基于DTI丘腦分割的新方法＊

深圳市第二人民醫(yī)院醫(yī)學(xué)影像科(廣東 深圳 518000)

許東峰 雷 益 夏 軍

林 帆 何 品 蔡曉東

基于DTI丘腦分割的新方法＊

深圳市第二人民醫(yī)院醫(yī)學(xué)影像科(廣東 深圳 518000)

許東峰 雷 益 夏 軍

林 帆 何 品 蔡曉東

目的利用概率跟蹤算法的原理對DTI序列進(jìn)行處理，得到丘腦分割圖譜,為研究丘腦與皮層的連接關(guān)系提供參考依據(jù)。方法健康志愿者30例進(jìn)行常規(guī)T2序列及DTI序列掃描，將采集到的數(shù)據(jù)進(jìn)行轉(zhuǎn)換分析，利用概率跟蹤算法對其進(jìn)行計算，得到丘腦分割圖譜。結(jié)果獲得的丘腦分割圖譜被不同顏色分成七個部分，分別顯示與七個頭腦皮層分區(qū)的連接方式。將丘腦分割圖譜與常規(guī)丘腦核團(tuán)圖譜進(jìn)行對比，發(fā)現(xiàn)其連接方式十分一致。結(jié)論丘腦分割圖譜與常規(guī)丘腦核團(tuán)圖譜具有較強(qiáng)的一致性，有利于我們進(jìn)一步認(rèn)識丘腦的解剖及功能，為以丘腦為靶點(diǎn)的手術(shù)提供解剖依據(jù)。

DTI；概率跟蹤算法；丘腦分割

丘腦是大腦的中轉(zhuǎn)站，其調(diào)解著大腦區(qū)域中感覺、運(yùn)動之間的聯(lián)系，具有舉足輕重的作用。然而在目前的影像方法如CT、常規(guī)MRI上，無法清晰地比較丘腦核團(tuán)的細(xì)微差別。盡管有學(xué)者稱在磁共振的T1反轉(zhuǎn)圖像上可以顯示出丘腦內(nèi)側(cè)背核(medialdorsal nucleus,MD)的位置[1]。但是更細(xì)微的核團(tuán)卻無法清楚顯示，而且在T1反轉(zhuǎn)圖像上丘腦核團(tuán)過于細(xì)小，核團(tuán)之間無法清楚比較[2]。

目前的研究已經(jīng)證實(shí)，一些疾病可引起丘腦的改變，其中包括精神分裂癥(schizophrenia)[3]、帕金森病(Pakinson's disease)[4]、慢性疼痛綜合癥(Chronic pain syndrome)[5]、多發(fā)性硬化(Multiple sclerosis)[6]、華勒氏變性(Wallerian degeneration)[7]等。其中帕金森病、慢性疼痛綜合征、多發(fā)性硬化，可通過以丘腦核團(tuán)為靶點(diǎn)進(jìn)行外科手術(shù)治療[8]。過去術(shù)前計劃是以已經(jīng)獲得的常規(guī)丘腦圖譜為參考進(jìn)行制定[9]，然而由于每個人的生長變異不同，丘腦核團(tuán)的具體位置、形態(tài)及其大小會有所差別，因此采用常規(guī)丘腦圖譜來尋找手術(shù)靶點(diǎn)是不準(zhǔn)確的[10]。

1 DTI的研究現(xiàn)狀

1.1 DTI的原理 磁共振彌散加強(qiáng)成像(Diffusion Tensor Imaging,DTI)的物理基礎(chǔ)是水分子的隨機(jī)不規(guī)則“布朗”運(yùn)動(Brownian motion)，也稱為彌散(Diffusion)。在無限均勻的媒介中，水分子的運(yùn)動不受限制，完全隨機(jī)，在各個方向的擴(kuò)散大小一致，呈現(xiàn)為“各向同性(Isotopic)”彌散，(見圖1)，而在腦白質(zhì)纖維中，由于細(xì)胞膜、神經(jīng)軸突和髓鞘等因素的存在，水分子彌散具有方向依賴性，平行于纖維走行方向的水分子彌散最快，而垂直于纖維走行方向的水分子彌散受限，這種現(xiàn)象稱為“各向異性(Anisotropic)”彌散[11]，(見圖2)。

