基于扩散磁共振成像的体素级脑图谱：内在特征空间维度及其在功能性磁共振成像中的应用

《IEEE Open Journal of Engineering in Medicine and Biology》：Voxel-Wise?Brain?Graphs?From?Diffusion?MRI: Intrinsic Eigenspace Dimensionality and Application to Functional MRI

本文提出基于扩散MRI的高分辨率脑图构建方法，通过DTI和ODF模型量化相邻体素间的纤维连接，验证了低频谱分量在功能MRI分析中的主导作用，并展示了跨个体脑图的一致性。摘要字数：110字。

　　近年来，神经科学研究中出现了一种新的趋势，即通过构建高分辨率的全脑体素级脑图，探索大脑结构与功能之间的关系。这种研究方法突破了传统基于脑图谱区域（即“节点”）的分析方式，而是将整个脑区的体素作为节点，通过高分辨率的图结构来研究和量化脑功能。这种方法不仅提升了对大脑结构和功能相互作用的理解，还为研究个体层面的脑功能提供了新的视角。本文提出了一种设计高分辨率、个体特异性脑图的方法，该方法将脑图视为脑功能研究的基础结构，并通过图信号处理技术来分析功能性磁共振成像（fMRI）数据。

### 研究目标与方法

传统的脑图主要基于大脑灰质区域的划分，而本文则引入了更为精细的体素级分析。在方法上，研究人员利用扩散磁共振成像（dMRI）数据中的扩散张量（DTI）和扩散方向分布函数（ODF）来量化相邻体素之间的连接强度。通过这种方式，构建的图结构能够反映大脑白质纤维的连接特性，从而为图信号处理提供更加精确的模型。研究团队还利用了人脑连接组计划（HCP）的数据，研究了这些图的拉普拉斯谱特性，并通过普罗克鲁斯特斯验证方案（Procrustes validation）评估了不同个体之间的图特征差异。

### 图的结构与特性

在图结构设计方面，研究人员考虑了不同的连接方式，包括3×3×3和5×5×5的邻域定义。其中，5×5×5的连接方式提供了更高的角分辨率，而3×3×3则在局部连接上更为集中。每种图结构都包含了基于扩散数据的连接权重，这些权重通过量化体素间的纤维一致性以及各体素的各向异性来确定。对于每个体素，研究人员使用了不同的指标，如分数各向异性（FA）和定量各向异性（QA），来计算其连接强度。这一设计不仅考虑了纤维方向的连贯性，还通过各向异性来区分不同的脑组织类型。

### 图的谱特性与功能信号处理

图的谱特性是其拉普拉斯矩阵的特征值和特征向量，这些特征值可以视为图的“频率”参数，反映了体素间信号的变异性。研究团队发现，图的特征值分布呈现出显著的分辨率差异，其中低频特征向量反映了更广泛的脑结构模式，而高频特征向量则更关注局部变化。通过对功能性磁共振成像数据的谱分析，研究人员展示了功能性活动主要集中在低频特征向量上，这表明大脑的功能活动在结构上具有高度的平滑性。此外，研究还通过计算特征向量的总变差（TV）和零交叉（zero-crossing）来评估其空间变异性，发现低频特征向量的空间变异性较低，而高频特征向量则表现出更强的局部性。

### 个体间差异与图的标准化

为了比较不同个体的图特征，研究团队采用了普罗克鲁斯特斯变换（Procrustes transformation）来对齐不同个体的特征向量。这一过程通过旋转、平移和反射来调整不同个体的特征向量，使得它们在空间上对齐。结果显示，经过普罗克鲁斯特斯变换后的特征向量在个体间具有更高的相似性，表明这些图能够有效捕捉个体间的结构差异。同时，研究团队还通过统计不同个体特征向量之间的余弦相似度，评估了图的标准化效果，发现特征向量的标准化能够显著减少个体间差异，使得图特征具有更好的可比性。

### fMRI数据的谱分析

通过对功能性磁共振成像数据的谱分析，研究团队进一步验证了图信号处理方法的有效性。他们发现，功能性磁共振成像数据的能量谱密度呈现出显著的幂律行为，其中低频特征向量占据了大部分的能量。这表明大脑的功能活动主要由低频图特征所主导，而高频图特征则贡献较少。此外，研究还对比了随机生成的图特征和白噪声信号，发现功能性磁共振成像数据与这些随机信号存在显著差异，进一步支持了图信号处理方法在分析脑功能方面的优势。

### 实际应用与未来研究方向

研究团队认为，这种体素级的脑图结构不仅能够帮助理解大脑的结构特性，还能为功能性脑活动的研究提供新的方法。例如，可以通过图信号处理技术来实现更精确的脑功能映射，以及更高效的信号处理算法。此外，这种图结构还可以用于研究大脑功能与结构之间的相互作用，如通过图的低频特征向量来分析大脑活动的分布特性，或者通过图的高频特征向量来研究局部功能连接。未来的研究可以进一步探索这些图在不同脑疾病中的应用，如阿尔茨海默病、帕金森病等，以及如何通过图信号处理技术来提高脑功能分析的准确性和效率。

### 总结

综上所述，本文通过构建高分辨率的体素级脑图，为研究大脑结构与功能之间的关系提供了新的方法和工具。这种方法不仅能够捕捉个体间的结构差异，还能通过图信号处理技术分析功能性脑活动。研究结果表明，功能性磁共振成像数据主要集中在图的低频特征向量上，这为未来研究大脑功能和结构之间的相互作用提供了重要的理论支持和实践基础。通过这种图结构，研究人员可以更深入地理解大脑的功能特性，并为脑科学研究开辟新的方向。