文献速递神经CTMR

卒中人群特异性神经解剖CT-MRI脑图谱

Stroke population-specific neuroanatomical CT-MRI brain atlas.
PubMed 文献 · Neuroradiology · 2022-01-30

研究构建了与卒中人群年龄和性别匹配的标准分辨率CT模板与高分辨率MRI模板,并将MRI图谱配准至CT空间形成覆盖全脑的52区CT-MRI图谱;在100例缺血性卒中CT扫描中验证自动归一化流程,四个脑区配准Dice>0.5,作者认为该工具可能标准化卒中病灶分割。

要点

  • 图谱基于年龄性别匹配卒中人群的50例CT与50例MRI模板构建,含52个手动分割脑区。
  • MRI至CT模板配准Dice>0.78、平均Hausdorff距离<0.59 mm。
  • CT归一化流程在100例缺血性卒中CT中验证,四个脑区Dice>0.5。

核心结论

  • 新构建的CT-MRI脑图谱有潜力标准化卒中病灶分割。
  • 结合自动归一化流程,可分析现有和新数据集以改进卒中预测工具。
  • 图谱与归一化脚本可免费下载,仅供研究用途。

研究设计与样本

  • 研究为影像方法学开发与验证研究,构建卒中人群特异性CT/MRI模板及图谱。
  • 收集50例年龄正常CT与50例年龄性别匹配的认知正常MRI扫描,分别构建标准分辨率CT模板和高分辨率MRI模板。
  • MRI模板手动分割为52个脑区,并配准至CT模板。
  • 在来自澳大利亚7个中心和1个新西兰中心的100例缺血性卒中患者CT上验证CT归一化流程。

诊断标准与关键数值

  • MRI至CT配准验证Dice>0.78、平均Hausdorff距离<0.59 mm。
  • CT归一化流程验证中,四个皮层和皮层下脑区在小(<10 ml,n=33)、中(10–70 ml,n=34)、大(>70 ml,n=33)梗死灶的Dice系数>0.5。
  • CT与MRI模板脑室大小无显著差异(CT 35.7 ml vs MRI 33.7 ml,p>0.05,t检验)。
  • 观察者间可靠性在10%图像中计算Dice和平均Hausdorff距离。

临床应用与阅片要点

  • 图谱覆盖全脑,包含与卒中预后相关的脑区,可避免多图谱组合时的区域重叠和手动调整。
  • 归一化算法对多中心、不同扫描协议和真实世界质量(含运动伪影)的CT图像稳健。
  • 标准分辨率CT模板层厚5 mm,常用标志点可能无法清晰显示。
  • 作者认为该图谱粒度适合卒中结局预测研究,可能促进基于CT的大数据集分析。

局限性

  • 标准分辨率CT模板层厚5 mm,导致常用标志点常无法被捕获。
  • 验证用的个体CT来自纯临床急性卒中数据集,图像质量参差且含运动伪影。
  • 当前卒中神经影像结局预测研究的主要局限是纳入患者数量有限。
全文中译14 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Neuroradiology. 2022 Jan 30;64(8):1557–67. doi: 10.1007/s00234-021-02875-9

引言

为了将神经影像学研究中的变化推广到一般人群,必须在组水平上进行分析,这需要对个体数据进行空间标准化[1, 2]。大多数当代空间标准化算法是由来自神经系统健康且 notably 年轻人群的模板图像引导的。由于衰老过程中发生的形态学和体积变化[3],针对影响老年人群的疾病的研究应使用年龄特异性模板,因为这能改善分割结果[4, 5]。

计算机断层扫描(CT)是急性卒中中最常用的成像方式,基本上所有患者在急性评估期间都会接受CT扫描。尽管CT涉及电离辐射暴露,在缺血性卒中的超急性期敏感性有限,并且在一些特定卒中亚型如脑干梗死中敏感性较低,但CT相对于MRI有几个关键优势。这些优势包括速度、成本、可用性和安全性,CT没有绝对禁忌症,这使其成为急性卒中治疗决策和早期预后评估的主要方式[6]。

与临床环境相反,大多数卒中结局预测研究仅包括MRI扫描,这限制了其普遍性。近年来,少数基于CT的预测研究重新受到关注(例如[7, 8])。

缺血性病灶体积和位置已被描述为卒中恢复的关键预后因素[9]。尽管如此,迄今为止还没有普遍认可且经过充分验证的标准解剖图谱,可以可靠地用于临床实践或研究中的卒中病灶分割。

