险因素和体液生物标志物,构建用于CSVD相关记忆减退的综合风险预测与分层模型;在这一过程中,机器学习和深度学习等人工智能方法可在高维特征提取、特征选择、模式识别和个体化预后预测中发挥关键作用,并有望通过可解释性算法将影像组学特征与具体神经网络、病理通路相联系,既提高风险预测的准确性,也为干预靶点的识别和临床试验中敏感、客观的疗效评价指标提供有力工具,推动CSVD记忆障碍的诊疗向精准医学方向迈进。

[1]
DUERING M, BIESSELS G J, BRODTMANN A, et al. Neuroimaging standards for research into small vessel disease-advances since 2013[J]. Lancet Neurol, 2023, 22(7): 602-618. DOI: 10.1016/S1474-4422(23)00131-X.
[2]
CHOJDAK-ŁUKASIEWICZ J, DZIADKOWIAK E, ZIMNY A, et al. Cerebral small vessel disease: a review[J]. Adv Clin Exp Med, 2021, 30(3): 349-356. DOI: 10.17219/acem/131216.
[3]
BHAT A, BISWAS A, DAS G, et al. Behavioral variations among vascular cognitive impairment subtypes - A comparative study[J]. Appl Neuropsychol Adult, 2023, 30(4): 439-446. DOI: 10.1080/23279095.2021.1954002.
[4]
WANG J X, LIANG X, LU J M, et al. Cortical and subcortical gray matter abnormalities in mild cognitive impairment[J/OL]. Neuroscience, 2024, 557: 81-88 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/39067683/. DOI: 10.1016/j.neuroscience.2024.07.036.
[5]
LEE S, LEE S, PARK I, et al. Associations between cortical iron accumulation and memory in patients with amnestic mild cognitive impairment and in cognitively normal individuals[J/OL]. Brain Behav, 2025, 15(5): e70521 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/40384339/. DOI: 10.1002/brb3.70521.
[6]
VIKNER T, GARPEBRING A, BJÖRNFOT C, et al. Blood-brain barrier integrity is linked to cognitive function, but not to cerebral arterial pulsatility, among elderly[J/OL]. Sci Rep, 2024, 14(1): 15338 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/38961135/. DOI: 10.1038/s41598-024-65944-y.
[7]
WANG W W, HUANG J, CHENG R T, et al. Concurrent brain structural and functional alterations related to cognition in patients with cerebral small vessel disease[J]. Neuroradiology, 2025, 67(4): 833-844. DOI: 10.1007/s00234-025-03557-6.
[8]
CHENG Z Y, YANG L F, LI J, et al. Cognitive impairment and amygdala subregion volumes in elderly with cerebral small vessel disease: a large prospective cohort study[J/OL]. Neurobiol Dis, 2024, 202: 106716 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/39490683/. DOI: 10.1016/j.nbd.2024.106716.
[9]
PAUSE B M, ZLOMUZICA A, KINUGAWA K, et al. Perspectives on episodic-like and episodic memory[J/OL]. Front Behav Neurosci, 2013, 7: 33 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/23616754/. DOI: 10.3389/fnbeh.2013.00033.
[10]
FLEISCHMAN D A, ARFANAKIS K, LEURGANS S E, et al. Cerebral arteriolosclerosis, lacunar infarcts, and cognition in older Black adults[J]. Alzheimers Dement, 2024, 20(8): 5375-5384. DOI: 10.1002/alz.13917.
[11]
CHARISIS S, RASHID T, DINTICA C, et al. Assessing the global impact of brain small vessel disease on cognition: the multi-ethnic study of atherosclerosis[J/OL]. Alzheimers Dement, 2025, 21(6): e70326 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/40465677/. DOI: 10.1002/alz.70326.
[12]
METOKI A, BROOKES R L, ZEESTRATEN E, et al. Mnemonic function in small vessel disease and associations with white matter tract microstructure[J/OL]. Neuropsychologia, 2017, 104: 1-7 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/28750873/. DOI: 10.1016/j.neuropsychologia.2017.07.027.
[13]
KERKHOFS D, WONG S M, ZHANG E, et al. Blood-brain barrier leakage at baseline and cognitive decline in cerebral small vessel disease: a 2-year follow-up study[J]. Geroscience, 2021, 43(4): 1643-1652. DOI: 10.1007/s11357-021-00399-x.
[14]
WANG J J, CHENG L, MO Y J, et al. Unraveling heterogeneous mechanisms of cerebral small vessel disease: a whole-brain vessel wall imaging study[J/OL]. Eur J Radiol, 2026, 194: 112517 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/41264983/. DOI: 10.1016/j.ejrad.2025.112517.
