三叉神经成像及深度学习应用研究进展

罗 正，杨汉丰（通信作者）

（川北医学院附属医院放射科 四川 南充 637000）

1 解剖

三叉神经是最大的一对脑神经，包含了运动及感觉神经，起源于脑桥外侧，向前延伸至Meckel腔，经海绵窦外侧发出三条分支：眼神经、上颌神经、下颌神经，分别经过眶上裂、圆孔、卵圆孔出颅。根据神经走形，三叉神经分为不同的节段，包括脑干、脑池、Meckel腔、海绵窦及外周段[1-3]。

眼神经是感觉神经，包含了三条分支：额神经、泪腺神经、鼻睫神经，其中额神经是最大的分支，额神经发出眶上神经和滑车上神经。眼神经接受前额、眼眶周围组织的感觉刺激[3]。

上颌神经也是感觉神经，经过卵圆孔出颅发出分支与翼腭神经节交汇，随后主干延伸为眶下神经走行于眶下管内，沿途发出上牙槽神经，在眶下孔发出终末支，上颌神经接受上颌骨、面中部皮肤的感觉刺激[2-3]。

下颌神经是混合神经，分为前、后两干。前干发出运动神经和颊神经，运动神经控制咀嚼肌的运动；颊神经接受颊黏膜、第二、三磨牙的感觉刺激；后干分为三支：耳颞神经、舌神经、下牙槽神经。耳颞神经接受颞部头皮的感觉刺激；舌神经走行于下牙槽神经内前方，负责舌、口底、舌前2/3的感觉；下牙槽神经发出运动神经支配下颌舌骨肌和二腹肌前腹，随后走行于下颌管中延续为颏神经，为下巴和下唇提供感觉[4]。

2 三叉神经成像

三叉神经痛是一种严重的神经性疾病，表现为神经分布区域内灼烧、电击、针刺样疼痛，可由阈下刺激触发，目前，三叉神经痛的发病机制主要分为外周理论和中枢理论[5]。评估三叉神经首选MRI，MRI具有更高的组织分辨率，且没有辐射伤害。磁共振神经成像（magnetic resonance neurography，MRN）是传统磁共振技术的改进，具有较高的组织、空间分辨率专用于外周神经成像，由于三叉神经的走形及发病机制的不同，分段成像有助于缩短检查时间。

2.1 脑池段神经成像

Jannetta等[6]发现三叉神经痛患者在三叉神经根部存在神经血管压迫现象（neurovascular compression，NVC），病理发现受压神经轴突损伤，导致邻近结构粘连产生异位冲动。有研究发现三叉神经根髓鞘由少突胶质细胞移行为施万细胞，这一特征导致受压迫后更容易产生损伤[2,7-10]。

在MRI 3D FIEST序列中，脑脊液（高信号）与神经、血管（低信号）存在良好的对比度，结合3D TOF及增强3D-FSPGR序列，能确定责任血管的类型。随着压迫时间延长，受压三叉神经常出现神经萎缩改变，包括体积、截面积减小（见图1）[11]。NVC也常见于无症状患者中，因此诊断NVC需要满足以下标准：血管垂直神经长轴；压迫点位于三叉神经根且具有形态学改变；责任血管为动脉或特殊位置的静脉。

图1 三叉神经脑池段成像

弥散张量成像（diffusion tensor imaging，DTI）是唯一能反映神经纤维方向性与完整性的无创的检查方法[12]。Chai等[13]使用DTI发现压迫侧三叉神经FA值较对侧明显降低，而MD值显著增高，FA、MD代表髓鞘的完整性，其改变提示了轴突的损伤，同时改变程度与疼痛程度相关[14-15]。但DTI易受磁场均匀性、受试者运动影响，稳定性不容易控制，目前很少应用于临床诊断。

2.2 外周段神经成像

有学者提出三叉神经外周段的病灶也能造成三叉神经痛，如炎症、外伤、肿瘤、医源性损伤，外周段的病灶容易被忽略，虽然多数症状能在8周内恢复，如果病灶持续存在，可能导致永久性损伤[16]。

基于T2WI的MRN技术能显示外周神经系统及神经内液的改变，正常神经表现为对称的信号强度及直径，病变的神经由于神经水肿，表现为T2WI信号强度增高、直径增大等。3D-STIR-TSE是一种黑血序列，可明显缩短背景组织的T2WI弛豫时间，结合增强技术可以明显抑制神经周围的血管信号，重建技术可三维、立体地进行神经对比观察，但由于复杂的解剖，重建过程将耗费大量时间（见图2）。Liu等[17]采用3D-STIR-TSE显示健康人群的外周段神经，其中眼神经、上颌神经、舌神经、下牙槽神经大部分显示率均超过85%。Van等[18]提出3D-STIR-TSE对外周段神经有优秀的可视化，可应用于临床诊断，对于部分细小分支，该序列尚不能显示。

图2 三叉神经外周段重建

3D-PSIF基于梯度回波序列采集自旋回波信号，有显著的T2权重，可以明显抑制血管信号，此外，该序列受磁场不均匀性的影响较小，但信噪比较低。Dessouky等[19]使用3D-PSIF发现损伤的下牙槽神经截面积、T2信号强度较对侧增大、升高。Cox等[20]将3D-PSIF应用于怀疑外周病变的患者，发现病变下牙槽、舌神经T2信号升高、神经弥漫性增粗。与3D-STIR-TSE相比，3D-PSIF对肌肉信号的抑制程度欠佳。

