老年脑模板的开发与验证：与MNI152的全面比较及其在年龄特异性神经影像分析中的意义

为解决MNI152年轻成人脑模板难以准确表征老年脑形态变化的问题，研究人员开展了一项老年脑模板（Elderly template）的开发与验证研究。该研究基于90名OASIS-1老年参与者，采用AI预处理和人口统计学匹配策略构建模板，并在282名IXI数据集参与者中验证其性能。结果显示，与MNI152相比，Elderly模板在60岁以上人群中表现出更高的空间标准化精度，尤其在脑脊液（CSF）和尾状核、丘脑等区域Dice系数显著改善（β33 ≈ 0.0285–0.0381, p < 0.001），交叉年龄约68.5岁。该模板提升了老年脑形态分析和神经退行性疾病研究的准确性，具有重要临床应用潜力。

　　

随着人口老龄化加剧，精准评估老年脑形态变化对神经退行性疾病研究和临床诊断至关重要。目前广泛使用的蒙特利尔神经科学研究所152（MNI152）脑模板基于20-30岁年轻成人构建，可能无法准确反映老年人特有的脑萎缩和脑室扩大等形态改变，导致在老年人群的神经影像分析中出现配准误差。尽管已有一些年龄特异性模板被提出，但针对老年人群的全面验证仍显不足。传统颅骨剥离和组织分割方法基于“平均脑形态”假设，在偏离平均值的老年脑中准确性下降，这进一步凸显了开发专用老年脑模板的必要性。

为此，研究人员在《NeuroImage》上发表了一项研究，旨在开发并验证一个新的老年脑模板（Elderly template），以更准确地表征老年脑形态，并提升年龄特异性神经影像分析的精度。该研究利用90名来自OASIS-1数据集的老年人磁共振成像（MRI）数据，匹配2020年日本人口普查的年龄和性别分布，采用人工智能（AI）预处理方法构建模板，并在独立的IXI数据集（282名20-84岁参与者）中与MNI152模板进行多角度比较。

研究采用了几项关键技术方法：首先，使用Advanced Normalization Tools（ANTs）的Symmetric Normalization（SyN）方法进行模板构建，并采用“无模板”策略；其次，应用N4偏置场校正、强度归一化、HD-BET颅骨剥离和BM4D去噪等预处理步骤；第三，利用mri_synthseg进行自动组织分割（如白质WM、灰质GM、脑脊液CSF和7个皮层下区域）；最后，通过交叉相关（CC）、均方误差（MSE）、三维结构相似性指数（3D-SSIM）和Dice系数等指标评估空间标准化精度。统计分析采用广义线性模型检验年龄与模板的交互效应（β₃₃）。

3.1. 模板构建的收敛性评估和变换精度

经过20次更新后，老年脑模板表现出高度一致性，CC为0.9950 ± 0.0010，MSE为0.0050 ± 0.0040，3D-SSIM为0.9670 ± 0.017，表明模板构建稳定收敛。

3.2. 全脑水平（3D-SSIM、CC和MSE）

分析显示，年龄与模板之间存在显著交互效应：CC（β₃₃ = +0.0113, p < 0.001）、MSE（β₃₃ = -0.0070, p < 0.001）和3D-SSIM（β₃₃ = +0.0029, p < 0.001）。这表明随年龄增长，老年模板在全脑相似性方面优于MNI152。

3.3. 组织类别Dice（WM、GM和CSF）

WM和GM的交互效应较小（β₃₃ ≈ 0.002），而CSF表现出最大的交互效应（β₃₃ = +0.0285, p < 0.001），交叉年龄约为36岁。60岁后，老年模板的CSF Dice值显著高于MNI152，差距达0.07，反映了老年模板在脑室对齐方面的优势。

3.4. 皮层下区域（Dice系数）

7个皮层下区域的Dice分析显示，尾状核（β₃₃ = +0.0381）、丘脑（β₃₃ = +0.0252）、海马（β₃₃ = +0.0124）和杏仁核（β₃₃ = +0.0098）均有显著交互效应，交叉年龄在58-80岁之间。而脑干、苍白球和壳核的交互效应较小（β₃₃ < 0.005），表明这些区域在模板间差异不大。

研究结论表明，新开发的老年脑模板能更准确地反映老年脑的形态变化，尤其在60岁以上人群中显著提升空间标准化精度。与MNI152相比，老年模板在CSF和特定皮层下区域（如尾状核、丘脑）的配准效果更好，减少了因脑萎缩和脑室扩大引起的误差。该模板不仅改善了年龄特异性脑形态分析的准确性，还为神经退行性疾病（如阿尔茨海默病）和脑卒中研究提供了更可靠的影像学工具。此外，通过匹配人口统计学特征和采用先进AI预处理方法，该模板具有较高的临床适用性和推广潜力。未来工作可进一步扩展至更多样化的人群和病理队列，以验证其广泛适用性。