分享:
分享到微信朋友圈
X
综述
基于弥散张量成像的脑白质微结构分析方法在视路损伤中的应用进展
王好玉 王鹏 向述天

Cite this article as: Wang HY, Wang P, Xiang ST. Research progress of white matter microstructure analysis methods based on diffusion tensor imaging in visual pathway injury[J]. Chin J Magn Reson Imaging, 2022, 13(1): 147-150.本文引用格式:王好玉, 王鹏, 向述天. 基于弥散张量成像的脑白质微结构分析方法在视路损伤中的应用进展[J]. 磁共振成像, 2022, 13(1): 147-150. DOI:10.12015/issn.1674-8034.2022.01.034.


[摘要] 视觉通路包括视神经、视交叉、视束、视放射及视皮质。常规磁共振检查技术难以发现视路损伤后白质纤维微结构改变,眼科学检查也存在一定的局限性及主观性,且不能探测后视路的变化。弥散张量成像(diffusion tensor imaging,DTI)作为一种新兴的磁共振成像技术,通过各种后处理分析方法结合不同的参数进行分析,可提供组织的微结构信息,并能够直观显示活体白质纤维束,在无创地探索疾病的神经病理机制、评估预后方面起着重要的作用。近年来随着DTI后处理方法的不断创新,其在视路损伤中的研究越来越多。本文在介绍DTI的主要参数及常见脑白质微结构分析方法的同时,阐述了其在视路损伤研究中的应用,并进一步对各种分析方法的优缺点进行总结。
[Abstract] The visual pathway includes optic nerve, optic chiasma, optic tract, optic radiation and visual cortex. Conventional MRI can't detect the change of microstructure, and the ophthalmology examination also has certain subjectivity and limitations that can't detect the changes of posterior visual pathway. As an emerging technology, diffusion tensor imaging (DTI) can provide microstructure information and visually display white matter fiber bundles in vivo through various post-processing analysis methods combined with different parameters. It plays an important role in non-invasive exploration of neuropathological mechanisms of diseases and prognosis assessment. Recently, with the innovation of post-processing analysis methods, DTI is more and more widely used in visual pathway injury. This review introduces analysis methods of white matter fiber bundle microstructure based on DTI and its application in visual pathway injury.
[关键词] 弥散张量成像;白质;视路损伤;基于体素的分析;纤维追踪;基于纤维束的空间统计分析;基于Fixel分析
[Keywords] diffusion tensor imaging;white matter;visual pathway injury;voxel-based analysis;fiber tracking;tract-based spatial statistics;Fixel-based analysis

王好玉    王鹏    向述天 *  

云南大学附属医院(云南省第二人民医院,云南省眼科医院)放射科,昆明 650000

向述天,E-mail:xiangshutian@sina.com

全体作者均声明无利益冲突。


基金项目: 云南省科技厅-昆明医科大学联合专项基金-面上项目 202001AY070001-088 昆明医科大学研究生创新基金 2021S285
收稿日期:2021-09-23
接受日期:2021-12-21
中图分类号:R445.2  R774.7 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.01.034
本文引用格式:王好玉, 王鹏, 向述天. 基于弥散张量成像的脑白质微结构分析方法在视路损伤中的应用进展[J]. 磁共振成像, 2022, 13(1): 147-150. DOI:10.12015/issn.1674-8034.2022.01.034

       视觉通路包括视神经、视交叉、视束、视放射、视皮质,是视觉信息传导的通路,不同的部位受损会出现不同类型的视力损害[1, 2]。弥散张量成像(diffusion tensor imaging,DTI)能无创显示活体白质纤维束走行方向,已广泛运用于视路损伤的研究,但脑白质微结构分析方法却多种多样且各具优缺点。本文旨在对目前运用于视路损伤的各种白质微结构分析方法进行综述。

