基于脑MR波谱和DTI的前馈神经网络或可预测早产儿神经发育结局
前瞻性研究纳入127例极早产儿,在足月等效年龄行1H-MRS和DTI,用前馈神经网络预测12月龄纠正年龄的运动和认知发育延迟;认知延迟敏感度85.7%、特异度100%,运动延迟敏感度76.9%、特异度98.9%;作者认为fNNs可能预测运动与认知发育。
要点
- 利用足月等效年龄1H-MRS代谢物比值和DTI的FA、MD,fNNs可能预测极早产儿12月龄纠正年龄认知与运动延迟。
- 认知延迟预测敏感度85.7%、特异度100%、PPV 100%、NPV 99.1%;运动延迟敏感度76.9%、特异度98.9%、PPV 90.9%、NPV 96.7%。
- 常规MRI上白质损伤范围与神经发育结局并不总相关,定量MRS和DTI可补充细微白质损伤信息。
核心结论
- 采用足月等效年龄脑1H-MRS和DTI定量生物标志物时,前馈神经网络可能预测极早产儿12个月纠正年龄的运动和认知发育。
研究设计与样本
- 前瞻性研究,2013年9月至2017年12月在因斯布鲁克医科大学医院新生儿科随访常规项目中,对胎龄小于32周的极早产儿在足月等效年龄行MRI。
- 研究期间338例极早产儿出生,300例接受足月等效年龄MRI并受邀在12个月纠正年龄行临床测试,最终127例的1H-MRS和DTI数据集纳入分析。
- 运动延迟预测可用103例完整MRS数据集,其中13例(12.6%)在12个月纠正年龄被归为运动延迟;认知延迟预测可用115例,其中7例(6.1%)被归为认知延迟。
- 使用3-T Siemens Magnetom Verio扫描仪、16通道儿科头线圈,无镇静采用「feed and wrap」技术;多体素PRESS 2D化学位移成像1H-MRS参数为TE 135 ms、TR 1700 ms、FOV 160×160 mm、体素10×10×15 mm、采集时间6.53 min。
- DTI轴位覆盖全脑,矩阵160×160、b=1000 s/mm²、20方向重复两次、TE 101 ms、TR 6600 ms、采集时间2:40 min;在额叶、中央和顶叶白质双侧测量NAA/Cho、NAA/Cr、Cho/Cr、mI/Cr、NAA/mI及MD、FA。
关键影像表现/征象
- 常规MRI序列按Kidokoro分类评估脑损伤,评估者不知晓既往报告和神经发育结局。
- 伴与不伴脑室周围白质软化的组间运动结局差异有统计学意义(p=0.02)。
- 常规MRI评估的ICC为PVL 0.93、IVH 0.97、CBH 0.99;JMRUI定量MRS的ICC为0.99–1,MD为0.81–0.89,FA为0.8–0.87。
- 运动延迟预测中,低LD值的特征为NAA/Cho(CWMR)、NAA/mI(CWMR)、mI/Cr(CWMR)、mI/Cr(CWML)、NAA/Cho(PWMR)、Cho/Cr(PWMR)和NAA/Cr(PWML)。
- 认知延迟预测中,低LD值的特征为NAA/Cho(FWMR)、Cho/Cr(FWMR)、Cho/Cr(FWML)、mI/Cr(FWML)、NAA/Cr(FWMR)、NAA/mI(FWMR)和FA(FWMR)。
诊断标准与关键数值
- 神经发育延迟定义为Bayley-III运动或认知量表评分小于85(低于均值超过1个标准差),采用德国常模。
- 认知延迟预测:敏感度85.7%、特异度100%、PPV 100%、NPV 99.1%(DDCRZ内NPV为93.3%);排除常规MRI严重脑损伤者(7例中2例)后所有统计参数均为100%。
- 运动延迟预测:全数据集敏感度76.9%、特异度98.9%、PPV 90.9%、NPV 96.7%;DDCRZ内敏感度100%、特异度90.9%、PPV 90.9%、NPV 100%。
