彌散張量成像（DTI）的研究越來越受到臨床醫(yī)生和研究人員的歡迎，因?yàn)樗鼈兲峁┝藢?duì)腦網(wǎng)絡(luò)連接的獨(dú)特見解。然而，為了優(yōu)化DTI的使用，必須考慮到幾個(gè)技術(shù)和方法方面的問題，因?yàn)檫@些問題會(huì)影響到DTI研究結(jié)果的準(zhǔn)確性和可重復(fù)性。本文由葡萄牙學(xué)者發(fā)表在Frontiers in Neuroscience雜志。
這些方面包括：采集協(xié)議、偽影處理、數(shù)據(jù)質(zhì)量控制、張量重建算法、可視化方法和定量分析方法。此外，研究人員和/或臨床醫(yī)生還需要考慮并決定DTI分析流程每個(gè)階段最適合的軟件工具。
在此，本文作者提供了一個(gè)簡(jiǎn)單的流程指南，涵蓋了彌散張量成像數(shù)據(jù)處理工作流的所有主要階段。本指南的目的是幫助新用戶解決分析中最關(guān)鍵的障礙，并進(jìn)一步鼓勵(lì)使用DTI方法進(jìn)行研究。
背景介紹：
彌散加權(quán)成像（DWI）是基于不同組織的水?dāng)U散速率不同的常規(guī)磁共振成像的變體。它是一種非侵入性的方法，對(duì)組織結(jié)構(gòu)內(nèi)的水運(yùn)動(dòng)具有無與倫比的敏感性，該方法只需使用現(xiàn)有的核磁共振技術(shù)，不需要新設(shè)備、造影劑或化學(xué)示蹤劑。
擴(kuò)散張量模型的引入使人們能夠間接測(cè)量擴(kuò)散張量成像（DTI）的各向異性程度和結(jié)構(gòu)方向。DWI是指采集圖像的對(duì)比度，DTI則是DWI數(shù)據(jù)集的一種特殊的建模方法（這是兩個(gè)最基本的概念，一般來說我們的圖像采集就是DWI圖像，如果采用DTI方法進(jìn)行擴(kuò)散張量重建，就會(huì)說DTI）。DTI原理和基本概念在已有文獻(xiàn)中已經(jīng)得到了廣泛的描述和回顧。
概括地說，DTI背后的基本概念是水分子在不同組織中的擴(kuò)散是不同的，這取決于該組織的類型、完整性、結(jié)構(gòu)和組織屏障的存在，通過對(duì)水分子彌散運(yùn)動(dòng)的觀測(cè)可以給出了它所在組織的方向和數(shù)量，從而得出各向異性的信息。通過DTI分析，可以推斷出每個(gè)體素的分子擴(kuò)散速率[平均擴(kuò)散率（MD）或表觀擴(kuò)散系數(shù)（ADC）]、擴(kuò)散方向[分?jǐn)?shù)各向異性（FA）]、軸向（沿?cái)U(kuò)散主軸的擴(kuò)散速率AD）和徑向擴(kuò)散率（RD）。(請(qǐng)牢記這幾個(gè)指標(biāo)）
腦白質(zhì)（WM）會(huì)沿軸突方向的限制較少（但是在徑向方向存在很大限制），因此，水分子的擴(kuò)散模型傾向于各向異性（不同方向速率不同），而灰質(zhì)（GM）通常不太呈現(xiàn)出各向異性的擴(kuò)散模式，腦脊液（CSF）則在所有方向上都不受限制（各向同性）。
基于這個(gè)假設(shè)，Basser和他的同事用橢球來模擬了這個(gè)擴(kuò)散過程，橢球可以用一個(gè)3×3對(duì)稱矩陣來表示，也被稱為張量（這也是DTI，擴(kuò)散張量成像或者也翻譯為彌散張量成像的名字的來由。張量其實(shí)一個(gè)數(shù)學(xué)概念（如果你理解向量的數(shù)學(xué)概念，你可以認(rèn)為向量是一個(gè)二維的張量，試圖去理解一下張量的物理意義），并不是是腦科學(xué)研究所獨(dú)創(chuàng)的，我們利用了它能通過三維空間中不同分量和基向量模擬表示出一個(gè)物理量的特性，進(jìn)行白質(zhì)中水分子彌散物理量的重建）。
DTI在臨床醫(yī)生和研究人員中越來越受歡迎，目前它是研究人類在健康和疾病中的白質(zhì)結(jié)構(gòu)的一個(gè)有希望的工具。然而，它有一個(gè)復(fù)雜的工作流程（如圖1所示），包括對(duì)人工偽影的了解和避免、復(fù)雜的MRI采集參數(shù)定義、神經(jīng)解剖學(xué)復(fù)雜性和內(nèi)在的技術(shù)限制。這些因素由多個(gè)軟件包中的多種預(yù)處理和分析方法構(gòu)成。目前，已經(jīng)發(fā)表了一些論文和書籍，描述了與DTI研究相關(guān)的主要技術(shù)問題和陷阱。但是仍舊不夠系統(tǒng)。
圖1 DTI分析流程（pipeline）
注釋：首先選好應(yīng)用領(lǐng)域，然后要進(jìn)行人工偽跡控制和圖像采集，接著進(jìn)入處理過程，先進(jìn)行圖像格式轉(zhuǎn)換，其次頭動(dòng)和形變校正，接著做剝頭皮處理，然后對(duì)圖像進(jìn)行彌散張量重建和纖維追蹤，接著就可以使用ROI、全腦基于體素分析（VBA）以及TBSS等分析了。在單模態(tài)分析完以后，還可以進(jìn)行多模態(tài)綜合研究，和fMRI、sMRI進(jìn)行融合研究。最后是結(jié)果展示。
考慮到方法學(xué)的不斷進(jìn)步以及DTI在臨床和研究領(lǐng)域的適用性的增加，作者在這里編寫了一本實(shí)用的研究方法指南，其中包含了在建立DTI研究、優(yōu)化數(shù)據(jù)質(zhì)量和解釋結(jié)果時(shí)需要考慮的關(guān)鍵信息和主要參考資料。供廣大研究人員自查和學(xué)習(xí)使用。如果讀者對(duì)功能磁共振分析感興趣，可參考這篇文章（直接點(diǎn)擊即可）：
Frontiers
in Neuroscience：fMRI研究指南
1. 應(yīng)用領(lǐng)域
