胡 迪，張 苗，康惠穎，彭 蕓

(首都醫(yī)科大學(xué)附屬北京兒童醫(yī)院影像中心，國(guó)家兒童醫(yī)學(xué)中心，北京 100045)

大腦發(fā)育是一個(gè)動(dòng)態(tài)復(fù)雜的過(guò)程，成人和兒童的腦組織存在明顯差異。腦實(shí)質(zhì)含水量的變化和髓鞘化的形成是導(dǎo)致差異的主要因素。髓鞘化始于胚胎第5個(gè)月，新生兒、嬰兒期發(fā)展最快，2歲后速度變慢接近成人，但持續(xù)至18歲甚至終身。神經(jīng)系統(tǒng)結(jié)構(gòu)和功能的構(gòu)建是一個(gè)有序、統(tǒng)一，但又不均勻且脆弱的過(guò)程。在此過(guò)程中任何干擾神經(jīng)系統(tǒng)形成的因素均可導(dǎo)致神經(jīng)系統(tǒng)疾病及精神方面的障礙[1-7]。

近年來(lái)隨著磁共振成像(magnetic resonance image, MRI)中的彌散張量成像(diffusion tensor imaging, DTI)技術(shù)的不斷成熟，兒童神經(jīng)軸索、髓鞘的發(fā)育狀況研究得以深入開(kāi)展。國(guó)內(nèi)外兒童腦發(fā)育DTI研究均已表明，DTI較常規(guī)MRI可以更為敏感地顯示腦發(fā)育遲緩兒童腦白質(zhì)的變化，2011年Oishi等[8]基于美國(guó)NIPHD(normal brain development, pediatric MRI data repository)數(shù)據(jù)庫(kù)推出了解剖及DTI兩種模態(tài)新生兒腦模板，但中國(guó)0～2 歲的正常模板仍然是空白?，F(xiàn)今建立腦模板主要以結(jié)構(gòu)和功能兩大模態(tài)為主。結(jié)構(gòu)模板主要基于大量正常被試MRI數(shù)據(jù)，在配準(zhǔn)變換平均后得到相應(yīng)統(tǒng)計(jì)模板，可以清晰顯示大腦內(nèi)部解剖結(jié)構(gòu)，并廣泛應(yīng)用于多種MRI醫(yī)學(xué)影像分析處理平臺(tái)。功能模板主要為DTI模板，該模板主要以白質(zhì)纖維束走行分析為主。本研究所創(chuàng)建模板即為DTI模板，主要體現(xiàn)0～2 歲中國(guó)兒童大腦白質(zhì)纖維發(fā)育微結(jié)構(gòu)變化。

1 資料與方法

1.1 入選標(biāo)準(zhǔn)

選擇北京兒童醫(yī)院2017年至2018年0～2歲需要行頭顱MRI的嬰幼兒為研究對(duì)象。

入選標(biāo)準(zhǔn)：(1)足月順產(chǎn)，無(wú)母體孕期疾病(妊高癥、糖尿病等)、宮內(nèi)缺血缺氧、頭顱外傷、顱內(nèi)感染、顱內(nèi)手術(shù)病史，及無(wú)精神疾患家族史；(2) 由神經(jīng)內(nèi)科醫(yī)生臨床查體無(wú)神經(jīng)系統(tǒng)癥狀及任何有明確理論依據(jù)支持可以引起顱內(nèi)病變的慢性疾病；(3)由高年資影像科醫(yī)師評(píng)估常規(guī)核磁頭顱檢查未見(jiàn)顱內(nèi)占位及先天畸形；(4)由智力測(cè)評(píng)室經(jīng)Gesell發(fā)育診斷量表(Gesell developmeatal scale, GDS)評(píng)估，運(yùn)動(dòng)和認(rèn)知符合正常的0～2 歲嬰幼兒。

本研究開(kāi)始前已獲得首都醫(yī)科大學(xué)附屬北京兒童醫(yī)院醫(yī)學(xué)倫理委員會(huì)審查批準(zhǔn)，所有入組患兒均由其法定監(jiān)護(hù)人簽署知情同意書(shū)。

根據(jù)年齡分為6 組(A組：1 d～1.5個(gè)月，B組：1.5～4.5個(gè)月，C組：4.5～9.0個(gè)月，D組：9～15個(gè)月,E組：15～21個(gè)月，F(xiàn)組：21～24個(gè)月)，各組男女比例約為0.7 ∶1。按每組20 例，共120 例。