- 运动延迟亚组分析排除高级别脑损伤后:敏感度100%、特异度87.5%、PPV 88.9%、NPV 100%;经DDCRZ内3例遗漏校正后为敏感度72.7%、特异度98.9%、PPV 88.9%、NPV 96.6%。
- 预测采用单隐层前馈神经网络,数据四折交叉验证,每种类型构建100个fNN,经多数投票和两票聚合形成最终预测。
临床应用与阅片要点
- 作者认为,常规MRI白质损伤范围与神经发育结局并不总相关,定量DTI和MRS评估的髓鞘化及白质连接破坏可能是评估早产儿白质的更可靠方法。
- 作者指出,基于1H-MRS和DTI的fNNs可能在最佳神经可塑性时期识别最可能从早期干预服务中获益的早产儿。
- 作者提到,本方法在额叶白质评估的FA值和代谢物比值对认知结局预测有重要意义,中央和顶叶/后部白质的代谢与微结构组成对运动结局预测有重要作用。
局限性
- 原文报告因运动伪影及 consequently 缺失或质量差的波谱数据,156例极早产儿被排除。
- 原文报告5例新生儿搬离该地区、12例新生儿父母不愿参与研究。
- 原文报告运动预测中127例纳入者里24例因部分代谢物峰缺失在第二步被排除,认知预测中12例因部分代谢物峰缺失被排除。
- 原文指出轻微白质损伤可随时间消退,足月等效年龄常规MRI可能低估其负担。
全文中译14 节 · 点击展开
引言
极早产儿(VPIs)存在脑损伤风险增加 [1–3]。白质损伤(WMI)是存活极早产儿慢性神经功能损害的首要原因,主要表现为脑性瘫痪以及认知和学习障碍 [4]。由于常规MRI所显示的白质损伤范围并不总是与神经发育结局(NDO)相关 [5, 6],因此有必要采用先进的定量技术进行更精确的评估,以便在神经可塑性最佳时期识别处于风险中的极早产儿,并为其提供早期支持性干预服务。
对基于DTI的指标如各向异性分数(FA)和平均扩散率(MD)进行定量分析,可提供白质的微观结构特征和完整性信息 [7–9]。FA以扩散各向异性的程度为特征,白质的组织化和髓鞘化程度越高,FA越高 [10]。相反,MD代表平均水扩散 [11],在含水量高的未髓鞘化组织中较高 [12, 13]。另一方面,质子波谱(1H-MRS)反映脑组织的代谢组成,发育中的大脑由于成熟和髓鞘化过程而发生变化 [14],但在结构损伤时也会发生变化 [15]。因此,极早产儿中由DTI和1H-MRS反映的白质微观结构和代谢异常,可能提示成熟过程延迟,或揭示常规MRI上不明显的细微白质损伤 [16]。因此,采用DTI和1H-MRS可能提高对发育结局的总体预后准确性 [17, 18],发育结局主要通过贝利婴幼儿发展量表评估,该量表是评估运动和认知功能的标准化工具 [19]。
然而,由于早产相关白质损伤的病理机制复杂,且影响其演变的影响因素众多,神经发育结局的预测仍然具有挑战性。近年来,神经网络(NNs)作为人工智能的一个分支,为识别复杂的数据因果关系开辟了新视野。该方法用于提取人类或其他计算机技术难以察觉的过于复杂的模式和趋势 [20, 21]。具有一个隐藏层的人工神经网络称为“前馈神经网络”(fNN),可以任意精度逼近多个实变量的任何连续函数,广泛用于各种回归和分类任务 [22]。
我们旨在评估fNN利用足月等效年龄(TEA)时的脑1H-MRS和DTI生物标志物预测极早产儿矫正年龄12个月时神经发育结局的能力。
方法
研究参与者
本前瞻性研究经因斯布鲁克医科大学伦理委员会批准(AN 2014-0131 336/4.13)。
2013年9月至2017年12月期间,在因斯布鲁克医科大学医院新生儿科极早产儿随访常规项目框架下,所有出生胎龄小于32周的合格新生儿均被邀请在足月等效年龄时接受MRI扫描。