DTI對(duì)組織的微觀結(jié)構(gòu)特性非常敏感，因此，DTI在活體解剖和結(jié)構(gòu)中具有重要的作用。事實(shí)上，這種敏感性，提供了擴(kuò)散系數(shù)和組織纖維定向，使DTI廣泛用作臨床工具，特別是在研究人員預(yù)測(cè)某些人群的WM異常的情況下。
例如，它已經(jīng)成功地應(yīng)用于研究急性中風(fēng)或腦瘤患者；神經(jīng)退行性疾病包括多發(fā)性硬化、癲癇和阿爾茨海默氏癥；神經(jīng)精神疾病如精神分裂癥；輕度認(rèn)知障礙；發(fā)展障礙如閱讀障礙、自閉癥，注意缺陷多動(dòng)障礙；運(yùn)動(dòng)障礙（主要是帕金森氏癥和亨廷頓氏癥）；神經(jīng)遺傳性發(fā)育障礙，如威廉姆斯綜合征和脆性X綜合征；以及在神經(jīng)發(fā)育和衰老過程中的WM微結(jié)構(gòu)變化。
DTI得到的變量（如FA、AD和RD等）通常與結(jié)構(gòu)改變（可能是由于特殊情況/疾病）有關(guān)，這些改變指向特定的髓鞘形成水平和軸突損傷。隨著DTI技術(shù)應(yīng)用范圍的不斷擴(kuò)大、結(jié)果的一致性和穩(wěn)健性的不斷提高，DTI有望在疾病治療規(guī)劃、臨床前標(biāo)志物檢測(cè)和微結(jié)構(gòu)異常等方面發(fā)揮重要的作用；DTI研究提供的結(jié)構(gòu)-功能相關(guān)性也有望在臨床上得到應(yīng)用，將成為臨床影像常規(guī)的一部分。
2. 人工偽跡和采集技術(shù)
在實(shí)施DTI研究前，了解特定的MRI采集技術(shù)和可能的偽影，以及如何處理它們是必要的。DWI數(shù)據(jù)中的偽影主要與梯度施加系統(tǒng)的硬件、脈沖序列、采集策略和運(yùn)動(dòng)有關(guān)。DWI數(shù)據(jù)通常是通過改變擴(kuò)散梯度的方向或大小而重復(fù)采集來覆蓋整個(gè)大腦的。
DWI具有低信噪比（SNR）和低分辨率，對(duì)運(yùn)動(dòng)非常敏感。為了減少運(yùn)動(dòng)偽影的影響，可以減少掃描時(shí)間。因此，DWI掃描中利用了單次回波平面成像（EPI）技術(shù)，快速成像可以降低對(duì)運(yùn)動(dòng)的敏感度，從而保證單次成像的全腦成像質(zhì)量。當(dāng)然，其他的序列，如快速自旋回波（FSE）、Line Scan Diffusion Imaging（LSDI）和Stimulated Echo Acquisition Mode采集（STEAM）也可能有助于減少偽影。
除了是最常見的方法外，EPI圖像對(duì)與EPI特征相關(guān)的其他偽影非常敏感，例如B0處采集的場(chǎng)不均勻性（尤其是在更高的場(chǎng)）、圖像模糊性和T2的有限分辨率，以及信號(hào)讀出期間的信號(hào)衰減；同時(shí)，它還具有擴(kuò)散磁共振特性，如渦流引起的畸變和一般磁共振問題。
使用較短的讀出時(shí)間可以減少回波序列并提高信噪比，從而降低對(duì)運(yùn)動(dòng)的敏感度，降低對(duì)幾何偽影和模糊的敏感度。這種讀出時(shí)間的減少可以通過使用相控陣磁頭線圈來實(shí)現(xiàn)，從而實(shí)現(xiàn)并行成像，這類的采集策略有Sensitivity Encoding (SENSE)方法、Array Spatial Sensitivity Encoding T echnique (ASSET)方法和 Generalized Autocalibrating Partially Parallel Acquisition (GRAPPA)方法。在3T設(shè)備中，這些方法已經(jīng)基本都能實(shí)現(xiàn)，而在7T設(shè)備中，已經(jīng)是必備的成像技術(shù)了。
重要的是，DTI采集中的兩個(gè)主要偽影可能會(huì)破壞所有DWI中的體素對(duì)應(yīng)關(guān)系，這兩個(gè)偽影是渦流畸變和頭部運(yùn)動(dòng)。在DTI研究中，與大多數(shù)圖像采集相反，DWI圖像的采集梯度要長(zhǎng)得多（梯度的上升和下降沿著時(shí)間分開）；因此，可能存在局部磁場(chǎng)的擾動(dòng)，導(dǎo)致磁共振掃描儀不同導(dǎo)電表面中的電流感應(yīng)，從而導(dǎo)致圖像失真（收縮和/或整體位移和剪切），但這些偽影通常易于視覺檢測(cè)。渦流隨擴(kuò)散梯度的變化而變化，因此，連續(xù)圖像之間會(huì)出現(xiàn)失配現(xiàn)象，而梯度脈沖越強(qiáng)、越長(zhǎng)，失配現(xiàn)象越嚴(yán)重。一些策略已經(jīng)被用于防止和糾正渦流畸變，例如基于二次重新修正的自旋回波脈沖技術(shù)（pin echo pulse,）、bipolar gradients場(chǎng)強(qiáng)技術(shù)、場(chǎng)圖校正和預(yù)處理方法中的校正（稍后描述）；然而，重要的是，要注意這些策略有一些共同的缺點(diǎn)。
擴(kuò)散磁共振成像對(duì)運(yùn)動(dòng)非常敏感，因?yàn)樵诤舜艗呙柚?，我們觀測(cè)的是由擴(kuò)散驅(qū)動(dòng)的水分子位移引起的相移，而在這個(gè)過程中，由頭部運(yùn)動(dòng)、心臟搏動(dòng)和呼吸引起的相移同樣會(huì)影響水分子的位移。這種檢測(cè)的靈敏度隨著梯度脈沖的強(qiáng)度和持續(xù)時(shí)間的增加而增加，梯度脈沖的特征是b值，即在實(shí)驗(yàn)中定義擴(kuò)散加權(quán)量的標(biāo)量。這個(gè)問題可以通過同步采集與運(yùn)動(dòng)源相關(guān)的物理量、使用“navigator echoes”進(jìn)行監(jiān)測(cè)、使用特定的采集序列和應(yīng)用實(shí)時(shí)前瞻性運(yùn)動(dòng)和異常點(diǎn)檢測(cè)方法來減少；然而，所有這些都可能會(huì)引起其他問題，例如增加采集時(shí)間，
