彌散張量成像技術在癲癇病研究中的應用進展

薛開慶，張 濤

(1.西華大學計算機與軟件工程學院， 四川 成都 610039；2.西華大學心理健康服務與研究中心，四川 成都 610039；3.電子科技大學生命科學與技術學院，神經信息教育部重點實驗室， 四川 成都 610054)

癲癇(epilepsy)俗稱“羊角風”或“羊癲風”，是大腦神經元突發性異常放電，進而導致大腦短暫功能障礙的一種慢性神經疾病[1]。全世界大約有6 500萬癲癇患者，癲癇反復發作嚴重影響了他們的身心健康，給他們家庭帶來了沉重的經濟負擔。彌散張量成像(diffusion tensor imaging， DTI)是一種磁共振成像技術，其無創和無輻射等優良特性，引起了研究者的極大興趣[2]。DTI為研究包括癲癇在內的各類神經精神疾病提供了新視角，也可能為疾病的早期診斷和治療評價提供影像學標記[3- 4]。和常規磁共振成像掃描相比，DTI對局灶性癲癇患者的病灶定位更具價值，使用彌散成像定量圖，綜合多學科的評估，可以對大腦細微病變進行檢測[5-6]；DTI也可以判定大腦結構異常的程度和范圍，在設置顱內電極和手術切除病灶上具有指導意義[7]；對于兒童失神癲癇這些在常規成像方式下沒有明顯腦結構異常的疾病，通過DTI也可能發現某些微細結構的異常[8]；DTI也可以重建大腦的白質纖維，進而構建全腦網絡，這有助于研究癲癇基本的病理生理機制，可以輔助疾病的診斷和治療[9-10]。

1 DTI技術

DTI技術主要利用水分子在人體不同組織內表現出不同的彌散特征來進行成像[11]。所謂彌散，是指水分子隨機不規則運動的物理現象，即布朗運動。在液體中，影響彌散的因素有溫度、分子的質量及其黏滯性等。彌散是一個三維運動過程，具體表現為2種形式。一種是在完全均勻的介質(如純水)中，分子向各個方向運動是等可能性的，這種彌散方式稱為各向同性(isotropic)彌散，在人腦組織中，腦脊液中水分子彌散近似各向同性。另一種彌散稱為各向異性(anisotropic)彌散，主要是在具有一定方向性約束的組織中，分子彌散表現出明顯的方向性傾向，更易于沿組織排列的方向彌散，在腦組織中，白質纖維中的水分子由于受到纖維束的束縛，通常順著纖維束的方向彌散，表現出很高的各向異性態[11-12]。

1.1 基本原理

為描述水分子在三維空間中彌散的各向異性，需要引入1個參數——彌散張量D，在數學上用一個3×3的對稱矩陣表示。

(1)

這里各分量值Dij(i=x，y，z；j=x，y，z)表示各個方向上的彌散程度，其中Dxy=Dyx，Dxz=Dzx，Dyz=Dzy。

引入彌散張量D，就可用使用公式(2)來描述彌散現象。

(2)

這里S0為不施加彌散敏感梯度時(T2加權像b=0 mm2/s)的信號，S為施加彌散敏感梯度時的信號。bij與Dij對應，是彌散敏感因子在各個彌散方向上對應的分量。

通過對彌散張量D做特征值分解，可以得到特征值矩陣D′和特征向量矩陣E，分別用公式(3)和(4)描述。

(3)

其中λ1，λ2，λ3為3個特征值。

E=[ε1，ε2，ε3]

(4)

對特征向量矩陣E，3個列向量ε1，ε2，ε3分別決定了仿射坐標系中3個方向；特征值矩陣D′的對角線的3個特征值λ1，λ2，λ3分別代表了在仿射坐標系中3個方向的彌散程度。

這時，通?？捎每臻g彌散橢球模型來直觀地表達具體的彌散程度，如圖1所示，其中λ1表示最大特征值，λ2表示中間特征值，λ3表示最小特征值。通過這個空間彌散橢球便可以大致看出在該橢球中心的體素在各個方向上的彌散情況。當有較高的各向異性時，主要彌散方向的λ1很大，表現出極強的橢球形狀；當完全各向同性時，λ1=λ2=λ3，是一個標準的圓球，當然在這二者之間存在一系列的過渡狀態[11]。

