分享:
分享到微信朋友圈
X
临床研究
基于计算流体动力学大脑中动脉粥样硬化性急性缺血性脑卒中功能预后的相关性研究
吴佳华 陈国中 王鹏 毛存南 缪正飞 苏文 殷信道

Cite this article as: Wu JH, Chen GZ, Wang P, et al. Computational fluid dynamics and functional outcome in atherosclerotic middle cerebral artery stenosis: A correlation study[J]. Chin J Magn Reson Imaging, 2021, 12(6): 10-15.本文引用格式:吴佳华, 陈国中, 王鹏, 等. 基于计算流体动力学大脑中动脉粥样硬化性急性缺血性脑卒中功能预后的相关性研究[J]. 磁共振成像, 2021, 12(6): 10-15. DOI:10.12015/issn.1674-8034.2021.06.003.


[摘要] 目的 探讨基于计算流体动力学(computational fluid dynamics,CFD)探究大脑中动脉(middle cerebral artery,MCA)粥样硬化性狭窄程度为50%~99%的急性缺血性脑卒中和其临床功能预后之间的潜在关系。材料与方法 回顾性收集大脑中动脉粥样硬化性急性缺血性脑卒中患者共50例,收集其一般临床资料,基于CFD获取血流动力学参数:壁切应力比(wall shear stress ratio,WSSR)、压力比(pressure ratio,PR)、血流流速比(velocity ratio,VR)、横截面积比(area ratio,AR)、质量流比(mass flow ratio,MFR),基于3个月改良Rankin量表(modified Rankin Scale,mRS)评分,将患者分为预后良好组(0~2分)和预后不良组(3~6分),比较两组间一般临床资料及血流动力学参数,并进行相关性分析。结果 共纳入50例患者,预后良好组28例,预后不良组22例。预后不良组较预后良好组高血压患者(81.82% vs. 50%,P=0.020)、糖尿病患者(59.09% vs. 28.57%,P=0.030)和高脂血症患者均更多(54.55% vs. 25%,P=0.033),入院NIHSS评分(8.82±4.69 vs. 5.96±3.42;P=0.038)及24 h NIHSS评分(8.00±5.38 vs. 4.39±3.43;P=0.027)均更高,WSSR (3.04±1.56 vs. 8.68±9.67,P=0.002)、VR (2.02±0.59 vs. 3.65±2.16,P=0.000)、AR (1.30±0.13 vs. 1.62±0.34,P=0.000)及MFR (1.42±0.31 vs. 1.94±0.84,P=0.008)均更低,PR (0.99±0.01 vs. 0.97±0.04,P=0.011)更高;相关性分析结果显示,高血压(r=0.334,P=0.018)、糖尿病(r=0.295,P=0.037)、入院NIHSS评分(r=0.425,P=0.002)、24 h NIHSS评分(r=0.472,P=0.001)、WSSR (r=-0.299,P=0.035)、VR (r=-0.384,P=0.006)和AR (r=-0.472,P=0.001)与急性缺血性脑卒中功能预后差异有统计学意义。结论 低WSSR、VR、AR、MFR及高PR更易导致急性缺血性脑卒中预后不良,且WSSR、VR和AR与急性缺血性脑卒中功能预后呈负相关。
[Abstract] Objective To investigate the correlation between hemodynamics and functional outcome in atherosclerotic middle cerebral artery (MCA) stenosis using a computational fluid dynamics (CFD) model based on magnetic resonance angiography (MRA), according to modified Rankin Scale (mRS) at 3 months. Materials andMethods Fifty patients with 50%-99% atherosclerotic MCA stenosis were included. Demographic, imaging data and functional outcome (mRS at 3 months) were collected. Hemodynamic parameters were obtained from CFD models: wall shear stress ratio (WSSR), pressure ratio (PR), velocity ratio (VR), area ratio (AR) and mass flow ratio (MFR). The patients were divided into good functional outcome group and poor functional outcome group based on mRS at 3 months. We compared the clinical variables and hemodynamic parameters between the two groups, and correlation analysis were carried out.Results A total of 50 patients were included. The patients were divided into good functional outcome group (mRS=0-2, n=28) and poor functional outcome group (mRS=3-6, n=22). Compared with good functional outcome group, more patients had a history of hypertension (81.82% vs. 50%, P=0.020), hyperlipidemia (54.55% vs. 25%, P=0.033) and diabetes mellitus (59.09% vs. 28.57%, P=0.030), higher NIHSS at admission (8.82±4.69 vs. 5.96±3.42; P=0.038) and NIHSS at 24 hours (8.00±5.38 vs. 4.39±3.43; P=0.027) in poor functional outcome group. WSSR (3.04±1.56 vs. 8.68±9.67, P=0.002), VR (2.02±0.59 vs. 3.65±2.16, P<0.001), AR (1.30±0.13 vs. 1.62±0.34, P<0.001) and MFR (1.42±0.31 vs. 1.94±0.84, P=0.008) in poor functional outcome group were significantly lower than those in good functional outcome group. PR (0.99±0.01 vs. 0.97±0.04, P=0.011) in poor functional outcome group were significantly higher than those in good functional outcome group. Correlation analysis showed that hypertension (r=0.334, P=0.018), diabetes mellitus (r=0.295, P=0.037), NIHSS at admission (r=0.425, P=0.002), NIHSS at 24 hours (r=0.472, P=0.001), WSSR (r=-0.299, P=0.035), VR (r=-0.384, P=0.006) and AR (r=-0.472, P=0.001) had statistically difference with functional outcome.Conclusions Low WSSR, VR, AR, MFR and high PR were more likely to lead to poor functional outcome in atherosclerotic middle cerebral artery stenosis. WSSR, VR and AR had negative correlation with functional outcome in atherosclerotic middle cerebral artery stenosis.
[关键词] 大脑中动脉;急性缺血性脑卒中;计算流体动力学;磁共振成像
[Keywords] middle cerebral artery;acute ischemic stroke;computational fluid dynamics;magnetic resonance imaging

