基于定量磁化率成像人脑深层灰质核团概率性图谱的构建

薄斌仕，翟国强，张苗，王乙，2，李建奇*

基于定量磁化率成像人脑深层灰质核团概率性图谱的构建

薄斌仕1，翟国强1，张苗1，王乙1，2，李建奇1*

作者单位：1. 华东师范大学物理系，上海市磁共振重点实验室，上海 200062 2. 康奈尔大学，威尔医学院放射系，纽约 10022，美国

目的 基于定量磁化率成像(quantitative susceptibility mapping，QSM)技术制作可用于自动分割大脑深层灰质核团的概率图谱。材料与方法 15名健康受试者参与研究，所有受试者扫描均在3.0 T磁共振成像设备系统上完成。在随机选取的10名受试者得到的标准空间QSM图上，手动勾画出六个双侧脑深部灰质核团，之后采用相应的图谱评价方法选择最优概率阈值的图谱作为最终的概率图谱。在其余5名受试者得到的标准空间QSM图上，分别使用三种图谱(概率图谱、AAL图谱和Johns Hopkins图谱)自动分割和由2名研究者手动勾画出六个双侧脑深部灰质核团感兴趣区，并分别计算自动分割与手动勾画得到的区域的相似度Dice系数和磁化率值，以评价概率图谱的准确性。结果 在基底节区域，概率图谱分割结果的Dice系数明显高于AAL图谱，但和Johns Hopkins图谱区别不大；在颅底和小脑区域，概率图谱分割结果的Dice系数明显高于Johns Hopkins图谱。与其他两种图谱相比，概率图谱自动分割深部核团后测量得到的磁化率值，更接近于手动勾画核团测量得到的磁化率值，其差别更小。结论 基于多名受试者QSM图像构建的脑深部灰质核团概率图谱，对大脑灰质核团分割效果更加可靠，可有效提高图像分析工作的效率。

磁共振成像；定量磁化率成像；基于图谱分割；脑深部核团

三维立体脑图谱可为大脑成像数据分析提供有用的解剖参考，通过受试者与脑模板之间的自动配准，脑图谱可有效将受试者大脑分割成相应的感兴趣区。人脑的结构和功能复杂多样，每部分都有其特异性。空间标准化能够减小个体间大脑解剖结构的差异，因此它是人脑图谱研究中一个重要的步骤。目前，磁共振研究广泛采用的大脑图谱源于T1WI，如Talairach和Tournoux图谱[1]、基于Colin 27模板的自动解剖标记(anmtomical automatic labeling，AAL)图谱[2]等。

随着高场磁共振成像技术的发展，定量磁化率成像(quantitative susceptibility mapping，QSM)提供了一种新颖的对比机制，它利用一般磁共振成像技术舍弃的相位信息得到局部磁场变化特性，再通过复杂的场到源反演计算，可直接得到定量磁化率分布图[3-10]。大脑磁化率图像的对比机制主要来源于含铁的深部灰质核团和含髓磷脂的白质，对于深部核团来说其对比度非常好[4，6，10-11]。

采用QSM技术可得到精确脑铁含量图，而脑铁沉积异常是神经退行性病变的潜在生物标记物，因此QSM已应用于帕金森病[11-12]、阿尔茨海默病[13-14]、Huntington病[15]等疾病的研究。在这些研究中，深部灰质核团区域的定义主要基于人工手动勾画感兴趣区(region of interest，ROI)[12-14]，然后再进行相关统计分析，这需要耗费大量的时间。

最近来自Johns Hopkins大学的研究团队制作了一个基于定量磁化率图的大脑图谱[16]，但是其图谱是基于单个受试者的大脑，不能充分反映大量正常大脑的解剖结构的多样性。大量文献表明，不同的正常人大脑结构存在很大差异[17-19]，因此基于单个受试者的脑模板不能代表解剖结构变化较大的那些脑区域。

在本研究中，笔者采用一组受试者的高分辨率QSM图像创建了一个新的概率性大脑深层灰质核团分割图谱，该图谱可以作为一个有用的模板自动进行大脑深层核团的识别以及进行大数据的组分析测量。

1 材料与方法

1.1 磁共振数据采集

15名健康受试者参与本项研究，7名女性，8名男性，平均年龄(24.3±1.0)岁。随机选取其中10名(男女各5名)受试者作为图谱制作对象，其余5名受试者作为后期检验图谱有效性的对象。实验前要求受试者认真阅读并签署磁共振检查知情同意书。

