报告：早期阿尔茨海默病中通过Fixel-based分析揭示与Tau相关的白质变化 研究背景 阿尔茨海默病（Alzheimer’s Disease, AD）通常被认为主要影响灰质（Grey Matter, GM），但越来越多的证据表明白质（White Matter, WM）也会出现异常。目前的研究主要依赖扩散张量成像（Diffusion Tensor Imaging, DTI）来非侵入性地调查AD中的白质完整性。然而，DTI在描述白质变化时存在方法上的局限性，导致研究结果不一致。例如，一些研究显示DTI揭示的白质变化与β淀粉样蛋白（Amyloid-beta, Aβ）病理相关，而其他研究则显示相反的结果，或者未发现关联。 研究来源 本文由Khazar Ahmadi等学者撰写，分别来自Lund大学...

背景介绍 骨髓增生异常综合征（Myelodysplastic Syndromes，简称MDS）是一组起源于骨髓造血干细胞的异质性疾病，特征是血细胞产生减少。虽然近年来在治疗方面取得了一定进展，但全相合异基因造血干细胞移植（Allogeneic Hematopoietic Stem-Cell Transplantation, HSCT）仍是唯一能潜在治愈MDS的方法。然而，由于移植操作本身常伴随非可忽视的发病率和死亡率，针对病人的准确选择显得至关重要。传统上，临床上基于修订版国际预后评分系统（Revised International Prognostic Scoring System, IPSS-R）来做决策，该系统包含临床特征和细胞遗传异常。高风险患者通常建议立即进行HSCT，而对于低风险...

背景介绍 弥散张量磁共振成像（Diffusion Tensor Magnetic Resonance Imaging，DTI）是一种广泛应用于体内脑组织微结构和白质束成像的神经影像技术。然而，弥散加权图像（Diffusion-Weighted Images, DWI）中的噪声会降低DTI数据所派生出的微结构参数的精度，同时也导致需要更长的采集时间来提高信噪比(Signal-to-Noise Ratio, SNR)。尽管基于卷积神经网络（Convolutional Neural Networks, CNNs）的深度学习方法在图像去噪方面表现突出，但通常需要额外的高信噪比数据来监督CNN的训练，这限制了监督学习方法在去噪中的实际应用。 论文来源 本文标题为“SDnDTI: Self-Superv...

DeepDTI：使用深度学习实现高保真六方向扩散张量成像 研究背景及研究动机 扩散张量磁共振成像（Diffusion Tensor Imaging, DTI）在活体人脑组织微结构和结构连接性映射方面具有无可比拟的优势。然而，传统的DTI技术因为角度采样的要求导致扫描时间过长，制约了其在常规临床实践和大规模研究中的应用。为了克服这一瓶颈，研究者们开发了一种新的DTI处理框架，称为DeepDTI，通过数据驱动的监督深度学习最小化DTI的数据需求。本文的目的在于展示如何使用DeepDTI显著减少DTI的采样数据量，从而实现更快的扫描速度，同时保持高质量的成像结果。 论文来源 这篇论文的主要作者包括Qiyuan Tian, Berkin Bilgic, Qiuyun Fan, Congyu Liao...

研究报告：脑脊液常规参数在多发性硬化症疾病进程中的预测作用 背景介绍 多发性硬化症（Multiple Sclerosis，MS）是一种以病程高度可变和不可预测为特征的疾病。在MS的诊断过程中，脑脊液分析（Cerebrospinal Fluid, CSF）常常是标准程序之一。但对于CSF参数能否作为疾病进程预测的指标，学术界一直存在争议。随着疾病修正疗法（Disease-Modifying Therapies, DMTs）的不断发展和普及，特别是在其疗效和安全性差异逐渐明显的情况下，寻找可靠的生物标志物以识别那些高风险患者显得尤为重要。 尽管常规CSF分析在MS的诊断价值无可争议，但其在预后中的作用尚不明确。CSF寡克隆帯（Oligoclonal Bands, OCBs）的存在与MS从临床孤立...