编辑推荐：
为解决现有 7T 以上超高场（UHF）磁共振成像（MRI）数据缺乏有效分析算法及高质量公开数据库的问题，研究人员开展了 UltraCortex 库相关研究。他们收集 86 例 9.4T 的人脑结构 MR 图像并对 12 例进行手动分割，为 UHF-MRI 数据分析算法开发与验证提供基础，推动神经影像研究发展。
在神经科学研究领域，大脑一直是科学家们探索的核心奥秘。磁共振成像（Magnetic Resonance Imaging，MRI）技术的出现，为人们深入了解大脑结构和功能提供了有力工具。然而，随着研究的不断深入，现有技术的局限性逐渐凸显。目前，常见的 MRI 场强多为 3T 或 1.5T，虽然能满足一定的研究需求，但在超高分辨率成像方面却存在诸多挑战。7T 以上超高场（Ultra-High Field，UHF）MRI 虽具有更高的分辨率和信噪比，能更好地显示大脑细微结构和病变，但相关的高质量公开数据库却极为匮乏。同时，现有的数据分析算法大多是针对低场强数据设计和优化的，应用于 UHF-MRI 数据时，往往因下采样而损失其优势，导致 UHF-MRI 数据的详细信息无法充分利用。这一系列问题严重制约了神经影像研究的进一步发展，亟待解决。
为了突破这些困境，来自德国马克斯?普朗克生物控制论研究所（Max Planck Institute for Biological Cybernetics）、图宾根大学医院（University Hospital Tübingen）等机构的研究人员开展了一项重要研究。他们建立了 UltraCortex 库，旨在为 UHF-MRI 数据分析提供高质量的数据支持和验证标准，推动相关算法的开发和验证。
研究人员用到的主要关键技术方法包括：利用 9.4T 全身 MRI 扫描仪（Siemens Healthineers）采集数据，采用磁化准备快速采集梯度回波（MP-RAGE）和改良的 MP-RAGE（MP2RAGE）序列获取大脑结构像；对采集的数据进行处理，将 MP2RAGE 扫描生成的不同体积图像进行处理，去除背景噪声，转换文件格式并匿名化；挑选 12 例高质量扫描图像进行手动分割，利用 FreeSurfer 初步处理，再经专家手动校正和验证。
研究结果如下：
- 数据采集：从 78 名健康成年志愿者中收集了 86 例 T1加权结构脑 MR 图像，志愿者年龄在 20.0 - 53.0 岁之间，涵盖不同年龄段。通过特定的 MRI 扫描仪和序列采集数据，获得了不同分辨率（0.6 - 0.8mm）的图像，其中 MP-RAGE 序列采集 18 例，MP2RAGE 序列采集 68 例。
- 数据处理与分割：对 MP2RAGE 图像进行处理生成多种体积图像，并转换格式、匿名化。对 12 例图像进行手动分割，分割过程包括利用 FreeSurfer 初步生成替代分割结果，再经过迭代手动校正和专家审查，最终由两位神经放射科专家独立验证，确保分割的准确性和可靠性。
- 数据记录与技术验证：数据集通过 OpenNeuro 和项目页面永久公开访问，采用符合 Brain Imaging Data Structure（BIDS）的格式存储。对图像进行技术验证，评估运动伪影、信噪比（Signal-to-Noise Ratio，SNR）、联合变异系数（Coefficient of Joint Variation，CJV）和对比度噪声比（Contrast to Noise Ratio，CNR）等指标。结果显示，平均 EFC 为 0.537 ± 0.057，平均 SNRm为 0.446 + 0.053，CNR 为 0.879 ± 0.390，CJV 为 1.683 ± 1.824。
研究结论和讨论部分指出，UltraCortex 库的建立具有重要意义。它为 UHF-MRI 数据分析算法的开发和验证提供了基础，有助于开发适用于不同场强和分辨率的新算法，同时也可用于验证和评估现有算法。此外，该数据集还可用于图像去噪、伪影去除、图像质量增强和超分辨率等研究，以及教育领域，帮助人们更好地了解大脑结构。这一研究成果发表在《Scientific Data》上，为神经影像研究领域提供了宝贵的资源和新的研究方向，有望推动该领域取得更多突破，进一步加深人们对大脑结构和功能的理解，为相关疾病的诊断和治疗提供更有力的支持。
