分享:
分享到微信朋友圈
X
综述
颈动脉斑块内出血的影像学研究进展:从病理机制到临床应用
张美兰 李宏绘 杜海

Cite this article as ZHANG M L, LI H H, DU H. Advances in imaging studies of carotid plaque haemorrhage: From pathological mechanisms to clinical applications[J]. Chin J Magn Reson Imaging, 2026, 17(6): 205-214.本文引用格式:张美兰, 李宏绘, 杜海. 颈动脉斑块内出血的影像学研究进展:从病理机制到临床应用[J]. 磁共振成像, 2026, 17(6): 205-214. DOI:10.12015/issn.1674-8034.2026.06.026.


[摘要] 颈动脉斑块内出血(intraplaque hemorrhage, IPH)是易损动脉粥样硬化斑块的关键病理特征,与缺血性脑卒中风险密切相关。近年来,影像学技术的快速发展使无创评估IPH成为可能,但现有综述多聚焦于单一技术或斑块成分,对IPH与斑块微环境(如炎症、微钙化)相互作用的整合分析不足,且对双能CT(dual-energy computed tomography, DECT)、光子计数CT(photon-counting CT, PCCT)、超声弹性成像等新技术及人工智能的应用缺乏系统归纳。本文在系统检索国内外数据库的基础上,梳理IPH的病理生理机制,重点综述高分辨率磁共振血管壁成像(vessel wall magnetic resonance imaging, VW-MRI)、CT血管成像、超声、核医学融合成像及人工智能等影像技术在IPH检测与评估中的研究进展,分析各技术的优势与局限,总结当前存在的诊断标准不统一、技术局限性、多模态整合困难及临床转化不足等问题。本文旨在为颈动脉斑块易损性的精准评估及卒中风险分层提供参考,为后续研究和临床实践提供新思路。
[Abstract] Intraplaque hemorrhage (IPH) is a key pathological feature of vulnerable atherosclerotic plaques and is closely associated with the risk of ischemic stroke. In recent years, rapid advances in imaging techniques have made noninvasive assessment of IPH feasible. However, existing reviews have largely focused on single imaging modalities or individual plaque components, lacking an integrated analysis of the interactions between IPH and the plaque microenvironment (e.g., inflammation, microcalcification), as well as systematic summaries of emerging technologies such as dual-energy CT (DECT), photon-counting CT (PCCT), ultrasound elastography, and artificial intelligence. Based on a systematic search of domestic and international databases, this review first outlines the pathophysiological mechanisms of IPH, then focuses on the research progress of various imaging techniques, including vessel wall magnetic resonance imaging (VW-MRI), computed tomography angiography, ultrasound, nuclear medicine hybrid imaging, and artificial intelligence, in the detection and assessment of IPH. It analyzes the advantages and limitations of each technique, and summarizes current challenges including the lack of standardized diagnostic criteria, technical limitations, difficulties in multimodal integration, and insufficient clinical translation. This review aims to provide a reference for the precise assessment of carotid plaque vulnerability and stroke risk stratification, and to offer new insights for future research and clinical practice.
[关键词] 斑块内出血;磁共振成像;计算机断层扫描血管成像;超声成像;核医学融合成像;人工智能
[Keywords] intraplaque hemorrhage;magnetic resonance imaging;computed tomography angiography;ultrasound imaging;nuclear medicine fusion imaging;artificial intelligence

张美兰 1   李宏绘 2   杜海 1*  

1 鄂尔多斯市中心医院影像科,鄂尔多斯 017000

2 鄂尔多斯市中心医院超声科,鄂尔多斯 017000

通信作者:杜海,E-mail:nthaity@126.com

作者贡献声明:杜海设计本研究的方案,对稿件重要内容进行了修改;张美兰起草和撰写稿件,获取、分析并解释本研究的数据;李宏绘获取、分析本研究的数据,对稿件重要内容进行了修改;张美兰获得鄂尔多斯市卫生健康委员会医药卫生科技专项资助;杜海获得国家卫生健康委能力建设和继续教育中心(国家卫生健康委党校)2025年度慢病管理研究课题、鄂尔多斯市科技计划项目资助。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: 国家卫生健康委能力建设和继续教育中心(国家卫生健康委党校)2025年度慢病管理研究课题 GWJJMB202510021152 鄂尔多斯市卫生健康委员会医药卫生科技专项 WSKJ20250046 鄂尔多斯市科技计划项目 2019501
收稿日期:2026-01-12
接受日期:2026-05-22
中图分类号:R814.42  R817  R445.2  R543 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2026.06.026
本文引用格式:张美兰, 李宏绘, 杜海. 颈动脉斑块内出血的影像学研究进展:从病理机制到临床应用[J]. 磁共振成像, 2026, 17(6): 205-214. DOI:10.12015/issn.1674-8034.2026.06.026.

0 引言

       颈动脉粥样硬化为短暂性脑缺血发作(transient ischemic attack, TIA)和缺血性脑卒中的主要病因之一,并且与心血管死亡率存在关联[1]。在评估动脉粥样硬化时,管腔狭窄虽然能反映部分风险,但斑块本身的特征更具预警价值[2]。学界普遍认为,斑块内新生血管(intraplaque neovascularization, IPN)、斑块内出血(intraplaque hemorrhage, IPH)、炎症、坏死、高脂质含量和纤维帽变薄等特征与斑块破裂关联较为密切,这或许会导致血栓形成,进而使得同侧卒中的风险升高。其中IPH作为一项关键的易损斑块标志,可通过刺激动脉粥样硬化进程,使得血管壁和脂质坏死核心(lipid-rich necrotic core, LRNC)体积增大,最终加速管腔狭窄[3]。IPH在症状性颈动脉粥样硬化患者中的发生率为52%,而无症状者中为29%[4]。MRI研究进一步证实,IPH会增加有症状和无症状患者未来发生中风的风险。即使在管腔无明显狭窄的斑块中,IPH依然是引发症状的独立风险因素[5]

       伴随影像技术逐渐进步,非侵入性评估颈动脉斑块易损特征已逐渐成为可能,这对于卒中精准预防与临床决策制定具有重要的意义[6]。近年来,已有国内外综述围绕颈动脉斑块影像学评估进行了系统梳理,涵盖了磁共振成像在易损斑块评估中的常用技术与应用进展、钙化与斑块稳定性及支架术后并发症的关系,以及IPN的病理机制与检测方法等方面[7, 8, 9]。同时,最新发表的系统评价与Meta分析全面评估了CT、MRI及超声在检测颈动脉斑块各成分中的诊断准确性,为多模态影像技术的临床应用提供了重要的循证依据[10, 11]。然而,现有综述多侧重于单一影像技术的诊断效能或单一斑块成分的病理机制,对IPH这一关键病理特征与斑块微环境其他成分(如炎症、微钙化)之间相互作用的整合分析仍显不足;同时,对于双能CT(dual-energy computed tomography, DECT)、光子计数CT(photon-counting CT, PCCT)、超声弹性成像等新兴技术的应用潜力,以及人工智能与影像组学在IPH智能化评估中的最新进展,尚缺乏系统性归纳。

       因此,本文在梳理IPH病理机制的基础上,重点对多种影像学技术在IPH检测与评估中的研究进展进行综述,分析当前各技术存在的优势与局限,总结该领域面临的挑战,并提出未来的研究方向,以期为颈动脉斑块易损性的精准评估及卒中风险分层提供参考。

1 文献检索方案

       本文检索了中文数据库(中国知网、万方数据、维普)和英文数据库(PubMed、Web of Science、Europe PMC、Cochrane Library),检索时间范围为2015年1月至2026年5月,全面覆盖近十年间该领域的代表性研究成果,确保综述的时效性与前沿性。中文检索式(以中国知网为例):(SU=“颈动脉斑块内出血” OR SU=“易损斑块”)AND(SU=“磁共振成像” OR SU=“计算机断层扫描” OR SU=“超声成像” OR SU=“人工智能”)。英文检索式(以PubMed为例):(“carotid intraplaque hemorrhage” OR “vulnerable plaque”)AND(“magnetic resonance imaging” OR “computed tomography” OR “ultrasound” OR “artificial intelligence”)。

       文献纳入标准:(1)研究内容为颈动脉IPH的影像学评估;(2)研究类型包括原始研究、综述及Meta分析;(3)文献语言为中文或英文。排除标准:(1)会议摘要、病例报告;(2)无法获取全文的文献。共检索到相关文献149余篇,经筛选后纳入与主题密切相关的文献72篇。