吴佳华    陈国中    王鹏    毛存南    缪正飞    苏文    殷信道 *  

南京医科大学附属南京医院(南京市第一医院)医学影像科,南京 210006

殷信道,E-mail:y.163yy@163.com

全体作者均声明无利益冲突。


基金项目: 江苏省自然科学基金 BK20201118 南京医科大学科技发展基金 NMUB2019170
收稿日期:2020-12-01
接受日期:2021-01-28
DOI: 10.12015/issn.1674-8034.2021.06.003
本文引用格式:吴佳华, 陈国中, 王鹏, 等. 基于计算流体动力学大脑中动脉粥样硬化性急性缺血性脑卒中功能预后的相关性研究[J]. 磁共振成像, 2021, 12(6): 10-15. DOI:10.12015/issn.1674-8034.2021.06.003.

       急性缺血性脑卒中(acute ischemic stroke)的发病率、复发率、致残及致死率均较高[1],因此,早期评估急性缺血性脑卒中功能预后对于制定临床治疗方案非常重要。颅内动脉粥样硬化(intracranial atherosclerosis)是急性缺血性脑卒中的主要原因之一,占30%~50%[2]。前期有研究表明全脑及局部的血流动力学在颅内动脉粥样硬化性脑卒中进展中起着重要作用[3, 4, 5]。Leng等[6]基于计算流体力学(computational fluid dynamics,CFD)探究了颅内动脉粥样硬化性脑卒中的壁切应力(wall shear stress,WSS)及压力(pressure,P)的分布特点,发现低压力梯度和高壁切应力比值与动脉粥样硬化性缺血性卒中复发具有相关性[7]。然而,鲜有研究基于CFD探究颅内动脉粥样硬化性脑卒中及其临床功能预后之间的关系。因此,本研究的目的是基于CFD探究大脑中动脉(middle cerebral artery,MCA)粥样硬化性狭窄程度为50%~99%的急性缺血性脑卒中和其临床功能预后之间的潜在关系。