在研究期间,共出生了338例极早产儿(VPI)。其中,300例在研究期间于矫正足月龄(TEA)时接受了MRI扫描,并被邀请在矫正年龄12个月时进行临床测试。由于运动伪影以及随之而来的波谱缺失或质量不佳,156例VPI被排除。在5名新生儿搬离该地区、12名新生儿的父母不愿参与研究之后,最终数据分析纳入了127例VPI的1H-MRS和DTI数据集(图1)。
本研究纳入的全部127例VPI的相关矫正年龄(以周为单位给出均值、中位数、标准差(SD)和范围)如下:胎龄:29.62、29.86、1.8和7.15;MRI检查时年龄:40.44、40.43、1.47和15.56;认知和运动发育临床测试时年龄:11.95、12、0.84和6。
在矫正年龄12个月时,使用贝利婴幼儿发育量表第三版(Bayley-III)的运动和认知量表评估VPI的神经发育结局(NDO)[19]。由于既往研究表明Bayley-III的美国常模倾向于低估发育迟缓,本研究采用了德国常模[23]。根据标准化评分,凡在运动或认知量表中得分低于85分(低于均值>1个SD)的VPI,均被归类为存在神经发育迟缓。
其他新生儿数据汇总于表1。
MRI详情
所有MRI图像均使用3-T Siemens Magnetom Verio扫描仪(Siemens)并采用“喂养包裹”技术在不使用镇静的情况下采集[24]。由负责的新生儿科医师使用脉搏血氧仪监测VPI的血氧饱和度。使用专用耳罩进行听力保护。图像采集使用16通道儿科头线圈。
在脑室上白质水平采集多体素、点解析(PRESS)二维化学位移成像(CSI)1H-MRS,参数如下:TE 135 ms,TR 1700 ms,FOV 160 × 160 mm,体素大小10 × 10 × 15 mm,采集时间6.53 min。
DTI图像在轴位平面采集,覆盖全脑(矩阵160 × 160;b = 1000 s/mm2;DTI序列含20个方向,重复两次;TE 101 ms,TR 6600 ms,采集时间2:40 min)。
我们方案中其余序列的详细信息可见补充材料。
定量MRS和DTI分析
使用专用软件jMRUI,在双侧额叶白质(左侧:FWML,右侧:FWMR)、中央白质(左侧:CWML,右侧:CWMR)和顶叶白质(左侧:PWML,右侧:PWMR)中评估各单一代谢物的波谱。以下代谢物的浓度以相应波峰下面积进行定量:N-乙酰天冬氨酸(NAA)、胆碱(Cho)、肌酸(Cr)和肌醇(mI)。波谱定量后,构建以下代谢物比值:NAA/Cho、NAA/Cr、Cho/Cr、mI/Cr和NAA/mI。
为了分析DTI,在专用图像存档和通信系统Impax EE(Agfa Healthcare)中通过层面的自动关联,在测量代谢物的相同体素内于表观扩散系数图和FA中手动绘制感兴趣区(ROI)(图2)。取MD和FA的平均数值及SD值用于进一步评估。FA是无单位指标;MD的单位为10−3 mm2/s。
所有测量均由两名独立评估者(T.J.和V.W.)完成,且对Bayley-III测试结果设盲。
常规MRI序列的评估
常规序列在临床常规工作中由一名在新生儿影像方面具有丰富经验的神经放射科医师(T.J.)进行评估。为研究目的,根据Kidokoro脑损伤分类[25],由两到三名评估者(T.J.和V.N./M.H.)对图像再次进行评估,且对既往报告和VPI的NDO设盲。
统计分析
描述性统计分析使用SPSS软件26版进行。数据分布采用Kolmogorov-Smirnov检验评估。组间比较采用Mann-Whitney U检验。评估者间信度的组内相关系数(ICC)采用双向混合模型计算。显著性水平设为0.05。
