[논문 리뷰] Quantitative mapping of the brain's structural connectivity using diffusion MRI tractography: a review

Fan Zhang, Alessandro Daducci외 7명|arXiv (Cornell University)|2021. 04. 23.

Advanced Neuroimaging Techniques and Applications참고 문헌 473인용 수 11

한 줄 요약

이 리뷰는 건강 및 질병 상태에서 뇌의 구조적 연결망을 맵핑하기 위한 정량적 확산 MRI 트랙토그래피에 대한 종합적인 개요를 제공하며, 주요 방법론적 단계인 트랙토그래피 보정, 분할, 정량화를 다룹니다. 기술적 진보에도 불구하고 신경발달, 노화, 신경학적 및 정신건강 장애 분야에서의 적용이 두드러지지만, 최적의 방법론에 대한 합의가 부족하다는 점을 강조합니다.

ABSTRACT

Diffusion magnetic resonance imaging (dMRI) tractography is an advanced imaging technique that enables in vivo mapping of the brain's white matter connections at macro scale. Over the last two decades, the study of brain connectivity using dMRI tractography has played a prominent role in the neuroimaging research landscape. In this paper, we provide a high-level overview of how tractography is used to enable quantitative analysis of the brain's structural connectivity in health and disease. We first provide a review of methodology involved in three main processing steps that are common across most approaches for quantitative analysis of tractography, including methods for tractography correction, segmentation and quantification. For each step, we aim to describe methodological choices, their popularity, and potential pros and cons. We then review studies that have used quantitative tractography approaches to study the brain's white matter, focusing on applications in neurodevelopment, aging, neurological disorders, mental disorders, and neurosurgery. We conclude that, while there have been considerable advancements in methodological technologies and breadth of applications, there nevertheless remains no consensus about the "best" methodology in quantitative analysis of tractography, and researchers should remain cautious when interpreting results in research and clinical applications.

연구 동기 및 목표

• 확산 MRI를 이용한 뇌의 구조적 연결망 맵핑을 위한 정량적 트랙토그래피 방법에 대한 체계적 리뷰를 제공하기 위해.
• 트랙토그래피 보정, 분할, 정량화의 방법론적 선택 사항을 평가하여 그 장단점과 인기 정도를 분석하기 위해.
• 신경발달, 노화, 신경학적 및 정신건강 장애, 뇌수술 분야에서 트랙토그래피 기반 연구의 결과를 통합하기 위해.
• 광범위한 도입과 기술적 진보에도 불구하고 최적의 분석 방법에 대한 합의가 없음에도 불구하고 이를 강조하기 위해.
• 방법론적 다양성과 표준화 부족으로 인해 결과 해석에 신중함이 필요하므로 연구자와 임상의가 트랙토그래피 결과를 주의 깊이 해석하도록 안내하기 위해.

제안 방법

• 트랙토그래피 보정, 분할, 정량화의 세 핵심 처리 단계에 대한 체계적 리뷰.
• 기초 가정, 정확도, 계산 자원 요구량을 기준으로 트랙토그래피 방법을 분류하고 비교.
• 모호한 뇌 영상 용어(예: '스트리플라인' 대비 '섬유', '트랙토그램' 대비 '섬유 군집')를 명확히 하기 위해 표준 용어를 사용.
• 일관된 백색질 피질 구조 식별을 위해 섬유 군집화 및 애틀라스 기반 분할 기법을 평가.
• 구조적 연결망 강도와 네트워크 구조를 정량화하기 위해 그래프 이론 및 커넥톰 기반 지표를 적용.
• 트랙토그래피의 신뢰성과 재현 가능성을 향상시키기 위해 해부학적 사전 지식과 기계학습 접근법을 통합.

실험 결과

연구 질문

• RQ1 정량적 트랙토그래피의 핵심 방법론적 구성 요소는 무엇이며, 이는 구조적 연결망 맵핑의 신뢰성에 어떻게 영향을 미치는가?
• RQ2 트랙토그래피 보정, 분할, 정량화 전략 간의 정확도, 재현 가능성, 임상적 유용성 측면에서의 비교는 어떻게 이루어지는가?
• RQ3 정량적 트랙토그래피의 현재 적용 분야는 뇌 발달, 노화, 신경학적 및 정신건강 장애 연구에서 어떤가?
• RQ4 왜 정량적 트랙토그래피의 '최적' 방법에 대한 합의가 없으며, 이는 연구 및 임상 응용에 어떤 영향을 미치는가?
• RQ5 표준 용어와 방법론의 투명성 향상이 트랙토그래피 결과의 해석 가능성과 비교 가능성에 어떻게 기여하는가?

주요 결과

• 정량적 트랙토그래피의 최적 방법에 대한 합의가 없으며, 트랙토그래피 보정, 분할, 정량화 접근법에 있어 상당한 변동성이 존재한다.
• 방법론적 선택 사항은 특히 임상 적용에서 트랙토그래피 기반 연결 측정치의 재현 가능성과 생물학적 타당성에 큰 영향을 미친다.
• 트랙토그래피 기반 커넥톰 분석은 노화와 관련된 백색질 네트워크 구조 변화를 드러내었으며, 특히 정신분열증에서 rich-club 조직이 손상되고, 경도 인지장애에서 네트워크 효율성이 변화된 바가 있다.
• 기계학습 및 애틀라스 기반 군집화 방법은 수명 주기 전반에 걸쳐 백색질 분할의 일관성을 향상시키며, 종단적 연구에서 재측정 신뢰도가 보고되었다.
• 기술적 진보에도 불구하고 부분 체적 효과와 재구성 편향으로 인해 축축한 축삭 밀도와 섬유 수를 정확히 추정하는 데 어려움이 남아 있다.
• 예를 들어 '섬유' 대신 '스트리플라인'을 사용하는 것과 같은 표준 용어의 사용은 생물학적 오해를 방지하고 방법론적 명확성을 향상시키는 데 필수적이다.