1.2 基于DTI的概率跟蹤算法磁共振彌散張量成像(DTI)在研究腦纖維結(jié)構(gòu)的連接方面已取得較大進(jìn)步,彌散張量成像可以重建并顯示整個大腦結(jié)構(gòu)[12]，定量分析各個纖維的體積和行程。但傳統(tǒng)的確定性纖維追蹤方法難以對皮層或者灰質(zhì)鄰近的纖維進(jìn)行追蹤，因?yàn)楫?dāng)神經(jīng)接近這些區(qū)域的時候,擴(kuò)散的各向異性下降，周圍的噪聲增加,使得計算出來的神經(jīng)纖維主要擴(kuò)散方向不可靠[13]；另外，在追蹤神經(jīng)纖維的時候，我們往往設(shè)定FA閾值來終止纖維， 由于皮層或者灰質(zhì)周圍的FA值較低，因此追蹤的纖維會比實(shí)際的神經(jīng)纖維短小。所以，用傳統(tǒng)的確定性追蹤方法無法研究腦表面皮層或深部灰質(zhì)結(jié)構(gòu)的纖維分布。

而近年提出的概率跟蹤算法(probabilistic tractography algorithm)可以解決這問題，概率跟蹤算法將張量的FA值、張量的所有特征值與特征向量、角度等參數(shù)綜合考慮，通過當(dāng)前體素以及它的26個鄰域體素所提供的位置信息,計算從該體素分別走向各個鄰域體素的走行概率,并將走行概率最大的鄰域體素視為纖維在該體素的走行方向，從而實(shí)現(xiàn)對纖維的跟蹤[14]。此算法被編寫進(jìn)牛津大學(xué)腦功能性磁共振成像(Functional MRI of the Brain,FMRIB)實(shí)驗(yàn)室的FSL軟件(http://fsl.fmrib.ox.ac.uk/ fsl/fslwiki/)中，本研究也采用此軟件對圖像進(jìn)行后處理。

2 實(shí)驗(yàn)過程

2.1 研究對象 本研究的研究對象為健康志愿者30例，年齡在25到50之間，平訴體健，經(jīng)常規(guī)體檢未發(fā)現(xiàn)異常，無遺傳病史者。

2.2 磁共振掃描 使用1.5T西門子Avanta磁共振掃描儀進(jìn)行掃描，在常規(guī)pd和T2WI平掃后，進(jìn)行一下序列掃描：

2.2.1 解剖圖：MPRAGE，矢狀位掃描，體素大?。?.0×1.0×1.0mm；matrix：256×256mm；層厚1mm,無間距；TR/TI/TE=2730/1000/3.31ms；加速因子：2×Grappa；帶寬：195Hz/px。

2.2.2 DTI序列：singleshot EPI,軸位掃描，范圍為頭頂頭皮至橋腦下緣，體素大小：2.0×2.0×2.0mm；FOV：matrix：128×128；層厚2mm,無間距；angle：20；b＝1000s/ mm2。

2.3 基于概率跟蹤算法分割腦區(qū)

2.3.1 格式轉(zhuǎn)換：利用dcm2nii(http://www.cabiatl. com/mricro/mricron/dcm2nii. html)軟件將磁共振掃描獲得圖像文件從原來的DICOM格式轉(zhuǎn)換為NIFTI格式。

2.3.2 渦流校正(Eddy current)：使用FSL軟件(http:// fsl.fmrib.ox.ac.uk/fsl/ fslwiki/)對DTI數(shù)據(jù)進(jìn)行渦流校正。渦流校正可以調(diào)整糾正彌散加權(quán)圖像因線圈梯度不同而引起的扭曲和去除簡單的頭部運(yùn)動偽影。