所有受试者扫描均在3.0 T磁共振成像设备系统(西门子Magnftom Trio Tim 3.0 T)上完成，采用12通道头线圈作为信号接收线圈。QSM扫描序列为三维多回波梯度回波(gradient echo，GRE)序列，具体扫描参数如下：TR 60 ms，第一回波时间(TE1) 6.8 ms，回波间隔(ΔTE) 6.8ms，回波数8，反转角(FA) 15°，FOV 240 mm×180 mm，体素大小为0.625 mm× 0.625 mm× 2.000 mm，层数96。为减少采样时间，在相位编码方向(受试者左右方向)采用并行采样技术，加速因子为2。T1WI高分辨结构像采用三维磁化准备快速梯度回波(magnetization-prepared rapid gradient echo，MPRAGE)序列，具体参数如下：正中矢状面扫描，TR 2530 ms，反转时间(TI) 1100 ms， FA为7°， TE 2.34 ms，FOV 256 mm×256 mm，体素大小为1 mm×1 mm ×1 mm，层数192。对所有受试者还进行了常规T1WI、T2WI及FLAIR等序列的扫描，以筛查患有脑血管疾病的受试者。在扫描过程中于受试者头部两侧和下方均放置海绵垫，以减小受试者头部运动而且保证受试者间定位的一致性。

1.2 QSM重建和图谱制作

由GRE序列采集到的复数数据经过相位拟合、相位解缠绕、去背景场、基于形态学的偶极子反演算法(morphology enabled dipole inversion，MEDI)等步骤重建出颅脑横断面磁化率图[7-8，20]。

在图谱制作之前先对每个受试者的图像进行了预处理[16，21]，然后再进行图谱制作：(1)使用磁共振扫描仪自带的三维后处理软件将受试者矢状面高分辨T1结构像重建为横断面图像，其分辨率为1 mm×1 mm×1 mm，然后使用FSL5.0.9工具包中的BET软件(brain extraction Tool)去除颅骨和其他非脑组织，提取脑组织部分。(2)对受试者三维GRE序列得到的模图，也使用FSL 5.0.9工具包中的BET软件，去除颅骨和其他非脑组织，进行提取脑组织部分。(3)使用FSL 5.0.9工具包中的FLIRT线性配准算法中的刚体变换算法将去除颅骨之后受试者的横断面图配准到去除颅骨之后的受试者模图GreMag空间中，得到受试者模图空间中的T1图(Mag T1图)。(4)使用FSL 5.0.9工具包中的FLIRT线性配准算法中的12参数仿射变换方法将受试者的Mag T1图配准到ICBM T1图的标准空间(MNI)中，得到MNI空间中受试者的T1图(MNIT1图)与受试者模图空间到MNI空间的转换矩阵(M)。(5)将转换矩阵M运用到受试者的GreMag图和QSM图上，将其变换到标准空间中，得到标准空间的受试者模图和QSM图(MNI Mag图和MNIQSM图)。(6)在上述经过预处理得到的单个受试者的标准空间MNI QSM图上，由1名研究者利用ITK-SNAP 3.2软件手动勾画出6个双侧脑深部灰质核团ROI (尾状核：CN，壳核：PU，苍白球：GP，黑质：SN，红核：RN，齿状核：DN)，从而得到每个受试者在MNI坐标系的深部灰质分割图(deep gray matter parcellation map，DGMPM)。(7)基于10名受试者的DGMPM图，使用自编程序将每一类ROI按照像素出现的概率得到概率图谱。然后根据不同概率阈值得到不同概率阈值图谱，如10%概率阈值图谱为所有出现概率超过10%的像素集合，20%概率阈值图谱为所有出现概率超过20%的像素集合，依此类推。之后采用下述相应的图谱评价方法生成最优阈值的概率图谱。

1.3 图谱评价方法

由2名研究者利用ITK-SNAP 3.2软件在用于评价的5名受试者的标准空间QSM图上手动勾画出深部核团ROI，以此作为评价图谱分割精确度的金标准。

对于每一个ROI的分割结果准确性的量化评价采用图1所示原理进行[22]。假设研究者手工分割得到目标核团的像素为T，本文概率图谱、AAL图谱[2]、Johns Hopkins (JH)图谱[16]得到的目标核团的像素为R， 研究者手工分割和图谱自动分割得到的目标图像的重叠区域的像素数目为真阳性(true positive，TP)，而手工分割结果与图谱自动分割结果之外包含区域像素数目为真阴性(true negative，TN)，图谱自动分割结果中不包含手工分割结果区域的像素数目为假阳性(FALSEpositive，FP)，手工分割结果中不包含图谱自动分割结果区域的像素数目为假阴性(false negative，FN)。采用Kappa系数、Dice系数[16，22-23]和覆盖率(overlap ratio，OR)[19，23]来对分割结果可靠性进行分析：

