分享:
分享到微信朋友圈
X
综述
帕金森病患者深部核团的结构与功能MRI研究进展
朱明慧 郝璐

本文引用格式:朱明慧, 郝璐. 帕金森病患者深部核团的结构与功能MRI研究进展[J]. 磁共振成像, 2026, 17(7): 147-157. DOI:10.12015/issn.1674-8034.2026.07.019.


[摘要] 帕金森病是一种常见的神经退行性疾病,其病理特征包括中脑黑质多巴胺能神经元的丧失以及α-突触核蛋白的异常聚集。深部核团如丘脑底核、苍白球、黑质等在运动调控中发挥关键作用,其结构与功能异常是帕金森病症状产生的重要基础。近年来,随着MRI技术的快速发展,尤其是高场强MRI、扩散张量成像、静息态功能MRI等技术的应用,为在体、无创地研究帕金森病患者深部核团的微观结构、白质纤维连接及神经网络功能活动提供了有力工具。本文综述了近年来利用结构和功能MRI技术对帕金森病患者深部核团的研究进展,重点总结了深部核团体积、形态、铁沉积、白质完整性以及局部脑区活动和网络连接的功能异常发现,并探讨了这些影像学改变与疾病分期、临床症状(如运动迟缓、震颤、步态障碍)及非运动症状的相关性,分析当前深部核团MRI研究存在的技术局限,并结合影像学发展趋势指出未来研究方向,为帕金森病发病机制探究、精准诊疗及靶向干预提供了影像学理论依据与研究参考。
[Abstract] Parkinson's disease is a common neurodegenerative disorder characterized by the loss of dopaminergic neurons in the substantia nigra and abnormal aggregation of α-synuclein. Deep brain nuclei, such as the subthalamic nucleus, globus pallidus, and substantia nigra, play critical roles in motor control, and their structural and functional abnormalities are key contributors to the symptoms of Parkinson's disease. In recent years, the rapid advancement of MRI techniques, especially high-field MRI, diffusion tensor imaging, and resting-state functional MRI, has provided powerful tools for in vivo, non-invasive investigation of the microstructure, white matter connectivity, and functional network activity of deep brain nuclei in Parkinson's disease patients. This review summarizes recent progress in structural and functional MRI studies of deep brain nuclei in Parkinson's disease, focusing on findings related to volume, morphology, iron deposition, white matter integrity, and abnormalities in local brain activity and network connectivity. It also discusses the correlations between these imaging alterations and disease stages, clinical symptoms (such as bradykinesia, tremor, and gait disturbances), and non-motor symptoms of Parkinson's disease. The review also analyzes current technical limitations in MRI studies of deep brain nuclei and, in light of emerging trends in neuroimaging, identifies future research directions, thereby providing imaging-based theoretical foundations and research references for exploring the pathogenesis of Parkinson's disease, enabling precise diagnosis and treatment, and guiding targeted interventions.
[关键词] 帕金森病;深部核团;磁共振成像;结构磁共振成像;功能磁共振成像
[Keywords] Parkinson's disease;deep nuclei;magnetic resonance imaging;structural magnetic resonance imaging;functional magnetic resonance imaging

朱明慧    郝璐 *  

新疆医科大学第二附属医院医学影像中心,乌鲁木齐 830000

通信作者:郝璐,E-mail: 362314557@qq.com

作者贡献声明::朱明慧起草和撰写稿件,对稿件的重要内容进行了修改;郝璐设计本研究的方案,对稿件重要内容进行了修改,并获得了“天山英才”医药卫生高层次人才培养计划项目的资助;全体作者一致同意发表最后的修改稿,同意对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: “天山英才”医药卫生高层次人才培养计划项目 TSYC202401B159
收稿日期:2026-01-18
接受日期:2026-06-05
中图分类号:R445.2  R742.5 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2026.07.019
本文引用格式:朱明慧, 郝璐. 帕金森病患者深部核团的结构与功能MRI研究进展[J]. 磁共振成像, 2026, 17(7): 147-157. DOI:10.12015/issn.1674-8034.2026.07.019.

0 引言

       帕金森病(Parkinson's disease, PD)是第二常见的神经退行性疾病,全球发病率约为1.7%[1]。PD与年龄特征存在高度相关性,发病群体常为50岁以上的成年人,60岁之后发病率显著上升[2, 3]。其病理改变主要涉及黑质(substantia nigra, SN)、丘脑底核(subthalamic nucleus, STN)、基底节(basal ganglia, BG)、红核(red nucleus, RN)、蓝斑核(locus coeruleus, LC)、伏隔核(nucleus accumbens, NAc)等深部核团,这些核团在PD的运动和非运动症状中起着核心作用[4]。近年来,随着MRI技术的快速发展,研究者能够在活体中从宏观体积、微观结构、铁代谢及功能连接等多个维度评估PD患者深部核团的改变。结构MRI(structural MRI, sMRI)技术如定量磁敏感成像(quantitative susceptibility mapping, QSM)可精准量化SN等核团的异常铁沉积,神经突方向离散度与密度成像(neurite orientation dispersion and density imaging, NODDI)能够敏感检测轴突与树突的微结构完整性改变,而功能MRI(functional MRI, fMRI)则揭示了基底节-皮层环路的功能连接紊乱。多模态MRI研究不仅深化了对PD发病机制的理解,也为早期诊断、疾病进展监测及个体化治疗决策提供了客观的影像学依据。

       然而,近年已发表的相关综述多侧重于单一MRI技术,对PD某一核团的描述,缺乏对多模态MRI在多个深部核团中异常发现的系统整合,并在影像标志物与临床表型,特别是非运动症状及DBS术后预后的定量关联方面着墨较少,前期综述鲜有深入讨论,导致临床转化建议较为笼统。本文系统回顾了基于结构与功能MRI技术探究PD患者深部核团的最新研究进展,重点归纳了该区域在体积、形态、铁沉积、神经元完整性及局部脑功能活动与网络连接方面的异常发现,并进一步分析了上述影像学标志物变化与疾病分期、运动症状及非运动症状之间的关联,为相关研究提供参考。

1 文献检索

       为系统回顾PD患者深部核团的结构与功能MRI研究进展,本文遵循综述研究的常用方法进行文献检索。检索数据库包括 PubMed、Web of Science、中国知网(CNKI)和万方数据知识服务平台。检索时间范围为各数据库建库至2026年5月。英文检索词组合为英文检索式为:(“Parkinson's disease” OR “PD”)AND(“deep brain nuclei” OR “basal ganglia” OR “striatum” OR “caudate” OR “putamen” OR “globus pallidus” OR “subthalamic nucleus” OR “substantia nigra”)AND(“magnetic resonance imaging” OR “structural MRI” OR “functional MRI” OR “resting-state fMRI” OR “task-based fMRI” OR “diffusion tensor imaging” OR “diffusion weighted imaging” OR “neuromelanin MRI” OR “quantitative susceptibility mapping” OR “multimodal”)。中文检索式与英文检索式一致,检索词用中文表达。

       文献纳入标准:(1)研究对象为人,明确诊断为PD(符合国际公认诊断标准,如英国脑库标准或MDS诊断标准);(2)研究聚焦于一个或多个深部核团(包括但不限于黑质、丘脑底核、苍白球、壳核、尾状核等)的结构或功能MRI评估;(3)采用一种或多种MRI技术[如sMRI、fMRI、扩散张量成像(diffusion tensor imaging, DTI)/扩散加权成像(diffusion-weighted imaging, DWI)、神经黑色素敏感MRI、定量磁化率成像、多模态MRI等]作为研究手段;(4)发表于同行评审期刊的原创性研究、综述或Meta分析。排除动物实验、个案报道、会议摘要、学位论文、评论或通讯稿件。

2 深部核团与PD病理机制的相关性

       PD是一种复杂的神经退行性疾病,其发生发展与大脑深部核团的结构和功能改变密切相关,参与主要核团包括纹状体(caudate putamen, CPu)、黑质致密部(substantia nigra pars compacta, SNc)、黑质网状部(substantia nigra pars reticulata, SNr)、苍白球内侧部(globus pallidus internus, GPi)、苍白球外侧部(globus pallidus externus, GPe)及STN等,共同构成基底环路[5]。SNc是多巴胺能神经元的主要聚集区,向CPu投射多巴胺,参与直接通路,进而调节运动控制。STN正常状态下接受GPe等调控,向GPi及SNr发送信号,参与间接通路,对运动起到抑制作用,使大脑皮层的活动减少。当其中任意一个核团出现功能障碍,破坏两条关键通路的平衡,将导致运动促进通路减弱和运动抑制通路增强的失衡状态,使得运动皮层活动减少,肌紧张过强,随意运动过少,最终致使PD疾病的发生发展。

       此外,还包括一些其他深部核团也参与在PD疾病病情进展中,如LC、NAc。LC是脑内合成去甲肾上腺素的主要部位,LC神经元的退变与PD的疼痛及抑郁等症状具有密切联系。研究表明,LC部位的去甲肾上腺素能神经元丢失可能早于SN-CPu多巴胺能神经元[6]。而NAc则是大脑边缘系统的重要组成部分,与奖赏、动机和情感等密切相关,其功能异常以及相关神经环路的受损,则易导致PD患者出现认知功能下降、抑郁等非运动症状[7, 8]

