本文主要是介绍脑部MRI图像灰白质分割以及体积测量方法研究综述，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
脑部各区域体积测量方法研究
一， 研究背景
脑组织形态学研究是临床判断脑组织的正常老化与病理过程的重要方法，近２０年来，随着医学影像学的高速发展，临床医师对人体病变部位的观察更直接、更便捷、更清晰，疾病的确诊率也更高，使得脑组织形态学方法成为脑科疾病中重要的诊断方法。比如，通过人体小脑体积的变化来诊断癫痫、人体海马体体积的变化来诊断帕金森（PD）或者阿尔兹海默（AD）等。本文主要以海马体体积测量为例对现在的脑部体积测量方法进行说明。
二， 研究现状
目前脑结构的体积测量分为两大类，一类是基于解剖结构的体积测定法，分为手动、半自动和自动，另一类是基于体素的分析方法（ｖｏｘｅｌ－ｂａｓｅｄ ａｎａｌｙｓｉｓ，ＶＢＡ）；前者主要通过手动描绘组织结构测量体积，后者多由计算机完成。
1，手工测量海马体积
手工测量海马体积首先要依靠人工方法对海马结构进行追踪和分界，即由具有丰富解剖知识和经验的神经解剖学专家、神经科医生或经过专门训练的操作者，在MR图像工作站上用鼠标直接勾画出海马结构的边界。人工分割海马结构往往在垂直于海马长轴的倾斜冠状位图像上逐层勾画海马结构的边界，同时利用三维体积分析软件在矢状面、水平面上分辨海马结构与周围解剖结构间的关系，提高分割的准确性。在此过程中操作者的经验和知识起着非常重要的作用。
手工测量海马体积则主要是在上述基础上使用二维测量方法，即单层面积与层厚相乘得出单层体积，逐层体积相加得出单侧海马的总体积。公式表达为：
一般海马结构的人工勾画和测量在工作站选配的软件或专业软件上进行，不仅可在冠状面、矢状面、水平面三个层面上同时显示图像，而且可以自动得到所勾画出的海马感兴趣区（ROI）的面积。由于以往统计学分析表明，海马体积与颅腔体积呈直线相关的关系，所以通常测得的原始海马体积还需进行标准化校正，以去除个体烦腔体积对海马体积的影响。具体校正方法有相除法、协方差法以及Cendes法等。
由于长期以来人工分割海马结构的精度在众多方法中是最高的，因此人工测量海马体积被普遍认为是金标准，也将其作为评价其它分割方法优良与否的参考。但是，手工划界和描画、测量是一个非常耗时费力的工作，而且非常依赖于评估者本人的经验及解剖学知识，不同研究之间的一致性和可重复性往往不佳。对于大型研究或多中心研究而言，有限的时间、经费以及人力资源也使得手工描绘测量海马体积难以完成。近年来随着计算神经科学的发展，研究者们不断开发新的软件包，以达到机器自动分割并测量海马体积的目的。而自动测量的方法不仅很高的重复性和评定者间一致性，而且效率显著更高，在海马体积的测量方面具有很大的发展潜力。
2. 自动测量海马体积
近年来逐渐发展的海马体积自动测量法大致可以分为半自动和全自动两种，均可以得到海马的绝对体积。在半自动方法中，仍需要由一名熟悉海马结构的解剖学及影像学表现的人来提供先验性的知识，如定义标志点，种子点，或是边界框等以进行海马形态的初始化，同时选择参数，随后由机器自动进行单侧海马结构的整个图像分割与体积测量。而全自动的方法是基于统计学的形态模型，再向一个或多个脑图谱所定义的脑区进行仿射或者非线性配准。通过脑图谱与个体图像的匹配，可以把图谱中存储的信息直接映射到待分割的图像中，实现一种全自动的“专家”（图谱）指导下的图像匹配、分割。脑图谱的配准也可以和其它一些方法相结合，如基于密度/强度的体素分类法，或者基于学习的优化选择法等，可进一步提高配准的精度。在自动分割完成以后，再对个体全脑图像中的每一个体素进行神经解剖学方面的标记，从而计算脑区的体积。基于图谱的海马全自动匹配测量不需要专家的干预，由计算机控制，人为干扰因素少，使用起来非常方便，也便于不同研究间的比较。自动测量的方法由于可以得到海马体积的绝对值，近年来得到了快速的发展。如知识导向的磁共振分析程序结合了像素亮度强度与解剖结构的空间关系来进行海马体积的测量；Ashton等提出的方法运用灰度值与边缘检测的算法来判断海马体积；Webb等在1999年提出将个体磁共振图像向一个由三十个人组成的手工体积图谱进行仿射和形变，再测海马体积；Haller及其同事则运用一种高维液态转化法来将个体磁共振图像对海马及其周边解剖结构的模板进行形变；还有shen等结合对海马边界的几何学性质，正常形态变异的统计学特征，以及人工定义边界点等多种考虑，推出了名为HAMMER的弹性配准算法，来进行海马结构的测量等等。