1 弥散张量成像技术的简介

       1994年,Basser等[3]最早论述了弥散张量成像的原理,通过施加多个(至少6个)不共面的弥散敏感梯度脉冲来探测活体内水分子的运动状态,即可获得组织的弥散张量信息,进而还原白质纤维束走行方向,提供组织微结构特性。DTI主要的量化指标有平均弥散率(mean diffusivity,MD)、各向异性分数(fractional anisotropy,FA)、轴向弥散率(axial diffusivity,AD)、径向弥散率(radial diffusivity,RD),这些指标能够反映白质纤维束结构完整性及髓鞘化程度。DTI的其他的参数包括了纤维密度(fiber density,FD)[4]、纤维横截面积(fiber cross-section,FC)[4]、纤维密度和纤维横截面积(fiber density and cross-section,FDC)[4],这些指标的变化反映了白质纤维束宏观结构上的改变[5]

2 基于DTI的脑白质微结构分析方法在视路损伤研究中的应用

       DTI的分析方法主要包括:(1)基于感兴趣区(region of interest,ROI)的分析方法(包括手绘ROI和基于公共图谱的提取);(2)基于纤维束的分析,主要包括了确定性纤维追踪及概率性纤维追踪;(3)基于体素的分析方法,主要有传统的基于体素分析(voxel-based analysisi,VBA)和基于纤维束的空间统计分析(tract-based spatial statistics,TBSS);(4)基于网络的分析;(5)其他分析方法,如基于Fixel的分析(Fixel-based analysis,FBA)。这些分析方法是研究白质纤维束损伤的重要工具,能够提高人们对白质纤维束损伤神经病理机制的理解与认识。

2.1 基于ROI的分析方法

       基于ROI的分析是以感兴趣的区域为研究对象,计算其内相关指标的均值。该分析方法的分析过程非常直观,且目的性强、容易实现、结果易于理解。但手动圈化ROI存在一定的主观性,因而复现性差[6],在一定程度上影响了结果的可信度。同时,该方法受先验知识的影响,难以发现先验知识外的异常情况;仅对ROI内部的参数值进行简单的平均分析,只能观察该ROI整体层面的情况,无法确定其内部更小的ROI中是否存在异常体素。并且该方法是在感兴趣的纤维上取点,不能代表整条纤维束的情况。

       张小辉等[7]通过在视放射区上下连续3个层面两侧对称的区域手动圈化ROI对视神经脊髓炎患者的视放射进行研究,发现患者双侧视放射的FA值减低,而MD值升高,这表明患者视放射的白质纤维存在隐匿性损伤。田勤等[8]利用相同的分析方法对糖尿病视网膜病变患者的视神经进行研究,发现患者双侧视神经在早期即可出现FA值减低,MD值的升高,有助于临床对糖尿病视网膜病变的患者进行筛查。综上,利用基于ROI分析可以得到感兴趣区域白质微结构变化,结合临床资料进行分析有助于视路损伤患者的早期诊断,并能增加对疾病病理生理机制的认识[7, 8, 9, 10, 11]

2.2 整体纤维束的分析方法

       整体纤维束的分析方法是利用白质纤维追踪重建出感兴趣的纤维束,然后把其当作整体进行研究。纤维追踪的过程分为3步,分别是选取种子点,传播和停止。该方法主要包括了确定性纤维追踪和概率性纤维追踪。前者假定每个体素内纤维束的走行方向是单一的,因此每个种子点只有唯一路径[12];后者是将体素中向量主方向的分布都考虑进来,以表征体素内纤维走向的不确定性[13]。上述两种方法各有优缺点。前者对数据要求较低、计算高效,显示直观,但追踪过程易受噪声的干扰,且无法解决纤维交叉的问题。后者因降低了噪声和部分容积效应的影响,提高了结果的准确性,并且在一定程度上解决了纤维交叉的问题;但此方法得到的是体素间存在纤维连接的可能性,不能直观地显示神经纤维走向;同时该方法对数据要求相对较高且计算工作量庞大,耗时长。综上,整体纤维束的分析方法能直观显示白质纤维束的走行和连接状况,同时避免了基于ROI分析方法的缺点,但得到的是纤维束整体的弥散信息,忽略了纤维内部的结构变化,潜在的感兴趣特性可能消失,因此该方法比较粗略。