3 深部核团sMRI研究进展

3.1 深部核团宏观结构研究

       PD深部核团的形态学改变和结构变化是影像学研究的重要方向,可以作为PD辅助诊断的指标。基于高分辨率3D-T1加权成像的基于体素的形态学分析(voxel-based morphometry, VBM)可无创、全自动、全脑定量检测深部核团体积、灰质密度及皮层厚度变化,是PD结构影像学最基础、最常用的手段,可在疾病中晚期检测到SN体积缩小、壳核萎缩等结构变薄[9]。SISODIA等[10]纳入129例PD患者,采用VBM测量基底核(nucleus basalis of meynert, NBM)体积,发现其仅与PD痴呆相关,与轻度认知损害无显著关联,且不能预测术后认知衰退。在后续随访中显示,NBM体积改变且不能预测术后认知衰退。PETER等[11]发现磁共振帕金森综合征指数及脑皮质体积均不能预测DBS术后轴向症状改善程度,提示症状反应由更复杂因素决定。此外,大脑宏观结构体积缩小并非PD特有,在进行性核上性麻痹(progressive supranuclear palsy, PSP)、多系统萎缩帕金森综合征型(multiple system atrophy-P, MSA-P)、皮质基底节变性(corticobasal degeneration, CBD)等帕金森综合征中同样可见,早期鉴别诊断困难。一项临床病理学研究发现21%的MSA患者生前被误诊为原发性PD[12]。单纯体积指标难以区分PD与这些疾病,且体积变化与α-突触核蛋白沉积、路易小体分布的对应关系尚未建立。PICILLO等[13]及吴铁妤等[14]研究发现常规形态测量学对PD与PSP的鉴别诊断特异性较差。2025年大型研究进一步证实诊断准确率受临床确定性水平和临床表现型影响,中脑萎缩程度与疾病严重程度显著相关[15]。因此,在临床应用MRI标志时,应考虑这些局限性。

       然而,宏观形态学技术存在局限性:PD患者出现典型运动症状时,黑质致密部多巴胺神经元丢失已超过50%~60%[16]。但神经元丢失早期主要发生在细胞体层面,神经毡萎缩及胶质细胞异常反应尚未导致整体核团体积发生可检测改变。宏观形态学反映的是细胞丢失、纤维脱失、髓鞘破坏等晚期累积效应。疾病初期,局部细胞外基质改变、剩余神经元肥大、胶质增生或水肿等因素可能短暂掩盖体积缩小,使常规T1WI、T2WI测量呈现“伪正常”。因此,常规1.5 T或3 T MRI下的VBM体积分析在早期PD患者中常无显著差异,限制了其作为早期诊断标志物的临床价值[17]

3.2 深部核团定量MRI研究

       微观sMRI技术能够探测组织内在的成分和完整性变化,对于揭示PD的早期病理改变具有独特优势。这些技术包括DTI、扩散峰度成像(diffusion kurtosis imaging, DKI)、神经突方向离散度与密度成像(neurite orientation dispersion and density imaging, NODDI)、磁敏感加权成像(susceptibility weighted imaging, SWI)、定量磁化率成像(quantitative susceptibility mapping, QSM)等。

3.2.1 扩散MRI

       扩散MRI是一类基于水分子扩散特性、无创反映脑组织微观结构完整性的影像技术,目前用于PD深部核团研究的扩散技术主要包括DTI、DKI及NODDI等,其共同优势在于能够在宏观体积改变出现之前,捕捉SN、CPu、STN等深部核团的微观退行性改变,为PD 早期诊断、亚型鉴别、症状机制及预后评估提供关键影像学标志物。DTI是最常用的技术,其参数分数各向异性(fractional anisotropy, FA)降低提示神经纤维完整性受损。平均扩散率(mean diffusivity, MD)升高提示扩散受限减弱(扩散更自由),MD降低则提示扩散受限(如急性脑梗死);轴向扩散系数(axial diffusivity, AD)降低提示沿纤维方向的扩散受限,可能反映轴突损伤;径向扩散系数(radial diffusivity, RD)升高提示垂直方向的扩散增加,可能反映髓鞘破坏[18]。“SN-CPu通路”是研究最为集中的靶点。国内多中心研究一致报道在SN、壳核、尾状核等区域以及连接这些核团的白质纤维束,FA值显著降低、MD值显著升高[19, 20]。这一模式被普遍解读为轴突损伤和髓鞘脱失导致的微结构破坏,在疾病早期阶段,微结构改变已表现出症状特异性。近五年研究进展在于将DTI参数与具体临床症状建立关联:早期PD患者多个深部核团FA值降低,且部分参数与H&Y分级、统一帕金森病评定量表第三部分(Unified Parkinson's Disease Rating Scale Ⅲ, UPDRS-Ⅲ)评分相关,支持PD前驱期基底节、中脑等区域已出现广泛损伤的观点[21, 22]。DTI技术目前已被广泛用于PD运动亚型的鉴别及非运动症状的诊断中。其中,LC的DTI参数与认知功能评分相关,可能成为前驱期诊断的敏感指标。TOCZYLOWSKA等[23]等相关研究发现在辅助运动区相关核团的白质纤维束中,可以观察到FA值显著降低,这清晰地揭示了PD患者大脑白质及核团纤维微观结构的广泛损害。但另一项针对STN的大样本多中心研究发现,其扩散参数FA及MD值与疾病严重程度和病程并无显著相关性,提示并非所有核团的扩散指标都适合作为疾病进展的生物标志物[24]。出现上述差异的可能原因包括以下几点:首先,不同研究关注的脑区受累时序不同。TOCZYLOWSKA等研究的白质纤维束位于初级运动皮层和辅助运动区,在PD病理过程中较早受累,微结构改变明显;而CPu作为深部核团,其扩散参数变化更为复杂,FA值可能呈现早期代偿性升高、晚期下降的非单调变化,因而与病程的线性相关不显著。其次,各研究采用的扩散MRI采集参数和后处理算法存在差异。此外,传统DTI模型本身存在局限性:它将体素视为单一扩散张量,无法区分细胞内、细胞外及脑脊液成分的贡献。FA值受轴突密度、髓鞘完整性、纤维交叉和自由水含量等多种因素影响,其变化方向可能与神经退行性变的实际程度不一致。CPu体积较小,且邻近脑室、脑池等高扩散区域,易受部分容积效应影响。目前该领域研究仍存在争议,有待未来大样本或多中心验证试验进一步探索。

       DKI是DTI的高阶扩展延伸技术,由JENSEN等于2005年首次提出[25]。突破水分子高斯扩散假设,在多b值(通常>1000 s/mm2)、多扩散方向(至少15个)采集基础上,通过峰度函数拟合,量化水分子在细胞膜、细胞器、神经纤维束等受限空间中的非随机扩散行为,可量化脑组织非高斯扩散特征,精准反映PD疾病深部核团的微观结构异质性、神经元损伤及病理物质沉积。在同步保留DTI经典参数的同时,通过核心参数平均峰度(mean kurtosis, MK)、轴向峰度(axial kurtosis, AK)和径向峰度(radial kurtosis, RK)来反映整体微观复杂度及量化沿纤维方向和垂直纤维方向的非高斯性,以更敏感地反映组织微结构的复杂性和异质性。已有研究表明,DKI在检测和区分组织微结构变化方面较传统扩散加权成像具有更高的敏感度。有研究认为,DKI参数的变化可反映PD患者脑组织中的微观结构改变,包括神经退行性变、α-突触核蛋白聚集以及铁沉积等病理过程对水分子扩散特性的影响[26]。SN是PD神经病理改变的核心区域,也是DKI研究关注的重点。SNc多巴胺能神经元丢失是PD的始发病理改变,DKI可精准区分SNc与SNr的微结构差异,多项研究一致发现PD患者SN MK值显著高于健康对照[27, 28]。RONG等的研究进一步表明,早期和晚期PD患者SN MK值均显著增高,且SN MK值与磁化率M值的联合诊断模型对早期PD具有较高的鉴别效能[28]。此研究也关注了BG区其他核团的改变,发现晚期PD患者的尾状核、壳核MK值显著增高。苍白球和SN的MD值在PD组较对照组显著增高,而各组核团的FA值则未见显著差异,提示DKI参数可能比传统DTI参数更能反映PD的深部核团微结构改变。目前,有多项研究探讨了DKI参数与临床症状的关联。WANG等发现DKI直方图特征与H&Y分期、MMSE评分、震颤评分及PIGD评分存在显著相关性[29]。WELTON等的研究则显示,PD患者的MDS-UPDRS-Ⅲ评分与壳核铁沉积显著相关,而联合DKI与另一种可定量测量脑内铁磁化率空间分布的成像技术QSM的复合标志物对PD具有良好的分类性能(AUC=0.88)[30]。然而,也有研究发现SN DKI参数与病程、UPDRS-Ⅲ评分、H&Y分级及认知量表评分未呈现显著相关性,提示DKI可能更适合诊断而非疾病进展评估[31]

       PD的病理核心之一是SNc多巴胺能神经元的进行性丢失,这些神经元有复杂的轴突和树突。NODDI是一种基于多室生物物理模型的扩散MRI技术,能将体素内水分子扩散信号分解为三个隔室,衍生出神经突密度指数(neurite density index, NDI)、方向离散度指数(orientation dispersion index, ODI),可特异性地反映神经突的密度与空间排列[32]。反映白质轴突密度和皮质树突密度的神经突内体积分数(intracellular volume fraction, Vic)也作为NODDI常用量化数值之一。相比DTI,NODDI能克服无法区分细胞内、外及脑脊液成分的局限。ZHANG[33]和KOJI等[34]利用NODDI反映PD患者脑中SN结构的微观变化,发现NDI、Vic指标低于正常均值,可以作为PD患者的评估指标,进一步提示在SNc等关键区域,NDI、Vic的显著降低与多巴胺能神经元突起密度的降低和神经元的丢失有关。此外,NODDI可鉴别PD亚型:僵直迟缓型患者NDI和ODI低于震颤型,提示神经突缺失更明显[35]。超高场强7 T MRI则突破了常规MRI(≤3 T)在空间分辨率和对比度上的物理限制,首次允许在活体水平上对脑深部核团进行近乎组织学级别的观察可清晰显示健康人SNc“燕尾征”及SNc与SNr边界,为PD病理机制研究提供了更精细的影像学工具[36]

