基于约束球面反卷积扩散磁共振的脑白质解剖图谱

使用扩散磁共振成像对大脑白质进行虚拟解剖存在重复性差的问题。尽管有许多先进的重建模型，但早期基于扩散张量成像(DTI)的感兴趣区驱动仍然是虚拟解剖协议的主要参考。本研究通过对白质解剖图谱的全面描述来弥补这一差距，该解剖图谱基于概率约束球面反卷积(CSD)，使用重复性高的特定于受试者的自动化分析流程。本研究用基于MNI空间的白质模板补充这一解剖图谱，该模板有68条纤维束，包括所有相关解剖的选择标签和自动化流程。此外，本研究使用HCP中40个(20个test-retest)数据集和MASSIC数据集中具有不同的b-value和b-shell数量的5个session，探究受试者间和受试者内的纤维束变异性。目前，最可靠的纤维束重建包括：整个锥体束、初级皮质脊髓束、整个上纵束、胼胝体的额叶、顶叶和枕叶以及小脑中脚。密度较低的纤维束存在更多的变异性，如穹窿、齿状-红核-丘脑束(DRTT)和运动前区锥体束。以DRTT为例，研究表明通过增加种子尝试次数来降低变异性。HCP test-retest数据集session间相似性很高(wDSC中位数=0.963，stdev=0.201，IQR=0.099)。与HCP模板束相比，HCP test-retest数据集(wDSC中位数=0.747，stdev=0.220，IQR=0.277)和MASSIVE数据集(wDSC中位数=0.767，stdev=0.255，IQR=0.338)具有较高的一致性。综上所述，该白质纤维图谱概述了特定于受试者的概率约束球面反卷积自动化分析方法在描述健康成年人大脑白质纤维束的能力和局限性。该图谱是一个可复制的解剖协议，并可作为神经成像和临床专业人员的研究应用资源。本文发表在NeuroImage杂志。

关键词：扩散磁共振成像, 纤维追踪成像, 大脑, 白质, 约束球面反卷积, 解剖

1 引言

大脑中表征脑连接的结构组织对于理解健康和疾病的人类神经系统至关重要。20多年前，扩散磁共振成像(dMRI)纤维束成像(FT)的出现，使解剖学和文献中描述的主要白质(WM)纤维束定位取得重大进展。基于扩散张量成像(DTI)的初步工作推动了大脑白质解剖的发展。这是因为DTI是一种简单而有效的重建核心纤维束的方法，DTI数据采集相对较短 (5-10分钟)，其标准采集脉冲序列通过监管批准，可以在临床实践中广泛使用。然而，DTI的一些局限性使得它不适合许多纤维束成像的应用，尤其是在临床中。人们对使用更准确、更可靠的高角分辨率图像(HARDI)越来越感兴趣。与此同时，数据采集加快和重建技术的进步，如多波段和压缩传感，再加上计算效率的提高，将增加在传统DTI应用中采用先进的重建模型。也就是说，通过3T扫描仪上获得HARDI数据进行更有代表性的虚拟解剖，需要更新的参考资料。

依赖于解剖学和定位先验的自动化方法已显著提高纤维束追踪的准确性，并解决了重复性差和依赖于操作者的问题，这些问题使手动虚拟解剖过程混乱。目前，完整实现虚拟解剖自动化的方法数量有限。然而，底层解剖协议没有明确详细说明，或者通常分析流程是基于先验定义的模型纤维束。

这项工作解决了与临床研究相关的HARDI白质脑图谱的需求，以及基于解剖学定义的标准化、可重复的虚拟解剖方法。由于CSD的多功能性和在临床的潜在应用，我们对基于DTI的虚拟解剖方案进行扩展，对使用概率纤维束成像重建的68条白质纤维束进行总结。基于开源的MNI空间组图谱和特定于受试者的自动化虚拟解剖方法，完成了称为“Fun with Tracts ” (FWT, 感兴趣的纤维束)的解剖描述，该图谱结合了每个纤维束包含的和排除的所有解剖名称。由于概率纤维束成像会产生内在可变的结果，还使用HCP (human connectome project)和MASSIVE (Multiple acquisitions for standardization of structural imaging validation and evaluation) 公开数据集进行重复性测试。研究结果为基于CSD纤维束进行正常大脑白质的虚拟解剖提供了详细的参考资料。

2 材料与方法

2.1 总结

首先，本文提出和生成了一个包含68条纤维束的白质图谱，该图谱基于文献的解剖协议(FWT)和HCP test-retest数据，下文将进行更详细描述。用MRView和SURFICE生成纤维追踪图。

其次，通过将FWT全脑纤维束成像和分割方法应用于HCP test-retest数据集进行测试-重测，来评估session间/受试者内的变异性，并对基于FWT生成的纤维追踪图和基于HCP模板生成的纤维追踪图(后面统称为，模板束)之间进行相似性分析。加权Disc相似系数(wDSC, weighted-dice similarity coefficient)结果用雷达图表示，该系数被用于计算单个评分者一致性组内相关系数(single-rater agreement intra-class correlation)分数，以突出基于FWT纤维追踪图的变异性。此外，对wDCS分数进行统计检验，用小提琴图展示。这提供了受试者内部和受试者之间的FWT重复性测量，并不考虑与模板束的相似性。通过每个纤维束二值mask相加生成体素级别的热图来评估HCP test-retest受试者间的变异性。

第三，为了检验FWT在具有不同采集参数和不同采集方案的独立数据集的变异性，该图谱还用在MASSIVE公开数据集中。然后，以HCP模板为参考，计算HCP test-retest和MASSIVE数据集中每个模板束的wDSC分数，并对其进行统计检验，生成小提琴图进行评估。最后，使用单个评分者一致性ICC分数来评估。

