基于快速FLAIR DKI及影像组学的小儿脑性瘫痪早期精准诊断方法的建立

An increased prevalence of cerebral palsy (CP) in children has a big impact on the life quality of the children and their families, but there is currently no early detection method for the precision diagnosis. Our previous study found that there is a big increase in sensitivity and specificity for stock diagnosis in animal models using the fast DKI than the traditional DKI. This project aims to develop a new FLAIR DKI sequence for the CP children diagnosis, to optimize the parameters and verify the pathological basis of the sequence in animal models, and to test the clinical results in CP children. This project also aims to develop a deep-learning based radiomics for the image analysis, and for building the CP diagnosis and risk prediction models to further evaluate the clinical value of Flair DKI for lesion detection, grading, typing and prognosis assessment in CP children. In summary, this project will build a precision early diagnosis method for CP children using fast Flair DKI and deep-learning based radiomics. This will shed light on the long-termly unsolved imaging biomarkers for CP early diagnosis and treatment.

小儿脑性瘫痪（CP）的发病率明显上升，严重影响患儿及其家庭的生活质量，但目前临床上尚缺乏早期精准诊断方法。课题组前期研究发现在动物中风模型当中，快速DKI在灵敏度与特异性上较传统DKI 有很大提升，因而，本研究将研发新的适用于小儿CP检查的快速FLAIR DKI序列，然后利用动物模型对序列进行优化验证和病理验证，最后对CP患儿进行临床测试；本研究还将研发基于深度学习的影像组学方法用于影像数据分析，建立CP患儿的诊断和预测模型，从而进一步评估FLAIR DKI在CP患儿病灶检出的有效性及其在分级、分型及预后评估中的价值。因此，本研究将建立基于快速FLAIR DKI及基于深度学习的影像组学的小儿CP早期精准诊断方法，以期发现小儿CP早期诊断和干预治疗的影像生物标记，为临床早期诊断、分型及尽早干预提供重要的参考依据。

小儿脑性瘫痪（CP）是妊娠期到出生后1个月内，由于多种因素引起患儿脑损伤，最终导致患儿出现运动及姿势障碍的一类非进行性脑损伤综合征。目前，临床上尚缺乏早期精准诊断方法。DKI技术能够反映组织内水分子的实际扩散分布情况，更适合检测组织微观结构的变化，并在其他神经系统疾病中得到了验证，到那时大多是在成人中，在脑损伤患儿中的研究不多。本研究研发了一种快速扩散峰度成像技术FLAIR DKI，提高传统DKI图像信噪比和分辨率，缩短扫描时间还能获取更优质的图像，更适合临床患儿的精准检查。同时在脑损伤患儿和大鼠缺氧缺血（HI）模型上进行验证并优化。为临床早期诊断、分型及尽早干预提供重要参考依据。在动物HI模型研究中，于HI后1天，3天，7天行T2WI，DTI和DKI扫描。结果发现，与对照组相比，脑损伤组的MK值前3天高于对照组，第7天时低于对照组，且变化率比较高，脑损伤组的损伤部位的FA值始终低于对照组，变化率较MK低，而两组损伤部位MD值变化不稳定，病例组损伤部位MD值在1，3天时低于对照组，第7天时高于对照组上百倍。在总损伤体积上1-3天变化趋势快，3-7天变化速度较缓慢，两组大鼠脑组织整体MK，FA值逐渐增加，MD值则逐渐降低。分析发现脑损伤患儿和对照组大部分峰度参数值的诊断效能超过了0.8，且峰度参数越低，提示脑损伤越重。同时还发现深度灰质在诊断脑损伤及鉴别脑损伤不同分组中的效能均较高，明显优于中央白质和外周白质。基于VBA自动全脑分析表明，除了脑损伤常见的大脑白质和深部灰质易损区外，还显示脑损伤患儿皮层和小脑损伤。同时，VBA呈现了不同DKI衍生参数图显示不同损伤部位的优势，大脑损伤在峰度参数图中的差异更显著。本研究对现有的DKI技术进行了进一步的改进和创新，首次将快速FLAIR DKI技术应用到脑损伤的动物模型进而应用于临床脑损伤患儿，将有效提高CP等脑损伤早期精准诊断、分级、分型及预后评估水平。