Новые методы в трактографии нейронных волокон с использованием передовых модальностей визуализации
Введение в трактографию нейронных волокон
Трактография нейронных волокон является одним из самых мощных инструментов в современной нейронауке, позволяя исследователям и клиницистам неинвазивно реконструировать пути белого вещества, которые формируют инфраструктуру связи мозга. В течение десятилетий диффузионная тензорная визуализация (ДТИ) служила для этой цели техникой рабочей лошадки, используя направленную диффузию молекул воды в аксональных пучках, чтобы вывести ориентацию волокон в каждом вокселе. В то время как ДТИ внес огромный вклад в наше понимание связи мозга и сыграл важную роль в клинических применениях, таких как хирургическое планирование и картирование поражений, его фундаментальные ограничения становятся все более очевидными.
Основной недостаток ДТИ заключается в его неспособности разрешать сложные волоконные архитектуры в пределах одного вокселя. В регионах, где несколько популяций волокна пересекаются, целуются или вентилируются, такие как корона радиата, центрум полуовале или понс, модель с одним тензором разрушается, давая неоднозначную информацию о ориентации и производя тракты, которые либо преждевременно заканчиваются, либо отклоняются от истинных анатомических путей. Кроме того, ДТИ измеряет только один диффузионный вес (b-значение), ограничивая его чувствительность к различным тканевым отсекам и микроструктурным особенностям. Эти ограничения привели к разработке передовых методов визуализации и аналитических рамок, которые выдвигают трактографию далеко за пределы того, что может достичь только ДТИ.
Основы расширенной диффузионной визуализации
Чтобы оценить новые методы, необходимо понять физические принципы, которые они используют. Диффузионно-взвешенная МРТ измеряет случайное броуновское движение молекул воды. В белом веществе этому движению препятствуют клеточные мембраны, миелиновые оболочки и внутриклеточные органеллы, заставляя воду более легко диффундировать по длинной оси аксонов, чем перпендикулярно им. Полученный диффузионный сигнал кодирует информацию о микроскопической геометрии нервной ткани. Передовые методы пробуют этот сигнал более экстенсивно и моделируют его более реалистично, позволяя реконструировать множественные волоконные ориентации на воксель, оценить плотность нейрита и дисперсию ориентации и интеграцию данных с несколькими оболочками, которые захватывают диффузию в нескольких пространственных масштабах.
Диффузионная визуализация с высоким угловым разрешением (HARDI)
HARDI представляет собой семейство стратегий приобретения, которые отбирают диффузионный сигнал на плотной сетке градиентных направлений, как правило, с одним b-значением, но с гораздо большим количеством направлений, чем DTI (например, 60-300 против 6-30). Путем переборки углового домена, HARDI предоставляет сырые данные, необходимые для реконструкции сложных распределений ориентации волокон (FOD), которые могут разрешать пересечения. Ключевые реализации включают в себя визуализацию q-ball (QBI), которая вычисляет FOD непосредственно из диффузионного сигнала на сферической оболочке, и диффузионную спектральную визуализацию (DSI), которая отбирает декартовую сетку в q-пространстве, а затем Фурье трансформирует для получения среднего распространителя ансамбля. В то время как DSI предлагает самую высокую точность для разрешения пересечений, она требует длительного времени приобретения и высоких амплитуд градиента, ограничивая его клиническое принятие. Q-ball визуализация обеспечивает более эффективную по времени альтернативу и широко используется в исследовательских условиях.
Многооболочная диффузия
Многооболочка изображения получает данные при двух или более b-значениях (например, b=1000, 2000, 3000 с/мм2). Каждое b-значение подчеркивает различные водные отсеки: низкие b-значения более чувствительны к быстрорассеивающей внеклеточной воде, умеренные b-значения выборки как внутри-, так и вне-аксоновых сигналов, а высокие b-значения преимущественно выделяют ограниченную диффузию внутри аксонов. Комбинирование оболочек позволяет продвинутым моделям распутывать эти отсеки и производить более точные оценки ориентации волокон и микроструктурных параметров. Многооболочка данных также улучшает прочность трактографии за счет снижения влияния эффектов частичного объема и за счет предоставления дополнительной информации, которая упорядочивает отслеживание волокон в сложных регионах.