1 材料与方法

1.1 研究对象

       本研究为回顾性分析,已经过本单位医学伦理委员会批准(批准文号:2019-0015),免除受试者知情同意。收集自2019年1月至2020年6月在南京市第一医院神经内科住院治疗的急性缺血性脑卒中患者共50例,纳入标准:(1)年龄18~80岁;(2)急性脑卒中症状出现4.5 h内;(3)经过临床指定的CT及多模态MRI [扩散加权成像(diffusion weighted imaging,DWI)、液体衰减反转恢复成像(fluid attenuated inversion recovery,FLAIR)、磁共振血管成像(MR angiography,MRA)]检查;(4)入院行多模态MRA证实大脑中动脉狭窄(M1段或M2近段),且狭窄程度为50%~99%;(5)接受常规的临床治疗,如静脉溶栓或动脉溶栓;(6)进行多模态MRI (DWI、FLAIR、MRA)随访检查及临床随访并记录3个月改良Rankin量表(modified Rankin Scale,mRS)评分;排除标准:(1)非动脉粥样硬化引起的脑卒中,如烟雾病、血管炎、夹层等;(2)合并颅内出血、颅内肿瘤、动静脉畸形、动脉瘤等疾病;(3) MRA原始数据不适合进行CFD分析;(4) 3个月mRS评分丢失;(5)影像检查产生的运动伪影。

       收集患者所有一般临床资料[性别、年龄、入院血压,美国国立研究院脑卒中评定表(National Institute of Health Stroke Scale,NIHSS)评分]、一般病史(高血压、糖尿病、高脂血症、冠心病、房颤、饮酒史、吸烟史)、血样本(空腹血糖、总胆固醇、甘油三酯、高密度脂蛋白、低密度脂蛋白、同型半胱氨酸)。所有患者就诊时通过绿色通道行头颅CT平扫检查,经临床评估需静脉溶栓者行静脉溶栓治疗后立刻行多模态MRI检查,不符合静脉溶栓条件者头颅CT平扫检查结束后立刻行多模态MRI检查,48 h内复查CT和(或)多模态MRI。急性缺血性脑卒中预后以3个月mRS评分为判断标准。mRS评分0~2分为预后良好,3~6分为预后不良。

       所有患者入院及随访的多模态MRI检查均在南京市第一医院医学影像科Philips医疗系统的3.0 T MRI扫描仪(Ingenia,Philips Medical Systems,Netherlands)上进行,扫描线圈为8通道头颈线圈。扫描序列包括DWI、FLAIR、3D-MRA。扫描参数如下:FLAIR:选用IR (inverse recovery)序列,TR 7000 ms,TE 120 ms,FA=90°,视野(field of view,FOV) 230 mm×230 mm,矩阵356×151,层厚6 mm,18层,层间距 1.3 mm;DWI:选用SE (spin echo)序列,TR 2501 ms,TE 98 ms,FOV 230 mm×230 mm,矩阵152×122,层厚6 mm,18层,层间距 1.3 mm,b值0、1000 s/mm2;3D-MRA:选用FFE (fast field echo)序列,TR 4.9 ms,TE 1.82 ms,FOV 330 mm×330 mm,矩阵528×531,层厚1.2 mm。

1.2 CFD图像处理

       基于急性缺血性脑卒中患者头颅MRA原始图像重建血管模型,ROI主要包括颈内动脉颅内段,大脑中动脉M1段或M2近段及大脑前动脉A1段。首先,将MRA的DICOM (Digital Imaging and Communication in Medicine)格式导入到MIMICS (版本,Version 16.0)进行图像分割和重建;然后,在ICEM CFD (版本15.0,ANSYS Inc.)创建非结构化四面体网格,网格大小为50万~90万单位,将得到的网格文件导出到Fluent (版本15.0,ANSYS Inc.)中进行非稳态血流模拟,使用有限元体积法来求解Navier-Stokes方程,其连续性方程和动量方程分别为:

