0 引言

       卒中是一种由于脑血管突然发生病变（如血栓、栓塞或出血）导致的急性脑循环障碍。约80%是缺血性卒中，约14.9%是出血性卒中^[1]。卒中后抑郁（post-stroke depression, PSD）是缺血性卒中后常见的并发症，以情绪低落、兴趣减退为核心表现，总体患病率约为27%^{[2, 3, 4]}。PSD不仅显著降低患者生活质量，还会阻碍神经功能恢复、延缓康复进程。

       目前，PSD的诊断主要依赖汉密尔顿抑郁量表（Hamilton Depression Rating Scale, HAMD）等主观评估工具，并结合临床病史判断。由于早期症状不典型、共病认知障碍等因素干扰，现有方法存在较强主观性，漏诊与误诊率较高。传统常规结构磁共振成像（structural magnetic resonance imaging, sMRI）虽可显示卒中病灶，却难以捕捉情绪环路相关的微观结构损伤与神经递质紊乱，导致PSD缺乏客观的生物学标志物，制约了早期干预的精准实施。

       近年来，多模态MRI技术的兴起为PSD研究提供了新路径。该技术可整合结构、功能和弥散等多个影像模态，同步评估脑区萎缩、功能连接（functional connectivity, FC）异常与白质微结构改变等信息。通过多参数融合与机器学习分析，有望构建PSD的客观预测模型，从而推动其识别与评估方式从经验判断向定量化、精准化方向演进，具有重要的临床转化潜力。

       尽管近年来已有多篇综述从流行病学或单一影像技术角度探讨PSD的发生机制，但多数研究仍局限于某一模态或单一分析尺度，尚缺乏对不同MRI技术所反映信息之间内在关联的系统整合，尤其是结构、功能与微观层面跨尺度证据的综合分析。此外，现有综述对多模态影像结果的临床适配性与转化价值关注不足，限制了研究成果向实际临床应用的延伸。

       因此，本文从多模态MRI的视角出发，系统梳理不同影像技术在PSD研究中的应用进展，重点关注跨尺度整合与机制推断问题，旨在为PSD的早期识别、风险分层及精准干预提供更具临床价值的影像学参考。

1 不同MRI技术在PSD中的应用

1.1 sMRI

       常规sMRI技术，如T1加权成像、T2加权成像及液体衰减反转恢复（fluid attenuated inversion recovery, FLAIR）序列，具备较高的空间分辨率，可清晰显示卒中病灶的解剖位置、体积及周边水肿范围，在临床诊断中具有重要价值。在PSD研究中，sMRI有助于系统评估梗死灶的空间分布（如是否累及额叶、基底节、丘脑等关键脑区）及其偏侧性（左/右半球差异），从而为探索PSD的神经解剖基础提供依据。

       然而，目前关于病灶位置、偏侧性与PSD之间的关联尚未形成一致结论。HONG等^[5]认为二者无显著关联，而CHEN等^[6]和KRICK等^[7]则指出PSD与特定病灶位置及偏侧性具有明显相关性。此类差异可能源于研究方法的异质性，包括样本来源、抑郁评估工具、评估时间点及统计方法的不同。因此，未来研究需推动相关方法的标准化，以增强结果的可比性与可靠性。除关注影像学特征外，PSD的评估也应整合心理状态、社会支持及生活质量等多维信息，以全面理解其发病机制。

       常规sMRI虽然在卒中研究中不可或缺，但难以敏感检测卒中后沿功能回路的微小、弥散或远端结构重塑。高分辨率3D-T1加上定量形态学分析[基于体素的形态学测量（voxel-based morphometry, VBM）与基于表面的形态学分析（surface-based morphometry, SBM）、沟深/褶皱指数和局部回旋指数）能够在亚毫米尺度上量化皮层与皮质下灰质的细微改变。

       近年的研究显示^{[8, 9, 10]}，在预测情绪障碍和解释功能重组机制时，这类表面积/体积指标往往比传统“可见萎缩/占位”描述更为敏感与可重复。将这些量化指标纳入PSD研究有助于识别与情绪调控、奖赏处理及认知控制相关的额叶、扣带与颞叶皮层在形态学上的微小改变。总体而言，sMRI为PSD研究提供了从宏观病灶评估到微观形态量化的多层次视角。常规序列可用于精确的病灶定位，而基于高分辨率T1像的定量形态学分析（如VBM、SBM）则能敏感识别与情绪加工相关脑区的细微萎缩或形态改变，提供了超越传统定性描述的新见解。将sMRI的客观影像指标与临床症状、心理社会因素相结合，构建多维度评估框架，对于深化PSD病理机制的理解和推动临床精准诊疗具有重要意义。

1.2 功能磁共振成像

1.2.1 概述

       功能磁共振成像（functional magnetic resonance imaging, fMRI）是研究PSD脑功能改变的核心影像学技术。其原理基于血氧水平依赖（blood oxygen level dependent, BOLD）效应，能够无创地探测神经活动所引发的局部血流动力学变化。该技术主要通过分析BOLD信号中的低频振荡（0.01~0.08 Hz）来评估大脑的自发神经活动及脑区间的FC特性^[11]。根据是否需要外部任务刺激，fMRI可分为两大类型：静息态功能磁共振成像（resting-state fMRI, rs-fMRI）与任务态功能磁共振成像（task-based fMRI, task-fMRI）。

