鄒 靜，王德峰，石 林

(香港中文大學(xué)影像與介入治療學(xué)系，香港 999077)

人腦結(jié)構(gòu)和功能非常復(fù)雜，且由于性別、年齡、地域以及生理狀態(tài)等差異，不同人群大腦形狀和大小均有所不同。此外，成像技術(shù)和計(jì)算方法的差異也會(huì)影響對(duì)圖像的綜合分析[1]，故空間標(biāo)準(zhǔn)化是研究大腦的重要步驟。腦模板包含大腦神經(jīng)解剖學(xué)位點(diǎn)的結(jié)構(gòu)和功能信息，可為空間標(biāo)準(zhǔn)化提供基準(zhǔn)。參照腦模板可對(duì)特定大腦圖像進(jìn)行分析，現(xiàn)已廣泛用于神經(jīng)影像學(xué)領(lǐng)域，如診斷疾病、定位病灶及制定手術(shù)方案等[2]。腦模板的設(shè)計(jì)對(duì)分析神經(jīng)影像數(shù)據(jù)至關(guān)重要，尤其是人群特異性腦模板，有助于精準(zhǔn)分析數(shù)據(jù)。本文對(duì)人腦模板的構(gòu)建方法和現(xiàn)狀進(jìn)行綜述。

1 腦模板構(gòu)建方法

腦模板的構(gòu)建包括圖像預(yù)處理、圖像配準(zhǔn)和模板構(gòu)建(圖1)。

1.1 圖像預(yù)處理 構(gòu)建腦模板需高質(zhì)量MR圖像，數(shù)據(jù)存儲(chǔ)格式為DICOM、ANALYZE或NIFTI。構(gòu)建腦模板前，MR圖像需經(jīng)一系列預(yù)處理步驟[3]以提高腦模板質(zhì)量，包括去偏場(chǎng)及方向調(diào)整等[4]。

1.2 圖像配準(zhǔn) 構(gòu)建腦模板時(shí)需將圖像配準(zhǔn)為標(biāo)準(zhǔn)圖像，使所有圖像標(biāo)準(zhǔn)化到同一空間。標(biāo)準(zhǔn)圖像的選取方法包括：①隨機(jī)選?。虎趶臉?biāo)準(zhǔn)人腦模板數(shù)據(jù)庫(kù)中選??；③與標(biāo)準(zhǔn)人腦模板進(jìn)行線性配準(zhǔn)，選取匹配效果最佳的圖像[5]。之后將所有圖像與選取的標(biāo)準(zhǔn)模板進(jìn)行配準(zhǔn)。有學(xué)者[5-6]采用線性變換進(jìn)行配準(zhǔn)構(gòu)建MNI152和MNI305人腦模板；還有學(xué)者[6]將452幅人腦圖像通過(guò)仿射變換獲得ICBM452人腦模板Air-12版本。由于線性配準(zhǔn)僅將圖像大致對(duì)齊，故通過(guò)線性變換構(gòu)建的腦模板的腦結(jié)構(gòu)細(xì)節(jié)較為模糊。

圖1 腦模板構(gòu)建流程圖

為獲得包含更多細(xì)節(jié)、顯示解剖結(jié)構(gòu)更為清晰的腦模板，多項(xiàng)研究[7-9]提出非線性配準(zhǔn)方法。與ICBM-452人腦模板Air-12版本相比，warp-5版本的腦模板利用AIR軟件先進(jìn)行線性仿射變換，再行5階多項(xiàng)式非線性變換，配準(zhǔn)方法更為精確，可提供更多皮層的細(xì)節(jié)信息[9]。此外，還有更為先進(jìn)的非線性配準(zhǔn)方法用于腦模板創(chuàng)建，具體如下。

1.2.1 微分同胚方法 為解決模板選取時(shí)的引入偏差，Xie等[7]提出基于微分同胚的方法建立無(wú)偏模板，并以2歲兒童的MRI數(shù)據(jù)構(gòu)建了無(wú)偏模板和概率圖譜。Joshi等[8]也采用微分同胚映射方法構(gòu)建了皮質(zhì)腦溝模板。Schuh等[9]采用微分同胚配準(zhǔn)構(gòu)建4D腦模板和生長(zhǎng)模型，發(fā)現(xiàn)可用相反一致性變換的Log-Euclidean方法更好地反映平均形態(tài)。構(gòu)建微分同胚轉(zhuǎn)換的一種方法是解決如下非穩(wěn)態(tài)轉(zhuǎn)運(yùn)方程：

(1)

