神经退行性疾病分析中的弥散张量磁共振成像

以下实验的总体目标是通过结合基于全脑和基于纤维束的分数各向异性统计方法，利用扩散张量成像分析来定义不同脑部疾病的特异性白质病理解剖特征。该目标通过适当的扩散张量成像（DTI）数据预处理实现，包括质量控制和立体定向标准化。第二步是进行基于全脑的空间统计分析（WBSS），从而能够在体素水平上比较不同受试者组的分数各向异性（FA）图谱，以检测病理学差异。

接下来，进行基于纤维束示踪的空间分数追踪分析（TrackWise fractional）。通过纤维束追踪方法定义脑结构后，采用基于体素的纤维示踪统计分析（ATROPY statistics 或 TFAS），以补充体素水平比较的结果。基于DTI的分析可获得显示疾病组与对照组之间差异的结果。

该技术相较于其他方法的主要优势在于，能够在群体平均数据集上实现纤维追踪。该方法有助于回答神经影像学领域的关键问题，例如识别受神经退行性疾病影响的脑结构。该技术的应用前景可延伸至作为基于神经影像学的替代标志物，因为它可能在个体水平和群体水平上均显示出纵向效应。

本方法的演示至关重要，因为数据处理步骤难以掌握，数据分析需在本实验室自主开发的定制软件包 T 上进行，且数据处理与分析中的多个步骤耗时较长，需执行伪影校正。本实验室开发的定制软件用于检测 GD，即至少有一个切面显示信号强度降低，即由受试者自发性运动引起的运动伪影。所用软件基于张量成像与纤维追踪技术，为本实验室针对任何弥散加权体积数据自主开发的定制软件。

计算每个切片的平均强度，然后使用加权平均法将其强度与所有其他体积数据中相同切片的强度进行比较。权重因子为两个gd向量的点积。如果Q低于某一阈值（例如，此处以0.8作为阈值），则剔除整个体积数据或gd。

0.8 的阈值被视为稳定解。此处显示的是在矢状面重建图像中可见并由质量控制算法检测到的运动伪影。在此示例中，在总共 GD 17 个数据点中，有部分位于红线以下，该红线对应 Q 等于 0.8，应予以剔除。

本研究的总体积消除统计学示例展示如下：在此示例中，29名亨廷顿病（HD）前驱期受试者的DTI数据与30名对照个体的DTI数据进行比较，用于建立立体定向标准化，生成特定研究的B等于零模板和FA模板。完整的非线性立体定向标准化包含三个形变组分。因此，每个体素的最终扩散张量必须根据之前所考虑的所有旋转进行相应旋转校正。

这是一种刚性脑部变换，用于对齐基本坐标系。该图展示了根据标记点进行的线性形变。iGen向量的各个分量需根据线性形变的S的六个归一化参数进行调整，此处还采用了非线性归一化，以均衡非线性的脑形态差异。

每个体素的三维向量位移均不相同，从而导致对三维体素阵列中的每个体素进行独立的变换。在完成该个体化配准流程后，利用所有个体的DTI数据集创建一个针对本研究的B等于零模板和一个FA模板。由于非PHE方法配准至FA模板相较于B等于零图像能提供更高的对比度，因此可通过平均所有患者和对照组个体生成的FA图来定义FA模板。

第二步，通过最小化待配准FA图与FA模板之间区域强度的差异（基于平方差），对DTI数据集进行非线性MNI标准化，并据此生成新的模板T2。重复此迭代过程，直至个体FA图与FA模板之间的相关性大于0.7。通常经过两次迭代即可达到该阈值。

现在可以通过以下步骤进行基于全脑的空间统计分析：由标准化的DTI数据计算各向异性分数图，对各向异性分数图进行平滑处理，并进行统计学评估，包括在后续分析中对多重比较进行校正。通过基于全脑的空间统计方法，计算肌萎缩侧索硬化症患者与对照组之间各向异性分数图的差异。作为体素级比较前的预处理步骤，需从标准化的DTI数据计算FA图，以保留方向性信息；随后对个体的标准化FA图应用平滑滤波器进行平滑处理。

滤波器尺寸会影响DTI数据分析结果，这一事实要求应用匹配滤波器定理，该定理指出，用于处理数据的滤波器宽度应与预期差异的大小相匹配。使用学生t检验（student's T-test）比较患者组与相应的对照组foxwell Y。具体方法是对每个foxhole分别比较患者FA图谱与对照组FA图谱的FA值，然后采用错误发现率算法在P小于0.05的水平上对统计结果进行多重比较校正。

使用空间相关性算法进一步降低α误差，该算法可消除孤立体素或大小在平滑核范围内的小型孤立体素群，从而在后续两次追踪中设定最小阈值簇大小为512个体素。针对肌萎缩侧索硬化症患者与对照组进行分数各向异性统计分析。为了应用基于群体的纤维追踪算法，需首先将患者的DTI数据集与对照组的DTI数据集合并，生成平均DTI数据集，然后通过应用简化的追踪技术对受试者群体的平均DTI数据集进行纤维束成像。

通过基于全脑的FA分析，手动确定邻近局部最大值的种子点，这些种子点是后续纤维追踪分析的基础。在种子点确定后，进行T束纤维追踪，并将所描绘纤维的体素定义为特定于该组的掩模，用于后续的TFAS分析。为了量化T纤维追踪结果，利用每组所有受试者平均DTI数据集生成的纤维轨迹进行TFAS分析，以选择参与患者与对照组FA图谱比较的体素。结合WBSS与TFAS获取全面信息，对所有FA值高于0.2的体素进行学生t检验统计分析。该动画展示了在LS患者样本与匹配对照组之间，通过WBSS检测到的FA图谱组间差异，以逐层切片可视化方式呈现。

本视频展示了以皮质脊髓束内的起始点进行纤维追踪，作为TFAS的基础。一旦掌握，若操作得当，该技术可在数小时内近乎自动地完成。观看本视频后，您应能充分理解如何利用全脑空间统计方法和TrackWise FA统计方法，在群体水平上进行DTI分析。