《Frontiers in Neuroimaging》：A rapid streamline-based extension of Tractfinder for white matter tract segmentation
编辑推荐：
准确勾画白质纤维束对于儿童脑肿瘤患者的术前评估至关重要，其中保护功能通路直接影响手术规划和功能结局。Tractfinder是近期引入的一种用于肿瘤患者白质纤维束自动分割的方法，但其基于体素的（掩膜）输出限制了与基于流线的纤维追踪工具、可视化工作流及下游分析框架
准确勾画白质纤维束对于儿童脑肿瘤患者的术前评估至关重要，其中保护功能通路直接影响手术规划和功能结局。Tractfinder是近期引入的一种用于肿瘤患者白质纤维束自动分割的方法，但其基于体素的（掩膜）输出限制了与基于流线的纤维追踪工具、可视化工作流及下游分析框架的兼容性。本研究中研究人员引入Tractfinder约束纤维追踪（TcT），这是一种基于流线的扩展，将概率纤维追踪约束于Tractfinder产生的概率图，生成流线表示，同时保留了使Tractfinder具有临床吸引力的速度和自动化特性。研究人员在10例幕上肿瘤术前儿童患者中评估了TcT，针对三条临床相关纤维束——皮质脊髓束（CST）、弓状束（AF）和视辐射（OR）。使用束邻接性（BA）评估TcT与传统纤维追踪之间的空间一致性。所有三条纤维束的平均BA评分范围为2.1至2.6 mm，优于已发表的常规概率纤维追踪方案间基准（4.3 mm），并接近方案内变异性。TcT流程完全自动化，无需手动放置感兴趣区，每名受试者完成时间约为5–15分钟，而传统纤维追踪需要1–2小时。这些结果表明，TcT生成的基于流线的纤维束分割与传统纤维追踪具有较好的空间一致性，同时显著减少了处理时间和操作者负担。
**论文解读：基于流线的Tractfinder扩展（TcT）用于白质纤维束分割——自动化、高效且兼容性强的临床工具**
**研究背景与问题**
白质纤维束的精准勾画在脑肿瘤患者术前评估中具有关键作用，其直接关系到手术规划中功能通路的保护及术后功能结局。传统上，纤维追踪技术（如概率纤维追踪）可生成流线表示（streamline-based）的纤维束，广泛应用于临床和研究。然而，手动放置感兴趣区（ROI）的传统方法耗时较长（每例1-2小时），且高度依赖操作者的神经解剖学经验，存在操作者间变异性，限制了其在时间紧迫的临床场景（如术中MRI）及大规模队列研究中的可扩展性。
Tractfinder（Young等，2022，2024）作为一种最近引入的自动化白质纤维束分割方法，具有快速、易用的优点，但其输出为基于体素的二值掩膜（voxel-based masks），而非临床和研究领域更常用的流线格式（.tck）。这种格式差异导致直接比较困难，且无法支持基于纤维追踪的下游分析（如沿束统计剖析方法）。因此，迫切需要一种能够将Tractfinder的快速自动化优势与流线表示的兼容性相结合的方法。
**研究目的**
本研究旨在开发并验证一种名为Tractfinder约束纤维追踪（Tractfinder-constrained Tractography, TcT）的方法，作为Tractfinder的流线型扩展，通过将概率纤维追踪约束于Tractfinder产生的概率图，生成流线表示，同时保持Tractfinder的自动化和速度优势。研究在10例幕上肿瘤儿童患者中评估TcT在三条临床相关纤维束（皮质脊髓束CST、弓状束AF、视辐射OR）上的性能，并与传统纤维追踪进行比较。
**主要关键技术方法**
研究人员从伦敦大奥蒙德街儿童医院（GOSH）回顾性收集了10例术前儿童患者（幕上肿瘤，多种组织学类型）的弥散MRI数据。数据采集使用西门子MAGNETOM Prisma 3T系统，结构T1加权像及多壳弥散加权像（b=1000和2200 s/mm2）。预处理采用MRtrix3软件包，包括热噪声去除、吉布斯振铃校正、运动和畸变校正（FSL eddy）、偏场校正及脑掩膜估计。弥散数据通过仿射变换配准至MNI152标准空间。纤维方向分布（FOD）采用多壳多组织约束球面反卷积（MSMT-CSD）估计，组织响应函数由Dhollander无监督算法导出。
