北京理工大学、首都医科大学团队在 NeuroImage 发表了题为 Deep learning enables accurate brain tissue microstructure analysis based on clinically feasible diffusion magnetic resonance imaging 的研究。
目前基于模型的组织微观结构重建技术需要大量的扩散梯度，由于成像时间的限制，这在临床上是不可行的，这限制了组织微观结构信息在临床环境中的使用。最近，基于深度学习（DL）的方法在临床可行的弥散磁共振（Diffusion magnetic resonance imaging，dMRI）上获得了有希望的组织微观结构重建结果。然而，目前尚不清楚的是，与疾病或年龄相关的细微组织变化是否能在深隐入路中得到适当的保留，以及深隐入路重建的结果是否有益于临床应用。在这里，我们提供了第一个证据，证明基于临床可行的dMRI扫描，DL方法用于组织微观结构重建产生可靠的脑组织微观结构分析。具体来说，我们从4个不同的脑dMRI数据集重建组织微观结构，只有12个扩散梯度，一个临床可行的方案，并考虑了神经突取向弥散和密度成像（NODDI）和球面平均技术（SMT）模型。有了这些结果，我们表明与疾病相关和年龄相关的脑组织改变是准确识别的。这些结果表明，基于临床可行的dMRI， DL组织微结构重建可以准确量化脑微结构变化。
图1 概述了拟议的工作，其中使用具有12个扩散梯度的临床质量dMRI扫描进行疾病相关和年龄依赖性脑组织变化的分析：(a)使用DL和常规重建计算组织微观结构，以及计算金标准组织微观结构；(b)提取用于脑组织分析的roi；(c)分析与疾病有关的脑组织变化的工作流程；(d)年龄依赖性脑组织变化分析的工作流程。
图2 基于ROI的AD NODDI组织微观结构变化分析：(a) DL/基线方法与金标准原始p值的对数尺度散点图。还指出了DL/基线方法的原始p值与金标准原始p值之间的相关性。(b)检测显著不同区域的精度、灵敏度和f1评分。(c)探测区域。向上或向下三角形分别表示AD组的平均值高于或低于HC组的平均值，仅表示两组在金标准结果中的roi和组织微观结构测量值存在显著差异（经多次比较benjamin - hochberg校正p < 0.05）。LH =左半球，RH =右半球，DL =深度学习，ROI =感兴趣区域，HC =健康对照组，AD =阿尔茨海默病，NODDI =神经突定向弥散和密度成像，vic =细胞内体积分数，viso =脑脊液体积分数，OD =定向弥散。
亮点：这项工作中提供了第一个证据，通过DL方法，从临床可实现的dMRI扫描中重建的组织微观结构测量，只有12个扩散梯度，可以准确检测疾病相关和年龄相关的脑组织变化。在同一台扫描仪上仅获取12个扩散梯度仅需1-2分钟，使得dMRI采集在临床环境中可行。成像时间的大幅缩短可以增强dMRI在临床环境中的效用，潜在地有利于脑部疾病的诊断和治疗计划/监测。
