《Brain Structure and Function》：Toward reliable thalamic segmentation: an evaluation of automated methods for structural MRI
编辑推荐：
自动化丘脑核分割（thalamic nuclear segmentation）已推动神经影像学分析从将丘脑（thalamus）视为一个同质、被动的中继结构，转向将其视为嵌入不同全脑回路中的一组独立核团（nuclei）。然而，尽管T1加权结构MRI（T1-wei
自动化丘脑核分割（thalamic nuclear segmentation）已推动神经影像学分析从将丘脑（thalamus）视为一个同质、被动的中继结构，转向将其视为嵌入不同全脑回路中的一组独立核团（nuclei）。然而，尽管T1加权结构MRI（T1-weighted structural MRI, T1w-MRI）的丘脑核内对比度较差，许多研究仍广泛依赖FreeSurfer的分割。与此同时，研究人员为FreeSurfer开发了一个卷积神经网络（convolutional neural network, CNN）工具，利用来自扩散（diffusion）和T1加权MRI（T1w-MRI）的信息。另一种流行的丘脑核分割技术是HIPS-THOMAS，这是一种基于多图谱（multi-atlas）的方法，利用从T1加权MRI（T1w-MRI）合成的白质样对比度（white-matter-like contrast）。然而，各方法之间的比较仍然匮乏，并且用于评估这些方法的丘脑图谱（thalamic atlases）本身也存在局限性。这些问题可能会损害跨物种比较、健康与疾病状态下的结构和功能连接研究，以及针对丘脑的神经调控干预（neuromodulatory interventions）的疗效。在此，研究人员首次报告了HIPS-THOMAS、标准FreeSurfer分割及其最新发展（基于扩散的更新）与两个丘脑图谱之间的比较。研究人员使用了两个健康成人队列，以及一个自身免疫性边缘叶脑炎（autoimmune limbic encephalitis）慢性期患者队列。在健康成人中，HIPS-THOMAS不仅超越了标准FreeSurfer分割，也超越了其基于扩散的最新更新。后者的改进仅限于少数核团。最后，基于受影响的 anteroventral 核（前腹核）和 pulvinar 核（枕核），标准FreeSurfer方法在区分患者与健康对照组方面表现不佳。研究人员提供了使用结构脑成像（structural brain imaging）进行人类丘脑自动化分割方法的建议。
**论文解读：迈向可靠的丘脑分割——基于结构MRI的自动化方法评估**
**研究背景、问题与意义**
丘脑（thalamus）传统上在神经影像学分析中被视为一个同质、被动的感觉中继站。然而，近年来的研究强调，应将丘脑视为一组嵌入不同全脑回路中的独立核团（nuclei），这些核团在认知、情感和运动控制中扮演着高度特化的角色。这一转变推动了自动化丘脑核分割技术的发展，使得研究人员能够更精细地研究特定核团的结构完整性、功能活动及连接模式。
目前，最广泛使用的自动化方法是基于T1加权结构MRI（T1-weighted structural MRI, T1w-MRI）的FreeSurfer分割（FS-T1），但它受限于T1w-MRI固有的丘脑核内对比度差的问题。为克服这一缺陷，研究人员开发了两种改进方法：一是结合扩散MRI（diffusion MRI, dMRI）和T1w-MRI信息的FreeSurfer最新版本（FS-DTI），该工具利用卷积神经网络（CNN）在FreeSurfer框架内分割核团；二是基于多图谱（multi-atlas）的HIPS-THOMAS方法，它通过直方图多项式合成（Histogram-based Polynomial Synthesis, HIPS）技术从标准T1w-MRI中合成白质抑制（white-matter nulled, WMn）对比度，从而增强核团边界。
然而，这些方法之间缺乏系统性的比较。现有的评估往往依赖于单一参考图谱，如基于组织学构建的MNI空间Morel图谱（Krauth-Morel atlas），但其本身存在样本量小、个体解剖变异代表性不足以及与MRI空间配准误差等问题。这些问题不仅影响跨物种比较和健康/疾病状态下的结构/功能连接研究，还可能制约针对丘脑的神经调控干预（如深部脑刺激）的疗效。
因此，本研究旨在首次系统比较HIPS-THOMAS、标准FS-T1和最新FS-DTI这三种基于结构MRI的自动化丘脑核分割方法，并使用两个独立的健康成人队列和一个自身免疫性边缘叶脑炎（autoimmune limbic encephalitis, ALE）患者队列，评估其准确性、一致性及临床区分能力，为研究人员提供科学、可靠的方法选择建议。该论文发表在《Brain Structure and Function》。
**关键技术方法**
研究人员主要采用了以下关键方法（忽略试剂和具体培养、质粒构建步骤，但注明样本队列来源）：
