关于《急性缺血性脑卒中中的灌注血管造影》的学术研究报告
本报告旨在向国内研究人员介绍Fabien Scalzo与David S. Liebeskind（所属机构：美国加州大学洛杉矶分校神经内科）于2016年发表在《Computational and Mathematical Methods in Medicine》期刊上的一项原创性研究。该研究提出并验证了一种名为“灌注血管造影”（Perfusion Angiography）的计算框架，旨在从常规数字减影血管造影（Digital Subtraction Angiography， DSA）图像序列中，定量提取并可视化脑血流动力学参数，以期为急性缺血性脑卒中的血管内介入治疗评估提供更精确的影像学工具。
一、 研究背景与目的
该研究的科学领域横跨神经血管介入医学、医学影像处理及计算生理学。在急性缺血性脑卒中的治疗中，尤其是在血管内取栓术期间，DSA因其高时空分辨率、微创性及在介入手术室中的即时可用性，成为实时观察脑血管血流的“金标准”成像技术。然而，传统的DSA评估存在显著局限：图像是定性、灰度显示的，需要医生逐帧回放视频来观察时间差异；治疗效果的评估主要依赖人工视觉评分系统，如脑梗死溶栓（Thrombolysis in Cerebral Infarction, TICI）评分和动脉闭塞病变（Arterial Occlusive Lesion, AOL）评分。这些评分系统存在主观性、读者间差异大，且与临床预后的相关性有限。
与此同时，在计算机断层扫描（CT）和磁共振成像（MRI）领域，灌注成像（Perfusion Imaging）技术已成熟应用于评估脑血流动力学，能够定量生成脑血流量（Cerebral Blood Flow, CBF）、脑血容量（Cerebral Blood Volume, CBV）、平均通过时间（Mean Transit Time, MTT）、达峰时间（Time-to-Peak, TTP）及Tmax等关键参数，对于识别缺血半暗带、指导治疗决策具有重要价值。尽管从DSA中提取灌注参数的想法自20世纪80年代就已提出，但并未在急性卒中领域得到足够重视和应用。
因此，本研究旨在解决这一矛盾与需求。其核心目标是：开发并测试一个系统性的方法学框架，能够从常规临床采集的DSA序列中，自动、定量地计算出与CT/MR灌注成像类似的脑血流动力学参数图。研究者希望借此克服传统DSA定性评估的缺点，挖掘DSA图像中蕴含的丰富时空信息，为神经介入医生提供一种在手术过程中即可获得的、客观的、量化的灌注评估工具，从而更精确地评估血管内干预措施（如取栓）对脑组织灌注的影响。
二、 研究方法与工作流程
本研究包含一个完整的方法学框架构建、验证及初步临床应用分析的工作流程，主要可分为以下几个步骤：
1. 方法学框架构建：灌注血管造影的核心算法 这是研究的核心创新部分。该框架基于“团注追踪”（Bolus Tracking）原理，通过对DSA图像中每个像素的时间-密度曲线进行分析，来估算血流参数。 * 数据基础与浓度估计：首先，研究基于视频密度测定理论，将DSA图像中每个像素的灰度强度与造影剂浓度关联起来。公式表明，图像强度与造影剂浓度、血管厚度及系统常数成正比。为了计算浓度，需要估计血管厚度。研究借鉴了已有方法，通过血管增强滤波、骨架化提取中心线，并假设血管为圆柱形，计算垂直于中心线的血管直径，进而通过插值得到整个血管区域的厚度图。对于脑实质等无法直接测量直径的区域，则设定一个恒定厚度值。 * 灌注参数计算：获得时间-浓度曲线后，通过以下步骤计算参数： * 脑血容量（CBV）：通过计算感兴趣区域与供血动脉（即动脉输入函数，Arterial Input Function, AIF）下时间-浓度曲线面积的比值得到。 * 达峰时间（TTP）：定义为组织浓度曲线达到峰值的时间。 * 脑血流量（CBF）与残留函数：这是计算的关键。组织浓度曲线被视为动脉输入函数与残留函数的卷积。