摘 要 局灶性皮质发育不良（focal cortical dysplasia，FCD）是导致药物难治性癫痫（drug-resistant epilepsy，DRE）最常见的病因之一，其神经影像学特征是临床评估的重要组成部分。因为只有部分类型FCD在MRI表现异常，对于MRI阴性的FCD，诊断和治疗仍存在诸多困难。基于形态学的影像后处理技术发展日新月异，各种辅助诊断和治疗的影像后处理工具如Matlab、3D slicer、SinoPlan、MRIcro等越来越受到广大癫痫外科学者的青睐，不仅可将MRI显示的异常病灶进行剥离并三维重建，同时还可辅助显现出肉眼难以辨识的潜在异常部位，大大提高了FCD病灶检出率，进一步满足了临床对精准诊断和治疗FCD的需要，为难治性癫痫的诊治创造了新的思路和方法，也为临床更加全面科学的诊断和治疗提供了更多的参考。

关键词 

局灶性皮质发育不良；影像后处理技术；MRI阳性；MRI阴性；人工神经网络

局灶性皮质发育不良（focal cortical dysplasia，FCD）是导致药物难治性癫痫（drug-resistant epilepsy，DRE）最常见的病因之一^[1-2]。FCD是皮质发育畸形（malformation cortical development，MCD）^[3]的一个亚型，是儿童癫痫手术最常见的组织病理类型^[4-6]。FCD的神经影像学特征是临床评估重要组成部分。其MRI^[7]多表现为局部皮质增厚，灰质-白质交界处模糊，T₂WI或T₂-FLAIR序列白质内向脑室方向延伸的漏斗样锥形高信号（Transmantle征），皮质变薄，局限性脑萎缩。FCD的MRI异常通常是微妙的，往往一些细微的变化会被忽视，实际存在的异常却被定义为MRI阴性^[8]。根据MELLERIO等^[9]报告，FCD Ⅱ型病变的MRI检出率65%～91%。FCD的MRI阳性表现Transmantle征象多见于Ⅱb型患者^[10]。尽管大多数FCD Ⅱ型表现出局灶性MRI异常，但近三分之一的患者MRI仍为阴性 ^[11-12]。FCD I型MRI表现常阴性，正是因为这个原因，一些学者曾质疑其存在，因为不像FCD Ⅱ型那样可以识别出致痫灶^[13]。随着现代神经影像技术的发展，各类作图软件插件及硬件设备的更新，基于形态学的影像后处理技术应运而生。这种技术是通过各种作图及阅图软件（如Matlab^[14]、3D slicer^[15]、SinoPlan^[16]、MRIcro^[17]等）将MRI显示异常病灶进行剥离并三维重建形态，更加直观地显示病灶特点及与周围脑组织的毗邻关系，同时还可辅助显现出肉眼难以辨识的潜在异常的部位。该技术越来越多地应用到FCD的诊断和治疗中，大大提高了病灶的检出率，对临床诊断和治疗具有指导意义。笔者查阅国内外相关文献，就基于形态学的影像后处理技术辅助FCD的诊治方面进行综述，以期为临床提供更多的参考。

1 MRI阳性的FCD

MRI阳性的FCD即在磁共振成像中可发现明显异常信号变化，如局部皮质增厚，灰质-白质交界处模糊，T₁WI呈低信号，有时还可见典型的Transmantle征。因为FCD是局灶性DRE的常见病因，当MRI明显异常，根据影像学特征可诊断为FCD，再结合患者病史及癫痫发作特点、长程视频脑电图、PET等检查结果，经癫痫MDT一期评估，解剖-电-临床高度一致，考虑FCD即为致痫病灶，且当病灶表浅位于非功能区时，可行开颅手术切除。我们可以通过脑表面三维重建技术，利用ROBEX（http: //www.nitrc.org/projects/robex）软件 ^[18]和MRIcro软件重建病灶形态，使得二维图像与重建后三维脑多窗口联动，从而确定切除范围。术中可再次比对，指导术者切除相应的脑组织。胡文瀚等^[19] 回顾性分析58例在脑表面三维重建技术辅助下手术切除经病理证实为FCD患者资料，结果显示总体全切率和术后无发作率分别为89.66％和84.48％。可见，脑表面三维重建技术既可以构建出病灶的立体几何形态，又可以精准定位病灶的解剖位置，为手术最大限度地切除病灶和减少医源性损伤提供了保障，该技术辅助指导FCD的切除安全有效，易于操作。

