神经突方向离散度和密度成像(NODDI)
- NODDI是一种多室模型,它将信号与每个体素中的轴突外和轴突内室分离,并提供细胞内体积分数(维克,代表包括轴突和树突在内的神经突的密度)和神经突取向分散度(ODI,代表白色物质中轴突的弯曲和扇形以及灰质中蔓延的树突进展模式)估计。
背景
- 在传统扩散加权成像(DWI)和扩散张量成像(DTI)的基础上发展而来的,旨在更精确地量化神经组织的微观结构特征。
- NODDI构建一种三室生物物理模型,神经突内、脑脊液和神经突外隔室
- 神经突内隔室代表轴突膜和树突膜所包围的空间,并被建模为一组半径为零的棒状物来描述垂直于神经突方向的高度受限扩散和沿着神经突方向的不受阻扩散。这些棒状物的方向分布范围从高度平行到高度分散,可用于模拟脑组织内所有不同方向分布模式的神经突。
- 神经突外隔室包括除神经突和脑脊液之外的所有组织,水分子在此的扩散受到阻碍,但是不受限,因此采用简单的各向异性高斯扩散来描述。
- 脑脊液隔室由各向同性的高斯扩散表示,用于模拟脑脊液占据的空间。
- 每个环境内对水分子弥散的影响不同,会产生独立的MR信号,完全标准化后的信号如下:
- A = ( 1 − V i s o ) ( V i c A i c + ( 1 − V i c ) A e c ) + V i s o A i s o A = (1-V_{iso})(V_{ic}A_{ic}+(1-V_{}ic)A_{ec})+V_{iso}A_{iso} A=(1−Viso)(VicAic+(1−Vic)Aec)+VisoAiso
- 其中 A i c A_ic Aic和 V i c V_ic Vic是细胞内组织校正后的信号和体积分数, A e c A_ec Aec是矫正后的细胞外事的信号强度, A i s o A_iso Aiso和 V i s o V_iso Viso是脑脊液校正后的信号强度和体积分数。
三室生物物理模型
- 细胞内室
- 细胞内区室是指由神经突膜界定的空间。我们将这个空间建模为半径为零的圆柱体,以捕获垂直于神经突的扩散的高度受限性质以及沿神经突不受阻碍的扩散。棒的方向分布可以从高度平行到高度分散。
- 该模型模拟了在脑组织中观察到的全谱神经突定向模式,包括:1)高度一致定向的白质结构,例如胼胝体; 2)由弯曲和扇形轴突组成的白质结构,例如半卵圆中心; 3)大脑皮层和皮层下灰质结构,其特征是向各个方向蔓延的树突状突起。
- 公式如下:
A
i
c
=
∫
s
2
f
(
n
)
e
−
b
d
i
(
q
⋅
n
)
2
d
n
A_{ic} = \int_{s^2}f(n)e^{-bd_i(q·n)^2}dn
Aic=∫s2f(n)e−bdi(q⋅n)2dn。
- 其中q,b分别为梯度方向和弥散加权成像b值的大小
- f ( n ) d n f(n)dn f(n)dn指沿着方向n发现Sticks的概率
- e − b d i ( q ⋅ n ) 2 e^{-bd_i(q·n)^2} e−bdi(q⋅n)2指沿Sticks内部的弥散率d和方向n上的信号衰减。
- 使用Watson分布时,方向分布函数f(给出在给定方向上发现神经纤维的概率密度,反映神经纤维方向的分布)如下:
f
(
n
)
=
M
(
1
/
2
,
3
/
2
,
k
)
−
1
e
k
(
μ
⋅
n
)
2
f(n)=M(1/2,3/2,k)^{-1}e^{k(\mu·n)^2}
f(n)=M(1/2,3/2,k)−1ek(μ⋅n)2。
- 其中M表示合流超几何函数
- μ是平均方向,
- κ是关于方向μ的方向分散度的浓度参数。
- 细胞外室
- 代表神经元周围的空间,包括胶质细胞、脑灰质和胞体等。水分子在此空间内的扩散相对自由,但仍受到一定阻碍,呈高斯分布。细胞外室的变化可以反映神经组织内的细胞排列、胶质细胞分布以及组织间隙的变化。
- 信号强度 A e c A_{ec} Aec采用细胞外模型及方向分散的圆柱体模型,同时考虑了细胞外空间中的成分复杂性以及水分子扩散的方向。