       Jang等[14]利用确定性纤维追踪技术研究蛛网膜下腔出血患者视野缺损的机制,通过在外侧膝状体勾画种子点,在视放射的中间部分勾画目标点,进行纤维束的追踪,结果显示蛛网膜下腔出血患者视放射FA降低,ADC增大,提示视放射发生脱髓鞘,蛛网膜下腔出血患者出现视力障碍可能是由于视放射损伤引起的。Wu等[15]利用概率性纤维追踪技术研究眶内占位性病变患者视神经微结构的变化,研究结果显示患侧视神经的FA值较正常侧降低,AD、MD、RD均升高,提示概率性纤维追踪技术能提供视神经损伤的定量信息。综上,利用脑白质纤维追踪技术,能够无创还原出白质纤维束走向,再结合相关参数的分析,能够帮助人们深入了解并直观显示白质微观结构的变化[14, 15, 16, 17, 18]

2.3 基于体素的分析方法

2.3.1 VBA

       VBA是一种通过图像配准进行全脑体素分析的方法,分析过程包括空间标准化,图像的平滑以及统计分析等步骤。VBA与基于ROI的分析方法相比,它克服了基于ROI分析带来的主观偏差或操作误差[6]。通过配准的方式对全脑的体素进行一一对应和分析,分析范围细化到了每一个体素,定位更准确;同时跳出了先验知识的局限,可发现未知的病变脑区。但VBA也有一定的缺点,配准和平滑核的选择对其影响很大,存在一定误差,不能确定是真实存在差异还是由于配准所带来的误差,因而目前已较少使用。

       利用VBA对视路损伤患者进行分析,可以发现病变脑区,再结合相关的临床资料,可以对疾病的严重程度进行评估[19, 20]。Dai等[20]利用VBA的分析方法对原发性开角型青光眼患者进行全脑体素研究,结果显示患者视交叉及双侧视放射的FA值显著降低,视放射的RD值升高,且青光眼患者的临床分期与视交叉FA值呈负相关,与视放射RD值呈正相关,这提示DTI的相关参数能够作为疾病严重程度的非侵入性标志物。

2.3.2 TBSS

       TBSS是2006年由Smith等[21]为了克服VBA方法中配准误差和平滑核选择的问题而提出的一种基于白质骨架的空间统计方法。分析过程包括了空间标准化,白质骨架的提取及统计分析等步骤。TBSS提出利用纤维束中心来代替纤维束的方法,即利用白质骨架来进行配准,这减少了配准对分析结果的影响,与VBA的方法相比减少了图像配准精度的要求[22],并且不必进行空间平滑,统计能力也有所提高。但同时,TBSS也存在一定的缺点,由于它将纤维束进行骨架化处理,破坏了弥散参数与真实解剖结构之间的对应关系,使最终的结果难以解释,并且它无法对特定的纤维束进行分析。除此之外,由于TBSS允许白质骨架在纤维交叉的区域不连续,因此在纤维束交叉区域无法进行精准分析[23]

       利用TBSS的方法对视路损伤患者进行研究,能够发现先验知识外脑白质纤维的损伤,有助于视路损伤患者神经病理机制认识[24, 25, 26, 27]。Li等[27]利用TBSS研究屈光参差性弱视患者大脑白质的变化,结果显示弱视患者的右视放射、左下纵束/额枕下束和右上纵束的FA值显著降低,且与视力呈正相关,提示屈光参差性弱视患者不仅视觉信息传导通路发生了变化,而且损害与背侧和腹侧视觉通路相关的神经束,这可能是造成物体辨别和立体视觉弱视的原因。

2.3.3 FBA

       FBA是2015年由Raffel等[28]提出的用于评估大脑中白质纤维束形态学的方法。分析步骤包括:(1)估算纤维取向分布;(2)构建纤维取向分布模板;(3)计算个体的Fixel、FD、FC;(4) Fixel空间对应;(5)统计分析。传统的分析方法得到的是该体素中纤维束微结构特性的均值,而一个白质体素一般具有多个不同特定功能的白质纤维束,因此该定量度量并不具有特异性[29],甚至可能因为存在方向相差很大的纤维群组,导致得到错误的结果。与传统的基于体素的分析方法相比,FBA能很好地解决纤维交叉的问题。与TBSS方法相比,该方法可以在全脑中进行分析,并不局限于白质骨架。同时,FBA通过FD、FC、FDC对白质纤维束的宏观结构进行评估,通过与其他分析方法联合使用,可以从宏观和微观的角度对白质结构特性进行全面的评估。

