实时相衬MRI测量的beplay靠谱血液和脑脊液流量振荡:呼吸方式很重要

背景

颈椎血液和脑脊液(CSF)流速可以量化beplay靠谱相衬(PC) MRI，这是常规用于临床研究。先前的MRI研究表明，静脉和脑脊液流量的改变与各种病理状况有关。众所周知，除了心脏跳动外，胸泵还会影响血液和脑脊液的动力学，因此我们使用实时(RT)-PC原型研究了不同呼吸模式对血液和脑脊液流速的影响。

方法

30名健康志愿者用3t扫描仪进行了检查。在第一颈椎水平获得RT-PC序列，量化颈内动脉、颈内静脉(IJVs)和脑脊液的流速。每次RT-PC采集重复三次，同时受试者被要求以三种不同的方式呼吸，每种60秒:自由呼吸(F)、匀速呼吸(PN)和深呼吸和匀速呼吸(PD)。计算平均流速，将其从各自的信号中去除，并将其整合到吸气和呼气相(差异体积)中。最后，计算各趋势流量的功率谱密度。在光谱上识别出高频和甚高频峰，同时将其频率与使用胸带和脉搏血氧计估计的呼吸和心脏频率进行比较。以高频峰、甚高频峰及其二、三次谐波为中心，在4个0.5 hz宽范围内计算光谱下的面积，然后用流量方差进行归一化处理。测试了呼吸方式对平均流速、收缩期和舒张期峰值以及标准化功率的影响。最后，将不同的吸气量与呼气量进行比较。

结果

高和非常高的频谱峰的频率与呼吸和心脏频率相对应。从F呼吸到PN呼吸再到PD呼吸，平均流速逐渐下降，心脏调节不太明显，尤其是ijv。呼吸调节随PD呼吸而增加。吸气相的平均容积与呼气相的平均容积无显著差异。

结论

光谱分析表明，与自由呼吸相比，PD患者的呼吸调节更高，甚至比ijv患者的心脏调节更强，表明胸泵的增加影响了流速形状。

大脑的功能取决于大脑循环，它为大脑组织提供氧气和营养，并清除废物。1]。因此，有效的动脉流向大脑和静脉流出是大脑健康的基础。脑废物的清除也取决于脑脊液(CSF)的流动，与最近描述的淋巴系统有关[beplay靠谱2]。动脉、静脉和脑脊液血流循环振荡取决于许多因素，如心跳、姿势[3.，4]，体力劳动[5]和呼吸。与心脏相关的调节已经被描述了几十年[6，7，8]。最近的研究表明，不同呼吸期的胸压变化会影响脑脊液[9，10]，动脉的[11]和静脉流量[4，12]。了解呼吸对血液和脑脊液动力学的生理作用对于测试呼吸病理对脑健康的潜在影响至关重要。例如，最近的研究表明，慢性阻塞性肺疾病患者的各种肺损伤表现为进行性脑灌注不足[13]和结构损坏[14]，对认知表现产生影响[13]。

相衬造影(PC) MRI可以量化脑内/脑内静脉流量和脑脊液流量[15，16，17]。PC-MRI常规用于常压脑积水的诊断和对手术反应的预测[18]。它在临床研究中的应用揭示了与各种病理状况相关的静脉和脑脊液改变[19，20.，21]。然而，标准的电影PC-MRI是基于心脏门控的，它需要几个心跳来形成覆盖整个心脏周期的时间分辨血流图像。因此，使用心控型PC-MRI，不可能检测到心率的逐拍变化和呼吸的影响。

最近出现的实时定量血流(RT)的PC-MRI技术克服了这一限制，并显示咳嗽，吸气和呼气都对静脉有影响。12，22]和CSF [12，22，23，24，25)流动。具体来说，Dreha-Kulaczewski及其同事[26]表明，强制吸气增加了静脉回流，而这被颅脑脊液流动所抵消。相反，在强制呼气时，在高颈椎水平量化的脑脊液流量非常低。因此，在强制吸气时，脑脊液净流量向上引导(吸气时颅净流量，呼气时低容量)。一贯地，同一组的另一件作品[12]显示，与正常呼吸相比，强迫呼吸时的平均流速(所有时间框架的平均值)更高。此外，Ohno等人。[22]结果表明，吸气完全屏气时脑脊液压力梯度高于呼气末和自由呼吸时。最后，与正常呼吸相比，强迫呼吸的影响[12静脉流量减少，呼吸调节增加。然而，据我们所知，没有发表的研究评估呼吸对动脉流量的影响，除了静脉和脑脊液的流量，使用RT-PC MRI。

在我们的研究中，我们使用RT-PC MRI检查颈动脉、静脉和脑脊液流速，目的如下:(1)检测心脏和呼吸驱动因素的存在;(2)评估不同的呼吸模式(即自由呼吸、有节奏呼吸、有节奏呼吸和强制呼吸)如何影响(A)平均、收缩和舒张峰值的流速，以及(B)呼吸和心脏调节对流速的影响;(3)测试不同呼吸方式下吸气和呼气的流量是否不同。