前馈神经网络
对于NDO预测,我们使用了单隐藏层前馈神经网络(fNN),已知其应用高度灵活,能够近似观察对象特征与其类别之间的非线性关系(图3)。因此,fNN函数通常具有较高的预测准确性[16]。
结局预测
首先,构建了一种选择算法,用于接收一组对发育迟缓的VPI(极早产儿)普遍存在的特征。该算法基于在延迟早产新生儿中测量的代谢物比值水平以及MD和FA值构建。根据其在x轴上的分布,确定测量值的定位度(LD)。LD的范围为0.125至1,低值对应于强定位,高值对应于弱定位。因此,低LD值是特征选择的指标。例如,如果在认知迟缓的早产新生儿中测量的某代谢物比值具有0.125的LD值,则意味着所有认知迟缓的早产新生儿该代谢物比值非常接近,即位于所考虑代谢物比值范围的一个八分位区间内。这种基于LD的特征选择可被视为曲线下面积(AUC)特征选择的更详细版本。
接下来,由于正常发育早产新生儿数量多与发育迟缓新生儿数量少之间存在不平衡,实际预测以两步法进行。基于上述选择算法,在第一步中,我们构建了“发育迟缓常见宽松区域”(DDCRZ),其中包含早产新生儿中接近相应延迟新生儿值的特征值(基于LD选择),并分析VPI的特征是否属于DDCRZ。如果VPI的特征在DDCRZ中,则在第二步中进一步检查;否则,该VPI被归类为正常发育。进一步细节见补充材料。
在第二步中,我们采用了一个由多个fNN(前馈神经网络)组成的预测器,使用交叉验证技术进行训练。为此,数据被分为四折。对于每一折的选择,fNN在其他折的数据上训练,所选折作为验证数据。我们将同一折的网络归为一个“类型”,并为每种类型构建100个fNN以提高其泛化能力。第一轮预测通过每个fNN类型内的多数投票进行。最终NDO预测由这些答案的两轮投票聚合形成(图4)。最后,计算灵敏度、特异度以及阳性和阴性预测值(PPV、NPV)。
在排除所有伴有严重脑损伤(3级和4级)的VPI后,进行了额外的亚组分析。
在补充文件中,我们从数学上进一步描述了上述关于fNN的方法学步骤的细节。
结果
患者特征
VPI的主要临床特征总结于表1。
依赖于脑损伤存在的NDO总结于表2。在伴有和不伴有脑室周围白质软化的组之间发现了运动结局的显著差异(p = 0.02)。
使用JMRUI进行MRS定量的ICC为0.99–1,MD为0.81–0.89,FA为0.8–0.87。MD和FA的两次测量均值用于进一步计算。
常规MRI评估的ICC为:PVL为0.93,IVH为0.97,CBH为0.99。
MRS和DTI测量
延迟组和非延迟组的代谢物比值均值与标准差,以及MD和FA值分别列于表3、表4和表5。MRS值与既往发表的使用135 ms TE的研究具有可比性[27–29]。
运动发育预测
在300例于矫正足月龄(TEA)接受MRI扫描的极早产儿(VPI)中,278例可在矫正年龄12个月时评估其运动技能。在纳入的127例VPI中,第二步排除了24例,原因是部分代谢物峰缺失。总计获得103例VPI的完整MRS数据集用于预测运动延迟。其中,13例(12.6%)婴儿在矫正年龄12个月时被归类为运动延迟。纳入与排除婴儿之间的神经发育延迟率(12.6 vs. 17.1%,p = 0.391)或运动量表平均评分(100 ± 16.3 vs. 97 ± 17.5,p = 0.226)无差异。
鉴于其较低的LD值,以下特征通过上述方法被归类为对运动延迟具有显著性:NAA/Cho(CWMR)、NAA/mI(CWMR)、mI/Cr(CWMR)、mI/Cr(CWML)、NAA/Cho(PWMR)、Cho/Cr(PWMR)和NAA/Cr(PWML)。由于其更强的定位特性,后五项特征被用于算法改进的第二步,作为前馈神经网络(fNN)的输入,以预测DDCRZ中VPI的运动结局。