圖 1 彌散的橢球模型

1.2 2個主要指標

在DTI的研究中，通常采用2個指標[12]來描述彌散程度：平均彌散度(mean diffusion，MD)和部分各向異性(fractional anisotropy，FA)。

MD用橢球模型中3個相互垂直的彌散系數的均值來刻畫。MD主要是對某一體素或一個區域的彌散狀況進行總體評價，反映分子整體的彌散水平(平均橢球的大小)和彌散受阻情況。值得注意的是，MD只表示彌散的大小，與彌散的具體方向無關，MD值越大表明組織中所含自由水分子越多，例如腦脊液的MD值就很大，腦白質中MD值較小。計算某個體素的MD值的公式為

(5)

其中，λ1，λ2和λ3是張量橢球模型的3個特征值，λ1是最大彌散特征值，與水分子最大彌散方向平行，λ2和λ3是與λ1垂直的2個特征值。

另一個參數FA值是根據張量橢球模型中3個彌散特征值計算出來的，反映水分子各向異性成分占整個彌散張量的比例，取值范圍是0～1。0表示不受限制，在腦脊液中FA值接近0，在越有規則有方向排列的組織中，其FA值就越大，在大腦白質纖維中FA值接近1，灰質處于中間狀態[11-12]。計算某個體素的FA值的公式為

(6)

磁共振設備采集的DTI原始圖像經過計算處理后可以生成相應的MD圖和FA圖，圖2中(a)(b)展示了一個被試的MD圖和FA圖。

圖 2 一個被試的MD、FA和FT圖

1.3 彌散示蹤成像

DTI更有意義的是，可以利用DTI數據進行白質纖維束的追蹤[13]。以往對白質纖維束的研究主要依靠對活體動物或尸體進行解剖。常規的磁共振成像雖然能較好地區別大腦的灰質和白質，但不能顯示白質纖維的具體走向，不能提供完備的解剖信息。基于DTI的纖維束追蹤成像技術(fiber tractography，FT)能在活體上追蹤大腦纖維束的具體走向。該技術一誕生就引起了研究者的極大興趣。纖維束具體的追蹤算法[14-18]很多，總原則是先設定2個閾值：一個是體素FA值，一個是相鄰2個體素的主特征向量的方向夾角。在纖維束追蹤過程中，如果一個體素中的FA值小于預設的FA值則推測此體素不是白質，追蹤停止。如果下一個體素方向與上一個體素方向夾角超過設定的夾角閾值，則認為不是同一條纖維，追蹤也停止，否則一直追蹤下去，直到完成全腦的纖維追蹤。值得注意的是，基于DTI跟蹤技術與注射示蹤劑追蹤纖維方法意義是不完全一樣的，它僅表明水的擴散阻力最小的路徑。圖2(c)展示了一個被試的FT圖。

2 DTI在癲癇病中的應用

大腦中過量的神經元異常地超同步放電導致癲癇發作[19]。國際抗癲癇聯盟分別在1981年[20]、1989年和1997年對癲癇分類標準進行了劃分，總體來說根據大腦內放電源位置不同分成局灶性部分發作和全局性發作。全球約6 500萬癲癇患者中，近80%的患者生活在發展中國家。癲癇診斷的標準是不能自控的發作反復出現，并通過腦電儀EEG檢查可以記錄到癲癇特有的放電波形，包括棘波、尖波和棘慢波等[21-22]。致癇原因很多，主要包括腦外傷、中風、腦腫瘤、感染、藥物和酒精濫用及神經退行性疾病等，甚至閃爍的燈光和過度的換氣也可能誘發癲癇發作。使用抗癲癇藥物通?？梢钥刂瓢d癇，然而超過30%的癲癇患者服用抗癲癇藥物后也效果不佳，這時就可以考慮手術治療。