盡管我們有很多方法來彌補(bǔ)這些偽影問題，但是最好的方法仍然是使用舒適的墊子調(diào)整被試的頭部，并提前告知被試床上的噪音和振動(dòng)（從源頭上控制比從處理上修復(fù)要好的多）。
最近，磁共振儀器的振動(dòng)被報(bào)道為另一個(gè)產(chǎn)生偽影的原因，稱為振動(dòng)偽影。在采集過程中，強(qiáng)烈的梯度會(huì)引起磁共振系統(tǒng)的低頻機(jī)械共振，從而導(dǎo)致小的腦組織運(yùn)動(dòng)。當(dāng)這些運(yùn)動(dòng)沿?cái)U(kuò)散編碼梯度方向發(fā)生時(shí)，在DWI圖像中會(huì)出現(xiàn)相位偏移，導(dǎo)致信號(hào)丟失。這種偽影可以通過增加TR（缺點(diǎn)是降低信噪比）或使用全k空間覆蓋和并行成像（例如GRAPPA）來減少。
它也可以使用相位編碼反轉(zhuǎn)（COVIPER）等方法進(jìn)行補(bǔ)償，在擴(kuò)散MRI（ACID）工具箱的偽影校正中可以實(shí)現(xiàn)。
當(dāng)偽影不能被糾正時(shí)，如劇烈運(yùn)動(dòng)、信號(hào)丟失或分層強(qiáng)度中斷，研究人員根據(jù)偽影的類型和程度采取不同的策略，排除受影響的被試、或者受影響的單個(gè)圖像也是常見的方法。另一種方法是，如果影響是局部的，則將分析限制在沒有被影響的區(qū)域內(nèi)也是可以的。DWI采集中的偽影會(huì)導(dǎo)致張量估計(jì)的錯(cuò)誤，從而導(dǎo)致擴(kuò)散圖（FA和MD）中的錯(cuò)誤，從而導(dǎo)致具有錯(cuò)誤方向或長(zhǎng)度的白質(zhì)纖維被重建。
因此，優(yōu)化擴(kuò)散成像序列對(duì)于獲得更精確的數(shù)據(jù)至關(guān)重要。目前的采集協(xié)議應(yīng)該面向正在研究的問題，并且應(yīng)該使用特定的參數(shù)來優(yōu)化特定的分析。由于最佳采集參數(shù)隨磁共振硬件配置、場(chǎng)強(qiáng)、供應(yīng)商、可用掃描時(shí)間、特定解剖結(jié)構(gòu)和所需腦解剖覆蓋范圍的不同而不同，因此在最佳采集參數(shù)方面還沒有一致的意見。因此，在此，本文僅根據(jù)先前的技術(shù)審查對(duì)典型DTI采集中的參數(shù)提出一些建議。
通常，DWI數(shù)據(jù)是通過沒有斷層間隙的軸位切片覆蓋整個(gè)大腦獲得的（對(duì)于纖維追蹤至關(guān)重要）。在目前的主流掃描儀上，5分鐘的掃描時(shí)間足以采集到夠分析的數(shù)據(jù)；但是，根據(jù)掃描儀和定義的采集參數(shù)，采集時(shí)間可能要長(zhǎng)得多（如15分鐘）。擴(kuò)散張量估計(jì)需要沿著至少六個(gè)非共線擴(kuò)散編碼方向的高b值（例如，1000 s/mm2）和一個(gè)最小T2加權(quán)的低b值圖像（b=0s/mm2）。
作者提出了幾種采樣方案，他認(rèn)為采樣矢量在空間上應(yīng)均勻分布，使張量方向的信噪比也均勻。使用30個(gè)擴(kuò)散編碼圖像（方向）被發(fā)現(xiàn)是圖像質(zhì)量和掃描時(shí)間之間的一個(gè)很好的折衷（編者注：目前研究dti數(shù)據(jù)采集至少30個(gè)方向起），因?yàn)榉较驍?shù)目的增加并沒有導(dǎo)致張量方向和MD估計(jì)的顯著改善。理想情況下，每5-10張高b值圖像應(yīng)采集1張低b值圖像。
大多數(shù)DTI研究使用700-1000 s/m2范圍內(nèi)的高b值，臨床DWI的實(shí)際標(biāo)準(zhǔn)為1000 s/mm2。B值的大小、回波時(shí)間、渦流和運(yùn)動(dòng)偽影，在特定情況下，應(yīng)根據(jù)總體和特定結(jié)構(gòu)進(jìn)行調(diào)整?？臻g分辨率對(duì)于DTI質(zhì)量和使用各向同性體素（具有相同尺寸的平面內(nèi)分辨率和厚度，例如2×2×2）時(shí)也很重要；通常，建議使用2–2.5 mm的分辨率進(jìn)行纖維跟蹤，使用交錯(cuò)采集以最小化相鄰部分之間的干擾。
各向異性體素在纖維取向和各向異性的定量評(píng)估中也引入了偏差，較大的體素更有可能具有多個(gè)纖維束取向。DTI采集的其他特征參數(shù)包括視野（FOV），通常范圍為240至256mm，采集矩陣為96×96 - 128×128，回波時(shí)間（TE）為50-70ms，重復(fù)時(shí)間（TR）為8.5-12s。DTI協(xié)議的優(yōu)化一直是各種研究的重點(diǎn)，這些研究為詳細(xì)的協(xié)議定義指定了指標(biāo)，包括它與DTI度量和多中心方法的關(guān)系。
3.質(zhì)控和預(yù)處理
質(zhì)量控制和預(yù)處理過程是檢測(cè)和糾正DWI偽影和排除不能糾正的偽影的關(guān)鍵步驟，為可靠的張量估計(jì)提供了一致性。盡管已經(jīng)有可能找到自動(dòng)的預(yù)處理工具，但對(duì)于哪個(gè)工作流是dti質(zhì)量控制或再處理的理想工作流，還沒有達(dá)成共識(shí)。因此，在這里作者提供了一些指南，包括不同過程中的標(biāo)準(zhǔn)方法，這些方法易于執(zhí)行且不太耗時(shí)。
