编辑推荐：
本研究在既往极高分辨率小脑皮层重建基础上，开发了一套兼具容积和皮质表面表示的数字化解剖图谱，首次实现了叶下（subfolial）层级的精细描绘。同时，作者提出了ARCUS（基于标准MRI通过微分同胚配准实现小脑皮层的自动重建）方法，可将此图谱映射至个体脑空间，生成具备宏观折叠几何结构的叶体标记皮层表面。该图谱作为前所未有的精细参考基准，有望推动小脑结构和功能研究的精度，助力癫痫、自闭症等疾病的影像学分析。
1 引言
近几十年来，小脑神经科学与神经病学领域经历了一场范式转变。传统上，小脑主要被视为运动控制中心，但神经影像和临床案例研究已确认，小脑是支配感觉运动、自主神经、认知和情感处理的分布式神经网络中的关键节点，具有复杂的“断裂”地形结构。随着对小脑在健康与疾病中广泛作用的理解不断深入，获得合适的工具来研究小脑神经生理学变得日益重要。其中，一个能够精确定位和关联小脑解剖区域、实现跨被试数据整合的图谱，便是这样一个关键工具。
过去25年，为这一目的而设计的小脑图谱开发取得了显著进展。当代小脑图谱时代的起点是Schmahmann等人于1999年发表的图谱及其后续更全面的《MRI图谱》（2000年）。该图谱将小脑置于蒙特利尔神经学研究所（MNI）坐标空间，识别了小脑的叶、小叶和裂，并澄清和简化了困扰该领域200年的命名法。在此基础上，SUIT（小脑隔离工具）等更先进的概率和多模态图谱以及基于计算机视觉和机器学习进步的自动容积分割算法得以发展，现已广泛应用于任务态、静息态功能连接、纤维束成像和小脑形态测量磁共振成像（MRI）研究。
然而，尽管这些图谱极具价值，但据作者所知，目前尚无分辨率足够精细、能够捕捉叶下结构、并同时包含容积和皮质表面表示的数字化小脑图谱。此类图谱的可用性对于广泛目的都极具价值。为解决小脑图谱的这一需求，本研究旨在以Sereno等人（2020）的皮层表面为起点，开发一个能够分辨单个小脑叶和亚叶的数字化图谱，并整合容积和皮质表面表示。为使该图谱能直接应用于神经科学和临床研究，我们还提出了一种非线性微分同胚图谱-被试配准框架，可在个体中生成一个具有叶体解析标签和宏观折叠几何结构的、源自图谱的小脑皮层表面。我们将此方法命名为ARCUS，即“基于标准MRI通过微分同胚配准实现小脑皮层的自动重建”。
2 结果
2.1 图谱
该图谱具有容积和皮质表面两种表示。表面表示被进一步细分为688个不重叠的小块。图2（）展示了从不同角度观察的表面图谱，以及中线附近的矢状面横截面和填充了相应容积图谱数据的冠状面横截面。命名法源自Schmahmann图谱，解剖区域列于图1a。图谱主要描绘小脑皮层，并通过纳入上、中、下小脑脚的切割面及第四脑室中暴露的小段脚柄（注释为白质束）形成一个封闭表面。
2.2 替代表示
图3（）展示了表面图谱在膨胀和扁平化后的表示，其中小块之间的边界用黑色标出。图3d放大了小叶IV、小叶Crus I和小叶IX的图像，显示了小脑小叶错综复杂的分支模式。各小叶中叶和亚叶的数量、分支模式均不相同，例如小叶IV在图示横截面中有一个主叶，再分支为亚叶，而Crus I则有三个主叶，在再次分支为亚叶前会先分为较小的分支，小叶IX的分支递归则更为复杂。
2.3 表面积与小叶不一致性
图4a概述了各小脑小叶表面积相对于小脑皮质总面积的百分比。Crus I是最大的小叶，占皮质表面积的近14%（左）和12%（右）。最小的叶是蚓部I-II，仅占表面积的0.01%。前叶、后叶和绒球小结叶分别占11.8%、87.6%和0.6%。
