基于超像素ComBat的无配对T1W MRI多中心协调方法及其在亨廷顿病中的应用

《NeuroImage: Reports》：Superpixel-ComBat multi-site harmonization of unpaired T1W MRI data in Huntington’s disease

　　

摘要 背景： 整合多中心磁共振成像（MRI）数据对于开展具有充分统计效力的神经影像学分析至关重要，尤其是在亨廷顿病（HD）研究中，需要大规模队列来探究疾病分期异质性及细微的进行性神经解剖学改变。然而，扫描仪相关变异阻碍了数据的直接整合，对体素形态测量（VBM）等图像层面方法造成混杂。超像素ComBat（SP-ComBat）是一种体素层面的图像协调框架，可有效去除扫描仪效应，但其依赖于跨中心采集的旅行者数据，而回顾性研究通常缺乏此类数据。本研究通过引入伪配对框架，利用各扫描仪人口学匹配的健康对照作为替代旅行者，将SP-ComBat扩展至无配对的 multicenter T1W MRI 数据。 方法： 在回顾性研究约束条件下开发了两条估计扫描仪效应的流程：流程1采用少量严格匹配的伪配对（n=4）并结合自助重采样（bootstrap resampling）以应对样本量有限的扫描仪；流程2则直接采用推荐数量的伪配对（n=16）而不进行重采样。伪配对图像被分割为三维超像素，并在每个簇内应用ComBat模型以估计扫描仪特异性校正参数，用于原生空间协调。流程性能在包含三个HD队列（HD-YAS、HD-CSF、TRACK-HD）六个扫描仪的代表性多研究数据集（RMD；N=144）中评估，并在完整多研究数据集（FMD；N=538）中进行了重复验证。 结果： 两条流程均改善了图像质量、对齐了扫描仪特异性强度分布，并保留了疾病相关的结构模式。流程2在参数重估计稳定性方面表现更优，因此被选用于FMD。协调消除了系统性分割错误，使跨扫描仪的统一VBM流程得以实现，并提高了对HD相关体素层面萎缩的检测灵敏度。 结论： SP-ComBat被有效改造用于无配对多中心结构MRI的协调，在降低扫描仪偏倚的同时保留了生物学变异性，并支持跨扫描仪的统一VBM分析。

论文解读：无配对多中心T1W MRI的SP-ComBat协调方法在亨廷顿病研究中的应用

一、研究背景与问题

大型神经影像学研究与临床试验日益依赖于跨中心整合结构磁共振成像（MRI）数据。然而，不同扫描仪在硬件设计、磁场强度、厂商实现及采集协议上的差异，会系统性地影响图像质量，产生噪声、对比度和信号不均匀性方面的变异。这些技术性偏倚不仅会干扰下游分析，还常常迫使研究者针对不同站点采用定制化的处理流程，从而损害研究的可比性与可重复性。这一问题在体素形态测量（VBM）中尤为突出——作为一种全脑影像分析方法，VBM依赖体素层面的强度模式来识别区域性结构差异，因此对扫描仪相关的信号不一致高度敏感。在亨廷顿病（HD）研究中，VBM已稳定地揭示了临床运动诊断（CMD）前数十年的纹状体灰质丢失及随疾病进展的白质丢失，但多中心数据的整合因扫描仪效应而受到严重制约。

统计协调方法通常实施于特征层面，如ComBat——一种最初为基因组学批次校正开发的经验贝叶斯方法，现广泛用于校正皮层厚度、区域体积或扩散张量指标等衍生测量值。然而，特征层面方法对每个特征仅估计一个位置和尺度项，无法捕捉特征内部（如区域体积或整幅图像）体素层面的扫描仪效应异质性。这一局限催生了图像层面协调技术的发展，直接修改体素强度以对齐不同扫描仪获取的结构MRI。Superpixel-ComBat（SP-ComBat）是其中一种代表性框架，它将ComBat建模与三维超像素分割相结合，在空间邻近与强度相似的体素簇内估计扫描仪特异性的加性（γ）和乘性（δ）效应，并将参数图投影回原生空间以完成协调。尽管SP-ComBat在改善跨扫描仪信号一致性和组织对比度方面效果显著，但其严重依赖旅行者数据——即同一受试者跨多个站点扫描——来估计扫描仪效应。推荐每台扫描仪需16–20名旅行者，这在回顾性研究中几乎不可得，尤其在HD这类罕见疾病中更为困难。

