[论文解读] 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 27

一句话总结

本文提出了一种生物物理MRI框架，通过利用旋转不变量来解析参数估计的退化问题，无需先验条件即可映射神经元微结构与取向。研究发现，多个参数分支可同样良好地拟合数据，但仅有一个对应真实的生物学现实——这一区别在白质与灰质之间有所不同，从而实现了亚毫米分辨率下的全脑微结构与取向映射。

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.

研究动机与目标

• 解决缺乏能够在体内揭示病理过程起源处细胞水平神经元结构的MRI技术的问题。
• 通过建模细胞膜对水分子扩散的阻碍作用，弥合传统MRI与微米尺度组织特征之间的分辨率差距。
• 开发一种通用框架，用于在体内估计神经元（轴突与树突）的取向与微结构参数。
• 识别并解决扩散MRI参数估计中隐藏的退化问题，这些退化问题会损害神经组织表征的准确性。
• 实现在无需依赖约束或先验假设的前提下，对全脑进行微结构与取向映射。

提出的方法

• 采用一组旋转不变量来分析扩散MRI中参数估计景观的拓扑结构。
• 运用解析方法揭示：多个参数分支可同样良好地解释扩散信号，但仅有一个对应真实的生物物理现实。
• 设计一个框架，基于组织类型区分这些分支，以识别白质与灰质行为的差异。
• 将该框架应用于体内扩散MRI数据，生成全脑范围的微结构与取向图谱。
• 确保该方法不依赖外部先验或约束，仅依靠扩散信号的内在结构运行。

实验结果

研究问题

• RQ1 扩散MRI参数估计中神经组织的隐藏退化现象由何引起？如何解决？
• RQ2 用于建模扩散的最优参数分支在白质与灰质之间有何不同？
• RQ3 能否通过生物物理模型在不依赖先验或约束的条件下，同时估计神经元的微结构与取向参数？
• RQ4 扩散MRI中参数估计景观的拓扑结构是怎样的？它如何影响微结构映射的可靠性？
• RQ5 能否仅使用体内扩散MRI数据，高精度地生成全脑微结构与取向图谱？

主要发现

• 扩散MRI的参数估计景观表现出非平凡的拓扑结构，存在多个可同样良好拟合数据的参数分支，但仅有一个对应真实的生物物理状态。
• 正确的参数分支在白质与灰质之间存在差异，表明其估计行为具有组织类型依赖性。
• 所提出的框架成功解决了这些退化问题，实现了对微结构与取向度量的精确映射。
• 该方法可在无需外部先验或约束的条件下，生成全脑的神经组织完整性图谱。
• 该框架将先进的生物物理建模与临床MRI相结合，实现了亚毫米分辨率下组织微结构的非侵入性评估。