1.2.2 rs-fMRI的常用指标在PSD中的应用

1.2.2.1 低频振幅

       低频振幅（amplitude of low frequency fluctuations, ALFF）及其归一化形式低频振幅分数（fractional amplitude of low-frequency fluctuations, fALFF）用于衡量局部BOLD信号的低频振幅，反映局部自发脑活动的强度。WU等^[12]研究发现，PSD在不同频段下，其病灶对侧的背外侧前额叶皮层和岛叶中ALFF值增加，且不同频段的特异性改变与抑郁严重程度呈正相关；YUAN等^[13]的研究则发现，右侧中央后回的ALFF值与抑郁评分显著正相关。此外，另有研究指出，PSD患者左侧背外侧前额叶皮层和中央前回的fALFF值显著高于非PSD患者，且与抑郁评分呈正相关^[14]。这些研究结果共同提示背外侧前额叶、岛叶以及中央后回/中央前回等区域的局部自发神经活动过度增强，可能是PSD发生的重要神经机制。

       这些脑区分别涉及情绪调节、机体感觉感知和运动计划，其活动异常可能共同导致PSD患者出现情绪低落、兴趣丧失及躯体不适等核心症状。因此，ALFF/fALFF指标所揭示的局部脑活动改变，不仅为深入理解PSD的病理生理机制提供了重要线索，也为未来针对特定脑区功能进行干预提供了潜在的靶点。

1.2.2.2 局部一致性分析

       局部一致性（regional homogeneity, ReHo）通过评估体素与其邻域时间序列的相似性，来衡量局部的同步性，从而能够检测出局部网络协调性的变化。

       朱祖福等^[15]研究显示，与non-PSD相比，PSD患者在多个脑区包括前额叶皮质、扣带回及海马等ReHo值显著降低，提示边缘系统-皮质-纹状体-苍白球-丘脑环路（limbic-cortical-striatal-pallidal-thalamic, LCSPT）的功能整合出现异常；此外，许天骄等^[16]采用rs-MRI比较了首发单侧基底节PSD与non-PSD的脑活动差异。结果显示，PSD组在左颞极中回、左中央前回等区域的ReHo值显著降低，而在左梭状回、左楔前叶等区域的ReHo值升高。提示PSD可能与局部神经活动同步性的紊乱有关。

       在情绪加工与认知控制相关脑区（如前额叶、扣带回、颞极），PSD患者多表现为ReHo下降，提示局部神经同步性受损，可能反映抑郁症状相关的神经活动不足；而在海马旁回、小脑及部分感觉运动相关脑区，则出现ReHo升高，可能是情绪与运动功能调节的代偿性增强。这些发现共同表明，PSD不仅涉及情绪网络（affective network, AN）（边缘系统）的异常，也伴随默认模式网络与感觉运动网络的局部活动重构。总体而言，ReHo分析作为一种反映自发神经活动同步性的指标，为揭示PSD的局部功能改变提供了可靠影像学依据。

1.2.2.3 FC

       FC反映了脑区各部位BOLD信号随时间变化的相关性，从网络层面揭示了两个区域功能之间的相互联系^[17]。

       rs-fMRI通过检测BOLD信号，分析大脑奖赏网络（reward network, RN）、认知控制网络（cognitive control network, CCN）、AN以及特别是默认模式网络（default mode network, DMN）在无任务状态下的FC，揭示PSD的神经机制。DMN是大脑在静息状态下活跃的一组脑区，与自我相关的思维、记忆和社会认知等功能密切相关^{[18, 19]}，其核心脑区包括内侧前额叶皮层、后扣带回、角回、海马和顶叶内侧^{[20, 21, 22]}。

       张佩瑶等^[23]通过rs-fMRI分析发现，PSD患者DMN内关键节点（包括额颞叶及顶下小叶）的FC显著下降。这种前额叶皮层与边缘系统间的信息整合障碍，可能构成PSD情感失调症状的神经生物学基础。经研究发现，伏隔核（nucleus accumbens, NAc）是大脑边缘系统的重要组成部分，主要参与奖赏处理、动机形成和情绪调节^{[24, 25, 26]}。有研究^{[27, 28, 29]}重点关注NAc网络和DMN，发现抑郁组NAc网络内部及DMN内部FC增强。灰质体积（gray matter volume, GMV）减小和白质微结构异常与抑郁相关。提示RN与DMN的功能失调可能是PSD的核心机制，结构损伤可能加剧功能异常。值得注意的是，ZHANG等^[29]发现与non-PSD和HC组的卒中患者相比，亚急性期PSD患者的三个网络的FC发生改变。此外，PSD患者的左侧顶下回和左侧角回与HAMD评分显著相关。他们认为PSD的发生不仅仅只是DMN的改变，而是三种神经网络同时改变造成的。这一多网络协同失调模式提示PSD的病理机制涉及更广泛的脑功能重组。

       针对rs-fMRI研究中关于DMN及RN FC改变方向不一致的现象，本综述认为其主要源于研究设计与样本特征的系统性异质性，而非研究结论本身的矛盾。具体而言，不同病灶位置及结构断连模式可通过远隔效应非线性地影响功能网络；卒中所处阶段（急性至慢性）决定了网络处于去抑制或代偿重组状态；此外，不同的预处理与FC计算策略亦会显著影响连接强度的量值与方向^{[30, 31, 32, 33, 34, 35]}。