1.2 磁共振掃描

檢查前測(cè)量被試者體質(zhì)量，不能自然入睡患兒口服10%(質(zhì)量分?jǐn)?shù))水合氯醛鎮(zhèn)靜(0.3～0.4 mL/kg，最大劑量不超過(guò)10 mL)。

采用Philip Achieva 3T MRI，八通道頭部線圈，受檢者取仰臥位，頭部平放，將掃描中心定位在眉心，專用耳罩屏蔽噪音。全腦三維解剖像掃描采用矢狀位3DTFE序列，TR/TE 為8.3 ms /8.3 ms。矩陣180×180，視野180 mm×200 mm×160 mm，層厚1 mm，層距0 mm，連續(xù)獲取矢狀面圖像,覆蓋全腦。DTI數(shù)據(jù)采集單次激發(fā)自旋回波平面序列在平行于前后聯(lián)合線平面掃描得到彌散加權(quán)成像。矩陣126×126，視野256 mm×256 mm，層厚2.0 mm,層間距0 mm, TR為7 960 ms, TE為83 ms，共掃描70個(gè)連續(xù)層面，彌散敏感梯度方向32個(gè)，彌散敏感系數(shù)b=1 000 s/mm2。軸位T2WI序列，TR/TE為4 000 ms/80 ms，反轉(zhuǎn)角度90°，矩陣230×245，層數(shù)32層，層厚3 mm，層間距4 mm，采集次數(shù)為2 次。

1.3 數(shù)據(jù)預(yù)處理

使用MRlcron (www.nitrc.org/projects/mricron)軟件的相關(guān)程序，將原始的DICOM數(shù)據(jù)轉(zhuǎn)換為圖像分析所使用的NIFTI格式。使用DTI studio(https://www.mristudio.org/)將各受試者的DTI數(shù)據(jù)線性配準(zhǔn)到未施加彌散梯度方向的b0圖像上以矯正快速掃描帶來(lái)的變形。由矯正后的DTI數(shù)據(jù)使用DTI studio通過(guò)張量擬合生成部分各向異性(fractional anisotropy, FA)圖、彩色編碼圖、張量圖(tensor image: RA/RD)以及平均彌散加權(quán)像。

1.4 圖譜的建立

步驟1: b0圖像去顱骨，在MATLAB中讀入并以此為模板，所有張量圖像去顱骨。

步驟2: 每個(gè)年齡組中選取一個(gè)最能代表本組特點(diǎn)，形態(tài)相對(duì)規(guī)整的去顱骨后的FA作為該年齡組的獨(dú)立個(gè)體樣本，命名為FA-s。同一年齡組的其他所有FA樣本以FA-s為模板，通過(guò)DiffeoMap軟件重采樣并調(diào)用AIR算法，進(jìn)行線性仿射配準(zhǔn)，除FA-s外每個(gè)樣本經(jīng)配準(zhǔn)后生成FA′圖像和線性配準(zhǔn)變形矩陣AIR。

步驟3: 在MATLAB中讀入每個(gè)年齡組所有新生成的FA′和FA-s，進(jìn)行平均運(yùn)算，可以獲得每個(gè)年齡組新的個(gè)體模板，命名FA-s′。

步驟4: 為提高配準(zhǔn)精度，以FA-s′為模板重復(fù)步驟2和步驟3，最終得到所有樣本經(jīng)線配后的FA2′，線性配準(zhǔn)矩陣AIR2，以及對(duì)應(yīng)每個(gè)年齡組的兩次配準(zhǔn)平均后的個(gè)體模板，F(xiàn)A-ss。

步驟5: 通過(guò)DifferoMap軟件打開(kāi)FA-ss，調(diào)用高配準(zhǔn)精度的微分同胚非剛性配準(zhǔn)算法(large deformation diffeomorphic metric mapping, LDDMM)對(duì)所有FA2′ 圖像進(jìn)行非線性配準(zhǔn)，生成非線配準(zhǔn)后的FA-air-LDDMM和變形矩陣Vtk。

步驟6: 通過(guò)DifferoMap軟件打開(kāi)任何一個(gè)原始張量圖像(如RA)， 以Fa-ss為模板，重采樣后先應(yīng)用步驟4生成的線性配準(zhǔn)矩陣AIR2進(jìn)行變形，再應(yīng)用步驟5生成的LDDMM的變形矩陣Vtk作用，最終生成一系列配準(zhǔn)后的圖像(如RA-air-LDDMM)。