3.2.2 磁敏感成像(含铁沉积)

       脑内铁含量异常升高是PD重要的病理特征之一,铁作为细胞代谢必需的辅因子,参与氧气运输、神经递质合成等生理过程,但过量Fe²⁺可通过芬顿反应催化产生活性氧,导致脂质过氧化、DNA损伤和线粒体功能障碍,最终引发神经元铁死亡。影像学和尸检研究一致证实PD患者脑内存在显著铁异常沉积,尤以SN最为突出[37]。使用多回波T2WI和弛豫率映射(relaxation rate, R2)技术的研究表明,SN铁含量随疾病进展呈渐进性增加:早期尚未达统计学显著性,中度阶段达双侧显著水平[38]

       近年来,随着MRI技术发展,脑内铁沉积的磁共振成像主要依赖两种核心技术:SWI和QSM。这两种技术的物理基础均源于铁作为顺磁性物质对局部磁场的影响。SWI基于组织间磁敏感系数差异成像,可以对脑内铁含量进行半定量评估,并动态监测脑组织内铁含量的变化。研究发现,PD患者双侧SN和RN的相位值显著降低,提示这些区域的铁沉积增加,该研究结果与杨铁等提出的结论一致[39, 40]。更重要的是,该研究发现铁沉积与疾病严重程度密切相关:不同H&Y分级间的SN与RN相位值存在显著差异,且相位值与H&Y分级和UPDRS-Ⅲ评分均呈负相关。这一发现表明,SN与RN的铁沉积可能作为监测PD严重程度和疾病进展的潜在生物标志物[39]。既往研究多单独使用QSM或SWI评估SN铁沉积,QSM为一种可区分顺磁性与反磁性的定量重建技术。它通过将磁化率分布图与相位图相结合,能够反映组织之间磁化率的差异[40]。与SWI相比,QSM消除了“开花效应”等伪影,能够对组织的磁化率进行定量评估,其测量结果与脑组织铁含量呈良好线性关系。有研究创新性地在同一队列中直接比较了真性SWI(true SWI, tSWI)与QSM两种成像技术对燕尾征的显示能力[41]。研究发现,基于tSWI评估燕尾征消失诊断PD的AUC值达0.830,显著优于QSM的0.705,更适用于临床常规工作。

       QSM技术在PD研究中的应用更为深入。DIBASH等[42]利用QSM对SN和RN进行自动分割,解决了传统T1WI上这些核团边界模糊的难题,为将来临床定量分析如铁含量测量奠定了基础。7 T MRI研究显示PD患者黑质小体-1(Nigrosome-1)神经黑色素信号减少和QSM升高,且QSM组间差异范围更广,提示铁沉积可能是更敏感的标志物[43]。值得注意的是,CPu的铁沉积模式与SN截然不同,呈现“V型”变化:初期铁含量下降,随疾病进展逐渐回升至对照组水平。SN铁沉积则持续升高,与神经退行性变平行进展。在空间分布上,铁沉积在SN内并非均匀分布。使用NODDI与SWI融合分析的研究发现,PD患者SNc的上、中、下三个亚区均存在铁沉积异常,其中中、下部的铁沉积与H&Y分级呈显著负相关,提示这些亚区的铁定量可能成为PD早期诊断和严重程度评估的影像生物学指标[44]。QSM在PD与MSA的鉴别诊断中也展现出应用价值。QSM在鉴别诊断中的价值在于其病理特异性:不同疾病虽然共享α-突触核蛋白病理,但铁沉积的核团偏好和动态轨迹不同[45]。ZANG等则利用QSM技术评估了PD患者脑核团的磁化率,揭示了铁沉积在不同核团和PD不同运动亚型中的分布差异[46]。研究显示PD与健康对照的磁化率差异出现在双侧SNr和SNc,姿势不稳/步态困难型与震颤主导型之间存在显著差异。此外,铁螯合疗法作为一种潜在的治疗策略正在探索中,但其疗效仍存在争议,传统观点认为铁沉积驱动神经退变,FAIRPARK-Ⅱ研究甚至发现铁螯合剂可能加重部分PD患者的症状,提示铁沉积在PD中的作用远比预期复杂,可能在某些阶段具有代偿性或保护性作用[37]。QSM技术亦存在局限:磁化率升高主要反映铁含量增加,但无法区分铁的化学形态(三价铁/二价铁)、亚细胞定位及与α-突触核蛋白的相互作用状态;且3 T与7 T之间的定量结果存在系统差异,多中心研究需谨慎处理场强异质性。

4 深部核团功能MRI研究进展

       与sMRI揭示体积萎缩、铁沉积等静态病理特征不同,fMRI技术能够捕获深部核团的自发活动特征及其与全脑的网络交互模式,是一种检测和分析细胞和分子水平代谢、生理功能状态的MRI方法。包括静息态fMRI(resting-state fMRI, rs-fMRI)、任务态功能连接改变和磁共振波谱(magnetic resonance spectroscopy, MRS)等。具有时间和空间分辨率高的特点,为理解BG环路的功能失衡提供客观影像学证据。在PD早期,深部核团的功能重排改变先于结构萎缩,适合用于PD等神经退行性疾病早期筛查和功能代偿机制研究。

4.1 静态与任务态功能连接改变

       基于血氧水平依赖(blood oxygen-level dependent, BOLD)的fMRI技术利用血流动力学中BOLD对比度增强原理成像,因无创、时空分辨率较高及可全脑成像等优势,成为神经退行性疾病研究及术前功能定位的核心工具。rs-fMRI的主要参数包括低频振幅(amplitude of low frequency fluctuation, ALFF)值及它的衍生参数、局部一致性(regional homogeneity, ReHo)、功能连接(functional connectivity, FC)等等。ALFF值与局部神经活动强弱相关,它可以直接表征每个体素的自发大脑活动。ReHo和FC评估局部脑区神经活动的时间同步性及衡量不同脑区BOLD信号的时间相关性,反映局部神经回路的整合状态和脑区间功能整合程度。PD患者深部核团及相关皮层区域的ALFF改变呈现区域特异性模式。综合多中心研究发现,PD患者深部核团及相关皮层区域的ALFF改变呈“前高后低”的区域特异性模式,提示深部核团病理改变通过基底节-皮层通路向外播散[47]。左侧CPu表现出自发功能活动显著降低,与上述机制假说相呼应[48]。ReHo对局部微环路的“同步性破坏”高度敏感,同样适合评估深部核团内部的功能整合异常。PD患者尾状核等深部核团ReHo显著降低,反映多巴胺能输入减少所致的局部微环路失协调;部分皮层区域ReHo增高则提示代偿性功能重组[49]。关于STN-FC的研究此前存在不一致——BAUDREXEL等[50]发现PD患者STN-感觉运动皮层连接增强,解释其为代偿机制,而MATHYS等报道STN-小脑负连接减弱[51]。QIN等的多中心研究通过大样本整合,为“STN-颞顶叶低连接”作为核心特征提供了有力证据[52]。这一发现挑战了传统观点——STN的功能异常不仅限于运动网络,而是广泛涉及认知和感觉处理环路。rs-fMRI在揭示PD认知功能障碍及冲动控制障碍的神经机制方面亦具有独特价值[53]

       任务态fMRI则通过特定任务诱发核团的功能响应,考察大脑网络连接状态随时间的变化规律,能够建立“核团-功能”的因果关联,适用于解析PD运动、非运动症状的任务特异性神经机制,识别深部核团亚区的功能分化。以STN为例,传统观点认为其主要参与运动控制,但近年任务态研究发现STN还参与认知和情感加工。特定亚区的功能定位对于DBS靶点选择和程控优化具有直接临床意义。有研究发现,STN-DBS可以通过恢复、缓解和重塑三种模式,动态调节PD患者异常的运动网络状态转换,并调节皮层-基底节-丘脑回路的异常活动,创新性提出STN脑深部电刺激改善PD症状的新机制[54]。值得注意的是,DBS的治疗机制正从“局部抑制”向“网络调控”转变。最新综述指出,STN-DBS通过调节基底节-丘脑-皮层环路中病理性神经振荡模式而发挥疗效,而齿状核-红核-丘脑束的联合刺激可显著提升震颤控制效果。这一发现推动了DBS靶点定位从单一核团向纤维束-核团复合体的演进[55]。另外,传统基底节模型强调一个以背侧壳核为核心的“闭环回路”,该回路通过感觉运动皮层形成反馈调节[56]。然而,这一经典架构难以解释PD中一个临床现象——“矛盾性运动”,即患者在情绪激动或紧急情况下暂时克服运动障碍的能力。最新一项发表于PNAS的研究对此提供了突破性解释。研究者结合7 T静息态连接组学与3 T任务态fMRI,在68名健康受试者中验证了一个以腹侧壳核为核心节点的全新“开环回路”存在[57]。这提示PD患者在某些情感背景下能够“绕过”受损的感觉运动环路,通过“开环回路”实现相对正常的运动启动。

       fMRI检测的BOLD信号是神经活动的间接指标,其变化源于神经活动引发的局部血流、血氧代谢改变,而非直接记录神经元的电信号。这种间接性同时也带来以下两大问题:(1)神经—血流耦合的个体差异。不同个体的脑血流调节能力存在差异,相同的神经活动强度可能对应不同幅度的BOLD信号变化,影响实验结果的可重复性,且缺乏统一的生物学解释框架——ALFF增高的意义是“过度活跃”还是“去抑制”,在不同病理阶段可能截然相反。(2)对生理噪声如呼吸、心跳敏感,存在伪影干扰。头部运动、心跳、呼吸等生理噪声会产生与神经活动无关的信号波动,严重干扰 BOLD信号的提取;此外,磁场不均匀性也会导致图像失真,降低数据质量[58]