通过奇异值分解（Singular Value Decomposition, SVD）方法对离散化的卷积方程进行解卷积，可以求解出残留函数。CBF值被定义为残留函数的最大值，而达到该最大值的时间则定义为Tmax。 * 平均通过时间（MTT）：根据中心容积定理，由CBV与CBF的比值得到（MTT = CBV / CBF）。 * 解决血管重叠的创新算法——伽马混合模型：在二维DSA投影中，血管前后重叠是提取准确灌注参数的主要挑战，因为重叠会导致单个像素的时间-浓度曲线出现多个峰值（如动脉期和静脉期混杂）。本研究提出了一种新颖的解决方案：使用伽马混合模型来拟合多模态的时间-浓度曲线。伽马分布函数因其形状灵活，能很好地模拟造影剂通过的单峰曲线。研究采用期望最大化（Expectation-Maximization, EM）算法，自动将每个像素的浓度-时间曲线分解为多个（研究中最多考虑4个）伽马分布成分的加权和。通过贝叶斯信息准则（Bayesian Information Criterion, BIC）自动选择最佳成分数量（K）。这一步骤能够有效分离重叠血管的贡献，从而为每个潜在的“血管路径”提取独立的灌注参数。研究将此方法与随机抽样一致性算法进行了对比测试。
2. 实验设计与数据处理 研究包含两个实验来验证所提框架。 * 实验一：伽马混合模型性能验证（模拟数据）：此实验旨在测试新算法在存在噪声和血管重叠情况下的鲁棒性。研究者从真实患者数据中提取了平均的动脉输入函数曲线，通过复制、时间平移并合并两条曲线，人工合成了具有不同重叠程度（从几乎完全重叠到无重叠）的双峰浓度-时间曲线作为地面真值。随后，向这些合成数据中添加不同水平的高斯白噪声（信噪比从500到5）。分别应用本研究提出的伽马混合模型拟合方法和随机抽样一致性算法进行拟合，通过计算确定系数（R-squared）来评估拟合曲线与地面真值各成分的匹配精度。该过程对每种噪声和重叠组合重复10次。 * 实验二：临床应用与初步分析（真实患者数据）： * 研究对象与数据采集：研究回顾性纳入了66名急性缺血性脑卒中患者。纳入标准包括：出现急性卒中症状、入院时最后已知正常时间在6小时内、在取栓手术结束时进行了脑部DSA检查、最终诊断为缺血性卒中。所有患者均接受了取栓治疗，并使用TICI评分评估血管再通成功程度。DSA数据在飞利浦Allura Xper FD20双平面系统上采集，采用常规 timed contrast-bolus passage 技术。 * 数据处理流程： 1. 预处理与AIF选择：对每位患者的源DSA序列进行处理。由一位不知晓临床结果的神经学家手动在颈内动脉上勾画一个椭圆形的感兴趣区域，作为动脉输入函数的来源。 2. 灌注图生成：运行“灌注血管造影”框架。使用BIC准则选择最多两个伽马成分（以区分动静脉期）。最终为每位患者生成一系列参数图：CBF、CBV（全周期）、CBV（仅动脉期）、MTT、TTP和Tmax。 3. 区域分析与量化：为了进行统计分析，需要将二维参数图转化为定量值。由另一位神经学家（对结果和灌注图设盲）根据模板在大脑中动脉（MCA）供血区手动勾画ROI。计算每个参数图在ROI内所有像素值的5%至95%截尾均值，作为该患者该参数的定量指标。 4. 统计分析：将TICI评分映射为连续变量（0->0, 1->0.25, 2a->0.5, 2b->0.75, 3->1）。计算CBF、CBV、TTP、MTT、Tmax这些定量参数与TICI评分之间的皮尔逊相关系数，并评估其显著性。
三、 主要研究结果
1. 伽马混合模型验证结果：实验一结果表明，本研究提出的伽马混合模型能够有效地从存在噪声的重叠信号中恢复出原始的单个对比剂通过曲线。当两个成分的重叠度低于55%时，即使在较高噪声水平下，模型也能准确恢复两个成分。当重叠度超过55%且噪声很高（信噪比）时，准确性会显著下降。与随机抽样一致性算法相比，伽马混合模型在中等至高噪声环境下表现更优、更稳定。这证明了该算法在处理DSA中常见的血管重叠问题上的有效性和鲁棒性，为标准单峰假设失效的情况提供了解决方案。
