磁共振薄层扫描结合人工智能脑结构分割技术分析海马体积辅助诊断脑小血管病认知功能障碍

Hippocampus volume by thin layer magnetic resonance scan combined with artificial intelligence brain structure segmentation technology for diagnosis of cognitive dysfunction in cerebral small vessel disease

二维码有效期 120s

摘要目的分析磁共振薄层扫描结合人工智能脑结构分割技术分析海马体积辅助诊断脑小血管病认知功能障碍的应用价值.方法选择确诊为脑小血管病患者84例,入院采用简易智力状态检查量表(MMSE)分为认知功能障碍组39例和正常组45例.采用1.43T磁共振薄层扫描结合人工智能脑结构分割技术分析内侧颞叶区和海马的体积绝对值及百分比.结果认知功能障碍组年龄大于正常组(t=8.63,P＜0.05),内侧颞叶区和海马的体积绝对值及百分比明显低于正常组(t分别=5.86、5.00、6.03、9.63,P均＜0.05),而内侧颞叶萎缩视觉(MTA)评分明显高于正常组(t=-4.75,P＜0.05).相关性分析显示,内侧颞叶区和海马的体积绝对值及百分比与MTA评分呈负相关(r分别=-0.46、-0.50、-0.60、-0.63,P均＜0.05),与 MMSE评分呈正相关(r分别=0.41、0.49、0.57、0.60,P均＜0.05).受试者工作特征曲线(ROC)显示,海马体积百分比预测认知功能障碍的曲线下面积为0.88,95％CI 0.82～0.90,最佳临界值为0.31％,即海马体积百分比＜0.31％诊断认知功能障碍的灵敏度为80.53％,特异度为85.62％.结论磁共振薄层扫描结合人工智能脑结构分割技术能够精准定位脑功能亚区,通过准确测量海马体积能够辅助诊断脑小血管病的认知功能障碍,海马体积百分比＜0.31％有较好的诊断性能.