4.2 网络拓扑属性改变

       传统理论认为,PD是由于BG“直接通路”活动不足和“间接通路”活动过度,导致运动皮层激活受阻,从而产生运动迟缓和僵直。然而,这一理论主要基于动物实验和局部脑区活动[59]。然而,从网络科学视角看,大脑是一个复杂网络系统,PD可被视为一种脑网络病。基于图论的脑网络分析能够量化全局与局部拓扑属性改变,目前主流理论认为PD患者大脑网络的全局整合能力降低,局部分离能力异常,整体网络趋于无序、低效率的随机化状态[60]。静息态功能连接研究发现,PD患者默认模式网络(default mode network, DMN)的多个关键节点,包括后扣带回、内侧前额叶皮层及楔前叶,存在显著的功能连接损害,且与认知功能下降及运动症状严重程度呈负相关[61]。伴有冻结步态的患者表现为全局效率降低和局部效率异常,网络模块化程度失衡[62]。DMN是与认知功能关系最密切的静息态网络,其功能连接异常与PD认知下降高度相关。研究显示,PD患者在不伴认知障碍阶段即可表现为DMN的超连接,这被解释为对进行性神经细胞丢失的代偿性反应。然而,随着认知功能持续下降,超连接转化为低连接和网络解构[63]。从分期角度看,早期无认知障碍呈代偿性超连接;中期伴认知障碍表现为局部连接异常;晚期伴严重认知障碍呈弥漫性功能连接降低和广泛网络解体。其他非运动症状(如快速眼动睡眠行为障碍、抑郁)的感觉运动网络、DMN和视觉网络等功能连接可能表现出更广泛损害。其他非运动症状如伴有快速眼动睡眠行为障碍、抑郁等,其感觉运动网络、DMN和视觉网络等功能连接可能表现出更广泛的损害[64]

       尤其是胆碱能系统,在PD网络属性改变中扮演关键角色。NBM是大脑皮层胆碱能输入的主要来源,其体积变化与执行功能改善、非运动及运动症状减轻显著相关。NBM体积的减小与PD患者的认知损害密切相关,其体积测量已显示出作为未来认知能力下降预后指标的潜在效用[65]。综上,PD中深部核团的病变可引发全脑网络拓扑属性的广泛失调,为将PD理解为“脑网络病”提供了有力证据。

4.3 酰胺质子转移成像

       利用酰胺质子转移成像(amide proton transfer, APT)MRI技术研究PD相关脑内核团,是近年来神经影像学的一个热点。APT是化学交换饱和转移(chemicalexchange saturationtransfer, CEST)技术的一种,主要通过检测脑内蛋白质酰胺质子的化学交换,能够无创地反映PD相关核团内的蛋白质代谢和微环境变化。李春媚等[66]利用APT技术测量双侧SN、RN、苍白球、壳核和尾状核的酰胺质子不对称磁化转移率(asymmetric magnetization transfer ratio, MTRasym),发现PD患者组SN的MTRasym低于正常对照组,而PD患者组苍白球、壳核和尾状核的MTRasym则高于正常对照组。其原因可能为:SN的APT降低可能反映神经元丢失导致的神经黑色素相关蛋白密度下降;GP等核团的APT升高则可能与间接通路过度活跃所致的代谢相关蛋白表达上调及神经炎症相关的胶质细胞活化有关。李昕阳等[67]进一步分析双侧SN、RN的CEST定量指标,发现联合模型对PD具有最高的诊断效能(AUC值最高),左侧SN酰胺基值的敏感度高达93.33%。TIAN等[68]研究显示,出现运动不对称性的PD患者中,症状较重一侧的SN和RN的APT值显著降低,且SN的APT不对称指数与运动不对称指数呈正相关,提示SN的APT值可作为PD运动不对称性的无创生物标志物。这些发现表明,在PD-SMA患者中,SN的APT信号两侧变化存在不一致性,SN的APT值可能作为PD不对称性的无创生物标志物。

       尽管APT成像为无创探测PD脑内蛋白质变化提供了新方向,但其临床应用仍面临根本性挑战。首先,其信号强度易受多种技术参数,如磁场强度、射频饱和功率以及生理条件的影响,导致结果的可重复性与可比性面临挑战。其次,目前观察到的SN信号降低与苍白球、壳核信号升高,并非PD特有的表现,在其他突触核蛋白病或tau蛋白病中也可能出现,这限制了其作为特异性生物标志物的能力。最后,APT信号主要反映蛋白质的总体聚集水平,难以区分α-突触核蛋白与其他病理蛋白,也无法精确揭示蛋白质聚集与神经元退变之间的因果时序关系。

4.4 MRS

       MRS是目前唯一能活体无创探测组织代谢物浓度的技术。在PD研究中,N-乙酰天门冬氨酸(N-acetyl aspartate, NAA)作为神经元完整性标志物,在SN、壳核及相关皮层区域常降低,反映多巴胺能神经元丢失;胆碱(choline, Cho)与肌醇(myoinositol, mIns)升高提示胶质增生与炎症;肌酸(creatine & phosphocreatine, Cr)常作参照;乳酸(lactate, Lac)异常、谷氨酸/谷氨酰胺(glutamine, Glx)紊乱印证线粒体功能障碍与兴奋性毒失衡。代谢物比值变化(如NAA/Cr下降、Cho/Cr升高)具有特征性,可用于早期识别、鉴别诊断及疗效评估。

       SN作为PD病理改变的核心区域,其代谢物变化是MRS早期诊断研究的重点。袁防震等发现PD组SN区NAA/Cr、NAA/Cho等比值显著低于健康对照,非对称性PD患者患肢对侧SN代谢物比值低于同侧,且H&Y分级重组比值更低,提示MRS参数与疾病严重程度存在梯度关系[69]。目前,利用此技术针对PD深部核团主要是丘脑、BG、SN方面的研究。Meta分析方案指出PD患者SN和苍白球的NAA/Cr比值显著下降,反映了早期神经元线粒体功能障碍[70]。然而,针对丘脑的研究长期存在争议:震颤主导型PD患者可出现NAA/Cr下降,而非震颤型常正常[71]。这种异质性提示MRS不仅能诊断PD,还有望区分其临床亚型。目前,一个关键的研究进展在于,MRS揭示了深部脑DBS治疗对靶点以外区域的深远影响。2025年一项探索性研究发现,晚期PD患者术前丘脑代谢物与对照组无显著差异,术后尽管症状显著改善,丘脑总NAA浓度却下降约10.2%[72]。研究者认为这可能反映DBS对异常基底节-丘脑-皮层环路的输入性连接被功能性阻断,使丘脑代谢活动降至正常以下。而PD疾病深部核团的改变并非孤立存在。KUMARI等的一项研究发现,感觉运动皮层的代谢改变与深部核团功能密切相关[73]。另外,值得注意的是,线粒体功能障碍是PD发病的最早期事件之一,理论上先于多巴胺能神经元丢失、铁沉积和α-突触核蛋白聚集。严福华团队最新研究基于31P-MRS技术,对PD患者的中脑代谢特征进行了深入探索,发现SN的能量代谢指标可作为可靠的影像学生物标志物,能够有效区分早期PD与其他运动障碍疾病[74]。与常规¹H-MRS检测不同,31P MRS直接靶向能量代谢核心分子,更直接反映线粒体功能障碍,不同α-突触核蛋白病的能量代谢障碍模式可能存在差异。

5 影像组学与预测模型

       影像组学通过从医学图像中提取定量特征并结合机器学习构建预测模型,正逐渐改变PD的诊断与治疗评估模式。有研究分别利用T1WI、DTI、NODDI等技术提取深部核团纹理特征,构建支持向量机模型,有效评估PD微结构改变[75, 76, 77]。影像组学能够捕捉早期微小变化,为早期诊断提供客观依据,并有助于PD与其他帕金森综合征的鉴别。SHUTTING等利用T1WI和SWI以区分PD和MSA,准确率分别为81.4%和85.4%,AUC分别为0.904和0.881[78]。SN的纹理差异和GP的形状差异在区分三类别和两类别时均表现出高效性。KIM等采用图卷积神经网络整合结构MRI、fMRI、DTI及临床信息,实现了PD无监督亚型分类[79]。近年来,Transformer架构为多模态融合开辟新路径:LAKHANI等的IMPACT框架利用交叉注意力机制融合fMRI多维度特征,区分PD与健康对照的AUC达0.977[57]。ModFus-PD框架进一步引入跨模态注意力与对比学习,将MRI影像与临床量表文本对齐,准确率达90.3%[56]。深部核团影像组学特征还与运动症状及抑郁严重程度相关,可用于病情评估与进展预测[80]

       当前研究趋势是将铁沉积测量与其他PD特异性标志物整合,构建多维度诊断模型。2026年一项研究综合评估N1征象、NODDI体积及QSM铁含量,最优模型区分PD与健康对照的AUC达0.99~1.00[81]。这种多模态整合策略显著提升了单一指标的诊断效能,但其融合方式仍以早期融合为主,即在特征提取后将不同模态的特征向量拼接,输入单一分类器。其他两种多模态MRI数据融合策略方法为晚期融合和联合潜在空间模型。前者是通过各模态独立训练模型后在决策层通过投票或加权融合的多模态整合策略方法,后者则是通过对比学习、跨模态注意力等机制将异构数据映射到统一的嵌入空间,捕捉模态间的深层语义交互。