Нейритовая ориентация дисперсии и плотности изображения (NODDI)
NODDI - это биофизическая модель, предназначенная для извлечения конкретных микроструктурных свойств: объемной фракции нейритов (комбинированных аксонов и дендритов), дисперсии ориентации этих нейритов и фракции изотропной свободной воды. Обычно требуется две оболочки - низкое b-значение (около 700 с / мм2) и высокое b-значение (около 2500 с / мм2) - наряду с изображением b = 0. Параметры NODDI коррелируют с миелинизацией, аксональной упаковкой и целостностью ткани, что делает его ценным инструментом для изучения развития, старения и нейродегенерации. Например, снижение индекса плотности нейрита (NDI) было сообщено при множественных поражениях склероза, в то время как повышенный индекс дисперсии ориентации (ODI) может отражать измененную дендритную арборизацию при шизофрении. Хотя NODDI изначально не был разработан для трактографии как таковой, карты дисперсии ориентации могут информировать вероятностные алгоритмы отслеживания и улучшать сегментацию тракта, выделяя области с низкой дисперсией (высоко ко
Инновации в реконструкции волоконной ориентации
При наличии усовершенствованных схем приобретения следующая задача заключается в точной оценке распределения ориентации волокон (FOD) по диффузионному сигналу. Эра однотензорной установки уступила место разнообразному набору методов реконструкции, каждый из которых имеет сильные и слабые стороны.
Сферическая деконволюция (CSD)
CSD является одним из наиболее широко используемых методов оценки FOD. Он предполагает, что диффузионный сигнал, измеренный в каждом вокселе, представляет собой свертку распределения ориентации волокна (неизвестного) с функцией ответа на одноволокно (ядро, оцененное из вокселей с высоко когерентным белым веществом, например, мозолистым телом). CSD затем деконвертирует сигнал для восстановления FOD. Реализации, такие как MRTrix «dwi2fod», позволяют использовать многоканальный многотканевый CSD, который учитывает различные типы тканей (белое вещество, серое вещество, CSF) и улучшает точность FOD в воксельах частичного объема. CSD разрешает углы пересечения до 30 °, что является резким улучшением по сравнению с пределом DTI ~ 90 °.
Обобщенная q-образная выборка (GQI)
GQI — ещё один метод реконструкции, который работает непосредственно на диффузионно-взвешенных сигналах без принятия модели. Он вычисляет количественную карту анизотропии (QA) путём отбора проб диффузионного сигнала по конкретным координатам q-пространства, а затем реконструирует распределение ориентации с помощью метода Фурье. GQI является вычислительно эффективным и интегрирован в популярные программные пакеты, такие как DSI Studio. Он обеспечивает надёжные FOD даже при умеренном количестве направлений градиента и может применяться к однооболочным или многооболочным данным.
Сферические Ридгелеты и Вавельеты
Эти математические преобразования предлагают скудное представление FOD, что уменьшает шумовые артефакты и улучшает угловое разрешение. Сферические методы на основе грейджлетов, такие как те, которые используются в пакете «MRtrix3», стали стандартом для CSD, потому что они сохраняют острые пучки волокон при подавлении ложных пиков в шумных данных. Подходы на основе вейвлетов также позволяют адаптивную регуляризацию, уравновешивая верность данным с гладкостью FOD.
Алгоритмы отслеживания: от упорядочения к глобальной оптимизации
Как только локальные волоконные ориентации известны, алгоритмы трактографии соединяют их в непрерывные волоконные трактаты.Существуют две широкие категории: детерминистская и вероятностная, с третьим возникающим классом глобальной трактографии.