常規的DTI技術，如基于手繪感興趣區方法(region of interest，ROI)、基于體素分析的方法(voxel-based analysis，VBA)等能夠提供組織的微結構信息，利用發作前、發作后和發作間彌散圖像的定量和定性分析可以輔助定位癲癇發作灶。新興的基于FT的DTI可以進一步提供腦白質纖維的走向。這些技術可以促進研究者進一步了解癲癇對腦組織的影響，也可以進行癲癇術前指導。

2.1 基于手繪ROI的DTI方法

一些臨床經驗豐富的研究者，可以根據一些先驗知識利用一些工具軟件(例如DTI-Studio)直接在FA圖或MD圖上勾畫出研究的問題可能涉及的ROI，然后統計對比分析這些ROI中的FA或MD數值，可以發現實驗組(例如癲癇病人)和對照組(通常是年齡性別匹配的健康人)之間是否存在顯著的差異。在白質腦區的檢測結果中，如果FA 值與正常值比較沒有差異，說明纖維束走向較為一致，髓磷鞘發育完好；反之，如果FA 值較正常值降低，表明纖維的細微結構存在某種程度的損壞。手繪ROI的方法如圖3所示。

圖 3 手繪ROI方法示意圖

2005年，DUMAS等[23]對在常規磁共振下皮質異常的15例癲癇患者，采用基于ROI的方法評估了患者明顯異常的腦區及看似正常的大腦組織，發現遠離病變組織2～3 cm外的看似正常的白質其各向異性也顯著降低。組織學檢查發現這些區域存在隱匿性異常，如膠質細胞增生、浸潤性腫瘤細胞和軸突損失。這些研究結果表明，彌散成像可以用來識別在常規磁共振成像上看似正常的那些病理腦區，可以為醫生提供術前指導[7]。

手繪ROI受主觀因素的影響較大，不同人畫的ROI存在一定誤差，重復性不佳，在一定程度上影響研究的精確度；因此，在實際操作中，通常采用2～3名臨床專家繪制，然后進行平均處理。另外，大腦白質由許多不同方向的纖維束構成，不同部位的FA或MD值也不同；腦形狀的差別也會導致手畫ROI所在的大腦白質纖維束不同：因此，人群間橫向比較可能會產生很大誤差。由于手繪ROI受到先驗知識的約束，因此很難發現那些在先驗知識認知之外的腦區異常。鑒于手繪ROI存在上述缺點，于是誕生了基于全腦體素的VBA方法。

2.2 基于VBA的DTI方法

由于不同被試大腦存在個體差異，使用基于VBA的方法必須使不同被試大腦對應的體素點要一一對準；因此首先必須對采集來的原始圖像進行預處理，然后對預處理得到全腦FA/MD圖進行對比分析，最后確定有顯著差異的腦區。

預處理的具體做法是：由被試原始數據獲得全腦B0圖，然后利用自動分析工具軟件將B0圖與標準模板進行配準，獲得空間變化的標準化參數，利用這些參數對被試全腦的FA/MD圖進行空間變換，接著進行空間平滑，最后得到預處理后的全腦FA/MD圖。預處理流程如圖4所示。

對經過預處理后的數據(包括患者組和健康對照組)，用雙樣本t檢驗進行統計分析，找出患者與健康對照之間 FA/MD 值有顯著性差異的腦區。VBA技術克服了手繪ROI方法的主觀性，避免了臨床先驗信息的干擾，把全腦看作一個整體，通過分析 DTI 圖像中各區域 FA/MD 值的大小，來評價相應解剖結構的水分子彌散程度，并可進一步定量計算這些具有統計學差異區域的大小，進而客觀、全面地評價腦部異常變化。

圖 4 VBA預處理流程圖

2001年，Eriksson等[5]采用基于體素的DTI方法發現在皮質發育畸形區域內的FA值顯著降低而MD值增加，這可能表明組織定向性和細胞密度的相對損失。2006年，Salmenpera等[24]研究了頑固性局灶癲癇患者簡單發作后，彌散度的變化情況，發現平均彌散度MD值發作后下降。使用基于VBA的方法，發現這些彌散變化的空間分布是復雜的，推測參與癲癇發作的不是單一的發作灶，而是廣泛網絡。使用DTI研究發現，皮質發育畸形的癲癇患者海馬的FA值異常[25]。