其中，相似度Dice系数是指正确分割结果的像素数目占整个分割区域(包含手工分割和图谱自动分割的所有区域)的比率，其对两个区域大小和位置的差异很敏感，取值范围为[0，1]，1表示完全一致。在本研究中由于TN像素数目相对于目标核团像素数目为无穷大，从而使Kappa系数与Dice系数相等，而且已经有文献指出Dice系数是Kappa系数的一种特例[22，24]。覆盖率OR是指手工分割结果与图谱分割结果共同包含区域与两种分割方法结果包含的全部区域的比率，其取值范围为[0，1]，若图谱分割结果和手工分割结果完全重合，则OR=1，若完全不重合，则OR=0。

1.4 最优图谱选择

对于用于评测的5名受试者磁化率图，分别使用笔者制作的10种不同概率阈值的概率图谱配准和手工勾画的方法得到两组ROI，然后对这两组ROI区域进行Dice系数和覆盖率统计，并对两者结果进行权衡，选择最佳概率阈值的概率图谱作为最终的概率图谱。此外，笔者对AAL图谱和JH图谱所研究的基底节区ROI分别进行扩大1个、2个像素或腐蚀1个、2个、3个、4个像素的操作，使其产生7种不同图谱；颅底和小脑区域的ROI由于核团体积较小，只腐蚀到2个像素，使其产生5种不同图谱。然后对AAL图谱和JH图谱的每一个深部灰质核团的分割效果进行统计分析，从中选出最佳图谱并且与本文最佳中国人概率图谱进行比较。为了保证比较的公平性，对三种图谱所有核团均比较相同层位和数量的区域。

为了保证最优图谱选择的可靠性，笔者使用多次平均的方法：首先，求出每名受试者由每名研究者手动勾画的ROI与图谱自动分割的ROI之间的Dice系数和覆盖率，将2名研究者得到的数值求平均值，得到各受试者每一个区域2名研究者评测的平均值；其次，对所有受试者的平均Dice系数和平均覆盖率再求平均，从而得到每一个研究核团的最终Dice系数值和覆盖率值。三种图谱的每一类情况均使用多次平均的方法得到每一个研究核团的最终Dice系数和覆盖率，然后分析他们的分布趋势，最后得出最优图谱。

1.5 磁化率值测量

使用图谱自动分割深部核团并测量磁化率值，其步骤如下：首先，使用FSL 5.0.9工具包中FLIRT线性配准算法中的反转矩阵方法，将图谱制作过程中生成的受试者空间至MNI空间的转换矩阵(M)求逆矩阵；然后，利用上述逆矩阵，将每个图谱变换到对应受试者空间中，进而测量每个ROI的磁化率值。对于2名研究者手工勾画的ROI，也使用M的逆矩阵，将其变换到受试者空间并测量ROI内的磁化率值。由于QSM得到的磁化率值是相对值而非绝对值，考虑到枕叶白质的磁化率分布比较均匀，磁化率值较为稳定[25]，因此，本研究中将左侧枕叶白质磁化率值作为参考值，所分析的磁化率值均为以枕叶白质磁化率为参考的相对值。

1.6 统计分析

为了评价2名研究者勾画的ROI的一致性，对2名研究者手工勾画的各灰质核团ROI计算相似度Dice系数和覆盖率。另外，对每个核团2名研究者手工勾画的ROI内测量的平均磁化率值进行一致性检验(intraclass correlation coefficient，ICC)，ICC＞0.75为一致性较好。

为了验证图谱自动获取ROI方法的可靠性，笔者还分析了三种最佳图谱分割结果与手工勾画得到的灰质核团的相似度Dice系数之间的统计差异。本组因例数较少，统计差异分析采用非参数统计的Wilcoxon法，分析软件使用SPSS 17.0 Windows版本，P＜0.05为差异具有统计学意义。