二、研究目的与设计

为解决上述数据缺口，研究人员开发了一种SP-ComBat的伪配对扩展方法，利用各扫描仪人口学匹配的健康对照作为替代旅行者，从而在无配对、回顾性收集的T1W MRI数据中实现图像层面协调。研究预设了两条流程：流程1使用少量严格匹配的伪配对（n=4）并结合25次自助重采样以增加有效样本量；流程2直接采用推荐数量的伪配对（n=16）而不进行重采样。两条流程均在代表性多研究数据集（RMD；N=144，包含HD-YAS、HD-CSF、TRACK-HD三个队列共六个扫描仪）中评估，较优者随后应用于完整多研究数据集（FMD；N=538）进行规模化验证。

三、主要关键技术方法

研究采用的核心技术方法包括：伪配对构建（从每台扫描仪选取原始质量控制评分为0的健康对照，按年龄最近邻匹配并按性别分层，使六幅图像可视为同一受试者在六台扫描仪上的扫描结果）；图像预处理（使用SPM12与CAT12进行尺寸重采样、偏置场校正、去噪、局部强度校正、全局强度归一化及MNI空间非线性配准）；三维超像素分割（采用简单线性迭代聚类算法，基于空间邻近性与强度相似性聚类体素，每簇至少27个体素以保证统计稳定性）；超像素内ComBat经验贝叶斯建模（估计扫描仪特异性加性和乘性效应，参数图经逆变形场映射回各受试者原生空间并施加线性强度校正）；以及统一的SPM12 VBM处理流程（组织分割、Shoot配准、调制及4mm半高全宽高斯平滑）。样本来源为三个回顾性队列：HD-YAS（单中心）、HD-CSF（单中心）和TRACK-HD（四中心），共六台3T扫描仪，均采用三维MPRAGE序列采集。

四、研究结果

4.1 无重采样的伪配对对照提供了更稳定的扫描仪效应估计

在RMD中，两条流程均满足质量控制标准，同等程度地降低了扫描仪相关效应并保留了生物学变异性。然而，在SP-ComBat参数重估计分析中，流程1仅部分衰减了加性效应且乘性效应不稳定，而流程2重估计的加性效应图趋近于零、乘性效应图在扫描仪间更均匀，表明扫描仪特异性信号被更彻底地去除。两项事后分析（流程2的自助重采样变体及独立的多站点收敛性分析）证实，重采样本身而非伪配对数量是导致残余扫描仪信号的原因。流程2因此被选定用于FMD协调。

4.2 无配对SP-ComBat改善了图像质量并去除了扫描仪间变异

在FMD中应用流程2后，定性视觉检查确认协调未改变解剖对齐或引入空间畸变，且协调后扫描的组织对比度更一致。定量指标显示：全脑、灰质、白质及脑脊液的信噪比（SNR）均显著增加（p<0.0001）；联合变异系数（CJV）整体显著下降，表明场不均匀性降低；全局对比噪声比（CNR）无显著变化但扫描仪间方差收窄。主成分分析（PCA）显示，协调前扫描仪身份主导了体素强度方差结构（PC1解释97.61%方差），协调后降至35.68%；概率密度图显示协调后各扫描仪信号强度分布趋于收敛。卷积神经网络（CNN）分类器对扫描仪身份的预测准确率在测试集中从0.741降至0.393，接近六台扫描仪的随机猜测基线（16.7%），证实扫描仪可辨识信号被有效衰减。