1. **样本队列**：三个独立队列，包括来自牛津大学记忆与遗忘项目（MAP）的35名健康成人（MAP35，年龄55.14±14.04岁，25M:10F）和来自人类连接组计划（HCP）的35名健康成人（HCP35，年龄范围20-59岁，16F:19M），以及37名来自牛津大学Russell Cairns单元的自身免疫性边缘叶脑炎（ALE）慢性期患者（26M:11F，年龄61.14±14.01岁）。
2. **分割方法**：三种自动化方法——基于T1w-MRI的FreeSurfer分割（FS-T1）、基于T1w-MRI和扩散MRI（dMRI）的FS-DTI（依赖分数各向异性（FA）和主方向向量（V1）），以及基于多图谱和直方图多项式合成（HIPS）的HIPS-THOMAS。
3. **评估参考**：使用两个图谱作为“银标准”——MNI空间Morel图谱（Krauth-Morel atlas）和基于高对比度/分辨率7T MRI的Marseille图谱（7TAMIbrainDGN）。
4. **分析指标**：在原生空间（native space）和MNI空间（MNI space）中，采用Dice系数（Dice coefficient）和平均Hausdorff距离（Average Hausdorff Distance, AHD）评估分割重叠度和边界距离；通过受试者工作特征（ROC）分析及DeLong检验比较各方法基于核团体积区分患者与健康对照组的能力。
**研究结果**
**原生空间分析（Native-space analyses）**
针对Morel图谱，在HCP35和MAP35两个数据集中，HIPS-THOMAS在11个核团（如双侧前腹核（anteroventral, AV）、双侧中央外侧核（centrolateral, CL）、双侧外侧膝状体（lateral geniculate, LGN）、双侧枕核（pulvinar, Pul）、双侧腹后外侧核（ventral posterolateral, VPL）等）上，Dice系数和AHD指标均一致优于FS-T1和FS-DTI。FS-DTI仅在双侧内侧背核-束旁核（mediodorsal-parafascicular, MD-Pf）上表现最佳。FS-T1在所有核团上均未优于其他两种方法。使用Marseille图谱时，HIPS-THOMAS的优势更为显著，在全部16个对应核团上均表现最佳。
**MNI空间分析（MNI-space analysis）**
在MNI空间内，HIPS-THOMAS的组级Dice系数更高、AHD更低，且沿对角线（即与Morel/Marseille图谱对应核团）的一致性最强。相比之下，FS-DTI和FS-T1在左侧中央外侧核（CL）、左侧外侧膝状体（LGN）和左侧腹后外侧核（VPL）等核团上出现误分割，即未能正确区分不同核团，甚至出现无体素超过概率阈值（0.25）的情况。
**核团特异性最佳分割方法（Nucleus-wise “best” segmentation method）**
通过8项严格标准（包括原生空间和MNI空间下的Dice和AHD指标，以及两个健康队列），HIPS-THOMAS被确定为针对Morel图谱12/22个核团、Marseille图谱11/16个核团的“最佳”方法，并在其余核团中接近最佳。FS-DTI仅在Morel图谱的2/22个核团（双侧MD-Pf）上为最佳，而FS-T1未在任何核团上成为最佳。
**受试者工作特征（ROC）分析**
在区分ALE患者与健康对照组时，基于6个关键核团（双侧AV、MD-Pf、Pul）体积的logistic回归显示，HIPS-THOMAS的曲线下面积（AUC）最大（0.868），高于FS-DTI（0.847）和FS-T1（0.768）。进一步的单核团分析表明，FS-T1无法基于双侧AV和Pul核体积显著区分患者与对照组，而HIPS-THOMAS和FS-DTI则能成功区分。DeLong检验证实，FS-T1在AV和Pul核团上的AUC显著低于HIPS-THOMAS和FS-DTI。
**总结讨论与结论**
讨论部分指出，尽管FS-DTI通过整合扩散信息（FA图）改善了某些核团的分割，但其优势仍局限于少数核团，且整体表现不如仅依赖结构T1w-MRI的HIPS-THOMAS。HIPS-THOMAS通过合成白质抑制对比度，有效克服了T1w-MRI对比度差的缺陷，从而在多个核团上获得更准确的分割，这一优势在Marseille图谱中尤为突出。研究还强调，依赖FS-T1的研究可能因分割质量差而导致假阴性（如无法检测到AV和Pul核的萎缩）或假阳性（如将噪声误判为体积变化）。因此，在临床或认知神经科学中，使用FS-T1进行核团体积分析或纤维追踪时应格外谨慎。HIPS-THOMAS因其不需要扩散MRI数据、计算时间短且集成于统一软件包，为仅有结构MRI数据的分析提供了可靠且经济的替代方案。
**结论部分（Key points）翻译**：
研究人员首次比较了三种用于人类丘脑核团自动分割的关键方法：HIPS-THOMAS、FreeSurfer及其最新基于扩散的更新版。在健康成人中，HIPS-THOMAS优于FreeSurfer方法，而标准FreeSurfer方法在区分健康对照组与海马损伤患者方面表现不佳。
