作者：俞玮，冯章志，鲁帆，杨明，南京医科大学附属儿童医院放射科

脑科学和类脑研究是当今国际研究的前沿领域。目前，国际上在儿童脑发育图谱、轨迹和认知功能上取得重要进展。我国也在科技创新2030“脑科学与类脑研究”重大项目中启动了“婴幼儿脑发育队列”研究。旨在深化对儿童大脑成长规律的了解，促进脑智发展，对社会进步具有重要意义。儿童脑发育异常可能会引起神经发育障碍，对社会家庭影响深远。

研究正常与异常儿童的神经发育差异，特别是神经解剖学的相关性，对理解大脑行为关系至关重要。磁共振成像（magnetic resonance imaging，MRI）以其无创和高分辨率优势，为儿童大脑的纵向研究和神经系统疾病的监测提供了重要手段。本文就三维结构MRI在儿童脑发育研究中的现状及进展进行综述。

1.　三维结构MRI 是当今儿童脑发育研究的基本序列

大脑发育是一个动态而复杂的过程，贯穿了整个童年、青春期和青年早期。MRI由于无辐射、软组织分辨率高等优势逐渐成为儿童诊疗的重要手段之一，并且其可纵向随访是脑科学研究中极其重要的研究方式。三维结构MRI由于扫描层厚薄、各向同性，可多个方向重组图像，且图像灰白质对比度高，能较好地描述皮质和皮质下区域形态在整个童年时期的发育轨迹，是脑科学研究过程中的最基本、最常用的序列。结合恰当的图像后处理技术，不仅可以测量不同区域的脑体积，还可以分析脑表面的形态学改变，在儿童正常脑发育及神经发育障碍疾病的研究中发挥了重要作用并得到了广泛应用。

2.　三维结构MRI 常用的序列

目前MR 设备的常规序列T1 加权成像（T1-weighted imaging，T1WI）、T2加权成像（T2-weighted imaging，T2WI）、磁共振成像液体衰减反转序列（fluid attenuated inversion recovery，FLAIR）均可以进行三维（three-dimensional，3D）薄层扫描，其中的磁化制备的快速梯度回波（MPRAGE）序列生成的高分辨率的3D-T1WI应用最广。该序列灰白质对比度高，且具有较高的空间分辨率，可识别新生儿脑部常见的白质点状损伤并可以对儿童皮质及皮质下结构进行全面的形态学的测量分析，在儿童脑部序列扫描中广泛使用。

3D-T2WI在临床实践中使用相对较少，这主要是因为与常规2D序列相比，需要更长的扫描时间且对比度相对较低，目前主要用于解剖分割及评估未成熟髓鞘化儿童的白质髓鞘化水平，然而有研究显示，在3D T2WI 序列中运用压缩感知技术可以有效缩短扫描时间，同时降低脑脊液相关伪影。3D-FLAIR 扫描时间较为合理，对细微的液体变化具有更高的灵敏度，同时其无脑脊液流入伪影，目前在成人脑梗死、脑白质病变和儿童脑局灶性皮质发育不良的显示方面有较好的价值。

合成MRI（synthetic MRI，SyMRI）是一种基于定量数据获得多种对比度加权图像的新技术，该技术一次扫描后通过专用的SyMRI分析软件，调整各种采集参数，生成任何对比度加权的图像，如T1WI、T2WI、FLAIR 等序列图像。然而，SyMRI 图像质量低于相应的传统图像，特别是3D-FLAIR图像信噪比明显较低。因此，尽管SyMRI可以在短时间内获得多个序列三维薄层图像，仍不能替代传统图像。

目前已有研究证明使用专用的后处理SyMRI软件，可以对儿童脑部各种对比加权图像进行重建，自动进行脑组织体积测量和髓磷脂测量，并且合成图像的质量与传统的MRI相当。但由于该SyMRI的软件还未针对儿童的脑组织特点进行全面优化，对于FLAIR图像质量较差，存在相位编码和流体脉动伪影，在脑部疾病的患儿应用中仍然受限。

3.　基于3D-T1WI 图像的儿童脑体积的发育研究

基于3D-T1WI图像的脑体积研究是儿童脑发育研究的常用方法。基于体素的形态测量学（voxel based morphometry，VBM）是获得脑组织体积（脑白质体积、灰质体积、脑脊液体积及全脑体积）的最常用方法。GROESCHEL等研究分析了158例正常受试者从婴儿期到成年期的3D-T1WI，获得了全脑、灰质、白质和脑脊液的总体积，采用分段多项式增长曲线模型描述了特定性别的白质和灰质体积的发展，解释了人脑发育的非线性规律。同样有研究发现大脑体积在整个童年时期都在增加，13岁时达到顶峰，随后逐渐减少，并在20岁早期稳定下来。以上研究表明基于3D-T1WI结合VBM 的方法能够可靠地描绘发育过程中人脑各脑区体积的生长变化规律。