2.2 影像数据

2.2.1 HCP test-retest数据集

HCP test-retest数据集：在相同3-Tesla Siemens Skyra扫描仪上，使用32通道的阵列线圈，在1-11个月内使用相同扫描协议进行2次扫描。HCP test-retest T1加权图像采集使用具有0.7 mm各向同性的3D-MPRAGE脉冲序列。扩散数据：每个shell包括90个方向，b值为1000、2000和3000s/mm2，各向同性为1.25 mm。本研究共使用20名受试者(10名男性/10名女性)的预处理数据，进行了40次扫描(详细信息请参见补充表1)。

2.2.2 MASSIVE数据集

MASSIVE数据集(http://www.massivedata.org)包括使用各种b值和扩散参数对同一健康受试者(女性，25岁)进行多次扫描。在相同3-Tesla Philips Achieva扫描仪上，使用8通道阵列线圈。MASSIVE数据集使用1 mm各向同性采集3D-T1加权像，使用2.5mm各向同性、0-9000s/mm2的b值，采集多个shell的dMRI图像。本研究使用的b-shell为0-4000 s/mm2，b值和扩散加权梯度方向包括：b500-125, b1000-250, b2000-250, b3000-250, b4000-300。经过AP相位编码和负梯度极性获得的预处理dMRI数据，生成5个不同的session。其中2个session有multi-shell数据，3个session是single-shell数据，其b值、扩散加权体积及间隔b0交叉采集。此外，使用反向相位编码的b0图像来进行EPI的失真校正。MASSIVE数据集用来探究FWT的可重复性(同一受试者，具有不同b值、扩散方向、不同shell)。表1列出所有dMRI数据的b值和体积数。

2.3 影像分析

2.3.1 数据预处理

所有数据都按照脑成像数据结构(BIDS)协议进行排列，以便多尺度脑分割(MultiScale Brain Parcellator, MSBP)和FWT可以自动运行。来自HCP test-retest和MASSIVE数据集的T1加权像通过FreeSurfer和MSBP进行分割。MRTix3和FSL对dMRI进行数据预处理。HCP test-retest数据没有经过任何其他的数据预处理。对MASSIVE的扩散图像进行预处理，去除噪声、运动/涡流、EPI相关的伪影和失真。多壳多组织CSD(Multi- shell Multi-tissue CSD, MSMT-CSD)用来生成fODF图，multi-shell采用三种组织，single-shell采用两种组织。

2.3.2 HCP组模板的创建

为HCP创建了T1加权图像和白质fODF的组平均图，为简单起见，在整个工作中称为HCP模板。使用Freesurfer和MSBP对平均T1加权图像进行分割。

2.3.3 虚拟脑白质解剖方案

根据解剖学和神经影像文献的定义，应用FWT重建了68条纤维束，15条双侧联络纤维：弓状束、扣带束、穹窿束、额斜束、额枕下束、下纵束、中纵束、整个上纵束及其分段、钩束、垂直枕束。8条连合纤维束：前连合和胼胝体的7个分段。12条投射纤维：内侧丘系、视辐射、整个锥体束及其分段，以及丘脑辐射。3条双侧小脑纤维束：齿状-红核-丘脑束、小脑下脚、小脑中脚。在结果部分对每条纤维束进行定义，在补充方法中提供了包含/排除VOI。

2.3.4 FWT（感兴趣的纤维束）

补充材料中提供了详细说明，包括纤维追踪和参数优化。

图1提供了FWT的示意图。

图1 FWT的2个部分的图形表示：皮质脊髓束(CST)、弓状束(AF)和胼胝体(CC)。

FWT第1部分(上)：输入经过预处理的扩散数据、FS recon-all输出和MSBP输出。该脚本通过组合来自不同图谱的各种解剖VOI来生成用于虚拟解剖的所有VOI。

FWT第2部分(下)：从FWT第1部分创建的预处理扩散数据和VOI生成所有纤维追踪图，该脚本提供了两种虚拟解剖方法：(1)特定纤维束和(2)通过分割进行的全脑纤维束追踪。

FS = FreeSurfer, MSBP = MultiScale Brain Parcellator, PD25 = NIST Parkinson’s histological, JHU = John’s Hopkins university, Juelich = Juelich university histological atlas, AC/PC = 前连合/后连合, UKBB = UK Biobank, SUIT =小脑和脑干的标准图谱, dMRI =扩散磁共振成像, CSD =约束球面反卷积, fODF =纤维取向分布函数. $ = 预处理后(包括头动, Eddy, EPI失真, 噪声及偏置场校正). ∗ = 其他模型, 例如DTI的FACT.

自动化处理流程在git-hub上找到。FWT使用MRTrix3 v3.0.2进行纤维束成像，纤维束定义基于神经解剖文献，使用灰质和白质的 3D VOI/parcels 创建纤维束中包含“inclusion”和排除“exclusion”区域。这些VOI/parcels来自：Freesurfer V6、MSBP v1.1.1、一些先验图谱(补充资料)，以及在模板空间中自定义VOI(前连合中线和后连合)，通过标签生成的其他自定义VOI(例如，脑室周围白质、颞干、脑岛和颞上回皮质下白质)。纤维束流线(streamlines)过滤使用ScilPy v.1.1.0和DIPY v1.3.0，使用DIPY v1.3.0的FBC对视辐射进行滤波。FWT可用于单个或者全脑纤维束成像，并进行纤维束分割。

2.3.5 创建”inclusion”和”exclusion”的VOI

FWT（感兴趣的纤维束）分析流程的第一步是自动生成包含“inclusion”和排除“exclusion”的VOI，通过以下工具实现：FS的recon-all, MSBP, UKBB的纤维束图谱, 小脑和脑干的标准图谱(SUIT)、神经成像和外科技术(NIST)帕金森病脑图谱(PD25)以及手动定义的前连合和后连合。ANTs将得到的VOI对齐到扩散空间，然后生成特定于纤维束的“inclusion”和“exclusion”。这些VOI用于HCP test-retest和MASSIVE数据集中。同样的处理流程也在HCP模板上重复一次。

