Diff5T：首个5.0 Tesla人脑扩散磁共振成像开源数据集——推动高场强dMRI技术发展与神经科学研究

本研究针对高场强扩散磁共振成像(dMRI)数据稀缺的现状，由中国科学院深圳先进技术研究院等团队联合发布全球首个5.0 Tesla人脑dMRI开源数据集Diff5T。该数据集包含50名健康志愿者的多壳层原始k空间数据及重建图像，通过优化梯度编码方案（b=1000/2000/3000 s/mm2）实现1.2 mm各向同性分辨率，为AI驱动的图像重建、微结构建模（DTI/NODDI）及纤维追踪研究提供关键基准。发表于《Scientific Data》的成果将加速高场dMRI技术发展。

　　

在神经科学研究领域，扩散磁共振成像(dMRI)犹如绘制大脑微观结构的"显微镜"，能通过水分子扩散特性揭示神经纤维的走向与组织特性。然而当前主流3.0T系统受限于信噪比(SNR)，7.0T又面临磁场不均匀等挑战，科研人员一直在寻找"黄金平衡点"。更棘手的是，大多数公开数据集仅提供重建后的图像，原始k空间数据的缺失严重制约了人工智能(AI)算法开发——就像试图改进相机画质却拿不到原始感光元件数据。

中国科学院深圳先进技术研究院劳特伯生物医学成像研究中心的Shanshan Wang团队联合国内多家机构，在《Scientific Data》发表了突破性解决方案Diff5T。这项研究构建了全球首个5.0 Tesla人脑dMRI综合数据集，包含50名18-38岁健康志愿者的多模态影像数据。5.0T磁场强度展现出独特优势：相比3.0T提升50%的SNR，又比7.0T更易控制图像伪影，就像在"湍急的河流"与"停滞的湖泊"间找到了理想的"流速"。

研究团队采用三大关键技术：首先，使用uMR Jupiter 5.0T扫描仪搭配48通道头线圈，通过多波段EPI序列（TR/TE=8277/67.9 ms）采集291个扩散梯度方向的k空间数据；其次，开发包含Nyquist伪影校正、slice-GRAPPA并行重建的离线处理流程；最后建立标准化预处理管道，整合topup形变校正、eddy电流补偿及NORDIC去噪算法。所有数据均通过严格的伦理审查（SIAT-IRB-230715-H0659），并采用DMRITool优化的球形编码方案保证梯度方向均匀性。

数据记录

数据集包含四类核心数据：原始k空间数据（.mat格式）、重建k空间、离线重建图像（NIfTI格式）及DICOM转NIfTI图像。结构数据包含0.5 mm各向同性T1w/T2w图像，扩散数据涵盖三个q空间壳层（b=1000/2000/3000 s/mm²），每个壳层含90个梯度方向及21个b0图像。

技术验证

重建图像与厂商DICOM转换数据的对比显示，离线重建虽SNR略低（约15%），但边缘清晰度提升显著，尤其在b=3000 s/mm²高扩散权重下。头部运动评估显示平均位移<0.6 mm，满足HCP标准。微结构建模结果验证了数据可靠性：DTI获得的FA图清晰显示胼胝体纤维（0.7±0.1），NODDI计算的神经突密度（V_ic）与尸检研究一致（0.4-0.6）。

方法验证

通过MSMT-CSD方法重建的纤维取向分布(FOD)成功识别视辐射交叉纤维，iFOD2算法生成的千万级流线完整呈现弓状束等主要白质通路。与3.0T数据相比，5.0T的FOD峰值锐度提升37%，证实其优越的角分辨率。

这项研究创建了首个支持"从k空间到脑连接组"全流程研究的5.0T基准数据集。其核心价值在于：① 填补5.0T dMRI数据空白，为场强优化提供实证依据；② 开放的k空间数据将革新AI重建算法开发范式；③ 多壳层设计支持从DTI到NODDI的跨模型验证。正如审稿人指出，Diff5T可能成为继HCP之后推动脑连接研究的关键基础设施。数据集已通过ScienceDB开放（DOI:10.57760/sciencedb.25122），配套代码涵盖FSL、MRtrix3等全部分析工具链。