拡散MRIおよび顕微鏡の共同モデリング

拡散MRI（DMRI）と顕微鏡検査の組み合わせは、特に同じサンプルで獲得した場合、組織の微細構造的特徴を研究するユニークな機会を提供します。顕微鏡検査は、DMRIシグナルの間接的な性質に対処するDMRI微細構造モデルを検証するために頻繁に使用されます。通常、これらのモダリティは個別に分析され、顕微鏡検査は、DMRI由来のパラメーターが検証されているゴールドスタンダードとみなされます。ここでは、同じ組織サンプルから得られたDMRIと顕微鏡データを組み合わせて、単一のジョイントモデルを駆動する代替アプローチを提案します。この同時分析により、さまざまなモダリティから取得した補完的なデータによって提供される情報の幅を利用することができます。このフレームワークを球面分解分析に適用することにより、繊維分散とradial骨拡散の間の既知の退行性を克服することができます。球状分解ベースのアプローチは、通常、各ボクセルの繊維配向分布を決定するためのグローバルな繊維応答関数を推定します。ただし、白質の拡散特性が脳全体で異なる場合、「脳全体の」繊維応答関数の仮定が挑戦される可能性があります。生成的関節DMRI造人モデルを使用して、繊維応答関数は局所解剖学に依存しており、現在の球状分解ベースのモデルが分散を過大評価し、ボクセルあたりの異なる繊維集団の数を過小評価している可能性があることを実証します。

The combination of diffusion MRI (dMRI) with microscopy provides unique opportunities to study microstructural features of tissue, particularly when acquired in the same sample. Microscopy is frequently used to validate dMRI microstructure models, addressing the indirect nature of dMRI signals. Typically, these modalities are analysed separately, and microscopy is taken as a gold standard against which dMRI-derived parameters are validated. Here we propose an alternative approach in which we combine dMRI and microscopy data obtained from the same tissue sample to drive a single, joint model. This simultaneous analysis allows us to take advantage of the breadth of information provided by complementary data acquired from different modalities. By applying this framework to a spherical-deconvolution analysis, we are able to overcome a known degeneracy between fibre dispersion and radial diffusion. Spherical-deconvolution based approaches typically estimate a global fibre response function to determine the fibre orientation distribution in each voxel. However, the assumption of a 'brain-wide' fibre response function may be challenged if the diffusion characteristics of white matter vary across the brain. Using a generative joint dMRI-histology model, we demonstrate that the fibre response function is dependent on local anatomy, and that current spherical-deconvolution based models may be overestimating dispersion and underestimating the number of distinct fibre populations per voxel.