基于VBA的方法較手繪ROI優點是明顯的，不需要臨床專家的手動繪制，避免了主觀因素的影響，基于全腦體素，可以發現那些存在問題且在先驗知識之外的腦區。大腦是一個復雜網絡，通過VBA的方法發現的僅是一些靜態的腦區，很難發現腦區之間的聯系。這就誕生了基于示蹤FT的方法。

2.3 基于FT的DTI方法

1994年，Basser等[26]發現可以使用磁共振測量水沿軸突方向的彌散，以這種方式可以對主要纖維束進行可視化。在白質纖維中，水分子受到髓鞘的束縛，更可能沿纖維束方向彌散，表現出很高的各向異性。利用這種各向異性，可以間接反映髓鞘或纖維束的完整性，也可以對白質纖維的走向進行追蹤，根據任意2個腦區的位置及它們之間的纖維束的連接情況，就可以構建大腦網絡[27]。DTI纖維追蹤技術構造結構網絡的具體方法流程圖如圖5所示。

2008年，Hagmann等[28]利用DTI技術分別構建了5個被試的998個ROI和66個腦區的加權解剖結構網絡，發現大腦網絡的傳輸中心主要位于楔前葉、后扣帶等皮層的內側區域。在2010年，Hagmann等[29]對2～18歲的被試進行了更深一步地研究，發現網絡的節點強度和效率隨著年齡的增加而增強，網絡模塊和Hub也會隨年齡增加而增加。

圖 5 DTI纖維追蹤技術構造結構網絡流程圖

通過DTI數據和相應的腦圖譜可以確定具體白質纖維束的體積、各向異性和連通性等定性和定量指標[30]。在一組受試者中，具體追蹤的纖維束也可以標準化，并結合生成圖譜重現一個給定的路徑或連接[16]。這些信息可以被用來定位和評估慢性癲癇對腦白質解剖病理生理的影響，包括較高級皮質功能(如語言和記憶)的結構重組。該技術也可用于研究白質解剖結構，可以幫助術前計劃，尤其在結合功能激活的情況下就更加有效[31-32]。

海馬硬化的難治性顳葉癲癇可以通過手術方法進行治療，但顳葉癲癇患者本來就可能伴有語言和選擇性記憶的偏側性紊亂，這些功能可能會由于手術切除而進一步受損[33-34]。DTI纖維束追蹤技術研究記憶相關的結構，發現單側顳葉癲癇患者雙側穹窿和扣帶回的纖維通路受損，具體表現是通路上平均彌散度MD值增加而部分各向異性FA值降低[35]。這些結果表明使用DTI纖維束追蹤技術可以對癲癇患者的認知功能(如記憶和語言)進行評估[7]。前側顳葉切除術可能導致高達10%的患者視野缺損[36]，常規的磁共振成像技術不能準確地預測術后視野缺損是否發生、發生的范圍程度，以及手術切除的范圍。2006年，Kituta等[37]對10個患者術前和術后進行纖維跟蹤，通過比較發現DTI的確能夠預測術前和術后視野缺損、視輻射之間的幾何關系和動靜脈畸形的幅度。同樣，其他研究也已經證實纖維束追蹤技術能有效地應用到腫瘤切除手術中[38]。

基于FT的DTI建構大腦的解剖結構網絡，可以發現癲癇患者的腦結構網絡的損傷。2009年，Vaessen 等[39]采用癲癇患者的彌散張量成像，重建了其腦的解剖結構網絡，發現癲癇患者的大腦結構網絡也具有“小世界”特性，但是其標準化聚類系數(聚類系數與對應的隨機網絡的比值)顯著增大，網絡表現出規則化的趨勢。Xue等[9]利用DTI纖維束追蹤技術重建了兒童失神癲癇患者的大腦白質解剖結構網絡，通過與同齡的正常兒童比較，發現失神患兒的網絡拓撲結構的連接性降低。Kim等[40]研究了19個兒童良性癲癇患者的認知異常和白質微結構之間的關系，發現患兒左腦白質微結構的改變造成認知功能異常，尤其是語言 IQ。2016年，Unterberger等[41]研究發現通過切開胼胝體阻止了棘慢波向對側半腦的播散，防止了癲癇全身性發作。2017年，Cooper 等[42]研究了166名腦癱兒童癲癇發作患者，通過腦彌散MRI掃描，發現白質損傷(WMI)可能引起癲癇的發作，大多數患者有良好的預后。這些發現對于診斷和藥物治療具有重要意義。