第一步是，在導(dǎo)入數(shù)據(jù)時(shí)，檢查所有圖像是否已正確導(dǎo)入和排序，以及在同一研究中，不同的受試者是否具有相同的參數(shù)。這可以通過通用圖像查看器（如Osirix、syngo FastView、MRIcro、or ImageJ）來執(zhí)行。初步檢查后，建議對(duì)DWI數(shù)據(jù)進(jìn)行目視檢查，以檢測(cè)潛在的偽影（頂級(jí)智能系統(tǒng)的視覺檢查往往是相當(dāng)重要的）。在不同的“正交”視圖中循環(huán)瀏覽原始圖像，可以識(shí)別幾何失真、信號(hào)丟失、細(xì)微的系統(tǒng)漂移和缺少的slice。另一方面，離群點(diǎn)檢測(cè)方法提供了自動(dòng)識(shí)別受損圖像的方法。還提出了基于ADC一致性測(cè)試和尖峰噪聲檢測(cè)的方法。
RESTORE是一種常用的估計(jì)張量的工具，在張量估計(jì)之前排除潛在的異常值。然后，采集的數(shù)據(jù)可能需要進(jìn)行幾個(gè)預(yù)處理步驟，具體使用哪些步驟取決于核磁共振掃描儀、采集參數(shù)、圖像質(zhì)量、使用的軟件包和研究重點(diǎn)。
在預(yù)處理過程中，通常首先將原始數(shù)據(jù)轉(zhuǎn)換為特定和適當(dāng)?shù)膱D像格式（圖1C）。DTI分析工具之間的相互通用操作性差，缺乏標(biāo)準(zhǔn)DTI格式。許多軟件包定義了它們自己的數(shù)據(jù)格式；例如，神經(jīng)成像信息技術(shù)倡議（NIfTI）和Analyze and Nearly Raw Raster Data（NRRD）是常見的數(shù)據(jù)格式。文件格式轉(zhuǎn)換器，如MRIcro、dcm2nii、MRIConvert、NiBabel、和 software包轉(zhuǎn)換器（如AFNI、fresurfer、SPM、Slicer）通常用于從原始DICOM格式轉(zhuǎn)換為NIfTI格式。
在DWI圖像中，由渦流和頭部運(yùn)動(dòng)引起的畸變是最常見的偽影（圖1D）；因此，一個(gè)常見且推薦的預(yù)處理步驟是對(duì)此類偽影進(jìn)行校正。渦流可以通過b0圖像的仿射配準(zhǔn)和b0圖像的剛體配準(zhǔn)進(jìn)行運(yùn)動(dòng)校正。由于這兩項(xiàng)校正保護(hù)在一個(gè)程序中，因此可以作為一個(gè)單一步驟來實(shí)施。為此，FMRIB的擴(kuò)散工具箱（FDT）、自動(dòng)圖像配準(zhǔn)（AIR）和DT-Recon是流行的軟件工具，盡管DTIC（b0和DTI的渦流校正）DTI PREP（Liu等人，2010b）、DIFF_-PREP和 ExploreDTI等工具也可用于此目的。
需要注意的是，由于此過程處理圖像方向的變化，編碼向量（也就是bvec）應(yīng)該重新定向。幸運(yùn)的是，DTIPrep、DIFF_PREP和 ExploreDTI工具考慮到了這一點(diǎn)（FDT也考慮到了，可以進(jìn)行bvec的校正）。
在這之后，一個(gè)可選的步驟是進(jìn)行顱骨剝離（圖1E），從分析中移除非大腦區(qū)域，改善共配準(zhǔn)/標(biāo)準(zhǔn)化結(jié)果，并減小數(shù)據(jù)大小。這一步可以通過幾個(gè)工具來完成，比如來自FSL的BET、Freesurfer、Atropos。精確的張量估計(jì)和軌跡分析也依賴于精確的梯度表。梯度信息通?？梢灾苯訌?span>MRI控制臺(tái)檢索，也可以使用DTI Gradient table creator等特定工具進(jìn)行計(jì)算。在某些情況下，梯度方向的方向可能不準(zhǔn)確，可能需要進(jìn)行小的校正（ColbyImaging）。
在張量估計(jì)（在下面的章節(jié)中描述）之后，在某些特定區(qū)域（例如胼胝體、扣帶和鉤狀束）的張量方向的視覺檢查也是相當(dāng)重要的，這是一種可以用任何張量可視化工具進(jìn)行的評(píng)估。如，Slicer, TrackVis,DTIStudio, MedINRIA, BrainVoyager QX, FSL View, Camino,BioImage Suite, ExploreDTI)。如果發(fā)現(xiàn)張量方向錯(cuò)誤，有必要修改梯度表并重復(fù)張量重建（使用DTI-TK等工具）。DTI數(shù)據(jù)集中存在偏差也是常見的，它可能來自多個(gè)來源（例如，噪聲、場(chǎng)不均勻性、有問題的梯度質(zhì)量控制程序、實(shí)驗(yàn)和參數(shù)）；在這一階段，可以通過模擬和外推進(jìn)行估計(jì)（SIMEX）。最后，研究人員或臨床醫(yī)生可以在列表中搜索和比較現(xiàn)有的軟件，如神經(jīng)成像工具和資源的來源（NITRC，http://www.NITRC）或者I Do Imaging (http://www.idoimaging.com/)，特別是在為特定任務(wù)搜索工具時(shí)。
4. 處理和可視化
數(shù)據(jù)預(yù)處理后，DTI分析的下一階段包括每個(gè)體素的張量估計(jì)（圖1F）；為此，需要至少沿六個(gè)非共線方向應(yīng)用擴(kuò)散編碼梯度的圖像。估計(jì)張量的最常用方法主要有三種：普通最小二乘法（OLS）、線性加權(quán)最小二乘法（WLLS）和非線性最小二乘法（NLLS）。不同的估計(jì)方法可能會(huì)產(chǎn)生不同的結(jié)果，因此必須確保使用相同的包來估計(jì)整個(gè)數(shù)據(jù)集中的張量。由于擴(kuò)散張量是一個(gè)對(duì)稱的3×3矩陣，它可以用特征值（λ1，λ2，λ3）和特征向量（e1，e2，e3）來描述。然后使用特征值和特征向量來處理標(biāo)量指數(shù)，在一些研究中，使用軌跡圖分析。在每個(gè)體素處，特征值代表擴(kuò)散的大小，相應(yīng)的特征向量反映最大和最小擴(kuò)散的方向。
