综述：发育中大脑磁共振成像进展及其在儿科学中的应用

这篇综述系统阐述了磁共振成像（MRI）技术在研究儿童大脑发育中的最新进展，重点介绍了针对儿科特殊挑战优化的硬件设计（如专用射频线圈）、图像采集策略（如静音序列PROPELLER）和人工智能分析方法，并探讨了其在正常脑发育、早产儿脑损伤、自闭症谱系障碍（ASD）等神经发育疾病中的临床应用，为儿科神经科学研究提供了重要技术路线图。

　　

引言

人类大脑从出生到青春期经历复杂的动态发育过程，由分子和细胞机制驱动形成结构与功能网络。磁共振成像（MRI）因其非侵入性和多模态特性，已成为研究儿科脑发育的关键工具。然而，儿童神经成像面临运动伪影、解剖结构微小、组织特性未成熟等独特挑战，需要专门优化的MRI技术。

儿科脑MRI采集技术革新

专用硬件设计
儿科MRI需适配头围变化：

• 尺寸自适应射频线圈采用滑动/气动结构（图2b），信噪比（SNR）较成人线圈提升30%
• 无线线圈系统消除线缆束缚，婴儿扫描成功率提高至97.7%
• 多线圈匀场技术将B₀不均匀性降低40%，显著改善扩散MRI（dMRI）数据质量

噪声控制突破
针对婴儿听觉敏感特性：

• 主动噪声消除（ANC）系统通过反相声波干涉，使EPI序列声压降低4 dBA
• PETRA序列采用径向k空间采样，梯度变化减少90%，实现"静音"T1加权成像

运动补偿策略

• 同步多层成像（SMS）加速8倍，结合CAIPIRINHA技术控制层间混叠
• 光学追踪器Tracoline 2.0使7岁患儿运动伪影减少60%（图4）
• 自导航PROPELLER序列通过冗余中心k空间采样，成功应用于24名运动婴儿的T2加权成像

儿科神经影像数据分析

预处理管道

• 切片-体积配准（SVR）技术重建胎儿MRI，各向异性分辨率达0.5 mm
• 扩散加权图像（DWI）采用SHARD管道校正，旋转梯度方向匹配头动参数

脑图谱革命

• dHCP项目构建36-44孕周新生儿4D图谱，包含87个解剖标签
• M-CRIB 2.0图谱实现与Desikan-Killiany成人模板的跨生命周期对齐
• 深度学习框架UinTSeg实现0-24月龄婴儿脑组织的全自动分割

人工智能深度应用

图像重建

• 生成对抗网络（GAN）将2D厚层MRI重建为3D高清图像，扫描时间缩短38%
• SynthSR框架通过合成数据训练，处理临床异质性婴儿MRI的Dice系数达0.89

发育预测模型

• 注意力机制HRINet利用皮层折叠特征，新生儿脑龄预测误差仅±1.2周
• 三重网络模型揭示自闭症患儿默认模式网络（DMN）与突显网络（SN）连接异常

临床应用突破

早产儿脑损伤

• 扩散峰度成像（DKI）显示早产儿后皮层神经突密度降低15%，预测2岁时运动障碍（AUC=0.82）
• 动脉自旋标记（ASL）发现insula区脑血流（CBF）减少30%，与语言延迟显著相关

神经发育疾病

• ASD患儿前额叶皮层厚度增长速率异常，6-35岁期间年变化率达0.15 mm
• ADHD儿童纹状体体积减小5%，功能连接显示背侧注意网络（DAN）过度激活

挑战与未来方向

当前需解决：

1. 5岁以下儿童非周期性运动校正的标准化方案
2. 灌注MRI（pMRI）与代谢组学的多模态融合
3. ABCD和HBCD等大型队列的开放数据共享

前沿趋势包括：

• 量子梯度线圈设计将声压再降15 dB
• 空间转录组学解析皮层发育的基因表达梯度
• 数字孪生技术实现个体化治疗模拟