连接显微镜到扩散MRI与退化的生物物理模型:贝叶斯估计变化框架 (BENCH) 的应用
Daniel Z L Kor1, Hossein Rafipoor1, Istvan N Huszar1
1Wellcome Centre for Integrative Neuroimaging, FMRIB, Nuffield Department of Clinical Neurosciences, University of Oxford, Oxford, United Kingdom.
Imaging neuroscience (Cambridge, Mass.)
|August 13, 2025
概括
贝叶斯变化估计 (BENCH) 框架解释了扩散MRI信号的变化,而不需要复杂的模型拟合. 它将微结构组织特性与dMRI信号联系起来,揭示了对大脑白质变化的洞察力.
科学领域:
- 神经成像是一种神经成像.
- 生物物理学的生物物理.
- 计算神经科学是一种神经科学.
背景情况:
- 扩散核磁共振 (dMRI) 模型可以估计大脑组织的微观结构,但由于许多未知参数,它们往往处于不良位置.
- 解释dMRI信号变化需要稳健的方法,避免对条件不佳的模型进行直接参数拟合.
研究的目的:
- 调整贝叶斯变化估计 (BENCH) 框架,用于解释与连续生物变量相关的dMRI信号变化.
- 调查dMRI模型参数与白质微观结构 (包括质细胞) 的组织学测量之间的关系.
主要方法:
- 使用BENCH框架分析dMRI信号变化与连续变量相关.
- 采用了扩展的dMRI白质模型,其中包含了质细胞的球形容器.
- 使用合成的dMRI数据验证了这一方法,并将其应用于与相关显微镜度量的ex-vivo大脑数据.
主要成果:
- 发现,肌髓密度增加与轴心内体积分数增加有关.
- 观察到,由髓衍生的导向分散变化与dMRI导向分散指数变化有关.
- 确定dMRI信号对质细胞负荷敏感,但没有单个模型参数完全解释了这种敏感性.
结论:
- 本奇框架有效地解释了与连续的微结构变量相关的DMRI信号变化,而无需模型反转.
- 这项研究为dMRI信号变化的微观结构基础提供了新的见解.
- 强调dMRI对质细胞存在的敏感性及其与标准模型参数关系的复杂性.