2 IPH的病理生理机制

2.1 主导机制与分子细胞基础

       IPH通常由IPN的破裂引起。伴随斑块的进展,内部的缺氧环境促使新生血管从外膜的滋养血管向斑块内部生长,但这些新生血管管壁非常脆弱,在血流冲击等力学因素的作用下,新生血管很容易发生破裂或渗漏的情况,导致红细胞进入斑块间质形成IPH[12]。一旦出血发生,溢出的红细胞以及其中的成分会加速斑块的持续恶化与失稳。红细胞破裂后释放的血红蛋白和铁离子能够催化氧自由基的产生,由此便引发较为强烈的氧化应激反应,直接损伤血管壁并加重局部炎症。同时红细胞膜上游离的胆固醇被巨噬细胞吞噬后难以清除,促进了LRNC的扩大。渗出的白细胞和血小板还会释放促炎症与促血栓形成的物质,加剧局部的炎症反应和血栓风险[13]。这些相互关联的过程形成一个恶性循环,不断推动斑块的不稳定化(图1)。

       研究显示,IPH并不是一个被动出现的结果,它还是动脉粥样硬化进展的关键推动因素。其内容物能够激活斑块内特定的免疫细胞,进而诱发一系列炎症反应与细胞表型改变,直接导致纤维帽变薄,使得斑块的结构稳定性遭到破坏,从而加快斑块朝破裂发展的进程[12]

图1  IPH与斑块炎症微环境的相互作用机制图。IPH:斑块内出血。本图片使用BioRender绘制。
Fig. 1  Schematic diagram illustrating the mechanism of interaction between IPH and the inflammatory microenvironment of atherosclerotic plaques. IPH: intraplaque hemorrhage. Created in BioRender. Zhang, Z. (2026),https://BioRender.com/kqtyw72

2.2 IPH体积与临床缺血事件风险的相关性争议

       IPH的存在被视为高风险斑块的重要标志,但是其体积或占比能否为风险预测提供附加信息,目前研究结果尚不统一。多项研究探讨了IPH体积与卒中风险之间的关系。有学者认为IPH与脂质体积的比值与脑血管事件的风险呈正相关[14],但也有研究指出,仅仅根据IPH的体积无法进一步分层预测同侧的缺血事件,这意味着IPH的存在本身就可能标志着斑块的易损性[15]。近期一项针对症状性患者的研究支持这一观点,该研究发现IPH体积与短暂性黑矇、TIA或脑卒中等缺血事件的严重程度没有明显关联,且IPH体积的阈值对区分症状的轻重也没有确切诊断能力[16]。这些结果表明,IPH的存在可能比其体积更具临床意义。不过也有研究发现,当IPH体积占整个斑块体积的比例达到或超过10%时,斑块引发症状的概率会明显增加,经过其他风险因素的校正后,其比值比可达18.5,这意味着其风险是比例低于10%的斑块的18.5倍[17]。不同研究所得出的结果存在差异,或许与研究设计、研究人群和IPH测量方法不同有关,要明确IPH体积在临床风险分层中的确切价值,仍需更多的高质量前瞻性研究加以验证。

2.3 IPH与其他斑块成分的相互作用

       IPH并非孤立存在,其发生发展与其他斑块成分之间存在复杂的相互作用,共同影响斑块的稳定性与进展。

       (1)与钙化斑块之间的关系:斑块的钙化负荷与IPH的发生有关。一项前瞻性研究显示,新发出血与更大的钙化体积和更高的脉压有相关性,提示钙化负荷和血流动力学因素共同促使IPH的形成[18]。RUBIN等[19]进一步发现,钙化体积与密度影响IPH体积:小体积钙化中低密度钙化与较小IPH体积相关,大体积钙化中高密度钙化与更大IPH体积相关。近年研究进一步关注微钙化在IPH发生中的作用。微钙化(直径<50 μm或厚度<2 mm)是动脉粥样硬化钙化的早期形式,常伴随局部炎症反应,可增加纤维帽局部应力促进斑块破裂[20]。KASHIWAZAKI等[21]发现薄钙化(厚度<2 mm)与IPH显著相关(P<0.01),且薄钙化组斑块肩部巨噬细胞(CD68⁺)和新生血管(CD31⁺)显著增多,提示炎症与新生血管参与其中。BALMOS等[22]从组织证实微钙化与斑块溃疡、炎症细胞浸润显著相关。此外,RUBIN等[19]的研究从钙化密度角度揭示,低衰减钙化(<924 HU)与较大的IPH体积相关。因此,在评估钙化与IPH的关系时,区分微钙化/薄钙化与大钙化具有重要意义,前者多与斑块易损性相关,而后者可能反映斑块的稳定性修复过程。

       (2)与LRNC的关系:早期研究显示IPH常与LRNC并存且关系密切。HISHIKAWA等[23]在重度颈动脉狭窄患者中观察到,IPH评分越高坏死核心往往也越大,提示IPH可能直接推动了LRNC的扩张。IPH本身可能就是一种促进动脉粥样硬化的刺激因素,有助于LRNC的增长。

       (3)与纤维帽完整性的关系:纤维帽的完整性与IPH之间存在双向联系。一方面,IPH与薄/破裂纤维帽以及斑块表面破损显著相关。研究表明,无论在有症状还是无症状的对侧血管中,IPH都与MRI检测到的薄/破裂纤维帽,或CTA显示的表面溃疡存在明确关联[24]。近期的研究进一步提示,薄/破裂纤维帽以及斑块表面形态是预测IPH后续进展或消退的影像学标志[25]。另一方面,纤维帽被破坏的情况,特别是溃疡出现,与IPH的严重程度有关。DILBA等[26]发现,存在溃疡的斑块往往具有更大的血管壁体积、LRNC体积及IPH体积。这种结构破损在CTA上较易识别,对于预测IPH具有较高的敏感性和特异性,能够作为在临床实践中的一个实用替代标志[27]

       (4)与IPN的关系:IPN是IPH的病理前体,其形成与破裂直接导致IPH的发生[28]。IPN所引发的如炎症激活等微环境改变与IPH协同作用,加速斑块失稳[29]。评估IPN有助于前瞻性预测IPH及整体斑块风险。

3 IPH的影像学检测技术

       尽管组织学检查被认为是斑块成分分析的金标准,但临床上更依赖无创的影像学方法,超声、CT与MRI是常用的核心成像方式,它们各自具有不同的优势。超声和CT凭借其便捷性,已成为筛查颈动脉狭窄的首选[30];而MRI在精准分析斑块成分方面具有明确优势,尤其对纤维组织、IPH以及LRNC的识别效果与组织学结果相近[31]。此外,核医学融合成像、人工智能及影像组学等新兴技术的发展,也为IPH的功能评估与智能化分析提供了新的手段。

3.1 超声成像

       作为一线筛查工具,超声在便捷性和实时性上优于CT和MRI,但区分IPH与脂质核心的能力有限。常规二维超声可以有效评估斑块纤维帽的完整性,结合超声造影(contrast-enhanced ultrasound, CEUS)还可以提高对斑块溃疡诊断的准确性[32]。对于钙化较少的斑块,可通过内部回声将其分为低回声、等回声及高回声类型,其中低回声斑块通常被认为更具易损性。另外,靠近管腔的低回声区域可能提示IPH、LRNC或继发性血栓形成,但其特异性有限[33]。有对比研究显示,常规多普勒超声所显示的斑块不均匀性和表面不规则性与MRI检测出的IPH具有中度相关性,提示这两个特征可作为临床实践中快速筛查和识别高危斑块的实用影像标志,尤其适用于患者的初步风险分层以及随访[34]

       CEUS是常规超声的一个重要补充,能够较为清晰显示IPN并准确判断其存在,从而间接反映IPH风险。CAO等[35]对91例颈动脉内膜切除术患者的研究发现,CEUS在判断纤维帽完整性方面比二维超声更敏感,甚至可高精度检测微破裂。该技术利用对比剂中的微泡增强血液回声,实时、动态地观察IPN的分布与形态等情况,从而为评估斑块易损性提供功能学方面的信息。超微血流成像(superb micro-vascular imaging, SMI)作为一种无需对比剂的新技术,通过自适应算法将组织运动伪影分离,能更敏感地检测极低速血流(<1 cm/s),且与CEUS及组织学具有良好一致性,为无创、可重复地评估IPN密度和分布提供了新手段[36]

