编辑推荐：
为解决内耳成像数据分析缺乏标准化、难以开展群体研究的问题，德国相关研究人员对比四种内耳成像数据配准方法。结果显示 TIE 和 3P 方法表现出色。该研究为内耳成像研究奠定基础，强烈推荐科研读者阅读。
在医学研究的广阔领域中，内耳成像数据的研究一直面临着诸多挑战。内耳的解剖结构可谓是 “变化多端”，即使在健康人群里，半规管（SCC）的直径和方向差异也很大，有时在同一个人身上都能有明显不同。而当疾病来袭，SCC、前庭导水管（VA）或耳蜗等部位都可能受到影响。但奇怪的是，虽然早就有人推测颞骨解剖结构会对前庭功能有影响，比如对冷热试验中眼球震颤强度的影响，以及对良性阵发性位置性眩晕（BPPV）治疗效果的影响，但到目前为止，还没有明确的证据表明骨迷路的解剖变异与外周前庭功能之间存在关联。这其中一个重要原因就是内耳成像数据分析缺乏标准化。
在自动内耳分割方面，虽然已经有很多基于 MRI 或 CT 扫描的方法被提出来了，这些方法在分割单个数据集时表现还不错，但是却没办法进行群体研究。要知道，进行群体研究就需要把多主体或多模态的数据配准到一个共同的空间，也就是共享坐标系。然而，目前这方面的研究还很欠缺。在神经影像学的其他领域，像蒙特利尔神经学研究所（MNI）定义的成像坐标系已经使用了几十年，这使得解剖结构能够与功能成像数据等精确共定位，推动了相关研究的发展。但在内耳研究中，还没有类似的成熟体系。
为了解决这些问题，德国慕尼黑大学附属医院神经内科等机构的研究人员在《Scientific Reports》期刊上发表了题为 “Spatial normalization of multi-subject inner ear imaging data: Comparison of geometry - preserving co - registration methods” 的论文。他们的研究表明，利用基于图谱的扩张内耳掩模的掩模辅助自动配准方法（TIE）和半手动地标法（3P）在多主体内耳成像数据的空间归一化方面表现出色，优于无辅助的自动配准方法，这为内耳成像数据分析和相关研究奠定了重要基础。
研究人员为了开展这项研究，使用了不少关键技术方法。首先，他们从 153 个内耳的高分辨率结构 T2 - MRI 数据入手，这些数据来自患者和健康参与者。在数据处理阶段，利用 ImageJ/FIJI 软件来选择和重新缩放包含左右内耳的感兴趣区域（ROI），并把左内耳数据进行镜像处理，使其方向与右内耳一致。然后，在 3D - Slicer 软件中进行配准操作，使用了两种自动配准工具 —— 高级归一化工具（ANTs）和 Elastix（EL），还有基于地标（3 个地标分别是耳蜗顶点、后半规管最外侧部分、上半规管最上部）的半手动配准方法以及利用体积扩张的基于图谱的掩模（TIE）的自动配准方法。配准完成后，由三位经验丰富的神经耳科医生对配准精度进行主观评分，还利用 ImageJ 中的插件进行共定位分析，并使用 JASP 软件进行统计分析。
下面来看看研究的具体结果：
- 研究对象基本信息：研究共纳入了 153 个内耳数据集，其中 107 个来自 54 名患有各种神经耳科疾病的患者，平均年龄 51.3±16.1 岁，29 名女性；46 个来自 23 名无前庭疾病病史的参与者，平均年龄 40.0±17.2 岁，13 名女性。而且，这些内耳数据集按患者性别划分后，平均年龄没有显著差异。
- 配准方法准确性评分：从主观评分来看，TIE 方法的平均评分为 2.21±1.15，3P 方法为 2.58±0.61，EL 方法为 3.42±1.06，ANTs 方法为 3.49±1.26。ANOVA 测试表明，配准方法对平均评分有显著影响。事后比较发现，无辅助的自动方法（ANTs、EL）与掩模辅助和基于地标的方法之间存在明显差异，TIE 和 3P 之间，TIE 的评分更优，而 ANTs 和 EL 之间没有显著差异。虽然三位评分者的平均分数有所不同，但他们都认为 TIE 方法最好，其次是 3P 方法，并且评分者之间的一致性很好。
- 配准不足情况统计：在所有配准结果中，半手动 3P 方法的配准不足率最低，为 3.70%，TIE 方法为 8.28%，EL 方法为 22.66%，ANTs 方法为 27.02%。这说明 3P 方法在避免配准不收敛方面表现最佳，TIE 方法次之。
- 性别对配准精度的影响：研究发现，参与者的性别对整体配准精度没有影响，而且在不同配准方法中也不存在性别特异性影响。这表明这些配准方法在不同性别群体中的表现是一致的，不会因为性别差异而产生偏差。
- 配准结果的可视化和量化分析：通过对群体中位数的视觉分析发现，TIE 方法和 3P 方法与图谱的重叠度最高，而无辅助的 EL 和 ANTs 方法无法清晰区分半规管与背景噪声。共定位分析显示，TIE 方法的相关系数（Spearman’s rho）最高，阈值化的 Mander - Splits 值也最高，并且简单线性回归模型显示 TIE 方法的拟合效果最理想。这一系列结果都表明 TIE 方法在配准准确性方面表现最为突出。
综合研究结果和讨论部分来看，这项研究意义重大。它证明了尽管内耳存在解剖变异，但对多主体内耳成像数据集进行自动化、快速的空间归一化是可行的。TIE 方法在自动算法中表现最优，无论是主观评分还是定量共定位指标都很出色；3P 方法虽然速度较慢，但评分也较高，且配准不足率最低。这些方法都比全脑配准更能清晰地定义群体内耳，为基于图谱的形态计量分析提供了可能。不过研究也存在一些局限性，比如主观评分的主观性问题、3P 方法地标选择的个体差异问题以及未纳入先天性内耳畸形患者等。但这并不影响其为内耳成像数据分析开辟新的道路。未来，随着技术的发展，自动地标选择等技术可能会进一步完善内耳成像研究。这项研究为内耳研究领域带来了新的希望，为后续更深入的研究奠定了坚实的基础，让我们离解开内耳奥秘又近了一步。