       之前视路损伤的研究是对大脑白质微结构改变进行探索,FBA方法提出后使得白质纤维束宏观结构改变的研究成为可能[30, 31, 32]。Haykal等[31]利用FBA对原发性开角型青光眼患者的视路进行研究,结果显示原发性开角型青光眼患者视束的FC、FD值降低,而视放射只有FD值降低,FC值较对照组无明显差异。这些结果表明原发性开角型青光眼患者的视束表现出比视放射更严重的变性,这提示顺行跨突触传播是青光眼视路损伤的主要原因。

2.3.4 基于脑网络的分析

       基于DTI的脑结构网络研究是把大脑皮层分为不同的功能区,获取不同区域之间的结构连接网络,利用图论的分析方法分析不同区域的网络拓扑属性。脑结构网络是大脑结构连接的映射,相较于传统的DTI分析方法关注局部脑区损伤,脑结构网络分析方法偏向于将结构损伤信息在全脑进行整合,力图探索疾病对于全脑结构连接的影响。

       此方法为研究患者大脑功能连接改变提供了结构理论基础,为进一步揭示疾病发生的神经病理机制奠定基石[33, 34, 35]。李丹等[34]利用基于图论的分析方法对原发性闭角型青光眼患者脑白质结构网络进行研究,发现青光眼患者脑网络具有小世界属性,且除视觉相关脑区外,情感、认知相关脑区局部属性也存在异常,表明青光眼不仅是一种眼科疾病,同时也会影响全脑多个脑区。

3 小结与展望

       DTI作为目前唯一能够无创显示活体纤维束走行方向的成像技术,利用不同的分析方法能够有效探索视路白质纤维束的损伤模式。随着脑科学研究的不断深入,针对不同难题及不同技术的缺点,DTI后处理分析方法也不断推陈出新,从描述特定白质纤维束组织特性改变(着重于观察局部损伤)到研究不同脑区之间拓扑属性变化(着重于全脑结构连接改变),DTI分析方法的不断发展和改进,不仅提升了DTI应用的广度和深度,而且愈发突显其在视路损伤研究中的重要价值。目前无论是DTI的何种分析方法,都具有一定的优点,如基于ROI分析方法是对ROI内的白质微结构进行综合性分析,简单直观;基于整体纤维束的分析方法,能直观显示白质纤维束走向;VBA分析方法对全脑体素进行整体性分析,客观全面;TBSS针对白质骨架上的微结构特性进行分析,降低了配准和平滑带来的误差;FBA分析方法针对交叉纤维,以新的角度来评估白质纤维束的宏观结构;基于脑网络的分析是将不同结构损伤信息进行全脑整合,力图探索疾病对于全脑网络连接的影响。但同时这些分析方法也普遍存在一些问题,比如:除手动圈选ROI分析方法以外,其他的结果均受配准技术的限制;除了FBA分析方法,其他方法未考虑到纤维束层面等。可见对于视路损伤的研究,多种DTI分析方法的联合使用以及更为优异的后处理技术的开发和应用是今后的发展方向。