图4b显示了小脑皮质凸面的膨胀视图，说明了叶的位置和大小。顶部的虚线箭头显示，左右叶在中线处并不总是连续的，而是呈现出交错状态，有时甚至与另一半球“错误”的叶/小叶连续。底部面板中的虚线箭头显示，叶嵴相对于小叶的主轴倾斜，并且可能在到达中线前就消失了。在注释图谱时，我们发现ansoparamedian裂和intrapyramidal裂在左右半球之间不一致。为说明这一点，图4c高亮显示了ansoparamedian裂以及中线附近“切换”标签的叶。
2.4 ARCUS
容积小叶分割与手动注释小叶之间的未加权中位数DICE得分（跨被试中位数）为0.791，未加权平均得分（跨被试中位数）为0.765。最低的中位数得分是右小叶V的0.553，最高的是左Crus I的0.932。
表面重建与注释容积之间的豪斯多夫距离在三个结构层次上进行了评估。在小叶/蚓部水平，豪斯多夫距离范围为2.8至20.1毫米，平均7.2毫米，中位数7.1毫米，标准差2.4毫米。图5展示了一个来自标准分辨率（1毫米各向同性）活体磁共振的代表性重建，与由FreeSurfer ASEG小脑皮质分割（冠状面视图）及其相应外表面细分形成的表面进行了比较，直观展示了ARCUS重建的优势。
3 讨论
本研究开发的数字化图谱为用户提供了在3D渲染软件中与图谱交互的途径。与SUIT等其他数字化容积图谱相比，本图谱的独特优势在于高细节的表面表示与容积表示的结合。正是这种表面-容积结合图谱使得ARCUS成为可能，它通过微分同胚将图谱变形到个体被试空间，从而生成一个源自图谱的、高分辨率的、叶体标记的小脑皮层表面——一个个体小脑皮层的近似、模板拟合表示。ARCUS在神经影像研究中具有重要意义，因为表面重建对于使用皮层流形的研究（例如M/EEG源估计和前向建模）至关重要。
重要的是，ARCUS的目的并非达到为大脑皮层重建时（例如FreeSurfer基于边界的表面重建）可实现的逐点表面精度。对于紧密折叠的小脑皮层，在当代活体磁共振分辨率下，类似的边界驱动方法目前不切实际。Sereno等人（2020）曾指出，要正确分辨叶轮廓，需要各向同性体素尺寸低于0.2毫米。相反，ARCUS利用小叶分割和局部图像对比度，通过微分同胚将高分辨率图谱拟合到被试空间，得到一个保留了叶特异性折叠几何结构的近似、模板拟合的小脑皮层表面。这比直接细分小脑灰质分割提供了更具解剖学信息的表面，后者通常近似于外包络，无法捕捉脑沟和深裂。
在注释图谱时，我们遇到并重新审视了两个主要的解剖学问题。首先是蚓部问题。Schmahmann等人曾指出，前叶中并没有真正的“蚓部”，但“蚓部”作为一个中线概念，在没有明确解剖学定义的侧向边界的情况下，在文献中已根深蒂固。在本图谱中，我们基于叶宽度的细微变化、叶的不连续性和折叠皮质中可见的浅正中旁折痕，勾勒出了I-VII小叶的蚓部。
第二个问题是根据小脑裂的排列来定义小脑小叶。这种方法建立在Bolk和Larsell的开创性观察之上，并在Schmahmann等人的研究中得到具体化。在本研究中，我们观察到，ansoparamedian裂和intrapyramidal裂违反了这一范式，它们在中线附近跨越了小叶边界。严格遵循仅以裂为界的范式，会导致左右半球小叶尺寸的显著不对称。观察的总结是，分离Crus II和小叶VIIB的ansoparamedian裂难以确定。我们倾向于采取不可知论的方法，承认如果Crus II和小叶VIIB在半球间确实存在不对称，这为未来探索其潜在功能和临床相关性打开了大门。
