《Human Brain Mapping》：Charting the Normal Development of Structural Brain Connectivity in Utero Using Diffusion MRI
编辑推荐：
理解胎儿期人脑的结构连接对于揭示神经功能的早期基础和对发育障碍的易感性至关重要。扩散加权MRI（diffusion-weighted MRI, dMRI）能够无创地绘测白质通路并构建大脑结构连接组（structural connectome），但其在胎儿脑中的
理解胎儿期人脑的结构连接对于揭示神经功能的早期基础和对发育障碍的易感性至关重要。扩散加权MRI（diffusion-weighted MRI, dMRI）能够无创地绘测白质通路并构建大脑结构连接组（structural connectome），但其在胎儿脑中的应用一直受到数据稀缺以及胎儿dMRI数据分析技术难点的限制。本文介绍了迄今为止规模最大的宫内脑连接研究，分析了来自发展人类连接组计划（Developing Human Connectome Project）的198例孕22至37周胎儿的高质量dMRI数据。研究人员采用了先进的胎儿特异性脑分割与分区工具，并使用集成纤维追踪（ensemble tractography）以促进各种白质束的更完整重建。对于连接加权，研究人员依赖于纤维束容量（fiber bundle capacity）这一概念。研究人员重建了个体结构连接组，并刻画了其发育轨迹。图论分析显示，随着孕周增加，整合与分离指标持续升高，而自举法（bootstrapping）证实了节点和边层面发育模式的稳健性。此外，研究人员提出了一种基于个体连接组聚合构建年龄特异性连接组模板（age-specific connectome template）的新方法。该方法采用基于优化的途径，确保连接组模板能够紧密代表个体连接组、具有时间一致性，并按比例保留短程和长程连接。分析表明，该方法优于图像空间中的空间对齐与平均方法，所生成的连接组模板能够支持对个体胎儿孕周的准确预测（平均误差<1周）。总之，该研究为胎儿脑结构连接提供了稳健的规范性基准，并证明基于连接组的指标能够捕获有意义的发育特征，为未来早期脑发育研究提供了框架。
**论文解读：基于扩散MRI的宫内胎儿脑结构连接发育图谱研究**
**研究背景与问题**
理解脑结构连接是神经科学的核心目标，结构连接组支撑大脑活动并参与疾病应答。扩散加权MRI（diffusion-weighted MRI, dMRI）可无创重建白质通路并计算结构连接组，但以往研究几乎只关注出生后和成人脑。胎儿期是大脑发育最动态、最关键阶段，神经发生、迁移、突触形成和轴突生长均在宫内发生，成人样脑结构和高组织化连接组在孕中期已现雏形。然而，胎儿dMRI研究面临数据稀缺、信噪比低、运动伪影、扫描时间短、白质未成熟等特殊挑战，缺乏专用计算方法。先前研究样本量小、孕周覆盖窄，多采用扩散张量模型无法解析纤维交叉，连接强度度量（如流线计数）存在偏倚，未使用解剖约束追踪，且依赖T2图像配准造成误差。因此，胎儿结构连接组的正常发育轨迹仍不明确，亟需大规模、方法严谨的规范性研究。
**研究内容与总体结论**
研究人员利用发展人类连接组计划（Developing Human Connectome Project, dHCP）的198例22–37孕周胎儿dMRI数据，结合胎儿专用分割、分区和集成纤维追踪技术重建个体结构连接组，刻画发育轨迹；提出基于连接组聚合的年龄特异性模板构建方法，并与图像空间平均法比较；通过自举法验证结果稳健性。研究发现：随孕周增加，全局和局部效率、聚类系数、总网络强度单调上升，特征路径长度下降，小世界指数稳定；所有88个皮层节点强度显著增加，多数边增强、少数减弱；识别出多个稳定枢纽；新模板法优于图像空间平均法，能高精度预测孕周（误差<1周）。研究提供了胎儿脑结构连接的规范基准。
**主要关键技术方法**
数据来源于dHCP公开数据集，最终纳入198例胎儿（105男，93女），孕周22–37周。dMRI数据经球谐-径向分解（SHARD）流程预处理；研究人员采用基于深度学习的胎儿脑组织分割和88区皮层分区（依据Gholipour等胎儿图谱）；纤维方向估计采用单壳层约束球面反卷积（constrained spherical deconvolution, CSD）和扩散张量成像（diffusion tensor imaging, DTI），并构建10组参数组合的集成纤维追踪（ensemble tractography）进行解剖约束追踪；连接权重采用SIFT2算法与纤维束容量概念（fiber bundle capacity）计算；自举重采样用于评估节点和边发育模式的稳健性；年龄特异性模板通过最小化图编辑距离、时间一致性和连接长度分布JS散度的优化问题求解。