如今，各種各樣的免費(fèi)或商業(yè)的DTI軟件工具，有著不同的用途和規(guī)格。對(duì)于新手來說，從其他人中選擇一個(gè)可能是一項(xiàng)困難而耗時(shí)的任務(wù)。在Table 1中，作者列出了最常用的軟件工具及其主要適用性。主要用于臨床，商業(yè)應(yīng)用雖然直觀、友好、自動(dòng)化，但也比較僵化和有限。
其中包括syngo DTI、Elite Neuro臨床解決方案或者Functool and FiberTrak 以及其他一些如iPlan Fibertracking, Prism Clinical Imaging , DynaSuite Neuro.等工具。另一方面，基于Python的工具，特別是Nipy項(xiàng)目（包括Dipy、NiBabel、and Nipype等工具）更靈活、更可自由定制，但不太直觀和用戶友好。
DTI最大的挑戰(zhàn)之一是以直觀、易于理解的方式可視化和呈現(xiàn)張量信息。事實(shí)上，數(shù)據(jù)的高維性和擴(kuò)散張量域中的復(fù)雜關(guān)聯(lián)使得這一步相當(dāng)困難。典型的方法包括使用張量Glyphs（即每個(gè)體素形成的形狀符號(hào)）或?qū)⒕S數(shù)減少到一個(gè)標(biāo)量（例如FA這種）或者是形成三維圖形（纖維追蹤圖）。諸如Explore DTI, MedINRIA和Slicer等工具支持前面提到的所有可視化方案,如table2中所總結(jié)的。
表1 DTI預(yù)處理和處理中可用的工具（文章發(fā)表中用到的）
表2 包括了主要處理步驟和通用的DTI工具
二維標(biāo)量圖可視化是臨床醫(yī)生最常用的DTI可視化方法，由于其簡(jiǎn)單和即時(shí)可視化而被使用;但是，這種方法在提供的信息量方面有限制。兩個(gè)主要的擴(kuò)散指標(biāo)，MD和FA，是基于特征值的，代表了擴(kuò)散過程的大小。
MD、ADC或trace可由這三個(gè)特征值的平均值計(jì)算，并對(duì)應(yīng)于分子擴(kuò)散率(較低的值表示較低的擴(kuò)散率)。下面是MD的計(jì)算公式（小學(xué)數(shù)學(xué)，不用緊張），其中Dxx，Dyy，Dzzare擴(kuò)散張量的對(duì)角線項(xiàng)：
分?jǐn)?shù)各向異性（FA）是由各向異性擴(kuò)散引起的張量的分?jǐn)?shù)的標(biāo)準(zhǔn)化度量，對(duì)應(yīng)于各向異性擴(kuò)散或方向性的程度，范圍從0（各向同性擴(kuò)散）到1（各向異性擴(kuò)散），公式如下：
在上面的式中D=（λ1+λ2+λ3）/3。FA沒有關(guān)于方向的信息（圖1I）。這可以通過顏色編碼的FA圖來解釋，其中每個(gè)體素的顏色顯示其主要擴(kuò)散方向（圖1H）。
在這些地圖中，紅色代表從左到右的方向，綠色代表從后到前，藍(lán)色代表從下到上擴(kuò)散。其他相關(guān)的DTI指數(shù)包括trace（在體素中擴(kuò)散的大?。?span>Lattice各向異性指數(shù)（對(duì)噪聲的敏感性降低）、軸向擴(kuò)散率（從最大特征值導(dǎo)出，測(cè)量沿軸突最快擴(kuò)散方向的擴(kuò)散率，檢測(cè)縱向擴(kuò)散），和徑向擴(kuò)散率（由第二和第三特征值導(dǎo)出并測(cè)量擴(kuò)散的橫向）。
通常，由于自由擴(kuò)散的增加，受損組織中的MD更高；相反，FA則由于在主要擴(kuò)散方向上的一致性的喪失而降低。table1中提供的可用于張量估計(jì)的軟件工具還可以計(jì)算一些最常用的標(biāo)量映射。
相對(duì)于用標(biāo)量指標(biāo)表示的張量的維數(shù)縮減，Glyphs（即每個(gè)體素形成的形狀符號(hào)）是參數(shù)化的圖形對(duì)象，通過其大小、形狀、位置和顏色來描述擴(kuò)散張量(圖1G)。Glyphs用于視覺化和質(zhì)量控制，而不是用于分析過程。最典型的表現(xiàn)形式是沿最快擴(kuò)散軸拉長(zhǎng)的三維橢球形，并沿受限擴(kuò)散方向壓扁。這些對(duì)象映射的張量特征向量和特征值，表示水分子擴(kuò)散方向。其他形狀也可以使用，例如線性符號(hào)，它更適合描述線性各向異性的輪廓，但是，作為橢球體，它們忽略了重要的信息，在平面上查看時(shí)很難清楚地理解三維形狀。
為了克服這個(gè)問題，引入了另一類Glyphs，稱為超二次曲面（superquadrics），并將球面、圓柱和盒形結(jié)合起來，以區(qū)分各向同性、平面和線性各向異性以及中間狀態(tài)。Superquadrics Glyphs可視化的主要缺點(diǎn)是它只允許內(nèi)在的個(gè)體輪廓，而不允許張量數(shù)據(jù)的全局特征。大多數(shù)DTI查看器支持將張量表示為線、圓管或橢球體，并允許其與標(biāo)量映射可視化相結(jié)合。Table2中提供的工具中，MedINRIA和SATURN也支持box和superquadrics Glyphs。
最后一類可以從DTI外推的參數(shù)是基于擴(kuò)散的主要特征向量，以獲得WM路徑或纖維束的三維表示，即所謂的WM束追蹤（圖1K）。這種方法在體內(nèi)投射不同腦系統(tǒng)之間纖維路徑和連接模式的三維軌跡。