       式中p为血压,v代表血流速度,血液密度ρ=1056 kg/m³,τ为剪切力,血液的黏度系数μ=0.0035 kg/(m·s)。

       边界条件的设定如下:(1)将血液视为不可压缩的黏性牛顿流体[ρ=1056 kg/m³,μ=0.0035 kg/(m·s)];(2)假定血管壁是无滑动刚性壁面;(3)雷诺数在入口处的范围是500~750;(4)出口处的血压为患者入院时的平均压;(5)根据入口处血流流量,假设血管半径恒定不变,通过测得健康志愿者在颈内动脉中的血液流量波形图。入口处的平均血液速度设定如下:

       式中d是血管入口直径,t是时间v_meanv是平均速度。

       在CFD计算过程中,当连续性残差小于10-4,速度分量残差小于5.0×10-5时,作为满足收敛条件。

       所有的CFD模型将在CFD-post (版本15.0,ANSYS,Inc.)进行后处理以获取血流动力学参数。本研究将纳入5个血流动力学参数:WSS、P、流速(velocity,V)、横截面积(area,A)、质量流(mass flow,MF)。用壁切应力比(wall shear stress ratio,WSSR)、压力比(pressure ratio,PR)、流速比(velocity ratio,VR)、横截面积比(area ratio,AR)、质量流比(mass flow ratio,MFR)来表示术前血管狭窄处的血流动力学相对变化梯度值,定义WSSR为狭窄处WSS和狭窄前正常管径处WSS的比值,PR为狭窄后正常管径处P和狭窄前正常管径处P的比值,AR为狭窄前正常管径处A和狭窄处A的比值,VR和MFR的计算方法同WSSR。

1.3 统计学分析

       本研究所有的统计学都基于IBM SPSS 20.0分析。定量变量表示为平均值±标准差,分类变量用频率或百分比表示,分类变量的比较采用卡方检验,通过Kolmogorov和Smirnov检验以评估变量的正态性,对于非正态分布的变量采用独立样本非参数检验(Mann-Whitney U检验)进行比较分析,对于正态分布的变量采用独立样本t检验进行比较分析,相关性分析采用Pearson和Spearman相关分析法。P<0.05视为差异具有统计学意义。

2 结果

       共50例患者纳入本研究,其中年龄(70.46±9.72)岁,男性患者占64%,预后良好组患者28例(mRS≤2,56%),预后不良组患者22例(mRS>2,44%)。两组患者的人口统计学资料见表1,其中预后不良组较预后良好组高血压患者更多(81.82% vs. 50%,P=0.020),糖尿病患者更多(59.09% vs. 28.57%,P=0.030),高脂血症患者更多(54.55% vs. 25%,P=0.033),入院NIHSS评分(8.82±4.69 vs. 5.96±3.42;P=0.038)更高,24 h NIHSS评分(8.00±5.38 vs. 4.39±3.43;P=0.027)更高,其余人口学资料无显著性差异(P>0.05)。表2为两组患者的血流动力学参数比较,预后良好组较预后不良组WSSR (8.68±9.67 vs. 3.04±1.56,P=0.002)、VR (3.65±2.16 vs. 2.02±0.59,P<0.001)、AR (1.62±0.34 vs. 1.30±0.13,P<0.001)、MFR (1.94±0.84 vs. 1.42±0.31,P=0.008)均较高PR (0.97±0.04 vs. 0.99±0.01,P=0.011)较低。图1为两例患者血流动力学伪彩图。相关性分析结果显示,高血压(r=0.334,P=0.018)、糖尿病(r=0.295,P=0.037)、入院NIHSS评分(r=0.425,P=0.002)、24 h NIHSS评分(r=0.472,P=0.001)与急性缺血性脑卒中功能预后呈正相关,差异有统计学意义,WSSR (r=-0.299,P=0.035)、VR (r=-0.384,P=0.006)、AR (r=-0.472,P=0.001)与急性缺血性脑卒中功能预后呈负相关,差异有统计学意义(图2);且高血压、糖尿病、WSSR、VR与急性缺血性脑卒中功能预后具有弱相关性,入院及24 h NIHSS评分、AR与急性缺血性脑卒中功能预后具有中等相关性。而PR、MFR与急性缺血性脑卒中功能预后的相关性无统计学意义(P>0.05)。单因素分析结果显示,WSSR (OR=0.667,95% CI:0.476~0.935, P=0.019)、VR (OR=0.247,95% CI:0.095~0.640,P=0.004)、AR (OR=0.001,95% CI:0.000~0.071,P=0.002)、PR (OR=2.228,95% CI:1.081~4.593,P=0.030)、MFR (OR=0.143,95% CI:0.028~0.739,P=0.020)、入院NIHSS评分(OR=1.190,95% CI:1.026~1.382,P=0.022)、24 h NIHSS评分(OR=1.199,95% CI:1.043~1.380,P=0.011)、高血压(OR=1.286,95% CI:0.060~0.826,P=0.017)、糖尿病(OR=0.450,95% CI:1.109~11.763,P=0.029),以及高脂血症(OR=0.476,95% CI:1.086~11.932;P=0.032)有统计学差异。多因素分析结果显示均无统计学意义。