2 结果

2名研究者手工勾画的ROI的相似度Dice系数和平均覆盖率见图2，每一个核团ROI的平均Dice系数均在0.814以上，所有ROI的平均Dice系数为0.848±0.027，表明2名研究者手工勾画的ROI之间是高度一致的；另外，每一个核团ROI的平均覆盖率也均在0.763以上，所有ROI的平均覆盖率为0.839± 0.042，可见我们的统计结果是很可靠的。

图3和图4显示了每一个核团由三种图谱自动分割与2名研究者手动分割的相似度平均Dice系数和平均覆盖率的分布趋势。对于基底节区域，本研究构建的概率图谱取概率阈值为50%时总体上Dice系数达到一个极大值(图3A；所有ROI的平均Dice系数：0.793±0.061)，且此时的覆盖率总体也处于一个比较高的可接受范围(图3B；所有ROI的平均覆盖率：0.775±0.066)，权衡两者情况，因此取概率阈值为50%的图谱为最优概率图谱。AAL图谱和JH图谱最优ROI均取原始大小时相似度Dice系数达到极大值(图3C、E)，但此时的覆盖率偏低(图3D、F)，AAL图谱的所有ROI平均Dice系数为0.672±0.118，平均覆盖率为0.611±0.120；JH图谱的所有ROI平均Dice系数为0.771±0.074，平均覆盖率为0.745±0.090。对于颅底和小脑的区域，概率图谱取概率阈值为50%时总体上相似度Dice系数达到极大值(图4A)，但是Dice系数和覆盖率比基底节稍低(所有ROI的平均Dice系数：0.718±0.087，平均覆盖率：0.715±0.106)。 AAL图谱中没有这些区域的ROI，因此没有参与比较。JH图谱最优ROI取增加一个像素时相似度Dice系数达到极大值，此时所有ROI平均Dice系数为0.510±0.150，平均覆盖率为0.580±0.154。

表1为三种最优图谱每一类ROI的平均Dice系数。从表中数据可知，在基底节区域，概率图谱分割结果的Dice系数明显高于AAL图谱，但和JH图谱区别不大；在颅底和小脑区域，概率图谱分割结果的Dice系数明显高于JH图谱。另外，对三种图谱最优结果的每一个深层灰质核团ROI的两次平均Dice系数进行统计差异性检验，发现概率图谱与AAL图谱的Dice系数只有左侧尾状核差异有统计学意义，其余核团差异没有统计学意义；与JH图谱的Dice系数在基底节的核团中差异没有统计学意义，但是在颅底和小脑中的核团均有明显的统计差异。由此可见，本文制作的图谱总体上比另外两个图谱对中国人大脑深层灰质核团的分割效果更精确。

图1 评价原理示意图 图2 为2名研究者手工勾画的各个核团平均Dice系数和平均覆盖率的分布图。CN：尾状核；PU：壳核；GP：苍白球；SN：黑质；RN：红核；DN：齿状核 图3 三种图谱自动分割得到基底节区域中各个核团Dice系数和覆盖率的分布趋势。L：左；R：右 图4 三种图谱自动分割得到颅底和小脑区域中各个核团Dice系数和覆盖率的分布趋势。 L：左；R：右 图5 三种最优图谱分割的深层灰质核团平均Dice系数对比。*表示P＜0.05，具有统计学意义Fig. 1 Diagrammatic sketch of the evaluation principle. Fig. 2 Bar chart showing the average Dice coefficient and average overlap ratio between ROIs drawn by the two researchers. CN: caudate nucleus. PU: putamen. GP: globus pallidus. SN: substantia nigra. RN: red nucleus. DN: dentate nucleus.Fig. 3 Distribution trends of Dice coef ficients and overlap ratio of each nucleus automatically segmented with three kinds of atlas. L: left. R: right.Fig. 4 Distribution trends of Dice coefficients and overlap ratio of each nucleus automatically segmented with two kinds of atlas. L: left. R: right.Fig. 5 Bar chart showing the average Dice coef ficient in the deep gray matter nuclei based on the three kinds of optimal atlas. Symbols of “*” indicate signi ficant difference (P＜0.05).