我们之前在一项初步研究中描述了我们的方案[27我们发现，与正常节奏呼吸相比，强迫有节奏呼吸增加了动脉、静脉和脑脊液流速的呼吸调节。在目前的研究中，我们将样本量增加到30名健康志愿者，我们完成了在休息条件下获得受试者的方案，即当他们自由呼吸时，就像心脏门控PC-MRI的常规做法一样。

主题

我们招募了30名健康志愿者，他们没有核磁共振检查的禁忌症，没有心血管疾病、脑肿瘤、糖尿病、神经系统或精神疾病的病史。

核磁共振的收购

所有受试者使用配备64通道头颈线圈的3t MR扫描仪(MAGNETOM Prisma, Siemens Healthcare, Erlangen, Germany)进行扫描。

使用原型RT-PC估算流量[24]，采用分段EPI读出、时间方向平行加速因子和双边共享速度编码重建算法。每次RT-PC采集持续60 s，视场为153 × 175mm²，一个96 × 128的矩阵，插值到0.7 × 0.7mm的平面内分辨率²，切片厚度为8.6 mm。颈部血流测量，将成像片垂直于颈部主要血管放置，时间分辨率58.5 ms，速度编码(VENC) 70 cm/s, GRAPPA = 3, TR/TE = 14.6/8 ms，翻转角度15°。脑脊液流量定量，成像片与脊髓正交放置，时间分辨率为94 ms, VENC = 6 cm/s, GRAPPA = 2, TR/TE = 15.7/9 ms，翻转角度为5°。

在第一颈椎水平测量血液和脑脊液流量。飞行时间序列矢状面和冠状面最大强度投影(169轴向切片，视场= 200 × 180mm²;轴向分辨率= 0.3 × 0.3 mm²;切片厚度= 0.5 mm;TR = 21 ms;TE = 3.42 ms;翻转角度= 18°)，使切片垂直于颈内静脉(IJVs)和颈内动脉(ICAs)，如[28(图。1a).为了确定定位RT-PC采集平面的颈椎水平，并垂直于椎管定位脑脊液采集片，使用矢状面和冠状面定位器(图2)。1b)。

每个RT-PC在以下条件下获得三次:(1)自由呼吸(F)，即要求受试者以其自然呼吸速率呼吸;(2)有节奏呼吸(PN)，即指示受试者以恒定的速率呼吸，如下所述;(3)有节奏和强制(深度，PD)呼吸，即与前一种情况一样，但有强制吸气和呼气。为了在(2)和(3)条件下保持恒定呼吸速率(BR)，我们使用由直径增大/减小的圆组成的视觉刺激作为指导。(2)和(3)的BR都适用于该主题。对于(2)，我们施加了(1)中测量的自发平均BR。在条件(3)中，我们要求受试者进行几次强制呼吸，然后调整刺激以适应新的BR，使受试者通过较低的BR和较高的潮气量进行自我补偿。在RT-PC采集期间，使用皮带和脉搏血氧仪记录呼吸和心脏脉搏(生理信号)。

整个处理方案

RT-PC MRI数据和生理信号处理如图所示。2，以实现这项工作的三个目标。

所有步骤将在以下段落(MRI数据处理，信号分析，统计分析)中详细介绍，并在后面进行总结。生理信号与MRI数据对齐，以估计每次采集期间的BR和HR，并识别呼吸期。然后，对RT-PC MRI数据进行处理，量化颈动脉、静脉和脑脊液流速。时域分析包括计算随时间的平均流速(单位为ml/s)和吸气和呼气相的体积(单位为ml)。将前者与不同的呼吸方式进行比较，以解决目标2A。后者在呼吸期之间进行比较，以解决目标3。频域分析包括计算功率谱，识别各波峰，估计不同频率范围内的功率。从生理信号估计的呼吸频率和心脏频率的峰值频率的比较允许解决目标1。使用不同频率范围内的功率来测试呼吸和心脏调节是否因呼吸类型不同而存在差异(目的2B)。传统的(29]命名法用于定义我们关注的频率范围:高(0.15-0.6 Hz)和非常高(0.6-2 Hz)频率(分别为HF和VHF)。

MRI数据处理

RT-PC扫描使用核磁共振(SPIN)软件(SpinTech Inc .， Bingham Farms, MI)中的信号处理进行处理[30.由一名训练有素的操作员操作。在视觉上选择最高流量的时间框架后，相位和幅度图像被放大，以便在屏幕上清楚地看到感兴趣的血管或CSF。使用半自动方法绘制与ICAs、IJVs和CSF相对应的兴趣区域(roi) [30.]，包括手动识别一个像素内部感兴趣的结构，然后在应用区域生长。在roi附近手动绘制4个静态组织区域(无流区域- nfa)，用于估计roi内的背景相位进行背景相位校正。将roi复制到所有时间框架，并在需要时手动调整。根据NFA中得到的相位偏移量对每个ROI的相位值进行校正，然后计算每个ROI内的平均速度。按照惯例，速度是向上的，即在头部方向为正。计算每个ROI区域并乘以ROI内部的平均流速，以估计每个时间点的平均流速(ml/s)。分别计算左、右ica和左、右ijv的流速。平均ICAs、ijv和CSF流速[31]，即每个受试者和每种呼吸类型的脑脊液绝对流速，取60-s采集过程中所有时间点的流速平均值。计算收缩期和舒张期平均峰值，确定所有峰值，并对每次采集的峰值进行平均。

