《Frontiers in Neuroimaging》：Diffusion MRI sampling schemes bias diffusion metrics and tractography
1 引言
扩散加权磁共振成像利用水分子的随机运动无创探测组织微结构并推断纤维取向。通过数学模型拟合，可获得体素级指标（如分数各向异性FA和平均扩散率MD），并使用纤维束追踪算法重建白质通路轨迹。然而，dMRI结果高度依赖于扩散编码空间（q空间）的采样方式，以及硬件、采集设置和重建算法。这种敏感性导致了不同中心和纵向研究之间数据合并的复杂性。
经典的扩散张量成像仅采集一个相对低b值（b ≤ 1,000 s/mm2）、方向数有限（n ≤ 30）的单一“壳层”，在临床扫描仪上可实现快速扫描和高信噪比。然而，由于DTI假设高斯扩散，它在复杂纤维结构区域（如交叉纤维处）会失效，导致方向估计出现误导，即“交叉纤维问题”。
高角分辨率扩散加权成像通过在单一较高b值（≥1,000 s/mm2）下采集大量扩散梯度方向（通常超过50个）来解决这一问题，从而提高了对纤维交叉的敏感性，并允许在单个体素内准确估计多个纤维方向。多壳采集进一步扩展了这种方法，通过采样多个b值，能够捕获非高斯扩散行为，反映复杂组织微环境中水分子受阻和受限的运动。这些更丰富的数据集支撑了更先进的扩散模型（如复合受阻与受限扩散模型和神经突方向弥散与密度成像），这些模型能够分离高斯与非高斯成分，提供更准确的微结构测量。极端情况下，扩散谱成像（对应于基于网格的采样方案）密集采样多个壳层上大范围的扩散方向，以重建完整的扩散传播函数，提供全面但耗时的组织结构图谱。
随着大规模、多中心dMRI研究对于研究罕见疾病和获得稳健统计效力变得至关重要，协调扩散协议变得至关重要。q空间采样的差异可能会在体素级指标和纤维束追踪结果中引入系统性偏差。此外，dMRI提供了一系列微结构测量指标，其中最重要的是FA和MD，它们独立地在每个体素中计算，以反映纤维密度、髓鞘化和纤维一致性。这些指标构成了下游连接分析的基础，但本身并不捕获纤维束追踪所重建的空间轨迹。扩散MRI纤维束追踪通过在体素级主扩散方向上传播流线，克服了这一限制，使得白质通路的三维重建和定量分析成为可能，这已成为研究和临床应用中绘制大脑连接图谱的重要工具。
纤维束追踪算法主要分为两大类。确定性纤维束追踪在每个体素中遵循最可能的单一扩散方向来生成连续的流线。虽然计算效率高，但它在纤维复杂区域（发生交叉、扇状展开或急转弯的地方）往往会失败，导致虚假的终止或错误的连续性。相比之下，概率性纤维束追踪在每个体素采样可能方向的分布，产生能更好捕捉复杂解剖区域不确定性的潜在通路。虽然对交叉纤维更稳健，但这种方法需要更多的计算资源，并且可能使连接性估计的解释复杂化。尽管体素级扩散指标是独立计算的，但纤维束追踪本质上依赖于相邻体素间纤维取向的空间连续性。因此，在估计方向分布函数或张量场时的误差或偏差会沿着流线传播，并且不同的纤维束追踪算法可能产生不同的重建结果。
本研究的主要目的是系统评估不同dMRI采集方案如何影响神经典型个体和胼胝体发育不良患者（一种以胼胝体缺失或畸形为特征的发育障碍）的体素级扩散指标和纤维束追踪输出。纳入CCD参与者使我们能够评估每种方案在高度改变的白质神经结构中的稳健性。当神经解剖结构偏离典型模式时，dMRI和纤维束追踪本身就面临困难，CCD就是这种情况的例证，其胼胝体的缺失或畸形导致了多样的神经结构重组和代偿通路。CCD作为一个总括术语，涵盖了胼胝体的发育畸形，表型包括完全发育不良（也称为胼胝体发育不全，定义为胼胝体缺失）、部分发育不良（保留小的胼胝体残迹）和胼胝体发育不全（薄但连续的胼胝体）。CCD可产生广泛的神经系统结局，反映了其对半球间连接性的不同影响。其中最为一致的标志是Probst束——未能穿过中线的异常纵向纤维，反而沿着半球间裂同侧走行。Probst束与发育过程中缺乏适当的轴突引导有关，突显了半球间连接破坏对大脑组织的影响。