當然手繪ROI、基于體素的VBA和基于示蹤的FT 3種方法在癲癇研究中并不相互排斥，可以把3種方法綜合利用，并且結果之間也可相互進行驗證。

3 DTI在癲癇研究中的挑戰和展望

利用磁共振技術研究神經精神疾病是目前研究的熱點之一，在癲癇疾病的研究中還需要關注以下問題。

第一，抗癲癇藥物的影響。上述關于癲癇的DTI研究中通常都沒有考慮各種抗癲癇藥物(例如丙戊酸和傳統中藥)的影響，但已有研究表明這些抗癲癇藥物可能影響正常的神經功能，進一步造成認知損傷[43-44]。每個患者服用抗癲癇藥物的種類、數量及服藥時間長短不同，因此，在今后關于癲癇的彌散張量成像的研究中應該考慮如何排除這些因素的影響，這樣才會獲得更可信的結論。

第二，纖維束追蹤算法的問題。確定性追蹤算法在纖維“交叉” “分叉”和“接觸”等情況下，由于部分各向異性值的降低，可能出現一些問題：一些實際存在的纖維連接在追蹤時缺失；出現一些錯誤的連接；一些腦區之間的連接強度降低。為解決纖維追蹤中的上述問題，一些高級的纖維追蹤技術被考慮，例如彌散譜成像(diffusion spectrum imaging，DSI)、帶多纖維方向的Q球重建的高角度解析彌散成像(high angular resolution diffusion imaging， HARDI)，以及依據概率分布的概率追蹤算法[45- 46]。

第三，功能連接和結構連接融合問題。大腦結構是功能連接的基礎，功能是結構的外在表現。DTI主要用于大腦結構方面的研究，腦電(electroencephalograph，EEG)[47]、功能磁共振成像(functional magnetic resonance imaging，fMRI)[48]主要用于大腦功能的研究。這些成像方法具有各自特點：EEG圖像的時間分辨率很高，但空間分辨率很低；fMRI圖像正好相反，空間分辨率很高，但時間分辨率很低；DTI圖像則可以提供更明確的腦區結構信息。這三者融合正好可以取長補短，發揮“1+1+1>3” 的功效。對于癲癇來說，在EEG、fMRI和DTI上多模態數據的采集、分析、處理和更深度的融合對癲癇診斷、治療、致癇灶定位及病理生理的研究都有指導意義?，F在功能連接和結構連接融合技術在磁共振研究領域剛剛興起，融合方法還比較簡單，需要進一步完善[49]。

第四，大腦信息傳遞方向問題。DTI研究并不能提供大腦腦區中的信息流向。效應連接是用來對大腦腦區間信息傳遞方向進行刻畫的主要手段，如何進行效應連接值得研究，但是刻畫有效連接的方法還十分有限。Granger因果模型(granger causality modeling，GCM)[50]和動態因果模型(dynamic causal modeling，DCM)[51]是2種主要方法。一個腦區的激活可能導致與其連接的其他腦區的激活水平的變化，DCM使用雙線性的微分方程組來近似描述大腦這個非線性系統。DCM對實驗設計要求較高，需要一定的先驗知識。GCM也把大腦看成有因果關系的非線性動力系統，但它可以完全依賴數據驅動，對實驗設計要求不高。對于癲癇來說，如何把DCM/GCM與DTI的方法結合起來，建立腦區之間的效應連接對于分析癲癇放電的起源和傳播路徑、理解癲癇的生理病理機制有非常重要的作用。如何對癲癇發作前后一些腦區彌散變化進行解釋，仍然有很多問題需要解決。