[1]
Solli E, Turbin RE. Primary and Secondary Optic Nerve Sheath Meningioma[J]. J Neurol Surg B, 2021, 82(1): 27-71. DOI: 10.1055/s-0041-1723801.
[2]
刘娜, 赵建华, 张龙, 等. 急性孤立性枕叶脑梗死患者治疗前后的视野缺损变化[J].中华眼底病杂志, 2020, 36(4): 275-279. DOI: 10.3760/cma.j.cn511434-20200110-00011.
Liu N, Zhao, JH, Zhang L, et al. Changes of visual field defect in patients with acute solitary occipital lobe cerebral infarction before and after treatment[J]. Chin J Ocul Fundus Dis, 2020, 36(4):275-279. DOI: 10.3760/cma.j.cn511434-20200110-00011.
[3]
Basser P, Mattiello J, Lebihan D. MR diffusion tensor spectroscopy and imaging[J]. Biophysical Journal, 1994, 66(1): 259-267. DOI: 10.1016/S0006-3495(94)80775-1.
[4]
Raffelt D, Tournier J, Rose S, et al. Apparent Fibre Density: a novel measure for the analysis of diffusion-weighted magnetic resonance images[J]. NeuroImage, 2012, 59(4): 3976-3794. DOI: 10.1016/j.neuroimage.2011.10.045.
[5]
Raffelt D, Tournier J, Smith R, et al. Investigating white matter fibre density and morphology using fixel-based analysis[J]. Neuroimage, 2017, 144: 58-73. DOI: 10.1016/j.neuroimage.2016.09.029.
[6]
陈宇, 吴明祥, 陈文娇, 等. 运用TBSS技术对梗死后抑郁症患者的扩散张量成像研究[J].磁共振成像, 2018, 9(4): 253-257. DOI: 10.12015/issn.1674-8034.2018.04.003.
Chen Y, Wu MX, Chen WJ, et al. Study of diffuse tensor imaging in patients with PSD based on TBSS technique[J]. Chin J Magn Reson Imaging, 2018, 9(4): 253-257. DOI: 10.12015/issn.1674-8034.2018.04.003.
[7]
张小辉, 李咏梅, 曾春, 等. 视神经脊髓炎视放射损伤与视力损伤相关性的DTI研究[J].中国医学计算机成像杂志, 2017, 23(6): 499-503. DOI: 10.3969/j.issn.1006-5741.2017.06.002.
Zhang XH, Li YM, Zeng C, et al. Study of the Relationship between Optic Radiation and Visual Impairment[J]. Chin Comput Med Imag, 2017, 23(6): 499-503. DOI: 10.3969/j.issn.1006-5741.2017.06.002.
[8]
田勤, 史大鹏, 郭慧丽, 等. 糖尿病视神经病变磁共振扩散张量成像诊断价值探讨[J]. 磁共振成像, 2012, 3(1): 12-14. DOI: 10.3969/j.issn.1674-8034.2012.01.004.
Tian Q, Shi DP, Guo HL, et al. Study of magnetic resonance diffusion tensor imaging in diabetic optic neuropathy[J]. Chin J Magn Reson Imaging, 2012, 3(1):12-14. DOI: 10.3969/j.issn.1674-8034.2012.01.004.
[9]
Zhang Y, Guo X, Wang M, et al. Reduced Field-of-View Diffusion Tensor Imaging of the Optic Nerve in Retinitis Pigmentosa at 3T[J]. AJNR Am J Neuroradiol, 2016, 37(8): 1510-1515. DOI: 10.3174/ajnr.A4767.
[10]
谭志, 黄蓉, 郭庆, 等. 磁共振扩散张量及3D-OCT对高眼压症患者视路的初步研究[J]. 国际眼科杂志, 2020, 20(8): 1443-1447. DOI: 10.3980/j.issn.1672-5123.2020.8.32.
Tan Z, Huang R, Guo Q, et al. Preliminary study of visual pathway in ocular hypertension patients using magnetic resonance diffusion tensor and 3D-OCT[J]. International Eye Science, 2020, 20(8): 1443-1447. DOI: 10.3980/j.issn.1672-5123.2020.8.32.
[11]
吴叶红, 王曦琅. 屈光参差性弱视与斜视性弱视患儿视放射发育情况对比研究:基于扩散张量成像检查[J]. 眼科新进展, 2021, 41(4): 346-349. DOI: 10.13389/j.cnki.rao.2021.0072.
Wu YH, Wang XL. Comparison of optic radiation between anisometropic and strabismic amblyo-piabased on diffusion tensor imaging[J]. Recent Advances in Ophthalmology, 2021, 41(4):346-349. DOI: 10.13389/j.cnki.rao.2021.0072.
