背景
磁共振成像(Magnetic Resonance Imaging, MRI),是一种非侵入性的医学影像技术,用于生成具有高分辨率的人体内部结构图像,主要包括反应功能网络的功能磁共振成像(Functional Magnetic Resonance Imaging, fMRI)、体现结构网络的弥散张量成像(DTI)和展示形态学网络的结构磁共振成像(Structure Magnetic Resonance Imaging, sMRI) 。经过多年发展,MRI技术现已十分成熟,但影像原始数据仍存在噪声与信息干扰,这使得我们在应用前需对数据进行预处理。而感兴趣区域(region of interest, ROI)与基于体素的形态学分析(voxel-based morphology, VBM)的预处理被认为是提取大脑特征较为准确的方法。
ROI
ROI是指在图像中预先定义的特定区域或区域集合。研究人员选择感兴趣的区域,并计算该区域的特征,如体积、形状或信号强度等。
原理
将原始图像映射至预先规划好的模板上,选择模板上的区域,这个区域就是你研究的重点。
图谱
在脑影像分析中,为了更精确地研究这些区域的结构、功能或连接,常常使用到一些预先定义好的模板,比如由 Montreal Neurological Institute (MNI)机构提供的AAL90(Anatomical Automatic Labeling)模板,他包含90个大脑脑区以及26个小脑脑区、以及自动化所脑网络组研究中心蒋田仔教授团队绘制的BNA脑网络图谱,该图谱讲脑细化为246个脑区,详见连接。
AALhttps://www.cnblogs.com/gagag/p/13256638.htmlBNAhttps://scalablebrainatlas.incf.org/services/view3d_l2v.php?template=BNA&overlay=labels
应用
定义好脑区后,可对所选的ROI进行特征提取,如计算该区域的白质、灰质的体积、形状、密度,各个脑区之间的功能连接等。将提取的特征与其他脑区域、临床数据或实验条件进行比较,以了解感兴趣区域在特定情况下的结构、功能或连接的变化,进而进行解释或推断。在临床中,常常应用于神经精神疾病患者的异常脑结构、功能分析。对与特征计算在此推荐dpabi预处理工具包,可安装在matlab中进行MRI可视化预处理,链接如下。
VBM
VBM是一种基于全脑分析方法,它通过将整个脑图像分割成小的体素(立方体像素)单元,并对每个体素进行统计分析,来研究不同脑区域之间的形态学差异,分析涵盖整个脑部,因此在较大的空间尺度上进行。
原理及应用
首先,对脑MRI需要预处理,包括去除头盖骨、矫正图像方向、去除噪声等步骤,以确保后续分析的准确性和可靠性;接下来,需要把脑MRI的T1加权像在空间上标准化到一个完全相同的立体空间中,然后对图像进行分割成,划分成如灰质、白质和脑脊液等不同的组织类型,以便将不同组织类型的体素进行区分。随后可以利用使用统计学方法来检测不同组间的差异,并完成可视化。
在临床上,VBM也主要用于对神经精神疾病患者的脑影像分析。
优势
总而言之,相较于ROI,VBM更注重全脑的研究。且VBM方法无需预先定义模板,因此较少受到主观选择的影响。