扩散MRI中累积量级数的几何学

看见大脑中的隐匿结构

磁共振成像已经是观察活体大脑的强大窗口，但常规扫描主要显示解剖结构。这项工作解释了如何将一种特殊的MRI——称为扩散MRI——用几何与对称性的思想重新诠释，以揭示更细微的大脑组织细节。通过把信号视为具有明确定义对称性的简单构件的组合，作者展示了如何提取紧凑、与硬件无关的微结构指纹，帮助诊断并使高级扫描更快、更实用。

水分子运动如何揭示大脑微结构

扩散MRI追踪水分子在每个像素体素内的微观位移。在脑组织中，水分子的运动受细胞、纤维和膜的限制，因此其扩散方式携带着底层微结构的信息。多年来，大多数临床扫描关注一个称为扩散张量的单一量，将水运动近似视为高斯分布并用一个3×3矩阵来总结。这产生了熟悉的度量，例如平均扩散率和分数各向异性，广泛用于绘制白质通路。然而，实际信号更为丰富：偏离简单高斯行为的部分包含关于组织异质性、细胞形状等线索。文章探讨了该信号中实际包含多少信息以及如何最好地组织这些信息。

从复杂张量到简单不变量

作者使用“累积量”（cumulants）的数学展开来描述扩散信号，累积量是描述水位移偏离简单钟形分布的高阶统计量。每个累积量都是一个张量——具有许多分量且在坐标系旋转时会变化的对象。团队没有直接使用这些原始分量，而是利用三维空间的旋转对称性将每个张量分解为在旋转下以简单可预测方式变换的不可约部分。再从这些部分构建标量量——不变量，它们无论头部在扫描器中如何定向均具有相同数值。由群论指导的这一过程表明，在扩散加权到二阶为止，信号中的关键信息可由基本扩散张量的3个不变量和下一阶协方差张量的18个不变量捕获，共同构成他们称之为RICE的描述。

把几何与组织属性联系起来

重要的是，这些不变量不仅是抽象数字。它们在几何和物理上有明确解释，表征每个体素内微观扩散椭球的“大小”和“形状”变化。有些不变量描述不同微小隔室之间扩散率的变化幅度，另一些描述这些变化之间的取向关系。已知的扩散MRI指标（如平均扩散率、平均峰度、微观分数各向异性，以及各向同性和各向异性方差的度量）都被证明是仅由其中七个不变量的特定组合构成。来自协方差张量的其余14个不变量，以及与真正非高斯水运动相关的附加不变量，构成了大体上未被充分探索的对比，可能对微结构的细微变化（例如纤维交叉或细胞形状变化）特别敏感。

在疾病中的方法检验

为评估临床相关性，作者将他们的框架应用于来自1189名受试者的大量真实大脑扫描数据，其中包括627名多发性硬化患者和562名匹配的对照。那些临床检查使用了标准的扩散MRI协议，只采样完整张量空间的一部分。即便在这种限制下，研究者仍然能够计算与传统峰度张量相关的所有不变量。当他们将这些不变量作为简单逻辑回归模型的输入时，发现比仅使用传统扩散与峰度指标时能更系统地改进多发性硬化的分类。在某些白质区域，通过仅仅用基于对称性的重组不变量而无需额外采集数据，对患者与对照的排序误差最多降低了约30%。

设计更快、更高效的扫描

几何视角的另一个实用回报是扫描优化。通过利用张量对称性与测量在扩散方向球面上分布方式之间的联系，作者设计了最小采集方案，仍然允许对最常用不变量进行无偏估计。基于简单几何形状顶点的巧妙安排，仅用每层面六个扩散方向，他们表明关键图谱（如平均扩散率、分数各向异性、平均峰度和微观分数各向异性）可以在整脑范围内大约一到两分钟内获得。这些“即时RICE”协议相比传统方法大幅缩短了扫描时间，同时保留了关键信息含量。

这对未来脑成像为何重要

总体而言，这项研究表明扩散MRI信号可以被重组为一组紧凑的旋转不变量，这些不变量反映了组织微结构的不同几何特征。许多不变量尚未在生物学中得到探索，但在多发性硬化的初步结果表明它们包含临床上有用的信息。由于这些标量图与扫描仪硬件和头部取向无关，它们是输入面向疾病检测、发育跟踪或大规模人群老龄化研究的机器学习系统的自然候选者。与此同时，提出的快速协议有望在不造成不可接受扫描时间的前提下，将更高级的扩散对比引入常规临床实践。

引用: Coelho, S., Chen, J., Szczepankiewicz, F. et al. Geometry of the cumulant series in diffusion MRI. Nat Commun 17, 4220 (2026). https://doi.org/10.1038/s41467-026-70018-w

关键词: 扩散MRI, 大脑微结构, 张量不变量, 多发性硬化, 医学影像