其中u(Φ(y,t),t)∈H是希爾伯特空間H上時(shí)間無(wú)關(guān)且平滑的速度向量場(chǎng)。對(duì)于最初的映射，相當(dāng)于在t=0時(shí)確認(rèn)轉(zhuǎn)換Φ(y,0)；對(duì)于最后的映射，速度場(chǎng)u的終點(diǎn)可通過(guò)計(jì)算單位時(shí)間間隔t∈[0，1]的集合獲得：

(2)

根據(jù)偏微分方程的解的存在性和獨(dú)特性定理，式(1)的解由速度場(chǎng)u(Φ(y,t),t)和初始條件Φ(y,0)確定。微分同胚路徑Φ不僅可微，還可保證集合的一一映射，對(duì)于分析不同解剖結(jié)構(gòu)在形態(tài)和功能上的關(guān)系具有重要意義。此外，微分同胚框架可定量測(cè)量不同結(jié)構(gòu)或形狀之間的距離[10]。

1.2.2 圖像集配準(zhǔn) 圖像集配準(zhǔn)可根據(jù)群體數(shù)據(jù)構(gòu)建無(wú)偏模板。與成對(duì)配準(zhǔn)相比，圖像集配準(zhǔn)可同時(shí)為所有圖像估計(jì)轉(zhuǎn)換場(chǎng)，而無(wú)須以特定圖像作為模板。

在無(wú)偏圖像集配準(zhǔn)框架中，通過(guò)迭代將N個(gè)圖像配準(zhǔn)到組平均圖像獲得形變場(chǎng)；在第t輪配準(zhǔn)時(shí)，通過(guò)對(duì)當(dāng)前形變后圖像的灰度取平均獲得組平均圖像Mt：

(3)

當(dāng)前變換場(chǎng)是:

(4)

組平均圖像的估計(jì)看作統(tǒng)計(jì)估計(jì)問(wèn)題：

(5)

圖像集配準(zhǔn)方法是先用迭代方法計(jì)算組的均值圖像，再將其他圖像與均值圖像進(jìn)行配準(zhǔn)[11]。但均值圖像一般較為模糊，細(xì)節(jié)缺失，而圖像集配準(zhǔn)過(guò)程中保持組均值圖像的清晰度具有重要意義。Wu等[11-12]提出SharpMean方法，即在配準(zhǔn)時(shí)采用自適應(yīng)權(quán)重策略，并發(fā)現(xiàn)其配準(zhǔn)精確度高于傳統(tǒng)方法；同時(shí)，應(yīng)用基于樹(shù)的配準(zhǔn)來(lái)提高每個(gè)對(duì)象的配準(zhǔn)精確度，在每次配準(zhǔn)時(shí)均以最小生成樹(shù)來(lái)保證配準(zhǔn)結(jié)果的魯棒性。為解決圖像之間的形變問(wèn)題，Lombaert等[13]提出一種新的圖像譜集Log-Demons框架，通過(guò)擴(kuò)展對(duì)稱(chēng)Log-Demons算法，可同時(shí)進(jìn)行模板構(gòu)建與圖像集配準(zhǔn)。

1.3 模板構(gòu)建 將配準(zhǔn)后的圖像均值化，可獲得MNI152、MNI305和ICBM452腦模板。取平均時(shí)可直接取平均或加權(quán)取平均，將所有圖像均用來(lái)構(gòu)建模板可增加模板的細(xì)節(jié)信息，但也會(huì)引入噪聲，使圖像中有關(guān)結(jié)構(gòu)模糊不清。Shi等[14]提出基于字典學(xué)習(xí)的方法，用少量圖像塊來(lái)稀疏表示模板中的每一個(gè)圖像塊。

圖2 中國(guó)人標(biāo)準(zhǔn)腦模板[15] A.冠狀位； B.矢狀位； C.軸位

采用基于塊的稀疏表示方法，可在模板上展現(xiàn)較多解剖細(xì)節(jié)；同時(shí)，對(duì)組結(jié)構(gòu)的約束和重疊塊的使用可確保相鄰塊之間的解剖連續(xù)性。有學(xué)者[14]采用基于塊的稀疏表示方法對(duì)73名新生兒的MR圖像構(gòu)建無(wú)偏的腦模板，發(fā)現(xiàn)腦模板的質(zhì)量增強(qiáng)，且可發(fā)現(xiàn)更多的解剖細(xì)節(jié)，有助于將新生兒數(shù)據(jù)標(biāo)準(zhǔn)化。