- 公式如下:
log
A
e
c
=
−
b
q
T
(
∫
s
2
f
(
n
)
D
(
n
)
d
n
)
q
\log_{A_{ec}} = -bq^{T}(\int_{s^2}f(n)D(n)dn)q
logAec=−bqT(∫s2f(n)D(n)dn)q
- D(n)是一个描述水分子在特定方向n上扩散特性的张量,用于量化水分子在三维空间中的扩散行为。
- q b分别指梯度方向和弥散加权成像b值的大小。
- F(n)dn是沿着方向n发现Sticks的概率,
- e − b d i ( q ⋅ n ) 2 e^{-bd_i(q·n)^2} e−bdi(q⋅n)2指沿sticks内部的弥散率d和方向n上的信号衰减。
- D(n)是含多个元素的张量,可分解得到平行弥散率
d
∥
d_{\parallel}
d∥和垂直弥散率
d
⊥
d_{\perp }
d⊥
- d ∥ d_{\parallel} d∥与细胞内弥散率一致,垂直弥散率 d ⊥ d_{\perp} d⊥有如下公式: d ⊥ = d ∥ ( 1 − V i c ) d_{\perp}=d_{\parallel}(1-V_{ic}) d⊥=d∥(1−Vic)
- 使用Watson分布模型进行实现时,细胞外的平行和垂直的表观弥散张量(计算弥散率及其他特征值得到)如下:
- d ∥ ′ = d ∥ − d ∥ V i c ( 1 − τ ) d^{'}_{\parallel} = d_{\parallel}-d_{\parallel}V_{ic}(1-\tau ) d∥′=d∥−d∥Vic(1−τ)
- d ⊥ ′ = d ∥ − d ∥ V i c ( ( 1 + τ ) / 2 ) d^{'}_{\perp} = d_{\parallel}-d_{\parallel}V_{ic}((1+\tau)/2) d⊥′=d∥−d∥Vic((1+τ)/2)
- τ 1 = ∫ 0 1 u 2 e k u 2 d u / ∫ 0 1 e ( k u 2 ) d u \tau_1 = \int_{0}^{1} u^2e^{ku^2}du/\int_{0}^{1}e^(ku^2)du τ1=∫01u2eku2du/∫01e(ku2)du
- 使用Watson分布时,方向分布函数f如下:
f
(
n
)
=
1
2
π
e
−
x
2
e
r
f
i
(
x
)
f(n)=\frac{1}{2}\sqrt{\pi}e^{-x^2}erfi(x)
f(n)=21πe−x2erfi(x)
- 其中 τ 1 = − 1 2 k + 1 2 F ( k ) k \tau_1 = \frac{-1}{2k}+\frac{1}{2F(\sqrt{k})\sqrt{k}} τ1=2k−1+2F(k)k1
- 脑脊液室
- 代表体素内各向同性自由扩散的水分子,即脑脊液(CSF)的贡献。水分子扩散几乎不受限制,呈完全自由扩散状态。脑脊液室的存在可以影响整体扩散信号的测量,需要通过NODDI等技术进行校正和分离。
- 此区域建立了一个具有各向同性的高斯模型(假设数据点围绕一个中心值呈正态分布),这种高斯模型能够很好地模拟水分子在各个方向上的均匀扩散。
- 方向分散度指数定义如下: O D = 2 π a r c t a n ( 1 k ) OD=\frac{2}{\pi}arctan(\frac{1}{k}) OD=π2arctan(k1)
- 以下是OD数值变化的时候的Watson分布,用于分析神经元的排列和弥散特性。
- 评价指标
- 神经突密度指数(NDI):量化轴突或树突的堆积密度。通过拟合扩散加权成像(DWI)数据来得到。
- 方向离散度指数(ODI):评估神经突的定向一致性。通过测量扩散信号在不同方向上的衰减程度,可以推算出神经纤维的排列情况,进而得到ODI值。
- 自由水分数(FWF):估计脑脊液(CSF)污染程度,通过分离脑脊液和其他组织成分对扩散信号的贡献,可以得到FWF值。