2.3.6 个体化纤维束成像和FWT-HCP模板束创建

FWT分析流程的第二步提供了两种不同的全脑白质虚拟解剖方法可供选择，这两种方法都依赖于第一步中生成的VOI。第一种方法使用特定于纤维束的种子点，然后是流线过滤和平滑。第二种方法默认生成具有1000万条流线的全脑纤维追踪图，然后进行解剖、过滤和平滑。fODF的组平均图默认情况下也可用来生成具有2000万条流线的全脑纤维追踪图。

本研究中，基于68条HCP模板束，并在所有数据集进行全脑纤维束成像。所有图像进行了视觉质量控制。如果最初生成的流线少于10条，或者如果在第一个过滤之后流线少于10条，则认为纤维束追踪失败。本研究仅分析纤维束追踪成功的纤维束图。

2.3.7 纤维束追踪图的可重复性测量

纤维束追踪图可生成分割图，可使用诸如Hausdorff距离、重叠测量、DSC等相似度指标进行比较。本研究使用基于体素的wDSC分数来同时评估重叠和流线密度一致性，用于受试者间和受试者内的变异性分析。补充材料中提供了其他相似性度量的指标及其定义，例如DSC、密度相关性、体积重叠和超距、以及纤维束邻接。

3 结果

3.1 纤维束描述、模板输出和样本变异性

下面提供了根据HCP模板重建纤维束的虚拟解剖协议和示意图的详细描述。纤维束按照类型分组，即联络纤维、连合纤维束和投射纤维，小脑纤维束。雷达图显示每种纤维束的wDSC评分，具体结果在补充表3中。总体单个评分者一致性ICC为0.713(0.637-0.789, P<0.05)。

3.1.1 联络纤维

3.1.1.1 弓状束AF

弓状束是背侧语言信息流的主要组成部分，由一个长的“直接”联络纤维和两个较短的“间接”纤维束组成，构成一条外侧裂周区的额-颞叶通路，见图2。

直接纤维束连接腹侧中央前回、额后下回和额中回，颞中回，颞下回，以及两个较短的纤维束：(1)连接缘上回颞上回和中央前回的前部网络；(2)连接颞后中回和角回的后部网络。

图2

(A)和(B)在T1加权图像上以方向颜色编码叠加的弓状束(AF)。(C)在半透明的MNI软脑膜表面上覆盖绿色的左侧弓状束3D侧向投影。(D)第一次session(蓝色)和第二次session(橙色)AF的wDSC得分图。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

3.1.1.2 扣带束CG/Cing

扣带束(CG)是扣带回和边缘系统的主要白质束，并参与多种功能，包括情绪、行为和感觉运动控制、记忆加工、痛觉、执行功能。CG是一个双向神经纤维束，围绕着扣带回外侧胼胝体，从额叶延伸到腹侧颞叶的白质纤维，沿其路径有许多侧向投射连接和离开的纤维束（图3）。

图3

(A)和(B)在矢状位和轴位T1加权像，左侧扣带束以方向性彩色编码叠加，扣带回束为金色(CCing)，颞叶扣带回为淡蓝色(TCing)。(C)和(D)使用第一次session(蓝色)和第二次session(橙色)重建的CCings和TCings的wDSC得分(垂直范围)的雷达曲线图。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

dMRI不能充分描述CG连接的复杂性，倾向于重建从扣带回至颞叶的单侧纤维束，或包括膝下-背侧连接和背侧-颞连接的两个子段。然而，根据解剖连接和神经递质的不同，CG可能被细分为三到四个区域。这里重建了两个亚区。

3.1.1.2.1 扣带回CCing

即CG的背侧部分，对吻侧和尾侧前扣带回和后扣带回，峡部后扣带回和楔前叶之间的流线进行重建，位于胼胝体的上方。它呈低曲率的C形，开口端倾斜，前侧/腹侧延伸至膝下皮质，末端向后延伸至胼胝体压部。

3.1.1.2.2 颞叶扣带回TCing

即CG的腹侧部分，对海马与峡部后扣带回和楔前叶之间的流线进行重建。它位于内侧颞叶，从内侧前颞叶上行到顶叶中线区域，位于胼胝体压部之后。

3.1.1.3 穹窿FX

穹窿是与海马相关的主要纤维通路，主要由连接海马与前额叶皮质、丘脑前核、乳头体、腹侧纹状体和基底前脑的传出纤维组成。双侧海马白质最初由穹窿和海马伞形成，合并为穹窿脚和穹隆体，然后又分成前连合和后连合。研究表明，穹窿纤维束在大脑的排列反映了沿海马长轴的前后功能梯度，外侧纤维起源于海马前部，内侧纤维起源于海马后部，见图4。为每侧穹窿重建纤维束。在19个数据中重复性差，重建穹窿失败。

图4

(A)和(B)在T1加权图像的矢状位和冠状切片上以方向颜色编码叠加的穹窿(FX)。(C)半透明的MNI软脑膜表面的3D投影，两个穹窿分别以黄色和红色显示。(D)使用第一个session(蓝色)和第二个session(橙色)重建的wDSC得分(垂直距离)的雷达曲线图。缺少行表示该数据集缺少纤维束。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

3.1.1.4 额斜束FAT

FAT是连接额上回和额下回的联络纤维，参与言语启动、言语流畅和执行功能/抑制控制。更具体地说，它将岛盖部额下回和三角部额下回与辅助运动前区、辅助运动区和前扣带回联系起来，见图5。

图5

(A)和(B)在T1加权图像的矢状位和冠状位切片上以方向颜色编码叠加的额斜束(FAT)。

(C)半透明的MNI软脑膜表面的3D投影，FAT(紫色)。

(D)使用第一个session(蓝色)和第二个session(橙色)重建两种FAT的wDSC得分(垂直距离)的雷达曲线图。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