2.3.3 去除腦外組織(BET)：去除頭皮、顱骨等腦以外的結(jié)構(gòu)，生成nodif_brain_mask圖像。

2.3.4 建立模板：目標(biāo)模板：我們選用Julich分區(qū)。該分區(qū)根據(jù)解剖及功能的不同，將大腦皮層分成七個區(qū)域，分別為前額皮層(prefrontal cortex)：位于中央前回的前方，包括扣帶回的上方，前聯(lián)合線以前的區(qū)域；前運(yùn)動區(qū)(Premotor cortex,PMC)，包括感覺運(yùn)動區(qū)SMC和輔助運(yùn)動區(qū)SMA,與軀體，面部等運(yùn)動相關(guān)，與學(xué)習(xí)模仿等運(yùn)動也相關(guān)；主運(yùn)動區(qū)(primary motor cortex),主要包括大部分中央溝前份的皮層區(qū)域，與情感相關(guān)，司運(yùn)動；感覺皮層(Sensory cortex)，主要是中央后回，司體感；顳葉皮層(Temporal cortices)；后頂皮層(Posterior parietal cortex, PPC)，位于中央后回的后方，在認(rèn)知處理起重要作用，與決策、分類及注意力等相關(guān)；枕葉皮層(Occipital cortex)，如圖2。種子模版：用FSL自帶的丘腦mask作為目標(biāo)分割模版。

2.3.5 ：將個體空間的解剖圖像轉(zhuǎn)換到個體DIT空間，將個體空間解剖圖像剛性轉(zhuǎn)換到標(biāo)準(zhǔn)空間，然后用非線性逆轉(zhuǎn)換將上述模版從標(biāo)準(zhǔn)的MNI空間逆向轉(zhuǎn)換到個體DTI空間。

2.3.6 ：用BEDPOSTX計算每一像素彌散屬性分布，再用Probtrackx建立纖維的概率跟蹤，它將計算出丘腦區(qū)域每個像素到上述目標(biāo)模版的概率。最后用fsl提供的“find_the_ biggest”函數(shù)找出具體與某一像素最高概率連接的腦區(qū)，生成丘腦分割圖(biggest.nii.gz)。

3 實(shí)驗(yàn)結(jié)果

用fsl軟件中自帶的fslview工具打開之前已經(jīng)去除腦外結(jié)構(gòu)(BET)的T2解剖圖,與我們生成的丘腦分割圖(biggest.nii.gz)進(jìn)行融合，得出解剖位置上的丘腦分割圖。通過上述處理，每個被試者的掃描序列都能成功得到由不同顏色標(biāo)記的丘腦分割圖象(見圖3)。

4 討 論

概率跟蹤算法(probabilistic tractography algorithm)所基于的假設(shè)是：被研究體素的纖維走行路徑并不是唯一的，而是服從于某種特定形式的概率分布(Probability distribution),對這個概率分布進(jìn)行模型估計后，利用蒙特卡羅(Monte carlo)隨機(jī)試驗(yàn)等方法分析任一方向的纖維走向可能，從而同計算相應(yīng)纖維在各個方面走行的概率大小。Behrens等學(xué)者基于這種概率纖維追蹤的思想,提出了基于貝葉斯(Bayesian)框架的概率跟蹤算法[14]，(見圖4)。其大致原理為根據(jù)目標(biāo)結(jié)構(gòu)(主要是腦深部核團(tuán))的具體像素與不同腦皮層區(qū)域的連接概率，對應(yīng)某一皮層區(qū)域，高概率的像素被認(rèn)為是同一分區(qū)，從而可以將目標(biāo)結(jié)構(gòu)分成與皮層區(qū)域?qū)?yīng)的分區(qū)[15]。

