基于新型方向滤波器的肿瘤患者皮质脊髓束(CST)重建追踪技术研究

针对肿瘤压迫导致的皮质脊髓束(CST)重建难题，研究人员创新性提出基于四阶微分方程方向滤波的追踪方法，结合深度学习与解剖先验信息生成ROIs和初始纤维方向。实验证实该方法显著提升有效连接率(valid connections)，减少断裂纤维(broken fibers)和短连接(short-connected fibers)，为神经外科术中CST功能保护提供精准导航工具。

　　

作为控制自主运动功能的核心神经通路，皮质脊髓束(Corticospinal Tract, CST)的术前精准重建对神经外科手术至关重要。弥散磁共振成像(diffusion MRI)虽是目前唯一无创重建CST的临床手段，但传统基于局部信息的追踪方法难以应对复杂扇形纤维(fanning fibers)结构，尤其在肿瘤占位效应(mass effect)和部分容积效应(partial volume effect)干扰下更易产生异常扩散信号。

研究团队独辟蹊径，开发出基于四阶微分方程的新型方向滤波器，通过最小化目标方向与初始纤维方向间的能量函数，融合空间一致性约束和解剖先验知识实现全局方向估计。该方法创新性地将深度学习生成的兴趣区域(ROIs)与纤维追踪模板先验信息结合，指导CST轨迹重建。实验数据表明，该技术不仅有效提升有效连接率，更显著降低断裂纤维发生率，其重建的CST纤维束在肿瘤干扰环境下仍保持优异的解剖连续性。这项突破为优化肿瘤切除边界、最大限度保留运动功能提供了革命性的术中导航新范式。