虽然现有且最常用的图谱详细描述了脑解剖结构,但它们可能无法捕捉卒中人群特异性解剖[10],生成耗时且易受评估者间和评估者内变异性影响[11],尤其是在通常不做任何进一步验证的情况下使用时。

这对于个体CT图像与模板空间对齐的验证也是如此。尽管用于标准化MRI扫描的研究工具已经成熟并经过验证,但用于CT图像准标准化和配准的工具有限。因此,基于CT的预测研究使用非标准方法将CT图像配准到模板/图谱,通常不报告所选方法的正式验证。这令人担忧,不仅因为图像标准化大多基于年轻健康成人开发的模板进行,还因为常用算法往往无法成功标准化CT扫描[12]。

鉴于缺血性卒中模式的多样性,需要大型数据集来开发稳健且全面的预测模型。为实现这一目标,一个重要前提是标准化的位置标识符,使研究人员能够以高效、廉价和标准化的方式分析大型数据集。

因此,我们旨在创建一个相当详细的解剖学全脑CT和MRI图谱,该图谱基于卒中人群特异性模板,附带一种经过验证的半自动CT配准算法,并可免费获取。该工具随后既可用于资源充足的研究环境,也可用于更具挑战性的研究环境。这样一种研究工具有潜力促进并标准化临床研究,包括混合模态研究,从而改善卒中结局预测。

方法

CT扫描的收集经皇家墨尔本医院人类研究伦理委员会批准,无需患者个人知情同意。AIBL研究经奥斯汀健康、圣文森特健康、好莱坞私立医院和伊迪斯科文大学的机构伦理委员会批准,所有志愿者在参与前均签署了书面知情同意书[13]。

模板、图谱和配准算法可从https://forms.office.com/r/v4t3sWfbKs获取。更多数据可在合理请求下向通讯作者获取,包括数据共享协议。

创建CT模板和图谱(蓝色)以及MRI模板和图谱(绿色)的总体工作流程如图1所示:分别通过审阅具有卒中样症状患者的CT扫描以及对AIBL数据库进行MRI扫描筛选,收集了50份年龄正常的CT和MRI扫描,并选择了一份具有代表性的CT和MRI扫描。随后使用FMRIB线性图像配准工具(FLIRT)将其余49份CT扫描和49份MRI扫描配准到各自具有代表性的扫描上。

此外,对50份共配准CT扫描和50份共配准MRI扫描分别独立进行仿射和非线性配准,迭代次数为60 × 90 × 40,以互相关作为相似性矩阵,从而得到最终的CT和MRI模板。最后,对MRI模板进行手动分割,以生成全脑神经解剖学MRI图谱。作为最后一步,使用仿射和非线性配准将该图谱转换到CT模板空间,迭代次数为60 × 90 × 40,以点集期望和互信息作为相似性矩阵(进一步细节见下文)。

图1 工作流程模板和图谱;FLIRT(FMRIB线性图像配准工具):具有12个自由度的线性仿射配准;ANTS 1:仿射和非线性配准,迭代次数为60 × 90 × 40,以互相关作为相似性矩阵;ANTS 2:仿射和非线性配准,迭代次数为60 × 90 × 40,以点集期望和互信息作为相似性矩阵;* 加上手动调整 查看原图 ↗

数据收集

我们按随机顺序回顾了2008年至2014年间采集的疑似卒中患者的CT扫描,这些患者年龄在55至95岁之间,最终诊断并非卒中,且根据放射科报告作为标准临床诊疗的一部分,CT扫描对于其年龄而言属正常,直至我们识别出50例此类扫描。我们按年龄组收集图像(50–59岁患者8幅图像,60–69岁患者13幅图像,70–79岁患者16幅图像,80–89岁患者12幅图像,95岁患者1幅图像),以构建一个与A Very Early Rehabilitation trial(AVERT,n = 2104,[14])参与者年龄和性别匹配的队列,该试验被视为一般卒中人群的代表[15]。所有50例CT扫描(SIEMENS Sensation 16 CT扫描仪,平面内分辨率 = 0.38–0.45 mm,螺旋/序列扫描,280/360 mAs,120 kV,1 s旋转时间,4.5–5 mm层厚)随后由两名神经科医生(TK,5年经验;NY,6年经验)审阅,以确认无高/低密度影及任何其他结构异常。允许存在众所周知的年龄相关改变,例如脑室扩大和白质改变。