Детерминистская трактография
Детерминированные алгоритмы распространяют обтекаемые линии, следуя максимальному направлению пика FOD на каждом шаге. Они быстры, воспроизводимы и обеспечивают единую оценку волоконных путей. Общие методы включают FACT (назначение волокна путем непрерывного отслеживания) и трилинейную интерполяцию пиков FOD. Однако детерминированное отслеживание чувствительно к шуму и может быть чрезмерно уверенным в неоднозначных областях, часто преждевременно заканчиваясь в областях с низкой анизотропией или высокой кривизной. Варианты, такие как iFOD1 (реализованный в MRTrix), используют амплитуду FOD для повышения стабильности.
Вероятностная трактография
Вероятностные алгоритмы моделируют неопределенность в ориентации волокон в каждом вокселе и генерируют распределение правдоподобных путей. На каждом этапе направление отслеживания отбирается из FOD, а не принимается в качестве максимального пика. Повторение процесса тысячи раз дает карту плотности тракта (например, количество обтекателей, проходящих через каждый воксель), которая может быть пороговой для создания карт подключения. Популярные реализации включают PNT (вероятностное отслеживание окрестностей) в MRTrix и модель с несколькими волокнами в Probtrackx FSL. Вероятностные методы менее склонны к преждевременному прекращению и могут выявить пути подключения, которые пропускают детерминированные методы, но они также производят много ложных обтекателей, которые требуют тщательной фильтрации.
Глобальная трактография
Глобальная трактография использует принципиально иной подход: вместо того, чтобы выращивать оптимизацию из семян, она оптимизирует глобальную конфигурацию сегментов волокна, чтобы лучше объяснить весь набор данных, взвешенных по диффузии. Этот метод, примером которого является метод «трактографии путем минимизации энергии» и отслеживание Гиббса в библиотеке «Dipy», позволяет избежать последовательного накопления ошибок местных методов и может создавать анатомически правдоподобные пути даже в очень сложных пересечениях волокон. Однако глобальная трактография является вычислительно интенсивной (часы до дней) и еще не достигла широкого клинического использования, хотя активное развитие продолжается.
Достижения в области обработки и визуализации данных
Предварительная обработка и коррекция артефактов
Надежная трактография зависит от чистых входных данных. Современные трубопроводы включают в себя несколько шагов коррекции: коррекция искажения вихря тока (используя обратные фазовые проблески кода или методы на основе моделей, такие как вихрь FSL), коррекция движения (через регистрацию объемов диффузии до ссылки b=0), коррекция искажения восприимчивости (используя карты полей или TOPUP) и удаление кольцевых смещений Гиббса. Неспособность выполнить эти поправки может ввести систематические смещения в оценках ориентации волокна, особенно в областях вблизи интерфейсов воздух-ткань (например, орбитофронтальная кора, временные полюса).
Фильтрация и сегментация фильтрации волокон
Сырые результаты трактографии содержат миллионы обтекателей, многие из которых анатомически неправдоподобны. Методы фильтрации улучшают специфичность, удаляя обтекатели, которые нарушают анатомические ограничения. Пороги длины отбрасывают тракты короче 20–30 мм (вероятно шум) или дольше, чем ожидалось для пучка. Ограничения закругления Устраняют тракторы, которые изгибаются более, чем, скажем, 60° на 1 мм шаг. Анатомически ограниченная трактография (ACT) интегрирует карту сегментации ткани, чтобы обеспечить начало и конец обтекателей в правдоподобных типах тканей (например, интерфейсы белого и серого вещества) и наказывает обтекатели, которые проходят через CSF или кость. Многоатласная маркировка использует регистрацию в атласе белого вещества (например,
Инструменты визуализации
Интерактивная 3D визуализация необходима для изучения сложной архитектуры полномозговых трактограмм. Инструменты, такие как MITK Diffusion, DSI Studio, TrackVis и MRtrix, обеспечивают рендеринг в реальном времени, обтекают окраску по направлению или скалярным картам (например, FA, MD) и сегментацию на основе ROI. Веб-зрители (например, BrainBrowser, Niivue позволяют обмениваться результатами трактографии между исследовательскими группами и с клиницистами. Платформы дополненной и виртуальной реальности также изучаются для улучшения пространственного понимания отношений трактов, особенно для предхирургического планирования.