Kotaki等[21]发现DTI能部分或完全显示下牙槽神经纤维束，同时通过FA值定量分析神经的细微结构，发现双侧下牙槽神经FA值无显著差别，因此双侧神经对比观察有助于发现病灶。由于骨性管道及空气的存在，可能导致DTI图像失真。

因此，对于怀疑三叉神经痛的患者，在排除NVC后，应当使用MRN来评估外周段是否存在病变。MRN应当在3.0T场强设备上进行，能显著缩短扫描时间以及提高图像清晰度。

2.3 中枢成像

有研究发现慢性疼痛患者的脑区出现了结构及功能的变化，这些改变可能导致疼痛抑制能力下降以及情绪、认知的改变[22-24]。基于体素的形态测量学（VBM）是在体素水平上对脑区灰质体积进行研究的方法，Zhang等[25]采用VBM发现在三叉神经痛患者的前扣带回、额上中、回、中脑导水管周围灰质体积减小，前扣带皮层是边缘系统的重要结构，参与认知、情绪、疼痛的处理；中脑导水管周围灰质是下行疼痛调节的枢纽，通过5-羟色胺和去甲肾上腺素神经递质实现疼痛抑制[26]。YH等[27]采用基于白质骨架的空间统计方法（tract-based spatial statistics，TBSS）发现右侧三叉神经痛患者的右侧辐射冠、胼胝体FA值降低，MD值增高，提示脑白质神经纤维轴突的损伤。

血氧水平依赖脑功能成像（BOLD-fMRI）利用脱氧血红蛋白的顺磁性作为天然对比剂，基于脑区之间脱氧血红蛋白浓度的差异评估功能状态，主要包括任务态和静息态，任务态磁共振功能成像可以捕捉脑区活动，但结果容易受主观因素影响；静息态磁共振功能成像观察无外界刺激下脑区的内在活动及脑区间的信息传递，目前常用的方法包括局部一致性、低频振幅、功能连接[28]，GE等[29]发现三叉神经痛患者中多个脑区低频振幅值增加，提示脑区的自发性活动增强，发生改变的脑区参与疼痛调节、认知处理、记忆。Zhang等[25]发现右侧三叉神经痛患者右侧杏仁核-右侧前额叶皮质功能连接增强，与情绪状态相关，经治疗疼痛缓解后，功能连接异常缓解，解释了三叉神经痛对患者情绪的影响,且该影响是可逆的。

然而，结构、功能的改变并不具有特异性，是否是继发于疼痛的改变需更多研究证明，另外功能成像受设备、客观因素影响较大，较少应用于常规临床工作。

3 深度学习三叉神经中的应用

人工智能是通过计算机来模拟、扩展人类智能的技术，而深度学习是实现人工智能的一种方法。医学影像数字化和计算机技术的快速发展对医疗影像分析带来了巨大变革，医学影像分析与深度学习的结合已成为现代临床影像分析工作中的重要发展趋势[30-32]。近几年，深度学习已广泛且成功地应用于医学影像中，主要包含图像分类、分割、标注等方面。深度学习包括无监督方法和有监督方法。早期的无监督方法基于人工预先设计的过滤器进行图像分割，Zhao等人[33]提出了一种用于2D血管自动增强和分割的加权对称滤波器，并将其进一步扩展到3D情况下的血管分割。

2012年AlexNet获得ImageNet图像分类冠军后，卷积神经网络因其优越的提取性能而备受关注，基于深度学习的三维医学图像处理得到了迅速发展。Zeng Q[34]使用3D U-net网络在3D FIESTA序列上分割三叉神经，并在MRA中分割血管，结合两个分割结果可以自动识别神经与血管的关系。受人类注意机制的启发，Xia等[35]提出一种基于反向边缘注意机制的卷积神经网络（Re-NET），实现了三维大脑血管分割和曲面重建。Lin等[36]运用Res2Block算法，使用CS2Net粗分割三叉神经、血管，CS2Net是专为管状结构分割而设计的算法，然后再运用3D UNet细化神经、血管的边界，表现出良好的分割结果。 目前关于三叉神经脑池段的深度学习研究较多[37-38]，但样本量均较小，因此尚不能应用于临床。

关于外周段分支的深度学习研究，下牙槽神经得到了较多关注。XI等[39]采用U-net在牙科全景X光片分割下牙槽神经和第三磨牙，并表现出良好的分割能力，有利于磨牙拔除术前评估。Ho-Kyung Lim等[40]使用3D NNU-Net在锥形束CT上自动分割下牙槽神经，DSC系数为（0.58±0.08），虽然分割结果一般，主要是由于样本量较小，提高样本量将产生良好的分割结果，目前深度学习在外周段神经的应用较少，主要是由于神经直径较细，随着成像技术以及计算机技术的发展，未来深度学习研究可以探索整段三叉神经分割、重建研究。

4 总结

三叉神经能辅助三叉神经痛的诊断，目前脑池段、中枢系统和外周段成像表现出良好的诊断能力，外周段、中枢系统成像在发现三叉神经痛的病因中同样重要。同时深度学习在三叉神经中表现出极大的潜力，随着技术的发展，深度学习将为三叉神经痛的诊断带来巨大临床意义。