2. 真实患者数据分析结果： * 处理成功率与患者特征：灌注血管造影框架成功处理了89%（59/66）的DSA序列。失败原因包括患者移动、采集时间过短、图像质量差或时间分辨率不足。大多数患者（93%）预后不良（改良Rankin量表评分≥3）。值得注意的是，达到TICI 3分（完全再通）的患者并未比TICI 2b的患者获得更好的预后，提示存在“无效再通”现象。 * 灌注参数间关系：线性回归分析显示，CBF与CBV（动脉期）值之间存在强相关性（r = 0.736， p < 10^-12），这与之前CT/MR灌注研究的结果一致。 * 灌注参数与TICI评分的关联： * CBF与TICI评分呈正相关趋势（r = 0.292， p = 0.064），但未达到统计学上的显著水平（p值略高于0.05）。值得注意的是，低CBF值并不总是对应低TICI评分，提示即使血流较慢，也可能实现良好的血管再通。 * CBV与TICI评分的相关性更弱（r = 0.218， p = 0.170）。 * 对于TICI评分为0（无再通）的患者，其MCA区域的TTP延迟显著更高。但对于其他TICI等级，TTP与评分无明确关联。 * 这些结果表明，灌注血管造影提供的量化参数（如CBF、CBV）与传统的视觉评分（TICI）所反映的信息并不完全等同，二者可能提供了互补的信息。 * 参数图可视化：研究展示了8名患者的彩色编码参数图（CBF， CBV全周期， CBV动脉期， MTT， TTP）。这些图像以高分辨率（1024x1024）呈现了脑血流动力学的空间分布细节，能够直观显示顺行血流与侧支循环的差异，并可能有助于识别灌注不足、血流延迟和血流淤滞区域。单例患者的处理时间约为21秒，具备临床实时应用的潜力。
四、 研究结论与价值
本研究成功开发并初步验证了“灌注血管造影”这一方法学框架。结论表明，利用常规采集的DSA序列，通过先进的图像处理和解卷积算法，可以可靠地定量估算出与CT/MR灌注成像类似的脑血流动力学参数图（CBF， CBV， MTT， TTP， Tmax）。研究所提出的伽马混合模型有效解决了二维投影中血管重叠对参数计算带来的挑战。
该研究的科学价值在于，它首次系统地将成熟的CT/MR灌注成像量化理念，与神经介入手术中实时可用的“金标准”影像工具——DSA进行了深度结合，填补了该领域的技术空白。其应用价值显著：为神经介入医生提供了一个在手术过程中即可获得的、客观的、可视化的脑灌注评估工具。这有望超越传统的主观视觉评分，更精确地量化血管内治疗（如取栓）前后脑组织灌注的即时变化，从而可能用于指导手术策略、评估器械疗效、预测临床预后，并最终优化急性缺血性脑卒中的个体化治疗。
五、 研究亮点
六、 其他有价值的讨论与局限
研究在讨论部分也坦诚指出了当前框架的局限性，为未来研究指明了方向： * 数据集规模与分布：患者样本量较小，且在TICI评分和预后评分上分布不均，限制了统计分析的效力。需要更大规模、多中心的前瞻性研究来验证参数与临床结局的普遍关系。 * 技术挑战： * 缺乏校准：回顾性研究未进行体模校准，可能影响CBF等参数的绝对定量准确性。前瞻性动物实验或体模研究是下一步验证的必要步骤。 * 未考虑血管厚度变化：当前方法在计算实质灌注时假设恒定血管厚度，未来可结合自动血管检测算法进行校正。 * 时间分辨率影响：DSA帧率可变且有时较低，会影响参数估算精度，特别是对TTP等时间参数。需要系统评估帧率敏感性。 * 二维投影的固有缺陷：灌注图是二维的，同一像素可能包含重叠的解剖结构，这是所有基于投影成像的灌注分析的固有局限。 * 未来方向：最具前景的研究方向是将灌注血管造影的参数与CT/MR灌注成像的参数进行直接对比研究，以验证其等效性。此外，探索该技术在对侧支循环进行自动量化评估方面的应用，也具有重要临床意义。
这项研究为将DSA从一种纯粹的形态学可视化工具，提升为一种功能定量评估手段奠定了重要的方法学基础，是神经介入影像学领域一项有意义的进展。