[논문 리뷰] Quantifying brain microstructure with diffusion MRI: Theory and parameter estimation

Dmitry S. Novikov, Els Fieremans외 2명|arXiv (Cornell University)|2016. 12. 06.

Advanced Neuroimaging Techniques and Applications인용 수 25

한 줄 요약

이 논문은 뇌 조직에서 확산 MRI를 모델링하기 위한 통합된 물리적 프레임워크를 제시하며, 미세구조 정량화를 길이 척도와 시간 척도에 걸쳐 군집화하는 과정으로 접근한다. 시간에 따라 변하는 확산, 다중 가우시안 구획이 있는 장시간 근사(표준 모델), 그리고 다중 확산 인코딩 기법을 체계적으로 검토하여 축성 직경, 신경세포 밀도, 구조적 상관관계와 같은 다양한 미세구조 매개변수를 드러내며, 매개변수 추정 및 모델 해석에 있어 핵심적인 진전을 보인다.

ABSTRACT

We review, systematize and discuss models of diffusion in neuronal tissue, by putting them into an overarching physical context of coarse-graining over an increasing diffusion length scale. From this perspective, we view research on quantifying brain microstructure as occurring along the three major avenues. The first avenue focusses on the transient, or time-dependent, effects in diffusion. These effects signify the gradual coarse-graining of tissue structure, which occurs qualitatively differently in different brain tissue compartments. We show that studying the transient effects has the potential to quantify the relevant length scales for neuronal tissue, such as the packing correlation length for neuronal fibers, the degree of neuronal beading, and compartment sizes. The second avenue corresponds to the long-time limit, when the observed signal can be approximated as a sum of multiple non-exchanging anisotropic Gaussian components. Here the challenge lies in parameter estimation and in resolving its hidden degeneracies. The third avenue employs multiple diffusion encoding techniques, able to access information not contained in the conventional diffusion propagator. We conclude with our outlook on the future directions which can open exciting possibilities for designing quantitative markers of tissue physiology and pathology, based on methods of studying mesoscopic transport in disordered systems.

연구 동기 및 목표

• 길이 척도와 시간 척도에 걸쳐 군집화의 물리 원리에 기반해 다양한 확산 MRI 모델을 통합하기 위해.
• 신경 조직에서의 확산 MRI 신호의 물리적 기원과 해석 가능성, 특히 미세구조 매개변수와의 관계를 명확히 하기 위해.
• 표준 모델의 매개변수 추정 과제, 특히 비일관성과 수직 측정이 필요한 필요성과 같은 문제를 해결하기 위해.
• 기존 단일 확산 인코딩을 초월해 비가우시안 및 이방성 확산 정보에 접근할 수 있는 다중 확산 인코딩(MDE)의 잠재력을 탐색하기 위해.
• 임상적 적용을 향한 향상된 모델링을 위해 메조스코픽 조직 이질성, 투과성, 생물학적 변동성에 대한 열린 문제를 규명하기 위해.

제안 방법

• 복잡한 조직에서의 확산을 기술하는 효과적인 이론으로서 메조스코픽 블로흐-토르시 방정식을 수립하여 군집화된 동역학을 기록한다.
• 누적량 전개를 적용하여 확산 신호를 표현함으로써 짧은 시간에서 긴 시간에 이르기까지 체계적인 모델링을 가능하게 한다.
• 단시간 근사를 통해 제한된 표면적 총합과 미세구조 기하학과 관련된 일시적 확산 효과를 추출한다.
• 장시간 근사를 분석하여 신호를 교환하지 않는 이방성 가우시안 구획의 합으로 모델링함으로써 신경세포와 세포외 공간에 해당한다.
• 다중 확산 인코딩(MDE) 기법을 도입하여 고차 누적량과 표준 단일 확산 인코딩을 초월한 미세구조적 이방성 정보에 접근한다.
• 회전 대칭성 및 ODF 분해를 활용하여 방향별로 특화된 미세구조 매개변수를 추출하고 피팅의 비일관성을 줄인다.

실험 결과

연구 질문

• RQ1 신경 조직에서 시간에 따라 변하는 확산 효과는 축성 직경과 패킹 상관 길이와 같은 미세구조 길이 척도를 어떻게 드러내는가?
• RQ2 확산 MRI의 표준 모델의 매개변수 추정에서 기인하는 근본적인 비일관성은 무엇이며, 제약 조건이나 추가 측정을 통해 어떻게 해결할 수 있는가?
• RQ3 표준 단일 확산 인코딩 외에 다중 확산 인코딩(MDE)으로부터 추가로 추출할 수 있는 미세구조 정보는 무엇인가?
• RQ4 미세구조의 메조스코픽 변동성과 생물학적 변동성이 확산 MRI 지표의 정밀도와 강건성에 어떻게 영향을 미치는가?
• RQ5 표준 모델은 회색질로 어떻게 확장될 수 있으며, 교환과 구획 복잡성에 대응하기 위해 어떤 수정이 필요한가?

주요 결과

• 단시간 영역에서의 시간에 따라 변하는 확산은 제한된 표면적 총합을 드러내며, 축성 패킹과 미세구조 기하학의 정량화를 가능하게 한다.
• 확산 신호의 장시간 근사는 교환하지 않는 이방성 가우시안 성분의 합으로 모델링될 수 있으며, 이는 확산 MRI의 표준 모델의 기초를 이룬다.
• 확산 신호의 시간 의존성 분석을 통해 축성 직경 측정이 가능하며, 특히 중간 시간 영역에서 유의미하다.
• 회전 대칭성과 ODF 분해의 활용은 매개변수 추정에서 숨겨진 비일관성을 해결하여 미세구조 지표의 특이성을 향상시킨다.
• 다중 확산 인코딩(MDE)은 고차 누적량과 미세구조적 이방성에 접근할 수 있게 하여 단일 확산 인코딩의 범위를 초월한 정보를 제공한다.
• 자연적인 미세구조 변동성에서 기인하는 메조스코픽 변동성은 특히 축성 직경 분포의 尾부에 민감하게 영향을 미치며, 탐지 한계와 모델의 강건성에 대한 경계를 드러낸다.