每个受试者的平均处理时间为10分钟。

信号分析

使用MATLAB(版本2021a, Mathworks, Natick, WA, USA)中的临时脚本执行以下处理。

利用存储在每个DICOM头中的图像采集时间，以及存储在脉搏血氧仪和胸带记录的日志文件中的开始时间，我们可以暂时将生理信号与MRI数据对齐。然后计算每次采集期间的平均BR和HR，并在呼吸信号中识别呼吸相。

对各流量进行4级多项式信号趋势化后，分别计算三种呼吸工况下ICAs、IJVs和CSF流量的功率谱密度。对于血液，由于平均流速，信号趋势避免了零频率附近出现高峰。即使脑脊液在零附近振荡，为了一致性，我们也进行了与血流量相同的信号分析。对于每个频谱，识别出两个基本峰:约0.2 Hz的高频峰和约1hz的甚高频峰。确定了另外三个峰，分别对应HF第二峰谐波和VHF第二峰谐波和VHF第三峰谐波。然后，我们将HF波段定义为HF峰前0.15 Hz到HF峰后0.35 Hz的间隔，以及以VHF峰为中心的三个心脏波段[12，24]，它的二阶和三次谐波，宽度为0.50 Hz，与呼吸频率相同。高频波段还包括高频第二峰值谐波。每个频率范围内的功率以每个频带的曲线下面积(AUC)计算。然后，推导出以下指标:(i)主呼吸对心脏分量的经典相对贡献(呼吸带AUC除以第一心脏带AUC) [12，24];(ii)呼吸带的AUC， (iii)三个心脏带的AUC，均通过整个信号方差归一化，得到归一化幂(值从0到1)。

每次吸气和呼气时的差流量(ml)计算如下。首先，我们从流量曲线中去掉平均值(以平均值为中心的流量，图5)。3.从a到b)然后选择吸气和呼气相对应的相位(图2)。3.，分别为in, ex)，根据胸带获得的呼吸信号:信号的上升部分，即从最小到最大，被认为是吸气(胸腔扩张);其他都是过期的。最后，我们计算了吸气和呼气阶段平均中心流速的积分(图2)。3.b).它们可以解释为:正值表示颅向的流量比平均值大，负值表示尾端方向的流量比平均值大。最后计算吸气和呼气平均中心流量(ml)。

统计分析

使用Jamovi 2.2版本(Jamovi project(2021))进行统计检验，https://www.jamovi.org）.

采用Kolmogorov-Smirnov检验检验数据分布的正态性。然后对非正态分布的变量进行自然对数变换。最后，在转换后重新评估正态性，以确保它们随后是正态分布。描述性统计用正态分布变量的均值和标准差表示;其他使用中位数[范围]。

为了评估呼吸方式是否影响呼吸频率和心脏频率，使用重复测量方差分析(RM-ANOVA)比较呼吸方式之间的频率。

对于目标1，我们进行了以下测试。采用三向rm - anova检验频谱HF峰及其二次谐波与呼吸频率(用胸带估计)相比是否有统计学差异，其值翻倍，以及呼吸方式是否有影响。分别对ICAs、IJVs和CSF流速估计的光谱峰进行RM-ANOVA分析。对于每个RM-ANOVA，我们测试了估计方法(即使用胸带评估频率或从光谱估计频率)，峰数(即一谐波或二次谐波)和呼吸类型(即F, PN或PD)之间的相互作用。对于HF峰，采用三向rm - anova检验频谱VHF峰及其二、三次谐波与脉搏血氧仪测得的心脏频率、两倍、三倍频率是否有统计学差异，以及呼吸方式是否有影响。

对于目的2，使用双向rm - anova来检验呼吸类型和感兴趣的结构类型是否对平均流速、收缩期和舒张期峰值、ROI面积、心脏和呼吸成分及其比率(R/C)有影响。特别是，我们在每个RM-ANOVA中分别使用平均流速、面积、心脏和呼吸成分和R/C作为依赖变量，并且我们测试了呼吸模式(即F、PN、PD)和兴趣结构(即ICAs、IJVs、CSF)之间的相互作用。对于心脏成分的详细分析，即对其三个峰的单独研究，我们还进行了三向RM-ANOVA，以检验呼吸类型、感兴趣的结构类型和峰值频率范围是否对归一化AUC有影响。特别是，我们使用归一化auc作为依赖变量，并测试了呼吸类型(即F, PN, PD)，感兴趣的结构(即ICAs, IJVs, CSF)和峰范围(即HF峰的[- 0.15 Hz- + 0.35 Hz]，以VHF峰及其第二次和第三次谐波为中心的0.5 Hz宽窗口)之间的相互作用。

对于目的3，我们使用三向rm - anova来检验呼吸类型、感兴趣的结构类型和呼吸阶段是否对液体体积有影响。特别是，我们使用液体体积作为因变量，并测试呼吸类型(即F、PN、PD)、感兴趣结构(即IJVs、CSF)和呼吸期(即吸气和呼气)之间的相互作用。

