综述：儿科癫痫手术中的高级神经影像技术：现状与未来展望

《Neuroradiology》：Advanced neuroimaging in pediatric epilepsy surgery: state of the art and future perspectives

儿童耐药性癫痫结构MRI后处理技术综述：AI驱动方法（MELD-Graph/MAP18/FLAT1/SUPR-FLAIR）通过深度学习、体素形态学、FLAIR/T1比值分析等提升病灶检出率与致痫区定位精度，为术前规划提供非侵入性评估依据。

　　

摘要

目的

回顾儿童难治性癫痫结构性磁共振成像（structural MRI）后处理的最新进展，重点介绍基于人工智能的定量技术，包括MELD-Graph、MAP18、FLAT1和SUPR-FLAIR，并评估这些技术对病变检测、癫痫发作区定位和术前规划的影响。

方法

从计算基础、成像要求和诊断性能三个方面评估了新的后处理方法。研究了运用机器学习、深度学习、基于体素的形态测量、皮质表面投影以及FLAIR/T1比值映射等技术在儿童中的适用性，以及它们与电生理学和功能性成像结合的多模态评估流程中的整合情况。

结果

先进的后处理工具显著提高了检测细微皮质异常的敏感性，尤其是在常规MRI检查结果正常的儿童难治性癫痫病例中。MELD-Graph通过自动化的表面分析和深度神经网络分类，能够识别出局灶性皮质发育不良的特征，从而实现显著的病变检测。MAP18提供了补充的体素级形态测量评估，提高了特异性，并受益于优化的结构序列。FLAT1通过量化FLAIR/T1信号关系来增强病变的可见性，而SUPR-FLAIR则通过将FLAIR强度标准化并投影到皮质表面来改善皮质信号异常的可视化效果。当这些方法被纳入多模态诊断工作流程中时，可以更精确地定位癫痫发作区，为个性化手术策略提供依据，并减少对侵入性检查的依赖。

结论

先进的结构性MRI后处理技术正在改变儿童难治性癫痫的神经放射学评估方式。通过揭示常规成像无法显示的细微皮质异常，这些工具有助于更准确地描述病变并进行手术规划。推动标准化、临床验证和工作流程整合的持续努力对于确保这些技术在儿童难治性癫痫的精准医学应用中的广泛采用和最大化临床效果至关重要。