人體的丘腦由核結(jié)構(gòu)復(fù)雜的四個部分組成，分成是上丘腦、下丘腦、背側(cè)丘腦和腹側(cè)丘腦[16]。丘腦的核團(tuán)可分為前腹側(cè)核(anteroventral nucleus,AV)，腹前核(ventral anterior nucleus,va)，內(nèi)側(cè)背核(mediodorsal nucleus,MD)，腹后核(ventral posterior nucleus,VP),腹外側(cè)核(ventral lateral nucleus,VL)，腹后外側(cè)核(lateral posterior nucleus,LP)，枕核(pulvinar, Pu)[17]。

圖5為本實(shí)驗(yàn)獲得的丘腦分割連續(xù)軸位圖，可以看出丘腦被七種顏色大致分成七個部分。其中，粉色區(qū)域與顳葉皮層相互連接，綠色區(qū)域與額葉皮層相互連接，黃色區(qū)域與前運(yùn)動皮層相互連接，紫色區(qū)域與主運(yùn)動皮層相互連接，紅色區(qū)域與感覺皮層相互連接，淡藍(lán)色區(qū)域與后頂皮層相互連接，藍(lán)色區(qū)域與枕葉皮層相互連接。過去對非人靈長類的研究表示，猴子與其他非人靈長類動物的丘腦與大腦皮層各區(qū)域具有連接關(guān)系，不同的皮層區(qū)域與丘腦各個部分的連接不同，這種差異性與人類丘腦與皮層的連接十分相似[18]。內(nèi)側(cè)背核(MD)大部分位于丘腦分割圖的綠色區(qū)域中，我們猜想內(nèi)側(cè)背核與額葉皮層之間具有較強(qiáng)的相互連接。Tanaka、Tobias等報道，通過對猴子的解剖分析，得出猴子丘腦內(nèi)側(cè)背核與前額葉皮層相互連接[19-20]。這與我們的研究結(jié)果一致。在對猴子的研究中得出，它們的腹前核(VA)、腹外側(cè)核(VL)互相毗鄰，并且分別與前運(yùn)動皮層和主運(yùn)動皮層相互連接[21]。而我們得出的分割圖中，黃色區(qū)域與紫色區(qū)域相互毗鄰，并且與解剖圖中腹前核、腹外側(cè)核的位置十分一致，均處于丘腦的前側(cè)與外側(cè)。在非人靈長類運(yùn)動的研究中，Jones等[22]證明，腹后核(VP)與感覺皮層具有較強(qiáng)的連接，而在我們的研究中，與丘腦后部位置相對應(yīng)的紅色區(qū)域也與感覺皮層相連接。在非人靈長類動物的研究中，外側(cè)后核(LP)和部分枕核(Pu)與后頂葉皮層相互連接[17]，而其余部分枕核(Pu)則與顳葉相連[23-24]。我們猜想研究得出的丘腦分割圖中，藍(lán)色部分為外側(cè)后核和部分枕核，而粉色部分則包含余下的枕核部分。

本研究得出的丘腦分割圖與不同皮層之間的連接，通過與先前對非人靈長類丘腦的組織學(xué)進(jìn)行比較，具有極高的一致性，證明了本研究具有一定的正確性。雖然，丘腦分割圖得到的顏色區(qū)域與解剖圖中核團(tuán)大小及輪廓具有差異性，我們猜想其中的原因可能是每個人的丘腦核團(tuán)因本身發(fā)育的變異所致。

本研究通過FSL等軟件對大腦掃描的T2及DTI等磁共振序列進(jìn)行處理，采用概率跟蹤算法對丘腦與大腦皮層的纖維連接進(jìn)行示蹤，并根據(jù)丘腦核團(tuán)與皮層分區(qū)的不同對丘腦進(jìn)行分割，建立不同的丘腦核團(tuán)，并對照了組織學(xué)研究和猿類的研究，發(fā)現(xiàn)結(jié)果十分相似[14]。在近5～10年，這種方法又陸續(xù)應(yīng)用到其他灰質(zhì)結(jié)構(gòu)和深部腦結(jié)構(gòu)，包括頂葉、扣帶回、黑質(zhì)、胼胝體等[25]。此研究可以為我們進(jìn)一步了解大腦回路和神經(jīng)連接提供理論依據(jù)，有利于我們對進(jìn)一步認(rèn)識丘腦的解剖及功能，為以丘腦為靶點(diǎn)的手術(shù)提供解剖依據(jù)，其成果將造福廣大患者[26-27]。

[1]Magnotta V A,Gold S,Andreasen N C,et al.Visualization of subthalamic nuclei with cortex attenuated inversion recovery MR imaging.[J].Neuroimage, 2000,11(4):341-346.