本图谱将其焦点限制在小脑皮层。小脑核团和小脑白质中的纤维束（髓体）未被注释。虽然这些内容可能在未来版本的图谱中添加，但当前分析的优势在于重建小脑皮层形态测量的无与伦比的细节。请注意，小脑白质完全延伸至叶下区域。因此，我们容积分割中标为髓体（CM）的结构不应被解释为白质的全部范围。相反，CM-小叶边界反映的是计算上的而非严格的解剖学区分。在小脑磁共振分割中，这个边界通常定义在小叶分支从中央白质出现的位置附近。维持这一惯例对于将图谱可靠地变形到个体大脑至关重要，因为它确保了容积图谱与个体容积分割之间的一致性。
图谱基于Sereno等人（2020年）介绍的小脑皮层重建，其中首次在单个叶和亚叶水平重建了人类小脑皮层的几何结构。因此，Sereno等人（2020年）中描述的局限性也适用于本图谱。这包括离体重建标本的潜在缺点，例如组织肿胀，以及组织从完整颅骨中脑脊液静水压下移除后可能产生的形态差异，以及固定引起的收缩。
本工作中提出的将图谱32个区域进一步细分为688个较小斑块的精细皮层分区，并非基于Makris等人（2003， 2005）中所用的解剖学或功能学标准，而是基于一种半随机算法，以创建一组大小大致相等的不重叠斑块。因此，精细分区应主要被视为一种工具，用于比原始32区域图谱更精确地描述通过其他方式获得的功能或解剖数据的位置。此外，平均斑块大小的选择使其大致相当于同步激活时会产生可检测MEG/EEG信号的区域大小，这使得它们在MEG/EEG建模中非常有用。
4 结论
我们基于首次分辨单个叶和亚叶的重建，开发了一种具有表面和容积表示的新的人体小脑数字化解剖图谱。我们还引入了ARCUS方法，该方法通过微分同胚将图谱映射到个体大脑，从而生成一个源自图谱的、叶体标记的小脑皮层表面，该表面保留了来自标准分辨率活体磁共振的小叶尺度折叠几何结构。与先进的大脑皮层图谱一样，本图谱具有展开和扁平化的平面表示。凭借其前所未有的精细度、详细的手动标注和数字化格式，它可以作为一个专家注释的解剖参考，为分析和可视化人体小脑的解剖和生理数据开辟新的途径。
5 材料与方法
5.1 概述
本图谱定义的解剖区域列于图1a。具有32个解剖区域的皮层图谱表示被进一步细分为688个较小的斑块。
5.2 标本制备与扫描参数
小脑标本（62岁女性，死于心脏骤停，无外伤或神经系统疾病史，宽度96毫米）取自荷兰脑库。大脑在死后6小时内从颅骨中取出。通过切断小脑脚取出小脑，然后浸泡在福尔马林中固定。未添加钆剂。
固定4个月后，将小脑放入紧密贴合的圆柱形丙烯酸室中。腔室中充满全氟聚醚，其在标准磁共振图像上没有信号（也无噪声）。然后将腔室加压至高于环境大气压一个大气压并冷藏一周以使气泡溶解。然后将腔室恢复至室温，并放入紧密贴合的鸟笼式射频线圈内。在9.4T磁共振扫描仪上进行两次独立的隔夜扫描。第二次扫描的数据用于表面重建，该次扫描包括短和长回波时间（TE）的标准3D梯度回波序列。详细的表面重建以及依赖于头颅移除和固定收缩的校正可在Sereno等人的补充文本中找到。
5.3 图谱的创建
图谱是通过对Sereno等人（2020年）介绍的小脑表面重建进行手动注释和图像处理相结合而创建的。该重建（以及由此衍生的本图谱）的空间分辨率约为0.16毫米。图谱的容积表示是根据表面表示计算得出的，保持了表面的分辨率。创建小脑图谱的过程概述于图1c。
