FORCE: FORward matching for Complex microstructure Estimation
该论文介绍了 FORCE，这是一个前向建模框架，通过模拟具有生物学合理性的体素内配置来直接匹配扩散磁共振成像（dMRI）信号，从而在无需专门采集方式的情况下，将纤维交叉的解析、微结构图谱的生成以及不确定性估计统一在一个高效的过程中。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
在人类大脑内部，一个庞大的电线网络承载着电信号，使我们能够思考、移动和感知。这些“电线”是神经纤维束，它们并不总是以直线或平行线的方式运行。它们经常相互交叉、弯曲并交织在一起，就像一片茂密的森林。为了了解大脑的工作原理，或者观察疾病发生时的情况，医生和科学家需要一种方法来绘制这些复杂的路径图，而无需切开患者的身体。他们使用一种特殊的磁共振成像技术，称为扩散磁共振成像（diffusion MRI）。这种技术追踪水分子在脑组织内部跳动的微小且随机的运动。由于水分子沿着神经纤维长度方向的移动比横向移动更容易，这种运动模式便揭示了纤维的方向。
几十年来，科学家们一直试图解码这些模式，以构建大脑布线的地图。然而，用于解释这些扫描结果的标准方法存在一个显著的缺陷。这些方法通常依赖于数学技巧，这些技巧在纤维沿单一方向运行时效果良好，但在纤维以较浅角度交叉时却表现不佳。当两束纤维交叉时，水分子的运动会呈现出一种混乱的混合方向，传统的工具往往无法分离它们，从而产生模糊或错误的地图。此外，为了获得大脑健康的完整图像，研究人员通常必须对同一份扫描进行几种不同类型的分析，每种分析都使用一套不同的假设。这个过程缓慢且容易出错，并常常迫使科学家在“清晰观察纤维方向”与“理解组织微观健康状况”之间做出选择，而很难两者兼得。
一个研究团队引入了一种名为 FORCE 的新方法，改变了这些脑部扫描的分析方式。该方法不再试图通过从水分子运动反推来猜测纤维结构来解决复杂的谜题，而是采用“正向工作”的方式。研究人员首先建立了一个包含数百万种可能的大脑场景的庞大库。他们利用计算机模拟了每一种可能的神经纤维排列、组织类型和流体水平下，水分子运动信号的具体样子，涵盖了从健康到患病的大脑情况。这个库涵盖了从单条直线纤维到三束纤维复杂交叉的所有情况，并混合了灰质和流体。
当进行真实的脑部扫描时，新系统会提取每个微小脑块的信号，并将其与这个庞大的模拟库进行对比。它并不试图强行让数据符合某个单一的数学方程，而是寻找那些与真实测量值最相似的具体模拟场景。通过保留最匹配的部分，系统创建了一个关于脑组织可能排列方式的所有合理情况的局部图像。从这一系列最佳匹配中，系统可以计算出纤维的最可能方向、神经细胞的密度以及该区域的流体含量。由于它借鉴了预先构建的具有生物学真实性的可能性库，因此该系统避免了困扰旧方法的数学错误，特别是在纤维交叉角度小至十度时。
结果表明，这种“正向匹配”方法比现有技术能产生更清晰、更一致的大脑图谱。在利用人类和老鼠大脑数据的测试中，该系统成功解析了其他方法所遗漏的纤维交叉情况，揭示了此前被隐藏的路径。它还能从单次扫描中生成多种详细的地图，不仅展示了纤维的走向，还展示了组织的健康程度以及周围流体的量。与那些在复杂区域经常产生不可能或不稳定数值的旧方法不同，由于该方法仅从预先模拟的现实场景中进行选择，因此始终保持在生物学现实的范围内。
研究人员在来自许多不同扫描仪的数据，甚至是在同一人在不同机器上进行的扫描数据上测试了该方法。事实证明，该系统在不同设置下的稳定性与可靠性高于标准工具，这表明它对拍摄图像所用机器的特定特性不太敏感。它在处理并非为复杂分析而设计的扫描（例如通常无法提供详细微结构信息的旧有的单次扫描数据集）时也表现出色。在已知真实答案的模拟实验中，即使在有噪声的情况下，该方法也能准确恢复纤维的数量及其方向。
这项工作表明，通过将信号从“反向求逆”转变为“与可能性库进行匹配”，科学家可以获得更完整、更准确的大脑微观结构视图。该方法不需要任何特殊设备或延长扫描时间，这意味着它可以应用于医院和研究中心现有的数据。它提供了一种统一的方式，可以同时观察大脑的布线情况及其微观健康状况，消除了进行多种冲突分析的需求。虽然该系统依赖于大规模的模拟库，这需要强大的计算能力，但研究人员发现它可以在短短几分钟内处理完整个大脑。这种方法为理解大脑复杂的架构提供了一个稳健的单一框架，有望帮助更早地检测疾病，并更精确地绘制大脑的连接图谱。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。