4.3 无配对SP-ComBat支持跨队列和扫描仪的统一VBM流程

当统一SPM12 VBM流程应用于未协调数据时，分割性能因扫描仪而异：HD-YAS扫描仪97%的扫描因系统性灰质错误分类和上皮质白质欠分割而评分超过3；HD-CSF有5%因相同系统性原因失败，另有17%因非系统性错误（主要为脑膜过度分割）失败；TRACK-HD各站点无系统性分割偏倚。SP-ComBat协调后，HD-YAS和HD-CSF的系统性错误被完全消除，系统性失败率降至零，非系统性错误在各扫描仪间以可比比例持续存在。体素层面比较显示，协调后组织概率图（TPM）在皮层和皮层下区域显著高于未协调数据，HD-YAS差异最大。体积分析显示，协调后多数扫描仪灰质体积增加（调整后均差=11.88 mL，p<0.0001）而白质体积减少（调整后均差=?17.62 mL，p<0.0001），方向与系统性分割错误的校正一致；协调前后体积一致性极佳（ICC>0.95），灰质方差无显著变化，白质方差在多数扫描仪中小幅但显著降低。

4.4 无配对SP-ComBat保留并增强了HD相关神经解剖差异的检测灵敏度

协调效应在三个疾病组（健康对照、CMD前、CMD后）中方向一致且幅度相近，表明无疾病特异性偏倚。协调后信号强度分布对齐程度在三个组间相当，CMD后组低强度端的较大变异性归因于晚期疾病特征性脑室扩大，协调前后均存在。体素层面疾病组比较显示，已知的HD灰白质萎缩模式在协调后被保留，且多个区域的空间范围和峰值T值高于未协调数据：在CMD前与健康对照的比较中，双侧纹状体萎缩（HD神经退行性变的经典早期标志）在协调后空间范围显著扩大（右侧壳核：未协调1489体素、峰值T=11.67；协调后3862体素、峰值T=14.51）。体积分析显示，协调前后疾病分期差异在统计上保持一致，协调后均数差异估计略为保守。

五、讨论与结论

讨论部分指出，伪配对扩展消除了SP-ComBat对旅行者数据的依赖，使回顾性多中心数据的图像层面协调成为可能。流程比较揭示了一个关键权衡：对少量严格匹配的伪配对进行自助重采样会放大参数估计的不确定性，而直接使用推荐样本量（n=16）即使匹配精度稍松也能获得更稳定的估计。协调的校正并非均匀施加于所有扫描仪，而是通过经验贝叶斯框架针对每台扫描仪自身的偏倚进行自适应调整，避免了统一校正可能导致的过度校正。图像层面的强度稳定直接转化为下游形态测量精度的提升：未协调数据若采用统一流程，仅有384幅灰质和414幅白质TPM通过严格QC；协调后分别增至505和536幅，恢复了79%的灰质扫描和98%的白质扫描，使异构多中心数据可作为单一大型队列处理。协调效应在疾病组间的一致性表明无疾病相关偏倚，而体素层面灵敏度的提升与体积估计的保守化之间的分离，可能反映了协调改善SNR后分割边界更清晰、体素分类更确定，从而在体素层面锐化局灶性生物学效应的检测。

研究局限性包括：伪配对方法依赖每台扫描仪足够数量的匹配对照，可能限制小样本扫描仪的适用性；五对伪配对的组内年龄差超过10年，年龄失配无法与真实扫描仪效应区分；缺乏真正的旅行者数据，无法对照正式金标准进行直接验证；协调默认将扫描仪对齐至共享池化空间而非固定参考扫描仪；当前实现基于横断面设计，需扩展至纵向设计；评估限于3T T1W MRI，需在其他场强和模态中验证泛化性。

结论： 无配对SP-ComBat为多中心神经影像数据的图像层面协调提供了可扩展的框架，尤其适用于前瞻性协调和旅行者采集不可行的罕见疾病。通过降低扫描仪相关偏倚同时保留解剖和生物学有效性，该方法实现了多扫描仪数据集的统一分析，并增强了对疾病相关神经退行性变的检测灵敏度。