当MRI阳性的FCD病灶经癫痫MDT一期评估，解剖-电-临床一致性差，病灶位置深，位于功能区，加之头皮脑电图检查存在一定局限性，为进一步明确致痫区与FCD病灶的关系，可行立体定向脑电图（stereoelectroencephalography，SEEG）电极置入进行二期综合评估^[20]。此时，可以利用SinoPlan或3D slicer软件三维重建病灶，根据其空间形态个体化设计方案，尽可能使植入电极触点充分覆盖致痫灶。谭红平等^[21]回顾性分析19例在SEEG引导下行射频热凝术（radiofrequency thermocoagulation，RFTC）的FCD患者资料，在设计电极置入方案时，均采用3D slicer软件重建三维MRI影像。术后病患均获得随访，随访时间（17±８）个月（６～33个月）。末次随访时，改良Engel分级Ⅰ级16/19例（84%），Ⅱ级２/19例（11%），Ⅲ级１/19例（5%），所有患者未出现永久性神经功能缺损。可见，基于3D slicer影像重建的SEEG引导下的适形热凝治疗效果佳，预后良好，得益于FCD病灶的形态学构建特点与置入电极方位的高度契合。

李佳等^[22]应用3D slicer软件将17例难治性癫痫患者需要手术切除的病灶进行3D影像后重建，充分展示出脑沟回和血管的位置关系，科学的术前规划。结果显示均顺利完成显微镜下切除发作起源区，患者术后均未出现严重并发症。术后2周和6个月复查MＲI，显示病灶切除部位和范围达到预期效果。

在MRI阳性的FCD治疗过程中，借助基于各种软件的三维重建影像技术，使得FCD病灶的立体结构与周围脑组织的毗邻关系更加清晰，为手术切除病灶及SEEG电极置入方案的实施提供了参考，让治疗变得更加精准，疗效显著，并发症少，预后良好，值得大力推广这一技术，进而为患者治疗带来更多的福音。

2 MRI阴性的FCD

2.1 基于体素的形态学分析方法（morphometric analysis program，MAP）识别FCD 在MRI阴性的癫痫患者中，FCD是最常见的病理类型^[23]。HUPPERTZ等^[24] 为了提高MRI阴性FCD的识别率,在2005年开发出了一种基于体素的形态学分析方法(morphometric analysis program，MAP)影像学后处理软件。MAP是使用SPM工具箱在Matlab软件中进行分析重建，通过使用3D T₁ MRI序列，经过一系列后处理步骤，得到统计图。本质上，MAP分析是通过分析体素对体素的差异来比较“个体大脑”(癫痫患者)与“平均大脑”的解剖结构。在后处理的最后，得到3张z分数图：延伸图（Extension）、连接图（Junction）和厚度图（Thickness）。偏离正常数据库患者的大脑结构具有更高的z分数，与其他正常结构相比，其呈现为亮度区域。对每个患者的3张z分数地图进行视觉评估，亮度一致的区域被认为是潜在的结构性病变。以往研究认为MAP对于Ⅱ型FCD患者的识别率最高可达到约70%^[25]。MAP有助于在癫痫患者中筛选FCD，或对可疑的异常影像加以确认并重新评估，这种集中的重复阅读可以检测出在最初的视觉分析中容易被忽视的细微病变。

WANG等^[26]纳入86例MRI阴性癫痫患者，使用MAP对T₁WI序列进行后处理，分析MAP、脑磁图（MEG）、头皮脑电图（EEG）与癫痫发作结局的关系，以找出不同非侵入性方法的定位价值。结果显示完全切除MAP阳性区域或MEG阳性区域与无癫痫发作呈正相关（P=0.028和0.007）。当一个区域通过MAP和MEG共定位时，该区域的切除与无癫痫发作显著相关（P=0.006）。