[15]
HUANG J, CHENG R T, LIU X S, et al. Unraveling the link: white matter damage, gray matter atrophy and memory impairment in patients with subcortical ischemic vascular disease[J/OL]. Front Neurosci, 2024, 18: 1355207 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/38362024/. DOI: 10.3389/fnins.2024.1355207.
[16]
JIA X Q, LI Y Y, YING Y Q, et al. Effect of corticosubcortical iron deposition on dysfunction in CADASIL is mediated by white matter microstructural damage[J/OL]. Neuroimage Clin, 2023, 39: 103485 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/37542975/. DOI: 10.1016/j.nicl.2023.103485.
[17]
MARKUS H S, JOUTEL A. The pathogenesis of cerebral small vessel disease and vascular cognitive impairment[J]. Physiol Rev, 2025, 105(3): 1075-1171. DOI: 10.1152/physrev.00028.2024.
[18]
MAO H X, XU M, WANG H, et al. Transcriptional patterns of brain structural abnormalities in CSVD-related cognitive impairment[J/OL]. Front Aging Neurosci, 2024, 16: 1503806 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/39679256/. DOI: 10.3389/fnagi.2024.1503806.
[19]
SEGUIN C, SPORNS O, ZALESKY A. Brain network communication: concepts, models and applications[J]. Nat Rev Neurosci, 2023, 24(9): 557-574. DOI: 10.1038/s41583-023-00718-5.
[20]
FAZLOLLAHI A, LEE S, COLEMAN F, et al. Increased resolution of structural MRI at 3T improves estimation of regional cortical degeneration in individual dementia patients using surface thickness maps[J]. J Alzheimers Dis, 2023, 95(3): 1253-1262. DOI: 10.3233/JAD-230030.
[21]
FREIRE I S, LOPES T S, AFONSO S G, et al. From images to insights: a neuroradiologist's practical guide on white matter fiber tract anatomy and DTI patterns for pre-surgical planning[J]. Neuroradiology, 2024, 66(8): 1251-1265. DOI: 10.1007/s00234-024-03362-7.
[22]
BANERJEE G, JANG H, KIM H J, et al. Total MRI small vessel disease burden correlates with cognitive performance, cortical atrophy, and network measures in a memory clinic population[J]. J Alzheimers Dis, 2018, 63(4): 1485-1497. DOI: 10.3233/JAD-170943.
[23]
FENG M M, WEN H W, XIN H T, et al. Decreased local specialization of brain structural networks associated with cognitive dysfuntion revealed by probabilistic diffusion tractography for different cerebral small vessel disease burdens[J]. Mol Neurobiol, 2024, 61(1): 326-339. DOI: 10.1007/s12035-023-03597-0.
[24]
HE M, LI Y, ZHOU L J, et al. Relationships between memory impairments and hippocampal structure in patients with subcortical ischemic vascular disease[J/OL]. Front Aging Neurosci, 2022, 14: 823535 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/35517055/. DOI: 10.3389/fnagi.2022.823535.
[25]
BOOKHEIMER T H, GANAPATHI A S, IQBAL F, et al. Beyond the hippocampus: Amygdala and memory functioning in older adults[J/OL]. Behav Brain Res, 2024, 471: 115112 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/38871129/. DOI: 10.1016/j.bbr.2024.115112.
[26]
ÇAVUŞOĞLU B, HÜNERLI D, EMEK SAVAŞ D D, et al. Patterns of longitudinal subcortical atrophy over one year in amnestic mild cognitive impairment and its impact on cognitive performance: a preliminary study[J]. Turk J Med Sci, 2024, 54(3): 588-597. DOI: 10.55730/1300-0144.5826.
[27]
JIMÉNEZ-BALADO J, CORLIER F, HABECK C, et al. Effects of white matter hyperintensities distribution and clustering on late-life cognitive impairment[J/OL]. Sci Rep, 2022, 12(1): 1955 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/35121804/. DOI: 10.1038/s41598-022-06019-8.
[28]
YAN W, TANG S W, CHEN L, et al. The thalamic covariance network is associated with cognitive deficits in patients with cerebral small vascular disease[J]. Ann Clin Transl Neurol, 2024, 11(5): 1148-1159. DOI: 10.1002/acn3.52030.
[29]
QING Z, CHEN F, LU J M, et al. Causal structural covariance network revealing atrophy progression in Alzheimer's disease continuum[J]. Hum Brain Mapp, 2021, 42(12): 3950-3962. DOI: 10.1002/hbm.25531.
[30]
MONGAY-OCHOA N, GONZALEZ-ESCAMILLA G, FLEISCHER V, et al. Structural covariance analysis for neurodegenerative and neuroinflammatory brain disorders[J]. Brain, 2025, 148(9): 3072-3084. DOI: 10.1093/brain/awaf151.
