如何从磁共振图像测量大脑皮层折叠：计算局部脑回化指数的逐步指南

摘要

在任何年龄段测量脑回化（皮层折叠）均能为早期脑发育提供重要窗口。因此，我们先前开发了一种算法，用于在半球上的数千个点位上测量局部脑回化¹。本文详细阐述该局部脑回化指数的计算方法。

摘要

大脑皮层折叠（脑回化）在生命最初几个月内即已确定，因此在此期间发生的不良事件会留下痕迹，并可在任何年龄被识别。正如Mangin及其同事最近综述²所述，目前存在多种方法用于量化脑回化的不同特征。例如，脑沟形态测量可用于测量诸如深度、长度或半球间不对称性指数等形态描述参数³。这些几何特性具有易于解释的优点。然而，脑沟形态测量高度依赖于对特定一组脑沟的准确定位，因此仅能提供脑回化的一个片段化描述。通过基于曲率的测量方法可实现更精细的脑回化量化，该方法通常在皮层表面数千个点上计算平滑后的绝对平均曲率⁴。然而，曲率本身较难理解，因为目前尚不清楚曲率与诸如皮层体积或表面积等具有生物学意义的指标之间是否存在直接关联。为解决皮层折叠测量中所涉及的多种问题，我们此前开发了一种算法，能够以极高的空间分辨率和易于解释的方式量化局部脑回化。我们的方法借鉴了脑回化指数（Gyrification Index）⁵，后者最初用于比较神经解剖学中不同物种间的皮层折叠差异。在我们的实现中，称为局部脑回化指数（local Gyrification Index, lGI¹），我们测量的是在感兴趣圆形区域内，埋藏于脑沟褶皱中的皮层面积与可见皮层面积的比值。鉴于皮层主要通过径向扩张方式生长⁶，本方法特别适用于识别皮层发育的早期缺陷。

本文详细介绍了局部脑回化指数（local Gyrification Index）的计算方法，该方法目前作为 FreeSurfer 软件的一部分免费提供（http://surfer.nmr.mgh.harvard.edu/，美国马萨诸塞州总医院马丁诺斯生物医学成像中心）。FreeSurfer 提供了一套从结构磁共振成像（MRI）数据中自动重建大脑皮层表面的工具。首先在图像的原始空间中以亚毫米精度提取皮层表面，随后用于构建一个外表面，作为计算 lGI 的基础。然后在外表面上划定一个圆形感兴趣区域，并通过匹配算法识别其在皮层表面上对应的感兴趣区域，具体方法见我们的验证研究¹。该过程通过大量重叠的感兴趣区域反复迭代，最终生成用于后续统计比较的皮层脑回化图谱（图1）。值得注意的是，Toro 及其同事⁷ 提出了另一种具有相似理念的局部脑回化测量方法，该方法通过计算球体内包含的皮层面积与相同半径圆盘面积的比值来获得每一点的折叠指数。这两种方法的区别在于：Toro 等人的方法基于欧几里得距离，因此考虑的是不连续的皮层区域；而我们的方法采用严格的测地线算法，仅包含从脑表面向外呈圆形开放的连续皮层区域。

方案

1. 重建三维皮层表面

本方案的第一部分采用 Wiki 中所述的标准 FreeSurfer 流程（http://surfer.nmr.mgh.harvard.edu/fswiki）。请注意，此处详述的命令仅为实现皮层表面重建的一种方法，也可使用等效的其他命令。

1. 将原始 MRI DICOM 数据导入 FreeSurfer，并验证图像质量（例如方向是否正确、对比度是否充分、图像是否发生移动）。该过程使用以下命令（将 <...> 中的文本（含括号）替换为具体实例的适当值，# 表示注释）：
   
   mksubjdirs # 创建 FreeSurfer 使用的文件夹结构
   cd /mri # 进入被试的 mri 文件夹
   mri_convert -cm 001.mgz # 将原始 MRI 转换为 FreeSurfer 格式
   tkmedit 001.mgz # 查看转换后的体数据
   