GONZALEZ等^[27]前瞻性的纳入并回顾性分析70例（男41，女29例）局灶性DRE患者资料，中位年龄为33.7岁(16～58岁)。在这70例患者中，52例(74%)最初报告MRI正常，18例(26%)MRI表现不确定。经MAP软件处理后，22例(31%)MAP+，48例(69%)MAP-。在MAP+患者中，13例(13/70，19%)在MAP结果指导下进行二次MRI检查后发现了结构性病变。其中7例(54%)之前报告MRI正常，6例(46%)在最初的MRI报告中表现不确定。48例(69%)MAP -患者中，40例(83%)先前报告MRI正常，8例(17%)MRI提示无明显异常发现。我们在MAP+病例中观察到的高特异性(0.8)和阳性预测值(0.91)可以得出结论，MAP分析对于检测癫痫患者潜在病变有价值，尤其是对于那些MRI结果正常的患者，这项研究为DRE的诊断和治疗提供了一种新的方法。WONG-KISIEL等^[28]回顾性分析39例经组织学证实的FCD病例，其中MAP-J[64% (95% CI 48%~77%)和96% (95% CI 93%~98%)]和MAP-E[74% (95% CI 59%~86%)和94% (95% CI 91%~97%)]的敏感性和特异性均高于MRI定性复查和FDG-PET。初步MRI检查发现FCD17例，专家复核确定26例。在首次MRI复查未发现的病例中，MAP-J诊断FCD12例，MAP-E诊断FCD13例。在专家MRI复核未发现的病例中，MAP-J正确识别6例，MAP-E正确识别8例。76%的患者获得了良好的手术结果。可见，MAP技术能够提高FCD的检测率，并且在与手术切除区域的一致性方面表现出较高的敏感性和特异性。此外，MAP技术与其他功能性成像技术（如FDG-PET）相比，在识别FCD方面也表现出较好的一致性。因此，MAP技术可以作为一种辅助手段，帮助医生更准确地诊断和定位FCD，从而提高手术治疗的成功率。

MAP和PET/MRI共配准是将MAP和PET分别处理后的图像相结合，评估MAP（+）区域是否对应PET的低代谢区，从而更加准确定位异常结构。SUN等^[29]研究发现MAP和PET/MRI共配准显示在常规MRI阴性结果的扣带回癫痫（CE）中可以精准识别细微的FCD异常，更重要的是，结合MRI后处理和PET/MRI共配准可以大大提高癫痫异常病灶的检出率，这可以作为手术靶点。MAP和PET/MRI共配准应纳入常规术前评估。

MAP方法在MRI阴性癫痫患者中具有很高的临床应用价值^[30]，不仅可以作为发现细微病灶的“搜索工具”，还可以作为对可疑异常的“确认工具”，为MRI阴性癫痫的诊断和手术治疗提供了一种新的方法。但该方法也存在局限性，有些患者的MAP+区域完全切除后仍然癫痫发作。这些区域可能被认为是假阳性，但手术标本显示这些患者都有I型脑皮质发育不良（FCD），这种类型的FCD比其他类型的FCD分布更广泛，并且手术效果不太理想。这表明MAP方法在检测某些I型FCD病灶方面存在一定的局限性。未来可以采取一些措施来提高MAP的性能，如使用更高磁场强度的MRI、采用多对比度框架、开发先进的自动阈值方法，并将MAP结果与电-临床表现相结合进行解读。

2.2 人工神经网络—— 一种基于形态学分析的自动化方法识别FCD 为了进一步增加MRI阴性的FCD识别率，DAVID等^[31] 开发了一种基于人工神经网络（artificial neural network，ANN）的方法，用于检测颞叶发育异常的病变。目标是将经MAP处理后的三种结果形态图的信息与人工神经网络(artificial neural network，ANN)分类器中的组织分割结果整合在一起，产生一个用于细微FCD病变的自动化分类工具。他们使用了大规模的数据集进行训练和验证，并证明了该方法在检测FCD方面的高准确性和敏感性。在一项回顾性研究^[31]中，DAVID基于MAP18的形态测量输出图创建了一个用于FCD检测的前馈神经网络。在113例人工分割FCD患者和362名健康对照者上进行训练和交叉验证。此外，在60例FCD患者(28例女性)和70名健康对照(42名女性)的独立、数据集上验证了经过训练的ANN的性能。在交叉验证中，神经网络在训练数据集上获得了87.4%的敏感性和85.4%的特异性。在独立验证数据集上，该方法仍然达到了81.0%的敏感性和84.3%的相对较高的特异性。此外，他们还发现该方法在使用标准T₁加权MR扫描作为输入时表现出良好的鲁棒性，无需复杂的预处理步骤。这项研究的结果表明，基于ANN的方法可以作为一种可行的工具，用于辅助医生在临床实践中检测和定位FCD病变。

