基于DTI丘脑分割的新方法＊

深圳市第二人民医院医学影像科(广东 深圳 518000)

许东峰 雷 益 夏 军

林 帆 何 品 蔡晓东

基于DTI丘脑分割的新方法＊

深圳市第二人民医院医学影像科(广东 深圳 518000)

许东峰 雷 益 夏 军

林 帆 何 品 蔡晓东

目的利用概率跟踪算法的原理对DTI序列进行处理，得到丘脑分割图谱,为研究丘脑与皮层的连接关系提供参考依据。方法健康志愿者30例进行常规T2序列及DTI序列扫描，将采集到的数据进行转换分析，利用概率跟踪算法对其进行计算，得到丘脑分割图谱。结果获得的丘脑分割图谱被不同颜色分成七个部分，分别显示与七个头脑皮层分区的连接方式。将丘脑分割图谱与常规丘脑核团图谱进行对比，发现其连接方式十分一致。结论丘脑分割图谱与常规丘脑核团图谱具有较强的一致性，有利于我们进一步认识丘脑的解剖及功能，为以丘脑为靶点的手术提供解剖依据。

DTI；概率跟踪算法；丘脑分割

丘脑是大脑的中转站，其调解着大脑区域中感觉、运动之间的联系，具有举足轻重的作用。然而在目前的影像方法如CT、常规MRI上，无法清晰地比较丘脑核团的细微差别。尽管有学者称在磁共振的T1反转图像上可以显示出丘脑内侧背核(medialdorsal nucleus,MD)的位置[1]。但是更细微的核团却无法清楚显示，而且在T1反转图像上丘脑核团过于细小，核团之间无法清楚比较[2]。

目前的研究已经证实，一些疾病可引起丘脑的改变，其中包括精神分裂症(schizophrenia)[3]、帕金森病(Pakinson's disease)[4]、慢性疼痛综合症(Chronic pain syndrome)[5]、多发性硬化(Multiple sclerosis)[6]、华勒氏变性(Wallerian degeneration)[7]等。其中帕金森病、慢性疼痛综合征、多发性硬化，可通过以丘脑核团为靶点进行外科手术治疗[8]。过去术前计划是以已经获得的常规丘脑图谱为参考进行制定[9]，然而由于每个人的生长变异不同，丘脑核团的具体位置、形态及其大小会有所差别，因此采用常规丘脑图谱来寻找手术靶点是不准确的[10]。

1 DTI的研究现状

1.1 DTI的原理 磁共振弥散加强成像(Diffusion Tensor Imaging,DTI)的物理基础是水分子的随机不规则“布朗”运动(Brownian motion)，也称为弥散(Diffusion)。在无限均匀的媒介中，水分子的运动不受限制，完全随机，在各个方向的扩散大小一致，呈现为“各向同性(Isotopic)”弥散，(见图1)，而在脑白质纤维中，由于细胞膜、神经轴突和髓鞘等因素的存在，水分子弥散具有方向依赖性，平行于纤维走行方向的水分子弥散最快，而垂直于纤维走行方向的水分子弥散受限，这种现象称为“各向异性(Anisotropic)”弥散[11]，(见图2)。

1.2 基于DTI的概率跟踪算法磁共振弥散张量成像(DTI)在研究脑纤维结构的连接方面已取得较大进步,弥散张量成像可以重建并显示整个大脑结构[12]，定量分析各个纤维的体积和行程。但传统的确定性纤维追踪方法难以对皮层或者灰质邻近的纤维进行追踪，因为当神经接近这些区域的时候,扩散的各向异性下降，周围的噪声增加,使得计算出来的神经纤维主要扩散方向不可靠[13]；另外，在追踪神经纤维的时候，我们往往设定FA阈值来终止纤维， 由于皮层或者灰质周围的FA值较低，因此追踪的纤维会比实际的神经纤维短小。所以，用传统的确定性追踪方法无法研究脑表面皮层或深部灰质结构的纤维分布。

而近年提出的概率跟踪算法(probabilistic tractography algorithm)可以解决这问题，概率跟踪算法将张量的FA值、张量的所有特征值与特征向量、角度等参数综合考虑，通过当前体素以及它的26个邻域体素所提供的位置信息,计算从该体素分别走向各个邻域体素的走行概率,并将走行概率最大的邻域体素视为纤维在该体素的走行方向，从而实现对纤维的跟踪[14]。此算法被编写进牛津大学脑功能性磁共振成像(Functional MRI of the Brain,FMRIB)实验室的FSL软件(http://fsl.fmrib.ox.ac.uk/ fsl/fslwiki/)中，本研究也采用此软件对图像进行后处理。