       剪切波弹性成像(shear wave elastography, SWE)可定量测量斑块硬度,为评估斑块易损性提供力学信息。WANG等[37]利用SWE联合CEUS对244个不同回声类型的颈动脉斑块进行研究,发现低回声斑块(常提示IPH或脂质核心)的杨氏模量显著低于等回声或高回声斑块(P<0.001),且与CEUS显示的新生血管分级呈负相关(P<0.001),提示弹性成像参数可间接反映IPH相关的斑块易损性。PITROS等[38]的系统综述与Meta分析进一步提供了证据,汇总24项研究后发现,易损斑块的杨氏模量显著低于稳定斑块,该综述引用的组织学研究证实,IPH与较低的YM值显著相关(P=0.043),为SWE评估IPH提供了直接的病理机制依据。上述研究表明,SWE可作为识别IPH相关高危斑块的有效补充手段。除直接观察斑块形态与IPN外,在血流动力学评估方面,壁剪切力(wall shear stress, WSS)的测量显示IPH区域的平均值高于非出血部位[39],提示局部力学环境可能参与IPH的发生。

       综合来看,超声在斑块筛查与随访中具有独特便捷性,CEUS、SMI及SWE等技术可从新生血管、硬度、血流动力学等方面间接推断IPH。但须承认,常规超声及多数新技术无法直接区分IPH与脂质核心,主要依赖低回声、表面不规则、弹性模量降低等间接征象,缺少直接组织对比基础。CEUS依赖对比剂、具操作者依赖性,SMI穿透深度有限。SWE测得的杨氏模量在不同研究中阈值差异大,且易受钙化与操作手法影响。WSS的超声测量精度远低于磁共振血流成像,且缺乏纵向数据支持其预测价值。未来研究应着力于开展多中心前瞻性队列研究,统一各超声技术的成像与后处理参数,验证其与MRI或组织学定义IPH的定量对应关系及诊断阈值;探索多参数超声影像组学或深度学习模型,构建易损斑块综合评分系统;并通过长期随访明确SWE和WSS对IPH发生及卒中事件的独立预测价值;同时建立超声与MRI的靶向对照方案,筛选可作为IPH可靠替代标志的超声征象组合。

3.2 CT与CTA成像

       CT及CTA因其扫描速度快且普及度高,已成为评估颈动脉狭窄的首选无创方法[6]。除了评估管腔狭窄程度,其对斑块成分的鉴别能力也受到了关注。近期一项系统性综述分析了CT的诊断效果,结果显示其在检测斑块溃疡的敏感度平均为79.6%,特异度平均为93.6%,在识别钙化方面表现稳定。对于IPH,CT的汇总敏感度为86%(95% CI:67%~95%),但特异度相对较低,为67.8%(95% CI:46%~98%),这主要源于IPH与LRNC在CT值上的显著重叠(两者通常均表现为<60 HU的低衰减区域),导致难以可靠区分[11]。尽管存在这一局限,CT仍在高危斑块特征筛查中具有重要价值,特别是对于钙化和溃疡的识别。CHEN等[40]基于CTA-MRI-组织学三方对照研究发现,“rim sign”(边缘薄钙化+内部软斑块厚度≥2 mm)与IPH显著相关(OR=23.43),诊断IPH的AUC达0.85(敏感度85.9%,特异度84.1%)。该标志物识别简便,不依赖额外后处理,可作为MRI禁忌患者中筛查IPH相关高危斑块的实用CTA征象。

       然而,依据常规CT的CT值(HU)特异性识别IPH仍存在较大争议和局限,主要问题在于不同软斑块成分的衰减值存在重叠,尤其是IPH与LRNC之间难以可靠区分。目前争论的焦点集中在IPH的HU阈值设定上。尽管某些研究提出,增强后的图像中25 HU可作为IPH的鉴别阈值[41],但是多项独立研究未能重复这一结果,发现IPH的CT值通常较高,例如在52~58 HU之间,并且与LRNC的CT值范围存在较为明显的重叠[42]。该阈值来源于单一研究,容易受到扫描参数和容积效应等因素的干扰,因此,其作为IPH特异性诊断指标的可靠性仍存疑[43]。当下研究者大多认为,较低的HU值(如<25 HU)可能提示存在包含IPH或LRNC的高危软斑块等情况,而不是特定指示IPH的表现。这一局限凸显了传统CT在区分非钙化斑块成分方面的固有不足,也推动了DECT等新技术的发展。

       为了克服传统CT在成分鉴别中的限制,DECT提供了新的方向。钙化斑块在CT成像中易产生束硬化伪影,可能遮盖邻近软斑块成分,影响对斑块特征和表面形态的准确判断。通过后处理算法,这些伪影能够部分抑制,而DECT通过其物质分离的特性,减轻了钙化伪影的影响,使得斑块的内部结构能够更清晰地呈现[31]。更关键的是DECT所具备的物质分离能力相较于传统的HU分析而言更为强大。AIZAZ等[44]最新研究基于DECT衍生的有效电子密度(effective electron density, ρeff)与有效原子序数(effective atomic number, Zeff),首次提出可区分IPH、LRNC、纤维组织及钙化的定量参数范围。验证显示,基于ρeff-Zeff的定量指标与MRI结果一致性良好,在所有斑块成分的辨识上明显优于传统的HU方法。尽管目前DECT对IPH的检测能力不及MRI,但它使得CT能够从“不可见”到“可见”这一转变,展示出广阔的临床应用潜力。

       近年来,PCCT在IPH的无创检测方面展现出突破性潜力。与传统CT相比,PCCT采用半导体探测器直接将X射线光子转换为电信号,具有更高的空间分辨率(可达0.2 mm)、多能量成像能力及辐射剂量降低等优势,为区分不同斑块成分提供了可能。SHAMI等[45]通过离体研究首次证实,PCCT可区分IPH与纤维帽(P=0.017)、IPH与脂质(P=0.003)以及血栓与纤维化(P=0.048),为PCCT检测IPH提供了技术基础。在此基础上,该团队的首个体内验证研究取得了里程碑式突破:在10例症状性颈动脉狭窄患者的活体扫描中,PCCT能够清晰区分钙化、IPH、血栓、纤维化、坏死和脂质核心的衰减及能谱模式,与术后组织病理学高度一致。这是首个在临床常规采集设置下证明PCCT可无创检测IPH的研究[46]。欧洲心脏病学会官方评论指出,这一发现标志着PCCT从离体验证走向临床应用的里程碑,通过无创识别IPH这一与斑块破裂风险最相关的易损特征[47]。PCCT有望超越管腔狭窄评估,改进卒中风险分层,识别最高风险患者。

       整体而言,CT及CTA的价值仍主要体现在管腔狭窄评估与钙化识别上,DECT和PCCT的兴起虽然使CT具备了探测IPH的初步能力,但现有证据尚不足以支撑其临床推广。传统CT无法可靠区分IPH与LRNC,不同研究提出的HU阈值相互矛盾,均未在独立外部队列中得到验证。DECT通过ρeff与Zeff实现了物质分离,对IPH的检测能力优于常规CT,但敏感度仍不及MRI,且相关研究样本量偏小、缺少多中心重复。PCCT的离体与在体初步结果令人鼓舞,然而目前仅有一项单中心10例患者的报道,且设备成本高昂,扫描与后处理尚无统一规范。后续研究需依托多中心前瞻性设计,统一DECT和PCCT的采集参数与后处理流程,明确各自鉴别IPH的最佳阈值及可重复性;有必要开展CT与MRI的头对头比较,以明确不同技术手段在斑块风险分层中的增量价值;此外,结合人工智能辅助的自动能谱分析与斑块分割,有望降低人为判读偏倚;最终,需通过纵向随访研究证实PCCT识别的IPH能否独立预测缺血性卒中事件,从而推动CT从单纯的狭窄评估迈向真正的易损斑块精准诊断。