3.1.1.5 额枕下束IFOF

IFOF是一个大的、长距离的联络纤维，将枕叶和颞叶连接到额叶，特别是舌回、后梭状回、楔叶和枕极，以及额下回、眶部额中回和额极，见图6。

图6

(A)和(B)在T1加权图像的矢状位和轴位切片上以方向颜色编码叠加的额枕下束(IFOF)。(C)半透明软脑膜表面的三维侧向投影，左侧IFOF为绿色。(D)使用第一个session(蓝色)和第二个session(橙色)重建两个IFOFs的wDSC得分(垂直距离)的雷达曲线图。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

值得注意的是，从终极囊角度看，额枕下束变窄了。虽然理论上有别于其他颞叶联络通路，IFOF在靠近中纵束(MdLF)、下纵束(ILF)和钩束(UF)，可能会给纤维追踪算法带来一些问题。IFOF的确切功能有较大争论，不过腹侧视觉和语言流与下纵束和钩束有关。右侧IFOF可能与面部识别和语义视觉流加工有关，而左侧IFOF可能与语义语言功能相关。

3.1.1.6 下纵束ILF

ILF是连接枕叶和颞叶的大的联络束，在视觉记忆和情绪加工中起重要作用，与UF、IFOF、AF、视辐射(ORs)和胼胝体(CC)的毯部纤维。虽然ILF是一个单独的纤维束，但其最多可能有四个反应其到达枕叶终点的形态细分，包括舌回、楔叶、梭状回和背外侧枕叶。然而，鉴于对这些细分的存在和功能缺乏共识，这里将ILF构建成一个单独的纤维束，见图7。

图7

(A)和(B)在T1加权图像的矢状位和轴位上以方向颜色编码叠加的下纵束(ILF)。(C)半透明软脑膜表面的三维侧面投影，左侧ILF为绿色。(D)使用第一个session(蓝色)和第二个session(橙色)重建ILF的wDSC得分(垂直距离)的雷达曲线图。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

3.1.1.7 中纵束MdLF

MdLF是一个大的联络纤维束，在语言、视觉和听觉加工中发挥作用。广义地说，MdLF连接了颞极、颞上回、角回、顶上小叶和楔前叶，形成了一个独特的联络纤维束，位于AF内侧，IFOF外侧，见图8。

图8

(A)和(B)在T1加权图像的矢状位和轴位上以方向颜色编码叠加的中纵束(MdLF)。(C)半透明软脑膜表面的三维侧面投影，MdLF 为绿色。(D)使用第一个session(蓝色)和第二个session(橙色)重建MdLF的wDSC得分(垂直距离)的雷达曲线图。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

3.1.1.8 上纵束SLF

SLF是一种顶枕联络纤维，位于大脑背外侧，由三到四个分段组成。广义地说，SLF连接了额叶与枕叶、顶叶和颞叶，见图9。SLF与语言视觉空间功能和元认知功能有关。对SLF进行整体纤维追踪具有很高的重复性，但在SLF-II腹侧的额叶部分重复性差。

图9

(A)、(B)、(C)在T1加权像矢状面和横断面，右侧以方向性颜色编码覆盖上纵束(SLF)，左侧以金色(SLF- I)、粉色(SLF-IId)、绿色(SLF-IIv)和蓝色(SLF- III)覆盖。(D)半透明的MNI软膜表面的3D侧面投影，左侧SLF I、IId、IIv和III为绿色。(E)和(F)使用第一个session(蓝色)和第二个session(橙色)重建的整个SLF(E)的wDSC得分(垂直范围)和两侧SLF部分(F)的雷达图。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

3.1.1.8.1 SLF-I

SLF-I连接顶上小叶和伴有后上端额叶皮质的楔前叶，它是位于扣带回上方的一个短联络纤维束。所有数据集都能生成双侧纤维束，但是SLF分段中重复性最差，有可能是其体积小和流线计数低造成的。

3.1.1.8.2 SLF-II

SLF-II位于SLF-I下方，起始于前内顶沟和角回，终止于额上回和额中回的后部。SLF-II可细分为两个分段，第一个是背侧SLF(SLF-IId)，连接顶下小叶与背侧额中回。第二种是腹侧SLF(SLF-IIv)，其更长、更腹侧，连接顶下小叶与吻侧额中回。

3.1.1.8.3 SLF-III

SLF-III将顶内沟和顶下小叶与额下回相连。它位于弓状束的正上方和内侧，与其水平纤维重叠。

3.1.1.9 钩束UF

UF是一个钩状的双向联络纤维束，连接腹侧额叶、内侧额叶、眶部内侧额叶和吻侧颞叶。DTI重建了一个短的钩状纤维束，但dMRI纤维束重建显示了额叶中更广泛的扇形纤维轨迹。CSD结合显微解剖结构表明，UF可以进一步细分为5个分段。然而，为了实用，目前将UF重建为一个纤维束，见图10。

图10

(A)半透明软脑膜表面的三维侧面投影，左侧钩状束(UF)以方向颜色编码显示。(B)和(C)在T1加权图像的冠状和轴状切片上以定向颜色编码叠加的两个UF。(D)使用第一个session(蓝色)和第二个session(橙色)重建UF的wDSC分数(垂直距离)的雷达曲线图。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

3.1.1.10 垂直枕束VOF

VOF是外侧枕叶的一根短且倾斜的垂直联络纤维束。它将枕上回和相邻的顶枕沟连接到枕下回及邻近的枕颞叶皮质，见图11。

图11

(A)半透明软脑膜表面的三维侧面投影，垂直枕束(VOF)以方向颜色编码显示。(B)和(C)在T1加权图像的冠状和轴位切片上以定向颜色编码叠加的两个VOF。(D)使用第一个session(蓝色)和第二个session(橙色)重建VOF的wDSC分数(垂直距离)的雷达曲线图。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