所提出的基于fNN的预测器可实现运动结局预测,灵敏度为100%,特异度为90.9%,PPV为90.9%,NPV为100%。由于3例运动延迟的VPI未被纳入DDCRZ(即这些VPI在预测器第一步中被分类为发育正常),所提出预测器在整个数据集上的性能修正如下:灵敏度76.9%,特异度98.9%,PPV 90.9%,NPV 96.7%。
在亚组分析中,排除所有重度脑损伤的VPI后, achieved sensitivity of 100%、特异度87.5%、PPV 88.9%和NPV 100%。在因DDCRZ中丢失3例VPI而进行校正后,结果修正如下:灵敏度72.7%,特异度98.9%,PPV 88.9%,NPV 96.6%。
认知发育预测
在300例VPI中,276例VPI可在矫正年龄12个月时对其认知发育进行评估。
在纳入的127例VPI中,第二步因部分代谢物峰缺失排除了12例。总共获得115个用于预测认知结局的VPI完整数据集。其中,7例(6.1%)VPI在矫正年龄12个月时被判定存在认知发育迟缓。认知发育迟缓VPI的比例与排除组相似,即161例中9例,5.6%(p = 1.000)。同样,纳入与排除婴儿之间Bayley-III认知量表平均评分无差异(104 ± 15.1 对 102 ± 16.8,p = 0.290)。
以下代谢物比值和扩散特征显示出较低的LD值,因此用于构建用于认知发育迟缓评估的DDCRZ:NAA/Cho(FWMR)、Cho/Cr(FWMR)、Cho/Cr(FWML)、mI/Cr(FWML)、NAA/Cr(FWMR)、NAA/mI(FWMR)和FA(FWMR)。与运动病例类似,由于其更强的定位特性,后四项特征被用作我们算法精细第二步中fNN的输入。
采用所使用的fNN,我们获得了85.7%的敏感性、100%的特异性、100%的PPV和99.1%的NPV(DDCRZ中为93.3%)。在排除常规MRI可见严重脑损伤的VPI(7例中的2例)后,所有统计参数均为100%。
讨论
在本研究中,我们能够通过采用fNN并利用1H-MRS和DTI的生物标志物,预测矫正年龄12个月时VPI的NDO。使用在额叶白质中定量的mI/Cr、NAA/Cr和NAA/mI代谢物比值及FA值,我们预测认知发育迟缓的敏感性为85.6%,特异性为100%。同时,使用在中央和顶叶白质中测得的NAA/Cho、Cho/Cr、NAA/Cr和mI/Cr,我们实现了对运动发育迟缓的预测,敏感性为76.9%,特异性为98.9%。据我们所知,这是第一项通过采用fNN结合1H-MRS代谢物比值和DTI值来构建早期结局预后生物标志物的研究。因此,我们获得了比定性常规MRI或迄今发表的其他统计方法更高的预测准确性[28, 30–32]。
DTI通过量化MD和FA,用于评估白质微结构发育,包括髓鞘形成、纤维束完整性和轴突连接性[33]。高度有序的组织,如细胞膜和髓鞘,会定向限制DTI所测分子水的扩散[34]。FA所测的方向异质性程度反映微结构纤维束发育,包括轴突的数量、大小和髓鞘形成[34]。另一方面,较低的MD反映水扩散的空间各向异性较高以及纤维束发育增加[34]。因此,随着大脑发育成熟,FA升高而MD降低,反映纤维组织性增强和初步髓鞘形成[35, 36]。同时,大脑进行性成熟和髓鞘形成导致白质代谢发生变化,主要涉及NAA和Cho浓度[37–40]。NAA在神经元线粒体中合成,其浓度在新生儿期显著升高[14, 37, 41],推测是由于乙酰基更多用于脂质合成和髓鞘储存[42]。此外,NAA参与脑脂肪酸代谢、渗透压调节和神经调控。同时,胆碱浓度因其逐渐整合入髓鞘相关大分子而降低,使其在MRS中不可见[37, 43]。因此,包含NAA和Cho的代谢物比值是髓鞘形成的有效生物标志物。