图1  急性脑卒中预后良好组与预后不良组典型患者血流动力学伪彩图。A、B为左侧大脑中动脉狭窄急性脑卒中患者(女性,71岁),3个月mRS评分为0分,预后为良好,A、B分别为壁切应力和压力的伪彩图,狭窄处的WSSR和PR分别为9.53和0.97;C、D为右侧大脑中动脉狭窄急性脑卒中患者(男性,78岁),3个月mRS评分为4分,预后为不良,C、D分别为壁切应力和压力的伪彩图,狭窄处的WSSR和PR分别为3.14和0.99
Fig. 1  Hemodynamic contours of typical patients in good and poor functional outcome groups. A, B: A patient with left middle cerebral artery stenosis (female, 71-year-old, mRS=0). A: Contours of was 9.53, B: Contours of was 0.97; C, D: A patient with right middle cerebral artery stenosis (male, 78-year-old, mRS=4). C: Contours of was 3.14, D: Contours of was 0.99.
图2  血流动力学参数WSSR、VR、AR与功能预后mRS评分相关性散点图。A~C分别显示WSSR、VR、AR与mRS评分之间的相关性分别呈负相关
表1  预后良好组与预后不良组的人口统计学资料比较
Tab. 1  Comparisons of demographic data in good and poor functional outcome groups
续表1   预后良好组与预后不良组的人口统计学资料比较
Tab. 1  (Cont) Comparisons of demographic data in good and poor functional outcome groups
表2  预后良好组与预后不良组的血流动力学参数比较
Tab. 2  Comparisons of hemodynamic parameters in good and poor functional outcome groups

3 讨论

       本研究结果表明,高血压、糖尿病、高脂血症、高入院及24 h NIHSS评分、低WSSR、VR、AR、MFR及高PR更易导致急性缺血性脑卒中预后不良;且高血压、糖尿病、入院及24 h NIHSS评分与急性缺血性脑卒中功能预后呈正相关,WSSR、VR和AR与急性缺血性脑卒中功能预后呈负相关。

