揭秘海马体及其亚区体积特征：VolBrain/HIPS 助力解锁神经疾病诊疗新视角

在神经解剖研究中，VolBrain 等数字分割法虽常用，但种族及人群特异性差异不明。研究人员纳入 138 名健康个体 MRI 数据，利用 VolBrain–HIPS 进行自动分割研究。结果显示分析 VolBrain 数据应考虑海马体调整体积信息，该研究为神经疾病诊疗提供新依据。

　　在文献中，研究常利用像 VolBrain 这样的数字分割方法，以辅助对解剖结构的理解。然而，种族和特定人群的差异尚不清楚，而这些差异对于临床解释可能至关重要。研究纳入了 138 名健康个体（66 名女性，72 名男性）的磁共振成像（MRI）数据。优先采用 VolBrain-HIPS 流程进行自动分割，并采用替代方法，包括利用海马总体积来调整体积数据。不对称指数被用作衡量不对称程度的指标，且负的不对称指数数据被转化为正值。不仅对海马数据的绝对测量值，还对调整后的体积数据进行了性别和左右侧比较，同时开展了不对称程度的比较以及基于年龄和性别的回归建模。在分析 VolBrain 数据并做出临床或解剖学决策时，还应考虑海马体调整后的体积信息。VolBrain 生成的不对称数据应被视为具有右侧或左侧优势海马体或海马体亚区个体的不对称程度量表。引入了替代的显著回归模型，以观察海马体亚区的体积数值构成如何随年龄变化。