摘要
新生儿脑萎缩是一种严重的结构性脑异常，在入住新生儿重症监护病房（NICU）的新生儿中发生率可达15%。早期准确评估具有重要的临床意义，因为它有助于判断预后、指导神经保护与康复管理，并支持长期发育监测。本系统综述依据PRISMA 2020声明进行并报告，检索了四个电子数据库（PubMed/MEDLINE、Scopus、Web of Science和IEEE Xplore），时间范围从建库至2026年8月，共获得312条记录；经两名独立研究者两阶段筛选后，纳入90篇同行评审研究，并使用CLAIM清单评估报告质量。综述发现，新生儿脑MRI的深度学习方法在组织分割、脑龄估计、损伤检测和异常检测方面进展迅速；然而，纳入的研究均未直接涉及新生儿脑萎缩的诊断，目前也不存在经过验证的萎缩特异性模型、数据集或基准。卷积神经网络和U-Net架构、Transformer以及基于Mamba的状态空间模型被确定为可迁移的方法学基础，其中后者具有线性复杂度的长程建模能力，可能对高分辨率三维新生儿MRI具有优势；这些架构被呈现为有前景的研究方向，但仍需直接的比较验证。公开可用的新生儿MRI数据集缺乏经放射科医师确认的萎缩标签，可解释性AI方法在新生儿神经影像学中大多尚未得到验证。综述最后明确了优先研究方向：新生儿特异性三维架构、年龄标准化体积生物标志物、外部验证的可解释性流程，以及经过整理的带有萎缩标签的数据集。