       铁沉积影像组学在鉴别诊断中同样效能卓越:KANG等基于QSM及多序列MRI建立支持向量机模型评估PD患者认知障碍,AUC达0.90~0.95[82]。另外,深部核团的影像组学特征与PD的运动症状如UPDRS-Ⅲ评分和抑郁严重程度相关,可用于评估病情和预测进展[83, 84]。而多模态MRI数据融合是PD影像学研究的必然趋势,通过结合结构、功能、代谢和分子影像信息,可以更全面地揭示PD的复杂病理过程。ZHANG等基于T1WI的影像组学和脑脊液中的α-突触核蛋白,表明可以预测PD的临床分期,并且通过将影像组学与CSF中α-突触核蛋白相结合,可以提高多模态模型的效能[85]

6 小结与展望

       近年来,PD深部核团的多模态MRI研究已从单一结构描述转向多维度病理机制分析,利用结构及功能MRI技术及影像组学对PD患者深部核团的研究汇总见表1。主要进展包括:第一,QSM与NODDI技术可无创评估深部核团铁沉积及神经突密度与方向离散度异常,其中NODDI衍生的NDI和ODI在疾病早期即可异常,先于常规MRI体积改变,为早期诊断提供了潜在标志物;第二,fMRI揭示了基底节-皮层环路功能连接紊乱,躯体认知网络模型将PD重新定义为网络失调性疾病,深化了对深部核团在全脑网络中节点作用的认识;第三,影像标志物与预后关联取得初步进展,术前高NDI和ODI与DBS术后良好疗效相关,提示NODDI有助于患者筛选与预后评估。

       Cho为胆碱;mIns为肌醇;Glx为谷氨酸/谷氨酰胺;SN为黑质;MSA-P为多系统萎缩;UPDRS-Ⅲ为统一帕金森病评定量表第三部分。

       尽管PD深部核团MRI研究取得了显著进展,但仍面临诸多挑战。当前面临的主要挑战是技术异质性(磁场强度、序列、算法差异)导致结果难以比较和多中心验证困难,同时临床转化需将影像标志物发展为个体化预测工具。在技术标准化方面,各研究中心在磁场强度、扫描序列、模型拟合算法及后处理流程上存在显著差异,导致研究结果之间的直接比较困难,也阻碍了影像标志物的多中心验证。未来的研究方向应包括:(1)建立多中心共识,规范磁场强度、序列参数和分析方法,减少技术异质性;针对QSM和NODDI等技术,建议各中心至少采集3 T场强下、多回波GRE序列,并采用标准化的b值方案,如NODDI采集中b=0、700、2850 s/mm²等。另外,建议研究者主动利用现有大型开放数据库(如PPMI、ADNI、UK Biobank)进行跨站点联合分析,降低单中心样本偏倚。(2)整合影像、遗传、临床和行为数据构建综合预测模型,尽可能纳入尸检病理诊断作为金标准,建立影像-病理关联。鉴于活体-尸检配对样本稀缺,建议优先建立影像-临床长期随访-脑捐赠注册队列,并发展替代性验证策略。目前已有7 T MRI研究首次在活体中绘制PD患者SN体内神经黑色素丢失和铁沉积的高分辨率空间图谱,后续仍需进一步研究[86]。(3)从前驱期或早期PD开始纵向随访,利用更高场强MRI及多模态数据融合方法,完善纵向研究设计的广泛应用,明确影像标志物的时间演变轨迹。

表1  PD患者深部核团的MRI应用对比
Tab. 1  Comparison of MRI applications for deep brain nuclei in patients with PD