[31]
周立静, 何淼, 李亚君, 等. 皮层下缺血性脑血管病白质纤维束与认知功能的关系[J]. 中国医学影像技术, 2023, 39(3): 331-335. DOI: 10.13929/j.issn.1003-3289.2023.03.003.
ZHOU L J, HE M, LI Y J, et al. Relationships of white matter fiber bundles and cognitive function in subcortical ischemic vascular disease[J]. Chin J Med Imag Technol, 2023, 39(3): 331-335. DOI: 10.13929/j.issn.1003-3289.2023.03.003.
[32]
ZENG W Y, CHEN Y J, ZHU Z B, et al. Severity of white matter hyperintensities: Lesion patterns, cognition, and microstructural changes[J]. J Cereb Blood Flow Metab, 2020, 40(12): 2454-2463. DOI: 10.1177/0271678X19893600.
[33]
BUSBY N, WILMSKOETTER J, NEWMAN-NORLUND R, et al. Damage to white matter networks resulting from small vessel disease and the effects on cognitive function[J/OL]. Sci Rep, 2025, 15(1): 27736 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/40731161/. DOI: 10.1038/s41598-025-13813-7.
[34]
TAGHVAEI M, MECHANIC-HAMILTON D J, SADAGHIANI S, et al. Impact of white matter hyperintensities on structural connectivity and cognition in cognitively intact ADNI participants[J/OL]. Neurobiol Aging, 2024, 135: 79-90 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/38262221/. DOI: 10.1016/j.neurobiolaging.2023.10.012.
[35]
FJELL A M, SNEVE M H, AMLIEN I K, et al. Stable hippocampal correlates of high episodic memory function across adulthood[J/OL]. Sci Rep, 2025, 15(1): 8816 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/40087328/. DOI: 10.1038/s41598-025-92278-0.
[36]
CHU C Y, LI W, SHI W Y, et al. Co-representation of functional brain networks is shaped by cortical myeloarchitecture and reveals individual behavioral ability[J/OL]. J Neurosci, 2024, 44(13): e0856232024 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/38290847/. DOI: 10.1523/JNEUROSCI.0856-23.2024.
[37]
AMEMIYA S, TAKAO H, ABE O. Resting-state fMRI: emerging concepts for future clinical application[J]. J Magn Reson Imaging, 2024, 59(4): 1135-1148. DOI: 10.1002/jmri.28894.
[38]
ELORETTE C, FUJIMOTO A, STOLL F M, et al. The neural basis of resting-state fMRI functional connectivity in Fronto-limbic circuits revealed by chemogenetic manipulation[J/OL]. Nat Commun, 2024, 15(1): 4669 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/38821963/. DOI: 10.1038/s41467-024-49140-0.
[39]
SUN L L, ZHAO T D, LIANG X Y, et al. Human lifespan changes in the brain's functional connectome[J]. Nat Neurosci, 2025, 28(4): 891-901. DOI: 10.1038/s41593-025-01907-4.
[40]
WU G W, CUI Z X, WANG X Y, et al. Unveiling the core functional networks of cognition: an ontology-guided machine learning approach[J/OL]. bioRxiv, 2024 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/38617291/. DOI: 10.1101/2024.04.02.587855.
[41]
YANG D, LI J N, KE Z H, et al. Subsystem mechanisms of default mode network underlying white matter hyperintensity-related cognitive impairment[J]. Hum Brain Mapp, 2023, 44(6): 2365-2379. DOI: 10.1002/hbm.26215.
[42]
JAYWANT A, DUNLOP K, VICTORIA L W, et al. Estimated regional white matter hyperintensity burden, resting state functional connectivity, and cognitive functions in older adults[J]. Am J Geriatr Psychiatry, 2022, 30(3): 269-280. DOI: 10.1016/j.jagp.2021.07.015.
[43]
HUANG C J, ZHOU X, REN M M, et al. Altered dynamic functional network connectivity and topological organization variance in patients with white matter hyperintensities[J]. J Neurosci Res, 2023, 101(11): 1711-1727. DOI: 10.1002/jnr.25230.
[44]
CHEN C, WANG X J, CAO S S, et al. Thalamocortical functional connectivity in patients with white matter hyperintensities[J/OL]. Front Aging Neurosci, 2021, 13: 632237 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/33815090/. DOI: 10.3389/fnagi.2021.632237.
[45]
ZHENG Y T, TU H, LI D N, et al. Amplitude of brain low-frequency fluctuation and functional connectivity changes based on fMRI study in first-episode major depressive disorder[J/OL]. Clin Neurol Neurosurg, 2025, 258: 109157 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/40975022/. DOI: 10.1016/j.clineuro.2025.109157.