另一个常见发现是前连合的重组，这是一个较小的跨中线白质束。在CCD个体中，该结构可能增大，并可能在促进半球间通信方面承担代偿作用。同样，sigmoid束（连接同侧半球前区和后区的弓形束）也经常被观察到。这些束似乎是半球内连接的一种替代通路，反映了大脑对胼胝体发育不良的适应机制。这些异常束及其在CCD患者中显著的变异性，强调了研究该人群结构连接性的重要性。这类研究为了解发育异常如何重塑白质并影响功能结局提供了关键见解。由于CCD深刻地重组了连合通路，它挑战了扩散指标和纤维束追踪算法的准确性。
本研究旨在评估常见扩散采样方案原型（单壳、多壳、基于网格）在衍生扩散指标上的系统性差异。我们使用四种扩散编码方案，在同一台3T西门子扫描仪上扫描了所有参与者，包括神经典型对照和CCD个体：单壳HARDI、西门子临床多壳、DSI和HCP式多壳。通过保持预处理流程和重建算法恒定，我们分离了q空间采样对关键指标（FA、MD、弥散度和eCNR）和纤维束追踪输出（束体积和流线计数）的影响。在比较了健康成人扫描中基于图谱区域的扩散指标和纤维束追踪输出后，我们进一步探讨了神经结构多样性如何影响每种方案的敏感性。对CCD的解剖改变及其对方案间差异影响的考察，突显了扩散方案在非典型大脑解剖研究中的关键作用。与先前比较不同扫描仪或队列的研究不同，我们采用队列内、扫描仪内的设计，控制了除扩散采样外的所有变量。通过纳入CCD参与者——其Probst束和sigmoid束反映了深刻的结构重组——我们将方案评估扩展到文献中鲜有涉及的非常规神经结构领域。
我们的研究结果将通过识别哪些方案能最可靠地捕获白质结构，并为协调和标准化扩散协议提供指导，从而为多中心dMRI研究提供关键见解。评估不同扩散方案如何影响体素级扩散指标和纤维束追踪结果，对于神经影像学研究的有效性至关重要。通过确定产生最一致和最可靠结果的方案，我们可以做出更好的采集选择，从而提高dMRI分析在典型和非典型人群中的可重复性和准确性。
2 材料与方法
2.1 参与者
十二名健康成人（八名女性；年龄范围24–78岁，平均值34.7±14.7），无神经系统疾病证据。CCD队列包括八名个体（六名女性；年龄范围1–32岁，平均值12.82；标准差10.59）。所有参与者或其法定监护人提供了书面知情同意书。研究符合《赫尔辛基宣言》，并获得了当地伦理委员会的批准。
2.2 dMRI采集
所有扫描均在同一台西门子3T Prisma扫描仪上进行，使用32通道头线圈和高性能梯度。所有dMRI采集均使用来自磁共振研究中心的multiband回波平面成像序列。几何参数在所有协议中保持不变：各向同性体素大小1.5×1.5×1.5 mm3；视野210 mm；92个轴向切片；重复时间3,230 ms；回波时间90 ms；前后方向相位编码。所有扩散采集均以固定顺序为每位参与者收集：HCPms → Sms → DSI → HARDI。采集前进行了自动系统调整以优化磁场均匀性和射频发射。
2.2.1 HCP多壳协议
遵循人脑连接组在发育与衰老项目中的规范：四次dMRI运行，每次包含两个壳层：b=1,500 s/mm2（92个方向），b=3,000 s/mm2（93个方向）。总方向数185。每个方向采集两次：AP（前到后）和PA（后到前）。总时间22分36秒。
2.2.2 西门子多壳协议