[1]
张文滨, 汪永杰, 令垚, 等. 1990―2021年中国帕金森病疾病负担分析和预测[J]. 中华疾病控制杂志, 2025, 29(1): 74-81. DOI: 10.16462/j.cnki.zhjbkz.2025.01.012.
ZHANG W B, WANG Y J, LING Y, et al. Disease burden of Parkinson's disease in China from 1990 to 2021 and its prediction[J]. Chinese Journal of Disease Control& Prevention, 2025, 29(1): 74-81. DOI: 10.16462/j.cnki.zhjbkz.2025.01.012.
[2]
王子豪, 夏欢, 王晓蓓, 等. 中国帕金森病疾病负担变化趋势及预测[J]. 中华疾病控制杂志, 2025, 29(6): 636-640, 661. DOI: 10.16462/j.cnki.zhjbkz.2025.06.003.
WANG Z H, XIA H, WANG X B, et al. Trends and projection of the disease burden of Parkinson's disease in China[J]. Chinese Journal of Disease Control & Prevention, 2025, 29(6): 636-640, 661. DOI: 10.16462/j.cnki.zhjbkz.2025.06.003.
[3]
陈芝君, 马建, 唐娜, 等. 中国帕金森病疾病负担变化趋势分析及预测[J]. 中国慢性病预防与控制, 2022, 30(9): 649-654. DOI: 10.16386/j.cjpccd.issn.1004-6194.2022.09.003.
CHEN Z J, MA J, TANG N, et al. Analysis and prediction of trends in the disease burden of Parkinson's disease in China[J]. Chinese Journal of Prevention and Control of Chronic Diseases, 2022, 30(9): 649-654. DOI: 10.16386/j.cjpccd.issn.1004-6194.2022.09.003.
[4]
DIRKX J, GRILL F, DIJK N, et al. Depression in Parkinson's disease is associated with lower dopamine transporter binding in the caudate nucleus[J/OL]. Neurosci Appl, 2026, 5(S1): 105942 [2026-01-18]. https://doi.org/10.1016/J.NSA.2025.105942. DOI: 10.1016/J.NSA.2025.105942.
[5]
JIANG Y, QI Z, ZHU H, et al. Role of the globus pallidus in motor and non-motor symptoms of Parkinson's disease[J]. Neural Regen Res, 2025, 20(6): 1628-1643. DOI: 10.4103/NRR.NRR-D-23-01660.
[6]
WANDERS M, JANSEN J, WOLTERS A, et al. Altered white matter connection from the locus coeruleus to the thalamus in Parkinson's disease[J/OL]. Neuroimage, 2025, 5(4): 100292 [2026-01-18]. https://doi.org/10.1016/J.YNIRP.2025.100292. DOI: 10.1016/J.YNIRP.2025.100292.
[7]
BÉCHET S, LEONARD M, ADEMOLA E, et al. Precision prevention for neurodegenerative diseases: lessons learnt from Alzheimer's disease translated into perspectives for Parkinson's disease[J]. J Neural Transm, 2025, 133(2): 1-13. DOI: 10.1007/S00702-025-03090-Z.
[8]
CARASOL P L, HORTA M S, BARBA H A, et al. Disrupted visual-to-semantic dynamics promote visual hallucinations in Parkinson's disease[J/OL]. npj Parkinsons Dis, 2025, 12(1): 24 [2026-01-18]. https://doi.org/10.1038/S41531-025-01235-1. DOI: 10.1038/S41531-025-01235-1.
[9]
何晓琴, 李昕阳, 尚丹丹, 等. 基于3D-T1WI及T2 FLAIR的影像组学研究在帕金森病诊断中的应用[J]. 中国医刊, 2024, 59(12): 1320-1325. DOI: 10.3969/j.issn.1008-1070.2024.12.009.
HE X Q, LI X Y, SHANG D D, et al. Application of radiomics based on 3D-T1WI and T2 FLAIR in the diagnosis of Parki nson's disease[J]. Chinese Journal of Medicine, 2024, 59(12): 1320-1325. DOI: 10.3969/j.issn.1008-1070.2024.12.009.
[10]
SISODIA V, WIGGERTS Y, BOOGAARD A A, et al. Nucleus Basalis of Meynert Volume and Cognitive Impairment in Parkinson's Disease Before and After Deep Brain Stimul of the Subthalamic Nucleus[J/OL]. Brain Sci, 2025, 15(6): 630 [2026-01-18]. https://doi.org/10.3390/brainsci15060630. DOI: 10.3390/brainsci15060630.
[11]
PETER A, PETERSEN M, WROBEL P, et al. Regional gray matter volumes are not predictive of axial symptom response to subthalamic Deep Brain Stimul in Parkinsonian patients[J/OL]. Parkinsonism Relat Disord, 2025, 130: 107193 [2026-01-18]. https://doi.org/10.1016/J.PARKRELDIS.2024.107193. DOI: 10.1016/J.PARKRELDIS.2024.107193.
[12]
MIKI Y, FOTI S C, ASI Y T, et al. Improving diagnostic accuracy of multiple system atrophy: a clinicopathological study[J]. Brain, 2019, 142(9): 2813-2827. DOI: 10.1093/brain/awz189.
[13]
PICILLO M, TEPEDINO M F, ABATE F, et al. Midbrain MRI assessments in progressive supranuclear palsy subtypes[J]. J Neurol Neurosurg Psychiatry, 2020, 91(1): 98-103. DOI: 10.1136/jnnp-2019-321354.
[14]
吴铁妤, 李川, 焦悦, 等. 常规磁共振形态测量学在进行性核上性麻痹中的诊断及鉴别诊断价值[J]. 中华老年医学杂志, 2023, 42(2): 188-195. DOI: 10.3760/cma.j.issn.0254-9026.2023.02.009.
WU T Y, LI C, JIAO Y, et al. Diagnostic and differential diagnostic value of conventional magnetic resonance morphometry in progressive supranuclear palsy[J]. Chinese Journal of Geriatrics, 2023, 42(2): 188-195. DOI: 10.3760/cma.j.issn.0254-9026.2023.02.009.
[15]
CONSTANTINIDES V C, GIAGKOU N, BRINIA M E, et al. In search of the optimal MRI marker for progressive supranuclear palsy: a large, single-center, retrospective study on the effect of phenotype, diagnostic certainty and disease duration[J/OL]. J Neurol, 2025, 272(8): 523 [2026-01-18]. https://doi.org/10.1007/s00415-025-12921-0. DOI: 10.1007/s00415-025-12921-0.
[16]
LIANG X, WANG Y, ANDRIKOPOULOS N, et al. Dysfunctional digestive tract highlights the metabolic hallmarks of nanoplastic-exacerbated Parkinson's pathology[J/OL]. npj Parkinsons Dis, 2025, 11(1): 300 [2026-01-18]. https://doi.org/10.1038/S41531-025-01145-2. DOI: 10.1038/S41531-025-01145-2.
[17]
田川, 张新定, 王小强, 等. 基于体素的形态学分析在帕金森病相关灰质改变中应用研究进展[J]. 立体定向和功能性神经外科杂志, 2024, 37(1): 54-62. DOI: 10.19854/j.cnki.1008-2425.2024.01.00011.
TIAN C, ZHANG X D, WANG X Q, et al. Research progress on the application of voxel-based morphometry in gray matter changes related to Parkinson's disease[J]. Stereotactic and Functional Neurosurgery, 2024, 37(1): 54-62. DOI: 10.19854/j.cnki.1008-2425.2024.01.00011.
[18]
孟令雷, 王晓娟, 李少腾, 等. 弥散张量成像技术在早期帕金森病认知障碍中的应用研究[J]. 脑与神经疾病杂志, 2025, 33(5): 296-301. DOI: 10.19845/j.cnki.zfysjjbzz.2025.0120
MENG L L, WANG X J, LI S T, et al. Application of diffusion tensor imaging in cognitive impairment of early Parkinson's disease[J]. Journal of Brain and Nervous Diseases, 2025, 33(5): 296-301. DOI: 10.19845/j.cnki.zfysjjbzz.2025.0120.
[19]
苏香存, 廖欣, 蔡立君, 等. 扩散张量成像联合酰胺质子转移加权成像对老年早期帕金森病的诊断效能[J]. 中华老年心脑血管病杂志, 2026, 28(3): 372-376. DOI: 10.3969/j.issn.1009-0126.2026.03.021.
SU X C, LIAO X, CAI L J, et al. Diagnostic efficacy of diffusion tensor imaging combined with amide proton transfer-weighted imaging in early Parkinson's disease among elderly patients[J]. Chinese Journal of Geriatric Heart Brain and Vessel Diseases, 2026, 28(3): 372-376. DOI: 10.3969/j.issn.1009-0126.2026.03.021.
[20]
臧任丽, 王红, 潘伟, 等. 基于DTI技术对帕金森病冻结步态患者黑质和岛叶的脑微结构变化的初步研究[J]. 磁共振成像, 2025, 16(8): 13-18. DOI: 10.12015/issn.1674-8034.2025.08.003.
ZANG R L, WANG H, PAN W, et al. A preliminary study on brain microstructure changes of substantia nigra and insula in Parkinson's disease patients with freezing of gait based on DTI technique[J]. Chin J Magn Reson Imaging, 2025, 16(8): 13-18. DOI: 10.12015/issn.1674-8034.2025.08.003.
[21]
张玉柱, 徐露露, 周洁, 等. 中脑和基底节神经核团MR扩散张量成像在帕金森病诊断中的作用[J]. 分子影像学杂志, 2021, 44(2): 327-331. DOI: 10.12122/j.issn.1674-4500.2021.02.27.
ZHANG Y Z, XU L L, ZHOU J, et al. Role of MR diffusion tensor imaging of midbrain and basal ganglia nuclei in the diagnosis of Parkinson's disease[J]. Journal of Molecular Imaging, 2021, 44(2): 327-331. DOI: 10.12122/j.issn.1674-4500.2021.02.27.
[22]
孟品, 李雨欣, 周芯羽, 等. 功能磁共振成像对帕金森病伴发轻度认知功能障碍的早期诊断应用[J]. 中国临床医学影像杂志, 2025, 36(12): 842-845, 854. DOI: 10.12117/jccmi.2025.12.002.
MENG P, LI Y X, ZHOU X Y, et al. Early diagnostic application of functional magnetic resonance imaging in Parkinson's disease with mild cognitive impairment[J]. Journal of China Clinic Medical Imaging, 2025, 36(12): 842-845, 854. DOI: 10.12117/jccmi.2025.12.002.
[23]
TOCZYLOWSKA B, MICHAŁOWSKA M, CHALIMONIUK M, et al. Diffusion tensor imaging technique for studying brain microstructural changes in Parkinson's disease patients[J]. Biocybern Biomed Eng, 2025, 45(3): 426-437. DOI: 10.1016/j.bbe.2025.03.006.
[24]
HARTMANN K, BIELAWSKI J, STEIN P K, et al. No significant correlation of subthalamic nuclei diffusion measures and disease burden: Evidence from 130 Parkinson's Disease Cases[J]. Deep Brain Stimul, 2025, 10: 1-12. DOI: 10.1016/J.JDBS.2025.06.002.
[25]
JENSEN J H, HELPERN J A, RAMANI A, et al. Diffusional kurtosis imaging: the quantification of non-gaussian water diffusion by means of magnetic resonance imaging[J]. Magn Reson Med, 2005, 53(6): 1432-1440. DOI: 10.1002/mrm.20508.
[26]
MODI A, MARIA S, KUCEROVA R J, et al. Brain Alterations Linked to the MPTP Mouse Model of Parkinson's Disease Uncovered by Diffusion Kurtosis Imaging and Magnetic Resonance Spectroscopy[J/OL]. CNS Neurosci Ther, 2026, 32(4): e70846[2026-01-18]. https://onlinelibrary.wiley.com/doi/abs/10.1002/cns.70846. DOI: 10.1002/CNS.70846.
[27]
ZHU N, HE S, HUANG Z, et al. Cerebral microstructural alteration patterns in motor subtypes of Parkinson's disease: a neurite orientation dispersion and density imaging study[J]. Quant Imaging Med Surg, 2025, 15(12): 12454-12466. DOI: 10.21037/QIMS-2025-34.
[28]