       基于以上因素，我们建议未来研究：（1）在报告中明确说明病灶特征、用药/干预措施与扫描时间点；（2）在数据处理时采用病灶意识化的预处理流程，并明确是否使用全局信号回归；（3）同时呈现静态与动态FC指标，并整合结构断连分析，以提高结果解释力与可重复性。

1.2.2.4 动态FC

       动态FC（dynamic FC, dFC）通过滑动时间窗或类似时变方法刻画大脑在扫描过程中功能耦合的瞬时波动，从而弥补传统静态FC假设“连接随时间不变”的限制，更真实地反映脑网络的时间性重构。

       一项病例对照与纵向研究^[36]显示，卒中患者在dFC的状态出现频率、停留时间及转移次数等时间学特征出现紊乱，且这些动态指标与认知量表评分、运动恢复及预后密切相关，提示网络状态的补偿性重组与临床结局存在关联。具体而言，该研究报道了DMN、前额-顶叶控制网络、楔前叶与海马等关键节点在时间尺度上的活动幅度（如dALFF）降低或瞬时耦合模式异常，同时观察到对侧或次级脑区通过增强瞬时连接的代偿性改变。除了直接分析dFC特征外，将有效连通性、高阶指标（high-order FC, HOFC）或图论拓扑特征与dFC结合，能进一步提升对卒中后认知障碍亚型识别和进展预测的敏感性^[37]。

       综合来看，dFC及其衍生的高阶指标不仅有助于刻画卒中后网络重组的瞬态过程，也为识别潜在的代偿路径及个体化康复提供了可操作的影像学靶点。

1.2.3 task-fMRI在PSD中的应用

       task-fMRI通过在扫描过程中施加受试者需执行的具体任务（如情绪面孔识别、奖赏决策或执行控制任务），能够在试验控制条件下直接诱发并测量脑区的激活强度、时序特征及任务时刻的脑区间交互。这使task-fMRI在解析PSD中与情绪加工与奖赏处理相关的环路异常具有独特价值。

       尽管近年来关于卒中总体的任务态研究（尤其是运动任务）较多，用以探讨皮层重组与运动功能恢复的机制，但专门面向PSD的task-fMRI原始研究相对稀少；现有PSD研究更多采用rs-fMRI或以影像学为结局指标的干预试验，这些研究提示情绪—奖赏—默认网络的功能异常与抑郁症状相关联^[38]。在可获得task-fMRI的卒中样本中[采用替代手段如功能性近红外光谱成像（functional near-infrared spectroscopy, fNIRS）]，工作记忆与情绪性任务常提示前额叶-边缘回路（左侧前额叶活动降低、对侧代偿性激活）、伏隔核-奖赏回路及DMN在任务诱发条件下呈现异常激活或互联改变，这与临床抑郁评分与认知测验得分相关^[39]。

       鉴于卒中患者可能存在运动、语言或认知缺损而难以完成复杂任务，研究设计上宜采用以下方法：（1）任务简化或被动呈现（如被动情绪面孔观看、简短的视觉情绪评分或听觉奖励提示）；（2）同步记录行为/生理指标（反应时、心率）；（3）必要时使用fNIRS或短任务块替代长任务以提高完成率与数据质量。这些可在保证假设检验力的同时，提升PSD任务态影像学研究的可行性与临床解释力。

       综上所述，task-fMRI作为对静息态研究的重要补充，能够为揭示大脑在特定认知与情绪任务中的动态反应提供关键证据。在深入探究PSD背后奖赏处理与情绪加工环路的改变方面，这一技术具有不可替代的价值。

1.3 扩散磁共振成像

1.3.1 概述

       扩散磁共振成像（diffusion magnetic resonance imaging, dMRI）作为无创性白质微结构评估技术，为揭示PSD的神经病理机制提供了独特视角。包括扩散张量成像（diffusion tensor imaging, DTI）、扩散峰度成像（diffusion kurtosis imaging, DKI）、神经突定向弥散与密度成像（neurite orientation dispersion and density imaging, NODDI）、扩散谱成像（diffusion spectrum imaging, DSI）和高角度分辨率扩散成像（high angular resolution diffusion imaging, HARDI）。

1.3.2 DTI在PSD中的应用

       DTI通过量化水分子在白质纤维束内的各向异性扩散特征，实现对白质微结构完整性与纤维走行的无创评估，是卒中及其并发症研究中应用最为广泛的扩散成像技术之一^{[40, 41]}。常用指标如分数各向异性（fractional anisotropy, FA）与平均扩散率（mean diffusivity, MD）可反映轴突密度、髓鞘完整性及组织排列有序性等综合信息，为探索PSD相关白质通路损伤提供了基础工具。

       与传统的扩散加权成像（diffusion weighted imaging, DWI）相比，DTI通过FA、MD等定量参数更敏感地捕捉神经组织分子水平的微结构改变，能够发现常规MRI难以检测的潜在病理变化。例如，轴突损伤或脱髓鞘病变常表现为FA降低和MD升高。CHEN等^[42]和SCHMITZ-KOEP等^[43]在多发性硬化及脑发育研究中发现，FA降低提示轴突完整性受损，而MD升高反映细胞外水肿或组织疏松度增加。这种FA下降/MD升高的模式同样可见于PSD患者，提示白质微结构损伤可能参与其病理机制。