Клинические и исследовательские применения
Предоперационное планирование
Диффузионная трактография в настоящее время является рутинным компонентом нейрохирургического планирования опухолей вблизи красноречивых трактов белого вещества (например, кортикоспинального тракта, дугообразного фасцикула, оптического излучения). Передовые методы повышают точность локализации тракта, особенно когда отек или массовый эффект искажает анатомию. Например, трактография на основе CSD может успешно очертить кортикоспинальный тракт даже тогда, когда его анизотропия уменьшается при инфильтрации опухоли, тогда как ДТИ часто терпит неудачу в таких случаях. Сочетание трактографии с интраоперационной электрической стимуляцией позволяет хирургам проверять и корректировать свои планы, снижая риск послеоперационного дефицита.
Нейродегенеративные заболевания
Трактография дает уникальную информацию о моделях разъединения, лежащих в основе болезни Альцгеймера, болезни Паркинсона, амиотрофического бокового склероза (ALS) и лобно-височной деменции. Было показано, что показатели, полученные из NODDI, такие как индекс плотности неврита, коррелируют с когнитивным снижением болезни Альцгеймера и обнаруживают предсимптомные изменения в носителях генетических мутаций (например, MAPT, GRN, C9orf72). Трактография с несколькими раковинами может выявить тонкие различия в специфичных для тракта диффузивности, которые предшествуют обычным выводам МРТ, что потенциально позволяет ранее диагностировать и контролировать лечение.
Развитие и психиатрическая неврология
Картирование развивающегося коннектома стало центральной целью педиатрической нейровизуализации. Продвинутая трактография позволяет исследователям изучать, как связи белого вещества созревают с младенчества до подросткового возраста. При расстройстве аутистического спектра исследования с использованием HARDI и вероятностной трактографии выявили измененную связь в мозолистом теле, незапятнанных фасцикулах и пучках туловища. Аналогично при шизофрении диффузионные аномалии в дугообразном фасцикуле и форниксе были связаны со слуховыми галлюцинациями и дефицитом памяти. Более высокое угловое разрешение современных методов снижает риск ложных групповых различий из-за неразрешенных пересечений волокон.
Коннектомика и проекты по картированию мозга
Крупномасштабные усилия, такие как проект Human Connectome Project (HCP) и BRAIN Initiative, полагаются на передовую трактографию для построения всеобъемлющих карт связи человеческого мозга. HCP использовал многооболочные диффузионные приобретения (b=1000, 2000, 3000) в сочетании с CSD и вероятностным отслеживанием для создания усредненной популяционной трактограммы с основными ассоциативными, комиссуральными и проекционными путями. Эти наборы данных служат справочными атласами для анализа на основе трактов и способствуют развитию новых методов трактографии, предоставляя высококачественные наземные истины для проверки.
Проверка и вызовы
Несмотря на значительный прогресс, трактография остается косвенным измерением нервной анатомии, и валидация является постоянной проблемой. Физические фантомы с известными волоконными геометриями (например, чашка волокон, MICCAI Diffusion Phantom) позволяют количественную оценку точности и точности. Ex vivo валидация с использованием гистологии, поляризованной световой визуализации (PLI) или серийная электронная микроскопия с блочной поверхностью обеспечивает золотой стандарт, но эти методы трудоемки и часто ограничены небольшими образцами ткани. Валидация in vivo валидация по своей сути трудна, хотя такие подходы, как сравнение результатов трактографии с эффектами стимуляции внутричерепной электроэнцефалографии (iEEG) или посмертное рассечение, предлагают некоторое подтверждение. Поле сходится на стандартизированных рамках оценки (например, Tractography Evaluation Challenge) для обеспечения того, чтобы новые методы тестировались на общих наборах данных и метриках.