早产儿白质损伤的核心病理特征是由于前少突胶质细胞成熟停滞及其无法生成少突胶质细胞而导致髓鞘形成失败的易感性[44]。其后果为弥漫性反应性星形胶质细胞增生以及程度较轻的轴索病变(表现为镜下坏死),这些无法在常规MRI中精确描绘[44]。因此,MRS和DTI适合用于更好表征早产存活者弥漫性星形胶质细胞增生和镜下坏死的严重程度。
易受损伤的未成熟少突胶质细胞密度在不同脑区之间差异显著,且已显示在额叶和脑后侧脑室周围白质中要高得多[45–47]。这使得这些区域尤其易发生早产儿白质损伤(WMI)[48]。同时,由于执行功能和高级认知起源于额叶[49],该区域在早产儿认知发育中尤其受到关注[50, 51]。另一方面,由于早产儿发生脑性瘫痪的风险相对增加[52],皮质脊髓束是该人群中研究最多的白质纤维束[53]。因此,作为皮质脊髓束的重要组成部分,中央白质(半卵圆中心)是早产儿另一个重要的关注区域。我们通过在脑室上方白质水平放置多体素1H-MRS,能够同时评估所有这些相关区域。与既往研究结果一致,在我们队列中,额叶白质评估的FA值和代谢物比值对认知结局的预测具有显著相关性。相应地,在最近发表的一项研究中,Guo等证明唯一与认知结局预后相关的区域是额叶白质(FWM)[50]。另一方面,采用我们的方法,中央和白质及顶叶/后部白质的代谢和微结构组成对运动结局预测起重要作用,这与文献一致[28]。
我们发现,根据既往针对早产儿的常规MRI研究[4, 6],常规序列检测到的WMI对运动结局有显著影响。然而,定量MRI研究日益强调轻微脑损伤的影响[54–56],且伴有此类损伤的婴儿结局仍不确定[57]。由于轻度WMI可随时间消退[50],在纠正胎龄(TEA)时的常规MRI可能低估其负担。此外,尽管由于新生儿重症监护的进步,早产相关WMI的严重程度已从广泛囊性转变为轻微弥漫性和点状WMI[58],但尚未观察到神经发育结局(NDO)的相应改善或非囊性WMI患病率的降低[59]。因此,通过DTI和MRS定量评估的髓鞘形成和白质连接中断是评估早产白质更可靠的方法[30]。此外,早产儿脑微结构和代谢的定量评估与NDO的关联比WMI的简单定性评估更强[11, 12]。
据我们所知,迄今为止仅有三项研究将在TEA时对极早产儿(VPIs)测量的1H-MRS和DTI相结合,目的是排除其与NDO的任何关联[27, 28, 31]。然而,只有一项研究旨在通过该方法确定预后生物标志物[28]。Kendall等在TEA时用1H-MRS和DTI检查了43例VPIs,目的是确定运动结局的生物标志物。与我们的结果相似,他们成功利用顶叶白质测量的Cho/Cr和NAA/Cho比值预测了运动发育。然而,所评估的DTI数据未被考虑用于生物标志物构建,也未实现认知发育的预测。
除了结合1H-MRS和DTI以提高MRI预后价值的准确性外,我们还应用了一种复杂的统计方法来排除预后生物标志物。所提出预测器的第一部分具有分类树的结构[60],这是一种常用的诊断工具[61]。其构建算法使用LDs,类似于用于构建分类树的CART算法[62]。所涉及的fNNs在几个不同的验证和训练子集上进行训练,以构建能够尽可能最好地泛化新数据的预测器。因此,预期在额外数据上也能获得高准确性,使所提出的方法具有临床适用性。
我们研究的优势在于其前瞻性特征、相对较大的队列以及一种复杂的新统计方法。然而,也应指出一些局限性。