3.1.2 连合纤维束

3.1.2.1 前连合AC

前连合穿过穹窿前的中线，在基底前脑上方，位于内囊前肢内侧和腹侧的下方。它有两个主要部分，第一个是包括嗅觉交叉的前部，第二个是包括连接颞叶、枕叶和双侧杏仁核的最大分支。AC与UF、ILF、矢状层和视辐射相交，追踪其真实的纤维范围很复杂，见图12。

图12 (A)和(B)在T1加权图像的矢状面和冠状面上覆盖彩色编码的前连合(AC)。(C)半透明MNI软膜表面的3D投影，AC以方向性颜色编码显示。(D)使用第一个session(蓝色)和第二个session(橙色)重建AC的wDSC分数(垂直距离)的雷达曲线图。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

3.1.2.2 胼胝体CC

胼胝体是人脑中最大的纤维束，连接左右半球，主要功能是大脑半球间的信息传递和整合。传统上，CC被分成几个节段：胼胝体嘴、胼胝体膝、胼胝体干、胼胝体峡部、胼胝体压部和胼胝体毯。本研究重建了CC的7个节段，包括前额胼胝体、运动前区胼胝体、运动胼胝体、感觉胼胝体、顶叶胼胝体、枕叶胼胝体和颞叶胼胝体，见图13和14。

图13

(A)和(B)T1加权图像的矢状位和轴位切片上的每一节段均以纯色显示胼胝体(CC)节段。(C)和(D)wDSC得分(垂直范围)雷达图，(C)CC胼胝体、PMC胼胝体、运动CC，(D)感觉CC、顶叶CC、枕叶CC和颞叶CC。PMC=运动前区，SMA=辅助运动去，wDSC=加权Disc相似系数。

图14

多个半透明的MNI软脑膜面投影，侧视图和俯视图显示前额CC(A和B)，前视图和上视图显示PMC和SMA CC(C和D)，前视图和上视图显示运动CC(E和F)，前视图和上视图显示感觉CC(G和H)，后视图和上视图显示顶叶CC(I和J)，侧视图和俯视图显示枕叶CC，以及后视图和上视图显示颞叶CC(M和N)。

DTI文献中常见的是三个细分：胼胝体膝，形成小钳连接左右侧前额叶和前扣带回；胼胝体干和胼胝体压部，形成大钳，连接左右后顶叶、内侧枕叶和内侧颞叶。纤维追踪算法的改进以及与功能数据的整合导致了不同的分割策略。

3.1.2.2.1 前额叶胼胝体CC PreF

所有数据集的前额叶胼胝体重建包括双侧前额叶，膝部胼胝体和前三分之一的胼胝体干。

3.1.2.2.2 运动前区和辅助运动区的胼胝体 CC PMC and SMA

对于所有数据集，使用尾侧额中回、双侧辅助运动区和胼胝体干的中间部分进行重建。

3.1.2.2.3 运动胼胝体 CC motor

该节段通过胼胝体的后三分之一连接两侧大脑左右半球的初级运动皮质(中央前回)。为所有数据集生成运动胼胝体。

3.1.2.2.4 感觉胼胝体 CC senory

利用两侧初级感觉皮质(中央后回)通过胼胝体干和胼胝体压部中线的后三分之一进行重建。除4个数据外，其余所有数据重建感觉胼胝体。

3.1.2.2.5 顶叶胼胝体CC parietal

对所有数据集重建顶叶胼胝体，使用两侧顶叶和胼胝体压部。

3.1.2.2.6 枕叶胼胝体CC occipital

对所有数据集重建枕叶胼胝体，使用两侧枕叶和胼胝体压部。

3.1.2.2.7 颞叶胼胝体CC temporal

利用双侧的外侧颞叶和胼胝体压部的中线重建。在1个数据中颞叶胼胝体重建失败。

3.1.3 投射纤维

3.1.3.1 内侧丘系ML

初级背侧上行束起始于脊髓背柱，经延髓上行至丘脑腹后内侧核(VPM)和腹后外侧核(VPL)，并经内囊到达中央后回的初级躯体感觉皮质，见图15。使用来自于UKBB的后脑干VOIs、VPM和VPL丘脑核团以及初级感觉皮质，重建内侧丘系纤维束。

图15

(A)和(B)在T1加权图像的矢状面和冠状面上覆盖彩色编码的内侧丘系(ML)。(C)半透明MNI软膜表面的3D投影，ML为蓝色。(D)使用第一个session(蓝色)和第二个session(橙色)重建ML的wDSC分数(垂直距离)的雷达曲线图。

L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

3.1.3.2 视辐射OR

视辐射将丘脑外侧膝状核连接到枕叶内的初级视觉皮质，见图16，是视觉处理的关键区域，在涉及颞叶的外科手术中提出重要挑战。值得注意的是，对Meyer环的纤维束追踪是存在挑战的。视辐射表现出显著的个体间差异，在前颞叶有一个尖锐的前投射，然后向后弯曲，加入矢状层。此外，在前环内，视辐射纤维可能与前连合、ILF和毯部纤维相交，增加了虚假流线的可能性。有两种视辐射的表示，第一种使用经典解剖学定义，仅将距状裂周围皮质VOI，第二种使用整个枕叶VOI。

图16

(A)和(B)叠加在T1加权图像的轴位切片上的视辐射。视神经束(OT)(淡蓝色)和(A)经典的视辐射(OR)(紫色)，(B)右侧丘脑后辐射(OR OL)(紫色)，左侧为方向性颜色编码。(C)和(D)具有OT(C)和OR(D)的半透明MNI软膜表面的3D侧面投影。(E)整个两侧视辐射的三维下投影。(F)视神经束和两种视辐射的wDSC得分(垂直范围)的雷达曲线图。L=左, R=右, S=受试者, wDSC=加权Disc相似系数.