我们筛选了AIBL数据集(The Australian Imaging, Biomarkers & Lifestyle Flagship Study of Ageing;www.aibl.csiro.au;[13])中认知正常的参与者,即在54个月随访期(AIBL研究的一部分)内没有任何可疑轻度认知障碍或任何形式痴呆的认知症状者,按年龄组收集T1加权图像(SIEMENS TrioTim:3 Tesla,SIEMENS Verio:3 Tesla,SIEMENS Avanto:1.5 Tesla,序列:MPRAGE,FOV 208 × 240×256mm,重建分辨率:1 × 1 × 1 mm,TE = 2.98 ms,TR = 2300 ms,TI = 900 ms),来自50名与AVERT卒中人群年龄和性别匹配者。

模板的构建

在视觉选择一幅代表性CT图像后,我们使用FLIRT(版本6·0,Oxford,UK)将所有其他CT扫描与代表性图像进行仿射配准。FLIRT是一种全自动、稳健且准确的工具,用于脑内和跨模态脑图像配准[16–18]。利用由此获得的50例共配准扫描,我们使用Advanced Normalisation Tools(ANTs)创建了一个模板,每次配准60 × 90 × 40次迭代,以互相关作为相似性度量。使用相同方法利用T1图像构建MRI模板,以协助在该模板空间中开发神经解剖图谱。

最后,由于CT和MRI图像并非来自同一个体,我们使用t检验比较了用于构建模板的50幅CT图像与50幅MRI图像的脑室大小。

CT标准化算法与验证

为保持一致性并鉴于其是MRI最可靠的工具[19],我们使用Advanced Normalisation Tools(ANTs)开发了一套标准化流程,可将标准分辨率CT扫描标准化至我们的标准分辨率CT模板。这是一项方法学上具有挑战性的工作。我们在单个图像和模板中研究了调整下述变量(这些变量已被证明可改善MRI标准化)的效果:有/无颅骨

有/无机架校正

将原点设置于前连合

有/无全脑/模板掩模

有/无病灶掩模。

验证

首先,我们通过视觉检查了各配准图像的方向是否正确。作为正式验证,我们在每个半球定义了四个基准区域,这些区域在大多数临床CT扫描中即使图像质量较低也能可靠定义:岛叶带状区(皮质、幕上)、小脑(幕下)、尾状核(皮质下)和侧脑室前角。

这些区域由一名神经科医生(TK)在随机选取的100例CT扫描中手动分割,按梗死体积大小分层(小(< 10 ml)、中(10–70 ml)和大(> 70 ml)缺血性病灶)。100例卒中图像选自澳大利亚七个AVERT中心和新西兰一个中心。为此,我们随机审查可用的AVERT影像,直至达到100个代表性梗死病灶,包括小梗死(n = 33)、中梗死(n = 34)和大梗死(n = 33)。

在10%的图像中,由第二名神经科医生(VT,> 15年经验)进行相同的分割,并通过Dice系数(Dice)比较两个感兴趣区的重叠以及测量两个感兴趣区边界的距离(平均豪斯多夫距离(AHD)[20])来检验评分者间信度。

手动分割的个体脑结构与CT模板中相同结构之间的对齐也使用Dice和AHD进行了评估。

由于个体MRI扫描与模板的配准在本研究使用的软件(ANTs)中已建立并经过验证[19],我们未对个体MRI至MRI模板配准进行正式验证。

脑神经解剖分割(即脑的 parcel 分割)

由于CT模板的分辨率不足以进行解剖精确的分割(见图2a),我们基于MRI模板使用软件工具ITK-SNAP [21]手动分割全脑。基于改编的Desikan-Killiany-Tourville标记协议[19]中的皮质区域定义,我们将脑分割为52个区域(见表1)。与Desikan-Killiany-Tourville标记协议中使用的定义不同,我们将邻近的白质(WM)纳入皮质,因此将不同区域标记为“区域”而非“皮质”。解剖标志使用皮质勾画协议[22]进行验证。

对卒中预后重要但无法在新创建的MRI模板(T1)上定义的脑结构,特别是皮质脊髓束(CST),通过将约翰霍普金斯大学(JHU)ICBM-DTI-81白质标签图谱[23]中选定的预定义白质纤维束配准至MRI模板来纳入(见下文)。

