基于弥散张量配准和皮层分割的白质纤维束追踪技术

Doi：10.3969/j.issn.1005-5185.2012.04.020论著 Original Research 基于弥散张量配准和皮层分割的白质纤维束追踪技术

DTI Tractography Based on Tensor Registration and Cortical Segmentation

【摘要】目的　实现弥散张量图像与标准模板的非线性对齐，并以自动分割的

皮层和皮层下区域为感兴趣区域进行纤维追踪。资料与方法　使用1.5T磁共振

扫描仪，对1例脑梗死恢复期患者进行DTI、DWI和T1WI扫描，对DTI图像

进行预处理，应用ART矫正DTI图像变形、使用dtitk将张量图像与标准模板

进行非线性对齐，随后将对齐结果应用到T1WI中；应用FreeSurfer对标准化

的T1WI进行皮层和皮层下脑区分割，在MedINRIA软件包中以分割后的脑区

作为感兴趣区域，进行白质纤维追踪，经过在CINCH软件包中修剪后，在三

维背景中显示白质纤维。结果　在标准脑空间中可清晰显示全脑表面、运动皮

层、脑干以及锥体束。结论　利用张量图像配准和自动皮层分割技术，提供三

维背景下较准确的白质纤维图像，可为临床诊断、判断预后提供依据。

【关键词】脑梗死；磁共振成像，弥散；弥散张量成像；纤维追踪

【Abstract】Purpose　To perform fiber tractography with normalized tensor and

automated segmentation of brain ROIs. Materials and Methods　The DWI data

were preprocessed and the distortion was fixed using ART. Dtitk was employed in

normalizing the tensor nonlinearly to the template. The normalization result was

applied to T1WI which was segmented by free surfer. The labeled brain areas were

used as ROI in tractography utilizing MedINRIA. After pruned in CINCH, the white

matter paths were shown on 3D background. Results　All the segmented cortex

along with the motor area, brainstem and pyramidal tract could be shown in the

normalized space. Conclusion　Tractography based on tensor registration and brain

automated segmentation makes a useful tool for clinical diagnosis and prognosis.

【Key words】Brain infarction; Diffusion magnetic resonance imaging; Diffusion

tensor imaging; Tractography

利用弥散张量成像（DTI）对脑白质纤维进行追踪已成为神经影像学的热点[1]，目前有很多软件都可以完成DTI数据处理，如DTI Studio、MedINRIA和FSL等[2-5]。虽然单个人的数据处理较为成熟，但群组分析需要所有被试都在标准空间中进行统计分析，这就需要对DTI图像进行空间标准化。DTI图像与常规功能磁共振图像和T1结构像不同，DTI具有方向性，配准需要大量的张量运算。广泛应用于影像学处理的FSL软件包使用两种方式进行标准化：一种是将弥散梯度为0的图像、T1结构像和模板进行线性配准，另

一种是将所有被试的各向异性分数（FA）值图像算出后与FA模板进行非线性配准。而由Zhang等[6]开发的dtitk软件包对原始DTI图像计算出的张量图像（DT）与标准DT模板进行非线性配准。DT图像包含了DTI 所有方向的信息，并可以推导出FA、相对各向异性（RA）、表观弥散系数（ADC）等参数图像。已有研究表明dtitk对DTI空间标准化的优势[7,8]。经过标准化过程后，对纤维的选取需要定义感兴趣区域，这就需要对脑结构进行分割。标准空间中提供基于体素的脑区模板，但经过三维重建后模板与被试脑沟回的误差

较大。FreeSurfer 是目前较为常用的结构像分析工具[9]，集成结构像和功能磁共振处理，可以进行精确的基于皮层和体素的脑组织分割、标记以及皮层厚度测量等。本文对1例脑梗死恢复期患者的DTI 数据结合这两种技术进行分析。1　资料与方法

1.1　一般资料　患者男，64岁，右利手，于2010-12发病，左侧偏瘫，扫描时间为2011-01。头颅MRI 平扫示右侧顶叶及右侧脑室旁新发脑梗死。

1.2　仪器与方法　使用Siemens Novus 1.5T MR 扫描仪。T1WI 结构像扫描参数：TR 2000ms ，TE 3.93ms ，采集矩阵512×512，层厚1.0mm ，扫描层数160层，体素大小0.51mm ×0.51mm ×1.0mm ＝0.26mm 3；DTI 扫描参数：扩散梯度方向为12，b 值为1000s/mm 2，TR 6000mm ，TE 05ms ，采集矩阵128×128，层厚4.4mm ，扫描层数30层，

