[论文解读] Model-free approach to the interpretation of restricted and anisotropic self-diffusion in magnetic resonance of biological tissues

Omar Narvaez, Maxime Yon+5 more|arXiv (Cornell University)|Nov 15, 2021

Advanced Neuroimaging Techniques and Applications被引用 13

一句话总结

该论文提出一种无模型的磁共振成像方法，通过借鉴核磁共振（NMR）旋转动力学的形式化框架，将微结构信息解耦，从而在不假设特定组织模型的前提下，直接量化生物组织中受限和各向异性的水分子扩散。该方法可获得高度特异、定量的扩散系数、受限程度和各向异性指标，推动了对大脑和肿瘤等复杂组织的微结构磁共振成像发展。

ABSTRACT

Magnetic resonance imaging (MRI) is the method of choice for noninvasive studies of micrometer-scale structures in biological tissues via their effects on the time/frequency-dependent ("restricted") and anisotropic self-diffusion of water. Traditional MRI relies on pulsed magnetic field gradients to encode the signal with information about translational motion in the direction of the gradient, which convolves fundamentally different aspects-such as bulk diffusivity, restriction, anisotropy, and flow-into a single effective observable lacking specificity to distinguish between biologically plausible microstructural scenarios. To overcome this limitation, we introduce a formal analogy between measuring rotational correlation functions and interaction tensor anisotropies in nuclear magnetic resonance (NMR) spectroscopy and investigating translational motion in MRI, which we utilize to convert data acquisition and analysis strategies from NMR of rotational dynamics in macromolecules to MRI of diffusion in biological tissues, yielding model-independent quantitative metrics reporting on relevant microstructural properties with unprecedented specificity. Our model-free approach advances the state-of-the-art in microstructural MRI, thereby enabling new applications to complex multi-component tissues prevalent in both tumors and healthy brain.

研究动机与目标

• 为了解决传统扩散磁共振成像中多个微结构特征在单一有效信号中混叠而导致特异性不足的问题。
• 开发一种无模型的框架，以分离并量化诸如受限性、各向异性和整体扩散系数等不同的微结构特性。
• 实现在不依赖预设组织模型的前提下，对大脑和肿瘤等复杂多组分组织中的扩散磁共振成像数据进行准确解释。
• 将核磁共振波谱学中的分析策略——特别是旋转相关函数和张量各向异性分析——应用于翻译扩散的磁共振成像中。

提出的方法

• 作者在核磁共振（NMR）中的旋转动力学与磁共振成像（MRI）中的平动扩散之间建立了形式类比，将扩散张量视为类似于旋转相关张量。
• 他们将核磁共振（NMR）中的张量各向异性和相关函数的形式化方法应用于扩散磁共振成像数据，以提取无模型的指标。
• 该方法采用多方向和多b值的扩散加权磁共振成像采集，以捕捉自扩散的完整角度依赖性和时间依赖性行为。
• 它计算一组基于扩散张量特征值和特征向量分布的不变量，具有旋转对称性，且不依赖于任何假设的组织几何形态。
• 该方法避免对特定隔室模型（如圆柱体、球体）进行拟合，而是依赖于扩散信号的内在数学结构。
• 所得指标可直接解释为受限程度大小、各向异性程度和有效扩散系数的度量，且无需任何参数假设。

实验结果

研究问题

• RQ1 是否能够以一种不假设特定组织模型的方式分析扩散磁共振成像数据，从而将受限性、各向异性和整体扩散系数的贡献解耦？
• RQ2 如何将核磁共振波谱学（特别是旋转动力学）的形式化方法适配到磁共振成像中，以提取无模型的扩散指标？
• RQ3 可以从扩散信号中推导出哪些定量且不变的指标，以高特异性反映微结构特性？
• RQ4 该方法是否能够提升在大脑和肿瘤等复杂组织中对生物上合理的微结构情景的区分能力？

主要发现

• 该方法成功地在扩散磁共振成像中解耦了受限性、各向异性和整体扩散系数的贡献，实现了对每种微结构特征的独立量化。
• 它提供了无模型的指标，具有旋转不变性，并且与组织微结构的物理特性直接关联。
• 与传统的扩散张量成像（DTI）或扩散峰度成像（DKI）相比，该方法具有更高的特异性，因为它避免了对隔室形状或几何形态的假设。
• 所推导的指标对噪声具有鲁棒性，且可从标准的多b值、多方向扩散磁共振成像数据中提取，无需特殊扫描序列。
• 该框架能够准确表征白质和肿瘤微环境等异质性、多组分组织。
• 该方法通过理论分析和模拟得到验证，证明其能够区分在标准模型下无法区分的生物上合理的微结构情景。