对于2名研究者手工勾画ROI区域的磁化率测量值，每一个核团的ICC值均在0.953以上，所有ROI的平均ICC值为0.981±0.013，表明2名研究者手工勾画ROI区域测量的磁化率值之间是高度一致的。每一个受试者手工勾画的研究区域最终磁化率值定义为，在2名研究者测量得到的平均磁化率的基础上再对左右两侧的测量值再求平均。表2显示了三种图谱每个核团最优结果得到的平均磁化率值和手工勾画得到的平均磁化率值，以及三种图谱自动分割和手工勾画得到的每个核团测量的磁化率值之间的相对差。从表2中可见，概率图谱测量得到的平均磁化率值比其他两种图谱更为接近手工勾画得到的磁化率值。概率图谱测量得到的磁化率值与手工勾画ROI得到的磁化率值之间的相对差均在10%以内，较另外两种图谱测得的磁化率值的相对差小。由以上结果也可看出本文的概率图谱比另外两种图谱对各个核团的磁化率值测量更为准确。

表1 三种最优图谱各个核团平均Dice系数Tab. 1 The average Dice coef ficients of each nucleus in three kinds of optimal atlas

表1 三种最优图谱各个核团平均Dice系数Tab. 1 The average Dice coef ficients of each nucleus in three kinds of optimal atlas

注：P1表示本研究概率图谱和AAL图谱之间Dice系数的统计差异。P2表示本研究概率图谱和JH图谱之间Dice系数的统计差异。CN：尾状核；PU：壳核；GP：苍白球；SN：黑质；RN：红核；DN：齿状核。L：左；R：右

?

表2 三种最优图谱和手工勾画分割的各个核团平均磁化率值统计表Tab. 2 Average susceptibility values of each nucleus segmented with three kinds of optimal atlas and manual drawing

3 讨论

定量磁化率图可清晰显示大脑深部灰质核团，笔者提出了一种基于多名受试者定量磁化率图的概率性大脑深层灰质核团图谱。此图谱对大脑深层灰质核团的自动分割结果优于AAL图谱和JH图谱的分割结果，而且对分割区域的磁化率值测量结果也显示本文的概率图谱比另外两种图谱更为接近手工勾画的测量结果。

目前广泛采用的大脑图谱大多不是基于定量磁化率图而研究的，而基于QSM制作的JH图谱是基于单个受试者制作的，其具有很大的个体特异性，并不能代表多数正常人区域解剖结构的变化，因此，这可能会导致自动配准得到的深部核团位置的不准确[19]。另外，也有文献报道欧洲人和亚洲人大脑存在明显结构差异[17-18]，所以使用目前的图谱对中国人大脑进行临床分析也会导致区域分割的不准确。本研究结果显示，笔者制作的中国人概率图谱与JH图谱在颅底和小脑区域的核团差异有明显统计学意义，而且图谱分割和测量的精确度比JH图谱明显较高(表1，2；图5)。

笔者制作的中国人概率图谱与AAL图谱和JH图谱相比，对测量颅底和小脑深层灰质核团具有明显优势，但是在基底节部位与JH图谱相比差异不大。有文献中指出，Dice系数大于0.7即为自动分割与标准分割结果非常接近[24]；也有一些研究者认为，对于较小的结构Dice系数大于0.6，对于较大的结构Dice系数达到0.8即认为非常相似[26]。笔者最终制作的概率图谱基底节较大的核团平均Dice系数为0.793±0.061，颅底和小脑中较小的核团的平均Dice系数为0.718±0.087。因此，笔者的图谱分割结果是较为精确的，可用于自动测量磁化率图中大脑相关区域的磁化率值，并进行有关的统计分析，从而提高工作效率。

在图谱制作过程中，颅底和小脑的区域(如红核、黑质等核团)，对应图谱Dice系数和覆盖率比基底节中核团的测量值稍低，可能的原因是：(1)这些核团本身比较小，容易出现偏差；(2)颅底空腔处组织-空气界面的磁化率差异较大，而GRE序列对这种差异非常敏感[27]，导致该处组织磁化率图信噪比差和组织图像变形。

笔者提出的制作深层灰质核团的概率图谱方法也存在几点不足：(1)图谱制作过程中使用了10个健康青年受试者，人数相对较少，今后还需要进一步扩大样本量制作一个更具普遍性的概率性图谱；(2)图谱制作过程中使用的磁化率图在颅底和小脑区域的图像质量不如基底节部位的图像质量，一定程度上会影响图谱制作的精度，因此今后需进一步提高颅底部位的QSM图像质量，从而使颅底和小脑部分的图谱分割效果更佳。

综上所述，本研究利用定量磁化率图，制作了基于多名受试者的脑深部灰质核团概率图谱，其对大脑灰质核团分割效果更加可靠，有效提高了图像分析工作的效率，可以作为临床研究过程中的一个有效工具。

[References]

[1] Talairach J, Tournoux P. Co-planar stereotactic atlas of the human brain: 3-Dimensional proportional system: an approach to cerebral imaging. New York: Georg Thieme Medical Publishers, 1988: 1-122.

