基于深度学习的脑白质高信号FLAIR影像量化与认知功能下降关联研究综述.docVIP

基于深度学习的脑白质高信号FLAIR影像量化与认知功能下降关联研究综述

一、FLAIR影像中脑白质高信号的病理基础与临床意义

脑白质高信号（WhiteMatterHyperintensities,WMH）是颅脑液体衰减反转恢复（FluidAttenuatedInversionRecovery,FLAIR）序列影像中最常见的异常征象之一，主要表现为脑室周围或皮质下白质区域的信号强度异常升高。其病理本质是脑小血管病变导致的白质损伤，涵盖髓鞘脱失、轴突丢失、胶质细胞增生、血管周围间隙扩大等多重改变，常与高血压、糖尿病、高龄等血管危险因素高度相关。在老年人群中，WMH的检出率随年龄增长呈指数上升，60岁以上人群患病率超过50%，80岁以上人群几乎普遍存在，已成为脑衰老研究领域的核心生物标志物之一。

传统临床评估中，WMH的严重程度主要依赖Fazekas视觉评分量表，将脑室周围高信号和深部白质高信号分别分为0~3级，操作简便但主观性强、分辨率低，仅能实现粗略的半定量分级，难以捕捉病灶的空间分布、体积变化、纹理特征等精细信息。随着精准医学理念的发展，量化WMH的负荷、形态、空间异质性等特征成为研究热点，这些量化指标不仅可用于脑小血管病的进展监测，更与认知功能下降、卒中风险、步态障碍等临床结局密切相关。其中，认知功能下降是WMH最受关注的不良结局之一，流行病学数据显示，严重WMH人