西门子标准扩散协议的多壳版本：两个壳层；b=1,000 s/mm2（30个方向）；b=3,000 s/mm2（64个方向）；两张b0图像（AP和PA）。总时间6分25秒。
2.2.3 DSI协议
采用“grid-258”扩散采样方案：14个b壳层；最大b=3,000 s/mm2；b值/方向对；一张反向相位b0图像（PA）。总时间24分13秒。
2.2.4 HARDI协议
基于西门子标准扩散协议：一个壳层，b=1,000 s/mm2（256个方向）；一张b0图像。采集了一张用于畸变校正的反向相位b0图像（PA）。总时间14分58秒。
2.3 影像预处理
所有数据均转换为脑成像数据结构格式。质量控制结合了自动化指标和视觉检查。所有dMRI处理均使用MRtrix 3.0.3软件包和FSL 6.0.4工具箱进行。
2.4 dMRI处理流程
所有dMRI数据集首先进行去噪、Gibbs伪影校正。然后应用FSL的topup和eddy分别校正磁化率引起的畸变、涡流和受试者运动。接着应用B1偏场不均匀性校正。我们使用来自SQUAD的组质量报告提取对比噪声比，作为dMRI数据质量的全局指标。由于每个扩散协议在每个b壳层使用了不同数量的梯度方向，我们随后计算了有效CNR以对这些角度采样的变化进行标准化。所有多壳数据集均使用DIPY的扩散峰度成像模型进行处理，以产生FA和MD图，而单壳HARDI数据集则拟合到DIPY的标准扩散张量模型。通过在多壳数据上使用DKI，我们移除了高b值处的非高斯偏差，使得FA和MD在所有方案中具有直接可比性。此外，我们使用FSL的BEDPOSTX（采用贝叶斯方法模拟每个体素内的交叉纤维）量化了每个数据集的纤维取向不确定性。为了量化不同方案间交叉纤维的普遍性，我们使用FSL的BEDPOSTX运行最多三个纤维群/体素，获得各向异性体积分数概率分布的平均值。所有处理均在内部开发的、托管在亚马逊云服务上的基于集群的平台上执行，实现了跨计算节点的可扩展并行执行。
2.5 ROI选择
在对照组中，使用三个双侧白质ROI（胼胝体、放射冠和半卵圆中心）进行扩散指标的比较，这些ROI通过JHU DTI图谱定义。由于CCD中显著的解剖变异性（包括胼胝体缺失或畸形），没有为CCD队列计算体素级ROI指标。对于每个ROI，扩散指标计算为ROI掩膜内所有体素的平均值。
我们还计算了其二阶或三阶纤维的各向异性体积分数超过固定阈值（0.05和0.10）的体素百分比。
2.6 纤维束追踪
在对照组中，对三种束进行了纤维束追踪重建：CC、左CR和右CR。对于CC，在CC上手动描绘了两个旁矢状ROI作为包含ROI。为了重建皮质脊髓束，在位于初级运动皮层正下方的放射冠内放置一个包含ROI，另一个则位于脑干下部的大脑脚水平。在CCD患者中，Probst束和sigmoid束使用两个大的冠状面ROI进行重建：一个双边包含扣带束，另一个在压部水平，围绕纵向内侧束。Probst束使用同侧ROI对进行追踪，而sigmoid束使用对侧ROI组合。所有ROI描绘均在每个受试者的原生DWI空间中进行，并由配准的高分辨率T1加权图像指导，确保扩散信息与解剖标志之间的准确对应。所有ROI描绘均由一名在神经解剖学和扩散MRI纤维束追踪方面经过正式培训并具有经验的操作员完成，以确保跨受试者的一致性。在FSL中从二值掩膜计算束体积，并提取流线计数（包括前连合和后连合的流线计数）以比较四种扩散方案间重建的一致性。
纤维束追踪使用MRtrix 3.0.3对所有受试者和扩散方案进行。使用无监督的Dhollander算法dwi2response估计白质、灰质和脑脊液响应函数。然后使用多壳多组织约束球面反卷积算法计算纤维取向分布。对于单壳采集，使用单组织方法应用MSMT-CSD，从可用数据生成响应函数以估计FOD，同时考虑部分容积效应。