所有事后比较采用Bonferroni校正进行多重比较调整。校正后的p值低于0.05被认为是显著的。

主题

本研究纳入健康受试者30例(女性21例，中位年龄26岁，年龄范围19-57岁)。

呼吸频率从F呼吸到PN呼吸再到PD呼吸均下降(p < 0.01)，而心脏频率随呼吸类型无变化(另附文件)7:表1)。

呼吸、心脏频率和频谱峰(目标1)

从光谱中获得的主HF峰与胸椎带测量的BR之间没有显著差异(附加文件)7表2)。F呼吸组ICA和CSF谱2 HF峰值谐波与2*BR比较差异有统计学意义(p < 0.001)。光谱所得的HF峰次谐波与胸椎带测得的BR倍数比较均无显著差异。

从光谱中获得的主要VHF峰与脉搏血氧仪测量的HR之间没有显著差异(附加文件)7表S3)。PN呼吸时ICA谱第3次VHF峰值谐波与脉搏血氧仪测量的3* HR差异有统计学意义(p = 0.009)。光谱所得的VHF峰值谐波与脉搏血氧仪测得的HR倍数比较均无显著差异。

平均流速随呼吸类型的变化而变化(目标2)。

用于估计血液和脑脊液流量的示例图像见图。4，其中震级(图2)。4a和d)，相位(图2)。4b和e)，以及速度图(图2)。4c,无花果。4F)被报道。

与生理信号一致的血液和脑脊液数据显示了一个示例性受试者和图中三种呼吸模式。5。带通滤波(0.15-0.35 Hz)流速被叠加到各自的流速上，以显示它们与呼吸信号的对应关系。

在无花果。5可以直观地看到，与F呼吸相比，PD组的平均流量更低，这将在后面的组水平上进行统计。以最低流速(PD)呼吸模式为例，在附加文件中显示了ICAs、IJVs和CSF平均流速1:图S1与NFA内的速度表示图像偏差。

附加文件中还表示了信号子部分(大约10秒/ 60秒)2:图S2显示了一些心跳的信号质量和形态，覆盖了一个完整的呼吸周期。

额外的文件3.图S3显示了一个代表性的脉搏波(分别用于ICAs, IJVs和CSF流速):在整个60秒的采集过程中确定舒张峰值并对齐，每个心脏周期动态被拉伸或压缩，将每个心脏周期持续时间正常化为平均HR，如前面所述[32]，最后计算所有曲线的中位数、第5百分位和第95百分位。

ICA、IJV和CSF、F、PN和PD呼吸的组平均值和各自的SD见表1。两种呼吸方式的动脉、静脉流速及其峰值配对比较均有显著性差异(p < 0.001)，且均表现为F > PN > PD。脑脊液的平均流量和绝对流量均未因呼吸方式的不同而发生显著变化，但脑脊液收缩期峰值的变化趋势均为F > PN > PD，且PD呼吸时脑脊液收缩期峰值的幅度明显小于其他两种呼吸方式(表1)1）.

PD组的ICAs横截面积明显小于PN呼吸组(p = 0.038)，而IJVs和CSF横截面积在不同呼吸类型间无明显变化(表1)1）.

呼吸和心脏调节随呼吸类型变化(目标2b)

信号对应的功率谱密度如图5所示。5在图中报告F、PN和PD呼吸。6。目视观察，如图所示光谱中HF峰随起搏增加，VHF峰随起搏减少。6。在PD呼吸谱中还可以观察到VHF基频峰两侧的两个伪峰，特别是VHF峰±HF峰的频率。

一些归一化幂不是正态分布的。出于这个原因和适当的事后分析，对转换后的变量进行统计，确认为正态分布。全组统计结果显示，呼吸归一化功率随起搏显著升高，PD状态下最大(F < PN < PD)(表1)2和无花果。7）.心脏归一化功率，即经流速方差归一化的三个心脏谐波峰下的心脏auc之和，呈相反的趋势，从F到PN再到PD呼吸均呈下降趋势(表1)2和无花果。7）.这种心脏贡献的减少主要受所有液体的1次谐波的指导:它与整个心脏成分具有相同的显著趋势(F > PN > PD)，其在PD期间的归一化AUC与其他呼吸类型相关的AUC总是显著不同(附加文件)7:表S4和图7）.归一化幂与2相关^nd只有IJVs和CSF呼吸时，VHF峰值谐波从F降至PD(附加文件)7:表S4和图7）.

在对不同呼吸条件下ICA、IJV和CSF的经典R/C指数进行配对比较时观察到显著差异(p < 0.001)4:图S4)。这一观察证实了有节奏和强迫呼吸的呼吸贡献增量，在F条件下最低，在PD条件下最大。

比较表中报告的呼吸和心脏的贡献2，后者占了上风。具体而言，在大多数配对比较中观察到显著差异，而PD呼吸期间IJV的唯一无显著差异(p = 1;PN条件下IJVs p = 0.017;其余成对比较P < 0.001)。呼吸系统的贡献(附加文件7:表S4) IJVs与PN期第1 VHF峰无显著性差异，与F期呼吸时第2 VHF峰无显著性差异。PD期间脑脊液呼吸贡献显著大于VHF 3次谐波峰值。仅对于ICAs，呼吸贡献甚至显著低于心三次谐波。

吸气时的音量与呼气时的音量(目标3)