       已有研究证实，内囊前肢在情绪调节、运动控制及认知加工中发挥关键作用。作为额叶—皮层下环路的重要结构枢纽，内囊前肢通过前扣带束、皮质脊髓束等多条白质纤维介导前额叶皮层与基底节、丘脑之间的双向结构连接^[44]。YASUNO等^[45]发现，与健康对照组相比，脑卒中患者双侧内囊前肢的FA显著降低。纵向随访显示，患者在6个月后该区域FA值明显升高，且与抑郁量表评分呈负相关，提示内囊前肢白质修复可能与PSD症状改善密切相关。LU等^[46]进一步报道，PSD患者在右侧上纵束、胼胝体膝部及边缘系统相关白质中FA降低，且白质损伤程度与抑郁严重度显著相关，支持“额叶–边缘系统功能障碍假说”。

       综上，DTI在揭示卒中后白质微结构损伤及情绪障碍机制中具有重要价值。然而，其局限性也不容忽视：该技术对运动伪影与磁敏感伪影较为敏感，难以准确解析交叉纤维区的复杂结构，且数据处理流程尚缺乏统一标准。此外，不同扫描设备与参数设置之间的差异也影响跨研究可比性。未来，结合高阶扩散模型、深度学习重建算法及多模态影像融合，有望进一步提升DTI在卒中后情绪障碍研究中的精度与临床应用价值。

1.3.3 DKI在PSD中的应用

       DKI是dMRI领域的一项重要技术进展，其核心原理基于水分子扩散的非高斯分布特性。与传统DWI采用的单指数高斯模型不同，DKI通过引入峰度参数，定量刻画水分子扩散偏离高斯分布的程度，从而更真实地反映生物组织的复杂微观结构特征^[47]。DKI通常采用多b值与多扩散方向的高阶采集方案，经非线性模型拟合可获得峰度张量参数，包括平均峰度（mean kurtosis, MK）、轴向峰度（axial kurtosis, AK）及径向峰度（radial kurtosis, RK）等，从不同维度评估组织内水分子扩散受限的空间异质性。

       在PSD的神经病理研究中，大脑边缘-皮质-纹状体-苍白球-丘脑（limbic-cortical-striatal-pallidal-thalamic, LCSPT）通路被认为与情绪调节密切相关。该通路的正常功能依赖于白质纤维的完整性，而卒中所致的局灶性损伤可能直接或间接破坏这些情绪控制相关的神经回路，从而引发情绪障碍^[48]。白质纤维束的异常被认为是神经网络功能障碍及情绪失调的潜在基础。

       LIANG等^[49]采用DKI技术探讨早期PSD患者白质完整性变化，结果显示，与健康对照及non-PSD组相比，PSD组在双侧额上回、额中回、颞叶及胼胝体膝部的MK显著降低，左侧额上回及双侧额中回、颞叶的RK亦明显下降，提示早期PSD患者在额叶、颞叶及胼胝体等关键情绪调控区域存在白质微结构损伤。该研究表明，DKI可作为检测PSD早期白质异常的敏感影像学工具，为PSD的早期诊断及病程监测提供潜在生物标志物。

       此外，DKI与DTI在评估PSD相关白质异常方面具有显著互补性。DKI能捕捉水分子扩散的非高斯特性，揭示微观结构复杂性；而DTI通过FA、MD等指标可反映白质纤维的整体完整性与连贯性。因此，二者的联合应用能够从“微观复杂性”与“宏观完整性”两个层面更全面地揭示卒中后白质病变的特征。

       HE等^[50]在亚急性期缺血性卒中患者中联合应用DKI与DTI，发现胼胝体膝部、内囊前肢及上冠状放射等关键白质束的MK、RK与FA均降低，而MD升高。研究进一步指出，DKI在检测白质受损区域的敏感性与空间覆盖度均优于DTI，且部分DKI参数与执行功能表现呈显著相关。上述结果表明，联合DKI与DTI能够更全面、灵敏地刻画卒中后白质微结构病变，为探索白质损伤与临床表现之间的影像学-行为学关联提供坚实依据。

1.3.4 NODDI在PSD中的应用

       NODDI是一种基于多室扩散模型的先进MRI技术，用于定量表征神经突（包括轴突与树突）的微观结构特征。该模型将每个体素分解为三个独立隔室：（1）神经突内隔室，反映神经突密度（neurite density index, NDI）；（2）神经突外隔室，表征取向分散度（orientation dispersion index, ODI）；（3）自由水隔室，代表脑脊液等各向同性成分（fraction of isotropic signal, FISO）。通过量化三者的体积分数及扩散特性，NODDI可精准解析脑组织的微结构复杂性^[51]。

       相较于传统DTI的单室模型假设，NODDI通过多室建模与高参数分辨力，克服了DTI在交叉纤维及复杂组织中的局限，显著提升了微观结构的生物学解释力与临床适用性。在PSD研究中，NODDI揭示了丘脑-皮层环路NDI下降与情绪调节障碍的密切关联，提示该通路中神经突密度损伤可能影响感觉与情绪信号传递。ODI的改变则反映神经连接取向复杂度下降，与抑郁严重度及认知受损程度相关，为解析情绪调节环路成熟度提供了量化指标^{[52, 53]}。