[12]
冯婷, 赵书俊, 聂彬彬, 等. 扩散磁共振成像纤维束追踪算法的研究进展[J]. 中国医学影像学杂志, 2019, 27(5): 393-396, 400. DOI: 10.3969/j.issn.1005-5185.2019.05.018.
Feng T, Zhao SJ, Nie BB, et al. Research progress in fiber tracking algorithms for diffusion magnetic resonance imaging[J]. Chin J Med Imag, 2019, 27(5): 393-396, 400. DOI: 10.3969/j.issn.1005-5185.2019.05.018.
[13]
O'Donnell LJ, Golby AJ, Westin CF, et al. Fiber clustering versus the parcellation-based connectome[J]. Neuroimage, 2013, 80: 283-289. DOI: 10.1016/j.neuroimage.2013.04.066.
[14]
Jang SH, Chang CH, Jung YJ, et al. Optic radiation injury in patients with aneurismal subarachnoid hemorrhage: A preliminary diffusion tensor imaging report[J]. Neural Regen Res, 2018, 13(3): 563-566. DOI: 10.4103/1673-5374.228763.
[15]
Wu C, Duan S, Mu X, et al. Assessment of optic nerve and optic tract alterations in patients with orbital space-occupying lesions using probabilistic diffusion tractography[J]. Int J Ophthalmol, 2019, 12(8): 1304-1310. DOI: 10.18240/ijo.2019.08.11.
[16]
Takemura H, Ogawa S, Mezer A, et al. Diffusivity and quantitative T1 profile of human visual white matter tracts after retinal ganglion cell damage[J]. Neuroimage Clin, 2019, 23: 101826. DOI: 10.1016/j.nicl.2019.101826.
[17]
Rutland J, Padormo F, Yim C, et al. Quantitative assessment of secondary white matter injury in the visual pathway by pituitary adenomas: a multimodal study at 7-Tesla MRI[J]. J Neurosurg, 2019, 132(2): 333-342. DOI: 10.3171/2018.9.JNS182022.
[18]
Miller N, Liu Y, Krivochenitser R, et al. Linking neural and clinical measures of glaucoma with diffusion magnetic resonance imaging (dMRI)[J]. PLoS One, 2019, 14(5): e0217011. DOI: 10.1371/journal.pone.0217011.
[19]
Li Q, Jiang Q, Guo M, et al. Grey and white matter changes in children with monocular amblyopia: voxel-based morphometry and diffusion tensor imaging study[J]. Br J Ophthalmol, 2013, 97(4): 524-529. DOI: 10.1136/bjophthalmol-2012-302218.
[20]
Dai H, Yin D, Hu C, et al. Whole-brain voxel-based analysis of diffusion tensor MRI parameters in patients with primary open angle glaucoma and correlation with clinical glaucoma stage[J]. Neuroradiology, 2013, 55(2): 233-43. DOI: 10.1007/s00234-012-1122-9.
[21]
Smith S, Jenkinson M, Johansen-Berg H, et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data[J]. Neuroimage, 2006, 31(4): 1487-505. DOI: 10.1016/j.neuroimage.2006.02.024
[22]
Bach M, Laun F, Leemans A, et al. Methodological considerations on tract-based spatial statistics (TBSS)[J]. NeuroImage, 2014, 100: 358-69. DOI: 10.1016/j.neuroimage.2014.06.021.
[23]
Smith S, Jenkinson M, Johansen-Berg H, et al. Tract-based spatial statistics: voxelwise analysis of multi-subject diffusion data[J]. NeuroImage, 2006, 31(4): 1487-505. DOI: 10.1016/j.neuroimage.2006.02.024.
[24]
Zikou A, Kitsos G, Astrakas L, et al. Pseudoexfoliation syndrome without glaucoma: White matter abnormalities detected by conventional MRI and diffusion tensor imaging[J]. Eur J Radiol, 2018, 99: 82-87. DOI: 10.1016/j.ejrad.2017.12.019.