Будущие направления
Мультимодальная интеграция
Сочетание диффузионной трактографии с данными из других методов визуализации обещает более полную картину связи мозга. Интеграция функциональной МРТ (fMRI) или магнитоэнцефалографии (MEG) может различать структурную и функциональную связь, помогая сделать вывод о направленности и динамике сети. Например, динамическое причинное моделирование данных fMRI может быть ограничено анатомическими связями, полученными из трактографии, улучшая правдоподобность эффективных моделей связи. Аналогичным образом, электроэнцефалография (EEG) источник визуализации может идентифицировать сетевые узлы, которые затем связаны волоконными путями.
Ультравысокопольная МРТ (7Т и далее)
Более высокая напряженность магнитного поля обеспечивает большее отношение сигнал-шум, что позволяет получить более высокое пространственное разрешение и более короткое время сканирования для диффузионной визуализации. При 7T размеры вокселей 1 мм изотропные или даже субмиллиметровые становятся осуществимыми, уменьшая эффекты частичного объема и улучшая способность разрешать небольшие пучки волокон, такие как нигростриатальные пути. Однако проблемы включают в себя увеличение артефактов восприимчивости, неоднородность поля B1 и специфические ограничения скорости поглощения (SAR). При тщательном проектировании последовательности и улучшении аппаратного обеспечения (например, параллельная передача), 7T трактография переходит от исследований к ранним клиническим применениям.
Интерактивная и в реальном времени трактография
Текущая обработка трактографии занимает от нескольких минут до нескольких часов, ограничивая ее использование в чувствительных ко времени настройках, таких как интраоперационное руководство. Новые методы для трактографии в реальном времени используют ускорение GPU и упрощенные алгоритмы реконструкции (например, трилинейная интерполяция предвычисленных FOD) для генерации трактограмм в секундах. Интерактивные инструменты позволяют хирургам размещать точки семени и сразу просматривать обновленные оптимизаторы во время планирования или даже во время самой процедуры. Эти возможности интегрируются в навигационные системы и имеют большой потенциал для улучшения хирургических результатов.
Персонализированная медицина и прогнозное моделирование
По мере того, как трактография становится более надежной, растет интерес к использованию отдельных коннектом для прогнозирования прогрессирования заболевания, ответа на лечение и хирургического риска. Модели машинного обучения, обученные функциям трактографии, были изучены для прогнозирования когнитивного снижения болезни Альцгеймера, исхода судорог после операции по эпилепсии и потенциала восстановления после инсульта. Регуляторные рамки начинают приспосабливаться к таким прогностическим инструментам, хотя широкое клиническое принятие потребует надежных стандартов воспроизводимости и крупномасштабных исследований валидации.
Стандартизация и воспроизводимость
Переменная результативность в результатах трактографии в пакетах программного обеспечения, протоколах приобретения и параметрах остается барьером для клинического принятия. Инициативы, такие как группы диффузионного исследования Международное общество магнитного резонанса в медицине (ISMRM) ] и рабочая группа по коннектомике SIMNIBS , разрабатывают руководящие принципы наилучшей практики. Инструменты с открытым исходным кодом, такие как MRtrix , Dipy и DSI Studio, стандартизируют методы реконструкции и отслеживания, а формат BIDS Diffusion Imaging облегчает обмен данными и метаанализ. Продолжающиеся усилия по гармонизации протоколов приобретения на сайтах (например, исследование HART-MCI
Таким образом, нейроволоконная трактография превратилась из относительно простой техники на основе ДТИ в сложную мультимодальную дисциплину визуализации. Расширенные стратегии приобретения - HARDI, мультикорпус, NODDI - в сочетании с мощными алгоритмами реконструкции (CSD, GQI, сферические грейджлеты) и надежными системами отслеживания (детерминистические, вероятностные, глобальные) теперь обеспечивают беспрецедентные детали в отношении архитектуры белого вещества. Эти методы уже трансформируют клиническое принятие решений в нейрохирургии и неврологии, позволяя фундаментальные открытия о развитии мозга, функции и болезни. Будущее обещает еще большую интеграцию с другими методами визуализации, возможностями в реальном времени и персонализированной интерпретацией, в конечном итоге приближая нас к полному отображению человеческого коннектома.