3.1 一般临床资料与急性缺血性脑卒中功能预后相关性

       先前的研究表明,高血压是缺血性脑卒中最主要的危险因素,收缩压和舒张压的升高能使缺血性脑卒中引起的死亡率增高;糖尿病患者患卒中的风险是非糖尿病患者的1.5~3倍,糖尿病患者有明显的血小板聚集增大、高凝、自由基形成增多和钙调节改变的迹象,可以加速动脉粥样硬化的进程[10];高脂血症是仅次于高血压和糖尿病的主要风险因素,血脂过多可引起脂质代谢紊乱,血黏度升高,脂质沉积于血管壁内膜,逐渐累积为动脉粥样硬化斑块[11]; NIHSS也是急性缺血性脑卒中预后的预测指标[12]。本研究结果显示,高血压、糖尿病、高脂血症在预后不良组更多,预后不良组入院NIHSS评分、24 h NIHSS评分更高,这与之前的研究一致,且相关性分析显示高血压、糖尿病、入院NIHSS评分、24 h NIHSS评分与急性缺血性脑卒中功能预后呈正相关。然而,高脂血症和预后之间的相关性无统计学意义,这可能与本研究样本量较小及异质性脑卒中亚型有关。

3.2 血流动力学参数与急性缺血性脑卒中功能预后相关性

       全脑或局部的血流动力学改变可能在急性缺血性脑卒中功能预后评估中起着关键作用。前期已有研究基于灌注成像等技术早期预测急性缺血性脑卒中的临床预后,利用后处理软件进行图像重建得到脑血容量、脑血流量、平均通过时间、达峰时间等指标,通过这些指标对脑组织的血流动力学情况进行评估[13, 14]。诸如灌注成像等传统的影像成像技术虽然可以无创性间接地反映脑血流动力学情况,但是无法直接获取壁切应力、动脉内压等定量的血流动力学参数,且不同厂家后处理软件的差异使得其在预后评估中的价值受到争议[15, 16]。前期基于计算流体动力学的研究表明血流动力学在急性脑卒中发生、进展中起着重要作用[17, 18, 19]。血流动力学基本参数包括WSS、压力、血流流速等。血管腔内血流的WSS梯度是指在无限薄的血流层之间血流流速的空间梯度或流速的变化,血管狭窄处流速的增加通常导致WSS的增加,由于不同血流形态的病灶处的WSS的绝对值存在较大差异,因此采用血管狭窄处与正常血管近段的WSS的比值来代表通过病灶的WSS梯度变化,速率比的计算方法也类似[20]。本研究结果显示低WSS梯度更易导致急性缺血性脑卒中预后不良。在猪糖尿病动脉粥样硬化模型研究中发现,低WSS可促进动脉粥样硬化物质的转运致动脉粥样硬化的发生,容易形成脂质核大且纤维帽薄的斑块[17]。在小鼠部分颈动脉结扎模型中,低WSS能上调促动脉粥样硬化基因、下调抗动脉粥样硬化基因,使内皮细胞功能障碍,激活生化介质,进而加速动脉粥样硬化进程[21],低WSS区域还被证实能够诱导内皮细胞的构象改变,扩大缝隙连接,增加内皮细胞表面对低密度脂蛋白的通透性,在内皮表面停留的时间更长,进一步促进低密度脂蛋白的摄取,促进动脉粥样硬化[22]。因此,低WSS梯度可能通过促进局部动脉粥样硬化,从而导致急性缺血性脑卒中患者的预后不良。此外,本研究还发现低VR、AR、MFR更易导致急性缺血性脑卒中预后不良,这可能与通过血管狭窄处的血流减少有关。仅测量血管管腔的狭窄程度可能无法评估动脉粥样硬化病变的整体严重程度,而压力梯度是一个能将病变狭窄程度、斑块长度及离心度、侧支循环程度等多种因素考虑在内的指标[7],Leng等[17]发现动脉狭窄处的高压力梯度(同本研究中的低PR)使血流流入已存在的侧支血管或远端血管,并增加邻近小动脉内的剪切应力,通过激活动脉内皮和上调各种细胞因子来促进侧支血管生长或动脉形成,从而提高急性脑卒中功能预后,这与本研究结论一致。