圖像追蹤處理可分為三個(gè)主要階段，即種子選擇、穿過區(qū)域和終止追蹤的規(guī)則。種子選擇包括如何定義能夠提取特定纖維的種子點(diǎn)；最常用的方法之一是基于定義感興趣區(qū)域（ROI）并在ROI的每個(gè)體素中放置一個(gè)或多個(gè)種子（圖1L）。ROI可以手動(dòng)繪制或從其他MRI模態(tài)中提取?，F(xiàn)階段的主要問題與不同被試之間的種子點(diǎn)位置和使用的纖維追蹤工具有關(guān)，導(dǎo)致結(jié)果的可變性。
第二種常用的方法是對(duì)整個(gè)大腦使用自動(dòng)追蹤，實(shí)現(xiàn)張量數(shù)據(jù)的全面探索性可視化。在追蹤過程中，纖維逐漸發(fā)生變化。纖維跟蹤可以用兩種不同的算法來完成，主要分為兩類：確定性算法和概率性算法。確定性纖維束成像的目的是建立數(shù)據(jù)模型，實(shí)際上，可以認(rèn)為是從每個(gè)種子中產(chǎn)生/重建一根纖維。
另一方面，概率方法考慮了估計(jì)的不確定性，這導(dǎo)致概率圖表示體素作為白質(zhì)纖維一部分的可能性，并提供從每個(gè)種子發(fā)出的多個(gè)可能的纖維方向。在DTI主要處理包中使用和實(shí)現(xiàn)的一種常見的確定性算法是通過連續(xù)跟蹤（FACT）定義的基于ROIs的特定解剖束來分配纖維，假設(shè)纖維方向在體素內(nèi)是均勻的，并且在體素的邊界上不會(huì)出現(xiàn)突然的角度改變。其他的確定性算法則通過不同的插值方法(三階、二階或四階方法)、tensor deflection,或者tensorline方法來流線型化。諸如Diffusion Toolkit之類的工具實(shí)現(xiàn)了所有這些算法，而其他工具實(shí)現(xiàn)了二階等方法。常用的概率算法有PICo算法由Camino實(shí)現(xiàn)、multi – fiber field model ，由FSL實(shí)現(xiàn)以及由slicer實(shí)現(xiàn)的貝葉斯方法等。
最后一步是根據(jù)一些定義明確的準(zhǔn)則（也稱為終止準(zhǔn)則）終止纖維追蹤的過程。這些準(zhǔn)則旨在避免在矢量場(chǎng)的魯棒性不確定的情況下，在體素中終止對(duì)纖維的追蹤。常見的終止標(biāo)準(zhǔn)是最小FA閾值（成人大腦通常為0.1-0.3，嬰兒為0.1）和轉(zhuǎn)角閾值（根據(jù)路徑不同，通常為40-70°）。
由于在體素內(nèi)部存在同質(zhì)的單向總體方向這種內(nèi)在的不切實(shí)際的假設(shè)，解釋白質(zhì)追蹤結(jié)果圖時(shí)可能會(huì)有問題。在同一個(gè)體素中包含兩個(gè)或更多不同取向纖維束的大腦特定區(qū)域（交叉、分叉或親吻纖維）會(huì)導(dǎo)致纖維方向和路徑的錯(cuò)誤估計(jì)以及束的突然終止。通過采用更復(fù)雜的方法，包括多張量模型，可以使得這種方法假設(shè)上的限制最小化。
High Angular Resolution Diffusion Imaging (HARDI),Hybrid Diffusion Imaging (HYDI), Diffusion Spectrum Imaging(DSI), Q-Ball Imaging (QBI), Q-Space Imaging (QSI), SphericalDeconvolution Model, and Persistent Angular Structure MRI(PAS-MRI)這些成像方法可以更好地解決上述的方法限制。近年來，這些方法越來越流行，開始逐漸取代傳統(tǒng)的張量模型。例如，DSI和QBI使用概率密度函數(shù)而不是單個(gè)張量來描述每個(gè)體素在多個(gè)不同方向上的擴(kuò)散過程。由于需要更多的編碼方向，因此需要更長(zhǎng)的采集時(shí)間。HARDI、DSI和QBI方法可通過TrackVis和擴(kuò)散工具包實(shí)現(xiàn)，Camino以及可用于HARDY和PAS-MRI的分析。
5. 定量分析（也就是統(tǒng)計(jì)）
在參數(shù)圖（如MD、FA）被計(jì)算之后，為了進(jìn)行個(gè)體或群體的統(tǒng)計(jì)分析，下一個(gè)常見的步驟是從特定的解剖區(qū)域或整個(gè)大腦中提取測(cè)量變量。為此，通常應(yīng)用ROI、基于體素的分析（VBA）和基于白質(zhì)骨架的空間統(tǒng)計(jì)（TBSS）。值得注意的是，研究人員/臨床醫(yī)生通常對(duì)群體比較感興趣，提取匯總指標(biāo)的方法主要是實(shí)現(xiàn)對(duì)不同被試群體的白質(zhì)指標(biāo)的定量分析。
感興趣區(qū)域分析是基于人工描繪大腦特定區(qū)域或自動(dòng)分割大腦特定區(qū)域的方法。ROI分析非常耗時(shí)，需要解剖學(xué)知識(shí)，并且應(yīng)用于量化這些區(qū)域內(nèi)的擴(kuò)散參數(shù)（主要是MD和FA）。感興趣區(qū)分析的主要問題包括：圖像強(qiáng)度對(duì)感興趣區(qū)邊界的影響（通常為FA或MD）；在使用解剖感興趣區(qū)時(shí)，難以與典型解剖圖像（T1或T2加權(quán)）完全對(duì)應(yīng)；在較小/較薄的區(qū)域進(jìn)行分析；以及在縱向研究中的應(yīng)用困難。ROI分析可以使用主要的張量估計(jì)和可視化軟件進(jìn)行，如slicer、TrackVis、MedINRIA、和ExploreDTI。
