1.  缺血性腦卒中

多個(gè)標(biāo)記后延遲（post-labeling delay，PLD）時(shí)間的3D ASL在評估單側(cè)大腦中動脈MCA重度狹窄或閉塞患者缺血半暗帶的價(jià)值,。Du通過1.5s和2.5s PLD時(shí)間的3D ASL及DWI對26中樞缺血患者進(jìn)行研究,；缺血半暗帶通過ASL-CBF和DWI的不匹配來識別。發(fā)現(xiàn)不同的PLD時(shí)間ASL和DWI對于半暗帶的診斷和面積不同,。1.5sPLD時(shí)間的ASL對于半暗帶有更高的識別率,、更低的CBF值及更廣泛的區(qū)域。

急性腦卒中患者的ASL-CBF圖中的高灌注曾被認(rèn)為與顱內(nèi)出血發(fā)展顯著相關(guān),。Samant ha等通過對67例進(jìn)行介入取栓或靜脈溶栓治療的急性腦卒中患者的多參數(shù)MRI圖像分析,。通過對CBF、DWI,、FLAIR和T2 FSE這些參數(shù)進(jìn)行新的部分立體樣本框架機(jī)器學(xué)習(xí),。通過Kernel spectralregression（KSR）與輸入最優(yōu)核心參數(shù)，他們建立了兩層流入向前的神經(jīng)網(wǎng)絡(luò),。結(jié)果發(fā)現(xiàn)使用了KSR或神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)能夠精確的診斷具有出血轉(zhuǎn)化的風(fēng)險(xiǎn),。

StefanWinzeck通過卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）的深度學(xué)習(xí)算法,，預(yù)測基于DWI和PWI圖像的后續(xù)MRI圖像上的梗死區(qū)域,。研究納入了50例未進(jìn)行再灌注治療同時(shí)進(jìn)行DWI和PWI成像的急性缺血性卒中患者。同時(shí)在4天后進(jìn)行后續(xù)的ADC,，T2WI,，各向同性DWI，MTT及Tmax圖像采集作為卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練協(xié)變量,，結(jié)果發(fā)現(xiàn)CNN與多參數(shù)MRI結(jié)合可以較好地預(yù)測后續(xù)的梗死區(qū)域,。

2.動脈斑塊

對模糊效應(yīng)進(jìn)行改良了的獨(dú)立雙能量CT頸動脈造影對鈣化斑塊的去除?；仡櫺匝芯?2例患者與中風(fēng)相關(guān)的30個(gè)鈣化頸動脈斑塊［15例男性,，平均年齡（73±10）歲］。采用第二代雙源CT對80/140sN kVp的管電壓進(jìn)行DECT圖像數(shù)據(jù)采集,。采用改良的DECT算法對傳統(tǒng)CTA和虛擬不含鈣(VNCa)的圖像進(jìn)行了重建,。通過對光譜特征的評估，獲得了去除模糊偽影且移除了鈣的圖像,。兩個(gè)獨(dú)立的觀察者分別對主觀圖像質(zhì)量,、模糊偽影、鈣的殘留進(jìn)行盲評,，并根據(jù)Nascet標(biāo)準(zhǔn)進(jìn)行狹窄的測量評估,，使用配對檢驗(yàn)來評估差異，用Bonferroni校正(P<0.017)和bland-altman分析的配對樣本t檢驗(yàn)來評估VNCa與常規(guī)CTA之間的狹窄測量差異,，以數(shù)字減影血管造影(DSA)作為參考,。傳統(tǒng)CTA和VNCa圖像的主觀圖像質(zhì)量相似(P=0.82)，與常規(guī)CTA相比,，VNCa圖像中模糊偽影明顯減少(P<0.001),。VNCa圖像中鈣的殘留比率如下：在11(37%)例中完全移除，12例中輕度殘留(40%),，2例中等殘留(7%),，5例較多殘留(17%)。狹窄測量之間的差距顯著［VNCa (27%±20%)與常規(guī)CTA圖像(39%±16%）,；P<0.001］,；常規(guī)CTA與DSA差異無顯著［(23%±16%），P<0.001］,。VNCa和DSA之間在狹窄測量方面沒有顯著差異(P=0.189),，并且離散程度很低(平均差±1.96 SD,-4.7%,；-35.13%；25.71%),。改進(jìn)后的分解三種物質(zhì)的DECT算法用于模糊偽影和鈣的移除,，可以準(zhǔn)確去除顱外頸內(nèi)動脈外鈣化斑塊。這種全新的分解三種物質(zhì)的用于模糊偽影和鈣的移除的DECT算法,，通過防止對DECTA鈣化狹窄的過高估計(jì),，改善了狹窄的評估。

   中風(fēng)和短暫性缺血發(fā)作中頸動脈的CT紋理分析識別易損斑塊,?；仡櫺匝芯?41例有CV危險(xiǎn)因素的患者的全身CTA成像，其中12例［年齡（63±10.29）歲］有頸動脈粥樣硬化和隨后的短暫性腦缺血發(fā)作(TIA)或中風(fēng)病史,。選擇年齡和性別匹配的12例對照［(62.9±10.16）歲］伴有無癥狀頸動脈動脈粥樣硬化［隨訪（103.58±9.2）個(gè)月］,，測定了狹窄和斑塊的組成。紋理分析使用一個(gè)商業(yè)軟件(TexRAD,，Somerset,，英國)盲測。TexRAD采用基于過濾直方圖的紋理分析技術(shù)提取像素大小(細(xì),、中,、粗)特征和量化直方圖參數(shù)，包括偏態(tài)和標(biāo)準(zhǔn)化標(biāo)準(zhǔn)差(SDn),。選擇單一軸向切片,，以最佳地表示兩側(cè)的頸動脈分叉，并人工劃分出感興趣區(qū)域(ROI),，以完全包繞動脈,。用TIA/Stroke作為結(jié)果構(gòu)建ROC曲線。結(jié)果發(fā)現(xiàn)患者組右側(cè)頸動脈分叉處狹窄程度較高(41.08 vs 12.08,；P=0.014,，但在左側(cè)頸動脈分叉處差異無統(tǒng)計(jì)學(xué)意義(P=0.56)；兩側(cè)斑塊成分沒有差異(右側(cè)P=0.39,，左側(cè)P=0.72),。在精細(xì)和中等紋理水平上，偏態(tài)的差異有統(tǒng)計(jì)學(xué)意義［P=0.009,，空間度量因子(SSF)=2mm,；P<0.001，SSF=3mm,；P=0.003,，SSF=4mm］。SSF=2mm水平上，SDn在患者與對照組之間差異有統(tǒng)計(jì)學(xué)意義(P=0.033),。在SSF2水平SD的AUC值為0.684,，S值為0.723，(P值分別為0.033和0.009),；在SSF3水平AUC值為0.808(P=0.0001),，在SSF4水平是0.075(P=0.003)。故CT紋理可以識別中風(fēng)和TIA的易損斑塊,，可能成為頸動脈粥樣硬化患者危險(xiǎn)分層的新手段。頸動脈的CT紋理可以提高對有缺血性中風(fēng)危險(xiǎn)的患者的識別能力,。