我们观察到，在PN呼吸和F呼吸(p = 0.022)中，吸气时ijv与呼气时的差异体积增量(p = 0.008，未经多次比较校正)的趋势(显著的未经校正的统计数据，未在Bonferroni校正中存活)，在F呼吸期间的ICAs (p = 0.018)中也有相同的趋势(附加文件)5:图5)。两个呼吸期的其他差异容积无统计学差异。

使用RT-PC原型机[24]序列，血液的时间分辨率为58.5 ms，脑脊液的时间分辨率为94 ms，我们能够估计受试者自由呼吸或恒定呼吸时的血液和脑脊液流速，后一种情况下是正常呼吸或强迫呼吸。通过计算三种呼吸状态下ICAs、IJVs和CSF流量的功率谱，我们可以研究呼吸和心脏对流量的影响。

我们之前在[27]，但在目前的研究中，自由呼吸期间的习得被额外评估，因为它是常规PC-MRI期间的正常呼吸状态。我们还介绍了在不同频率范围内的归一化功率的分析，代表呼吸和心脏对流速方差的贡献。最后，我们将样本量增加到30名健康受试者。

这种设置使我们能够证明:(1)频谱的高频峰和甚高频峰及其谐波与呼吸频率和心脏频率及其谐波相对应;(2)与自由呼吸相比，节律性和强迫呼吸在更大程度上导致血液平均流量下降，尾侧脑脊液峰值下降，所有液体的呼吸调节增加;(3)吸气与呼气时ICAs、ijv和CSF位移的差异体积经多重比较校正后无统计学差异。

图中显示了代表性受试者的流量与时间曲线的质量。5，在“附加文件”的放大信号中2:图S2和附加文件的代表性心动周期3.:图S3。速度与时间曲线的质量及其相对于偏置速度的幅值显示在附加文件中1:图S1

吸气和呼气阶段的ICAs、IJVs和CSF流速变化已定性显示在图中。5在一个示例对象上:在激励期间(绿色箭头)，IJVs流量增加(蓝色箭头)和ICAs流量减少(ref箭头)，脑脊液尾端流量(黑色箭头)用箭头下划线。

吸气时IJV流量增加，ICA流量减少(图2)。5)可能在不同的主题上出现不同的相位滞后，如在关于呼吸相位对流量影响的段落中所述。这可以通过胸内压力变化所驱动的压力来解释。具体来说，根据波义耳定律(P1V1 = P2V2)，吸气时膈肌的物理位移增加了胸/肺腔的容积，降低了胸总压。由此导致的右心房压力下降进一步推动了压差，并显著增加了心脏静脉预负荷(颈静脉流量增加)。另一方面，吸气引起的肺血容量增加有助于左心室充盈，导致更小的搏量和更低的ICA流量。左右心室之间的直接关系是一个额外的压力/容量循环。由于心室内依赖性，右心室的充盈明显取代左心室，防止舒张末期容量增大，从而降低ICA流量[33，34]。

流量驱动因素

先前的几项研究使用MRI在RT中估计静脉和脑脊液流速，并计算其功率谱，描述了频谱中的HF峰和VHF峰[12，23，24]。后者的频率与典型的心脏频率相匹配，而前者与实验中要求受试者的呼吸频率相对应。我们证明，HF峰和VHF峰分别对应于使用胸带和脉搏血氧仪进行RT-PC MRI采集时测量到的呼吸和心脏频率。心脏对血液和脑脊液流动的影响是众所周知的:使用常规使用的心脏门控PC-MRI已经显示和研究了周期性和典型的振荡[35]。由于胸泵提供的压力变化，呼吸是血液和脑脊液流动的另一个主要驱动因素[4，12，24，25，36，37]，如先前使用RT-PC MRI的研究所示[12，24，25，37]和超声波[4，36]。在这类研究中，超声相对于核磁共振的优势在于它本质上是一种RT技术。相反，经典的PC序列在一次心跳中获得一段k空间线，因此需要不同的心脏来重建心循环:可以通过原型或定制序列在RT中通过MRI量化血流[24，38]，主要限于研究性研究。然而，与超声相比，MRI的优点之一是除了血流量外，还可以检查脑脊液。事实上，在之前的一些研究中，脑脊液呼吸振荡已被MRI证实[11，12，22，24，25，37]。最近只有少数MRI研究显示呼吸对静脉流动的影响[11，12，39并随着用力呼吸而变化。我们决定研究呼吸和心脏对脑脊液、静脉和动脉流速的影响。据我们所知，只有[11]研究了心脏和呼吸对动脉流动的影响，除了静脉和脑脊液流动。然而，在该研究中使用了EPI序列，而不是PC-MRI序列，因此无法量化血流。此外，在我们目前的研究中，采用了比文献中使用的更高的时间分辨率[11，12，22，24，25，37]。

考虑到我们的时间分辨率和图像质量，我们的信号具有丰富的信息，可以在附加文件中观察到2:图S2。这使我们能够验证第二呼吸谐波和第二和第三心脏谐波的存在。正如基谐波(即HF和VHF峰)所示，我们验证了这些其他峰是呼吸和心脏谐波，对应于2*BR, 2*HR和3*HR。我们发现在F条件下，ICA和CSF的高频峰的二次谐波与2*BR之间的差异可能归因于F呼吸时的低峰值振幅，这可能会产生峰值误检(即，在真实的二次谐波高频峰附近可能检测到相似高度但频率略有不同的峰值)。在PN和3*HR中检测到的ICA谱的第3 VHF峰值谐波之间的差异可归因于相同的原因。