3.1.3.3 视神经束OT

视神经束由对侧视神经的交叉轴突和同侧视神经的非交叉纤维组成，从视交叉延伸到丘脑外侧膝状核。

3.1.3.4 锥体束PyT

锥体束纤维通过脑干将运动冲动从大脑皮质传送到脊髓。锥体束(PyT)包括初级运动皮质和初级感觉皮质，以及上方的运动前区、辅助运动区和顶叶感觉皮质以及下方的整个脑干。我们还提供了基于感觉-运动网络的特定子网络的解剖，见图17。

图17

(A)和(B)右侧的锥体束(PyT_ALL)，左侧各部分纯色叠加，运动前区锥体束(PyT_PMC)为黄色，辅助运动区锥体束(PyT_SMA)为粉红色，皮质脊髓束(CST)为蓝色。(C)和(D)半透明的MNI软脑膜表面的3D外侧和前侧投影，两侧PyT以蓝色显示。与HCP模板束比较得到的wDSC(垂直距离)雷达曲线图显示在整个PyT (E)和不同锥体束分段(F)。L=左, R=右, S=受试者, wDSC=加权Disc相似系数, M1 CST =只包含运动CST..

3.1.3.4.1 初级感觉-运动锥体束(皮质脊髓束)CST

CST主要从中央前回的初级运动区和中央后回的躯体感觉区通过辐射冠、内囊后肢的后部和大脑脚，下行至嘴侧脑干，在那里形成延髓锥体，然后穿过锥体交叉，进一步下行穿过脊髓。该束重建有两种方法，一种使用初级运动和初级感觉皮质(CST)，另一种只使用初级运动皮质，不包括中央后回(M1_CST)。

3.1.3.4.2 运动前区锥体束PyT PMC

起源于背侧运动前区(额中回尾侧)，通过内囊后肢的前半部分下行至脑干。该纤维束的流线数量最少，是锥体束中可重复性最差的纤维束。

3.1.3.4.3 辅助运动区锥体束PyT SMA

起源于辅助运动区，经脑半卵圆中心和内囊后肢的前半部下行至脑干。

3.1.3.5 丘脑辐射TRs

丘脑辐射是一组4-5个丘脑-皮质投射纤维束，既有传入纤维，也有传出纤维。总体而言，丘脑辐射纤维束向皮质呈扇形分布，并在接近丘脑时形成一束。当它们穿过内囊和辐射冠时，与其他几个投射纤维束相交，除了丘脑显微解剖复杂性外，这些投射纤维束可能会使重建更加复杂化，见图18。

图18

(A)在T1加权图像的中线矢状面上以纯色叠加的丘脑辐射。丘脑前辐射(ATR)为淡绿色，丘脑上辐射(STR)为蓝色，顶叶丘脑辐射(PATR)为绿松石色，丘脑后辐射为深绿色(OR OL)。

(B)和(C)半透明MNI软膜表面的3D上侧面投影，ATR和OR OL为绿色，STR和PATR为蓝色。(D)不同丘脑辐射的wDSC得分(垂直范围)的雷达曲线图。

L=左, R=右, S=受试者, wDSC=加权Disc相似系数, OR OL=枕叶丘脑辐射.

丘脑后辐射由包括整个枕叶在内的视辐射(OR OL)来表示。丘脑辐射重建包含整个丘脑，并排除非贡献的丘脑核团，例如，丘脑前辐射排除了VPM和VPL。

3.1.3.5.1 丘脑前辐射ATR

ATR连接背内侧(DM)、背外侧(DL)和丘脑前部(ATN)与前额叶皮质，参与执行功能和复杂的计划。丘脑(除DM、DL和ATN以外的所有核团)以及同侧的前额叶内侧和吻侧重建ATR。

3.1.3.5.2 丘脑上辐射STR

丘脑上辐射通过丘脑上脚、内囊后肢和辐射冠，将丘脑腹侧核连接到运动皮质和感觉皮质，将小脑和基底神经节传入运动皮质。STR重建包括丘脑，排除背内侧核、背外侧核和丘脑枕，以及同侧的初级运动皮质、辅助运动皮质和背侧运动前区。

3.1.3.5.3 顶叶丘脑辐射PaTR

顶叶丘脑辐射重建包括顶叶，丘脑（除VPM和VPL外，其余核均不包括在内），使得该纤维束连接丘脑VPM和VPL到初级感觉皮质。

3.1.3.5.4 丘脑后辐射PoTR/OR OL

该纤维束与使用整个枕叶扩展的丘脑辐射相同，没有单独重建，但将在未来版本中添加。

3.1.4 小脑纤维束

3.1.4.1 齿状-红核-丘脑束DRTT

DRTT是从小脑到大脑皮层的主要传出通路，在以脑深部刺激为基础的神经外科中SCP的一个重要分支。它起源于小脑的齿状核，上行穿过脑干，其大部分组成轴突在小脑上脚交叉(SCP)处穿过中线，与中脑的对侧红核(RN)形成突触，见图19。从这里开始，DRTT继续延伸到腹外侧和腹内侧丘脑。从技术上讲，DRTT终止于丘脑；然而，为了功能的完整性，本研究将终止出延伸至初级运动皮质。

图19

(A)T1加权像矢状面上覆盖的小脑纤维束。绿色为齿状-红核-丘脑束(DRTT)，玫红色为小脑下脚(ICP)，金色为小脑中脚(MCP)。

(B) 这三个纤维束每个session的wDSC(垂直距离)雷达曲线图。

(C)、(D)和(E)显示DRTT、ICP和MCP的后视图和侧视图。

(F)、(G)和(H)显示DRTT、ICP和MCP的T1冠状位和轴位。

L=左, R=右, S=受试者, wDSC=加权Disc相似系数, OR OL=丘脑后辐射, 缺失的结果表明未通过纤维追踪成像.