手动分割由一名神经科医生(TK)完成。在不确定的情况下,由包括一名经验丰富的神经放射科医生(PMD,> 30年经验)在内的专家小组讨论后达成共识。

使用ANTs,我们将MRI模板对齐至CT模板,以获得标准分辨率CT的相同图谱。该对齐通过在CT和MRI模板中定义5个基准区域(尾状核、豆状核、丘脑、侧脑室、2个上部脑层面(均为双侧))(由神经科医生(TK)在两个模板中手动分割)并计算Dice和AHD量化其重叠来进行检验。

图2 a CT模板(512 × 512 × 26体素),b MRI-CT模板(512 × 512 × 26体素),c MRI模板(160 × 240 × 256体素)。 查看原图 ↗
表1 该图谱包含52个脑区。既往卒中结局研究中描述的 eloquent 区域以粗体标出 查看原表 ↗

结果

CT和MRI模板

收集的50份标准分辨率(512 × 512 × 24–32)健康CT脑扫描来自患者(中位年龄71.9岁(62.1–80.2),60%为男性),代表一般卒中人群。根据其出院记录,卒中样症状由短暂性脑缺血发作、癫痫发作(无已知癫痫疾病)、偏头痛、良性阵发性眩晕或功能性疾病所致。CT模板分辨率为512 × 512 × 26体素,体素大小为0.45 × 0.45 × 5 mm。

收集的50份高分辨率(160 × 240 × 256)健康MRI脑扫描来自参与者(中位年龄71.9岁(62.1–80.2),60%为男性),其性别和年龄与卒中人群相匹配。MRI模板分辨率为160 × 240 × 256体素,体素大小为1.2 × 1 × 1 mm。

CT与MRI扫描的脑室大小无显著差异(CT:35.7 ml,MRI:33.7 ml,p > 0.05,t检验),表明两个模板在相对于年龄的脑健康方面具有可比性。

CT归一化算法及验证

仿射变换以及随后以互相关作为相似性度量的仿射和非线性配准产生了最稳健的CT到CT模板归一化结果(完整算法见仓库 https://forms.office.com/r/v4t3sWfbKs)。

去颅骨图像的归一化[24]导致了严重的视觉伪影。无论是机架倾斜校正还是将个体图像和模板的原点设置至前连合(在5 mm CT中尽可能接近),均未改善最终的配准结果。因此,这些步骤未纳入最终算法。正如预期,使用手动绘制的梗死病灶掩膜确实改善了结果,尤其是在大病灶中,而添加全脑掩膜则没有附加价值。

个体图像与模板之间的对位可靠,表现为Dice > 0.5和AHD(见表2和图3)。该算法对小病灶(< 10 ml)、中等病灶(10–70 ml)或大病灶(> 70 ml;最大349 ml;关于所纳入不同类型卒中的进一步详情,见在线补充材料)图像的性能无重大差异。似乎不存在导致严重配准错误的临界缺血病灶体积上限。

表2 个体图像与CT模板之间8个区域的Dice评分(Dice)和平均Hausdorff距离(AHD) 查看原表 ↗
图3 使用新开发的配准流程验证对位(*) 查看原图 ↗

CT和MRI图谱

新创建的MRI图谱覆盖全脑,并定义了上述52个区域(见表1)。

所描述的模板和图谱结合归一化算法(脚本)可免费获取(需引用当前手稿),可通过以下链接下载:https://forms.office.com/r/v4t3sWfbKs(仅供研究用途)。

MRI到CT的配准及验证

为了将该图谱转移到CT上,我们将高分辨率MRI模板与标准分辨率CT模板对齐(图4)。尽管CT图像到MRI图像的配准(通常为同一个体)已十分成熟,但反向过程更具挑战性。最终,采用CT和MRI模板中八个区域的手动分割,并结合点集期望(80%)和互信息(20%)作为相似性度量、以60 × 90 × 40次迭代,用于MRI到CT的配准,得到低分辨率MRI模板(512 × 512 × 26体素)。所建议的用于验证的MRI标志点(基准点)[26]及其针对CT扫描的改编方案[12]均不适用,原因是分辨率不同导致它们在两个模板中无法被清晰识别。因此,我们通过比较四个基准区域的对齐情况来验证配准,这些区域在标准5 mm CT层厚和1 mm MRI层厚中均可被确信地界定。Dice和AHD显示对齐效果极佳,水平< 1 mm(见表3):