步驟7: 在MATLAB中讀入每個(gè)年齡組所有生成的FA-air-LDDMM、RA-air-LDDMM等，進(jìn)行平均運(yùn)算，生成最后的一系列張量平均模板FA-mean-template和RA-mean-template等；同時(shí)將每個(gè)年齡組中選定的最能代表本組特點(diǎn)，形態(tài)相對(duì)規(guī)整的去顱骨后的FA-s、RD-s等，作為該年齡組的獨(dú)立個(gè)體模板FA-single-template、RA-single-template等。

步驟8: 通過(guò)MRIcron和ROIEditor進(jìn)行每個(gè)樣本的T1圖像去顱骨，用spm與自身的b0圖矯正。

步驟9: 通過(guò)DifferoMap打開(kāi)矯正后的T1′，以步驟7選定的不同年齡組獨(dú)立個(gè)體模板對(duì)應(yīng)的T1圖像做為模板，先應(yīng)用步驟4生成的線性配準(zhǔn)矩陣AIR2進(jìn)行變形，再應(yīng)用步驟5生成的LDDMM的變形矩陣Vtk作用，最終生成一系列配準(zhǔn)后的圖像T1-air-LDDMM。在MATLAB中讀入后進(jìn)行平均運(yùn)算，生成對(duì)應(yīng)年齡組的T1平均模板T1-mean-template，同時(shí)將選定的不同年齡組獨(dú)立個(gè)體模板對(duì)應(yīng)的T1圖像作為獨(dú)立個(gè)體模板T1-single-template。

本研究所使用的圖譜構(gòu)建流程見(jiàn)圖1～3。

圖1 線性配準(zhǔn)Figure 1 Linear registration: steps of linear registration

圖2 非線性配準(zhǔn)Figure 2 Nonlinear registration: steps of nonlinear registration.

圖3 T1配準(zhǔn)Figure 3 T1 weighted image registration: steps of T1 weighted image registration

2 結(jié)果

2.1 0～2 歲各年齡組平均模板

0～2歲各年齡組平均模板見(jiàn)圖4。

A, 1 d to 1.5 months; B, 1.5 to 4.5 months; C, 4.5 to 9.0 months; D, 9 to 15 months; E, 15 to 21 months; F, 21 to 24 months. First row is color map, second row is FA figure, third row is T1 weighted image, fourth row is mean of all DWfs，fifth row is b0 figure.圖4 各年齡組平均模板Figure 4 Mean-template of each group

2.2 0～2 歲各年齡組獨(dú)立樣本模板

0～2 歲各年齡組獨(dú)立樣本模板見(jiàn)圖5。

A, 1 d to 1.5 months; B, 1.5 to 4.5 months; C, 4.5 to 9.0 months; D, 9 to 15 months; E, 15 to 21 months; F, 21 to 24 months. First row is color map, second row is FA figure, third row is T1 weighted image, fourth row is mean of all DWfs，fifth row is b0 figure.圖5 各年齡組獨(dú)立模板Figure 5 Single-template of each group

2.3 模板驗(yàn)證

2.3.1主觀評(píng)價(jià)

采用FA參量圖結(jié)合T1加權(quán)圖檢驗(yàn)配準(zhǔn)結(jié)果。兩名工作超過(guò)10 年的影像科醫(yī)師，分別對(duì)不同年齡組獨(dú)立樣本模板和相應(yīng)平均模板FA 參量圖以及T1加權(quán)圖選定4個(gè)橫斷面(頂葉、半卵圓中心、基底節(jié)區(qū)、大腦腳)、1個(gè)正中矢狀位斷面、1個(gè)正中冠狀位斷面(圖6)進(jìn)行主觀評(píng)價(jià)。評(píng)價(jià)內(nèi)容包括：(1)獨(dú)立樣本模板與平均模板大體外形比較；(2)圖像中解剖結(jié)構(gòu)特征點(diǎn)的空間對(duì)齊比較(包括特征性腦溝回結(jié)構(gòu)、側(cè)腦室結(jié)構(gòu)、基底節(jié)結(jié)構(gòu)、胼胝體結(jié)構(gòu))。評(píng)價(jià)結(jié)果分5個(gè)單項(xiàng)以1～3分計(jì)算，以平均分作為最終分值(表1)。兩位醫(yī)師對(duì)不同年齡組的評(píng)分見(jiàn)表2和表3。所有模板得到平均超過(guò)2分的評(píng)分，主觀評(píng)價(jià)精確度較高，兩位醫(yī)師一致性高。

