[論文レビュー] Mapping orientational and microstructural metrics of neuronal integrity with in vivo diffusion MRI

Dmitry S. Novikov, Jelle Veraart+2 more|arXiv (Cornell University)|Sep 28, 2016

Advanced Neuroimaging Techniques and Applications被引用数 27

ひとこと要約

本論文は、回転不変量を用いてパラメータ推定の不確実性を解消することで、事前知識なしに神経細胞微細構造および方向性をマッピングする生体力学的MRIフレームワークを提案する。この手法により、複数のパラメータ分岐がデータを同様に説明可能であることが明らかになったが、そのうちの1つしか生物学的現実に一致しない。この違いは白質と灰色 Matter で異なり、1 mm未塔の解像度で全脳の微細構造的および方向的マッピングが可能になる。

ABSTRACT

Diagnosis of brain disorders is hindered by the lack of an imaging technique that reveals the architecture of neuronal tissue at the cellular level, where the associated pathological processes develop. Accessing tissue integrity at the micrometer scale, three orders of magnitude below MRI resolution, would be akin to super-resolution in microscopy. For MRI, bridging the resolution gap relies on biophysical modeling of water diffusion hindered by cell walls. Here we develop a general framework for estimating orientational and microstructural parameters of neurites (axons and dendrites). By employing a set of rotational invariants, we analytically reveal the nontrivial topology of parameter estimation landscape, showing that multiple branches of parameters describe the measurement almost equally well, with only one of them corresponding to the biophysical reality. A comprehensive acquisition shows that the branch choice differs for white and for gray matter. Our framework reveals hidden degeneracies in MRI parameter estimation for neuronal tissue, provides microstructural and orientational maps in the whole brain without constraints or priors, and connects modern biophysical modeling with clinical MRI.

研究の動機と目的

• 病理的プロセスが発生する細胞レベルの神経細胞アーキテクチャを可視化できる生体内MRI技術の不足を解消すること。
• 細胞膜による水の拡散の制限をモデル化することで、従来のMRIとマイクロメートルスケールの組織特徴の間の解像度ギャップを埋めること。
• 生体内で、神経突起（軸索および樹状突起）の方向および微細構造的パラメータを推定する一般化されたフレームワークを開発すること。
• 神経組織の特徴付けにおいて正確性を損なう、拡散MRIのパラメータ推定における隠れた不確実性を特定および解消すること。
• 外部の制約や事前仮定に依存せず、全脳の微細構造的および方向的マッピングを可能にすること。

提案手法

• 拡散MRIにおけるパラメータ推定の多様体のトポロジーを分析するために、回転不変量のセットを用いる。
• 解析的手法により、複数のパラメータ分岐が拡散信号を同様に説明可能であるが、真の生体力学的状態に対応するのは1つだけであることが明らかになる。
• 組織タイプに基づいて分岐を区別するフレームワークを設計し、白質と灰色 Matter の挙動の違いを明確にする。
• 生体内拡散MRIデータにこのフレームワークを適用し、全脳にわたる微細構造的および方向的マップを生成する。
• 外部の事前知識や制約に依存せず、拡散信号の内在的構造にのみ依存して動作するように保証する。

実験結果

リサーチクエスチョン

• RQ1 拡散MRIの神経組織におけるパラメータ推定に潜む隠れた不確実性の原因は何か？ そして、どのように解消できるか？
• RQ2 白質と灰色 Matter における拡散のモデリングに最適なパラメータ分岐はどのように異なるか？
• RQ3 事前知識や制約に依存せず、神経突起の微細構造的および方向的パラメータを生物物理学的モデルで推定できるか？
• RQ4 拡散MRIにおけるパラメータ推定の多様体のトポロジー構造は何か？ そして、微細構造マッピングの信頼性にどのように影響するか？
• RQ5 生体内拡散MRIデータのみを用いて、高精度な全脳の微細構造的および方向的マップを生成できるか？

主な発見

• 拡散MRIのパラメータ推定の多様体は非自明なトポロジーを示し、複数の分岐がデータを同様に説明可能であるが、真の生体力学的状態に対応するのは1つだけである。
• 正しいパラメータ分岐は白質と灰色 Matter で異なり、組織タイプ依存の推定行動を示している。
• 提案されたフレームワークは、これらの不確実性を効果的に解消し、微細構造的および方向的指標の正確なマッピングを可能にした。
• この手法は外部の事前知識や制約を必要とせず、全脳の神経組織健全性マップを生成した。
• このフレームワークは高度な生物物理学的モデリングと臨床的MRIを結びつけ、1 mm未塔の解像度で非侵襲的かつ組織微細構造の評価を可能にした。