   
2. 生成三维皮层网格模型^8,9。为解决脑沟埋藏问题，FreeSurfer 首先创建一个统一的白质体积，作为初始灰白质界面的起点。随后根据局部强度梯度对该表面进行优化，并进一步扩展至灰质-脑脊液（CSF）界面。
   
   recon-all -s # 启动皮层表面重建
   
   重建过程结束后，将得到两个网格模型，每个半球约包含 150,000 个点：一个为白质表面（灰白质界面），另一个为软脑膜表面（灰质-脑脊液界面）。需注意的是，所有表面和体积均保留在原始空间中，从而可在无变形的情况下测量体积、表面积、皮层厚度或脑回化指数等参数。
   
3. 检查重建表面的准确性：
   
   tkmedit T1.mgz ?h.pial # 白质表面以绿色叠加，软脑膜表面以红色叠加
   
   其中 ?h 表示半球：lh.pial 代表左半球，rh.pial 代表右半球。图 2（包含两个版本：一个用于视频的动态 gif 图像，一个用于网站的静态图像）展示了随 FreeSurfer 软件包提供的“bert”被试的白质和软脑膜表面正确重建的示例。如果需要手动校正重建结果，可在 FreeSurfer Wiki 上找到相关教程（http://surfer.nmr.mgh.harvard.edu/fswiki/FsTutorial/WhiteMatterEdits，http://surfer.nmr.mgh.harvard.edu/fswiki/FsTutorial/PialEdits）。

2. 计算局部脑回化指数

当您对脑表面结果满意后，使用以下命令计算局部脑回化指数（lGI）：

recon-all -lgi -s

此命令通常需要运行约3小时，以处理一位研究对象的两个半球数据，具体时长取决于工作站的性能。该过程包含以下不同步骤： lGI 过程在图 1 中进行了概述。计算首先通过形态学闭运算创建一个外表面。该外表面记为 ?h.pial_outer_smoothed，其进一步展示于图 3 中。随后，在该外表面上生成约 800 个相互重叠的圆形感兴趣区域。对于每一个此类区域，均在软脑膜表面（pial surface）上定义一个对应的感兴趣区域。整个计算最终生成一张独立的地图，其中包含一个 l大脑皮层表面每个点的GI值（即每半球约150,000个值）。

3. 检查每个半球的 lGI 计算结果

tksurfer ?h pial -overlay /surf/?h.pial_lgi -fthresh 1

将 lGI 值叠加显示在皮层表面。由于正确的 lGI 值通常介于 1 到 5 之间，将最小阈值设为 1（使用 fthresh 选项）可实现快速检查：不应看到任何灰色的皮层区域。图 4 展示了正确的个体结果示例。

4. 统计学组间比较

目的是在控制性别和年龄影响的同时，量化每个顶点在大脑皮层表面的组间效应。您需要遵循与比较每个顶点皮层厚度相同的流程，但使用 ?h.pial_lgi 而非 ?h.thickness。有两种方法可用于计算统计组间比较：首先列出的是经典命令行方法，随后简要介绍图形界面（Qdec）方法。

1. 比较组间lGI结果的第一种方法是使用以下列出的命令；更多详细信息可参见https://surfer.nmr.mgh.harvard.edu/fswiki/FsTutorial/GroupAnalysis。
   1. 首先，您需要创建一个研究特定的模板，并将所有受试者作为输入：
      
      make_average_subject --subjects ...
      
      上述命令将创建一个名为“average”的受试者。或者，您也可以使用作为FreeSurfer发行版一部分提供的“fsaverage”受试者。
   2. 然后，创建一个包含研究中受试者描述信息的文本文件（即“FreeSurfer Group Descriptor File”）。您的FSGD.txt文件应如下所示：
      
      GroupDescriptorFile 1
      Group Control_Male
      Group Control_Female
      Group Patient_Male
      Group Patient_Female
      Variables Age
      Input Patient_Male 20
      Input Control_Female 23
      <…>
   3. 使用以下命令对每个半球的lGI数据在平均受试者空间中进行重采样：
      
      mris_preproc --fsgd FSGD.txt --target average --hemi ?h --meas pial_lgi --out ?h.lgi.mgh
      
   4. 在皮层表面上对数据进行平滑处理以降低信噪比：
      
      mri_surf2surf --hemi ?h --s average --sval ?h.lgi.mgh --fwhm 10 --tval ?h.10.lgi.mgh
      