[2] Tzourio-Mazoyer N, Landeau B, Papathanassiou D, et al. Automated anatomical labeling of activations in SPM using a macroscopic anatomical parcellation of the MNI MRI single-subject brain.Neuroimage, 2002, 15(1): 273-289.

[3] de Rochefort L, Liu T, Kressler B, et al. Quantitative susceptibility map reconstruction from MR phase data using bayesian regularization: validation and application to brain imaging. Magn Reson Med, 2010, 63(1): 194-206.

[4] Haacke EM, Liu S, Buch S, et al. Quantitative susceptibility mapping: current status and future directions. Magn Reson Imaging,2015, 33(1): 1-25.

[5] Li W, Wu B, Liu C. Quantitative susceptibility mapping of human brain reflects spatial variation in tissue composition. Neuroimage,2011, 55(4): 1645-1656.

[6] Liu C, Li W, Tong K A, et al. Susceptibility-weighted imaging and quantitative susceptibility mapping in the brain. J Magn Reson Imaging, 2015, 42(1): 23-41.

[7] Liu J, Liu T, de Rochefort L, et al. Morphology enabled dipole inversion for quantitative susceptibility mapping using structural consistency between the magnitude image and the susceptibility map.Neuroimage, 2012, 59(3): 2560-2568.

[8] Liu T, Khalidov I, de Rochefort L, et al. A novel background field removal method for MRI using projection onto dipole fields (PDF).NMR Biomed, 2011, 24(9): 1129-1136.

[9] Shmueli K, de Zwart JA, van Gelderen P, et al. Magnetic susceptibility mapping of brain tissue in vivo using MRI phase data.Magn Reson Med, 2009, 62(6): 1510-1522.

[10] Wang Y, Liu T. Quantitative susceptibility mapping (QSM):Decoding MRI data for a tissue magnetic biomarker. Magn Reson Med, 2015, 73(1): 82-101.

[11] Du G, Liu T, Lewis MM, et al. Quantitative susceptibility mapping of the midbrain in Parkinson's disease. Mov Disord, 2016, 31(3):317-324.

[12] Murakami Y, Kakeda S, Watanabe K, et al. Usefulness of quantitative susceptibility mapping for the diagnosis of Parkinson disease. AJNR Am J Neuroradiol, 2015, 36(6): 1102-1108.

[13] Hwang EJ, Kim HG, Kim D, et al. Texture analyses of quantitative susceptibility maps to differentiate Alzheimer's disease from cognitive normal and mild cognitive impairment. Med Physics, 2016,43(8): 4718-4728.

[14] Moon Y, Han SH, Moon WJ. Patterns of brain iron accumulation in vascular dementia and Alzheimer's dementia using quantitative susceptibility mapping imaging. J Alzheimers Dis, 2016, 51(3):737-745.

[15] Ng AC, Poudel G, Stout JC, et al. Iron accumulation in the basal ganglia in Huntington's disease: cross-sectional data from the IMAGE-HD study. J Neurol Neurosurg Psychiatry, 2016, 87(5):545-549.

[16] Lim IA, Faria AV, Li X, et al. Human brain atlas for automated region of interest selection in quantitative susceptibility mapping:application to determine iron content in deep gray matter structures.Neuroimage, 2013, 82(22): 449-469.

[17] Zeng D, Zhang TJ, Jiang LJ, et al. Chinese brain template built on 3D high resolution MR imaging at 3.0 T. J Biomed Engineering,2010, 27(3): 561-564.曾东, 张体江, 蒋莉君, 等. 基于3.0 T磁共振高分辨三维像的中国人脑常模. 生物医学工程学杂志, 2010, 27(3): 561-564.

[18] Tang Y, Hojatkashani C, Dinov ID, et al. The construction of a Chinese MRI brain atlas: a morphometric comparison study between Chinese and Caucasian cohorts. Neuroimage, 2010, 51(1): 33-41.

[19] Wu M, Rosano C, Lopez-Garcia P, et al. Optimum template selection for atlas-based segmentation. Neuroimage, 2007, 34(4): 1612-1618.