呼吸类型对平均流速的影响

正如Kollmeir等人最近所表明的那样。[12]在16名健康受试者中，我们证实静脉流速随强迫呼吸而降低。我们还发现，与自由呼吸相比，有节奏呼吸与正常呼吸相比，强迫有节奏呼吸会引起动脉血流速率的下降。动脉流速下降与ICAs横截面积下降同时发生，是血管收缩的结果。血管收缩的发生可能是由于呼吸强度的增加引起的氧饱和度的增加引起动脉的血管代偿作用，降低了动脉流速。这种生理血流的自动调节有助于维持恒定的脑氧。由于动脉流速随节奏呼吸而降低，我们观察到IJVs流速同时降低，但没有横截面积减少。

与Kollmeir等人相反。[12]，我们没有发现脑脊液的平均变化与呼吸类型有关。事实上，与F呼吸相比，PD呼吸的平均动脉流量减少很好地反映在静脉减少上，但不反映在脑脊液平均流速变化上。

因为我们预计血流量会随着强制呼吸而减少，就像[12]在我们的初步工作中[27因为我们想比较三种呼吸状态下的心率，所以我们设计了研究方案，让每个有节奏呼吸的RT-PC采集在我们要求受试者随我们的节奏呼吸后开始三次呼吸。我们的初步测试(附加文件6:图S6)显示，从自由呼吸到有节奏呼吸，平均流速在几秒钟内下降，经过三个完整的呼吸周期后达到一个新的状态。即使在观察图中所示的随时间变化的jv流量时，也可以稍微观察到这一点。5(12]:从自由呼吸切换到强制呼吸时，静脉流速从40 s开始逐渐降低，从60 s到80 s逐渐降低，然后保持不变(强制节奏呼吸时)。在我们目前的研究中，暂时的循环被排除在分析之外，所以我们可以比较三种“纯粹”的呼吸状态。我们承认，我们的设置(不包括临时周期)不允许调查变化率，而[12可能会允许这种情况发生。为了研究生理或病理病例的平均流量变化率，应指导受试者在相同的顺序下自由呼吸，然后用力呼吸。

呼吸类型对流量调节的影响

频率分析显示，与F呼吸相比，呼吸成分随节奏呼吸(PN和PD)而增加。由于流速方差在不同呼吸类型期间是稳定的(结果未显示)，并且由于它主要依赖于三种心脏成分和呼吸成分的总和，因此与自由呼吸相比，心脏峰值功率的总和随着有节奏呼吸而下降，与呼吸功率相反且互补。这意味着呼吸频率的流速振荡，即呼吸调节，变得更高，而心脏频率的流速振荡相对于自由呼吸，在有节奏呼吸中变得更低。在所有类型的呼吸模式中，心脏成分仍然是ICAs和CSF流速的主要驱动因素，其中标准化心功率始终高于呼吸功率。相反，在PD呼吸模式下，IJVs的心脏和呼吸成分无统计学差异。由信号方差归一化的呼吸和心脏范围的功率很容易解释:它们分别提供呼吸和心脏流速调节，指数从0到1。有趣的是，从表中可以观察到，在F呼吸和PN呼吸中，呼吸占IJVs流量变化的50%，在PD呼吸中最大占74%。在后一种呼吸模式中，呼吸功率归一化的中位数为31%，与心功率归一化的中位数相似(30%)。PD呼吸时，ICAs和CSF的呼吸归一化功率最高可达40%以上。

在足够宽的带宽上积分流速计算的AUC保证考虑不稳定的心脏和呼吸频率。所以，即使在自由呼吸中，频率可以在采集过程中变化，我们不仅考虑单个高频峰值，还考虑其周围的范围。因此，我们得出的PD条件下比自由条件下呼吸调制更高的结果不可能是由于呼吸峰在特定频率上的浓度。

通过对三个甚高频峰值谐波的具体评估来深化我们的频率分析，我们观察到(附加文件)7(表S4)表明心脏贡献的减少是由于IJVs和CSF的一、二次谐波功率的减少;相反，这是由于ica的一阶谐波的衰减。的确，在所有结构中，PD呼吸的第一HR谐波带归一化功率与其他呼吸模式相比有显著差异。相反，ICAs的第二HR谐波带的归一化功率不随呼吸方式而变化，但PD的归一化功率明显低于IJVs和CSF的F呼吸。这意味着与其他两种呼吸模式相比，PD呼吸时ICAs流量改变了其形状，而IJVs和CSF流量在HR和2*HR处的振荡都减少了，与F呼吸相比，PD中的ICAs流量没有改变其主要形状。该分析还表明，PD呼吸增加了呼吸调节，使IJVs和CSF的呼吸归一化功率分别与第1次(最高)和第2次(第二高)心调和的归一化功率相似。对于ICAs, PD呼吸的归一化呼吸功率增加，直到PD呼吸的第三次心谐波归一化功率(最小)。R/C指数也显示了类似的结果:它是呼吸功率与第一心功率的比值，ICA和CSF的R/C指数始终低于1，但对于一些有节奏呼吸的IJV受试者，R/C指数高于1(附加文件)4:图S4)。同样，Kollmeir等人。[12]显示正常呼吸和强迫呼吸时CSF的R/C低于1，正常呼吸时IJVs的R/C低于1，但部分受试者在强迫呼吸时R/C超过1。