图4 CT-MRI图谱皮层及皮层下区域的示例轴位视图(第1层) 查看原图 ↗
表3 用于验证MRI与CT模板对齐的不同脑区Dice评分(Dice)和平均Hausdorff距离(AHD) 查看原表 ↗

讨论

我们开发了一个神经解剖学CT-MRI图谱,该图谱基于卒中人群特异性模板(年龄和性别与标准卒中人群匹配),并配有自动化、可靠且经过验证的CT标准化算法。重要的是,该图谱覆盖全脑,并包含具有临床和预后相关性的区域。

相同的CT和MRI图谱的组合使该方法能够用于分析多模态数据集,从而研究大型临床相关样本。这一免费可用的工具有潜力在各种研究环境中标准化并促进基于卒中病灶位置的研究,从而显著改善卒中预后预测。

对临床获得的扫描图像(主要是CT扫描)进行预测性研究的主要障碍是缺乏标准化的研究工具。尽管已有两个设计良好的面向老年人群的CT模板及自动化联合配准流程[12, 27],但它们均未包含匹配的图谱。

目前,许多预测性研究使用不精确的视觉评分量表,其中Alberta卒中项目早期CT评分(ASPECTS,[28])最为常用(如[29, 30]),或使用各种不同的图谱,这些图谱基于年轻健康成人的MRI模板/脑图像。

例如,Ernst及其同事[7]使用了神经影像概率脑图谱实验室(LPBA)[31],并手动添加了5个脑结构以覆盖全脑,从而在其基于预测的CT研究中总共得到66个脑区。Cheng等人(2014)[32]、Yassi及其同事(2015,共132个结构)[33]以及Wu等人(2015)[34]结合了哈佛-牛津皮质结构图谱[35]和约翰霍普金斯大学国际脑图谱联盟弥散张量成像(JHU ICBM-DTI)-81白质标签图谱[36]。Hope等人(2013)[37]基于解剖工具箱[38]和JHU ICBM-DTI-81提取了总共232个皮质和皮质下感兴趣区,而Munsch及其同事(2016)[39]从自动解剖标记(基于MNI单被试MRI脑)[40]、Brodmann和JHU ICBM-DTI 81图谱中识别了 eloquent 区(均为MRI研究)。将这些图谱调整以覆盖全脑并适配所研究的人群非常耗时。此外,输入数据的巨大变异性(66至232个感兴趣区之间)以及遗漏已知对卒中恢复至关重要的潜在 eloquent 区域,限制了结果的可比性。此外,这些研究均未涉及不同脑区之间重叠的处理——这在结合多个图谱时会出现——也未涉及将基于年轻健康脑的图谱叠加到衰老脑上,或未经验证对齐的情况下将基于MRI的图谱用于CT。

本文提出的图谱覆盖全脑,从而避免了结合不同图谱及随之出现的某些区域重叠或手动调整图谱的必要性。此外,与常用图谱不同,我们的群体特异性图谱考虑了年龄相关变化,包括脑室扩大、脑沟增宽和皮质萎缩,以及感兴趣 eloquent 区随后的体积变化,并允许不同研究结果之间的直接比较。

Rorden及其同事提出了卒中人群特异性CT和MRI模板及相应的经验证配准算法[12]。虽然这些模板已得到良好开发并对所提出的归一化进行了全面验证,但它们被实现于统计参数映射(SPM)工具箱中,因此仅能在持有Matlab许可证的情况下使用。更近期,一个基于老年人群的免费可获得高分辨率CT和T2加权液体衰减反转恢复(FLAIR)-MRI模板已连同相应的处理流程发表[27]。它也极其详细地呈现了脑结构,并已被带入蒙特利尔神经学研究所(MNI)空间,但在临床数据上的验证有限。虽然这使得叠加MNI空间图谱成为可能,但这些图谱在卒中研究中的效用有限,因为大多数不覆盖全脑或过于细粒度,难以开发具有临床意义的预测模型。