3.3 高分辨率磁共振血管壁成像

       高分辨率磁共振血管壁成像(vessel wall magnetic resonance imaging, VW-MRI)凭借其无辐射、高软组织分辨率的优势,成为了检测和定量分析IPH的首选影像工具。LIU等[48]以组织学为金标准,对3D可变翻转角快速自旋回波(variable flip angle turbo spin echo, VFA-TSE)多对比VW-MRI进行了验证。该序列在3.0 T设备上采用可变翻转角设计(T1序列重聚焦角范围50°~160°),配合脂肪抑制和压缩感知加速(加速因子=5),在0.5×0.5×0.5 mm3各向同性分辨率下将T1序列扫描时间控制在约7 min,结果显示,该方案在识别IPH与组织学的吻合度达89%,两者在定量测量IPH面积上呈强相关性(r=0.80,P<0.001),相较于传统2D VWI层厚2 mm的层面内分辨率限制,3D各向同性高分辨率可更完整地捕捉微小IPH灶,同时压缩感知技术使高分辨率扫描的临床可操作性显著提升。IPH的成像机制与血红蛋白降解产物的顺磁性有关,在如T1WI序列中可呈现特征性高信号,并且会随时间呈规律性演变[33]。典型表现为:出血约1周内,T1WI呈高信号,T2WI呈等或低信号;出血1~6周,T1和T2WI均呈高信号;6周后可能均转为低信号。理解这一演变过程对准确识别IPH、判断其新旧程度及与其他成分鉴别具有关键价值。

       为了进一步提升IPH的检测,研究者已研发并临床推广应用了多个MRI序列。梯度回波类T1序列,例如MP-RAGE、同步非对比血管造影与斑块内出血成像(simultaneous non-contrast angiography and intraplaque hemorrhage, SNAP)等,在检测IPH方面优于传统自旋回波序列,且定量相关性较高[48]。其中,临床常见的MP-RAGE序列通过非选择性反转恢复脉冲抑制血流信号,但其效果易受反转时间和扫描中心位置的影响,可能会干扰管腔边界的显示和对IPH的判读。近期研究通过布洛赫方程模拟优化其反转时间与翻转角,在3 T设备中验证显示,血液-肌肉对比度从0.42提升至0.61,管腔-血管壁及管腔-IPH的对比噪声比也明显提高,血管壁清晰度和IPH显著性均有明显改善;此外,将扫描中心向心脏侧偏移50 mm并结合宽频反转脉冲,可进一步减少非反转血液进入成像区域所致的伪影,提高IPH诊断的准确性[49]。TOF-MRA的最大密度投影图像可以间接评估IPH,虽然其敏感性较低,但特异性较高,且敏感性随IPH体积增大及狭窄程度加重而显著提升[50]。该序列扫描快、重建简便,适用于中度至重度狭窄患者的初步筛查,但在低度狭窄患者中敏感性有限,需结合其他序列综合评估。

       基于VW-MRI的标准化管壁指数(normalized wall index, NWI)已被证实是评估斑块负荷的有效指标,其计算公式为NWI=(血管壁面积/血管总面积)×100%[51]。NWI的精确测量依赖于VW-MRI序列提供的清晰管壁边界。当前研究多采用3.0 T MR系统,以3D可变翻转角快速自旋回波序列进行颅内或颈动脉血管壁成像,典型参数为TR为900 ms,TE为15 ms,各向同性分辨率0.53~0.55 mm3,扫描时间约8 min;该序列通过脑脊液信号抑制优化了血管壁-脑脊液界面的对比度,为NWI的准确勾画提供了技术保障。中国动脉粥样硬化风险评估第二期研究作为一项多中心研究,纳入1000余例缺血性脑血管事件患者,发现NWI>0.56与LRNC、IPH及纤维帽破裂相关,提示高NWI是识别高危斑块的重要影像标志物[52]。SNAP是一种基于快速场回波采集的新兴技术,采用相位敏感反转恢复重建技术,优化了反转时间参数,单次扫描即可同步生成质子密度加权参考图像、校正黑血真实图像及MRA图像,实现斑块成分与管腔形态的综合评估。组织学验证发现,SNAP检测IPH的敏感度为85%、特异度为90%,与组织学的一致性(K=0.725)优于传统MP-RAGE序列(K=0.520),尤其对小体积IPH的检测更具优势,可更有效地捕捉正铁血红蛋白的短T1效应,减少了管腔血流伪影导致的假阳性;而MP-RAGE在钙化周围和陈旧性IPH区域易出现假阴性[53]。王康等[54]通过33例颈动脉内膜剥脱术患者的病理对照研究,亦证实了SNAP序列诊断IPH的可靠性(敏感度94%、特异度85%,Kappa=0.812),两者结果相互印证。此外,SNAP图像空间配准准确,提供了高精度自动化斑块分割算法的开发基础。近期研究还表明,SNAP序列与血流动力学分析的结合应用,可为评估斑块易损性提供更为全面且个体化的信息。LEE等[55]将SNAP序列与WSS相结合,发现IPH区域的WSS显著高于非IPH区域(2.32 Pa vs. 1.21 Pa,P=0.005),且较小的分叉角(α)与IPH发生相关。这种多模态融合策略不仅可识别IPH的存在,还能揭示局部血流动力学环境对斑块稳定性的影响,为卒中风险分层提供新的维度。

       近年来,将多维度信息标准化、系统化应用于临床已成为趋势。新提出的颈动脉斑块报告与数据系统(Plaque-RADS)及其高分辨率版本HRMRI-Plaque-RADS,旨在超越管腔狭窄,实现对斑块风险的直观、标准化分层。该系统基于斑块形态及成分特征,将颈动脉斑块分为1~4级:1级为正常血管壁;2级为最大管壁厚度<3 mm;3级为最大管壁厚度≥3 mm,并依据纤维帽状态及有无溃疡进一步分为3a(厚纤维帽)、3b(薄纤维帽)、3c(愈合溃疡);4级为复杂斑块,依据有无IPH、纤维帽破裂及腔内血栓分为4a、4b、4c[56]。研究表明,在急性脑梗死患者中,责任侧高风险Plaque-RADS分级占比高于对侧,体现了IPH在卒中风险评估中的核心作用。LIU等[57]采用VW-MRI对98例急性脑梗死患者进行分析,发现高风险斑块(3级和4级)在责任侧的分布比例显著高于对侧(79.6% vs. 52.0%),且与梗死侧独立相关。进一步分析显示,斑块强化作为辅助标志物可增强风险分层效能,强化型高风险斑块与梗死侧的关联同样显著。这些进展表明,VW-MRI不仅能够精确表征IPH,还能够通过整合形态学和强化特征,为斑块风险提供更加系统和客观的影像学评估,为其临床应用开辟了更广阔的前景。

       综上所述,VW-MRI在IPH无创检测与斑块风险分层中价值显著,尤其是SNAP序列和Plaque-RADS分级系统为临床提供了实用工具。此外,超高场强7 T MRI的初步研究显示,扩散张量成像(diffusion tensor imaging, DTI)测得的表观扩散系数(apparent diffusion coefficient, ADC)低信号体积与症状显著相关(AUC=0.76),T1-MTWS序列可特异性显示脂质信号,为IPH相关炎症及脂质核心的无创评估提供了新的探索方向[58]。但必须承认,该领域仍存在若干尚待解决的问题。不同MRI序列(如MP-RAGE与SNAP)对IPH的诊断标准与参数尚未统一,结果可比性差。尽管SNAP与组织学的一致性已被初步验证,但现有验证多为单中心小样本,缺乏多中心前瞻性研究对IPH定量阈值及卒中风险的直接验证。此外,血流动力学指标(如WSS)的计算可重复性有限,临床推广受限。未来的研究应着力于开展统一序列与标准的多中心前瞻性研究,验证SNAP及Plaque-RADS对卒中风险的独立预测价值;同时,开发基于深度学习的自动化定量算法,减少人为偏倚;并尝试整合多参数影像与影像组学,构建个体化的易损斑块预测模型。最后,颈动脉IPH与颅内远端血流动力学损害之间的因果关联值得深入探索,这有望为卒中风险分层提供新的切入点。

3.4 核医学与融合成像

       与上述形态学成像不同,核医学通过融合检查技术将解剖结构与功能代谢信息整合,可评估IPH相关的炎症、新生血管及纤维帽破坏等生物学过程。

       正电子发射断层显像-磁共振成像(positron emission tomography-magnetic resonance imaging, PET-MRI)是融合成像的代表技术之一,它同时具备PET对分子代谢的高灵敏度与MRI优异的软组织对比度,可在一次检查中无创地评估斑块代谢活性,并精细显示其结构。例如,IPH常与斑块溃疡、纤维帽变薄或破裂等高危特征相关。FU等[59]利用靶向成纤维细胞活化蛋白的探针68Ga-FAPI-04进行PET-MRI研究,发现FAPI摄取与DSA检出的溃疡斑块独立相关,且在老年或有脑血管事件病史的患者中摄取更高。这一结果提示,PET-MRI所显示的如溃疡周围的炎症或修复活跃区的代谢活跃区域可能与IPH共存,或构成了IPH进展的高风险微环境,从而为间接评估IPH提供了功能影像学依据。