上述方法均被证明在海马体积测量方面有效，甚至有研究表明比手工测绘法的变异还要小。但是这些方法主要针对计算机与影像处理方法领域的专业人士，处理的步骤比较复杂，需要自己编写命令和程序脚本，因而没有得到广泛的临床应用与推广。此外，还有很多自动分析的方法并未公开提供使用，如Chupin等2007年发展的全自动的海马分割法SACHA，专门用于海马和杏仁核的分割，并在正常人以及阿尔茨海默病患者的数据中与手工分割法进行了比较，显示了良好的效度。这一算法主要基于BrainVisa平台使用，但目前并未公开推广。这些自动测量的方法的出现，标志着结构神经影像学的新时代的来临。
为了进一步方便使用，目前已有研究者整合了分割、配准、标记及测量等多种功能，开发出了多种具有图形界面的，可自动测量脑结构体积的全自动分析软件包，如FIRST，FreeSurfer与IBASPM等。FSL/FIRST与FreeSurfer软件包均为整合的配准与分割工具包，可以提供通过基于脑图谱的完全自动的脑皮质以及皮质下结构的分割，并最终计算并输出所分割的脑结构的绝对体积。不过，FIRST与FreeSurfer软件包需要在linux操作系统下使用，而且操作时要求熟练应用各种命令，对于使用者的计算机水平要求较高。IBASPM是另一种常用的全自动的脑体积测量工具，它基于软件工具包来进行操作，其脑区的划分是基于应广泛的AAL脑图谱，计算脑区体积同样是对个体MRI全脑图像中的体素进行神经解剖学标记再进行计算。这一软件可以在window系统中进行操作，尽管在其处理过程中要完成上百种算法，如线性或非线性的空间校正，基于外观的配准，密度不均匀性校正，分割，以及去颅骨等，但其用户界面友好，处理步骤也相对较为简便易行。
尽管现有多种复杂的半自动或全自动算法可以分割并测量海马体积，但目前已发表的比较全自动测量方法与手工方法的仍很少，中文文献更是未见有相关报道，这使得在临床应用这些工具进行脑解剖学定量分析时，缺乏可靠的文献指导。最近几年，国外开始有研究针对不同疾病人群的海马体积测量，对于上述自动分割和体积测量软件所测结果与手动测量的结果，以及各种自动分析软件包之间的测量结果进行了比较发现尽管所得结果与手工分割方法所得结果显示出了良好的一致性，但不同方法各有优劣，所得结果之间仍存在一定的差异，且在测量不同疾病人群时结论不一，各研究本身所用的技术指标也不一致。研究者由此提出，这些自动软件的脑图谱的组成来源，尤其是由健康人还是病人组成，会对于这些软件包用于疾病群体或脑形态学方面存在差异的群体的测量结果产生明显的影响此外，软件包处理流程的差异，以及扫描图像质量，扫描参数，以及扫描的硬件不同都有可能使比较研究得到不同的结论。因此，在将这些软件包应用于那些与原来效度研究所用的扫描参数或人口学特征相差较大的人群时，重新进行效度的校验与比较研究十分有必要。
3. 基于体素的海马形态学（VBM）研究
随着计算机科学的迅速发展和计算神经解剖学在神经科学领域的广泛应用，研究者们也在不断开发新方法来对各种神经精神疾病的患者进行横断面及纵向的脑结构研究。在这些方法当中，Ashburner和Friston等开发的基于体素的脑形态测量学方法（VBM）应用最为广泛。VBM本质上是一种全自动处理的方法，它基于高分辨率的空间标准化图像，通过逐个
体素的比较，来检测组间个体脑灰质或白质局部密度或体积的差异。由于VBM是在对于大脑形态的宏观判别进行检测和校正以后，再判别灰质、白质、脑脊液等不同脑组织类型的局域性差异，其检测敏感度较其它形态测量学方法更高，应用也更广。
VBM与前述基于感兴趣区法的手工或自动测量脑区体积的方法有一定的区别：它无需先验假设，即分析不是基于某一特定结构，而是对全脑范围内的解剖差异进行组间的相对公平和全面的比较。这一点对于神经精神疾病的临床研究特别重要，因为ROI法需要对疾病有预先的结构病变区域假设，然后只对特定区域进行测量和研究，而大脑的其它部位的变异就相当于被忽略了，因而在进行临床研究时容易得出假阳性结果和漏掉真正的病变区域。而VBM法对全脑范围内的形态学变异均较敏感，在用于异质性较高的疾病群体时可首先了解全脑主要的脑形态学改变，再与各种脑图谱库结合，利用其定义的脑区为模板进行ROI的分析。除此之外，VBM软件被整合入功能影像学最常用的SPM分析软件的工具包中提供免费使用，还是一种对于大多数研究单位而言都能够实现操作的软件。