虽然文献中已经描述了DRTT的同侧部分，但本研究重建仅限于经典/对侧DRTT。4个数据的左侧DRTT重建失败，9个数据的右侧DRTT重建失败。DRTT的wDSC中位数为0.498，最小值为0.078，最大A.I.D.为0.203。此外，我们生成了具有2,000和50,000条流线的DRTT模板束，以说明流线数对纤维追踪的结果和随后模板的重复性研究的影响(补充图1)。

3.1.4.2 小脑下脚ICP

小脑下脚主要由从脊髓投射到小脑的传入感觉神经纤维组成。小脑下脚通过本体感觉和运动功能的整合，参与平衡和姿势维持。显微解剖研究表明，小脑下脚由4个传入纤维束和1个传出纤维束组成，但本研究使用小脑齿状核、小脑顶核、小脑间位核和同侧延髓，将其重建为一个单侧纤维束，见图19。

3.1.4.3 小脑中脚MCP

小脑中脚是连接脑干和两侧小脑的大的成对纤维束，通常重建为连接两个小脑半球的单个连合束。小脑中脚在调节熟练的手部运动中起十分重要的作用，显微解剖研究表明该纤维束由三个分段(上、下和深)组成。本研究使用对侧脑桥和小脑皮质重建了两侧的小脑中脚。由此产生的流线横跨脑桥中线，符合其神经解剖学定义，见图19。

3.2 HCP test-retest 数据集结果

总体而言，在2720次尝试的重建中，成功地重建了2672次。未能在所有数据中重建以下纤维束：DRTT(15个失败)、运动前区锥体束(6个失败)、视辐射(3个失败)、穹窿(19个失败)、前连合(2个失败)、感觉胼胝体(4个失败)和颞叶胼胝体(1个失败)。不同HCP test-retest中受试者的session间成对相似度分析结果如图20所示。

图20

HCP纤维追踪图的成对wDSC分数的小提琴图。

wDSC=加权Disc相似系数，

AF=弓状束，CCing=扣带回，TCing=颞叶扣带回，FAT=额斜束，FX=穹窿，IFOF=额枕下束，ILF=下纵束，MdLF=中纵束，SLF=上纵束，SLF-IId =背侧SLF-II，SLF-IIv=腹侧SLF-II，UF=钩束，VOF=垂直枕束，ML=内侧丘系，OR=视辐射，OR OL=丘脑后辐射，OT=视神经束，PyT=锥体束，CST=皮质脊髓束，M1=初级运动皮质， PMC=运动前区，SMA=辅助运动区，ThR=丘脑辐射，Ant=前部，Par=顶叶，Sup=上部，CC=穹窿，DRT=齿状-红核-丘脑束，ICP=小脑下脚，MCP=小脑中脚，L=左，R=右。

每条纤维束基于体素的二值图谱显示了核心纤维束的最大一致性和外周最大变异性的预期模式，见补充图2和3。

3.3 MASSIVE数据集结果

图21显示了wDSC比较结果，将MASSIVE与HCP模板束比较，并叠加在HCP test-retest数据集结果。单个评分者一致性ICC为0.917(0.884-0.944，P<0.05)。

图21所有纤维束的加权Disc相似系数，HCP test-retest用小提琴图描绘，MASSIVE结果用黑色星号描绘。

AF=弓状束，CCing=扣带回，TCing=颞叶扣带回，FAT=额斜束，FX=穹窿，IFOF=额枕下束，ILF=下纵束，MdLF=中纵束，SLF=上纵束，SLF-IId =背侧SLF-II，SLF-IIv=腹侧SLF-II，UF=钩束，VOF=垂直枕束，ML=内侧丘系，OR=视辐射，OR OL=丘脑后辐射，OT=视神经束，PyT=锥体束，CST=皮质脊髓束，M1=初级运动皮质，PMC=运动前区，SMA=辅助运动区，ThR=丘脑辐射，Ant=前部，Par=顶叶，Sup=上部，CC=穹窿，DRT=齿状-红核-丘脑束，ICP=小脑下脚，MCP=小脑中脚，L=左，R=右。

总体而言，本研究成功重建了340条纤维束中的316条纤维束(5个MASSIVE数据集都是68条)。每个数据集中68条纤维束中有63条能够成功生成，前连合只在1个数据生成，DRTT和穹窿未在任何数据集中生成。

4 讨论

这项工作旨在为研究人员和临床医生提供教育可用及开放源码的纤维束成像管道FWT（感兴趣的纤维束），希望将CSD纤维束成像应用于典型HARDI数据集中，促进在临床研究中使用先进的纤维束成像方法。我们使用两个重测数据集证明了重建的纤维束在受试者内部和受试者之间的变异性，并提供了解决方案来改善可重复性较低的纤维束跟踪结果。

4.1 虚拟解剖的变异性

结果表明，纤维束之间的变异性远远大于受试者间的变异性，即无论使用什么数据集，不同纤维束的重建程度有很大的相似性。例如，在所有数据集中，AF和PyT的重建方式基本相同，而穹窿和DRTT在密度和空间范围上表现出高变异性，有时根本没有重建。对于具有高流线密度的纤维束，例如PyT、AF、CC，受试者间的一致性最高，而对于具有低流线密度的纤维束，例如，穹窿和DRTT，受试者间一致性最低。

所有纤维束的session间和受试者内一致性高，例如，在HCP test-retest数据集的两个session中，纤维束在很大程度上被重建(或未能被重建)。在不同b值和shell方案的单个受试者(MASSIVE)的test-retest中，梯度方向或shell方案的数量并不总是改变模型的纤维束相似性。

与其他研究结果一致，本研究结果显示相当大的变异性，不仅受扫描仪制造商、b值、扩散方案、重建模型等参数影响，还受虚拟解剖协议本身的影响。尽管对HCP模板使用与单个数据集完全相同的白质解剖协议，纤维追踪束在模板数据中没有失败，而一些单个数据集中失败，表明数据质量的重要性。组平均具有更高的信噪比(SNR)，并且由于受试者之间的差异，皮质结构的模糊性增加。结果表明即使在统一的白质解剖中，也可以考虑到纤维束内和受试者间的变异性。与之前研究相反，本研究发现数据采集参数和采集方案对纤维束变异性的影响有限。这可能是由于每个session使用的volumes数较高，因此SNR更高。