**研究结果**
**3.1 结构连接性随孕周的发育**
**3.1.1 全局网络指标的变化**
对个体连接组计算全局效率（global efficiency, GE）、局部效率（local efficiency, LE）、特征路径长度（characteristic path length, CPL）、聚类系数（clustering coefficient, CC）和小世界指数（small-world index, SWI）。结果显示GE、LE、CC和总网络强度随孕周增加而持续上升，CPL下降，SWI稳定在1.05–1.10之间，表明胎儿脑在晚孕期同时增强网络整合与分离，维持小世界拓扑，且总连接强度单调增长反映白质纤维束不断发育。
**3.1.2 节点和边强度随孕周的变化**
线性回归和Bonferroni校正显示所有88个节点强度均显著随孕周增加。通过自举法（随机选75%受试者重复100次，仅保留在≥95%重复中显著的边），发现162条边稳定增强，12条边稳定减弱；增强边涵盖短程和长程连接，减弱边主要为半球间顶叶和额叶连接。短程连接的增强幅度显著大于长程连接，但长程连接仍呈增强趋势，支持局部回路巩固与全局整合并行。
**3.1.3 整个孕期的网络枢纽**
基于特征向量中心性、度中心性和介数中心性识别枢纽。多个区域如中央前回、额上/中回、楔前叶、豆状核和丘脑在22–37周持续作为枢纽；辅助运动区、额上回内侧和脑岛的枢纽地位随孕周上升，颞中/下回则下降。结果与既往成人和新生儿枢纽研究广泛一致，支持枢纽区域在早期形成并构成稳定结构骨架。
**3.2 年龄特异性连接组模板**
**3.2.1 不同模板重建方法的比较**
将提出的连接组聚合法与图像空间平均法、距离保持平均法（Betzel等）比较。在GE、LE、CPL、网络强度差异上，聚合法生成模板与个体连接组更接近；基于图编辑距离的最近邻分类器预测孕周误差为0.98周，支持向量机方法为0.90周，均优于其他方法；前10枢纽重叠率最高（83%）。表明聚合模板更好保留网络拓扑和节点重要性。
**3.2.2 基于连接组模板的时空趋势分析**
利用高质量模板分析22–37周连接发展，分为五个亚阶段：22–23周，皮质下-皮质连接和胼胝体膝部出现；24–26周，额-颞联络增强，胼胝体压部开始成熟；27–29周，几乎所有连接增强，枕叶相关连接加速；30–32周，枕-颞连接快速增强，脑岛连接扩展；33–37周，边缘系统连接显著增强，整体变化速率趋缓。这些阶段变化与组织学已知的亚板结构消退和皮层回路巩固过程一致。
**3.3 可重复性分析**
将每个胎儿的dMRI测量数据分成两个不重叠子集，分别重建连接组。结果显示同一胎儿两个子集的连接组间图编辑距离（graph edit distance, GED）显著低于个体间GED，所有198例胎儿均如此；基于两个子集计算的图论指标随孕周的线性模型斜率和截距无显著差异，表明个体连接组图谱具有强可重复性。
**3.4 局限性与未来工作（讨论）**
研究指出多壳层多组织CSD在胎儿数据中失效，故采用单壳层CSD和DTI；缺少17–21周数据；未进行离体组织学验证；连接强度随孕周增加可能部分归因于后期成像质量改善。未来需结合离体验证和先进扩散模型以区分真实成熟效应与数据质量效应。
**总结讨论与结论翻译**
讨论部分强调结果与既往胎儿、新生儿和成人研究的一致性，特别是小世界属性和枢纽分布；与Chen等（2024）在114例胎儿中的发现高度吻合，而本研究在样本量、方法（集成追踪、SIFT2加权、包含半球间连接）和模板构建上有所扩展。SWI较低且稳定、未发现海马和扣带皮层为枢纽等差异可能与连接度量定义和重建方法不同有关。结论可翻译为：本研究是迄今最大规模的胎儿脑dMRI结构连接研究；22–37周内网络整合与分离指标单调增加，小世界结构持续存在，所有节点强度随孕周上升；提出的连接组聚合模板方法优于图像空间平均，能准确预测个体孕周；自举和分裂半数据验证了连接组重建的可重复性。研究为胎儿脑结构连接的正常发育提供了稳健基准，并为研究早期脑发育及异常提供了框架。
