受试者招募与临床评估
纳入符合临床确诊标准的PD患者和匹配的健康对照，并进行标准化临床评估。
根据MDS标准纳入23名PwPD和22名HCs，进行临床评估（MoCA、MDS-UPDRS、BDI-II等），记录人口统计学和临床数据。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
深度学习饱和转移磁共振指纹成像在帕金森病患者中的应用
Deep-learning Saturation Transfer Magnetic Resonance Fingerprinting (ST-MRF) in Patients with Parkinson's Disease
实验完整度
高研究包含患者和健康对照的临床队列，使用ST-MRF多参数成像，并进行了ANCOVA统计分析和FDR校正；同时包含深度学习重建网络的训练和验证。
主要模型
帕金森病患者（PwPD） 健康对照（HCs） 黑质（SN） 红核（RN）
重点核对
患者和对照的年龄、性别匹配情况 ST-MRF成像参数（B1, Ts, Ω, Td） ANCOVA分析中年龄和性别作为协变量 IQR异常值去除方法
摘要
帕金森病（PD）以黑质（SN）的进行性神经退行性变为特征。本研究评估了深度学习饱和转移磁共振指纹成像（ST-MRF）在PD中量化分子和微结构变化的能力。我们使用多模态成像（包括ST-MRF）检查了23名PD患者（PwPD）和22名匹配的健康对照（HCs）。ST-MRF检测到PwPD与HCs相比，黑质中显著的分子和微结构改变，包括磁化转移率在3.5 ppm（MTR(3.5ppm, 1.5 μT)；0.612 ± 0.022 vs. 0.597 ± 0.021, p = 0.014）和-3.5 ppm（MTR(−3.5ppm, 1.5 μT)；0.614 ± 0.021 vs. 0.586 ± 0.019, p = 0.008）处增加，以及T2w降低（51.9 ± 3.4 vs. 54.5 ± 1.3 ms, p = 0.005），提示蛋白质稳态破坏和铁积累。ST-MRF为PD相关病理提供了多参数见解，并可能作为未来生物标志物研究的候选工具。在更大、纵向队列中的验证对于确定其临床实用性至关重要。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- ST-MRF能否量化帕金森病患者黑质和红核的分子和微结构变化？
- 核心机制
- 帕金森病患者的黑质出现MTR(±3.5ppm)增加和T2w降低，提示蛋白质稳态破坏、异常蛋白聚集和铁积累。
- 主要证据
- 基于23名PwPD和22名HCs的ST-MRF成像，发现黑质MTR(3.5ppm, 1.5 μT)和MTR(−3.5ppm, 1.5 μT)显著升高，T2w显著降低，且这些差异在FDR校正后部分保留。
- 研究意义
- ST-MRF可能作为未来PD生物标志物研究的候选工具，并可为疾病修饰疗法的试验提供药效动力学读数。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
多模态MRI数据采集
获取T1w、T2w和ST-MRF成像数据，用于定量分析黑质和红核的分子和微结构。
使用3T Philips dStream Ingenia Elition扫描仪，进行T1w MEMPRAGE、多回波T2w和ST-MRF序列采集。ST-MRF使用双通道并行发射实现伪连续饱和，并包含WASSR扫描用于B0校正。
图像预处理和深度学习重建
利用深度学习网络处理ST-MRF信号，估算组织参数并合成分子对比图像。
进行颅骨剥离和信号归一化，使用Physics-informed深度学习网络进行ST-MRF重建，网络基于Bloch-McConnell方程模拟训练数据，输出组织参数（T1w, T2w, Fm, kmw, Δmw等），并通过dBES合成MRF信号，计算损失函数。
影像参数定量和ROI分析
定量分析黑质和红核的ST-MRF衍生参数，并比较组间差异。
手动分割SN和RN，提取ST-MRF参数（MTR, MTC, APT#, rNOE#等），并通过EMR方法计算MTC和CEST指标，最终进行组间比较。
统计分析与临床相关性
评估ST-MRF参数与临床变量的关联，验证其临床意义。
对存在组间差异的参数进行Pearson相关分析，与疾病持续时间、MDS-UPDRS-III评分和LEDD等临床指标进行关联。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 神经影像采集 | 3T飞利浦dStream Ingenia Elition扫描仪 | Philips | -- |
| 32通道头相控阵线圈 | -- | -- | |
| 图像处理 | MATLAB | The MathWorks, Inc. | -- |
| 3D Slicer | -- | -- | |
| SPM12 | -- | -- | |
| 深度学习重建 | TensorFlow | -- | -- |
| NVIDIA RTX A6000 GPU | NVIDIA | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 受试者招募与临床评估 | PD患者的诊断标准（MDS标准）、临床评估量表（MoCA, MDS-UPDRS, BDI-II）、停药时间≥12小时 阅读提示：Methods: Recruitment and clinical characteristics |
| MRI采集 | 扫描仪型号（3T Philips dStream Ingenia Elition）、ST-MRF采集参数（B1, Ts, Ω, Td, FoV, 分辨率, TE）、压缩感知因子、WASSR参数 阅读提示：Methods: Neuroimaging acquisition |
| 图像重建 | 深度学习网络结构、训练数据范围（kmw, Fm, T2m, T1w, Δmw）、优化器参数（学习率, 批大小）、训练硬件 阅读提示：Methods: Neuroimaging postprocessing and analyses |
| 统计分析与ROI | ROI分割方法（手动分割）、ANCOVA模型协变量（年龄, 性别）、IQR异常值去除、统计显著性阈值及FDR校正 阅读提示：Methods: Statistics, Results: Table 2 |