最初VBM法的数据预处理步骤包括标准化、分割、调制、平滑和统计分析。首先将个体的脑结构MRI图像标准化到同一个三维立体空间，校正脑区的总体形态差异，然后依据先验的灰质、白质和脑脊液分布概率的模板来分割脑实质并生成三种组织类型的图像，再对分割产生的图像进行空间平滑处理，减少噪声和误差，并提高统计分析的效力。效度研究表明，VBM法和ROI法均可检测出相应脑区的结构异常，这两种方法的研究结果在一定程度上可以相互映证。此外，根据标准化过程产生的雅可比行列式参数可以对分割图像的体素进行调制，调制前脑区的体素数值代表该体素所表示区域的密度差异，调整后则代表该体素所表示区域的的绝对体积。值得注意的是，VBM法是通过建立一般线性模型在体素水平进行统计分析，检测出每个体素所代表的局部区域的体积差异，并不能得到局部区域的绝对体积，其结果解释与ROI法检测的整个脑区体积的差异应有所不同。
VBM是一款不断推陈出新的软件，后来又发展出了优化的VBM，以及统一分割法等新技术。前者的主要特点为可以定制基于研究样本的模板，以及分别分割并标准化灰质和白质；后者主要是通过应用相同的模型进行组织分割、偏差校正和图像配准，解决优化的VBM法中组织分类和数据配准之间的循环问题。但上述所有技术均有一个主要的局限：在将图像向一个通用的模板进行配准时，配准的误差会导致一些错误的估计，而在空间标准化的步骤中对位不准会导致VBM对于系统的形态学差异比较敏感。
最近，Ashburner等推出了一种新的VBM分析技术——DARTEL工具, 有望显著改善这一问题，实现更为精细和复杂的配准。算法可以通过反复迭代生成所有被试者灰质和白质的精准模板，而每个被试的图像多次配准到模板后形成的形变流场保留了这组被试的灰白质信息，用此形变参数再进行标准化和调制处理，能更好的保留原始的组织体积，更精确地标准化到统一的MNI坐标系统。DARTEL被认为是配准技术方面的一大进步，可以提供更为精准的脑结构损伤的定位，或在功能像激活的定位时提供更为精准的结构像模板。不过，由于数据处理量非常大，VBM8-DARTEL比较耗时(尤其是在生成被试特异性的模板时），对于数据处理机器的内存要求也较高。
目前，VBM法已被广泛地应用于各种神经精神疾病患者的脑形态学研究中。也有一些研究发现以VBM方法结合海马感兴趣区检测所得的结果与专用于海马体积测量的自动测量软件所得结果是相近的,如，Bell-McGinty与Vasic分别运用VBM法进行了急性抑郁期患者的海马形态学研究，并报导了患者组和正常组之间的海马密度/体积差异。Bergouignan等对抑郁患者的研究则发现，运用VBM8-DARTE方法和多重比较的校正，在不同的脑区都有显著的体积差异，结合ROI分析也发现了海马的体积下降，其结果与手工及自动分割测量的结果是一致的。Pereira等对阿尔茨采默氏病患者的研究则也发现，经过预处理（去颅骨以及偏差校正）的DARTEL法，可以得到与手工测量一样十分出色的分析结果。还有Mak等的研究发现，结合海马-感兴趣区与VBM的方法，可以很好地分辨AD患者与正常老年人的海马体积差异，与手工海马体积测量一样具有很高的效力，他建议可以将这种方法当作AD的生物学标志的确定方法，这Hirata及Teipei等学者的建议也是一致的。
但是，上述运用VBM方法所做的海马体积研究，其所使用的软件版本以及分割等预处理的策略，是否使用调制，平滑核大小如何，是否校正了个体的全脑体积，以及统计校正的类型及所使用的统计学阈值等等，均存在许多不一致。已有研究表明，在VBM分析中上述因素有可能会使分析的结果产生改变，甚至发生类似于生物学差异的改变，因此，在对于病理人群进行脑结构形态学研究时，比较不同的VBM程序、参数和分析方法，并以经典的测量方法进行参照进行效度检验，可以使我们对上述因素有更好的认识，进一步促进未来对于神经精神类疾病的临床诊断与治疗。
参考文献：
1， 崔彩霞、周存河等 采用3．0T MRI对正常人脑体积定量测量研究
2， 崔晓瑞、董春波等 ＭＲＩ脑体积测量技术早期诊断多系统萎缩的研究进展
3， 张琨、陈楠等 基于高分辨力MRI的正常中国成人小脑体积测量
4， 王晓晟 人脑海马体积测量及其在精神疾病中的应用
这篇关于脑部MRI图像灰白质分割以及体积测量方法研究综述的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