PD呼吸过程中静脉流速的高呼吸调节证实了既往研究的结果[12，25，39]，因为胸泵的作用随着强制呼吸而增强。由于静脉和脑脊液流量高度相关[12，35，40]，呼吸调节对脑脊液流速也有很大的影响，与其他呼吸条件相比，随着强迫呼吸而增加。我们必须强调的是，通过我们的实验我们证明了呼吸类型也会影响动脉流量。

在有节奏呼吸中也观察到主VHF峰边缘的两个峰，在PD呼吸中尤为明显。这些是伪谐波，由于两个循环流速驱动因素的干扰，即呼吸和心跳。

呼吸相对流量的影响

正如先前的一些研究所表明的那样[12，25]，我们预计在吸气时，脑脊液流量向颅方向，静脉流量比呼气时更大。然而，这一假设仅在F和PN呼吸期间的ijv和F呼吸期间的ICAs的未校正水平上得到证实(附加文件)5:图5)。具体来说，与呼气相比，吸气时移位的体积更大(IJVs的负差体积和ICAs的正差体积意味着与平均流量相比更高的流量)。当受试者自由呼吸时，在吸气时发现的较高的ICA流量抵消了吸气时预期的较大静脉流出量，并保证了质量的保存(Monro-Kellie原则，[41])。由于文献中研究的是静脉和脑脊液血流，因此以前使用RT-PC MRI没有显示类似的结果。关于脑脊液，我们没有发现吸气和呼气的体积不同。尽管这种差异在Kollmeier最近的论文中已经定性地报道过(图2)。2) [12]，在Akatas [25(图。3.)，而在Dreha-Kulaczewski [42(图。2)，没有提供相关的详细统计数字。这也许可以解释我们的结果与先前报道的结果之间的差异。在之前的一项超声波研究中[4]，我们报道了一些被检查的颈部主要静脉的血流速度在吸气时下降，在呼气时增加。虽然呼吸调节了静脉血流速度，但超声实时观察到血流速率与呼吸之间存在不同的相位同步。在本研究中，我们在IJVs中观察到相同的结果，在CSF和ICAs中也观察到相同的结果:我们假设因此，经过多次比较校正后，流量没有统计学差异，但只能观察到一些趋势。具体而言，只有部分受试者的流速与呼吸同步，因此吸气与ijv、ICAs和颅脑脊液的增加相对应。对于其他受试者，观察到时间滞后，特别是对于脑脊液，因为流速不受特定呼吸阶段的同步影响。这可能使我们无法在吸气和呼气之间获得明显不同的音量;事实上，在PN呼吸和PD呼吸中，IJVs和ICAs在吸气和呼气之间只发现了不同的容积趋势，而在PN呼吸中，大多数受试者的呼吸和流速之间都有相同的排列。

优势和劣势

我们已经证实了Kollmeier等人最近的研究结果。[12]，在更大的受试者群体中:当强迫呼吸与自由呼吸比较时，IJVs流量降低，颈部IJVs和CSF流量的呼吸调节增加，心脏调节减少。与使用MRI进行类似测量的文献不同，我们还关注了颈动脉流量，显示在强制呼吸时血管收缩，ICAs流速下降。这可能是静脉自动调节减少的原因。通过对ICAs流量的调查也可以发现，在自由呼吸中，吸气时ICAs流量比呼气时有更高的趋势。

然而，我们的研究也有一定的局限性。作为MRI RT-PC研究的一般限制，只能在仰卧位上获得。然而，该体位值得研究，因为坐位时静脉流量从IJVs重新分配到椎静脉。第二，我们没有测量CO₂在不同类型的呼吸过程中，分压会发生变化，这有助于解释平均流速的变化。第三，我们分别获得了血液和脑脊液流量，因此我们无法研究它们在各种心跳和呼吸周期中的时间耦合。然而，通过两种不同的血管获取血液和脑脊液流量会降低时间分辨率。因此，对于血液和脑脊液流速，该实验选择允许比先前研究中使用的时间分辨率更高。在时间分辨率、信噪比和分割感兴趣的结构所需的良好面内分辨率之间取得平衡，导致切片厚度为8.6 mm。

我们的研究设计的另一个特点是，我们比较了不同的呼吸模式:我们要求受试者不仅在自由和强迫的条件下呼吸，而且在正常呼吸强度的节奏条件下呼吸。这使我们确认了强制呼吸增加了呼吸调节对流速的影响，也证明了呼吸的贡献可以通过有节奏的呼吸来增强。

我们报道了呼吸如何影响正常志愿者的动脉、静脉和脑脊液平均流速及其调节。与以往的研究不同，我们描述了功率谱正常值，详细说明了不同的心脏贡献^圣到3^{理查德·道金斯}人力资源谐波。我们计算了呼吸功率归一化后的1^圣将我们的结果与文献中使用的相同指标进行比较，但是我们也引入了各个频率范围内的归一化功率。这个介于0和1之间的指数表示在特定频率范围内振荡的贡献。