   5. 在每个顶点水平上计算组间比较。为此，您需要创建一个对比文本文件（例如，对于上述FSGD.txt文件的情况，“contrast.txt”文件将包含值“1 1 -1 -1 0”，用于在控制年龄和性别的条件下计算对照组与患者组之间的差异）。最后运行比较：
      
      mri_glmfit --y ?h.10.lgi.mgh --fsgd FSGD.txt doss --glmdir ?h.lgi.glmdir --surf average ?h --C contrast.txt
      
   6. 使用tksurfer在平均受试者上可视化结果：
      
      tksurfer average ?h inflated
      
      然后加载位于文件夹?h.lgi.glmdir/contrast.txt/sig.mgh中的sig.mgh文件作为叠加图。通过“configure overlay”选项，您可以进一步调整p值阈值，并使用错误发现率校正多重比较¹⁰。
      
2. 进行组间比较的另一种方法是使用Qdec，即FreeSurfer中实现的图形用户界面。在使用Qdec分析局部脑回化指数时，需要预先对lGI数据进行平滑处理：
   
   recon-all -qcache -measure pial_lgi -average -s
   
   使用Qdec时，FreeSurfer组描述文件被替换为略有不同的版本，即数据表（qdec.table.dat），其中包含不同组别及其他混杂变量（如年龄）的描述信息。有关Qdec使用的详细说明，请参见http://surfer.nmr.mgh.harvard.edu/fswiki/FsTutorial/QdecGroupAnalysis。
   需要注意的是，如果在Qdec的因变量列表中未显示lGI，您必须在位于主目录中的.Qdecrc文件中添加以下行：
   
   MEASURE1 = pial_lgi

5. 分析

或者，统计分析最终可以在 FreeSurfer¹¹ 所整合的皮层分区水平上进行。为此，可提取每个半球34个目标脑回区域的平均lGI值，并在不同组之间进一步比较这些测量值。这种基于分区的分析（与上述基于顶点的分析相对）可能更具优势，因为它减少了统计比较的次数。然而，每个点位的lGI值量化的是其周围环形区域的脑回化程度，因此某个目标脑回区域内平均lGI值在一定程度上也反映了邻近目标区域的脑回化情况。

最后，尽管本方案已描述了最重要的问题，但对实验过程中可能遇到的其他问题的解决方案 FreeSurfer 或 l胃肠道处理可在以下档案中找到： FreeSurfer 邮件列表http://surfer.nmr.mgh.harvard.edu/fswiki/FreeSurferSupport).

6. 代表性结果

如方案第1c节所述，在进行lGI计算之前，应始终仔细检查皮层表面重建的准确性。在前后滚动查看额叶至枕叶的过程中，需特别注意软脑膜表面不应包含血管和脑膜结构。同时检查白质表面是否准确贴合灰质-白质交界处。图2展示了正确重建的示例（整个体积的动态gif图请参见相应图示）。

在完成局部脑沟指数（lGI）计算后，还需检查每位受试者双侧大脑半球的结果。任何皮层区域的lGI结果均不应小于1。本方案的第3节及图4展示了如何正确检查lGI计算输出结果的准确性。

图1. lGI 计算流程概览。 首先，使用标准的 FreeSurfer 流程从原始图像重建三维皮层网格模型。这些重建算法以二值化的白质体积作为起始点，以解决脑沟埋藏的问题。皮层网格模型通常包含约150,000个顶点，常用于计算每个点的皮层厚度。类似地，局部脑回指数（lGI）也将在每个顶点处进行计算。为此，需构建一个外表面。然后，通过匹配算法在外表面和皮层表面识别出对应的圆形感兴趣区域。在生成约800个重叠的感兴趣区域后，该过程最终生成个体化的 lGI 图谱。这些图谱易于解释：指数为5表示在该区域周围，埋入脑沟内的皮层表面积是可见皮层表面积的5倍；指数为1则表示该区域周围的皮层是平坦的。最后，与皮层厚度比较类似，在每个顶点水平上进行统计学组间比较。

图1B。 个体皮层图谱 l胃肠道。 该短片展示了如图1所示的单个大脑皮层lGI图的360度旋转。值得注意的是，皮层中具有较高值的区域 lGI值对应于胎儿期大脑发育过程中最先形成的脑沟：从大脑外侧观可见的外侧裂、上颞沟和顶内沟，以及从大脑内侧观可见的顶枕沟。 观看视频