定量分析的另一種可能性是使用分布頻率篩選特定參數(shù)范圍內(nèi)的體素（通常為MD或FA）。每個(gè)擴(kuò)散參數(shù)的直方圖顯示了平均值、峰值高度和位置、可用于統(tǒng)計(jì)測(cè)試比較組間差異（圖1M）。柱狀圖允許以自動(dòng)化的方式分析整個(gè)大腦，而無需任何預(yù)先指定的ROI；然而，這種方法要求去除不感興趣的組織（通常是腦脊液），不保留任何異常位置的信息，并且對(duì)萎縮引起的部分體積效應(yīng)敏感。對(duì)于這種方法，可以使用TrackVis或MedINRIA等工具實(shí)現(xiàn)。
基于體素的分析在DTI中越來越流行，因?yàn)樗鼈兪亲詣?dòng)化的，需要最少的干預(yù)，并且不受研究者的預(yù)先假設(shè)的影響。基于體素的分析（VBA）涉及到將FA等圖配準(zhǔn)到到標(biāo)準(zhǔn)空間（一個(gè)稱為標(biāo)準(zhǔn)化的過程）中，以實(shí)現(xiàn)被試之間跨體素的對(duì)應(yīng)關(guān)系，從而實(shí)現(xiàn)解剖結(jié)構(gòu)的對(duì)應(yīng)（圖1N）。
這使得能夠比較組間的擴(kuò)散參數(shù)以及與相關(guān)協(xié)變量（例如年齡）的相關(guān)性。這種方法允許空間特定（作為ROI）和無偏（作為直方圖）分析，不需要以前的ROI定義。主要問題是使用張量數(shù)據(jù)集的配準(zhǔn)算法的準(zhǔn)確性。VBA可以用SPM或BrainVoyager-QX來實(shí)現(xiàn)，SPM是這類分析中應(yīng)用最廣泛的軟件工具（但目前VBA的使用已經(jīng)比較少了）。
目前，研究更加普遍使用的是一種克服配準(zhǔn)算法和空間平滑的新方法——TBSS。TBSS是一種自動(dòng)檢測(cè)整個(gè)大腦中群體體素變化的方法，基于已配準(zhǔn)的FA地圖的群體骨架(圖1O)。TBSS消除了執(zhí)行空間平滑的需要，增加了統(tǒng)計(jì)檢測(cè)能力(減少了測(cè)試的總體素?cái)?shù)量)。另一方面，這種方法也存在一定問題，在存在較大解剖移位的圖像中，FA圖像的骨架化可能不準(zhǔn)確，或者在骨骼中存在WM病變和配準(zhǔn)錯(cuò)誤，這難以在視覺上識(shí)別。由于骨架化過程與局部極大值是一致的，所以對(duì)原生空間的反投影也是一個(gè)問題，這可能并不一定適用于所有對(duì)象的相同解剖位置。此方法是FSL分析的一部分。
成組研究中的一個(gè)重大問題是，為了比較不同組之間的情況，需要將單個(gè)圖像規(guī)范化為一個(gè)標(biāo)準(zhǔn)空間。在這之后，每一個(gè)結(jié)構(gòu)應(yīng)該在所有的被試中處于相同的位置。標(biāo)準(zhǔn)化過程對(duì)于VBA分析至關(guān)重要，并且偏差的結(jié)果可能是不可預(yù)測(cè)的。這在DTI中尤其具有挑戰(zhàn)性，因?yàn)樗哂懈叨鹊姆较蛐院徒Y(jié)構(gòu)特性。各種DTI圖像標(biāo)準(zhǔn)化的過程，這一挑戰(zhàn)都存在。
最直接的方法是使用b0圖像來和高分辨率T1圖像的剛性對(duì)齊，然后從T1空間到標(biāo)準(zhǔn)空間的仿射變換的對(duì)齊。請(qǐng)注意，生成的變換矩陣應(yīng)僅應(yīng)用于標(biāo)量圖像（即FA這些圖像）?；蛘?，一些研究人員選擇直接從b0圖像驅(qū)動(dòng)到標(biāo)準(zhǔn)空間的EPI模板。這些方法之間的差異已經(jīng)在先前的研究中得到了解決。
另一種規(guī)范化方法是使用復(fù)雜的多通道算法對(duì)張量進(jìn)行標(biāo)準(zhǔn)化。在數(shù)據(jù)規(guī)范化中最常用的工具是AIR、FSL的flitr和SPM。同時(shí)，為了解決DTI圖像的歸一化問題，TBSS為FA地圖的主體間配準(zhǔn)提供了一種新的革命性的方法。
為了進(jìn)行統(tǒng)計(jì)的參數(shù)檢驗(yàn)，可以使用三維濾波器（即空間平滑）對(duì)數(shù)據(jù)進(jìn)行平滑處理。這增加了信噪比，減少了由于空間歸一化過程造成的缺陷，提高了統(tǒng)計(jì)能力，并使隨機(jī)場(chǎng)理論的假設(shè)成為可能。在選擇平滑核大小時(shí)必須小心，因?yàn)檫x擇的濾波器的空間寬度將決定可檢測(cè)到的差異的大小，平滑也會(huì)增加部分體積效應(yīng)。這個(gè)步驟可以使用fslmaths（FSL庫(kù)中的命令行工具）或SPM等工具來執(zhí)行。
6. 多模態(tài)研究
使用不同的神經(jīng)影像學(xué)方法從同一個(gè)人身上收集多模態(tài)腦數(shù)據(jù)，已經(jīng)成為該領(lǐng)域的一個(gè)標(biāo)準(zhǔn)，并且肯定是未來的一個(gè)趨勢(shì)。結(jié)合不同的模式可以對(duì)活體大腦結(jié)構(gòu)和功能進(jìn)行全面和互補(bǔ)的概述。隨著顯微結(jié)構(gòu)組織（DTI）和功能激活模式（使用靜息態(tài)或任務(wù)相關(guān)功能磁共振成像（fMRI））的結(jié)合，腦連接性研究現(xiàn)在變得非常流行（圖1P）。白質(zhì)纖維中測(cè)量彌散指標(biāo)的變化可以指向功能模式和行為的改變。使用這種方法的一個(gè)普遍問題是，為了達(dá)到WM纖維束，通常需要將GM的種子點(diǎn)擴(kuò)展到WM區(qū)域。