由于圖像集配準(zhǔn)算法不能保證全局最優(yōu)解，故無(wú)偏微分同胚算法構(gòu)建的模板較模糊。考慮到圖像清晰度以及旋轉(zhuǎn)不變性，Xie等[7]引入商空間的流形學(xué)習(xí)，用不變矩陣擴(kuò)展流形學(xué)習(xí)方法，通過(guò)流形結(jié)構(gòu)將圖像分成更均勻的子集，每個(gè)子集都能用一個(gè)模板圖像表示；同時(shí)還以兩步算法建立腦模板：用無(wú)監(jiān)督或半監(jiān)督方法將輸入圖像分成亞組，在每個(gè)亞組用公式表示一個(gè)凸優(yōu)化問(wèn)題來(lái)定位模板；其結(jié)果表明，此法不僅可發(fā)現(xiàn)不同年齡組的腦結(jié)構(gòu)變化，還可保留重要的結(jié)構(gòu)細(xì)節(jié)。

有研究[15]首先將圖像配準(zhǔn)到標(biāo)準(zhǔn)空間(個(gè)體內(nèi)線性配準(zhǔn))，以ANTS軟件的SyN算法實(shí)施圖像配準(zhǔn)、核回歸框架構(gòu)建模板，再用非剛性配準(zhǔn)方法將12個(gè)模板配準(zhǔn)到標(biāo)準(zhǔn)空間獲得中國(guó)人標(biāo)準(zhǔn)腦模板Chinese2020，包含20～75歲、以5年為間隔構(gòu)建的12個(gè)腦模板(圖2)。

2 4D腦模板構(gòu)建

兒童大腦的體積、形狀和外觀隨年齡增長(zhǎng)而變化。為描述大腦在發(fā)育時(shí)期的動(dòng)態(tài)變化，通常會(huì)構(gòu)建隨時(shí)間變化的腦模板。關(guān)于構(gòu)建新生兒腦模板的研究較多見(jiàn)。Serag等[16]提出用自適應(yīng)核回歸法建立新生兒大腦4D模板。Serag等[17]用自適應(yīng)核回歸法對(duì)204例早產(chǎn)兒在孕28～44周時(shí)大腦T1WI和T2WI進(jìn)行建模，生成與年齡相關(guān)的解剖模板(圖3)。Alexander等[18]

圖3 早產(chǎn)兒在孕28～44周的腦模板[17] A.T1WI; B.T2WI

采用分割方法構(gòu)建新生兒腦模板圖，將成年人的腦皮層模板復(fù)制到新生兒腦模板上，從10個(gè)新生兒T2WI手動(dòng)分割出基底核、丘腦、小腦和其他皮質(zhì)層下區(qū)域，生成100個(gè)腦區(qū)域，最后構(gòu)建出包含皮質(zhì)和皮質(zhì)層下區(qū)域詳細(xì)輪廓的腦模板。Shi等[19]對(duì)95名正常嬰兒在3個(gè)年齡階段(出生、1歲和2歲)的MRI數(shù)據(jù)均成功構(gòu)建腦模板、組織概率圖和腦分割圖，獲取年齡特異性模板的縱向?qū)?yīng)關(guān)系。胎兒的腦成像難度較大以及胚胎期大腦的快速變化均使胎兒腦模板構(gòu)建受限。Gholipour等[20]將81胎孕19～39周正常胎兒的MRI數(shù)據(jù)，結(jié)合空間的對(duì)稱(chēng)微分同胚形變配準(zhǔn)和時(shí)間上的核回歸法成功構(gòu)建無(wú)偏4D胎兒腦模板。Schuh等[9]采用微分同胚的Log-Euclidean方法構(gòu)建4D腦模板，以對(duì)象間的成對(duì)變換構(gòu)建模板的時(shí)間序列，導(dǎo)出均值生長(zhǎng)的縱向形變模型。Sanchez等[21]收集494名4.5～19.5歲兒童的823次MR掃描圖像，以6個(gè)月為年齡間隔，構(gòu)建頭部、腦部和分割模板，獲得兒童年齡特異性MRI模板。

3 小結(jié)與展望

不同種族、不同年齡以及不同模態(tài)的腦模板對(duì)于探索不同群體之間腦結(jié)構(gòu)和腦功能異同、觀察大腦隨年齡增長(zhǎng)的變化趨勢(shì)、術(shù)中定位及定量分析大腦等具有重要作用。隨著大數(shù)據(jù)共享的發(fā)展，可獲得的腦神經(jīng)影像學(xué)的數(shù)據(jù)越來(lái)越多，基于大數(shù)據(jù)創(chuàng)建更具代表性的腦模板已成為趨勢(shì)。根據(jù)特殊群體創(chuàng)建的人群特異性腦模板也有助于分析特定群體的大腦結(jié)構(gòu)。隨著腦影像學(xué)技術(shù)的發(fā)展，將逐漸出現(xiàn)更多模態(tài)的腦模板，為探索更細(xì)微的腦結(jié)構(gòu)和腦功能提供參考。