       ZHANG等^[54]系统比较了DTI、DKI与NODDI三种扩散模型在PSD检测中的性能。结果显示，NODDI参数在楔前叶、杏仁核及扣带回等情绪相关区域的AUC均超过0.80，表明其在识别PSD早期微结构损伤方面具有更高的敏感性与特异性。LU等^[46]进一步结合多模态MRI分析发现，与non-PSD及健康对照组相比，PSD患者白质微结构损伤与DMN FC增强显著相关。基于NODDI参数构建的机器学习模型在PSD识别中表现优异，其中右侧上纵束ODI区分PSD与non-PSD的AUC达0.917，综合模型AUC达0.933，验证了NODDI在临床PSD分类中的高效性与应用潜力。

       综上，NODDI作为dMRI的重要技术突破，凭借其多室模型的生物学特异性和高重复性，能够在微观层面揭示神经突密度与取向分散度变化，并结合功能网络分析，全面反映情绪调节环路的结构完整性与可塑性。相较于DTI，NODDI在识别早期隐匿性白质损伤及构建客观影像生物标志物方面具有显著优势，为PSD的早期诊断、风险评估及个体化干预提供了新思路。

1.3.5 DSI在PSD中的应用

       DSI作为高阶dMRI，能够突破传统DTI在纤维交叉、分叉及复杂组织结构中的解析局限。与DTI仅估计单一主扩散方向不同，DSI通过采集高角度多b值的数据，重建水分子扩散的完整概率密度函数，从而实现对白质纤维复杂走向的精准追踪^[55]。该方法不仅能分辨白质内部交叉纤维，还能识别皮层及皮层下灰质中的纤维走向，并在复杂的神经纤维交汇区展示更高的空间分辨率与定量可靠性。

       近年研究证实，DSI在揭示脑白质微结构重塑及结构网络异常方面具有显著优势。SUN等^[55]系统总结了DSI在神经系统疾病中的应用进展，指出其在复杂纤维解析及连接组学研究中的潜在临床价值。CHEN等^[56]利用DSI构建结构连接图谱，发现GFA和NQA等指标与情绪和认知状态密切相关，说明DSI有助于揭示情绪障碍背后的白质结构基础。WANG等^[57]则在卒中患者中通过DSI观测到皮质-皮质及皮质-脊髓通路的重组，表明DSI能定量刻画卒中后结构与功能。ZHANG等^[58]的研究进一步显示，DSI在锥体束及关联纤维追踪中的分辨率明显高于DTI，证明其在关键白质通路损伤评估中的优势。

       综上所述，虽然尚无大规模针对PSD患者的DSI队列研究，但既往文献已在卒中重组及情绪、认知功能障碍研究中验证了DSI的高灵敏度和临床解释力。基于其在复杂纤维交叉区的高分辨追踪能力，DSI有望在未来用于解析PSD患者情绪调节环路（如边缘-皮质-纹状体-丘脑通路）的白质微结构损伤，揭示结构异常与情绪症状之间的神经影像学联系，为PSD的机制研究和早期诊断提供更高阶的成像手段。

1.3.6 HARDI在PSD中的应用

       HARDI凭借其在多个扩散方向上的高角度采集能力，使得水分子扩散方向分布函数得以重构，从而克服传统DTI在交叉纤维区掩盖多个纤维方向的弱点。

       研究表明，HARDI在复杂白质通路中可实现更可靠的纤维追踪。一项HARDI研究中，通过约64个方向数据重建深脑核团指标，清晰揭示了丘脑-皮质投射路径^[59]。此外，在正常连接组学分析中，HARDI可显著提高皮层-皮质及皮层-皮层结构连接概率，并改善网络拓扑指标的检测精度^{[59, 60]}。鉴于PSD研究中关键情绪调控环路如LCSPT通路可能涉及复杂交叉纤维连接，HARDI提供了对这些微结构连接进行更精细描绘的可行路径。

       虽然至今尚无专门大样本采用HARDI研究PSD的报告，但结合其在白质重组、连接网络定量中的应用成果，我们有理由将HARDI纳入PSD白质连接体影像研究的方法库：可用于探究情绪回路白质纤维束的结构损伤、连接通路变化与抑郁症状之间的影像-行为学关联。

1.4 磁共振波谱

       磁共振波谱（magnetic resonance spectroscopy, MRS）通过MRI化学位移等手段对脑细胞代谢产物及生物能量的变化进行直接监测，是反映脑组织生理与病理特征的定量分析方法^[61]。近年来，MRS在PSD研究中的应用逐渐深入，其可无创检测氮-乙酰天冬氨酸（N-acetyl aspartate, NAA）、胆碱（choline, Cho）、肌酸（creatine, Cr）等代谢物的相对含量，从而评估神经元功能与膜代谢状态^[62]。多项研究证实，PSD患者丘脑及小脑等区域的NAA/Cr和Cho/Cr比值较健康对照者显著异常，且与抑郁量表评分呈显著相关^{[63, 64]}，提示局部神经元功能障碍及能量代谢紊乱可能是PSD发病的重要基础。