First row (left to right) are axials of frontal lobe, centrum semiovale, basal ganglia region and cerebral peduncle. Second row are median coronal section and median sagittal section.圖6 主觀評(píng)價(jià)選定層面FA示意圖Figure 6 Selected level for subjective evaluation

表1 模板主觀評(píng)價(jià)細(xì)則Table 1 Rules for template subjective evaluation

表2 FA模板評(píng)分表(分)Table 2 Grade of FA templates

表3 T1模板評(píng)分表(分)Table 3 Grade of T1 templates

2.3.2客觀評(píng)價(jià)

2.3.2.1參量模板均方根誤差(root mean squared error,RMSE) 根據(jù)公式

分別計(jì)算不同年齡組FA、MD參數(shù)圖均方根誤差，該參數(shù)用于評(píng)價(jià)模型建立的精確度，RMSE越小，模型越精確(表4)， 發(fā)現(xiàn)所有年齡組參數(shù)模板RMSE控制在0.19以下，精確度較高。

表4 各年齡組參量模板均方根誤差Table 4 Root mean squared error (RMSE) of template

2.3.2.2結(jié)構(gòu)模板體積評(píng)價(jià) 根據(jù)每個(gè)月齡分組的結(jié)構(gòu)T1模板建立0～2 歲兒童大腦平均體積變化立方趨勢(shì)圖，其增長(zhǎng)趨勢(shì)與既往文獻(xiàn)的結(jié)構(gòu)模板變化趨勢(shì)相同[11]。

3 討論

從1988 年法國(guó)科學(xué)家通過(guò)的尸體腦切片第一次創(chuàng)建三維大腦空間坐標(biāo)系，到基于結(jié)構(gòu)磁共振的MNI系列模板的廣泛應(yīng)用，以及利用張量空間坐標(biāo)系包含白質(zhì)纖維束模擬重建DTI最新模板的推出，磁共振技術(shù)的不斷更新和進(jìn)步，很大程度上推動(dòng)了不同模態(tài)活體大腦統(tǒng)計(jì)模板的研究[9-10]。

相較于成人腦模板，兒童腦模板一直發(fā)展緩慢，這可能與兒童腦結(jié)構(gòu)信號(hào)不穩(wěn)定且變化劇烈?guī)?lái)的模板建立困難相關(guān)，其中新生兒因其大腦發(fā)育特征在MRI顯像中灰白質(zhì)對(duì)比度較成人差，無(wú)法準(zhǔn)確對(duì)大腦內(nèi)部解剖結(jié)構(gòu)精確定位，且被試體難以獲得，一直是腦模板研究的空白[2-4,8]。隨著近年來(lái)DTI技術(shù)的不斷成熟，兒童神經(jīng)軸索、髓鞘發(fā)育狀況的研究得以大幅度推進(jìn)。DTI較常規(guī)MRI可以更為敏感地顯示腦發(fā)育遲緩兒童腦白質(zhì)的變化，DTI對(duì)兒童腦發(fā)育的評(píng)估診斷比常規(guī)MR更為準(zhǔn)確，可以為臨床早期診斷、早期治療及其隨訪監(jiān)測(cè)提供較為客觀的依據(jù)。近5年，隨著后處理技術(shù)和算法的進(jìn)步，兒童以及新生兒模板已經(jīng)向著依據(jù)纖維走向追蹤進(jìn)行解剖分隔和定位快速發(fā)展，并涌現(xiàn)出一系列基于模板的生長(zhǎng)發(fā)育研究[11-13]。

但是現(xiàn)有所有常用的數(shù)字化標(biāo)準(zhǔn)腦圖譜基本均來(lái)源于西方人的數(shù)據(jù)，不具備東方人的特征。研究表明[14]，由于人種和生長(zhǎng)環(huán)境的影響，東、西方人腦結(jié)構(gòu)和功能存在顯著差別。兒童期大腦發(fā)育受到包括性別、教育、語(yǔ)言、文化等等多種因素的影響，而這些差異均可以造成腦結(jié)構(gòu)的不對(duì)稱、腦區(qū)細(xì)節(jié)不均勻等[15],故在標(biāo)準(zhǔn)化大樣本中國(guó)兒童個(gè)體時(shí)，如果直接使用西方兒童腦模板可能是不合適的。

