来源：期刊VIP网 时间：
作者：王杨;李晓陵;曹丹娜;崔璇;彭彩亮;刘潇;
单位：黑龙江中医药大学附属第一医院CT磁共振科;黑龙江中医药大学研究生院;黑龙江中医药大学附属第一医院周围血管病一科;黑龙江中医药大学附属第一医院心血管三科;黑龙江中医药大学附属第一医院儿科;
摘要：血管性认知障碍（vascular cognitive impairment, VCI）是常见的认知障碍类型，主要临床表现为专注度、执行能力及信息处理速度受损。VCI的发生与慢性脑低灌注、神经元功能障碍及凋亡通路激活等多重病理机制相关。VCI的MRI研究包括静息态与任务态功能MRI、动脉自旋标记、磁共振波谱以及多种结构MRI序列，能够从脑自发神经活动、功能网络连接、脑血流灌注、代谢物浓度、灰质体积及白质微结构等多个维度，系统揭示VCI的复杂神经机制。人工智能（artificial intelligence, AI）技术，特别是机器学习与深度学习，已成为整合MRI数据的强大工具，能通过深度挖掘影像特征，实现VCI的亚型鉴别及严重程度评估。本综述聚焦于MRI与AI在VCI中的多模态研究，并指出当前研究的局限性和今后研究方向，为发展早期、客观、精准的诊断新范式提供关键路径及前瞻视角。
关键词：血管性认知障碍;;磁共振成像;;多模态;;功能磁共振成像;;结构磁共振成像;;人工智能
基金资助：国家自然科学基金项目（编号：82074537）;; 黑龙江省自然科学基金联合引导项目（编号：LH2020H103）~~
