脑解剖摄影测量技术：整合离体与在体多模态数据集研究人脑白质连接的新工具

《Nature Communications》：Brain dissection photogrammetry: a tool for studying human white matter connections integrating ex vivo and in vivo multimodal datasets

本研究针对白质连接研究中离体解剖与在体成像数据整合不足的难题，开发了BraDiPho（脑解剖摄影测量）开放资源。该资源提供高分辨率三维数字模型，实现了层-by-layer白质显微解剖与神经影像数据的直接对齐。通过八个大脑半球的案例研究，证实该框架支持超越传统并排比较的精确多模态分析，为白质连接研究提供了统一平台。

　　

人脑白质作为神经信号传递的关键通道，其结构特征直接影响认知功能与神经疾病的病理机制。尽管扩散磁共振成像（dMRI）纤维追踪技术和Klingler离体显微解剖术分别在在体连接组测绘和直接解剖验证方面取得进展，但两种技术的整合长期面临方法论挑战：纤维追踪虽能三维重建白质通路，却存在假阳性问题；而传统解剖仅能提供二维静态图像，难以与影像数据空间对齐。这种割裂状态限制了白质连接研究的精度与可及性。

为解决这一难题，由Laura Vavassori等来自意大利、加拿大、法国多家研究机构组成的团队在《Nature Communications》发表了题为“脑解剖摄影测量：整合离体与在体多模态数据集研究人脑白质连接的工具”的研究。团队开发了BraDiPho开放资源，通过高分辨率摄影测量技术将层-by-layer白质显微解剖转化为三维数字模型，并注册到放射学空间，首次实现了解剖与影像数据的动态整合。

关键技术方法包括：（1）对8个人类大脑半球进行层-by-layer Klingler显微解剖，每个标本获取7-12个解剖时相；（2）采用480张42兆像素照片 per epoch进行摄影测量三维重建；（3）通过迭代最近点算法将数字模型与离体T1-MRI空间对齐；（4）整合12个皮质分区图谱和2个纤维束图谱（HCP842、SCIL）；（5）开发在线配准工具支持用户自定义纤维追踪数据整合。

结果

多维数据整合框架

BraDiPho包含8个半球（4左/4右）的82个解剖时相三维模型，每个模型均配准至标本的T1-MRI空间。

资源提供手动勾画的脑回注释、样本纤维束重建，以及包括Brainnetome、Brodmann、Glasser等在内的12个皮质分区图谱，建立统一的多模态分析环境。

案例验证

案例1：白质分析中解剖与纤维追踪的整合

以角回（AG）与中额回（MFG）/上额回（SFG）连接为例，传统并排比较显示AG-SFG连接似乎一致，但BraDiPho直接整合揭示纤维束重建轨迹偏背侧、终止点偏后。

而对AG-MFG连接的分析显示，浅层解剖时相（epoch 05）暴露较短纤维，深层时相（epoch 06）揭示较长纤维，验证了Meynert提出的"短纤维走行更表浅"的白质组织原则。

案例2：用纤维束量化表征解剖

将SCIL图谱的弓状束（AF）映射到标本01的解剖模型纹理，通过计算对数符号距离发现epoch 07时纤维束与解剖平面重叠最佳（98.3%注释点距离<1mm）。该方法为纤维束重建的可靠性评估提供解剖学基础。

案例3：基于解剖注释的纤维束表征

利用标本特异性脑回注释对HCP842和SCIL图谱的AF、下额枕束（IFOF）进行皮质终止点分析。结果显示HCP842-AF前终止点主要分布于下额回（IFG），而SCIL-AF主要投射至中、下额回，提示不同图谱的解剖特异性差异。

案例4：多图谱框架的纤维束表征

将10个皮质分区图谱（包括经典细胞架构图和现代连接分区图）投射到解剖模型，显示连接分区图谱（如Brainnetome、Glasser）能更好捕捉纤维终止点异质性，为纤维束的生物学解释提供解剖背景。

结论与展望

BraDiPho通过创建高分辨率三维解剖模型与多模态数据整合框架，突破了传统白质研究的维度限制。其核心价值在于：①提升了解剖数据的可及性与可重用性；②通过空间对齐实现纤维束重建的解剖学验证；③支持双向信息融合（纤维束指导解剖探索/解剖特征约束纤维束解释）。未来通过整合离体扩散成像、偏振光成像等互补技术，可进一步深化对人脑白质架构的理解。该资源为神经外科规划、医学教育和连接组学研究提供了新的基础设施。

---

关键技术创新点总结

1. 1.1.
   首次实现层-by-layer白质显微解剖的全流程三维数字化
2. 2.2.
   建立解剖-影像数据空间配准的标准化流程
3. 3.3.
   开发支持自定义数据整合的在线分析平台
4. 4.4.
   通过多案例验证框架在纤维束验证、个体变异研究中的实用性