使用二阶FOD积分方法生成流线。对于对照参与者，我们为每个目标设置最多10,000条流线，并从右侧（种子区域）向左侧（包含区域）对CC ROI进行播种。对于左右CR，我们从下脑干（种子区域）向上CR（包含区域）对ROI进行播种。我们使用每束10,000条流线以平衡采样和计算成本。该算法仅接受穿过包含ROI的流线。使用FOD幅度0.06作为终止阈值，任何束的最大长度为250 mm。如果至少有一条流线穿过体素，则该体素被包含在束体积掩膜中。流线体积比定义为给定束重建的总流线数除以束体积。束体积计算为包含在束掩膜中的体素数乘以体素大小。
为了研究对照中异常束的意外重建，我们使用相同的算法实施了虚拟胼胝体切开术，即计算提取胼胝体以模拟完全离断胼胝体流线。在左右枕上回放置两个种子区域。为了避免通过正常连接半球间视觉区的胼胝体压部产生假阳性，我们在CC内手动定义了一个排除ROI。这确保只捕获了胼胝体发育不良特征的非典型纤维通路。
对于CCD参与者，我们在每个半球为每个目标生成最多10,000条流线，使用两个种子区域。对于Probst束，种子被手动放置在束的前后横截面，大约在冠状T1图像的中点位置。Sigmoid束使用相同的ROI进行追踪，但将一侧半球的前部ROI与对侧半球的后部ROI相结合。为了适应CCD中高度可变的人体解剖结构，所有ROI放置都是个体化的，而不是与固定的解剖平面绑定。
2.7 分析
使用四种扩散方案获得的结果通过皮尔逊相关性评估线性关系、单因素重复测量方差分析比较方案间的均值（辅以Tukey事后检验）、以及Bland-Altman图评估方案间的一致性和检测系统性偏差进行比较。为了考虑受试者运动对扩散指标的潜在影响，我们还检查了运动与扩散指标之间的相关性。
在对照参与者中，我们比较了四种扩散方案生成的以下结果：全脑绝对和相对运动指标，以及来自三个基于图谱的ROI（CC、CR和CSO）的扩散指标。我们还比较了四种方案的基于纤维束追踪的结果：CC、每个半球内的CR、前连合和后连合的体积指标，以及AC和PC的流线计数。
对于CCD参与者，未应用图谱ROI；纤维束追踪针对Probst束和sigmoid束，每种束在所有四种方案下独立重建，比较仅限于受试者内指标。
使用GraphPad Prism 9.5.1和BA-plotteR生成箱线图和Bland-Altman图。
3 结果
3.1 运动指标
我们评估了四种扩散方案下dMRI数据采集的绝对和相对运动指标，以排除受试者运动作为偏倚来源。我们观察到唯一显著的关系是Sms和DSI采集之间的相对运动，表明在Sms期间运动较多的参与者在DSI期间也倾向于再次运动。
重复测量方差分析显示，平均绝对运动和相对运动均存在显著变异性。事后比较表明，扫描运动不受扫描时间的影响，因为Sms（最短采集时间）和DSI（最长采集时间）在绝对运动和相对运动方面均无显著差异。然而，Bland-Altman图也揭示了HCPms采集报告的绝对运动值存在系统性偏差。在所有比较中，平均差均为负向偏移，表明HCPms的运动估计值倾向于高于其他方案。
3.2 扩散指标
在所有四个扩散方案中，FA和MD值在每个ROI内高度相关，除了CC中HARDI vs. Sms和HARDI vs. HCPms的MD相关性。然而，四组方差分析发现FA和MD的平均值均存在显著变异性，BA分析显示，仅Sms和HCPms在CC中产生了相似的FA值。所有其他两种方案的FA和MD比较均表现出系统性偏差：HARDI相对于其他三种方案产生更低的FA和更高的MD，而DSI相对于Sms和HCPms产生更高的FA和MD。与FA不同，MD有几项比较违反了正态性和/或显示出比例偏差。这些异常现象的后续回归分析表明，平均MD的增加与偏离HARDI程度的增加以及Sms和DSI之间差异的变异性增加有关。
