缺血性腦卒中影像學發展現狀及展望2024(全文)腦卒中是我國致死率排名第1位的疾病，致死率約為343/100000,40歲以上成年人總體發病率約500/100000[1],發病率高，預后差，造成嚴重家庭及社會負擔[2]。缺血性腦卒中約占所有腦卒中類型的80%以上，是腦卒中防治的重中之重[3]。要文章。這些工作在2010年之前主要針對急性缺血性腦卒中(acute分辨管壁成像(high-resolutionmagneticresonancevesselwall性[4]。靜脈溶栓和血管內取栓是公認的急性卒中再灌注治療方法，000000個/min)[5],因此治療時間窗被不斷地拓展。DEFUSE窗擴展到16h和24h[6,7];EXTEND研究和TRACE-Ⅲ研究采取及時的治療，這些區域會進一步發展為不可逆的腦梗死[10]。配[13,14]、液體衰減反轉恢復(fluidattenuatedinversion不匹配等[17]。其中ASL作為一種灌注成像，具有無創且無需對—標記后延遲時間(post-labellin多時相CTA,被推薦為一線檢查方法[12]。目前，臨床上對于大血半暗帶的重要因素[19],側支循環越好，再灌注治療反應越好、梗死體積越小、出血性轉化風險降低、臨床預后更佳[20,21]。基于灌注成像的低灌注強度比值是評價側支循環代償的定量指標[22],與患者預后密切相關[23];側支/梗死比率等新型指標也顯示出對于預后的良好預測價值[24]。FLAIR血管高信號征作為常規影像 者臨床預后具有預測價值[27,28]。這些指標在臨床上容易獲取，Tmax容積變化比率與基于DSA的再灌注評分具有很好的相關性；基于能夠提示臨床進行即時干預，但往往具有滯后性[29]。新型影像學指標，如基于CT掃描的凈水攝取率(netwateruptake,NWU),可以況，對于惡性腦水腫具有較好的預測價值[30,31,32,33];除較好的應用價值[34,35]。在出血性轉化的預測上，目前認為基于CT或MRI的血腦屏障滲透性評價及灌注特征的識別具越高，越容易發生出血性轉化[36,37];此外，極低血容量和皮層[38,39]。腦卒中自動診斷、病灶分割、治療方案選擇和預腦卒中等腦急癥快速診斷的通用智能診斷模型，該模型基于頭顱CT圖像集中的靈敏度和準確度分別達到93.7%和92.4%,可以很好地應用于臨[44]使用基于DenseNet-121網絡的人工智能模型在CTA圖像實現自動診斷大血管閉塞。Brugnara等[45]開發了一種人工神經網塞。Lyu等[46]報道了一種不注射對比劑，通過平掃CT計算CTA成像時間3min4s)對AIS病變的顯示效果相似，但深度學習加速MRI等[48]針對腦卒中檢查中的關鍵序列SWI,通過深度學習實現8倍加速，在保持圖像質量不下降的前提下縮短了整個檢查流程，提高了SWI檢查的成功率。該技術也在AIS患者中得到了驗證，表明加速SWI在縮短檢查時間的同時，對于SWI上關鍵征象術[49]。這種加速技術也可以應用于其他成像序列，有效地克服了MRI檢查時間長的核心難點，能夠促進AIS患者MRI檢查模式的未來推頭頸部動脈粥樣硬化性疾病是全球卒中的最常見病因[50],在我國，顱內動脈粥樣硬化更常見，可占缺血性腦卒中病因的30%~50%[51]。頭頸部動脈粥樣硬化診療和預防有賴于病因學確診和發病機制的準確判環評估，影像學發揮了重要作用。HRVWI是診斷優化以及序列的不斷改進，該技術廣泛、成熟地應用于臨床[52]。讀斑塊正性重構、斑塊內出血、斑塊強化外[53,54],研究表明，機器學習、影像組學等新方法可有效提高對高危斑塊的識別[55]。2023年頸動脈斑塊報告和數據系統(plaque-reportinganddata為影像學判讀提供了標準，同時也架起了影像和臨床溝通的橋梁[56]。于這類患者開展血管內治療的指導作用[57]。超高場強7.0TMRI走入臨床，為頭頸部動脈粥樣硬化影像學提供了新的方法[58],如遲到達的影響，高估低灌注[62]。為了解決這一問題，可采取采集狀態。方案之一是使用多延遲ASL序列，通過設置多個PLD(通常4~6理可能影響進一步的臨床應用[63,64]。方案之二是采集2次不來表征腦血流改變，研究表明這種方法還可定性和定量評價側支循環[65,66,67]。環血流進行計算及可視化[65],該方案提供的側支循環信息與患者臨床癥狀及遠期事件相關[67]。此外，ASL動脈穿行偽影、FLAIRCSVD是一種累及腦小穿支動脈、小動脈(管及小靜脈的疾病，繼而引起腦實質的結構改變[69]。根據病因，CSVD的診斷依賴影像學[69]。國際上率先由臨床醫師主導提出了cSS)和皮質微梗死核心征象[72]。1996年新英格蘭醫學雜志發表的CAA波士頓診斷標準1.0版將CAA從引入了診斷標準中[73]。2022年CAA波士頓診斷標準2.0版本發表，將腦白質高信號和擴大血管周圍間隙引入了CAA的診斷中[75]。彌散張量成像(diffusiontensorimaging,DTI)等技術被報道在CSVD中有獨到的應用價值[76,77]。研究顯示，在CSVD為這些影像標志物的評估帶來便利，也將促進新型影像特征的發掘[58]。近期研究顯示，在超高場強7.0TMRI上首次觀察到皮層微梗死也可能參與認知功能障礙的發生和發展[79]。總之，隨著CSVD鑒別診斷的重要方法[80,81]。利用灌注成像技術，可以有效評估近年來，煙霧病患者認知功能損害受到關注，成運重建術后得到