[2]Holmes C J,Hoge R,Collins L,et al.Enhancement of MR images using registration for signal averaging.[J].Journal of Computer Assisted Tomography, 2014,22(2):324-333.

[3]Portas C M,Goldstein J M, Shenton M E,et al.Volumetric evaluation of the thalamus in schizophrenic male patients using magnetic resonance imaging[J].Biological Psychiatry,1998,43(9):649-659.

[4]Giroux B M L, Grafton S T, Votaw J R,et al. Medication related changes in cerebral glucose metabolism in Parkinson's disease[C]//Proceedings of the Fourth International Conference on Functional Mapping of the Human Brain 237,2010.

[5]Davis K D,Kwan C L,Crawley A P,et al.Functional MRI study of thalamic and cortical activations evoked by cutaneous heat,cold,and tactile stimuli. [J].Journal of Neurophysiology, 1998,80(3):1533-1546.

[6]Combarros O,Miró J,Berciano J,.Ageusia associated with thalamic plaque in multiple sclerosis[J].European Neurology,1994,34(6):344-346.

[7]Ogawa T,Yoshida Y,Okudera T,et al.Secondary thalamic degeneration after cerebral infarction in the middle cerebral artery distribution: evaluation with MR imaging[J]. Radiology,1997,204(1):255-262.

[8]Abosch A,Lozano A.Stereotactic neurosurgery for movement disorders[J].Canadian Journalof Neurological Sciences Le Journal Canadien Des Sciences Neurologiques,2003,1(3):72-82.

[9]Nowinski W L.Anatomical targeting in functional neurosurgery by the simultaneous use of multiple Schaltenbrand-Wahren brain atlas microseries[J]. Stereotactic&Functional Neurosurgery,1998,71(3):103-116.

[10]J.M.Van Buren A.B.M.D.M.Sc, Ph.D,R.CBBS.Variations and Connections of the Human Thalamus[M].Springer Berlin Heidelberg,1973.

[11]Neil J J,Shiran S I,Mckinstry R C,et al.Normal brain in human newborns:apparent diffusion coefficient and diffusion anisotropy measured by using diffusion tensor MR imaging[J]. Radiology,1998,209(1):57-66.

[12]Basser P J,Mattiello J, Lebihan D. MR Diffusion Tensor Spectroscopy and Imaging[J]. Biophysical Journal,1994, 66(1):259-267.

[13]Mori S,Crain B J,Chacko V P,et al.Three-dimensional tracking of axonal projections in the brain by magnetic resonance imaging[J].Annals of Neurology,1999,212(21):65-68.

[14]Revuelta L,Fernández M M, López C A.A New Proposal for 3D Fiber Tracking in Synthetic Diffusion Tensors Magnetic Resonance Images[ C]//Proceedings of the 9th International Symposium on Signal Processing and Its Applications. Washington D.C. USA:IEEE Press,2007:1-4.

[16]Behrens TE,Johansen-Berg H, Woolrich MW,Smith SM,Wheeler-Kingshott CA,Boulby PA,Barker GJ,Sillery EL,Sheehan K, Ciccarelli O,Thompson AJ,Brady JM,Matthews PM.Non-invasive mapping of connections between human thalamus and cortex using diffusion imaging[J].Nat Neurosci. 2003,6(7):750-757.

[17]Herrero M T,Barcia C,Navarro J. Functional anatomy of thalamus and basal ganglia[J].Childs Nervous System Chns Official Journal of the International Society for Pediatric Neurosurgery,2002,18(8):386-404.