3 总结与展望

基于形态学的影像后处理技术发展日新月异，各种辅助诊断和治疗的影像后处理工具也越来越受到广大癫痫外科学者的青睐，并不断地在临床实践中得到了验证和广泛的应用。进一步满足了临床对精准诊断和治疗FCD的需要，也大大提高了局灶性DRE患者的治疗效果，为难治性癫痫的诊治创造了新的思路和方法，也为临床更加全面科学的诊断和治疗提供了更多的参考。

但现有技术手段仍对少数MRI阴性的FCD（尤其是FCDⅠ型）病灶无法显影，需要更进一步研究FCDⅠ型的病理特点，探究在现有技术条件下无法显影的原因，并加强医工交叉学科合作，相信未来会开发出辅助显影敏感性更高的软件，提高FCDⅠ型的检出率，更好地服务于临床，造福于患者。

参考文献：

1. BLUMCKE I, CENDES F, MIYATA H, et al. Toward a refined genotype-phenotype classification scheme for the international consensus classification of Focal Cortical Dysplasia[J]. Brain Pathol, 2021, 31(4): e12956.

2. JURIC-SEKHAR G, HEVNER RF. Malformations of Cerebral Cortex Development: Molecules and Mechanisms[J]. Annu Rev Pathol, 2019, 14: 293-318.

3. GUARNIERI F C, CHEVIGNY A, FALACE A, et al. Disorders of neurogenesis and cortical development[J]. Dialogues Clin Neurosci, 2018, 20(4): 255-266.

4. BLUMCKE I, SPREAFICO R, HAAKER G, et al. Histopathological Findings in Brain Tissue Obtained during Epilepsy Surgery[J]. N Engl J Med, 2017, 377(17): 1648-1656.

5. GUERRINI R, BARBA C. Focal cortical dysplasia: an update on diagnosis and treatment[J]. Expert Rev Neurother, 2021, 21(11):1213-1224.

6. NAJM I, LAL D, ALONSO VANEGAS M, et al. The ILAE consensus classification of focal cortical dysplasia: An update proposed by an ad hoc task force of the ILAE diagnostic methods commission[J]. Epilepsia, 2022, 63(8): 1899-1919.

7. URBACH H, KELLNER E, KREMERS N, et al. MRI of focal cortical dysplasia[J]. Neuroradiology, 2022, 64(3): 443-452.

8. WANG W, ZHOU Q, ZHANG X, et al. Pilot Study of Voxel-Based Morphometric MRI Post-processing in Patients With Non-lesional Operculoinsular Epilepsy[J]. Front Neurol, 2020,11:177.

9. MELLERIO C, LABEYRIE M, CHASSOUX F, et al. 3T MRI improves the detection of transmantle sign in type 2 focal cortical dysplasia[J]. Epilepsia, 2014, 55(1): 117-22.

10. 李林, 孙志群, 赵建设, 等. 以Transmantle征为主要MRI征象局灶性皮质发育不良所致难治性癫痫患儿手术预后分析[J]. 癫痫杂志, 2022, 8(3): 217-221.

11. BERNASCONI A, CENDES F, THEODORE W H, et al. Recommendations for the use of structural magnetic resonance imaging in the care of patients with epilepsy: A consensus report from the International League Against Epilepsy Neuroimaging Task Force[J]. Epilepsia, 2019, 60(6): 1054-1068.

12. CENDES F, THEODORE W H, BRINKMANN B H, et al. Neuroimaging of epilepsy[J]. Handb Clin Neurol, 2016, 136: 985-1014.

13. CORAS R, HOLTHAUSEN H, SARNAT HB. Focal cortical dysplasia type 1[J]. Brain Pathol, 2021, 31(4): e12964.

14. DI X, BISWAL BB. A functional MRI pre-processing and quality control protocol based on statistical parametric mapping (SPM) and MATLAB[J]. Front Neuroimaging, 2023, 1: 1070151.