本研究應(yīng)用DTI技術(shù)建立腦白質(zhì)彌散張量成像模板是基于中國(guó)兒童數(shù)據(jù)建立的具有東方人種和生長(zhǎng)環(huán)境特色的腦發(fā)育模板。實(shí)現(xiàn)了中國(guó)0～2歲嬰幼兒中樞神經(jīng)纖維精細(xì)成像，說(shuō)明了在體觀察神經(jīng)纖維發(fā)育早期建立過(guò)程的可能性。為探查白質(zhì)纖維束結(jié)構(gòu)的完整性和連通性，追蹤其走行方向，深入了解大腦的結(jié)構(gòu)及相關(guān)功能，更好地認(rèn)識(shí)理解白質(zhì)結(jié)構(gòu)的微觀變化提供了可參考的動(dòng)態(tài)非侵入性客觀測(cè)量值，本研究模板可廣泛用于臨床各種原因引起的腦白質(zhì)損害程度及范圍的判斷和評(píng)估。

張量圖像的統(tǒng)計(jì)模板構(gòu)建中，最為關(guān)鍵的一步是圖像的配準(zhǔn)過(guò)程。由于擴(kuò)散張量圖像在單個(gè)體素點(diǎn)中所描述的是一個(gè)同時(shí)具有標(biāo)量信息與方向信息的二階張量，故不能使用傳統(tǒng)的標(biāo)量醫(yī)學(xué)圖像的配準(zhǔn)方法來(lái)解決張量圖像的配準(zhǔn)問(wèn)題。醫(yī)學(xué)圖像配準(zhǔn)是指將一幅醫(yī)學(xué)圖像變換到與目標(biāo)圖像存在于同一空間而采用的一系列空間幾何變換過(guò)程，從而使變換圖像達(dá)到與目標(biāo)圖像在結(jié)構(gòu)和形態(tài)上的一致[16-20]。

選擇DTI圖像配準(zhǔn)模型一般需要注意兩個(gè)問(wèn)題：第一，基于張量模型計(jì)算的彌散系數(shù)參量圖能否完整地表達(dá)DTI圖像張量場(chǎng)的分布特征；其次，在求解非剛性配準(zhǔn)模型時(shí)，彌散系數(shù)參量圖的梯度場(chǎng)能否反映張量場(chǎng)在不同體素位置的變化情況，從而減少導(dǎo)致張量邊界和白質(zhì)纖維走行方向等細(xì)節(jié)信息的丟失。

目前，非剛性配準(zhǔn)技術(shù)的微分同胚性模型是研究熱點(diǎn)，其中LDDMM張量配準(zhǔn)模型采用定義在riemannian流形切空間中的時(shí)變向量場(chǎng)形式描述微分同胚的形變映射，并根據(jù)分量圖像驅(qū)動(dòng)和重新計(jì)算的張量主方向得到的配準(zhǔn)形變場(chǎng)對(duì)DTI張量場(chǎng)進(jìn)行空間變換[16-20]。

LDDMM模型是計(jì)算解剖學(xué)研究領(lǐng)域中被廣泛認(rèn)可的具有較高配準(zhǔn)精度的微分同胚非剛性配準(zhǔn)范式，是一種微分同胚意義下的大形變場(chǎng)配準(zhǔn)，其最大優(yōu)點(diǎn)是保持圖像的拓?fù)浣Y(jié)構(gòu)在配準(zhǔn)前后不發(fā)生改變，圖像中原來(lái)分離的解剖結(jié)構(gòu)配準(zhǔn)后仍保持分離，原來(lái)連續(xù)的結(jié)構(gòu)仍保持連續(xù)，平滑的解剖特征如某些曲線或曲面仍保持平滑。它的另一個(gè)優(yōu)點(diǎn)在于微分同胚間的任意次復(fù)合仍為微分同胚，但運(yùn)算的耗時(shí)性和在形狀變化較大時(shí)的適應(yīng)不佳問(wèn)題限制了其應(yīng)用，尤其是針對(duì)老年組人群的側(cè)腦室配準(zhǔn)變形。針對(duì)以上問(wèn)題有學(xué)者提出了通過(guò)多分量模板驅(qū)動(dòng)解剖分區(qū)和皮質(zhì)下結(jié)構(gòu)的配準(zhǔn)，從而改善解剖模板形變度并提高精準(zhǔn)度的方案[16-20]。DARTEL、Deffeo DEMONS等一系列優(yōu)化算法的提出，亦縮短了運(yùn)算時(shí)間。美國(guó)霍普金斯醫(yī)院針對(duì)兒童及成人正常及孤獨(dú)癥等患者一系列DTI圖像及模板的配準(zhǔn)測(cè)試對(duì)比中發(fā)現(xiàn)，經(jīng)過(guò)基于張量LDDMM模型配準(zhǔn)后，解剖結(jié)構(gòu)的分段精準(zhǔn)度及變形的誤差率均優(yōu)于其他圖像配準(zhǔn)模型，同時(shí)如果對(duì)算法進(jìn)行級(jí)聯(lián)優(yōu)化，運(yùn)算時(shí)間將縮短到原來(lái)的1/5，提高了LDDMM在張量模型配準(zhǔn)的實(shí)際應(yīng)用度[16-20]。

