基于生成对抗网络从基线动脉自旋标记成像合成烟雾病脑血管反应性成像：开辟临床新路径

为解决脑血管反应性（CVR）测量需使用乙酰唑胺（ACZ）而限制其广泛应用的问题，研究人员开展用生成对抗网络（GANs）从基线前 ACZ 动脉自旋标记（ASL）MRI 创建 CVR 图像的研究。结果显示合成 CVR 效果良好，为临床检测血管缺陷提供新选择。

　　背景：脑血管反应性（CVR）可评估多种脑部疾病的血管健康状况，但 CVR 测量需要对脑灌注进行挑战，比如使用乙酰唑胺（ACZ），这限制了其广泛应用。研究人员探究生成对抗网络（GANs）能否从基线前 ACZ 动脉自旋标记（ASL）MRI 生成 CVR 图像。方法：本研究纳入 203 例烟雾病病例，共有 3248 张 ACZ 使用前后的 ASL 脑血流（CBF）图像。从这些 CBF 切片生成参考 CVR。其中 2640 张切片用于训练由生成器和判别器网络组成的像素对像素 GAN，剩下 608 张切片作为测试集。训练后，将测试集中的前 ACZ CBF 输入训练好的模型生成合成 CVR。通过结构相似性指数（SSI）、空间相关系数（SCC）和均方根误差（RMSE），与参考 CVR 对比评估合成 CVR 的质量。使用 Dice 相似系数（DSC）比较低 CVR 区域的分割情况。在单切片和单半球设置下，评估参考和合成 CVR 的 CVR 状态，用 Cohen's Kappa 系数衡量一致性。结果：训练集和测试集 CVR 的平均 SSI 分别为 0.943±0.019 和 0.943±0.020；平均 SCC 分别为 0.988±0.009 和 0.987±0.011；平均 RMSE 分别为 0.077±0.015 和 0.079±0.018。测试集低 CVR 区域的平均 DSC 为 0.593±0.128。单切片设置下，训练集和测试集的视觉评估 Cohen's Kappa 值分别为 0.896 和 0.813；单半球设置下分别为 0.781 和 0.730。结论：在无法进行 ACZ 挑战时，GANs 从基线 ASL 合成的 CVR 在临床检测血管缺陷方面可能是一种有用的替代方法。