基于扩散磁共振成像的脑结构相似性网络构建及其在神经微结构组织中的应用研究

这篇综述创新性地提出扩散相似性网络（DSN）方法，利用旋转不变球谐特征（RISH）从扩散磁共振成像（dMRI）数据构建个体化脑网络。相比传统形态相似性网络（MSN/MIND），DSN在层状结构、细胞构筑特征解析上表现更优，对年龄、认知和性别差异更敏感，且能直接扩展到非皮层区域。研究证实DSN与功能连接组（FC）、结构连接组（SC）及基因表达网络显著相关，其梯度特征与感觉-逃逸轴、多巴胺/谷氨酸受体分布等神经生物学标记高度吻合。

　　

1 引言

近年来，磁共振成像（MRI）分析技术的进步使得活体人脑相似性网络的个体化绘制成为可能。传统结构协变网络（SCN）虽能通过皮质厚度等指标构建群体水平的相似性网络，但缺乏个体特异性。形态相似性网络（MSN）通过标准化特征向量相关性实现个体化构建，却存在将丰富空间信息简化为单一统计量的局限。形态逆散度网络（MIND）虽在稳健性和细胞构筑一致性上有所突破，但其依赖结构MRI（sMRI）的特征仍存在两大固有缺陷：仅适用于皮层区域，且无法获取扩散MRI（dMRI）特有的微结构信息。

dMRI通过水分子扩散直接探测组织微结构，高分辨率离体研究已证实其能揭示皮层分层亚结构，并与细胞构筑标记物相关。基于此，本研究提出扩散相似性网络（DSN），采用旋转不变球谐（RISH）特征替代形态特征，通过体素级计算实现全脑区域覆盖。RISH特征通过球谐函数分解获取频域能量，具有噪声鲁棒性和采样方案普适性，已广泛应用于纤维取向估计等多场景。

2 材料与方法

2.1 DSN估计

DSN构建沿用MIND框架，核心改进在于：1）采用RISH特征替代形态特征；2）基于体素而非顶点进行统计计算。dMRI信号经球谐分解后，通过0-4阶偶次谐波能量构建特征向量，利用k近邻法估计对称KL散度计算区域间相似性。

2.2 数据集

研究使用人类连接组计划（HCP-YA）的962名健康青年数据，包含多壳dMRI（b=1000/2000/3000 s/mm²）和静息态fMRI。对比组包括MGH-USC超高b值数据集（b=1000-10000 s/mm²），验证方法普适性。

3 结果

3.1 网络特性

DSN展现出显著的双侧对称性，前2%强连接中跨半球连接占比高于功能网络（FC）。与MSN相比，DSN节点度分布更均匀，且单壳（b=1000 s/mm²）DSN仍保留多壳DSN主要优势。

3.2 可靠性验证

多壳DSN表现出优异的组间相关性（r=0.92）和组内相关系数（ICC=0.86）。单壳DSN虽性能略降，仍保持良好可靠性（ICC=0.83），显著优于MSN和FC。

3.3 生物学效度

在1-10%网络密度范围内，DSN同源连接占比（35-45%）和von Economo细胞构筑类内连接（25-35%）显著高于其他网络。其与感觉-关联轴（SA）、髓鞘化（T1w/T2w）、突触密度（SV2A）等微架构特征的相关性达统计学显著（p<0.05）。

3.4 梯度分析

DSN第一梯度呈现新皮层-古皮层-皮层下结构的层级拓扑，第二梯度与SA轴高度吻合（r=0.78），且与多巴胺受体密度（r=0.64）、葡萄糖代谢率（r=-0.61）、小胶质细胞标记（r=0.65）等神经生物学指标显著相关。

3.5 预测效能

在年龄/认知预测中，DSN边权重模型对晶体智力的解释方差（R²=0.32）显著优于MSN（R²=0.18）。节点中心性对流体智力的预测表现最佳（R²=0.41）。性别分类AUC达0.89，关键贡献区域为右侧顶枕叶，与已知视觉空间功能性别差异一致。

3.6 遗传度分析

DSN边权重遗传度（h²=0.68）显著高于MSN（h²=0.52），异模态联合区遗传度最高，感觉区最低。与结构连接（SC）不同，DSN连接强度与遗传度呈负相关（r=-0.11）。

4 讨论

DSN通过dMRI特有的微结构信息，突破了传统形态相似性网络在皮层外区域的应用限制。其与细胞构筑、分子标记的高度一致性，为理解脑结构-功能关系提供了新视角。临床级单壳协议的可行性验证（30方向，b=1000 s/mm²）表明该方法具备广泛推广潜力。未来可结合DTI/NODDI等多模态特征，构建更全面的相似性分析框架。

5 结论

作为首个基于dMRI的个体化相似性网络方法，DSN在神经发育、精神疾病等领域展现出重要应用价值。其兼容常规临床扫描协议的特性，为转化医学研究提供了高效工具。