       除传统代谢指标外，MRS已扩展至兴奋性与抑制性递质的精确检测。MEGA-PRESS作为一种谱编辑MRS技术，可特异性分离γ-氨基丁酸信号，定量反映抑制性神经递质变化^[65]。卒中后应用MEGA-PRESS的研究发现，γ-氨基丁酸含量降低与情绪障碍、运动恢复迟缓等密切相关，提示兴奋-抑制平衡失调可能参与PSD的神经环路功能障碍^[66]。此外，研究者提出将MEGA-PRESS与常规¹H-MRS（NAA、Cho、Cr、Glx等）联合分析，以揭示PSD患者脑内能量代谢与神经递质系统的协同异常，为跨尺度机制研究提供了新的思路^[67]。

       值得注意的是，化学交换饱和转移成像（chemical exchange saturation transfer, CEST）及酰胺质子转移成像（amide proton transfer, APT）虽不属于传统意义上的MRS，但同样属于分子磁共振成像技术，可通过检测可交换质子与水分子的化学交换效应，间接反映组织蛋白质及pH水平的变化^[68]。APT-CEST已在卒中与情绪障碍研究中显示对脑组织代谢、能量及炎症反应的高度敏感性。将CEST/APT与MRS结合，有望在PSD的代谢异常、酸碱稳态及炎症-能量代谢通路研究中提供互补信息。

       综上所述，MRS及其延伸技术（如 MEGA-PRESS、CEST/APT）为探索PSD的神经代谢机制提供了多维度证据。人脑代谢产物的改变往往早于结构异常的出现，未来若能结合纵向随访及多模态影像学（如DTI/DKI/NODDI与rs-fMRI）分析，将有助于揭示PSD的早期代谢特征及跨尺度病理变化。然而，目前不同脑区代谢物改变的方向和程度仍存在差异，可能与卒中病灶部位、病情严重程度及样本异质性等因素有关，仍需更大样本、多中心研究进一步验证。

1.5 多模态融合技术在PSD中的综合应用

       近年来，单一成像模态在PSD诊断中的局限性日益凸显。研究者逐渐意识到，PSD的发生机制涉及结构损伤、功能网络重组及神经化学代谢等多个层面的复杂交互，这促使影像学研究从单一模态向多模态整合的方向转变。多模态MRI通过同步采集结构、功能与扩散等不同维度的数据，能够从互补的角度刻画PSD的神经病理特征, 为构建更精准的预测模型奠定了基础。

1.5.1 结构与功能影像的联合应用

       sMRI侧重于捕捉脑组织形态改变与白质完整性损伤，而静息态功能磁共振则聚焦于揭示脑区间FC的异常模式。两者的结合恰好弥补了各自的不足。LU等^[46]系统整合了NODDI、GMV及ALFF三种模态数据，对PSD患者的白质微结构、灰质萎缩及自发脑活动进行了全方位评估。这一发现不仅证实了NODDI在描述情绪相关白质通路结构变化方面的优势，也彰显了多模态数据融合在提升PSD诊断准确性方面的潜力。

       传统的DTI与rs-fMRI联用策略同样为PSD研究提供了重要见解。卒中导致的白质通路损伤往往伴随功能网络连接异常，表现为失连接或代偿性重组。PAN等^[8]在2022年的研究中采用结构断连图谱结合机器学习算法，成功预测了PSD的发生风险。结果显示，仅基于临床变量的模型预测效能为R²=23%，而将病灶解剖特征、白质损伤模式及网络拓扑指标纳入后，模型预测效能显著提升至R²=31.6%（P<0.001）。该研究表明，结构—功能—临床信息的多层整合有助于实现PSD的个体化风险分层。

1.5.2 影像组学与深度学习的新兴应用

       影像组学作为一种从医学影像中高通量提取定量特征的方法，近年来在卒中预后预测领域崭露头角。YU等^[69]基于多模态MRI（DWI、表观扩散系数、FLAIR、磁敏感加权成像及T1加权像）提取影像组学特征，并结合机器学习算法预测缺血性卒中患者的功能预后。研究发现，多模态影像特征的整合显著提升了预测性能，其中基于支持向量机（support vector machine, SVM）的模型表现最佳。尽管该研究聚焦于功能预后，其方法学框架对PSD影像组学研究具有重要参考价值。

       深度学习技术在多模态数据融合方面同样展现出巨大潜力。传统机器学习方法通常需要人工设计特征，而卷积神经网络（convolutional neural network, CNN）等深度学习模型能够自动从原始影像数据中学习抽象的高层次特征表征。WHITE等^[70]在2024年的研究中，提出了一种创新性的多模态深度学习框架，将MRI提取的感兴趣区（region of interest, ROI）特征与临床表格数据相结合，并通过残差神经网络（residual neural network, ResNet）进行训练。在预测卒中后失语症方面，该模型的分类准确率达到85.4%，AUC为0.899，显著优于仅基于病灶大小的基线模型（准确率为67.8%）。该研究表明，影像信息与临床数据的有效融合可在小样本条件下获得较高预测性能，为PSD的深度学习研究提供了方法学启示。

       总体而言，多模态融合技术为揭示PSD的多层次神经机制及提升预测精度提供了新的研究路径。随着影像采集与数据分析方法的不断规范，多模态成像有望在PSD的早期识别、风险评估及个体化干预中发挥更加重要的作用。