15. YOU Y, NIU Y, SUN F, et al. Three-dimensional printing and 3D slicer powerful tools in understanding and treating neurosurgical diseases[J]. Front Surg,2022, 9: 1030081.

16. DU C, WANG L, YAN J, et al. The Association Between Trajectory-Skull Angle and Accuracy of Stereoelectroencephalography Electrode Implantation in Drug-Resistant Epilepsy[J]. World Neurosurg, 2024, 184: e408-e416.

17. LIM JS, LEE JJ, Woo CW, et al. Individual-Level Lesion-Network Mapping to Visualize the Effects of a Stroke Lesion on the Brain Network: Connectograms in Stroke Syndromes[J]. J Clin Neurol, 2020, 16(1): 116-123.

18. TABASSUM M, AL SUMAN A, RUSSO C, et al. A Deep Learning Framework for Skull Stripping in Brain MRI[J]. Annu Int Conf IEEE Eng Med Biol Soc, 2023, 2023: 1-4.

19. 胡文瀚, 王秀, 张弨, 等. 脑表面三维重建技术在局灶性皮质发育不良切除术中的应用[J]. 立体定向和功能性神经外科杂志, 2018, 31(2): 65-69.

20. CHIPAUX M, TAUSSIG D, DORFMULLER G, et al. SEEG-guided radiofrequency thermocoagulation of epileptic foci in the paediatric population: Feasibility, safety and efficacy[J]. Seizure, 2019, 70: 63-70.

21. 谭红平, 郭强, 陈俊喜, 等. 基于三维影像立体脑电图引导下的适形热凝治疗局灶性皮质发育不良所致癫痫的效果[J].中华神经外科杂志, 2021, 37(8): 776-780.

22. 李佳, 林久銮, 周文静, 等.3D-Slicer软件在难治性癫痫外科手术计划可视化中的运用[J].临床神经外科杂志, 2020, 17(3):306-310.

23. WANG Z I. The pathology of magnetic-resonance-imaging-negative epilepsy[J]. Mod Pathol, 2013, 26(8): 1051-1058.

24. HUPPERTZ H J, GRIMM C, FAUSER S, et al. Enhanced visualization of blurred gray–white matter junctions in focal cortical dysplasia by voxel-based 3D MRI analysis[J]. Epilepsy Res,2005, 67(1-2): 35-50.

25. 胡文瀚, 王秀, 张弨, 等. 基于体素的磁共振形态学测量分析法检测局灶性皮质发育不良的临床应用[J]. 临床神经外科杂志, 2018, 15(3): 174-178.

26. WANG W, HUANG Q, ZHOU Q, et al. Multimodal non-invasive evaluation in MRI-negative epilepsy patients[J]. Epilepsia Open,2024, 9(2): 38258486.

27. GONZALEZ‐ORTIZ S, MEDRANO S, CAPELLADES J, et al. Voxel-based morphometry for the evaluation of patients with pharmacoresistant epilepsy with apparently normal MRI[J]. J Neuroimaging, 2021, 31(3): 560-568.

28. WONG-KISIEL L C. Morphometric analysis on T₁-weighted MRI complements visual MRI review in focal cortical dysplasia[J]. Epilepsy Res, 2018, 140: 184-191.

29. SUN K, REN Z, YANG D, et al. Voxel-based morphometric MRI post-processing and PET/MRI co-registration reveal subtle abnormalities in cingulate epilepsy[J]. Epilepsy Res, 2021,171:106568.

30. EL TAHRY R, SANTOS S F, VRIELYNCK P, et al. Additional clinical value of voxel-based morphometric MRI post-processing for MRI-negative epilepsies: a prospective study[J]. Epileptic Disord, 2020, 22(2): 156-164.

31. DAVID B, KROLL-SEGER J, SCHUCH F, et al. External validation of automated focal cortical dysplasia detection using morphometric analysis[J]. Epilepsia, 2021, 62(4): 1005-1021.