       与正电子发射断层显像-计算机断层扫描(positron emission tomography-computed tomography, PET-CT)相比,PET-MRI避免了电离辐射,并且能更清晰地显示血管壁的结构,帮助区分钙化伪影,适用于在复杂斑块中精确定位代谢异常区域。目前,针对IPH或血红蛋白降解、铁沉积或局部缺氧等相关过程的特异性分子探针仍在探索中,不过现在有的探针,例如反映炎症的18F-FDG,反映纤维活化的68Ga-FAPI,能够通过评估斑块的炎症活性以及修复状态,间接地指出IPH的风险[60]。多探针PET-MRI与人工智能辅助影像组学分析技术在不断发展,融合成像有望在IPH的检测、风险评估及治疗监测中发挥更大作用,从而推动颈动脉斑块评估从单纯的形态描述向机制驱动的个体化预测方向发展[61]。尽管如此,该技术仍面临扫描时间较长、成本较高以及临床应用尚不普及等问题。

       此外,光声成像作为一种新兴的分子检查技术,为颈动脉斑块易损性评估提供了新思路。该技术对血红蛋白的光谱特性较为敏感,可实现IPH的无创在体检测。RISKSEN等[62]的离体研究表明,在近红外波段,IPH区域的光声信号与血红蛋白光谱特征高度一致,且与组织学结果相符,为IPH的特异性识别提供了实验支持。KARLAS团队[63]进一步通过活体实验成功显示颈动脉斑块内血红蛋白分布,首次验证了这一技术在活体检测IPH中的可行性。伴随在成像深度以及运动伪影校正等方面不断进行改进,光声成像逐渐有希望成为在体内识别IPH,评估卒中风险的重要工具。

       整体而言,PET-MRI和光声成像能从炎症、新生血管等角度间接评估IPH相关风险,但局限性同样突出。目前缺乏特异性靶向IPH核心成分(如血红蛋白降解产物)的分子探针,研究多依赖18F-FDG等非特异性示踪剂,推断IPH的证据等级有限。PET-MRI扫描时间长、成本高、可及性差,光声成像则受限于成像深度(<3 cm)和运动伪影。未来需开发IPH特异性探针,开展多中心PET-MRI研究以统一参数并建立预后标准,同时改进光声成像硬件与校正算法,并通过纵向随访验证这些功能指标对卒中事件的独立预测价值。

3.5 人工智能的赋能作用

       人工智能通过挖掘多模态影像中的深层次特征,已经成为提升IPH识别与风险评估的重要工具,越来越多的科研人员聚焦于此。基于深度学习的方法能够自动、客观地识别IPH等细微斑块特征,在区分稳定斑块与含IPH的不稳定斑块方面展现出优异性能,一项系统性综述得出其汇总敏感度可达91%,特异度达84%、AUC为0.94[64]。VACCA等[65]的Meta分析(纳入18项研究)表明,基于CT或MRI的影像组学模型识别责任斑块的汇总AUC为0.85,当联合临床特征后AUC可提升至0.89,提示多模态融合的增益价值。

       基于CTA的可解释的机器学习模型已能利用IPH的体积和占比等特征有效区分症状性斑块。PISU等[17]构建的可解释梯度提升模型在测试集中AUC达0.89,显著优于仅凭狭窄程度(AUC 0.51)或IPH存在(AUC 0.69)的传统模型,并发现IPH/脂质体积比≥50%及IPH体积占比≥10%是症状性斑块的独立预测因子。此外,基于“虚拟病理学”框架的研究,以组织病理学为金标准,首次实现了在CTA上对IPH、脂质核心的自动量化及纤维帽厚度的测量[66]。同时,不同CT重建算法对影像组学特征稳定性的潜在影响,WANG等[67]研究发现,不同重建算法(自适应统计迭代重建、深度学习重建)及重建强度显著影响颈动脉斑块影像组学特征的稳定性,其中纹理特征相对稳健,而一阶特征波动较大。这一发现促使研究者更加关注算法的标准化与模型鲁棒性,以推动影像组学模型的临床转化。

       在基于MRI方面,人工智能模型已能够直接从SNAP等序列中自动完成血管壁与斑块分割,然而,SNAP直接训练分割模型面临标签噪声问题——因SNAP为较新序列,训练用的金标准分割需从传统多对比MRI配准而来,易产生边界错位。ZHANG等[68]提出了一种结合对抗训练与伪标签校正的学生-均值教师框架,有效利用了错位标注数据,在SNAP图像上实现了颈动脉管壁的可靠分割,管壁、管腔及外壁的Dice相似系数分别达73.51%、90.76%及90.10%,为后续一体化分析奠定基础。对于超声检查,通过整合常规超声与CEUS提供的多维度特征,人工智能模型可以有效预测IPH的存在。GAO等[69]以HRMR-VWI为金标准,前瞻性纳入70个颈动脉斑块,发现斑块溃疡、近管腔黑区及NWI是IPH的独立预测因子(OR分别为7.43、4.90和2.55)。基于上述超声特征构建的联合预测模型AUC达0.86(95% CI:0.77~0.95),敏感度81.82%、特异度78.38%,显著优于单一指标。该研究证实,结合超声多模态特征的人工智能模型可有效提高IPH的无创识别能力,从而增强了这项便捷技术在心血管风险分层中的应用价值。

       虽然人工智能在使IPH评估更趋自动化且更为客观方面已取得一定进展,但该领域依然面临模型可解释性不足、多中心数据缺乏标准化及临床转化验证困难等挑战。未来如果更深入地将多模态信息进行整合,人工智能或许能够促使颈动脉斑块评估朝智能化以及个体化的方向进行发展。

3.6 多模态影像技术比较

       无创精准评估IPH依赖于多模态影像技术,各检查技术在IPH评估中的优点与局限性总结见表1,不同影像学技术检测颈动脉IPH的诊断效能见表2,需注意,FENG等[64]的Meta分析针对的是不稳定斑块(含IPH、LRNC、薄/破裂纤维帽),而非单独 IPH,故表中人工智能诊断效能数据仅供参考。

表1  各检查技术优缺点对比
Tab. 1  A comparison of the advantages and disadvantages of imaging technologies
表2  不同影像学技术检测颈动脉IPH的诊断效能汇总
Tab. 2  Summary of diagnostic performance of different imaging modalities for detecting carotid IPH

4 小结与展望

4.1 小结

       颈动脉IPH作为动脉粥样硬化斑块的关键病理标志,显著增加缺血性卒中的风险,对卒中预防和临床治疗决策具有重要意义。IPH通常源于IPN破裂,并与LRNC、纤维帽破坏及钙化等成分相互作用,进而共同致使斑块趋于不稳定。

       VW-MRI因其优异的软组织对比度,已被多部国际权威共识推荐为无创检测IPH的首选成像工具[33, 71, 72]。CT与CTA因扫描速度快且临床普及,成为高危斑块筛查和成分鉴别的重要工具。超声作为一种一线检查手段,结合CEUS等新技术,可以有效识别IPH相关特征并评估局部血流环境。核医学融合成像和人工智能技术的快速发展正在推动IPH评估从形态学描述向功能代谢分析与智能化处理的新阶段。

4.2 当前存在的问题与瓶颈

       尽管影像技术在IPH评估方面取得了显著进展,但仍面临以下挑战:

       (1)诊断标准不统一:不同影像学技术对IPH的判定标准尚未形成共识,各研究采用的序列参数、阈值设定及定量方法存在较大差异,导致研究结果难以横向比较。(2)技术局限性:传统CT难以准确区分IPH与LRNC,即便如DECT等先进技术,在IPH量化准确性方面仍不及MRI;MRI扫描时间长且对设备要求高,超声对深部斑块的成像质量受限,核医学成像则面临辐射暴露及成本问题。(3)多模态整合困难:不同影像技术各有优势,但如何将形态学、功能学及力学信息有效整合,建立标准化的多模态评估体系,仍是当前研究的难点。例如,近年来出现的黑血CT虽在管壁成像中表现出与MRI较好的一致性,但其在IPH检测方面的能力尚需进一步明确;超声与MRI或计算流体动力学的融合,有望为WSS等关键参数提供更可靠的测量方法,但目前仍处于探索阶段。(4)临床转化不足:多数研究仍局限于单中心、小样本的探索性分析,缺乏前瞻性、多中心的验证研究;影像学发现的IPH与临床事件的关联性尚需更大规模的前瞻性队列研究证实。