[46]
SONG J R, LEI T, LI Y J, et al. Dynamic alterations in the amplitude of low-frequency fluctuation in patients with cerebral small vessel disease[J/OL]. Front Mol Neurosci, 2023, 16: 1200756 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/37808469/. DOI: 10.3389/fnmol.2023.1200756.
[47]
ZHANG X L, WANG Z G, ZHENG D R, et al. Aberrant spontaneous static and dynamic amplitude of low-frequency fluctuations in cerebral small vessel disease with or without mild cognitive impairment[J/OL]. Brain Behav, 2023, 13(12): e3279 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/37815202/. DOI: 10.1002/brb3.3279.
[48]
CAI L N, YUE J H, CAO D N, et al. Structural and functional activities of brain in patients with vascular cognitive impairment: a case-controlled magnetic resonance imaging study[J/OL]. Medicine, 2023, 102(15): e33534 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/37058059/. DOI: 10.1097/MD.0000000000033534.
[49]
MU R H, YANG P, QIN X Y, et al. Aberrant baseline brain activity and disrupted functional connectivity in patients with vascular cognitive impairment due to cerebral small vessel disease[J/OL]. Front Neurol, 2024, 15: 1421283 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/39022734/. DOI: 10.3389/fneur.2024.1421283.
[50]
CHEN W S, XIE G J, XU C X, et al. The relationship between regional homogeneity in resting-state functional magnetic resonance imaging and cognitive function in depressive disorders with migraine[J/OL]. Sci Rep, 2025, 15(1): 11810 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/40189646/. DOI: 10.1038/s41598-025-96850-6.
[51]
王文雯, 黄晶, 程润田, 等. 脑小血管病伴与不伴认知功能障碍患者脑功能局部一致性差异研究[J]. 磁共振成像, 2025, 16(6): 48-54. DOI: 10.12015/issn.1674-8034.2025.06.007.
WANG W W, HUANG J, CHENG R T, et al. A study on differences of regional homogeneity on brain function between cerebral small vessel disease patients with and without cognitive impairment[J]. Chin J Magn Reson Imag, 2025, 16(6): 48-54. DOI: 10.12015/issn.1674-8034.2025.06.007.
[52]
JIN J, MA J, WU J J, et al. Neural correlates and adaptive mechanisms in vascular cognitive impairment: exploration of a structure-function coupling network[J/OL]. CNS Neurosci Ther, 2025, 31(3): e70205 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/40059066/. DOI: 10.1111/cns.70205.
[53]
VACCARINO F, QUATTROCCHI C C, PARILLO M. Susceptibility-weighted imaging (SWI): technical aspects and applications in brain MRI for neurodegenerative disorders[J/OL]. Bioengineering, 2025, 12(5): 473 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/40428092/. DOI: 10.3390/bioengineering12050473.
[54]
CHEN J X Y, VIPIN A, SANDHU G K, et al. Blood-brain barrier integrity disruption is associated with both chronic vascular risk factors and white matter hyperintensities[J/OL]. J Prev Alzheimers Dis, 2025, 12(2): 100029 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/39863325/. DOI: 10.1016/j.tjpad.2024.100029.
[55]
HAN X, WANG Y, CHEN Y W, et al. Predicting white-matter hyperintensity progression and cognitive decline in patients with cerebral small-vessel disease: a magnetic resonance-based habitat analysis[J]. Quant Imaging Med Surg, 2024, 14(9): 6621-6634. DOI: 10.21037/qims-24-238.
[56]
TASO M, ALSOP D C. Arterial spin labeling perfusion imaging[J]. Magn Reson Imaging Clin N Am, 2024, 32(1): 63-72. DOI: 10.1016/j.mric.2023.08.005.
[57]
ZHANG X Q, LIU S R, HOU B, et al. Cerebral small vessel disease score associated with brain hypoperfusion predicts cognitive decline: a longitudinal study[J/OL]. BMC Med Imaging, 2025, 25(1): 463 [2025-10-18]. https://pubmed.ncbi.nlm.nih.gov/41233768/. DOI: 10.1186/s12880-025-01967-9.
[58]
VAN DINTHER M, HOOGHIEMSTRA A M, BRON E E, et al. Lower cerebral blood flow predicts cognitive decline in patients with vascular cognitive impairment[J]. Alzheimers Dement, 2024, 20(1): 136-144. DOI: 10.1002/alz.13408.
[59]
LI X, HUANG W, HOLMES J H. Dynamic contrast-enhanced (DCE) MRI[J]. Magn Reson Imaging Clin N Am, 2024, 32(1): 47-61. DOI: 10.1016/j.mric.2023.09.001.

上一篇 脑小血管病相关脑白质高信号与认知障碍相关性的影像学研究进展
下一篇 扩散张量成像联合人工智能在脑小血管病中的应用进展
  
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