2 实验过程

2.1 研究对象 本研究的研究对象为健康志愿者30例，年龄在25到50之间，平诉体健，经常规体检未发现异常，无遗传病史者。

2.2 磁共振扫描 使用1.5T西门子Avanta磁共振扫描仪进行扫描，在常规pd和T2WI平扫后，进行一下序列扫描：

2.2.1 解剖图：MPRAGE，矢状位扫描，体素大小：1.0×1.0×1.0mm；matrix：256×256mm；层厚1mm,无间距；TR/TI/TE=2730/1000/3.31ms；加速因子：2×Grappa；带宽：195Hz/px。

2.2.2 DTI序列：singleshot EPI,轴位扫描，范围为头顶头皮至桥脑下缘，体素大小：2.0×2.0×2.0mm；FOV：matrix：128×128；层厚2mm,无间距；angle：20；b＝1000s/ mm2。

2.3 基于概率跟踪算法分割脑区

2.3.1 格式转换：利用dcm2nii(http://www.cabiatl. com/mricro/mricron/dcm2nii. html)软件将磁共振扫描获得图像文件从原来的DICOM格式转换为NIFTI格式。

2.3.2 涡流校正(Eddy current)：使用FSL软件(http:// fsl.fmrib.ox.ac.uk/fsl/ fslwiki/)对DTI数据进行涡流校正。涡流校正可以调整纠正弥散加权图像因线圈梯度不同而引起的扭曲和去除简单的头部运动伪影。

2.3.3 去除脑外组织(BET)：去除头皮、颅骨等脑以外的结构，生成nodif_brain_mask图像。

2.3.4 建立模板：目标模板：我们选用Julich分区。该分区根据解剖及功能的不同，将大脑皮层分成七个区域，分别为前额皮层(prefrontal cortex)：位于中央前回的前方，包括扣带回的上方，前联合线以前的区域；前运动区(Premotor cortex,PMC)，包括感觉运动区SMC和辅助运动区SMA,与躯体，面部等运动相关，与学习模仿等运动也相关；主运动区(primary motor cortex),主要包括大部分中央沟前份的皮层区域，与情感相关，司运动；感觉皮层(Sensory cortex)，主要是中央后回，司体感；颞叶皮层(Temporal cortices)；后顶皮层(Posterior parietal cortex, PPC)，位于中央后回的后方，在认知处理起重要作用，与决策、分类及注意力等相关；枕叶皮层(Occipital cortex)，如图2。种子模版：用FSL自带的丘脑mask作为目标分割模版。

2.3.5 ：将个体空间的解剖图像转换到个体DIT空间，将个体空间解剖图像刚性转换到标准空间，然后用非线性逆转换将上述模版从标准的MNI空间逆向转换到个体DTI空间。

2.3.6 ：用BEDPOSTX计算每一像素弥散属性分布，再用Probtrackx建立纤维的概率跟踪，它将计算出丘脑区域每个像素到上述目标模版的概率。最后用fsl提供的“find_the_ biggest”函数找出具体与某一像素最高概率连接的脑区，生成丘脑分割图(biggest.nii.gz)。

3 实验结果

用fsl软件中自带的fslview工具打开之前已经去除脑外结构(BET)的T2解剖图,与我们生成的丘脑分割图(biggest.nii.gz)进行融合，得出解剖位置上的丘脑分割图。通过上述处理，每个被试者的扫描序列都能成功得到由不同颜色标记的丘脑分割图象(见图3)。

4 讨 论

概率跟踪算法(probabilistic tractography algorithm)所基于的假设是：被研究体素的纤维走行路径并不是唯一的，而是服从于某种特定形式的概率分布(Probability distribution),对这个概率分布进行模型估计后，利用蒙特卡罗(Monte carlo)随机试验等方法分析任一方向的纤维走向可能，从而同计算相应纤维在各个方面走行的概率大小。Behrens等学者基于这种概率纤维追踪的思想,提出了基于贝叶斯(Bayesian)框架的概率跟踪算法[14]，(见图4)。其大致原理为根据目标结构(主要是脑深部核团)的具体像素与不同脑皮层区域的连接概率，对应某一皮层区域，高概率的像素被认为是同一分区，从而可以将目标结构分成与皮层区域对应的分区[15]。