[18]Sherman S M.Thalamus[J]. Scholarpedia,2006,1(9).

[19]Jones,E.G.The Thalamus (Plenum Press,New York,1985).

[20]Tanaka D.Thalamic projections of the dorsomedial prefrontal cortex in the rhesus monkey (Macaca mulatta)[J].Brain Research,1976,110(1):21-38.

[21]Tobias T J.Afferents to prefrontal cortex from the thalamic mediodorsal nucleus in the rhesus monkey[J].Brain Research,1975,83(2):191-212.

[22]Jones E G,Wise S P,Coulter J D.Differential thalamic relationships of sensorymotor and parietal cortical fields in monkeys[J].Journal of Comparative Neurology,1979, 183(4):833-881.

[23]Jones E G,Powell T P S. CONNEXIONS OF THE SOMATIC SENSORY CORTEX OF THE RHESUS MONKEY[J].Brain,1969, 92(3):717-730.

[24]Raczkowski D,Diamond I T. Cortical connections of the pulvinar nucleus in Galago[J]. Journal of Comparative Neurology,1980,193(1):1-40.

[25]Webster M J,J B,Ungerleider L G.Subcortical connections of inferior temporal areas TE and TEO in macaque monkeys[J]. Journal of Comparative Neurology,2005,335(1):73-91.

[26]Johansen-Berg H,Gutman DA, Behrens TE,Matthews PM, Rushworth MF,Katz E,Lozano AM,Mayberg HS.Anatomical connectivity of the subgenual cingulate region targeted with deep brain stimulation for treatmentresistant depression[J].Cereb Cortex,2008,18(6):1374-1383.

[27]Speelman J D,Richard S,De B R M A,et al.Stereotactic neurosurgery for tremor[J]. Movement Disorders Official Journal of the Movement Disorder Society,2002, 17(S3):S84-S88.

[28]Pierre Pollak M D,Valérie Fraix M D,Paul Krack M D, et al.Treatment results: Parkinson's disease[J]. Movement Disorders,2002, 17(Supplement 3):S75-S83.

基于DTI丘腦分割的新方法＊

圖1 -2 分子彌散特性示意圖；圖3 皮層分區(qū)示意圖；圖4 丘腦分割示意圖；圖5 Behrens概率跟蹤算法示意圖；圖6 丘腦分割連續(xù)軸位圖。

(本文編輯: 劉龍平)

The New Method of Thalamic Segmentation by Using DTI*

XU Dong-feng, LEI Yi, XIA Jun, et al., Department of Medical Imaging, Shen Zhen Second People Hospital, ShenZhen 518000, Guangdong Province, China

ObjectiveGetting the thalamus segmentation atlas by using the theory of probability tractography algorithm to deal with diffusion tensor imaging data, provides reference data to research the connectivity between thalamus and cortex.MethodsWe convert and analyze the data,which is collected from thirty healthy volunteer scanned with regular T2 sequence and DTI sequence,to obtain the thalamic sementation atlas by using the theory of probability tractography algorithm.ResultsThe thalamus segmentation atlas we got was divided into seven parts with different colors, which reveal the connection type between thalamus and cortex respectively. We compare the thalamus segmentation atlas with the general thalamus nucleus atlas, to find that their connection type are very similar.ConclusionThe thalamus segmentation atlas has a strong consistency with the general thalamus nucleus atlas, which is helpful for us to understand further the anatomy and function of the thalamus, and it also can provide an anatomical basis for the surgery which targets on the thalamus.

DTI; Probabilistic Tractography Algorithm; Thalamus Segmentation

R338.2

A

廣東省科技計劃項(xiàng)目，項(xiàng)目編號2014A020212047；廣東省科技計劃項(xiàng)目，項(xiàng)目編號2014A020212044;深圳市科技計劃項(xiàng)目,項(xiàng)目編號JCYJ201503301024010 84

10.3969/j.issn.1672-5131.2017.04.003

2017-03-11

雷 益