3.3 本研究的不足

       (1)研究样本量比较少,且需进一步的体内外的研究来验证血流动力学参数和急性缺血性脑卒中功能预后之间关系的潜在机制;(2)本研究采用了简化的CFD模型进行血流动力学分析。实际上脑卒中患者颅内相应狭窄血管的血流动力学受到诸多因素的影响,例如人体血压、侧枝循环、大脑自我调节等,未来的研究需将这些因素考虑进去,以提高结果的准确性。(3)本研究多因素分析结果显示均无统计学意义,可能由于样本量不足导致的混杂因素影响。

       综上所述,高血压、糖尿病、高脂血症、高入院及24 h NIHSS评分、低WSSR、VR、AR、MFR及高PR更易导致急性缺血性脑卒中预后不良;高血压、糖尿病、入院NIHSS评分、24 h NIHSS评分与急性缺血性脑卒中功能预后呈正相关,WSSR、VR和AR与急性缺血性脑卒中功能预后呈负相关。基于CFD探究血流动力学对急性缺血性脑卒中功能预后的评估提供了一个全新的视角,有助于为患者提供更合理的个性化治疗方案。

1
GBD 2016 Stroke Collaborators. Global, regional, and national burden of stroke, 1990-2016: a systematic analysis for the global burden of disease study 2016[J]. Lancet Neurol, 2019, 18(5): 439-458. DOI: 10.1016/S1474-4422(19)30034-1.
2
Wang YJ, Zhao XQ, Liu LP, et al. Prevalence and outcomes of symptomatic intracranial large artery stenoses and occlusions in China The Chinese intracranial atherosclerosis (CICAS) study[J]. Stroke, 2014, 45(3): 663-669. DOI: 10.1161/STROKEAHA.113.003508.
3
Leng X, Lan L, Ip HL, et al. Translesional pressure gradient and leptomeningeal collateral status in symptomatic middle cerebral artery stenosis[J]. Eur J Neurol, 2018, 25(2): 404-410. DOI: 10.1111/ene.13521.
4
Leng X, Lan L, Ip HL, et al. Hemodynamics and stroke risk in intracranial atherosclerotic disease[J]. Annal Neurol, 2019, 85(5): 752-764. DOI: 10.1002/ana.25456.
5
Liebeskind DS, Cotsonis GA, Saver JL, et al. Collaterals dramatically alter stroke risk in intracranial atherosclerosis[J]. Ann Neurol, 2011, 69(6): 963-974. DOI: 10.1002/ana.22354.
6
Leng XY, Scalzo F, Ip HL, et al. Computational fluid dynamics modeling of symptomatic intracranial atherosclerosis may predict risk of stroke recurrence[J]. PLoS One, 2014, 9(5): e97531. DOI: 10.1371/journal.pone.0097531.
7
Chen ZM, Qin HQ, Liu J, et al. Characteristics of wall shear stress and pressure of intracranial atherosclerosis analyzed by a computational fluid dynamics model: A pilot study[J]. Front Neurol, 2020, 10: 1372. DOI: 10.3389/fneur.2019.01372.
8
Taylor CA, Fonte TA, Min JK, et al. Computational fluid dynamics applied to cardiac computed tomography for noninvasive quantification of fractional flow reserve: Scientific basis[J]. J Am Coll Cardiol, 2013, 61(22): 2233-2241. DOI: 10.1016/j.jacc.2012.11.083.
9
Xiang J, Tutino VM, Snyder KV, et al. CFD: Computational fluid dynamics or confounding factor dissemination? The role of hemodynamics in intracranial aneurysm rupture risk assessment[J]. AJNR Am J Neuroradiol, 2014, 35(10): 1849-1857. DOI: 10.3174/ajnr.A3710.
10
Alloubani A, Saleh A, Abdelhafiz I, et al. Hypertension and diabetes mellitus as a predictive risk factors for stroke[J]. Diabetes Metab Syndr, 2018, 12(4): 577-584. DOI: 10.1016/j.dsx.2018.03.009.
11
Brooks DC, Schindler JL. Management of hyperlipidemia after stroke[J]. Curr Treat Options Cardiovasc Med, 2019, 21(12): 93. DOI: 10.1007/s11936-019-0774-8.
12