4.3 未来发展方向

       针对上述问题,未来研究可从以下几个方向突破。多模态影像融合与标准化评估体系的建立是首要任务。高危人群可先行CT或超声筛查,可疑斑块再行MRI或PET-MRI精准评估;也可将DECT的普及性与MRI的高分辨率相结合,构建个体化风险预测模型。同时,统一IPH的影像诊断标准、量化参数及报告规范(如Plaque-RADS分级系统),有助于提高不同研究间的可比性,促进临床推广应用。人工智能的深化应用有望实现从“识别高危斑块”向“预警高危事件”的转变。通过深度学习和影像组学技术自动提取多模态影像中的IPH相关特征,构建智能化的斑块风险预测模型。此外,开展大样本、多中心的前瞻性队列研究,验证影像学IPH标志物对卒中事件的独立预测价值,是推动其走向临床决策的关键。

       总体来看,该领域仍需从技术优化、多模态整合、新技术开发和临床转化等多方面继续推进,以促进IPH评估向标准化、精准化和个体化发展,为卒中的一级与二级预防提供更有效的影像学支持。

[1]
CHAN J S K, SHAFI A M A, GRAFTON-CLARKE C, et al. Concomitant severe carotid and coronary artery diseases: a separate management or concomitant approach[J]. J Card Surg, 2019, 34(9): 803-813. DOI: 10.1111/jocs.14145.
[2]
HACKAM D G. Optimal medical management of asymptomatic carotid stenosis[J]. Stroke, 2021, 52(6): 2191-2198. DOI: 10.1161/strokeaha.120.033994.
[3]
ZHAO X Q, SUN J, HIPPE D S, et al. Magnetic resonance imaging of intraplaque hemorrhage and plaque lipid content with continued lipid-lowering therapy: results of a magnetic resonance imaging substudy in AIM-HIGH[J/OL]. Circ Cardiovasc Imaging, 2022, 15(11): e014229 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/36378778/. DOI: 10.1161/CIRCIMAGING.122.014229.
[4]
SCHINDLER A, SCHINNER R, ALTAF N, et al. Prediction of stroke risk by detection of hemorrhage in carotid plaques meta-analysis of individual patient data[J]. JACC Cardiovasc Imaging, 2020, 13(2): 395-406. DOI: 10.1016/j.jcmg.2019.03.028.
[5]
LARSON A S, BRINJIKJI W, SAVASTANO L, et al. Carotid intraplaque hemorrhage and stenosis: At what stage of plaque progression does intraplaque hemorrhage occur, and when is it most likely to be associated with symptoms [J]. AJNR Am JNeuroradiol, 2021, 42(7): 1285-1290. DOI: 10.3174/ajnr.a7133.
[6]
SABA L, LOEWE C, WEIKERT T, et al. State-of-the-art CT and MR imaging and assessment of atherosclerotic carotid artery disease: the reporting-a consensus document by the European Society of Cardiovascular Radiology (ESCR)[J]. Eur Radiol, 2023, 33(2): 1088-1101. DOI: 10.1007/s00330-022-09025-6.
[7]
李亭亭, 刘晓璐, 朱海英. 斑块内新生血管在颈动脉粥样硬化中的作用研究进展[J]. 中国脑血管病杂志, 2025, 22(5): 335-342. DOI: 10.3969/j.issn.1672-5921.2025.05.007.
LI T T, LIU X L, ZHU H Y. Advances research on the role of intraplaque neovascularization in carotid atherosclerosis[J]. Chin J Cerebrovasc Dis, 2025, 22(5): 335-342. DOI: 10.3969/j.issn.1672-5921.2025.05.007.
[8]
周婷婷, 康立清, 宋彦澄. 颈动脉易损斑块的MRI研究进展[J]. 磁共振成像, 2024, 15(9): 167-171, 188. DOI: 10.12015/issn.1674-8034.2024.09.029.
ZHOU T T, KANG L Q, SONG Y C. Study progress of MRI on vulnerable plaques in carotid arteries[J]. Chin J Magn Reson Imaging, 2024, 15(9): 167-171, 188. DOI: 10.12015/issn.1674-8034.2024.09.029.
[9]
孙雨蒙, 杨萌, 胥海洋, 等. 颈动脉钙化斑块影像的研究进展[J]. 磁共振成像, 2023, 14(1): 172-177. DOI: 10.12015/issn.1674-8034.2023.01.032.
SUN Y M, YANG M, XU H Y, et al. Research progress in imaging of carotid calcified plaque[J]. Chin J Magn Reson Imaging, 2023, 14(1): 172-177. DOI: 10.12015/issn.1674-8034.2023.01.032.
[10]
PAKIZER D, TAFFÉ P, KOZEL J, et al. Non-invasive imaging of individual histological carotid plaque characteristics: a diagnostic accuracy meta-analysis[J/OL]. Atherosclerosis, 2025, 408: 120391 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/40494750/. DOI: 10.1016/j.atherosclerosis.2025.120391.
[11]
PAKIZER D, KOZEL J, ELMERS J, et al. Carotid plaque characteristics by computed Tomography: a diagnostic accuracy systematic review[J/OL]. Int J Cardiol Heart Vasc, 2025, 58: 101656 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/40213415/. DOI: 10.1016/j.ijcha.2025.101656.
[12]
PARMA L, DUCHENE J, WEBER C. Breaking point: how intraplaque hemorrhage propels plaque rupture[J]. Circ Res, 2024, 135(2): 317-319. DOI: 10.1161/CIRCRESAHA.124.324795.
[13]
MICHEL J B, MARTIN-VENTURA J L, NICOLETTI A, et al. Pathology of human plaque vulnerability: mechanisms and consequences of intraplaque haemorrhages[J]. Atherosclerosis, 2014, 234(2): 311-319. DOI: 10.1016/j.atherosclerosis.2014.03.020.
[14]
SABA L, MICHELETTI G, BRINJIKJI W, et al. Carotid intraplaque-hemorrhage volume and its association with cerebrovascular events[J/OL]. AJNR Am JNeuroradiol, 2019 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/31558503/. DOI: 10.3174/ajnr.a6189.
[15]
NIES K P H, AIZAZ M, VAN DAM-NOLEN D H K, et al. Signal intensity and volume of carotid intraplaque hemorrhage on magnetic resonance imaging and the risk of ipsilateral cerebrovascular events: The Plaque At RISK (PARISK) study[J/OL]. J Cardiovasc Magn Reson, 2024, 26(2): 101049 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/38878969/. DOI: 10.1016/j.jocmr.2024.101049.
[16]
FAGHANI S, MOASSEFI M, ALBACH E, et al. Intraplaque hemorrhage volume and ischemic stroke risk[J]. AJNR Am J Neuroradiol, 2025, 46(11): 2215-2220. DOI: 10.3174/ajnr.A8889.
[17]
PISU F, WILLIAMSON B J, NARDI V, et al. Machine learning detects symptomatic plaques in patients with carotid atherosclerosis on CT angiography[J/OL]. Circ Cardiovasc Imaging, 2024, 17(6): e016274 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/38889214/. DOI: 10.1161/CIRCIMAGING.123.016274.
[18]
CANTON G, BAYLAM GELERI D, HIPPE D S, et al. Pathophysiology of carotid atherosclerosis: Calcification, intraplaque haemorrhage and pulse pressure as key players[J/OL]. Eur J Radiol, 2024, 178: 111647 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/39068857/. DOI: 10.1016/j.ejrad.2024.111647.
[19]
RUBIN J, CAO Q, YU S K, et al. Association of carotid plaque calcification attenuation with intraplaque hemorrhage volume: 3D-segmentation analysis[J/OL]. J Neuroimaging, 2025, 35(4): e70071 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/40658028/. DOI: 10.1111/jon.70071.
[20]
SABA, NARDI V, CAU R, et al. Carotid artery plaque calcifications: lessons from histopathology to diagnostic imaging[J]. Stroke, 2022, 53(1): 290-297. DOI: 10.1161/STROKEAHA.121.035692.
[21]
KASHIWAZAKI D, YAMAMOTO S, HORI E, et al. Thin calcification (< 2 mm) can highly predict intraplaque hemorrhage in carotid plaque: the clinical significance of calcification types[J]. Acta Neurochir, 2022, 164(6): 1635-1643. DOI: 10.1007/s00701-022-05205-x.
[22]
BALMOS I A, HORVÁTH E, BRINZANIUC K, et al. Inflammation, microcalcification, and increased expression of osteopontin are histological hallmarks of plaque vulnerability in patients with advanced carotid artery stenosis[J/OL]. Biomedicines, 2023, 11(3): 881 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/36979863/. DOI: 10.3390/biomedicines11030881.
[23]
HISHIKAWA T, IIHARA K, YAMADA N, et al. Assessment of necrotic core with intraplaque hemorrhage in atherosclerotic carotid artery plaque by MR imaging with 3D gradient-echo sequence in patients with high-grade stenosis. Clinical article[J]. J Neurosurg, 2010, 113(4): 890-896. DOI: 10.3171/2010.3.JNS091057.
[24]