与其他研究一致，我们发现较大的纤维束(具有更大的体积和更多的流线数)往往更相似/可重复性。因此，自动化流程最适合于具有这些特征的纤维束。对于较小、密度较低或较窄的纤维束，如穹窿、DRTT(包括小脑上脚)或较大纤维束的特定分段(例如SLF-I、颞叶胼胝体)，建议使用空间分辨率低于毫米的数据、特定于纤维束的手动解剖，或在基于RecoBundles的自动化流程中使用提供的模板束，而不是基于VOI的方法。值得注意的是，本研究还提供了HCP模板束以及对齐的参考解剖图像的对称版本。与模板束一致，FWT与基于RecoBundles的处理流程兼容，这些处理流程可以克服结构分割的需要，这在临床数据中尤其有用，以避免由于结构分割错误而导致的错误纤维束成像结果。

4.2 临床研究中使用CSD的好处

目前有一些基于扩散纤维追踪的图谱和协议，其中一些是基于HCP数据。本研究主要目的是解决基于DTI虚拟解剖方案的局限性，这些方案在临床研究中占主导地位，是与健康对照比较研究的一部分，或者在医疗中比在研究中使用可以实现的扫描时间更短的数据。本研究没有包括与其他基于HARDI /高阶建模图谱的比较，使得本研究无法得出FWT相对于其他虚拟解剖方法有较好优势的结论。本研究在详细的解剖学和获取方案基础上，通过全面描述基于CSD的人类白质解剖学来补充其他图谱，这是对3T数据中经典DTI表示的改进。虽然本研究结果是基于健康受试者的高质量数据，但在FWT开发阶段，我们还在较低质量的临床数据上测试了该图谱，以确保其对临床人群的可译性(见补充图9)。关于FWT在疾病应用的分析超出了本文范围，重点是典型的CSD解剖学，并将在后续出版物中发表。

4.3 技术方面的考虑和限制

这项工作依赖于只有20个人的影像数据集，然而，通过使用re-test扫描产生40个数据和使用MASSIVE数据集分析，足以研究test-retest重复性以及受试者之间的变异性。虽然本研究解剖方案是基于文献和出版物，我们没有包括与任何其他图谱的直接比较，也没有采用正式的具体标准来评估定义的有效性。由于对与白质纤维束相关的解剖学定义缺乏共识，一些读者可能不同意本研究的解释，FWT VOI和重建可能需要随着研究发展而修改。

我们试图将严格的启发式决策(例如，统计阈值)保持在最低限度，特别是与过滤有关的决策，其中使用Dipy的大量数据驱动的流线过滤工具，而不是依赖严格的解剖排除VOI。然而，为了适应不同的数据质量，纳入VOI的选择受到比这项工作中使用质量更低的数据集影响。例如，对于AF，本研究排除了中央前回，以避免错误的流线通过平均体素，这是在较低质量的单shell数据中观察到的。同样，AC没有包含嗅觉成分，也不包括AF、CST、全部的丘脑后辐射或小脑上脚的细分。本研究也不包括更多的内部纤维束，如上-前纤维束、颞岛叶纤维束、丘脑下辐射(听觉)，或那些因其几何形状而失败的可能性较高的束，如后连合或颅神经。

FWT（感兴趣的纤维束）纤维追踪成像利用基于纤维束的球面反卷积滤波(SIFT)的流线种子点和过滤来进行全脑纤维追踪成像，而如果利用优化的全脑追踪成像方法，例如全脑纤维束成像或粒子滤波纤维束成像，则预期可以进一步改进。在从全脑纤维束图进行纤维束分割时，FWT不使用特定数量的输出流线。但是，如果使用特定纤维束方法，则是必要的。在这种情况下，所产生的流线将直接受到所需流线数量的影响，因为这将影响流线种子尝试的次数。这一点在补充图1中得到说明，当DRTT模板束生成2,000和50,000条所需流线时，50,000条流线的结果似乎与预期的一样更加完整。此外，当应用于单个数据集时，具有20,000条流线的特定纤维束方法比全脑纤维束成像和纤维束分割方法，成功重建更多的纤维束(73 vs 67)，且wDSC得分更高，特别是与50,000条流线的DRTT模板束相比。追踪这种具有挑战的纤维束也可能受益于解剖学受限的纤维束追踪成像，这将在未来的FWT版本中采用。

FWT数据分析是耗时的，因为仅FS的recon-all至少需要4-6小时，而且dMRI的预处理可以根据采集参数和重建方法有很大不同。例如，对于具有概率纤维束追踪成像的多壳多组织CSD模型(multi-shell multi-tissue CSD model)，使用fODF分布的二阶积分(iFOD2)的fODF驱动动态种子，全脑纤维束追踪成像可能需要超过4h的时间。虽然这个问题被FWT的灵活性抵消，但在术前定位时，FWT允许使用特定于纤维束的种子和追踪分析的方法，进一步开发将专注于处理时间改善。此外，未来工作将提供独立于先前结构分割的基于cluster的分析流程，更多纤维束，以及生成所有纤维束的确定性版本。最后，通过改变公开提供的FWT工作流程，对inclusion/exclusion VOI的任何合理和必要改变可以通过FWT工作流程的改变进行实现，可以公开提供，或者通过在HCP组模板或类似数据上重新运行模板工作分析流程，可以创建新纤维束图谱。

5 结论

FWT分析可重建68条白质纤维束，并显示出受试者间和受试者内的较高重复性。例如PyT、AF和MCP，密集的纤维束可产生最可靠且变异性最少的纤维束重建。对于更薄的纤维束，如穹窿、DRTT、SLF-I和运动前区PyT，可能需要更高分辨率的数据或特定于纤维束追踪的修改。对于希望使用和了解CSD纤维束成像的学生和临床专业人员来说，FWT CSD图谱可能是一个有用的参考和虚拟解剖工具。