另外，胡杰等比较了30例脑室周围白质软化症合并痉挛型脑瘫患儿及24例对照组儿童灰质体积变化及其与运动功能的相关性，进行3DT1WI结构像全脑扫描，结果显示患儿双侧丘脑、右侧壳核、小脑及左侧扣带回灰质体积变化与运动相关，表明基于3D-T1WI 的VBM分析可以帮助识别神经系统疾病可能受累的脑区，增加对相关疾病发生发展的理解。ZHANG等基于3D-T1WI 图像的进一步脑区亚区分区构建了学龄前儿童所有大脑区域的定量生长图表，结果发现皮质下区域的归一化体积表现出更多的发散趋势，部分区域增加，部分区域减少，还有部分区域呈倒U型趋势。因此，3D-T1WI不仅可以用于分析发育大脑各脑区的体积变化规律，还可以识别与神经系统疾病相关脑区的体积改变，这在儿童脑发育研究中是不可或缺的。

4.　基于3D-T1WI 图像的儿童脑皮层的发育研究

大脑灰质形态结构、皮质折叠是人类大脑最突出的特征之一。基于3D-T1WI图像的皮层分析不仅可以测量皮质厚度、表面积，还可以获得脑皮层折叠度的平均曲率、回旋模式等指标以量化大脑的发育。目前常用于分析大脑皮层的方法为基于表面的形态学分析（Surface-Based Morphometry，SBM）及基于表面和体积分析的FreeSurfer方法。相关研究显示，皮层灰质体积在大脑发育过程中遵循倒U型轨迹，在儿童早期增加，童年后期和青春期减少，直到成年期。

另有研究表明，皮层灰质体积在8岁之前达到高峰，在第二个十年中减少，在第三个十年中逐渐稳定。而皮质厚度从儿童期到成年早期呈线性下降，在学龄前时期，皮质表面积显著扩大，一直持续到学龄早期，10岁时部分皮质区域开始出现面积减少（枕叶和顶叶明显），青春期相对较为稳定或出现较小的减少，约20岁时基本上整个皮层的面积都在减少，这种情况一直持续到成年期。

到目前为止，仅有少数研究调查了曲率和回旋模式的发展。如王宏伟等基于结构MRI分析自闭症儿童大脑皮层的折叠模式及其网络属性，揭示自闭症患儿和正常人大脑功能结构共变网络的差异，获得具有代表性的皮层折叠模式。但是由于儿童脑体积较小，部分年龄段脑组织灰白质分界不清晰且处于动态快速的发展变化中，表明目前可用于正常儿童皮层折叠的发展和作用的统一模型尚不存在，今后还需进行更深入的研究。

5.　结合人工智能的结构MRI 的脑发育研究

近年来，伴随着人工智能的飞速发展，人工智能和医学的交叉融合已成为当前的研究热点之一。既往的研究表明，神经精神疾病的神经解剖学改变往往是微妙的，并且在空间上分布广，但由于人脑的大脑皮层具有复杂的形态结构，存在皮层折叠与表面曲率，因此如何准确的测量和描述大脑结构异常仍然是一个需要解决的问题。

人工智能在脑发育研究中的优势是可以改变既往大多数结构MRI研究中仅能检测大脑整体和局部差异，能很好地检测细微和空间分布的神经解剖学的改变，有助于将群体水平的神经影像学发现推进到个体水平，在预测未来正常及异常个体脑发育情况等方面显示出了巨大潜力。如HONG 等提出一种基于深度学习到人工智能系统端的基于常规脑部MRI预测脑龄的模型，表明基于3D 卷积神经网络模型结构MRI能可靠的用于预测0～5 岁儿童的大脑年龄。

MENDES 等研究发现，结构MRI 通过 VBM 处理后用灰质和白质训练的3D卷积神经网络模型能够准确估计年龄和性别，证实了深度学习对脑龄预测的可行性。ZHANG等提出了一个基于四种不同机器学习算法组合的年龄自适应集成模型，包括支持向量机（SVR）、卷积神经网络（CNN）模型以及GoogLeNet 和ResNet 深度网络，此模型显著提高了年龄预测的准确性，表明新型集成模型可能会帮助临床医师更准确、更快速地识别脑部疾病的风险，从而有助于精确开发药物或治疗方法，并有可能为脑科学领域的研究人员提供一种新的强大工具。

随着人工智能的快速发展、完善及大数据图像集的出现，未来脑发育模型的性能会进一步提升，有望建立一个基于大影像学数据集的大脑发育模型，为正常及异常儿童脑发育的研究提供基础对照和临床诊疗参考。

6.　三维结构MRI 的儿童脑发育研究的局限性

三维结构MRI的儿童脑发育研究还存在一些局限性。首先，由于婴儿期MRI的灰白质对比存在模糊期，如何进行精确的分割获得更为精准的脑体积及形态轨迹的发育结果，是当前儿童脑发育研究的难点问题。其次，由于算法的局限性，儿童大脑皮层曲率和折叠模式等具体发育规律尚未明确。最后，如何整合多中心、多种机型、多种参数的儿童MRI数据，进行大样本量的儿童脑发育研究也是未来的一个重要发展方向。

来源：俞玮,冯章志,鲁帆,等.三维结构MRI的儿童脑发育研究进展[J].医学影像学杂志,2025,35(01):131-134.DOI:10.20258/j.cnki.1006-9011.2025.01.031.

(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)