一种基于DCE-MRI影像参数评估轻中度脑白质高信号血脑屏障通透性的数据处理方法与流程

本发明涉及医学影像数据处理，具体涉及特别是涉及脑小血管疾病的磁共振影像定量分析，具体而言，涉及一种基于动态对比增强磁共振成像（dce-mri）参数评估轻中度脑白质高信号（wmh）血脑屏障（bbb）通透性的数据处理方法。

背景技术：

1、脑白质高信号（white matter hyperintensities, wmh）是脑小血管疾病（cerebral small vessel disease, csvd）的核心影像学标志物，在磁共振成像t2-flair序列上表现为脑室周围或深部白质区域的高信号灶。wmh与认知功能减退、步态异常及缺血性卒中风险升高密切相关。血脑屏障（blood-brain barrier, bbb）损伤被认为是wmh发生发展的关键环节。

2、动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonanceimaging, dce-mri）是目前在体定量检测bbb通透性的金标准。通过extended tofts双室模型分析，可获取容积转移常数（ktrans）和血浆容积分数（vp）。ktrans反映对比剂从血管内渗漏到血管外的速率，是评估bbb通透性的核心参数；vp则反映局部血管密度与灌注水平。

3、然而，现有技术中对wmh的bbb渗漏评估存在以下技术缺陷：

4、第一，传统观点认为wmh严重程度（fazekas评分）与bbb渗漏呈线性正相关，但近期研究发现，重度wmh（fazekas 3分）区域的ktrans值反而下降。研究表明，这是由于重度病变区域微血管稀疏、局部脑灌注大幅下降，导致对比剂向病灶区域的输送受限，造成ktrans定量结果被灌注因素显著低估，产生假阴性偏倚。现有方法未对病变严重程度进行分层筛选，导致评估准确性降低。

5、第二，室周白质高信号（pwmh）与深部白质高信号（dwmh）的病理机制存在明确异质性，其bbb渗漏的驱动因素不同——pwmh主要受年龄和局部灌注水平调控，而dwmh则与2型糖尿病密切相关。但现有评估方法未进行解剖亚型区分，也未引入相应的校正或关联参数，导致评估结果不精准。

6、因此，亟需一种能够规避重度病变灌注干扰、区分解剖亚型、并关联临床风险因素的bbb通透性数据处理方法。

技术实现思路

1、针对上述现有技术中的不足之处，本发明旨在提供一种基于dce-mri影像参数评估轻中度脑白质高信号血脑屏障通透性的数据处理方法，以解决现有技术中因重度病变灌注假阴性干扰及忽视解剖亚型异质性所导致的bbb渗漏评估不准确的技术问题。

2、为了达到上述目的，本发明采用了以下技术方案：

3、一种基于dce-mri影像参数评估轻中度脑白质高信号血脑屏障通透性的数据处理方法，其特征在于，包括以下步骤：

4、步骤s1：获取受试者脑部的dce-mri数据；

5、步骤s2：基于所述dce-mri数据，利用extended tofts双室模型计算脑白质区域的容积转移常数ktrans和血浆容积分数vp；

6、步骤s3：基于t2-flair影像，对室周脑白质高信号（pwmh）和深部脑白质高信号（dwmh）进行fazekas0～3分分级评分，其中0/1分组为无病变或轻度病变、2 分组为中度病变、3 分组为重度病变；

7、步骤s4：在t2-flair影像勾画感兴趣区域（roi），其中fazekas 2、3 分组的 roi勾画于 wmh 病灶核心区，fazekas 0/1 分组的 roi 勾画于对应解剖部位的正常表现白质区；

8、步骤s5：以所述ktrans值作为血脑屏障（bbb）通透性的定量评估指标，结果，fazekas2分的pwmh、dwmh区域的ktrans值显著高于fazekas 0/1分wmh区域，指示bbb通透性升高；相同fazekas 评分分层下，pwmh 的 ktrans值普遍高于 dwmh；

9、步骤s6:以所述vp 参数，评估 wmh 区域的局部微血管灌注特征，结果以 fazekas0/1 分 wmh 为参照，pwmh 、dwmh的 vp 值随 fazekas 分级升高呈持续下降趋势，其中fazekas 2 分、3 分 pwmh 的 vp 值均显著低于 0/1 分组，fazekas 3 分 dwmh 的 vp 值较 0/1 分组显著降低；

10、步骤s7：采用 spearman 秩相关分析，对 bbb 渗漏核心标志物 ktrans 与局部灌注评价指标 vp 进行相关性分析，结果fazekas 0/1 分组中pwmh 区域 ktrans 与 vp 呈中等强度正相关，dwmh 区域 ktrans 与 vp 呈弱正相关；