實(shí)際上，這就是種子點(diǎn)的定義問題，可以通過使用fslmaths（來自FSL包）或MarsBaR（SPM工具箱）等工具來實(shí)現(xiàn)。一些研究已經(jīng)證明了靜息態(tài)網(wǎng)絡(luò)中功能性連接的大腦區(qū)域和任務(wù)相關(guān)模式之間的神經(jīng)解剖聯(lián)系（使用DTI來構(gòu)建神經(jīng)解剖聯(lián)系）。
另一種流行的多模態(tài)方法是在DTI數(shù)據(jù)中使用傳統(tǒng)的MRI或T1加權(quán)圖形的mask，通過分割（ROI）來提取組合后的結(jié)構(gòu)和DTI數(shù)據(jù)（圖1Q）。例如，WM體積已用于評(píng)估微觀結(jié)構(gòu)完整性。
此外，結(jié)合DTI參數(shù)和腦電圖（EEG）記錄、皮質(zhì)誘發(fā)電位（CCEPs）、腦磁圖（MEG）、正電子發(fā)射斷層成像（PET），磁共振波譜（MRS）和經(jīng)顱磁刺激（TMS）等方法揭示了人類大腦復(fù)雜性的互補(bǔ)的新見解。重要的是，為了將DTI與其他神經(jīng)成像模式數(shù)據(jù)相結(jié)合，不同模態(tài)的ROI應(yīng)該與DTI數(shù)據(jù)位于同一參考空間（其實(shí)實(shí)踐過程中無非就是T空間或者MNI空間，對(duì)于兩個(gè)空間不理解的請(qǐng)點(diǎn)擊我們上一篇文章，有詳細(xì)描述）。
7. 結(jié)果匯報(bào)
在DTI數(shù)據(jù)解釋中，最常見的誤解與標(biāo)量（如AD、FA、MD和RD等）結(jié)果有關(guān)。通常，較高的MD值和較低的FA值表明，由于在主要纖維方向上的擴(kuò)散增加和纖維髓鞘化的喪失，纖維完整性受損。然而，這并不總是真的。事實(shí)上，根據(jù)所研究的大腦區(qū)域、細(xì)胞基礎(chǔ)和樣本（特定的疾病過程、發(fā)育狀況），異常高或低的指數(shù)可能表明存在功能障礙，但可能也沒有，對(duì)于結(jié)果的解釋需要更多的補(bǔ)充性證據(jù)，不能輕易的下結(jié)論。
DTI研究解釋過程中還存在一些其他問題。使用顏色編碼來導(dǎo)向的標(biāo)量地圖的解釋也很重要，因?yàn)閮蓚€(gè)不同的區(qū)域可能有相同的顏色(如果它們有相同的平面內(nèi)纖維方向)，而且相同的區(qū)域在方向改變時(shí)可以改變顏色編碼，這使得在2D圖像中定位變得困難。交叉纖維也是結(jié)果解釋中面臨的重要問題，它影響FA，軸向和徑向擴(kuò)散以及MD，并對(duì)纖維追蹤方法有巨大的影響。
因此，在解釋白質(zhì)研究結(jié)果時(shí)，一定要考慮到方法的局限性和假設(shè)的邏輯性。從而更加謹(jǐn)慎的對(duì)數(shù)據(jù)結(jié)果進(jìn)行解釋。
8. 總結(jié)
DTI研究是目前研究WM微觀結(jié)構(gòu)的一種很有前途并且被廣泛使用的方法。然而，從實(shí)驗(yàn)設(shè)計(jì)的最初階段到最終結(jié)果的解釋，每一項(xiàng)科學(xué)分析都存在一定的困難。DTI研究不例外。
本文著重介紹了在進(jìn)行DTI研究時(shí)所面臨的常見問題，以及克服這些問題的一些可能的方法，并提供了實(shí)用的指導(dǎo)和參考，包括最常用的工具。對(duì)于DTI工作流程中最常用的解決方案和工具的描述，從本文來看，到目前為止還沒有得到很好的理解，并且本文的概述是宏觀的，在具體細(xì)節(jié)時(shí)研究人員仍舊面臨大量困難。
因此，我們相信，本指南不僅對(duì)該領(lǐng)域的新手有幫助，而且對(duì)那些想要更新該領(lǐng)域知識(shí)的人也有幫助。同時(shí)，思影科技提供了多種多樣的研究方法的課程，以及強(qiáng)大的后援團(tuán)隊(duì)。為每一個(gè)努力科研的研究人員解決具體的操作問題。我們公司緊跟科研前線，實(shí)現(xiàn)各種分析方法，希望您的到來！
請(qǐng)微信搜索“思影科技”關(guān)注我們，關(guān)注我們的公眾號(hào)，獲得更多精彩腦科學(xué)內(nèi)容，如需原文或?qū)λ加翱萍颊n程感興趣請(qǐng)?zhí)砑游⑿盘?hào)siyingyxf或19962074063
微信掃碼或者長(zhǎng)按選擇識(shí)別關(guān)注思影
非常感謝轉(zhuǎn)發(fā)支持與推薦
歡迎瀏覽思影的數(shù)據(jù)處理課程以及數(shù)據(jù)處理業(yè)務(wù)介紹。（請(qǐng)直接點(diǎn)擊下文文字即可瀏覽思影科技所有的課程，歡迎添加微信號(hào)siyingyxf或19962074063進(jìn)行咨詢，目前思影采取預(yù)報(bào)名制度，以下所有課程均可報(bào)名，受疫情影響部分課程時(shí)間或有調(diào)整，報(bào)名后我們會(huì)第一時(shí)間聯(lián)系，會(huì)為您保留名額）：
第六屆任務(wù)態(tài)fMRI專題班（重慶4.8-13）
第二十八屆磁共振腦影像基礎(chǔ)班（重慶2.24-29）
第十四屆磁共振腦網(wǎng)絡(luò)數(shù)據(jù)處理班（重慶3.18-23）
第二十屆腦電數(shù)據(jù)處理中級(jí)班（重慶3.7-12）
第七屆眼動(dòng)數(shù)據(jù)處理班（南京4.9-13）
第七屆近紅外腦功能數(shù)據(jù)處理班(上海4.2-7）
思影數(shù)據(jù)處理業(yè)務(wù)一：功能磁共振（fMRI）
招聘：腦影像數(shù)據(jù)處理工程師（重慶&南京）