体素大小1.8mm ×1.8 mm ×4.4 mm ＝14.30mm 3；T2参数：TR 4400ms ，TE 105ms ，采集矩阵512×512，层厚4.8mm ，体素大小0.47mm ×0.47mm ×4.8mm ＝1.1mm 3；T2压水像参数：TR 8100ms ，TE 126ms ，采集矩阵200×256，层厚7.8mm ，体素大小0.98mm ×0.98mm ×7.8mm ＝7.5mm 3。1.3　数据处理　首先是DTI 图像和T1像的处理。DTI 原始图像中靠近额窦部分脑组织有畸变，故此使用ART 软件包将其与T2高分辨率图像进行逐层矫正[10]。经过矫正，DTI 图像额叶部位变形得到矫正，见图1。其他预处理过程包括DTI 图像的对齐和涡流矫正，去除脑外组织等。DT 标准模板采用的是ICBM 空间下的IIT2Mean [11]。所有步骤在LINUX 环境下的MATLAB 平台上编写成为代码，具体流程见图2。经过dtitk 的线性和非线性配准，受试者的tensor 图像和标准模板比较，各脑区及侧脑室位置对齐较满意，见图3。

对已标准化的DT 导入MedINRIA 软件包进行全

图1　矫正前后DTI 的B0图像对比。A.矫正前，额叶有部分畸变（箭）；B.矫正后畸变消失。图2　结合T1和T2图像的DTI 预处

理流程

②

图3　配准后模板与被试张量图像比较，显示被试的弥散张量图像与模板的脑室、皮层及皮层下白质等结构基本对齐，箭示病变部位，与模板差别稍大。图4　全脑白质纤维追踪结果，显示长度大于50 mm 的白质纤维，包括上下走行的锥体束、左右走

行的胼胝体束和前后走行的弓状束等

图5　T1像与通过胼胝体的纤维束叠加，包括二维投影和三维纤维束，箭示梗死灶。图6　FreeSurfer 处理后基于体素和皮层的脑组织分割。左起第一列为2D 图像，第二列从上到下依次为左半球3D 膨胀表面、皮层和白质，箭示梗死部位

脑纤维追踪，纤维追踪的参数除纤维长度设定为大于50mm 外，其他均按默认值，共有19 375根纤维，见图4。以标准化后的T1WI 为背景，在MedINRIA 中显示通过胼胝体的白质纤维的二维和三维结构，可见配准效果较好，见图5。

下一步对经过标准化的T1结构像进行FreeSurfer 的recon-all 程序处理。recon-all 是一个庞大的批处理流程，从每个体素的标记到皮层每个顶点的对齐，包含数十个步骤，分析单个脑需要30h 左右，最终结果将全脑参照标准模板，分割成100多个已知区域，并

以不同颜色划分，见图6。而皮层下白质经标记后，可以作为DTI 追踪神经纤维的感兴趣区域，例如由上至下的投射纤维锥体束，可以将中央前回和脑干当作感兴趣区域筛选纤维。

此后，将FreeSurfer 划分出的左侧中央前回皮层和脑干转换成MedINRIA 的感兴趣区域，左侧中央前回下白质和脑干的感兴趣区域可以二维和三维的形式显示，见图7。以这两个感兴趣区域初步筛选锥体束纤维（图8）。由图8可见，得到的纤维还包括皮层经脑干去往小脑的皮层脑桥小脑束，以及交叉到对侧的纤维束，因此需要进一步去除非锥体束纤维。

第三步为对纤维的修饰。由斯坦福大学David Akers 博士开发的CINCH 软件包完成[12]，它具有Touch 功能，编辑白质纤维图像非常方便，可以任意

剪除纤维。故此，将MedINRIA 中的纤维数据导入CINCH 中编辑，去掉锥体束以外的纤维，如图9所示。

最后，将皮层、基底节、脑干、筛选纤维的感兴趣区域以及编辑后的白质纤维叠加显示，本步骤在BrainV oyager 软件平台中完成。2　结果

所有结构均是以三维网格（MESH ）形式呈现，可以从多角度观察，通过设置透明度进行透视或者切割立体结构，达到最佳视觉效果。由图10可见，患者健侧（左侧）锥体束起于中央前回皮层，通过内囊后肢，在尾状核（蓝灰色）、豆状核（粉色）和丘脑（绿色）之间经过，由脑干下传至脊髓，完全符合解剖学的描述。患侧由于

病灶的破坏，锥体束的数量和完整性都受到影响。

图7　由FreeSurfer 自动分割结果中提取的左侧中央前回下白质（红色）和脑干（绿色）感兴趣区域，箭示梗死区域。左侧中央前回下白质和脑干感兴趣区域。图8　经左侧中央前回和脑干筛选后的纤维，箭示病灶部位，纤维颜色按其方向编码，上下方向为蓝色，前后方向为绿色，左右方向为红色。图9　在CINCH 中剪除不需要的纤维。图10　双侧锥体束和中央前回白质、尾