这两份现有的基于卒中人群的CT模板具有高分辨率。对这些模板进行标准化可能非常耗时,尤其是在计算能力有限的情况下,并且对于标准分辨率CT扫描可能需要过多的数据插值,特别是当未采集薄层(1 mm)CT扫描时。因此,我们选择了标准分辨率CT模板。这带来了一个挑战,即由于5 mm层厚,常用的解剖标志往往无法被捕捉到。此外,我们选取了来自急性卒中患者纯临床数据集(AVERT,[14],招募时间2008-2014年)的个体CT扫描来验证标准化算法。这些扫描在不同中心使用不同的扫描仪协议采集,通常具有“真实世界”质量,包括一些运动伪影。这使得自动化标准化流程的开发尤为具有挑战性,并需要两个不同的配准步骤。因此,我们的标准化算法非常稳健,能够可靠地对质量不一的图像进行配准,不受上述变异的影响。因此,它对于来自多个图像采集中心的大型数据集尤其有帮助。

鉴于卒中病灶模式、患者特征和治疗方法的巨大多样性,当前聚焦于使用神经影像标志物进行卒中后一般结局预测的研究的一个主要局限性是纳入患者数量有限。允许对CT影像进行分析使得能够纳入额外已有的大型数据集(例如虚拟试验档案(VISTA,http://www.virtualtrialsarchives.org))用于研究,并将确保泛化性,尤其是因为CT扫描是——并且很可能将继续是——急性卒中患者的首选影像模态。这与近年来超急性期卒中试验数量不断增加[41-45]尤为相关,同时也着眼于使中低收入地区的团队能够参与重要的卒中结局预测研究。

尽管经过数十年的研究,一个可泛化的、被临床采用的卒中结局预测模型仍未问世。我们新创建的CT-MRI图谱有潜力促进卒中结局预测研究,特别是聚焦于基于CT的研究。它为大型多模态数据集的高效分析开辟了道路,一旦被纳入研究实践,便提供了汇集和直接比较不同研究数据的机会。它覆盖整个大脑,避免了“未定义”区域,并聚焦于有限数量的临床相关结构。我们相信,我们的图谱对于卒中结局预测研究而言足够精细,同时又足够简单以提供具有临床意义的结果。

未来采用我们的方法并使用多模态CT(包括CT灌注成像(CTP))的研究可以进一步探索急性再灌注治疗后半暗带位置、再灌注成功与临床结局之间的关联。

本研究存在一些局限性。CT模板在视觉上显得模糊,灰白质分界有限,导致只有少数解剖标志可被清晰识别。鉴于我们仔细评估了每个配准步骤,且在每次迭代时单张图像均看似可接受,我们怀疑这种模糊与脑解剖的个体间差异及扫描的临床性质有关,而非配准不良。这种模糊确实造成了方法学上的挑战,因为我们无法直接确定图谱在CT模板上的准确性。然而,鉴于MRI到CT模板的配准对于所测试的皮质下和皮质结构而言准确性极佳,且鉴于单张CT扫描与CT模板的对齐是可靠的,我们认为所得CT图谱对其既定用途具有足够的精度。

按设计,我们的CT模板并非完全对称。在应用该模板时应考虑到这一点,但这并不限制其作为标准位置标识符的使用。

与其他图谱结构不同,皮质脊髓束(CSTs)是从基于年轻健康大脑的现有标准图谱中导入的,因为这是可靠识别该结构的唯一方法。我们选择这种方法是因为我们认为CSTs对卒中结局预测的已知预后重要性超过了这一潜在的不精确性。尽管如此,我们欢迎基于老龄(卒中人群特异性)人群扩散张量成像开发白质纤维束图谱的努力,该图谱可适配到当前的CT-MRI图谱中。

确定构建模板所需的单张图像数量是该研究领域的一项挑战,近期才有研究开始涉及这一问题(例如[46])。鉴于这一研究空白,我们基于可比模板(例如[12, 27, 47, 48])确定了用于构建模板的扫描数量。

结论

新创建的卒中人群特异性全脑CT-MRI图谱,连同自动化、可靠且经过验证的CT标准化算法,使大型多模态临床数据集易于用于研究。作为一个可免费获取的图谱(https://forms.office.com/r/v4t3sWfbKs),它覆盖全脑而不失粒度,有潜力在资源条件各异的研究环境中标准化和促进基于病灶位置的卒中研究,这可能有助于其被采纳进入研究实践。

补充信息

以下是电子补充材料的链接。补充文件1(DOCX 30 KB)

引用

  1. Kaffenberger T, Venkatraman V, Steward C, et al. Stroke population-specific neuroanatomical CT-MRI brain atlas. Neuroradiology. 2022. PMID: 35094103. doi:10.1007/s00234-021-02875-9
  2. 全文:PMC9271109(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9271109/

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。