DAEMEN M J, FERGUSON M S, GIJSEN F J, et al. Carotid plaque fissure: an underestimated source of intraplaque hemorrhage[J/OL]. Atherosclerosis, 2016, 254: 102-108 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/27718372/. DOI: 10.1016/j.atherosclerosis.2016.09.069.
[25]
KASSEM M, GORISSEN T, ALBENWAN M, et al. The relationship between fibrous cap status or plaque surface morphology and intraplaque hemorrhage volume over time: The PARISK Study[J/OL]. J Stroke Cerebrovasc Dis, 2025, 34(5): 108283 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/40081118/. DOI: 10.1016/j.jstrokecerebrovasdis.2025.108283.
[26]
DILBA K, VAN DAM-NOLEN D H K, VAN DIJK A C, et al. Plaque composition as a predictor of plaque ulceration in carotid artery atherosclerosis: the plaque At RISK study[J]. AJNR Am JNeuroradiol, 2021, 42(1): 144-151. DOI: 10.3174/ajnr.a6868.
[27]
U-KING-IM J M, FOX A J, AVIV R I, et al. Characterization of carotid plaque hemorrhage: a CT angiography and MR intraplaque hemorrhage study[J]. Stroke, 2010, 41(8): 1623-1629. DOI: 10.1161/STROKEAHA.110.579474.
[28]
XU J Y, LU X T, SHI G P. Vasa vasorum in atherosclerosis and clinical significance[J]. Int J Mol Sci, 2015, 16(5): 11574-11608. DOI: 10.3390/ijms160511574.
[29]
MIGDALSKI A, JAWIEN A. Neovascularization as a leading mechanism of intraplaque hemorrhage and carotid plaque destabilization: a narrative review[J]. Curr Vasc Pharmacol, 2024, 22(6): 377-385. DOI: 10.2174/0115701611304241240523045704.
[30]
BOS D, VAN DAM-NOLEN D H K, GUPTA A, et al. Advances in multimodality carotid plaque imaging: AJR expert panel narrative review[J]. AJR Am J Roentgenol, 2021, 217(1): 16-26. DOI: 10.2214/AJR.20.24869.
[31]
SABA L, YUAN C, HATSUKAMI T S, et al. Carotid artery wall imaging: perspective and guidelines from the ASNR vessel wall imaging study group and expert consensus recommendations of the American society of neuroradiology[J/OL]. AJNR Am J Neuroradiol, 2018, 39(2): E9-E31 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/29326139/. DOI: 10.3174/ajnr.A5488.
[32]
JOHRI A M, NAMBI V, NAQVI T Z, et al. Recommendations for the assessment of carotid arterial plaque by ultrasound for the characterization of atherosclerosis and evaluation of cardiovascular risk: from the American society of echocardiography[J]. J Am Soc Echocardiogr, 2020, 33(8): 917-933. DOI: 10.1016/j.echo.2020.04.021.
[33]
SABA L, SAAM T, JÄGER H R, et al. Imaging biomarkers of vulnerable carotid plaques for stroke risk prediction and their potential clinical implications[J]. Lancet Neurol, 2019, 18(6): 559-572. DOI: 10.1016/S1474-4422(19)30035-3.
[34]
SEZGIN M, YUSIFLI S, BARBUROĞLU M, et al. Intraplaque hemorrhage: a comparative study of vulnerable plaque with magnetic resonance imaging and Doppler ultrasonography[J]. J Clin Ultrasound, 2025, 53(4): 743-747. DOI: 10.1002/jcu.23923.
[35]
CAO J J, ZENG Y Q, ZHOU Y, et al. The value of contrast-enhanced ultrasound in assessing carotid plaque vulnerability and predicting stroke risk[J/OL]. Sci Rep, 2025, 15(1): 5850 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/39966491/. DOI: 10.1038/s41598-025-90319-2.
[36]
YAO Y J, ZHANG P Y. Novel ultrasound techniques in the identification of vulnerable plaques-an updated review of the literature[J/OL]. Front Cardiovasc Med, 2023, 10: 1069745 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/37293284/. DOI: 10.3389/fcvm.2023.1069745.
[37]
WANG B S, CHEN Y B, QIAO Q, et al. Evaluation of carotid plaque vulnerability with different echoes by shear wave elastography and CEUS[J/OL]. J Stroke Cerebrovasc Dis, 2023, 32(3): 106941 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/36586243/. DOI: 10.1016/j.jstrokecerebrovasdis.2022.106941.
[38]
PITROS C F, MANAKI V, KAKISIS J D, et al. The role of shear wave elastography in the assessment of carotid plaque vulnerability: a systematic review and meta-analysis[J]. Int Angiol, 2025, 44(5): 415-425. DOI: 10.23736/S0392-9590.25.05427-6.
[39]
WANG Y, QIU J H, LUO S S, et al. High shear stress induces atherosclerotic vulnerable plaque formation through angiogenesis[J]. Regen Biomater, 2016, 3(4): 257-267. DOI: 10.1093/rb/rbw021.
[40]
CHEN T, ZHAO Y B, CAO J L, et al. Computed tomography angiography "rim sign" for detecting carotid intraplaque hemorrhage: a computed tomography angiography-magnetic resonance imaging-histology correlation study[J/OL]. J Am Heart Assoc, 2026, 15(10): e044753 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/42132200/. DOI: 10.1161/JAHA.125.044753.
[41]
SABA L, FRANCONE M, BASSAREO P P, et al. CT attenuation analysis of carotid intraplaque hemorrhage[J]. AJNR Am J Neuroradiol, 2018, 39(1): 131-137. DOI: 10.3174/ajnr.A5461.
[42]
WENG S T, LAI Q L, CAI M T, et al. Detecting vulnerable carotid plaque and its component characteristics: Progress in related imaging techniques[J/OL]. Front Neurol, 2022, 13: 982147 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/36188371/. DOI: 10.3389/fneur.2022.982147.
[43]
TAKAGI H, LEIPSIC J A, INDRARATNA P, et al. Association of tube voltage with plaque composition on coronary CT angiography: results from PARADIGM registry[J]. JACC Cardiovasc Imaging, 2021, 14(12): 2429-2440. DOI: 10.1016/j.jcmg.2021.07.011.
[44]
AIZAZ M, BIERENS J, GIJBELS M J J, et al. Differentiation of atherosclerotic carotid plaque components with dual-energy computed tomography[J]. Invest Radiol, 2025, 60(8): 508-516. DOI: 10.1097/rli.0000000000001153.
[45]
SHAMI A, SUN J M, GIALELI C, et al. Atherosclerotic plaque features relevant to rupture-risk detected by clinical photon-counting CT ex vivo: a proof-of-concept study[J/OL]. Eur Radiol Exp, 2024, 8(1): 14 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/38286959/. DOI: 10.1186/s41747-023-00410-4.
[46]
SHAMI A, SUN J M, CELANDER M, et al. Clinical photon-counting computed tomography in living patients detects intra-plaque haemorrhage and thrombus in carotid plaques[J]. Eur Heart J, 2025, 46(46): 5045-5048. DOI: 10.1093/eurheartj/ehaf707.
[47]
KRALER S, GONCALVES I. Photon-Counting CT for Vulnerable Plaque Detection: A Step Toward Precision Imaging in Atherosclerosis[EB/OL]. (2025-10-01) [2026-03-28]. https://www.escardio.org/Working-groups/Working-Group-on-Atherosclerosis-and-Vascular-biology/Publications/photon-counting-ct-for-vulnerable-plaque-detection-a-step-toward-precision-imaging-in-atherosclerosis.
[48]
LIU J C, NING Z H, DU C L, et al. Histological validation of three-dimensional variable flip angle turbo spin echo multi-contrast magnetic resonance vessel wall imaging in characterizing carotid vulnerable atherosclerotic plaques[J/OL]. J Cardiovasc Magn Reson, 2024, 26(2): 101112 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/39442673/. DOI: 10.1016/j.jocmr.2024.101112.
[49]
KIM S E, ROBERTS J A, HADLEY J R, et al. Optimizing MPRAGE for enhanced blood suppression and intraplaque hemorrhage detection in carotid artery imaging[J/OL]. Magn Reson Imaging, 2025, 124: 110531 [2026-01-11]. https://www.sciencedirect.com/science/article/pii/S0730725X25002152via%3Dihub. DOI: 10.1016/j.mri.2025.110531.