从包含4,573,612个顶点和9,163,916个三角形面的表面细分开始，首先对表面进行下采样，并通过在规则容积网格中计算立体角将其转化为容积。下采样的容积在Freeview中手动注释，容积注释被分配回下采样的表面；因此，图谱并非通过配准到预标记的容积创建的，而是每次一个横截面地在容积空间手动注释的。然后将下采样的表面标签缩放到原始高分辨率表面，随后手动校正缩放导致的任何不足。接着使用Trimesh创建一个虚拟容积，保留原始表面的分辨率，并将表面标签转移到该容积。填充内部虚拟容积，然后每个解剖区域以牺牲内部容积为代价扩展7次迭代，以便小叶中的体素根据其皮质注释进行标记。剩余的内部容积体素被注释为白质。然后对标记的容积进行平滑处理（3次迭代，每个体素被分配为其相邻体素的众数）。然后将白质容积扩展4次迭代，以确保小叶标签不会渗透到髓体过深。然后，再次将包含表面顶点的体素分配表面标签，以确保在白质扩展后与表面图谱的一致性。所有非白质标签再次以牺牲白质为代价扩展一次。然后，将表面图谱中的顶点分配给包含它们的体素的标签，对表面进行平滑处理，并将表面图谱重新分配回容积图谱。最后，进行了一些手动校正，得到最终的表面和容积图谱。
5.4 表面图谱的划分
包含32个不同解剖区域的表面图谱被进一步细分为688个大小大致相等的斑块。这是通过首先将每个区域中的斑块数量定义为初始分区800个斑块来完成的。斑块数量的选择是为了使斑块的面积大致等于Laussanne分区中最精细尺度的斑块面积。请注意，这些表面斑块比Shambes和Kassel等人用微电极绘制的、用于“断裂体感拓扑”的小斑块（1-2平方毫米）大约两个数量级。
为每个解剖区域随机选择与其斑块数量相等的起始顶点。然后以迭代方式将这些顶点指针相互远离移动。这是通过将每个指针从其顶点移动到在测地距离上最远、且属于同一解剖区域的相邻顶点来实现的，从而将指针分布在皮层流形上。测地距离近似为球面表示中的欧氏距离。对每个指针进行100次迭代。
然后通过递归地从起始顶点扩展每个斑块，将每个未被分配到斑块的邻居包括进来，从而创建斑块。这种扩展一直持续到所有顶点都被分配到一个斑块。为了使斑块更接近圆形并避免狭窄条带，使用与上述表面图谱相同的技术对表面划分进行平滑处理；每个顶点被标记为其三边或以内连接的所有顶点的众数标签，进行三次迭代。然后计算所有斑块的面积，并将表面积大于平均面积两倍的斑块分割成两个。将表面积小于平均面积一半的斑块与其共享最长边界的相邻斑块合并。这是一个迭代过程。此过程并未对所有斑块收敛，最终进行一次迭代，将所有大斑块分割一次，随后合并所有小斑块，最终得到总共688个斑块。
5.5 ARCUS
ARCUS的完整说明可在补充材料S1中找到。简而言之，该方法有两个主要步骤：分割和通过图谱的微分同胚配准进行皮层表面重建。
在分割步骤中，在容积被试磁共振图像中分割小脑的小叶。这是通过结合多个训练好的U-net模型和启发式算法的分层程序实现的。图6概述了分割步骤。
在重建步骤中，首先将容积图谱配准到被试的分割结果。这确保了小叶的整体拟合。第二步，将第一次配准应用于容积图谱的虚拟磁共振图像，然后将配准后的虚拟磁共振图像配准到掩蔽后的被试图像。这第二次配准微调了拟合。然后将这两个配准的变换场应用于表面图谱中的顶点，从而产生一个变形后的表面图谱网格，该网格已基于被试磁共振图像拟合到被试空间，从而生成个体大脑中小脑皮层的近似重建。配准是使用ANTs软件包中实现的、以互相关为优化度量的非线性变形程序对称归一化来完成的。图7概述了重建方法。
为了训练U-net模型和评估ARCUS，我们使用了来自Carass等人（2018年）和Diedrichsen等人（2009年）的数据，包括总共34个来自标准分辨率磁共振数据（1毫米各向同性体素大小）的标记小脑。评估得分在三个不同层次计算：（1）粗粒度：整个小脑、白质和整个蚓部；（2）叶：分为左、右前叶（小叶I-V）、上后叶（小叶VI， VII）、下后叶（小叶VIII， IX）和绒球小结叶（小叶X）；（3）蚓部和半球小叶：分割中除髓体外的所有28个分区。