11、步骤s8:采用单因素分析系统评估不同解剖部位、不同病变严重程度 wmh 评分组间的基线风险因素分布均衡性，基线指标包括性别、高血压、2 型糖尿病、高脂血症、冠心病、吸烟史、饮酒史，排除混杂变量对wmh bbb渗漏、灌注特征异质性分析结果的干扰；

12、步骤s9:建立多元线性回归模型，以bbb 渗漏核心定量参数 ktrans 为因变量，以年龄、性别、血管性风险因素、生活习惯、vp及病变严重程度作为自变量，开展多元线性回归分析，结果pwmh与dwmh的 bbb 渗漏存在差异化的独立调控模式，其中年龄为 pwmh 区域 bbb渗漏的独立负向影响因素，vp、fazekas 2 分病变分级为 pwmh 区域 bbb 渗漏的独立正向影响因素，性别、高血压、糖尿病、高脂血症、冠心病、吸烟、饮酒因素对室周白质 bbb 渗漏均无显著独立影响，

13、dwmh 的回归分析结果显示，2 型糖尿病、fazekas 2 分病变分级为 dwmh 区域bbb 渗漏的独立正向影响因素，局部灌注水平 vp 对 dwmh 的 bbb 渗漏的影响接近统计学临界值，年龄、性别、高血压、高脂血症、冠心病、吸烟、饮酒因素对深度白质 bbb 渗漏均无显著独立影响；

14、步骤s10：结论分析，

15、其一，wmh 的 bbb 渗漏并非随病变严重程度升高呈线性加重，而是表现出显著的非线性变化特征，即fazekas 2 分的 bbb 通透性显著高于无 / 轻度病变区域，而fazekas3 分的 bbb 通透性反而呈显著下降趋势；

16、其二，相同 fazekas 分级下，pwmh的 bbb 渗漏程度普遍高于dwmh，提示 wmh 的bbb 损伤存在明确的解剖区域异质性；

17、其三，pwmh 与 dwmh 的 bbb 渗漏存在差异化的调控模式，pwmh 的 bbb 渗漏主要受局部脑灌注水平调控，而 dwmh 的 bbb 渗漏则由 2 型糖尿病独立驱动。

18、进一步地，所述步骤s3中的fazekas评分标准为：

19、0/1分：无病变或直径＜5mm的点状/帽状病灶；

20、2分：对于pwmh为光滑晕圈状融合性改变，累及侧脑室体部周径＞25%；对于dwmh为局灶性小范围融合性改变。

21、进一步地，所述步骤s4中，单个roi面积控制在 50～100 mm²，且避开脑血管和脑沟区域。

22、进一步地，所述dce-mri数据采集参数为：翻转角10°，tr/te 2.51/0.92 ms，时间分辨率3秒，共采集90期相，对比剂为钆布醇，剂量0.1 mmol/kg，注射速率3 ml/s。

23、进一步地，所述“显著高于”的判定基于非参数检验，统计显著性阈值p<0.05。

24、本发明的有益效果包括：规避灌注假阴性偏倚：通过限定分析对象仅为fazekas0-2分的轻中度wmh区域，主动排除重度wmh（fazekas 3分）病变。经实验验证，重度wmh区域因微血管稀疏、局部低灌注导致对比剂输送受限，其ktrans值较0/1分组显著下降，但该下降与vp值降低呈正相关，属于测量假象而非bbb真实修复。本发明通过排除此类区域，显著提高了bbb渗漏评估的准确性。

25、解剖亚型特异性处理：本发明区分pwmh和dwmh，并分别提供差异化的数据处理策略——对pwmh引入vp灌注校正，对dwmh引入2型糖尿病状态关联。实验数据证实，pwmh的ktrans与vp呈显著正相关，而dwmh的bbb渗漏独立受2型糖尿病驱动这种亚型特异性处理克服了现有方法“一刀切”的缺陷。

26、提供可量化的中间结果：本发明输出ktrans值、vp值、bbb通透性升高指示或综合预测评分，这些均为客观的、可量化的中间结果信息，不直接给出疾病诊断结论，符合专利法对数据处理方法的要求。

27、明确干预窗口期提示：本发明通过比较不同fazekas分级的ktrans值，发现fazekas2分区域的bbb渗漏显著高于0/1分区域，提示该阶段为bbb损伤的病理活跃期。这一信息可为后续临床决策提供参考。