[50]
YAMADA K, SONG Y, HIPPE D S, et al. Quantitative evaluation of high intensity signal on MIP images of carotid atherosclerotic plaques from routine TOF-MRA reveals elevated volumes of intraplaque hemorrhage and lipid rich necrotic core[J/OL]. J Cardiovasc Magn Reson, 2012, 14(1): 81 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/23194180/. DOI: 10.1186/1532-429X-14-81.
[51]
XIAO J Y, PADRICK M M, JIANG T, et al. Acute ischemic stroke versus transient ischemic attack: Differential plaque morphological features in symptomatic intracranial atherosclerotic lesions[J/OL]. Atherosclerosis, 2021, 319: 72-78 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/33486353/. DOI: 10.1016/j.atherosclerosis.2021.01.002.
[52]
ZHAO X H, LI R, HIPPE D S, et al. Chinese Atherosclerosis Risk Evaluation (CARE II) study: a novel cross-sectional, multicentre study of the prevalence of high-risk atherosclerotic carotid plaque in Chinese patients with ischaemic cerebrovascular events-design and rationale[J]. Stroke Vasc Neurol, 2017, 2(1): 15-20. DOI: 10.1136/svn-2016-000053.
[53]
LI D Y, QIAO H Y, HAN Y J, et al. Histological validation of simultaneous non-contrast angiography and intraplaque hemorrhage imaging (SNAP) for characterizing carotid intraplaque hemorrhage[J]. Eur Radiol, 2021, 31(5): 3106-3115. DOI: 10.1007/s00330-020-07352-0.
[54]
王康, 贾琳, 王云玲, 等. MR SNAP序列定量分析颈动脉粥样硬化斑块内出血的初步研究[J]. 实用放射学杂志, 2018, 34(8): 1172-1175, 1182. DOI: 10.3969/j.issn.1002-1671.2018.08.005.
WANG K, JIA L, WANG Y L, et al. The preliminary study of quantitative analysis intraplaque hemorrhage of carotid atherosclerotic plaque by MR SNAP sequence[J]. J Pract Radiol, 2018, 34(8): 1172-1175, 1182. DOI: 10.3969/j.issn.1002-1671.2018.08.005.
[55]
LEE U Y, KWAK H S. Evaluation of plaque vulnerability via combination of hemodynamic analysis and simultaneous non-contrast angiography and intraplaque hemorrhage (SNAP) sequence for carotid intraplaque hemorrhage[J/OL]. J Pers Med, 2021, 11(9): 856 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/34575633/. DOI: 10.3390/jpm11090856.
[56]
SABA L C, CAU R, MURGIA A, et al. Carotid plaque-RADS[J]. JACC Cardiovasc Imaging, 2024, 17(1): 62-75. DOI: 10.1016/j.jcmg.2023.09.005.
[57]
LIU W C, ZHENG Z J, ZHANG W B, et al. Distribution of high-resolution magnetic resonance imaging-based carotid Plaque-RADS subtypes among patients with acute cerebral infarction[J]. Neuroradiology, 2026, 68(3): 717-725. DOI: 10.1007/s00234-025-03837-1.
[58]
STEMMLER S, VON ELVERFELDT D, WEINBECK M, et al. Volumetric diffusion and fat imaging of symptomatic carotid plaques on seven tesla magnetic resonance imaging[J/OL]. Magn Reson Imaging, 2026, 130: 110676 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/41921597/. DOI: 10.1016/j.mri.2026.110676.
[59]
FU F, ZHU J, MENG H P, et al. Molecular imaging of fibroblast activation protein on PET/MRI association with carotid-ulcerated plaques and cerebrovascular risk factors[J]. JACC Cardiovasc Imaging, 2026, 19(1): 79-90. DOI: 10.1016/j.jcmg.2025.09.020.
[60]
MECHTOUFF L, SIGOVAN M, DOUEK P, et al. Simultaneous assessment of microcalcifications and morphological criteria of vulnerability in carotid artery plaque using hybrid 18F-NaF PET/MRI[J]. J Nucl Cardiol, 2022, 29(3): 1064-1074. DOI: 10.1007/s12350-020-02400-0.
[61]
MCCABE J J, EVANS N R, GOREY S, et al. Imaging carotid plaque inflammation using positron emission tomography: emerging role in clinical stroke care, research applications, and future directions[J/OL]. Cells, 2023, 12(16): 2073 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/37626883/. DOI: 10.3390/cells12162073.
[62]
RIKSEN J J M, CHANDRAMOORTHI S, VAN DER STEEN A F W, et al. Near-infrared multispectral photoacoustic analysis of lipids and intraplaque hemorrhage in human carotid artery atherosclerosis[J/OL]. Photoacoustics, 2024, 38: 100636 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/39139613/. DOI: 10.1016/j.pacs.2024.100636.
[63]
KARLAS A, KALLMAYER M, BARIOTAKIS M, et al. Multispectral optoacoustic tomography of lipid and hemoglobin contrast in human carotid atherosclerosis[J/OL]. Photoacoustics, 2021, 23: 100283 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/34381689/. DOI: 10.1016/j.pacs.2021.100283.
[64]
FENG Y Y, XU L Y, SHAO J, et al. Artificial intelligence diagnostic performance in image-based vulnerable carotid plaque detection: a systematic review and meta-analysis[J/OL]. BMC Med Inform Decis Mak, 2025, 25(1): 419 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/41219882/. DOI: 10.1186/s12911-025-03227-w.
[65]
VACCA S, SCICOLONE R, GUPTA A, et al. Atherosclerotic carotid artery disease Radiomics: a systematic review with meta-analysis and radiomic quality score assessment[J/OL]. Eur J Radiol, 2024, 177: 111547 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/38852329/. DOI: 10.1016/j.ejrad.2024.111547.
[66]
BUCKLER A J, SAKAMOTO A, PIERRE S ST, et al. Virtual pathology: Reaching higher standards for noninvasive CTA tissue characterization capability by using histology as a truth standard[J/OL]. Eur J Radiol, 2023, 159: 110686 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/36603478/. DOI: 10.1016/j.ejrad.2022.110686.
[67]
WANG H Z, XU J K, YE C G, et al. Impact of deep learning based reconstruction algorithms on CT radiomic features of carotid plaques[J/OL]. J Appl Clin Med Phys, 2025, 26(11): e70346 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/41239182/. DOI: 10.1002/acm2.70346.
[68]
ZHANG W X, LIN M Q, CHAN K L, et al. Adversarial training with misaligned label correction for carotid segmentation from simultaneous non-contrast angiography and intraplaque hemorrhage MRI[J/OL]. Med Phys, 2025, 52(7): e17952 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/40665520/. DOI: 10.1002/mp.17952.
[69]
GAO S, QU J P, WU R, et al. A study on the value of ultrasound imaging features in predicting intraplaque hemorrhage in carotid arteries[J]. J Clin Ultrasound, 2026, 54(1): 53-63. DOI: 10.1002/jcu.70026.
[70]
ZHANG S, GAO L, KANG B, et al. Radiomics assessment of carotid intraplaque hemorrhage: detecting the vulnerable patients[J/OL]. Insights Imaging, 2022, 13(1): 200 [2026-01-11]. https://pubmed.ncbi.nlm.nih.gov/36538100/. DOI: 10.1186/s13244-022-01324-2.
[71]
SABA L, BRINJIKJI W, SPENCE J D, et al. Roadmap consensus on carotid artery plaque imaging and impact on therapy strategies and guidelines: an international, multispecialty, expert review and position statement[J]. AJNR Am JNeuroradiol, 2021, 42(9): 1566-1575. DOI: 10.3174/ajnr.a7223.
[72]
MANDELL D M, MOSSA-BASHA M, QIAO Y, et al. Intracranial vessel wall MRI: principles and expert consensus recommendations of the American society of neuroradiology[J]. AJNR Am J Neuroradiol, 2017, 38(2): 218-229. DOI: 10.3174/ajnr.A4893.

上一篇 脊髓扩散张量成像技术及其临床应用进展
下一篇 非缺血性心肌病CMR影像组学研究进展
  
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