本研究應(yīng)用基于張量LDDMM模型配準(zhǔn)后的DTI圖像，除了解剖結(jié)構(gòu)達(dá)到空間對(duì)齊外，局部體素張量橢球分布和形態(tài)都沒(méi)有發(fā)生異常變化，較好地保持了彌散方向的信息。同時(shí)，在相同的LDDMM配準(zhǔn)算法框架下，因?yàn)楸Ａ袅嗽糄TI圖像在張量空間的所有信息且剔除了人為的篩選，張量圖像LDDMM比向量圖像LDDMM算法有更高的配準(zhǔn)精度并包含豐富的原始張量場(chǎng)的纖維走形信息。獲得的各年齡組模板中越大年齡組的模板主觀得分越高，考慮主要與圖像本身對(duì)比度相關(guān)。年齡組越低，髓鞘化越少，灰白質(zhì)對(duì)比度越差，在配準(zhǔn)過(guò)程中困難度越大，加之所有圖像顱骨基本手工去除，更加大了個(gè)體間差異和配準(zhǔn)的不穩(wěn)定性，在目前的技術(shù)條件下尚無(wú)法完全克服。同時(shí)，本研究采集人群數(shù)量有限，各組性別比例存在差異，是否會(huì)帶來(lái)模板結(jié)構(gòu)的偏差，還有待擴(kuò)大樣本后進(jìn)一步探索和研究。本課題組將在擴(kuò)大樣本的基礎(chǔ)上進(jìn)一步研究灰白質(zhì)以及腦區(qū)的分割，以提高該模板的研究應(yīng)用價(jià)值。

我國(guó)是14億人口的大國(guó)，第6次全國(guó)人口普查顯示0～14 歲兒童占16.6%，國(guó)家統(tǒng)計(jì)局發(fā)布的2014 年度宏觀經(jīng)濟(jì)數(shù)據(jù)統(tǒng)計(jì)也顯示僅2014年1年，出生人口即為1 687萬(wàn)。隨著醫(yī)療衛(wèi)生水平和大眾醫(yī)療意識(shí)的提高，越來(lái)越多的患兒需要進(jìn)行腦結(jié)構(gòu)檢查和腦功能研究，我國(guó)亟待建立一個(gè)包含多種影像有效數(shù)據(jù)正常兒童三維立體的結(jié)構(gòu)和功能標(biāo)準(zhǔn)腦，以提供客觀、公正的影像學(xué)信息，分析、驗(yàn)證、簡(jiǎn)化相關(guān)理論，進(jìn)行循證學(xué)研究，指導(dǎo)重要資料收集，為醫(yī)療、教學(xué)、科研服務(wù)。兒童標(biāo)準(zhǔn)腦，尤其是嬰幼兒早期腦白質(zhì)的解剖和微結(jié)構(gòu)的發(fā)育演變過(guò)程和標(biāo)準(zhǔn)的建立迫在眉睫。

綜上所述，本研究應(yīng)用非線性高配準(zhǔn)精度的微分同胚非剛性配準(zhǔn)范式建立的0～2 歲中國(guó)正常嬰幼兒大腦白質(zhì)微結(jié)構(gòu)發(fā)育演變模板，為進(jìn)一步分析人類大腦發(fā)育及功能形成過(guò)程、腦發(fā)育相關(guān)疾病的機(jī)制和治療提供了基礎(chǔ)。

(志謝：感謝黃浩教授對(duì)本研究的支持！)