Tractfinder流程：应用Tractfinder生成三条双侧纤维束的概率图，当肿瘤占位效应导致纤维束移位时，使用包含病变掩膜的肿瘤形变模型。对概率图进行0.05阈值化转化为二值掩膜。随后，采用iFOD2算法进行靶向概率流线纤维追踪，以Tractfinder导出的二值掩膜作为约束（-mask选项），限制流线传播至纤维束体积内。初始种子点设为1,000,000，无固定流线数，最终每束重采样至2,000条流线用于可视化。
传统纤维追踪流程：按照Young等（2024）协议，从手动放置的种子、包含和排除ROI出发，使用iFOD2算法进行追踪，参数与TcT一致，以生成比较基准。
定量比较采用束邻接性（Bundle Adjacency, BA）指标，由scilpy库实现，评估TcT与传统纤维追踪输出之间的空间对应关系。
**研究结果**
- **定量比较**：TcT与传统纤维追踪之间的纤维束重叠总体良好。平均BA评分：弓状束2.57 mm（标准差1.27），皮质脊髓束2.55 mm（0.82），视辐射2.10 mm（1.12）。这些数值优于已发表的方案间常规概率纤维追踪基准（中位数4.3 mm），更接近方案内变异性（约2 mm）。在肿瘤位置或大小显著影响纤维束形态的典型病例中（如10岁、15岁、12岁患者），BA评分分别为AF 4.5 mm、CST 2.1 mm、OR 3.1 mm，仍显示较好的空间一致性。
- **实际考虑**：TcT流程完全自动化（单一脚本运行），每名受试者处理时间约5-15分钟（不含预处理和肿瘤分割），而传统纤维追踪需1-2小时并依赖手动ROI放置。TcT无需专用GPU或逐例手动ROI，通过标准笔记本电脑即可运行。
**讨论与结论**
研究表明，TcT作为一种Tractfinder的方法扩展，能够在完全自动化的临床导向流程中生成基于流线的白质纤维束重建。主要发现是TcT产生的纤维束分割与传统纤维追踪具有较好的空间一致性，同时显著减少了处理时间和操作者负担。需注意，TcT是以传统纤维追踪为基准而非独立金标准，因此结果应解释为一致性而非解剖准确性验证。
研究团队指出，BA虽能反映空间邻近性，但未量化拓扑对应性，未来评估应纳入补充指标。当前队列规模较小（n=10），且主要为低级别肿瘤，限制了向高级别胶质瘤等高浸润性病变的推广，这类肿瘤可能对自动纤维束勾画带来额外挑战。此外，TcT输出依赖于Tractfinder概率图，其纤维束几何结构必然部分受限于图谱先验，因此与传统纤维追踪的一致性可能部分反映了共享的解剖假设。
结论部分翻译：本技术摘要介绍了Tractfinder约束纤维追踪（TcT），作为Tractfinder（Young等，2022，2024）的一种方法扩展，能够在完全自动化、临床聚焦的流程中生成基于流线的白质纤维束重建。主要发现是，TcT产生的纤维束分割在形式上与传统纤维追踪一致且空间对应良好，同时显著减少了处理时间和操作者负担。这些结果在涵盖多种肿瘤类型、位置和纤维束移位程度的临床异质性队列中成立，支持该方法的可推广性。TcT的主要实际优势在于其可及性：整个流程可作为单个自动化脚本在标准笔记本电脑上运行，无需专用GPU或逐例手动ROI放置，但神经解剖学知识对于结果的解释和质量控制仍然重要。TcT将Tractfinder输出从体素掩膜转换为流线表示，显著扩展了分析兼容性，使下游基于纤维追踪的分析成为可能。当前方法存在局限性，包括小规模队列、对高级别肿瘤的泛化性有限以及依赖图谱先验导致的潜在约束。未来工作应在更大、更多样化的队列中评估TcT，并与商业平台等既有方法比较，探索其融入前瞻性手术规划工作流的可能性。