[20] Liu T, Wisnieff C, Lou M, et al. Nonlinear formulation of the magnetic field to source relationship for robust quantitative susceptibility mapping. Magn Reson Med, 2013, 69(2): 467-476.

[21] Shattuck DW, Mirza M, Adisetiyo V, et al. Construction of a 3D probabilistic atlas of human cortical structures. Neuroimage, 2008,39(3): 1064-1080.

[22] Shattuck DW, Prasad G, Mirza M, et al. Online resource for validation of brain segmentation methods. Neuroimage, 2009, 45(2):431-439.

[23] Avants BB, Yushkevich P, Pluta J, et al. The optimal template effect in hippocampus studies of diseased populations. Neuroimage, 2010,49(3): 2457-2466.

[24] Zijdenbos AP, Dawant BM, Margolin RA, et al. Morphometric analysis of white matter lesions in MR images: method and validation. IEEE Trans Med Imaging, 1994, 13(4): 716-724.

[25] Barbosa JH, Santos AC, Tumas V, et al. Quantifying brain iron deposition in patients with Parkinson's disease using quantitative susceptibility mapping, R2 and R2*. Magn Reson Imaging, 2015,33(5): 559-565.

[26] Avants BB, Epstein CL, Grossman M, et al. Symmetric diffeomorphic image registration with cross-correlation: evaluating automated labeling of elderly and neurodegenerative brain. Med Image Anal, 2008, 12(1): 26-41.

[27] Dong F, Pei MC, Wang QF, et al. Respiration-induced artifacts and navigator echo correction in gradient echo imaging on human brain.Chin J Magn Reson, 2014, 31(3):321-330.董芳, 裴孟超, 王前锋, 等. 颅脑梯度回波成像: 呼吸伪影和导航回波矫正. 波谱学杂志, 2014, 31(3): 321-330.

Construction of the probability map of the human deep brain nuclei by quantitative susceptibility mapping

BO Bin-shi1, ZHAI Guo-qiang1, ZHANG Miao1,Wang Yi1,2, LI Jian-qi1*

1Shanghai Key Laboratory of Magnetic Resonance & Department of Physics, East China Normal University, Shanghai 200062, China
2Department of Radiology, Weill Medical College of Cornell University, New York 10022, U S A
*Li JQ, E-mail: jqli@phy.ecnu.edu.cn

Objective: Based on quantitative susceptibility mapping (QSM) technique,an auto-segment probabilistic atlas for the gray matter nuclei in deep brain was established in the present study. Materials and Methods: The QSM data from 15 healthy subjects were acquired on a clinical 3.0 T MRI scanner with a 12 channel matrix head coil. Ten subjects were randomly selected to create a gray matter nuclei atlas of the deep brain, and the remained five subjects were used to evaluate the effectiveness of the atlas. Specifically, the regions of interest (ROI) in six bilateral structures drawn manually by two raters were used as the gold standard, meanwhile,these corresponding ROIs were automatically segmented by three kinds of atlas.To assess the accuracy of proposed segment approach, the probabilistic atlas was compared with both AAL and Johns Hopkins atlas by calculating the Dice coef ficient and the susceptibility values in the auto-segment and manual-segment ROIs,respectively. Results: The Dice coef ficient in our probability atlas was signi ficantly higher than the AAL in the basal ganglia region and the Johns Hopkins atlas in the skull base and cerebellum, respectively. Moreover, the susceptibility values in our probability atlas were more closer to that of manual segment region compared with the other two atlases. Conclusions: The probability atlas based on the QSM images is more reliable than both AAL and Johns Hopkins atlas in the segment of gray matter nuclei of deep brain. This atlas may be effective to improve the ef ficiency of image analysis in the clinical research.

Magnetic resonance imaging; Quantitative susceptibility mapping; Atlas-based segmentation; Deep brain nuclei

Received 19 Dec 2016, Accepted 6 Apr 2017

ACKNOWLEDGMENTSThis study was supported by grant from the National Natural Sciences Foundation (No. 81271533).

国家自然科学基金(编号：81271533)

李建奇，E-mail：jqli@phy.ecnu.edu.cn

2016-12-19

接受日期：2017-04-06

R445.2；R741

A

10.12015/issn.1674-8034.2017.05.010

薄斌仕, 翟国强, 张苗, 等. 基于定量磁化率成像人脑深层灰质核团概率性图谱的构建. 磁共振成像, 2017, 8(5):367-373.