首先,我们研究中VPI的结局是在矫正年龄12个月时评估的,与一些研究[28]一致,尽管大多数既往研究报告的是18–24个月时的结局。然而,由于这一较晚阶段的发育分类可能仍不一定反映较大年龄时的结局[63, 64],在矫正年龄5岁时进行随访研究会更准确,我们计划开展此项研究。其次,尽管样本量相对较大,运动迟缓和认知迟缓VPI的发生率低于其他研究[28, 31]。这至少在一定程度上可能反映了我机构所采用的有效重症监护干预措施。另一个原因可能是所采用的临床测试(Bayley-III),据报道与BSID-II相比,该测试可能高估早产儿结局。然而,我们采用了德国常模,与US常模相比,其显示高估结局的程度较小[23]。此外,我们尝试按照既往推荐[65, 66]通过合适方法处理这一数据不平衡问题。第三,由于所采用的方法,我们在运动结局预测器的第一步面临分类错误,遗漏了13名运动迟缓新生儿中的3名。当我们获得更多早产新生儿的数据时,我们计划在进一步研究中考虑多种可能性以减少这一错误。例如,这些包括利用最近邻分类器的思想[67]构建DDCRZ,以及在预测器中考虑各种协变量。除此之外,预测结果可扩展为包括“风险发育”类别。发育属于此类的VPI将被预测为存在发育迟缓风险。这一扩展可能允许额外的预测改善,因为被二分类预测器(即区分正常和迟缓VPI的预测器)预测为正常的迟缓VPI,可被扩展预测器预测为存在发育迟缓风险。第四,我们的方法学不建议使用任何DTI特征预测运动结局。然而,对于认知结局预测,一个DTI特征,即右侧额叶白质测得的FA,发挥重要作用且定位度低,因此被用于第二步预测中的fNNs。然而,如上所述,一些额外的DTI特征可能在我们进一步的方法学中变得重要。第五,尽管我们采用了TE为135 ms的多体素1H-MRS,我们在3.56 ppm处定量mI。MI峰是短TE 1H-MRS中的主导峰,其高度在中等TE MRS中降低[37]。因此,在少数被忽略的MRS波谱评估中,mI峰无法定量。此外,由于mI多重峰的消除,在此背景下必须考虑Gly对该峰的贡献。最后,尽管我们的研究纳入了127名婴儿,但考虑到有300名婴儿接受了MRI,脱落率相当高。这主要源于我们MRI方案中序列顺序的组合以及未使用镇静。也就是说,1H-MRS作为我们方案中的最后一个序列进行,并且采用喂养包裹技术时,并非所有新生儿都能完成完整MRI检查。
总之,当采用在矫正足月龄(TEA)时评估的脑质子磁共振波谱(1H-MRS)和弥散张量成像(DTI)早期生物标志物时,功能性神经网络(fNNs)可能是一种用于预测极早产儿(VPIs)在矫正年龄12个月时认知和运动结局的有用预测工具。我们的发现可能对临床实践有意义,有助于识别那些最能从早期干预服务和神经保护护理中获益的极早产儿。所提出的方法可作为补充性预测工具应用,尤其是在常规MRI上显示无或轻度脑损伤、因此其神经发育结局(NDO)仍不确定的极早产儿中。
电子补充材料
(DOCX 612 kb)
引用
- Janjic T, Pereverzyev S, Hammerl M, et al. Feed-forward neural networks using cerebral MR spectroscopy and DTI might predict neurodevelopmental outcome in preterm neonates. Eur Radiol. 2020. PMID: 32683551. doi:10.1007/s00330-020-07053-8
- 全文:PMC7599175(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7599175/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。