RONG Y, XU Z, ZHU Y, et al. Combination of quantitative susceptibility mapping and diffusion kurtosis imaging provides potential biomarkers for early-stage Parkinson's disease[J]. ACS Chem Neurosci, 2022, 13(18): 2699-2708. DOI: 10.1021/acschemneuro.2c00321.
[29]
WANG J, BI Q, GONG W, et al. Histogram analysis of diffusion kurtosis imaging of deep brain nuclei in Parkinson's disease with different motor subtypes[J/OL]. Clin Radiol, 2023, 78(12): e966-e974 [2026-01-18]. https://www.sciencedirect.com/science/article/abs/pii/S0009926023004221. DOI: 10.1016/J.CRAD.2023.09.008.
[30]
WELTON T, HARTONO S, TAN S, et al. A combined imaging based biomarker for Parkinson's disease using diffusion kurtosis and quantitative susceptibility mapping: 883[J/OL]. Mov Disord, 2021, 36: S387[2026-01-18]. https://doi.org/10.3389/fnagi.2024.1516479. DOI: 10.3389/fnagi.2024.1516479.
[31]
AMIT K, JANA R, ANAS A, et al. Diffusion kurtosis imaging detects the time-dependent progress of pathological changes in the oral rotenone mouse model of Parkinson's disease[J]. J Neurochem, 2021, 158(3): 779-797. DOI: 10.1111/JNC.15449.
[32]
沈仕茂, 刘德国, 伊志强, 等. 神经突方向离散度和密度成像在中枢神经系统中的研究进展[J]. 医学影像学杂志, 2025, 35(4): 121-124. DOI: 10.20258/j.cnki.1006-9011.2025.04.030.
SHEN S M, LIU D G, YI Z Q, et al. Research progress of neurite orientation dispersion and density imaging in the central nervous system. Journal of Medical Imaging, 2025, 35(4): 121-124. DOI: 10.20258/j.cnki.1006-9011.2025.04.030.
[33]
ZHANG C, YUAN Y, SANG T, et al. Local white matter abnormalities in Parkinson's disease with mild cognitive impairment: Assessed with neurite orientation dispersion and density imaging[J]. J Neurosci Res, 2023, 101(7): 1154-1169. DOI: 10.1002/jnr.25181.
[34]
KOJI K, TAKU H, AYAMI O, et al. Neurite orientation dispersion and density imaging in the substantia nigra in idiopathic Parkinson disease[J]. Eur Radiol, 2016, 26(8): 2567-2577. DOI: 10.1007/s00330-015-4066-8.
[35]
蒋爽, 阿卜杜热合曼·阿卜力米提, 邵华, 等. 早、中晚期帕金森病患者脑铁沉积与微观结构变化特点及相关性研究[J]. 临床放射学杂志, 2024, 43(6): 912-916. DOI: 10.13437/j.cnki.jcr.2024.06.003.
JIANG S, ABLIZ A, SHAO H, et al. Characteristics and correlation study of cerebral iron deposition and microstructural changes in patients with early, middle, and advanced Parkinson's disease[J]. J Clin Radiol, 2024, 43(6): 912-916. DOI: 10.13437/j.cnki.jcr.2024.06.003.
[36]
MADELUNG F C, LØKKEGAARD A, FUGLSANG A S, et al. High-resolution mapping of substantia nigra in Parkinson's disease using 7 tesla magnetic resonance imaging[J/OL]. npj Parkinsons Dis, 2025, 11(1): 113 [2026-01-18]. https://doi.org/10.1038/S41531-025-00972-7. DOI: 10.1038/S41531-025-00972-7.
[37]
ZENG W, CAI J, ZHANG L, et al. Iron Deposition in Parkinson's Disease: A Mini-Review[J/OL]. Cell Mol Neurobiol, 2024, 44(1): 26 [2026-01-18]. https://doi.org/10.1007/S10571-024-01459-4. DOI: 10.1007/S10571-024-01459-4.
[38]
ONO D, KONDRAKUNTA S, MAK E, et al. Neuropathologic basis of quantitative susceptibility mapping in the substantia nigra: contributions of tau, pigmented neurons, and iron[J/OL]. Acta Neuropathol, 2026, 151(1): 17 [2026-01-18]. https://doi.org/10.1007/s00401-026-03002-x. DOI: 10.1007/s00401-026-03002-x.
[39]
杨超, 周玲, 陶晶, 等. 黑质与红核铁沉积增加是特发性帕金森病运动障碍进展的潜在影像标志物:基于磁敏感加权成像[J]. 分子影像学杂志, 2025, 48(5): 569-573. DOI: 10.12122/j.issn.1674-4500.2025.05.20.
YANG C, ZHOU L, TAO J, et al. Increased iron deposition in substantia nigra and red nucleus as a potential imaging biomarker for motor progression in idiopathic Parkinson's disease: Based on susceptibility-weighted imaging[J]. Journal of Molecular Imaging, 2025, 48(5): 569-573. DOI: 10.12122/j.issn.1674-4500.2025.05.20.
[40]
杨铁, 周波, 李东璟, 等. 黑质磁敏感加权成像诊断帕金森病的Meta分析[J]. 中国医学影像技术, 2015, 31(4): 508-511. DOI: 10.13929/j.1003-3289.2015.04.009.
YANG T, ZHOU B, LI D J, et al. Meta-analysis of substantia nigra susceptibility-weighted imaging in the diagnosis of Parkinson's disease[J]. Chinese Journal of Medical Imaging Technology, 2015, 31(4): 508-511. DOI: 10.13929/j.1003-3289.2015.04.009.
[41]
师小凤, 贺娜英, 张有敏, 等. tSWI与QSM评估帕金森病黑质燕尾征的对照研究[J]. 放射学实践, 2025, 40(8): 949-955. DOI: 10.13609/j.cnki.1000-0313.2025.08.001.
SHI X F, HE N Y, ZHANG Y M, et al. Comparative study of tSWI and QSM in evaluating the swallow tail sign of substantia nigra in Parkinson's disease[J]. Radiol Pract, 2025, 40(8): 949-955. DOI: 10.13609/j.cnki.1000-0313.2025.08.001.
[42]
DIBASH B, RAMAKRISHNAN M, ANTHONY L, et al. Automated segmentation of substantia nigra and red nucleus using quantitative susceptibility mapping images: Application to Parkinson's disease[J/OL]. Comput Electr Eng, 2021, 91: 107091 [2026-01-18]. https://www.sciencedirect.com/science/article/abs/pii/S0045790621001002. DOI: 10.1016/J.COMPELECENG.2021.107091.
[43]
VRIES D E, HAGBOHM C, OUELLETTE R, et al. Clinical 7 Tesla magnetic resonance imaging: Impact and patient value in neurological disorders[J]. J Intern Med, 2025, 297(3): 244-261. DOI: 10.1111/JOIM.20059.
[44]
QING C, JINJIN H, DONGPING T, et al. Application value of multiparametric MRI for evaluating iron deposition in the substantia nigra in Parkinson's disease[J]. Front Neurol, 2023, 13: 1096966 [2026-01-18]. https://doi.org/10.3389/FNEUR.2022.1096966. DOI: 10.3389/FNEUR.2022.1096966.
[45]
GUO W, ZHANG D, SUN J, et al. Quantitative susceptibility mapping of subcortical iron deposition in Parkinson disease and multiple system atrophy: clinical correlations and diagnostic implications[J]. Quant Imaging Med Surg, 2024, 14(7): 4464-4474. DOI: 10.21037/QIMS-24-168.
[46]
ZANG S, PAN Y, CHEN M, et al. Different iron distribution patterns in Parkinson's disease and its motor subtypes: a quantitative susceptibility mapping study[J/OL]. Acta Radiol, 2024, 66(1): 2841851241297207 [2026-01-18]. https://doi.org/10.1177/02841851241297207. DOI: 10.1177/02841851241297207.
[47]
XINHUI W, WEI W, YAN B, et al. Intrinsic Brain Activity Alterations in Patients With Parkinson's disease[J]. Neurosci Lett, 2023, 809: 137298 [2026-01-18]. https://doi.org/10.1016/J.NEULET.2023.1. DOI: 10.1016/J.NEULET.2023.1.
[48]
WANG L, XIONG X, LIU J, et al. Gray matter structural and functional brain abnormalities in Parkinson's disease: a meta-analysis of VBM and ALFF data[J/OL]. J Neurol, 2025, 272(4): 276 [2026-01-18]. https://doi.org/10.1007/S00415-025-12934-3. DOI: 10.1007/S00415-025-12934-3.
[49]
LIU S, ZHU X, PU H, et al. Regional homogeneity differences in resting-state fMRI between Parkinson's disease and multiple system atrophy-parkinsonian type[J]. J Neural Transm, 2025, 133(1): 1-10. DOI: 10.1007/S00702-025-02940-0.
[50]
BAUDREXEL S, WITTE T, SEIFRIED C, et al. Resting state fMRI reveals increased subthalamic nucleus–motor cortex connectivity in Parkinson's disease[J]. NeuroImage, 2011, 55(4): 1728-1738. DOI: 10.1016/j.neuroimage.2011.01.017.
[51]
CHRISTIAN M, JULIAN C, ROBERT L, et al. Functional Connectivity Differences of the Subthalamic Nucleus Related to Parkinson's Disease[J]. Hum Brain Mapp, 2016, 37(3): 1235-1253. DOI: 10.1002/hbm.23099.
[52]
QIN B, TANG Y, QIN H, et al. Abnormal subthalamic nucleus functional connectivity and machine learning classification in Parkinson's disease: a multisite functional magnetic resonance imaging study[J/OL]. Front Aging Neurosci, 2025, 17: 1695806 [2026-01-18]. https://doi.org/10.3389/FNAGI.2025.1695806. DOI: 10.3389/FNAGI.2025.1695806.
[53]
赵高华, 曹蓝霄, 赵国华. 帕金森病冲动强迫行为的磁共振成像研究进展[J]. 中华神经科杂志, 2022, 55(5): 544-550. DOI: 10.3760/cma.j.cn113694-20211009-00687.
ZHAO G H, CAO L X, ZHAO G H. Research progress on magnetic resonance imaging of impulsive-compulsive behaviors in Parkinson's disease[J]. Chinese J Neurol, 2022, 55(5): 544-550. DOI: 10.3760/cma.j.cn113694-20211009-00687.
[54]
CHU C, LIU S, HE N, et al. Subthalamic stimulation modulates motor network in Parkinson's disease: recover, relieve and remodel[J]. Brain, 2023, 146(7): 2780-2791. DOI: 10.1093/brain/awad011.
[55]
WÓJCIK R, DĘBSKA A, ZACZKOWSKI K, et al. Deep Brain Stimul for Parkinson's disease—a narrative review[J/OL]. Biomedicines, 2025, 13(10): 2430 [2026-01-18]. https://doi.org/10.3390/biomedicines13102430. DOI: 10.3390/biomedicines13102430.
[56]
MIDDLEBROOKS H E, BOT M, PATRIAT R, et al. Multi-institutional recommendations on the use of 7 T MRI in deep brain stimulation[J]. J. Neurosurg., 2025, 143(5):1165-1178. DOI: 10.3171/2025.2.JNS242247.
[57]
DUNDON M N, RIZOR J E, STASIAK E J, et al. Incentive valence differentially engages open- and closed-loop basal ganglia circuits during movement initiation[J/OL]. Proc Natl Acad Sci U S A, 2026, 123(19): e2537314123[2026-01-18]. https://doi.org/10.1073/PNAS.2537314123. DOI: 10.1073/PNAS.2537314123.
[58]