状核、豆状核、丘脑及脑干的三维结构，箭示病灶部位，可见病灶侧锥体束中断，只有小部分保留

3　讨论

DTI研究的白质纤维主要是计算得到的水分子弥散路径，并不一定是真实纤维的走行，任何微小的混杂因素，如头动、涡流等都会影响计算结果，因此对原始数据预处理很重要。本研究在常规的预处理流程中根据文献[13]报道，增加了根据头动矫正结果旋转弥散梯度表，并且使用高分辨率T2像逐层矫正B0图像畸变，提高了结果的可信度。此外，还可以通过多次扫描同一序列的DTI，然后计算平均图像来提高准确度[14]。DTI主要是研究大脑的白质区域，通过对被试的DT图像进行标准化，可以方便地进行群组的基于体素的统计分析，如特定区域FA值的比较等。而对大脑皮层的精确分割则可以筛选所需纤维束，进行基于纤维束的DTI参数比较。需要注意的是，dtitk进行的是基于体素的标准化，而FreeSurfer是进行基于表面的皮层分割，二者所用的模板并不一致，两个模板也无对应关系。FreeSurfer的最新版本包含了将皮层和皮层下结构与标准模板完全配准的功能[15]（但模板尚未正式公布），可以进一步提高DTI群组分析的精确度。

参考文献

[1] H agmann P, Kurant M, Gigandet X, et al. Mapping human

whole-brain structural networks with diffusion MRI. PLoS One, 2007, 2(7): e597.

[2] M ori S, van Zijl PC. Fiber tracking: principles and

strategies—a technical review. NMR Biomed, 2002, 15(7-8): 468-480.

[3] R utgers DR, Toulgoat F, Cazejust J, et al. White matter

abnormalities in mild traumatic brain injury: a diffusion tensor imaging study. Am J Neuroradiol, 2008, 29(3): 514-519. [4] B ehrens TE, Berg HJ, Jbabdi S, et al. Probabilistic diffusion

tractography with multiple fibre orientations. What can we gain? Neuroimage, 2007, 34(1): 144-155.

[5] 张华, 谭中建. 三种离线方式实现高分辨率T1WI背

景下显示三维白质纤维束的比较. 中国医学影像技术, 2009, 25(8): 1361-1363.

[6] Z hang H, Yushkevich PA, Alexander DC, et al. Deformable

registration of diffusion tensor MR images with explicit orientation optimization. Medical Image Analysis, 2006, 10(5): 764-785.

[7] Z hang H, Avants BB, Yushkevich PA, et al. High-

dimensional spatial normalization of diffusion tensor images improves the detection of white matter differences in amyotrophic lateral sclerosis. IEEE Trans Med Imaging, 2007, 26(11): 1585-1597.

[8] Y ushkevich PA, Zhang H, Simon TJ, et al. Structure-

specific statistical mapping of white matter tracts.

Neuroimage, 2008, 41(2): 448-461.

[9] F ischl B, Liu A, Dale AM. Automated manifold surgery:

constructing geometrically accurate and topologically correct models of the human cerebral cortex. IEEE Trans Med Imaging, 2001, 20(1): 70-80.

[10] A rdekani BA. An Improved Method for Intersubject

Registration in 3D V olumetric Brain MRI. World Congress on Medical Physics and Biomedical Engineering. Sydney, 2003: 452.

[11] Z hang S, Arfanakis K. Investigating the role of ICBM-

space human brain diffusion tensor templates in inter-

subject spatial normalization. Proc Intl Soc Mag Reson Med, 2011, 19(1): 344.

[12] A kers D. CINCH: a cooperatively designed marking

interface for 3D pathway selection//Proceedings of UIST.

Phoenix: ACM Press, 2006: 33-42.

[13] L andman BA, Farrell JA, Jones CK, et al. Effects of

diffusion weighting schemes on the reproducibility of DTI-derived fractional anisotropy, mean diffusivity, and principal eigenvector measurements at 1.5T. Neuroimage, 2007, 36(4): 1123-1138.

[14] S herbondy AJ, Dougherty RF, Napel S, et al. Identifying

the human optic radiation using diffusion imaging and fiber tractography. J Vis, 2008, 8(10): 1-11.

[15] Z?llei L, Stevens A, Huber K, et al. Improved tractography

alignment using combined volumetric and surface registration. Neuroimage, 2010, 51(1): 206-213.

（责任编辑　张春辉）