2 小结与展望

2.1 MRI技术在PSD研究中的价值与贡献

       本综述系统梳理了多模态MRI技术在PSD研究中的应用进展。相较于主要依赖症状量表的传统临床评估，MRI通过对脑结构、功能及微观改变的可视化，为理解PSD的神经机制提供了更加客观的影像学依据。

       在结构层面，sMRI及其衍生的定量形态学分析方法（如VBM、SBM）能够识别与情绪调控相关脑区的细微萎缩，且这些改变常与抑郁严重程度及认知功能损害相关。fMRI通过rs-fMRI揭示DMN、RN及CCN的FC异常，为PSD的“环路失调假说”提供了实证支持^[18]；dFC分析进一步刻画了网络状态在时间维度上的波动特征，拓展了对卒中后脑功能重组复杂性的认识^[30]。

       dMRI的不断发展显著提升了对白质微结构损伤的刻画能力，从传统DTI到NODDI、DKI及DSI、HARDI等高阶模型，其生物学特异性逐步增强。LU等^[46]研究显示，NODDI参数在区分PSD与non-PSD患者方面具有优于传统DTI的诊断效能，为临床早期识别高风险人群提供了更具针对性的影像学指标。此外，MRS作为目前唯一能够无创评估脑内神经递质及代谢物变化的技术，正成为探索PSD神经化学机制的重要手段^[62]。

2.2 不同MRI技术在PSD评估中的临床应用场景与选择策略

       在多模态MRI技术不断拓展PSD影像学表征维度的同时，如何在具体临床与研究场景中合理选择成像策略，仍缺乏清晰的实践指引。不同MRI技术在信息维度、时间成本及临床可行性方面各具特点，其应用价值应结合研究目的与患者特征加以权衡。

       sMRI具有扫描时间短、稳定性高及临床可及性强的优势，适用于PSD的初步评估与常规随访，尤其在GMV、皮层厚度等宏观结构改变的筛查中具有较高实用价值。fMRI能够揭示情绪调控与DMN等功能网络异常，但其对患者配合度和体动控制要求较高，在急性期卒中或认知、语言功能受损患者中的适用性相对受限。

       在白质微结构层面，DTI仍是临床研究中应用最为广泛的技术，能够在较短扫描时间内提供整体白质完整性信息，适合大样本或临床导向研究。相比之下，NODDI等高阶扩散模型可进一步区分轴突密度与纤维取向离散度等生物学信息，更有助于机制层面的深入解析，但其采集与处理成本较高，更适用于科研环境或特定高风险亚组的精细化分析。

       因此，在PSD的影像学研究与临床实践中，不同MRI技术并非相互替代，而应根据研究目的形成层级化、互补式的应用策略：以sMRI与常规fMRI作为基础评估工具，在需要深入探讨白质微结构损伤机制或进行精细分型时，再引入DTI或NODDI等高阶技术。这种“问题导向”的技术选择框架有助于避免技术冗余，提高多模态MRI在临床与科研中的应用效率。

2.3 多模态影像的跨尺度整合与机制推断

       尽管sMRI、fMRI、dMRI及MRS等多模态技术已从不同层面揭示了PSD的影像学异常特征，但现有研究多以单一模态或简单并列分析为主，不同尺度信息之间的内在关联仍有待系统整合。例如，GMV或皮层厚度的改变是否通过影响功能网络连接模式而参与抑郁症状的形成，白质微结构损伤在多大程度上介导了结构-功能耦合异常，以及神经递质代谢紊乱在上述过程中的作用路径，均尚缺乏直接证据。

       从病理生理角度看，PSD的发生可能涉及由宏观结构损伤、网络级功能重组，直至微观组织与代谢异常的多层级级联过程。然而，目前多数影像学研究仍停留在相关性层面，难以阐明不同模态指标之间的因果关系及其在症状形成中的相对贡献。未来研究可通过纵向设计、多模态联合建模及结构-功能-代谢耦合分析，进一步探索跨尺度影像表型之间的作用路径，从而推动对PSD神经机制的整体性理解。

2.4 临床适配性与转化壁垒的思考

       尽管多模态MRI在揭示卒中后脑功能—结构—微观组织学改变方面具有重要科研价值，但其在临床常规实践中的推广仍面临一定现实壁垒。首先，从检查流程角度看，高分辨率3D-T1、NODDI及DSI等序列通常需在常规卒中MRI检查基础上额外增加约10~30分钟扫描时间，而卒中患者常合并肢体活动障碍、意识水平波动或耐受性下降，较长的扫描过程易导致体动伪影增多，甚至检查中断，从而影响图像质量及数据可用性。其次，高阶扩散模型依赖多b值、多方向的数据采集，对扫描稳定性及设备性能要求较高，这在非科研型医院或高通量临床环境中较难长期、稳定实施。此外，在数据分析层面，上述模型的后处理流程相对复杂，通常需要依赖专用软件及一定的技术经验，这对以临床阅片为主的影像科医生而言构成较高的技术门槛，限制了其在常规影像工作流程中的快速普及。

       未来研究可从“临床适配性”角度进一步推动多模态磁共振技术的转化应用：一方面，通过序列优化与加速技术（如并行采集、多带成像、压缩感知或简化 NODDI 采样方案）在保证参数稳定性的前提下缩短扫描时间；另一方面，发展自动化、标准化的后处理工具，将复杂模型参数转化为直观、可解释的影像指标，以降低临床使用门槛，从而促进多模态磁共振技术由科研工具向临床辅助评估手段的逐步过渡。