JINGYA M, MOHAMED T, VICTORIA K, et al. Use of Functional MRI in Deep Brain Stimul in Parkinson's Diseases: A Systematic Review[J/OL]. Front Neurol, 2022, 13: 849918 [2026-01-18]. https://doi.org/10.3389/FNEUR.2022.849918. DOI: 10.3389/FNEUR.2022.849918.
[59]
王晴, 夏建国, 田为中. 帕金森病伴认知功能损伤的静息态脑网络功能磁共振研究进展[J]. 磁共振成像, 2020, 11(11): 1044-1047. DOI: 10.12015/issn.1674-8034.2020.11.018.
WANG Q, XIA J G, TIAN W Z. Research progress on resting-state brain network functional magnetic resonance imaging in Parkinson's disease with cognitive impairment[J]. Chin J Magn Reson Imaging, 2020, 11(11): 1044-1047. DOI: 10.12015/issn.1674-8034.2020.11.018.
[60]
EISENSTEIN T, GROENEWALD K, VAN HILLEGONDSBERG L, et al. Cholinergic degeneration in prodromal and early Parkinson's: a link to present and future disease states[J/OL]. Brain, 2025 [2026-01-18]. https://doi.org/10.1002/mds.29635. DOI: 10.1002/mds.29635.
[61]
KHAN Z A, SHAFIQ M A, SINGH J, et al. Application of Functional MRI in Parkinson's Disease and Default Mode Network: Review of the Literature[J]. Can J Neurol Sci, 2025: 1-8. DOI: 10.1017/cjn.2025.110.
[62]
MIJALKOV M, VOLPE G, PEREIRA J B. Directed brain connectivity identifies widespread functional network abnormalities in Parkinson's disease[J]. Cereb Cortex, 2022, 32(3): 593-607. DOI: 10.1093/cercor/bhab244.
[63]
GARCIA R P G, MIDDLEBROOKS E, MEI S, et al. Functional and Structural Connectivity Correlates of Axial Symptom Outcomes After Pallidal Deep Brain Stimul in Parkinson's Disease[J/OL]. Brain Sci, 2025, 15(11): 1245 [2026-01-18]. https://doi.org/10.3390/BRAINSCI15111245. DOI: 10.3390/BRAINSCI15111245.
[64]
ZHANG C, WU C, ZHANG H, et al. Disrupted resting-state functional connectivity of the nucleus basalis of meynert in Parkinson's disease with mild cognitive impairment[J]. Neuroscience, 2020, 442: 228-236. DOI: 10.1016/j.neuroscience.2020.06.025.
[65]
SLATER M N, MELZER R T, MYALL J D, et al. Cholinergic Basal Forebrain Integrity and Cognition in Parkinson's Disease: A Reappraisal of Magnetic Resonance Imaging Evidence[J]. Mov Disord, 2024, 39(12): 2155-2172. DOI: 10.1002/MDS.30023.
[66]
李春媚, 王蕊, 周进元, 等. 酰胺质子转移磁共振成像在帕金森病诊断中的应用价值[J]. 功能与分子医学影像学(电子版), 2014, 3(3): 428-431. DOI: 10.3969/j.issn.2095-2252.2014.03.016.
LI C M, WANG R, ZHOU J Y, et al. Value of amide proton transfer magnetic resonance imaging in the diagnosis of Parkinson's disease. Functional and Molecular Medical Imaging (Electronic Edition), 2014, 3(3): 428-431. DOI: 10.3969/j.issn.2095-2252.2014.03.016.
[67]
李昕阳, 田瑶天, 苏闻, 等. 黑质、红核化学交换饱和转移成像定量指标在帕金森病中的研究[J]. 中华放射学杂志, 2024, 58(6): 603-610. DOI: 10.3760/cma.j.cn112149-20230803-00065.
LI X Y, TIAN Y T, SU W, et al. Quantitative metrics of chemical exchange saturation transfer imaging in substantia nigra and red nucleus in Parkinson's disease[J]. Chin J Radiol, 2024, 58(6): 603-610. DOI: 10.3760/cma.j.cn112149-20230803-00065.
[68]
TIAN Y, LI X, CHEN H, et al. Altered Nigral Amide Proton Transfer Imaging Signal Concordant With Motor Asymmetry in Parkinson's Disease: A Multipool CEST MRI Study[J/OL]. NMR Biomed, 2025, 38(2): e5310[2026-01-18]. https://onlinelibrary.wiley.com/doi/10.1002/nbm.5310. DOI: 10.1002/NBM.5310.
[69]
袁防震, 谭长连, 贺忠, 等. 帕金森病中脑黑质3D多体素1H-MRS研究[J]. 医学影像学杂志, 2016, 26(11): 1949-1953. DOI: 10.20258/j.cnki.1006-9011.2016.11.001.
YUAN F Z, TAN C L, HE Z, et al. 3D multi-voxel ¹H-MRS study of substantia nigra in midbrain in Parkinson's disease[J]. J Med Imaging, 2016, 26(11): 1949-1953. DOI: 10.20258/j.cnki.1006-9011.2016.11.001.
[70]
GU W, HE C, CHEN J, et al. Proton magnetic resonance spectroscopy for the early diagnosis of Parkinson disease in the substantia nigra and globus pallidus: a meta-analysis with trial sequential analysis[J/OL]. Front Neurol, 2022, 13: 838230 [2026-01-18]. https://doi.org/10.3389/fneur.2022.838230. DOI: 10.3389/fneur.2022.838230.
[71]
HUANG M, YU H, LYU X, et al. Region-specific cerebral metabolic alterations in Parkinson's disease patients with/without mild cognitive impairment[J]. Neuroscience, 2024, 551: 254-261. DOI: 10.1016/J.NEUROSCIENCE.2024.05.039.
[72]
GÖRANSSON N, TAPPER S, LUNDBERG P, et al. Thalamic metabolite changes after subthalamic nucleus Deep Brain Stimul in Parkinson's disease: an exploratory magnetic resonance spectroscopy study[J/OL]. Front Neurol, 2025, 16: 1662142 [2026-01-18]. https://doi.org/10.3389/fneur.2025.1662142. DOI: 10.3389/fneur.2025.1662142.
[73]
KUMARI S, KUMARAN S, RAJAN R, et al. Neurobiochemical alterations in patients with idiopathic Parkinson's disease in sensorimotor cortex using 1H-MRS[J]. Neuroscience, 2025, 5881-5810. DOI: 10.1016/J.NEUROSCIENCE.2025.10.014.
[74]
YU Q, ZHANG Y, HUANG P, et al. Midbrain Energy Homeostasis Biomarker for Differential Diagnosis of Early-Stage Parkinson Disease: A 1H and 31P MRI Study[J/OL]. Radiology, 2026, 319(1): e251533[2026-01-18]. https://doi.org/10.1148/RADIOL.251533. DOI: 10.1148/RADIOL.251533.
[75]
ACCIOLY M R A, MENEZES O V, CALIXTO H L, et al. Machine Learning-Based Diagnostic Prediction Model Using T1-Weighted Striatal Magnetic Resonance Imaging for Early-Stage Parkinson's Disease Detection[J]. Acad Radiol, 2025, 32(7): 4177-4187. DOI: 10.1016/J.ACRA.2025.04.001.
[76]
张宁贵, 王雪, 李璐璐, 等. 弥散峰度成像影像组学评估帕金森病[J]. 中国医学影像技术, 2024, 40(9): 1323-1326. DOI: 10.13929/j.issn.1003-3289.2024.09.010.
ZHANG N G, WANG X, LI L L, et al. (2024). Radiomics assessment of Parkinson's disease using diffusion kurtosis imaging[J]. Chinese Journal of Medical Imaging Technology, 2024, 40(9): 1323-1326. DOI: 10.13929/j.issn.1003-3289.2024.09.010.
[77]
陈红, 柏福运, 安鹏, 等. 基于神经黑色素成像的纹理分析在帕金森病诊断中的价值研究[J]. 磁共振成像, 2025, 16(6): 34-41, 47. DOI: 10.12015/issn.1674-8034.2025.06.007
CHEN H, BAI F Y, AN P, et al. Value of texture analysis based on neuromelanin imaging in the diagnosis of Parkinson's disease[J]. Chin J Magn Reson Imaging, 2025, 16(6), 34-41, 47. DOI: 10.12015/issn.1674-8034.2025.06.007.
[78]
SHUTING B, HUIZE P, XIAOLU L, et al. Multi-parametric radiomics of conventional T1 weighted and susceptibility-weighted imaging for differential diagnosis of idiopathic Parkinson's disease and multiple system atrophy[J/OL]. BMC Med Imaging, 2023, 23(1): 204 [2026-01-18]. https://doi.org/10.1186/s12880-023-01166-4. DOI: 10.1186/s12880-023-01166-4.
[79]
KIM J, LEE H, PARK S, et al. Integrated analysis of multimodal brain imaging and clinical data for Parkinson's disease subtyping using deep learning[J/OL]. Med Image Anal, 2024, 94: 103245 [2026-01-18]. https://doi.org/10.1016/j.media.2024.103245. DOI: 10.1016/j.media.2024.103245.
[80]
SEIFY N, KHEZERLOO D, JAHANSHAHI R A, et al. Longitudinal assessment of MRI-based radiomics feature changes in caudate and putamen over progression of parkinson's disease[J/OL]. Egypt J Radiol Nucl Med, 2025, 56(1): 135 [2026-01-18]. https://doi.org/10.1186/S43055-025-01552-8. DOI: 10.1186/S43055-025-01552-8.
[81]
FUSHIMI Y, GHASSABAN K, SETHI S K, et al. Integrated evaluation of Nigrosome 1 sign, neuromelanin-sensitive MR and iron deposition[J]. Jpn J Radiol, 2026, 44: 24-34. DOI: 10.1007/s11604-025-01858-7.
[82]
KANG J J, CHEN Y, XU G D, et al. Combining quantitative susceptibility mapping to radiomics in diagnosing Parkinson's disease and assessing cognitive impairment[J]. Eur Radiol, 2022, 32(10): 6992-7003. DOI: 10.1007/s00330-022-08790-8.
[83]
谢国清, 吴昆华, 毕秋, 等. 多模态MRI及影像组学在帕金森病伴抑郁的研究进展[J]. 磁共振成像, 2022, 13(6): 135-138. DOI: 10.12015/issn.1674-8034.2022.06.027.
XIE G Q, WU K H, BI Q, et al. Research progress of multimodal MRI and radiomics in Parkinson's disease with depression[J]. Chin J Magn Reson Imaging, 2022, 13(6): 135-138. DOI: 10.12015/issn.1674-8034.2022.06.027.
[84]
HOSSEINI S M, AGHAMIRI R M S, PANAHI M. Cross-regional radiomics: a novel framework for relationship-based feature extraction with validation in Parkinson's disease motor subtyping[J/OL]. BioData Min, 2025, 18(1): 67 [2026-01-18]. https://doi.org/10.1186/s13040-025-00458-5. DOI: 10.1186/s13040-025-00458-5.
[85]
ZHANG X, LI H, XIA X, et al. Predicting Parkinson's disease and its progression based on radiomics in T1-weight images and α-synuclein in cerebrospinal fluid[J/OL]. npj Parkinsons Dis, 2025, 11(1): 273 [2026-01-18]. https://doi.org/10.1038/s41531-025-01079-9. DOI: 10.1038/s41531-025-01079-9.
[86]
MADELUNG C F, LØKKEGAARD A, FUGLSANG S A, et al. High-resolution mapping of substantia nigra in Parkinson's disease using 7 tesla magnetic resonance imaging[J/OL]. npj Parkinsons Dis, 2025, 11(1): 113 [2026-01-18]. https://doi.org/1038/s41531-025-00972-7. DOI: 10.1038/s41531-025-00972-7.

上一篇 默认网络与背侧注意网络负功能连接在主观认知衰退中的研究进展
下一篇 抑郁症与胃肠道异常共病的MRI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