扩散磁共振成像（dMRI）图像对比度优化：小脑结构分割的新策略及其在神经解剖学研究中的应用

这篇研究系统评估了多种扩散磁共振成像（dMRI）衍生对比度对小脑结构分割的性能，提出球形平均图像（spherical mean, SM）——尤其是b=1000 s/mm2壳层数据（SM1k）——在深度学习模型中表现最优，显著优于传统微结构对比度（如DTI/DKI）。研究为规避多模态配准误差、提升白质纤维追踪（tractography）的解剖学特异性提供了新思路。

　　

摘要

小脑结构的精细分割是神经解剖学分析和白质纤维追踪的关键步骤。传统方法依赖结构磁共振成像（sMRI，如T1w），但结构-扩散配准误差可能影响连接分析的准确性。本研究通过深度学习模型评估dMRI衍生对比度（包括球形平均、b0图像、DTI/DKI参数图）对小脑分割的效能，发现b=1000 s/mm²壳层的球形平均（SM1k）在多项指标中表现稳定且显著优于传统微结构对比度。

1 引言

小脑作为大脑重要组成部分，其复杂解剖结构（如10个小叶和深部核团）的精准分割面临三大挑战：成像视野限制、体积小（占脑重量10%）、皮质褶皱复杂。现有方法多基于sMRI，但配准至dMRI数据时易因失真和分辨率差异引入误差。直接基于dMRI的分割可规避配准问题，但不同对比度的性能差异尚未系统评估。

2 材料与方法

数据与模型：采用HCP-YA数据集（100名健康成人），使用SegResNet架构（BraTS 2021优胜模型）进行3D分割训练。标签由SUIT工具箱基于T1w生成，涵盖34个小脑区域（核团和小叶）。

对比度设计：

• 原始DWI：b0、多/单壳层球形平均（SM/SM1k/SM2k/SM3k）

• 模型参数：DTI（FA/MD/RD/特征值）、DKI（AK/MK/RK）

• 基准对比：T1w

实验设计：

1. 对比度性能对比：五折交叉验证评估各对比度

2. 梯度方向泛化性：测试20/30/60方向子集的SM/SM1k表现

评估指标：DSC（重叠）、HD95/MSD/CMD（边界）、VS（体积相似性）、LDR（标签检出率）

3 结果

关键发现：

• SM1k全面领先：DSC均值0.844（vs. T1w 0.822），尤其对快速核（fastigial）分割提升显著（DSC 0.70 vs. T1w 0.567）

• 边界精度：SM/SM1k的HD95（1.44 mm）和CMD（0.77 mm）最优，误差集中于体积较大的crus区域

• 方向鲁棒性：SM1k在20方向时性能下降<1%，显著优于SM（p<0.05）

对比度排名：SM1k > SM > MK > SM2k > SM3k > FA > b0，特征值图（E1/E2/E3）表现最差。

4 讨论

技术优势：

• 球形平均的物理意义：对梯度方向平均可抑制噪声，突出组织对比（如深部核团在SM1k呈显著低信号）

• 临床适用性：SM1k兼容临床常用b=1000 s/mm²协议，且对低方向数（≥20）数据稳健

局限与展望：

• 未来可融合多对比度或引入纤维取向分布（FOD）特征

• 需验证在更高分辨率（如7T）或病理数据（如小脑萎缩）中的表现

5 结论

球形平均对比度（尤其SM1k）为小脑分割提供了稳定高效的dMRI解决方案，有望提升后续纤维追踪的解剖学准确性。这一发现对回顾性临床数据分析及神经科学研究具有重要应用价值。