[论文解读] Quantifying brain microstructure with diffusion MRI: Theory and parameter estimation

Dmitry S. Novikov, Els Fieremans+2 more|arXiv (Cornell University)|Dec 6, 2016

Advanced Neuroimaging Techniques and Applications被引用 25

一句话总结

本文通过在长度和时间尺度上进行粗粒化过程，提出了一套统一的物理框架，用于建模脑组织中的扩散磁共振成像，将微结构量化视为一种粗粒化过程。系统回顾了时变扩散、具有多个高斯隔室的长时极限（标准模型），以及多种扩散编码技术，展示了每种方法如何揭示不同的微结构参数，如轴突直径、神经元密度和结构相关性，关键进展体现在参数估计和模型解释性方面。

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.

研究动机与目标

• 将不同扩散磁共振成像模型统一于长度和时间尺度上的粗粒化物理原理之下。
• 阐明扩散磁共振成像信号在神经组织中的物理起源及其可解释性，特别是与微结构参数的关系。
• 解决标准模型中参数估计的挑战，包括退化问题以及对正交测量的需求。
• 探索多种扩散编码（MDE）在获取传统单次扩散编码之外的非高斯和各向异性扩散信息方面的潜力。
• 识别建模介观组织异质性、通透性以及生物变异性方面的开放问题，以促进临床转化。

提出的方法

• 将介观Bloch-Torrey方程表述为复杂组织中扩散的有效理论，捕捉粗粒化动力学。
• 应用累积量展开来表示扩散信号，实现从短时间到长时间的系统建模。
• 利用短时间极限提取限制边界的净表面积以及与微结构几何相关的瞬态扩散效应。
• 分析长时极限，将信号建模为非交换的各向异性高斯隔室之和，对应于神经元和细胞外空间。
• 引入多种扩散编码（MDE）技术，以获取更高阶累积量和标准单次扩散编码之外的微观各向异性。
• 采用旋转不变量和ODF分解方法，提取方向相关的微结构参数，并减少拟合退化问题。

实验结果

研究问题

• RQ1 神经组织中时变扩散效应如何揭示轴突直径和轴突排列相关长度等微结构长度尺度？
• RQ2 扩散磁共振成像标准模型参数估计中的基本退化问题是什么？如何通过约束或额外测量加以解决？
• RQ3 与标准单次扩散编码相比，多种扩散编码（MDE）能够提取哪些额外的微结构信息？
• RQ4 组织微结构中的介观涨落和生物变异性如何影响扩散磁共振成像指标的精度和鲁棒性？
• RQ5 标准模型在灰质中的适用范围有多大？需要进行哪些修改以考虑交换效应和隔室复杂性？

主要发现

• 在短时间 regime 中的时变扩散揭示了限制边界的净表面积，从而能够量化轴突排列和微结构几何。
• 扩散信号的长时极限可建模为非交换各向异性高斯分量的和，为扩散磁共振成像的标准模型提供了基础。
• 通过分析扩散信号的时间依赖性，特别是中间时间区间，可以实现轴突直径的映射。
• 利用旋转不变量和ODF分解有助于解决参数估计中的隐藏退化问题，提高了微结构指标的特异性。
• 多种扩散编码（MDE）可获取更高阶累积量和微观各向异性，提供超越单次扩散编码范围的信息。
• 介观涨落——源于微结构的自然变异性——会显著影响信号灵敏度，特别是对轴突直径分布尾部的敏感性，突显了检测极限和模型鲁棒性的局限。