图2. 皮层表面重建效果良好的示例（一个冠状切面）。 重建过程结束后，应在整个脑体积范围内仔细核查皮层表面的准确性。内层皮层表面（标记为白质表面，图中以绿色显示）应精确地沿灰质-白质交界处走行。外层皮层表面（即灰质-脑脊液交界面，标记为软脑膜表面，图中以红色显示）不应包含任何血管或膜状结构片段。需要注意的是，本示例中使用的数据来自随 FreeSurfer 软件包一同发布的“bert”受试者。

图2B. 皮层表面重建效果良好的示例（完整体积）。 该动态GIF图像显示了使用FreeSurfer从最前部到最枕部的冠状切面依次浏览时，“bert”受试者左半球在每个冠状切面上的皮层表面。 查看动画

图3. 作为 lGI 计算过程一部分生成的外表面示例（一个冠状切面）。 lGI 计算的第一步是创建一个包绕半球的外表面。该表面（在 FreeSurfer 中标记为 ?h.pial_outer_smoothed）可通过 tkmedit 进行检查。此处以 FreeSurfer 配套提供的示例受试者“bert”为例进行说明。

图3B. 作为lGI流程一部分计算得到的外表面示例（完整体积）。 该动画gif图像显示了使用FreeSurfer中的tkmedit工具，从最前端到最枕侧的冠状切面依次浏览时，左半球在每个冠状切面上的外表面。观看视频

图4. 正确示例 lGI 输出的观察结果 FreeSurfer “bert”受试者大脑皮层表面的不同朝向 lGI值叠加显示。颜色编码采用tksurfer中默认的“热图”叠加模式 FreeSurfer使用最小阈值1，所有顶点必须被着色，且不应有任何皮层区域呈现灰色。需要注意的是，可在 tksurfer 中通过“Configure Overlay”选项修改颜色叠加，其中可调整最小值和最大值，以及整体分布的直方图 l也可以检测胃肠道功能。

讨论

上述方案描述了如何基于脑部T1加权MRI测量局部脑回化指数，并进行统计学组间比较。我们的方法专门设计用于定位皮质扩张过程中的早期异常，因此在许多神经发育性或精神疾病中具有特别重要的意义。有关临床样本中组间比较的实例，可参见我们团队^1,12或其他研究者^13-16发表的文献。该流程完全自动化，仅需执行命令即可完成，尽管其中有两个参数可供调整。

第一个可调节的参数位于lGI计算层面：即感兴趣圆形区域的半径。默认半径设置为25 mm，该值的选择旨在同时包含多个脑沟，同时保持足够的分辨率。我们的验证论文中包含了一项关于半径对皮层脑回化图谱影响的实验¹，结果表明较大的半径倾向于平滑皮层图谱，导致局部极大值被稀释。对于临床研究，我们建议半径设置在20至25 mm之间。

第二个可调参数是在统计分析层面的平滑程度。为了提高信噪比，采用迭代的最近邻平均法对皮层网格上的数据进行平滑处理。与我们研究条件相似的皮层厚度研究（即在原始空间中测量的数据、皮层表面数据分布相同...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
材料： 一台配备 2GHz 或更快处理器、至少 4GB 内存的 Unix 或 Mac 工作站，并已安装FreeSurfer 软件（http://surfer.nmr.mgh.harvard.edu/fswiki，建议使用最新版本，但不得早于 4.0.3 版本）。为计算局部脑回化指数，还需配备 MATLAB（http://www.mathworks.com/）及图像处理工具箱。
数据： 一组高质量（高分辨率、高对比度）的脑部 MRI T1 加权数据集。您的受试者群体应尽可能在年龄和性别上相匹配。鉴于大脑形态存在正常的个体间差异，每组受试者数量应足够以检测出实际存在的组间差异（越多越好）。每组合理的最小样本量约为 20 名受试者（但如果变化强度较大，且各组在性别和年龄上高度匹配，则样本量可适当减少）。
FreeSurfer	Martinos Center for Biomedical Imaging, MGH		版本 新于 4.0.3
Matlab	Mathworks		图像 处理工具箱