考虑到血流改变，脑脊液净体积或峰值速度在许多病理条件下被描述[21，43，44]，将目前的方案应用于临床研究可能会允许调查在心脏跳动和呼吸模式与正常值相比如何调节大脑的流量方面是否存在差异。目前的设置还可以研究呼吸操作是否会加剧脑脊液流量的改变，以及呼吸练习是否会使血液和脑脊液流量正常化。临床研究可考虑纳入文献中提出的其他脑脊液容量测量(前向、后向、净容量和脑卒中净容量)[31，45，在解释他们的结果时要注意。事实上，先前引用的容积测量是在传统PC-MRI获得的一个心脏周期中计算的，这需要多次心跳来重建一个心脏周期，而不考虑呼吸引起的潜在变化。

事实上，有人建议以恒定的速率强迫呼吸[46]作为一种临床非侵入性的测试大脑自身调节的方法，因为它在呼吸频率处产生正弦血压振荡，然后根据自身调节反应以不同的滞后传递到脑血流量。该研究还有许多可能的临床应用，例如研究呼吸类型对经脑脊液给药的影响[47，48]。通过RT- pc MRI进行连续血流量测量可以替代经颅多普勒测量脑血流量，用于监测RT中的Monro-Kellie学说，如[49，50使用超声波。修改RT- pc序列以同时获取血液和脑脊液流速，甚至可以加强RT体积平衡计算。

最后，该装置可用于研究血液和脑脊液循环是否在病理性呼吸模式中发生改变，例如在慢性阻塞性肺病患者中[51]，或阻塞性睡眠呼吸暂停[52]。

RT-PC MRI可以测量不同呼吸方式下脉动型动、静脉血流量和震荡型脑脊液流量，它们的相对振幅与呼吸方式有关。我们还在一组30名健康志愿者中证实，与自由呼吸相比，强迫呼吸时血流量减少。频谱分析表明，由于胸腔泵对流速的影响更大，PD呼吸比F呼吸和PN呼吸的呼吸调节更高。

我们发现在IJVs中吸气和流量增量之间，以及吸气和脑脊液流量之间存在不同程度的滞后。呼吸和流速之间的阶段的主体间可变性的原因值得进一步研究。

本研究中分析的数据集可应通讯作者的合理要求提供。

我们感谢Niels Bergsland博士(IRCCS基金会Don Carlo Gnocchi ONLUS，米兰，意大利，和布法罗大学布法罗神经成像分析中心，布法罗，布法罗，纽约州)的英文修订和Dejan Jakimovski(布法罗大学布法罗神经成像分析中心，布法罗，纽约州)在讨论我们的结果时提供的帮助。

这项工作得到了意大利卫生部(Ricerca Corrente项目)的支持。

作者及单位

1. IRCCS基金会Don Carlo Gnocchi，米兰，意大利

   玛丽亚·玛塞拉·拉加尼奥，索尼娅·迪·特拉，劳拉·佩利扎里，玛尔塔·卡佐利和弗朗西斯卡·巴格里奥

2. 意大利米兰圣心天主教大学心理学系

   索尼娅·迪·特拉

3. 迈阿密大学，美国迈阿密

   诺姆Alperin

4. MR研发合作，西门子医疗解决方案美国公司，克利夫兰，俄亥俄州，美国

   Ning金

5. 西门子医疗，意大利米兰

   多梅尼科Zaca

6. 米兰理工大学电子、信息与生物工程系，意大利米兰

   弗朗西斯卡·法拉利和朱塞佩·巴塞利

贡献

MML、GB、FB对设计工作做出了实质性贡献;MC获取MRI数据;MML分析数据;MML和SD进行统计学分析;MML起草了这份工作。所有作者都阅读并批准了最终的手稿。

相应的作者

对应到Maria Marcella laganom。

伦理批准并同意参与

本研究得到了IRCCS基金会Don Carlo Gnocchi ONLUS伦理委员会的批准，每位健康志愿者都签署了知情同意书。

发表同意书

不适用。

相互竞争的利益

D.Z.就职于意大利米兰的西门子医疗集团;n.j.就职于美国俄亥俄州克利夫兰市西门子医疗解决方案美国公司MR研发合作公司。

出版商的注意

beplay體育施普林格·自然对已出版的地图和机构关系中的管辖权要求保持中立。

开放获取本文遵循知识共享署名4.0国际许可协议，该协议允许以任何媒介或格式使用、共享、改编、分发和复制，只要您适当地注明原作者和来源，提供知识共享许可协议的链接，并注明是否进行了更改。本文中的图像或其他第三方材料包含在文章的知识共享许可协议中，除非在材料的署名中另有说明。如果材料未包含在文章的知识共享许可中，并且您的预期用途不被法律法规允许或超过允许的用途，您将需要直接获得版权所有者的许可。如欲查阅本许可证副本，请浏览http://creativecommons.org/licenses/by/4.0/。创作共用公共领域免责声明(http://creativecommons.org/publicdomain/zero/1.0/)适用于本文中提供的数据，除非在数据的信用额度中另有说明。

转载及权限