评估去噪技术对青光眼视束异常扩散MRI纤维束定量分析的影响

本研究针对扩散磁共振成像(dMRI)数据去噪技术如何影响青光眼视束(OT)纤维束定量分析的准确性这一关键问题，通过比较MPPCA和Patch2Self两种去噪方法对17名青光眼患者和30名健康对照者的视束微结构参数（FA、MD、ICVF和ODI）的影响，发现尽管去噪能改善图像信噪比(SNR)并降低体素模型拟合误差，但对鉴别青光眼相关白质改变和测量可重复性提升有限。该成果发表于《Scientific Reports》，为临床dMRI数据分析中去噪技术的应用价值提供了重要证据。

　　

视觉是人类感知世界的重要途径，而青光眼作为导致不可逆视力丧失的主要病因，其对视网膜神经节细胞及其轴突构成的视束(OT)的损害机制亟待阐明。扩散磁共振成像(dMRI)纤维束定量分析(Tractometry)虽能无创评估白质微结构异常，但测量噪声常影响数据质量。尽管已有多种去噪算法问世，这些技术是否真正提升疾病相关白质变化的检测灵敏度仍存争议。

日本生理学研究所感觉与认知脑图谱研究部的Daiki Taguma团队联合顺天堂大学医学院眼科，在《Scientific Reports》发表的研究中，系统评估了MPPCA（基于马尔琴科-帕斯图尔分布的PCA去噪）和Patch2Self（自监督学习去噪）对青光眼视束定量分析的影响。研究通过对比去噪前后dMRI数据的图像质量、模型拟合误差、疾病鉴别能力及测量可重复性，发现去噪技术虽能提升表观信噪比（SNR提升1.87倍，BF₁₀>100）并显著降低DTI模型的均方根误差（RMSE降低5.42-6.82，P<0.001），但未能显著增强青光眼患者与对照组的视束微结构差异检测（如ICVF的组间差异效应量d仅从1.43降至1.17），也未改善扫描间可重复性（FA相关性R=0.93→0.87）。

关键技术方法包括：1）使用3T MAGNETOM Trio采集多b值dMRI数据（b=700/2000 s/mm²）；2）应用TOPUP和EDDY进行畸变校正；3）基于ConTrack概率纤维追踪定位视束；4）采用AFQ工具箱计算80个节点的纤维束参数剖面；5）通过视觉野测试（HFA 24-2/30-2 SITA标准）验证临床相关性。

主要结果

1. 图像质量改善：去噪后白质-灰质对比度增强，小脑褶皱结构更清晰。Patch2Self较MPPCA去除更多高对比信息，如图2所示：

   

2. 模型拟合优化：两种去噪均显著降低DTI的RMSE（MPPCA：t₄₆=37.18；Patch2Self：t₄₆=46.74）和NODDI的Rician对数似然（Δlog L=9.16），但参数图视觉差异较小（图3）：

   

3. 疾病鉴别局限：去噪未显著提升青光眼组鉴别效能（线性判别分析误分类率仅从13%降至11%，P>0.5），且Patch2Self导致FA系统性降低（Δ=-0.72，P=0.009）。

4. 可重复性未提升：相位编码方向相反的两次扫描间相关性在去噪后无改善（ICVF相关性R=0.87→0.85）。

这项研究首次证实，当前去噪技术虽能优化dMRI数据质量指标，但在纤维束定量分析框架中，其对疾病相关白质变化的检测增益有限。这一发现对临床研究具有重要指导意义：1）提示单纯依赖去噪未必能提升青光眼等疾病的影像学生物标志物敏感性；2）强调需开发更契合微结构变化检测的新型去噪算法；3）为dMRI分析流程标准化提供实证依据。未来研究可探索去噪技术与其他高级模型（如SANDI）的协同效应，或针对交叉纤维区域验证其价值。