编辑推荐：
为解决现有离体 MRI 数据集多为单模态且缺乏种族多样性的问题，浙江大学研究人员构建了包含 6 例中国离体人脑的多模态 MRI 数据库，含结构 MRI、HARDI 等，生成群体平均模板与分割标签，填补亚洲脑样本空白。
大脑是人体最复杂的器官，其精细结构与功能的解析一直是生命科学和医学领域的难题。活体 MRI 虽能无创成像，但受空间分辨率限制（通常 > 1 毫米），难以区分皮层分层（约 0.2-0.8 毫米）或海马亚区（如齿状回颗粒层仅 0.2 毫米厚）等微观结构。现有离体 MRI 数据集多为单模态，且缺乏亚洲人群样本，无法满足不同种族脑结构差异研究的需求。在此背景下，浙江大学的研究人员开展了相关研究，其成果发表在《Scientific Data》上，为脑科学研究提供了重要的数据支撑。
为填补这一研究空白，浙江大学医学院附属第二医院、浙江大学生物医学工程与仪器科学学院等机构的研究团队，收集了 6 例无已知神经疾病的中国离体人脑半球标本（4 男 2 女，年龄 48-69 岁），利用 7 Tesla MRI 扫描仪进行多模态成像，构建了高分辨率多参数离体人脑 MRI 数据库。
研究采用的关键技术方法包括：样本制备方面，标本经 6% 多聚甲醛固定 28 天，用 3D 打印容器固定并通过负压去除气泡；成像技术涵盖 3D T2 加权成像（T2w）、高角分辨率扩散成像（HARDI）、定量 T1/T2 mapping 及定量磁化率成像（QSM），扫描参数见表 2；数据处理上，利用 MRtrix 3 和 STISuite 软件进行扩散张量成像（DTI）、扩散基谱成像（DBSI）等分析，并通过迭代配准生成群体平均模板。
多模态数据与模板构建
研究获取了多模态原始数据，包括 T2w 图像、HARDI 数据（60 个扩散方向，b=6000 s/mm2）以及 T1、T2、QSM 定量图。通过 6 个半球的迭代配准，生成了群体平均多模态模板，该模板经 20 次迭代优化，结合 ANTs 软件的对称微分同胚配准算法，确保了不同模态图像的精准对齐。此外，利用 nnU-net 神经网络自动分割灰白质，并手动标注海马亚区等结构，为后续分析提供了标准化标签。
纤维束追踪与空间分辨率评估
基于 HARDI 数据，通过约束球形反卷积（CSD）生成纤维方向分布函数（FOD），并利用 iFOD2 算法进行纤维束追踪，成功可视化胼胝体、下纵束（ILF）等白质结构。低分辨率数据（1.05-2 毫米）会导致纤维追踪假阳性结果，而高分辨率（0.8 毫米）数据能准确反映真实解剖结构，验证了高分辨率成像在纤维追踪中的必要性。
模板介导配准与跨模态关联
对比直接配准与离体模板介导配准发现，后者在将离体数据配准至标准 MNI 空间时，脑室、皮层等结构的形变更小，骰子系数（Dice coefficient）从 0.6644 提升至 0.7450，表明模板介导配准可显著提高跨模态配准精度。此外，离体 MRI 与组织学染色的关联分析显示，QSM 可检测铁沉积和髓鞘含量，为神经退行性疾病（如阿尔茨海默病、多发性硬化）的病理机制研究提供了桥梁。
多模态量化与种族差异
量化分析显示，离体标本的 T1、T2、T2 * 弛豫时间及扩散系数普遍低于活体数据，但丘脑的磁化率和弛豫时间无显著降低。与非亚洲人群数据库相比，该研究首次提供了中国人群的离体脑多模态参数，如胼胝体的分数各向异性（FA=0.39）、海马的纤维密度（FD=0.89）等，为揭示种族间脑结构差异奠定了基础。
研究结论与意义
本研究构建的 7 Tesla 离体人脑多模态 MRI 数据库，首次整合了结构、扩散和定量磁化率等多模态数据，填补了亚洲人群样本的空白。通过高分辨率成像和群体模板构建，为皮层分层、海马亚区等微观结构研究提供了关键工具，同时为跨物种脑图谱构建和神经疾病病理机制研究（如铁代谢异常、白质连接改变）开辟了新途径。该数据库的公开共享（figshare 平台）将推动全球脑科学研究的种族多样性和精准性，尤其在阿尔茨海默病等神经退行性疾病的早期诊断和病理机制解析中具有重要应用价值。