Wu ZM, Zeng MY, Li C. Time-dependence of NIHSS in predicting functional outcome of patients with acute ischemic stroke treated with intravenous thrombolysis[J]. Postgrad Med J, 2019, 95(1122): 181-186. DOI: 10.1136/postgradmedj-2019-136398.
13
Dankbaar JW, Horsch AD, van den Hoven AF, et al. Prediction of clinical outcome after acute ischemic stroke: The value of repeated noncontrast computed tomography, computed tomographic angiography, and computed tomographic perfusion[J]. Stroke, 2017, 48(9): 2593-2596. DOI: 10.1161/STROKEAHA.117.017835.
14
Suh CH, Jung SC, Cho SJ, et al. Perfusion CT for prediction of hemorrhagic transformation in acute ischemic stroke: a systematic review and meta-analysis[J]. Eur Radiol, 2019, 29(8): 4077-4087. DOI: 10.1007/s00330-018-5936-7.
15
Kudo K, Sasaki M, Yamada K, et al. Differences in CT perfusion maps generated by different commercial software: quantitative analysis by using identical source data of acute stroke patients[J]. Radiology, 2010, 254(1): 200-209. DOI: 10.1148/radiol.254082000.
16
Sun H, Ma J, Liu Y, et al. CT perfusion for identification of patients at risk for delayed cerebral ischemia during the acute phase after aneurysmal subarachnoid hemorrhage: A meta-analysis[J]. Neurol India, 2019, 67(5): 1235-1239. DOI: 10.4103/0028-3886.271235.
17
Leng XY, Wong KS, Liebeskind DS. Evaluating intracranial atherosclerosis rather than intracranial stenosis[J]. Stroke, 2014, 45(2): 645-651. DOI: 10.1161/STROKEAHA.113.002491.
18
Leng X, Lan L, Ip HL, et al. Translesional pressure gradient and leptomeningeal collateral status in symptomatic middle cerebral artery stenosis[J]. Eur J Neurol, 2018, 25(2): 404-410. DOI: 10.1111/ene.13521.
19
唐洁, 陈国中, 毛存南, 等. 基于计算流体动力学大脑中动脉闭塞急性缺血性脑卒中再灌注治疗后出血转化初步研究[J]. 磁共振成像, 2020, 11(3): 161-165. DOI: 10.12015/issn.1674-8034.2020.03.001.
Tang J, Chen GZ, Mao CN, et al. Computational fluid dynamics analysis of hemorrhagic transformation after reperfusion therapy in acute ischemic stroke patients with middle cerebral artery occlusion[J]. Chin J Magn Reson Imaging, 2020, 11(3): 161-165. DOI: 10.12015/issn.1674-8034.2020.03.001.
20
Dhawan SS, Nanjundappa RP, Branch JR, et al. Shear stress and plaque development[J]. Expert Rev Cardiovasc Ther, 2010, 8(4): 545-556. DOI: 10.1586/erc.10.28.
21
Samady H, Eshtehardi P, McDaniel MC, et al. Coronary artery wall shear stress is associated with progression and transformation of atherosclerotic plaque and arterial remodeling in patients with coronary artery disease[J]. Circulation, 2011, 124(7): 779-788. DOI: 10.1161/CIRCULATIONAHA.111.021824.
22
Himburg HA, Grzybowski DM, Hazel AL, et al. Spatial comparison between wall shear stress measures and porcine arterial endothelial permeability[J]. Am J Physiol Heart Circ Physiol, 2004, 286(5): H1916-H1922. DOI: 10.1152/ajpheart.00897.2003.

上一篇 急性/亚急性脑梗死患者FVH征评分与脑氧代谢及神经功能的关系
下一篇 首诊精神分裂症和首诊强迫症患者静息态脑功能低频振幅分数的对比研究
  
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