[25]
Bridge H, Coullon G, Morjaria R, et al. The Effect of Congenital and Acquired Bilateral Anophthalmia on Brain Structure[J]. Neuroophthalmology, 2021, 45(2): 75-86. DOI: 10.1080/01658107.2020.1856143.
[26]
Wu Q, Hu H, Chen W, et al. Morphological and microstructural brain changes in thyroid-associated ophthalmopathy: a combined voxel-based morphometry and diffusion tensor imaging study[J]. J Endocrinol Invest, 2020, 43(11): 1591-1598. DOI: 10.1007/s40618-020-01242-4.
[27]
Li Q, Zhai LY, Jiang QY, et al. Tract-based spatial statistics analysis of white matter changes in children with anisometropic amblyopia[J]. Neurosci Lett, 2015, 597: 7-12. DOI: 10.1016/j.neulet.2015.04.027.
[28]
Raffelt D, Smith R, Ridgway G, et al. Connectivity-based fixel enhancement: Whole-brain statistical analysis of diffusion MRI measures in the presence of crossing fibres[J]. NeuroImage, 2015, 117: 40-55. DOI: 10.1016/j.neuroimage.2015.05.039.
[29]
Jeurissen B, Leemans A, Tournier J, et al. Investigating the prevalence of complex fiber configurations in white matter tissue with diffusion magnetic resonance imaging[J]. Hum Brain Mapp, 2013, 34(11): 2747-2766. DOI: 10.1002/hbm.22099.
[30]
Haykal S, Jansonius NM, Cornelissen FW. Investigating changes in axonal density and morphology of glaucomatous optic nerves using fixel-based analysis[J]. Eur J Radiol, 2020, 133:109356. DOI: 10.1016/j.ejrad.2020.109356.
[31]
Haykal S, Curcic-Blake B, Jansonius NM, et al. Fixel-Based Analysis of Visual Pathway White Matter in Primary Open-Angle Glaucoma[J]. Invest Ophthalmol Vis Sci, 2019, 60(12): 3803-3812. DOI: 10.1167/iovs.19-27447.
[32]
Haykal S, Jansonius N, Cornelissen F. Progression of Visual Pathway Degeneration in Primary Open-Angle Glaucoma: A Longitudinal Study[J]. Front Hum Neurosci, 2021, 15: 630898. DOI: 10.3389/fnhum.2021.630898.
[33]
刘肖艳, 邹艳, 江婷, 等. 基于DTI的视神经脊髓炎谱系疾病患者脑结构网络的拓扑属性改变研究[J]. 中华神经医学杂志, 2018, 17(5): 475-479. DOI: 10.3760/cma.i.issn.1671-8925.2018.05.008.
Liu XY, Zou Y, Jiang T, et al. Changes in topological properties of brain structural network in patients with neuromyelitis optica spectrum disorder based on diffusion tensor imaging[J]. Chin J Neuromed, 2018, 17(5): 475-479. DOI: 10.3760/cma.i.issn.1671-8925.2018.05.008.
[34]
李丹, 周福庆, 刘海萍, 等. 基于图论方法分析原发性闭角型青光眼患者大脑结构网络的拓扑属性[J]. 中华放射学杂志, 2018, 52(7): 489-494. DOI: 10.3760/cma.j.issn.1005-1201.2018.07.001.
Li D, Zhou FQ, Liu HP, et al. The topological properties of brain structural network based on diffusion tensor imaging in primary angle-closure glaucoma patients: a graph theoretical analysis[J]. Chin J Radiol, 2018, 52(7): 489-494. DOI: 10.3760/cma.j.issn.1005-1201.2018.07.001.
[35]
Di Ciò F, Garaci F, Minosse S, et al. Reorganization of the structural connectome in primary open angle Glaucoma[J]. Neuroimage Clin, 2020, 28: 102419. DOI: 10.1016/j.nicl.2020.102419.

上一篇 磁共振成像技术在帕金森病震颤诊断及脑刺激治疗中的研究进展
下一篇 磁共振定量磁敏感图在中枢神经系统的研究进展
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2