人体的丘脑由核结构复杂的四个部分组成，分成是上丘脑、下丘脑、背侧丘脑和腹侧丘脑[16]。丘脑的核团可分为前腹侧核(anteroventral nucleus,AV)，腹前核(ventral anterior nucleus,va)，内侧背核(mediodorsal nucleus,MD)，腹后核(ventral posterior nucleus,VP),腹外侧核(ventral lateral nucleus,VL)，腹后外侧核(lateral posterior nucleus,LP)，枕核(pulvinar, Pu)[17]。

图5为本实验获得的丘脑分割连续轴位图，可以看出丘脑被七种颜色大致分成七个部分。其中，粉色区域与颞叶皮层相互连接，绿色区域与额叶皮层相互连接，黄色区域与前运动皮层相互连接，紫色区域与主运动皮层相互连接，红色区域与感觉皮层相互连接，淡蓝色区域与后顶皮层相互连接，蓝色区域与枕叶皮层相互连接。过去对非人灵长类的研究表示，猴子与其他非人灵长类动物的丘脑与大脑皮层各区域具有连接关系，不同的皮层区域与丘脑各个部分的连接不同，这种差异性与人类丘脑与皮层的连接十分相似[18]。内侧背核(MD)大部分位于丘脑分割图的绿色区域中，我们猜想内侧背核与额叶皮层之间具有较强的相互连接。Tanaka、Tobias等报道，通过对猴子的解剖分析，得出猴子丘脑内侧背核与前额叶皮层相互连接[19-20]。这与我们的研究结果一致。在对猴子的研究中得出，它们的腹前核(VA)、腹外侧核(VL)互相毗邻，并且分别与前运动皮层和主运动皮层相互连接[21]。而我们得出的分割图中，黄色区域与紫色区域相互毗邻，并且与解剖图中腹前核、腹外侧核的位置十分一致，均处于丘脑的前侧与外侧。在非人灵长类运动的研究中，Jones等[22]证明，腹后核(VP)与感觉皮层具有较强的连接，而在我们的研究中，与丘脑后部位置相对应的红色区域也与感觉皮层相连接。在非人灵长类动物的研究中，外侧后核(LP)和部分枕核(Pu)与后顶叶皮层相互连接[17]，而其余部分枕核(Pu)则与颞叶相连[23-24]。我们猜想研究得出的丘脑分割图中，蓝色部分为外侧后核和部分枕核，而粉色部分则包含余下的枕核部分。

本研究得出的丘脑分割图与不同皮层之间的连接，通过与先前对非人灵长类丘脑的组织学进行比较，具有极高的一致性，证明了本研究具有一定的正确性。虽然，丘脑分割图得到的颜色区域与解剖图中核团大小及轮廓具有差异性，我们猜想其中的原因可能是每个人的丘脑核团因本身发育的变异所致。

本研究通过FSL等软件对大脑扫描的T2及DTI等磁共振序列进行处理，采用概率跟踪算法对丘脑与大脑皮层的纤维连接进行示踪，并根据丘脑核团与皮层分区的不同对丘脑进行分割，建立不同的丘脑核团，并对照了组织学研究和猿类的研究，发现结果十分相似[14]。在近5～10年，这种方法又陆续应用到其他灰质结构和深部脑结构，包括顶叶、扣带回、黑质、胼胝体等[25]。此研究可以为我们进一步了解大脑回路和神经连接提供理论依据，有利于我们对进一步认识丘脑的解剖及功能，为以丘脑为靶点的手术提供解剖依据，其成果将造福广大患者[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丘脑分割的新方法＊

图1 -2 分子弥散特性示意图；图3 皮层分区示意图；图4 丘脑分割示意图；图5 Behrens概率跟踪算法示意图；图6 丘脑分割连续轴位图。

(本文编辑: 刘龙平)

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

广东省科技计划项目，项目编号2014A020212047；广东省科技计划项目，项目编号2014A020212044;深圳市科技计划项目,项目编号JCYJ201503301024010 84

10.3969/j.issn.1672-5131.2017.04.003

2017-03-11

雷 益