2.5 当前面临的挑战与局限

       尽管MRI技术在PSD研究中展现出巨大潜力，但将这些科研成果转化为临床实践仍面临诸多挑战。这些障碍并非某一领域所独有，而是神经影像学研究向临床转化过程中普遍存在的系统性问题。

2.5.1 方法学异质性与标准化缺失

       多中心研究中，扫描设备的品牌、型号、场强及采集参数的差异会直接影响影像数据的质量与可比性^[71]。一项关于影像组学在卒中研究中应用的文献计量学分析指出，缺乏统一的数据采集与预处理规范是制约研究可重复性的关键因素^[72]。这种异质性不仅体现在硬件层面，也存在于数据处理流程中：是否实施全局信号回归、采用何种头动校正策略、选择哪种统计阈值，这些看似技术性的细节决策都可能对最终结果产生显著影响^[30]。

       在PSD研究中，这一问题尤为突出。不同研究采用的抑郁评估量表不同、评估时间点不一致（急性期、亚急性期、慢性期）、纳入标准存在差异（是否排除失语患者、是否限定病灶位置），这些因素共同构成了研究间比较的障碍。正如DAIDONE等^[73]在关于卒中机器学习应用的综述中所指出的，建立跨机构、跨地域的标准化影像采集方案与共享数据元素（common data elements, CDEs）已成为提升研究质量与可推广性的当务之急。

2.5.2 样本规模与数据共享困境

       神经影像学研究往往受限于相对较小的样本量。与基因组学、蛋白组学等能够快速积累大规模数据的领域不同，高质量的多模态影像数据获取成本高昂、耗时漫长。在PSD研究中，考虑到纳入排除标准的严格性（需同时满足卒中诊断与抑郁诊断、排除既往精神疾病史等），实际可用样本量往往更为有限。这种小样本困境在机器学习建模时表现得尤为明显，过拟合风险升高、模型泛化能力下降成为亟待解决的难题^[74]。

       数据共享机制的缺失进一步加剧了这一问题。尽管学术界普遍认识到数据共享的重要性，但在实践中，涉及隐私保护、知识产权归属、研究伦理审批等复杂问题，使得跨机构数据整合举步维艰。联邦学习等隐私保护型机器学习技术的兴起或许能为这一困境提供解决方案，它允许模型在不共享原始数据的前提下实现跨中心协同训练^[75]。

2.5.3 特殊患者人群的适用性局限

       现有多模态MRI研究多集中于能够较好配合检查的PSD患者，而对部分临床中占比较高的特殊人群关注不足。例如，高龄患者、合并糖尿病或高血压等代谢性疾病的患者，以及伴有失语或中重度认知障碍、难以完成指令性任务的患者，其影像学特征及抑郁相关脑机制仍缺乏系统研究。由于task-fMRI及rs-fMRI对患者配合度和体动控制要求较高，上述人群在现有研究中往往被排除在外，从而限制了研究结论在真实临床人群中的外推性。未来有必要针对上述特殊患者群体开展更具适应性的成像策略与研究设计，以弥补这一领域的研究空白。

       此外，部分潜在混杂因素亦需谨慎考量。PSD患者在临床管理过程中常接受抗抑郁药物治疗及系统性康复干预，同时个体社会支持水平亦可能对情绪状态及脑功能重塑产生影响。上述因素在现有影像学研究中往往难以完全统一或控制，可能对多模态MRI指标及其与抑郁症状之间的关联产生潜在影响。未来研究可通过纵向随访设计、药物使用状态的分层分析或将康复强度及社会心理因素纳入协变量模型，以更全面地评估PSD相关影像表型的稳定性与特异性。

2.6 总结与展望

       PSD的发生发展涉及脑结构损伤、功能网络重组及神经化学代谢异常等多层级神经机制。相较于传统以临床量表为主的评估方式，多模态MRI通过整合结构、功能及微结构信息，为揭示PSD的客观神经影像学基础提供了更加系统的研究框架。

       现有研究表明，不同MRI技术在PSD研究中具有互补优势：结构MRI有助于刻画病灶分布及远隔脑区的形态学改变，功能MRI从网络层面揭示情绪调控与奖赏加工环路的功能异常，dMRI及MRS技术则为理解白质微结构损伤及神经递质代谢变化提供了重要依据。这一多维证据体系推动了PSD研究由单一模态分析向多模态整合范式的转变。

       在多模态成像基础上，人工智能与数据驱动方法为复杂影像信息的深度挖掘提供了新的可能。近期研究提示，影像学特征可与基因表达模式及行为数据相结合，从而拓展对抑郁相关神经机制的跨尺度理解^{[76, 77]}，为构建更加精准的PSD风险评估模型提供方法学支持。

       尽管取得一定进展，当前研究仍面临样本规模有限、方法学异质性较大及临床适配性不足等问题。未来研究亟需通过多中心协作、标准化数据采集及纵向随访设计，提高研究结果的可重复性和临床转化价值。

       总体而言，多模态MRI及其与人工智能等新兴技术的融合，为深入理解PSD的神经生物学机制并实现精准管理提供了重要契机。随着相关研究的不断推进，影像学证据有望在改善卒中患者情绪结局及整体康复质量中发挥更加积极的作用。