编辑推荐：
本文介绍了研究人员开发的一种新型脑血管5D血流MRI框架，旨在解决传统方法难以对复杂脑血管网络的呼吸流量调制（RFM）进行高分辨率、全视野量化的问题。研究团队通过整合深度学习重建与分析方法，实现了在同时解析心搏周期与呼吸周期的高时空分辨率下，对动脉和静脉血流速度矢量场的三维容积测量。该方法在10名健康志愿者中与2D血流MRI进行了验证，结果显示高度相关性（Pearson相关系数达0.97和0.90），并成功生成了揭示高生理性个体内空间异质性的全视野RFM图。这项研究为深入理解脑循环中的血管耦联机制开辟了新途径，有望推动对相关脑血管疾病病理生理学的认识。该成果发表于《NeuroImage》。
脑血流如同身体的交通网络，其顺畅与否直接关系到大脑的健康与功能。这个网络受到心脏搏动和呼吸运动等多种生理节律的精密调控。传统的磁共振成像技术，如2D或4D血流MRI，已能让我们清晰观察心脏搏动带来的血流变化。然而，呼吸这个我们每时每刻都在进行的动作，如何影响大脑动脉和静脉的血流，却像一幅缺失的拼图，其细节一直模糊不清。理解呼吸对脑血流的调制（Respiratory Flow Modulation， RFM）至关重要，因为呼吸相关疾病（如慢性阻塞性肺病）已被证实与脑灌注不足和认知功能下降相关。但由于缺乏能够在高时空分辨率下，同时对整个复杂脑血管网络（如Willis环和静脉窦汇）的呼吸相关血流变化进行三维、容积化观测的工具，这一领域的研究长期受限。
为了填补这一空白，并深入探究脑循环的奥秘，来自瑞士苏黎世大学和瑞士联邦理工学院（ETH Zurich）生物医学工程研究所的Luuk Jacobs、Patrick Thurner和Sebastian Kozerke研究团队在《NeuroImage》上发表了一项创新性研究。他们开发并验证了一套全新的“脑血管5D血流MRI”框架。这项技术的关键突破在于，它能够在一次合理的扫描时间（约20分钟）内，不仅解析心搏周期，还能解析呼吸周期，从而在五个维度（三个空间维度、心搏时相、呼吸时相）上对血流速度矢量场进行高分辨率（空间各向同性0.82毫米，心搏时间分辨率55毫秒）的容积量化。该研究巧妙结合了深度学习图像重建（FlowMRI-Net）和血管分割（VesselBoost）等先进方法，使得这一高维度、大数据量的成像与分析成为可能。
研究人员开展此项研究主要运用了几个关键技术方法：首先，他们设计并实施了5D相位对比血流MRI扫描协议，使用3T磁共振系统，采用改进的变密度径向视野排序（VDrad）k空间采样模式，并结合无接触呼吸传感器进行信号监测，为后续的回顾性呼吸分箱（binning）奠定了基础。其次，研究纳入了15名健康志愿者队列，并同时采集了垂直于颈内动脉（ICA）的、完全采样的2D血流MRI数据作为验证基准。在数据处理方面，核心步骤包括基于呼吸信号的回顾性分箱（考虑了20种不同的生理延迟shift值）、使用预训练并微调的深度学习网络FlowMRI-Net对40个数据分区进行独立图像重建、以及利用VesselBoost进行脑血管分割。最后，通过扩展的时域分析生成全视野RFM图，并对结果进行正弦曲线拟合以提取RFM幅度、相位和拟合误差等指标。
研究结果
1. 与2D血流MRI的验证比较
研究团队将5D血流MRI在颈内动脉处测量的RFM结果与金标准2D血流MRI进行对比。结果显示，对于平均速度幅度（|v|￣）和速度幅度（A）的RFM，Pearson相关系数分别高达0.97和0.90，偏倚分别仅为0.09%和1.77%。Bland-Altman图也证实了两种方法间良好的一致性。这一验证结果表明，所提出的5D血流MRI框架具有高度的生理保真度和技术稳健性。
2. 全视野呼吸流量调制图揭示空间异质性
该研究最具价值的发现之一是生成了首张脑血管全视野RFM图。这些容积化图谱清晰显示，无论是平均速度幅度还是速度幅度的RFM，在个体内部都存在着巨大且复杂的空间异质性。这种不均匀性并非全局一致，而是高度局域化的现象。例如，在静脉窦系统中，许多高异质性区域与特定的解剖结构相关：在桥静脉（如Labbé静脉、岩上窦）的流入处和静脉流出通道（如髁后静脉、乳突后静脉）观察到了独特的RFM模式。此外，在蛛网膜颗粒和窦憩室等疑似狭窄部位也观察到了局灶性的RFM变化。相比之下，某些动脉节段的RFM幅度较低。研究还通过横窦上的三个示例点，直观展示了不同位置RFM曲线和速度波形轮廓的显著差异。
结论与讨论
本研究成功实现并验证了用于量化脑血管RFM的新型5D血流MRI框架。其首要技术贡献在于，该方法能够以高精度捕获呼吸对脑血流的影响。而更重要的生理学发现在于，全视野RFM量化首次揭示了RFM在个体内具有高度的空间异质性，这超越了过去文献主要关注的个体间差异。这种异质性可以与具体的静脉解剖结构（如流入/流出点、蛛网膜颗粒）联系起来，为了解脑静脉循环的复杂动力学提供了前所未有的视角。
在讨论中，作者指出这一发现具有重要的病理生理学意义。将局部RFM与解剖结构关联的能力，为了解特发性颅内高压（IIH）、静脉窦狭窄或脑静脉血栓形成（CVT）等涉及静脉流出障碍疾病的病理机制奠定了基础。尽管本研究主要关注血流的RFM，但该框架未来亦可扩展至研究脑脊液（CSF）流动动力学、其他生理波动（如Mayer波）或神经血管耦合。此外，该方法也有潜力应用于心肺循环相关疾病（如Fontan术后患者）的研究。
当然，研究也存在一定局限，例如样本均来自年轻健康志愿者，且受试者被要求进行均匀呼吸以控制欠采样因子，这并非完全自由的呼吸模式。此外，单一的流速编码（VENC=110 cm/s）在准确捕捉高速度动脉血流的同时，可能牺牲了低速度静脉血流的流速-噪声比（VNR）。未来的工作需要在更大、更多样化的队列中验证该方法，并探索双VENC策略以优化静脉成像。
总而言之，这项研究开发的5D血流MRI框架，为我们打开了一扇观察呼吸如何精细调控全脑血流网络的新窗口。它使得对复杂脑动脉和静脉结构中呼吸流量调制的全视野、高分辨率研究成为可能，极大地推进了我们对脑血管耦合与调制机制的理解，为未来探索脑血管健康的奥秘提供了强大的新型工具。