与FA和MD相比，eCNR在方案间显示出很少的显著相关性。然而，与FA类似，仅Sms和HCPms产生了相似的eCNR均值。总体而言，BA图证实了HARDI相对于所有其他方案存在偏向更高eCNR值的偏差，以及DSI相对于HCPms和Sms存在偏向更低eCNR值的偏差。非正态性和比例偏差在半卵圆中心和HCPms的比较中更为普遍。
尽管弥散度值只有少数显著相关性，但三种方案（HARDI、DSI和HCPms）在CC和CSO中产生了统计上相似的弥散度值。DSI vs. HCPms在CR中也产生了相似的值。相比之下，BA图证实了Sms值相对于所有其他方案存在偏向更高值的偏差。
BA分析显示，只有一个具有显著一致性的弥散度均值比较未受比例偏差和/或非正态性影响。在所有比较中，在转换为百分比差异后，非正态性和/或比例偏差仍然存在，BA回归图揭示了平均弥散度与差异变异性之间的正相关关系。此外，以原始分数存在比例偏差为特征的比较显示出平均弥散度值与平均差之间的负相关关系。
使用BEDPOSTX，在每个ROI内，我们量化了支持二阶和三阶纤维群的体素百分比。双纤维体素的分数在CC、CR和CSO中因方案而异。在CC中，与所有其他三种方案相比，Sms显示出更低数量的双纤维体素。在两个阈值下，三纤维体素的差异均减弱，这与胼胝体组织的高各向异性一致。相比之下，CR和CSO在双纤维和三纤维体素方面均显示出稳健的方案依赖性差异，并且这些模式在两个阈值下均持续存在。
3.3 基于纤维束追踪的指标
3.3.1 体积
在对照中，基于束的CC体积在Sms与DSI和HCPms之间显著相关，但BA分析显示，Sms相对于所有其他方案持续产生更低的CC体积测量值。在左右CR的Sms衍生体积中观察到相反的模式：尽管相关性不显著，但它们在平均值上与DSI和HCPms一致。
在DSI和HCPms的比较中，CC和两个CR的体积相关性不显著但非常接近一致。然而，HARDI在CC和两个CR ROI中的体积相关性不显著，并且持续高于所有其他方案。
与CC和CR束体积中跨方案和ROI的变异性相反，AC和PC的基于束的体积比较在所有四种方案中平均一致。
3.3.2 流线及流线/体积
在AC中，HARDI、Sms和DSI的流线计数和流线体积比均显著相关，而在PC指标中，仅DSI和HCPms显示出显著相关性。BA图表明，所有四种扩散方案对于AC和PC的基于束的流线指标均表现一致。然而，这些结果必须谨慎解释，因为缺失数据和极端离群值限制了稳健的统计比较。在参与者层面，AC流线检测在六名参与者中失败，PC流线检测也在六名参与者中失败。在方案层面，在多个协议中观察到失败，并且方案间存在重叠（即同一名参与者可能在超过一种采集中显示零流线）。共有8名参与者中至少有一次零流线计数，其中四名参与者在AC和PC中至少有一个零结果。由于束体积是从纤维束图导出的，零流线情况也转化为零体积束掩膜。
虽然大多数零流线计数的参与者在其他扩散方案中也显示出较低的流线计数，但有几个例外。最值得注意的是，在AC中，HCPms方案未能在所有其他三种方案中流线计数最高的参与者中检测到任何流线。此外，一名参与者在任何方案中均没有AC流线，并且仅通过HARDI识别出4条PC流线，但在其他方案中PC平均流线计数位居第二。这些频繁的零计数以及参与者特定的方案间不一致似乎是流线指标中非正态性和比例偏差的原因。
3.3.3 CCD基于纤维束追踪的体积指标
通过Sms、DSI和HCPms得出的基于纤维束追踪的体积测量值在右侧和左侧Probst束以及右侧sigmoid束中显著相关。然而，仅在左侧sigmoid束中，Sms和HCPms体积显著相关
