Атласы в нейровизуализации

Атласы в нейровизуализации — это стандартизованные картографические представления структуры или функций головного мозга, созданные на основе анализа большого количества индивидуальных данных (магнитно-резонансной томографии (МРТ), позитронно-эмиссионной томографии (ПЭТ) или других методов). Они служат системой координат (референсным пространством) для сопоставления результатов исследований разных людей, автоматической сегментации анатомических областей и функциональных зон, а также для анализа групповых различий в норме и патологии.

История развития

Первые попытки создать анатомический шаблон мозга относятся к началу XX века. В 1907 году немецкий невролог Корбиниан Бродман вручную картировал цитоархитектоническое деление коры больших полушарий, выделив 52 поля (поля Бродмана). Эти поля до сих пор используются как функциональные макеты, хотя они не привязаны к единой трёхмерной системе координат.

Прорыв в нейровизуализационных атласах произошёл в 1980-х — 1990-х годах с развитием вычислительной томографии (КТ) и МРТ. Канадский невролог Луи Коллинз и его коллеги из Монреальского неврологического института (MNI) разработали первый цифровой стереотаксический атлас (MNI 152), основанный на усреднении большого количества сканов здоровых субъектов. Этот атлас лёг в основу системы координат Talairach-Tournoux, опубликованной в 1988 году. Позднее, в 1995 году, был создан атлас MNI 152 (ICBM), который стал де-факто стандартом в обработке данных функциональной МРТ (фМРТ) и морфометрии.

С начала 2000-х годов акцент сместился на создание вероятностных и многомодальных атласов, объединяющих информацию о топологии, гистологии, сосудистой архитектуре и связях белого вещества. Развитие технологий машинного обучения и открытых баз данных (Human Connectome Project, Allen Institute for Brain Science) резко ускорило разработку высокодетализированных атласов.

Классификация

По типу данных и способу построения различают несколько основных видов атласов:

Анатомические (структурные) атласы

Представляют карту макроскопической анатомии мозга: серого вещества (извилины, борозды), белого вещества (пучки волокон), желудочковой системы, подкорковых ядер. Построены на основе T1-взвешенных МРТ-изображений.

• MNI 152 (ICBM 152): Усреднённый шаблон из 152 сканов здоровых взрослых. Обладает высокой пространственной однородностью, содержит 116 анатомических регионов (например, AAL — Automated Anatomical Labeling).
• Desikan-Killiany Atlas: Популярный атлас для сегментации коры, выделяющий 34 региона на каждое полушарие.
• Harvard-Oxford Atlas: Заменяет Desikan-Killiany, включает больше подкорковых структур и использует вероятностное картирование.

Функциональные атласы

Основаны на анализе функциональной активности мозга (фМРТ, ПЭТ). Показывают, какие участки мозга активируются при выполнении когнитивных задач или в покое (сеть пассивного режима работы мозга — DMN).

• Brodmann Areas (BA): Цитоархитектоническая карта, адаптированная для МРТ-пространства (напр., BA 4 — первичная моторная кора, BA 17 — первичная зрительная кора).
• Yeo 2011 Atlas: Выделяет 7 или 17 крупных функциональных сетей покоя на основе кластеризации фМРТ-сигнала у 1000 испытуемых.
• Brainnetome Atlas (BNA): Комбинированный анатомо-функциональный атлас, содержащий 246 субрегионов, каждый с характерными связями и функциональной специализацией.

Вероятностные (статистические) атласы

Строятся как статистические карты, показывающие вероятность нахождения конкретной структуры в данной точке пространства. Необходимы для учёта межиндивидуальной изменчивости.

• JHU DTI-based White Matter Atlas: Вероятностный атлас трактов белого вещества (например, пирамидный тракт, мозолистое тело), построенный на основе диффузионно-тензорной томографии (DTI).
• ICBM Probabilistic Atlas: Атлас, содержащий распределения 14 основных структур мозга (таламус, гиппокамп, хвостатое ядро и др.) по Talairach-пространству.

Цитоархитектонические и химические атласы

Основаны на микроскопическом картировании нейронов и рецепторов. Пример — атлас мозга человека проекта Allen Institute (рецепторный и генетический атлас).

Применение

Атласы нейровизуализации имеют широкий спектр применений в клинической и исследовательской практике:

1. Автоматическая сегментация и морфометрия

Атласы используются алгоритмами компьютерного зрения (например, FreeSurfer, SPM, FSL) для разметки регионов мозга на индивидуальных МРТ-сканах. Позволяют точно измерить объём гиппокампа (диагностика болезни Альцгеймера), толщину коры (шизофрения, аутизм, старение), площадь поверхности.

2. Пространственная нормализация

При групповом анализе (например, в фМРТ-эксперименте на 20 испытуемых) каждый индивидуальный мозг деформируется (регистрируется) на референсный атлас (чаще всего MNI 152). Это делает координаты активаций сопоставимыми между людьми.

3. Функциональное картирование

Позволяет привязать активацию мозга (из фМРТ) к известным функциональным областям. Например, при предъявлении изображений лица ожидаемая активация попадает в веретенообразную извилину (fusiform face area — FFA), что проверяется по атласу.

4. Анализ связности (коннектомика)

Используются в качестве узлов (node) в графовых моделях мозга. Атлас определяет, какие воксели группируются в интересующий регион; далее оценивается структура или функция связей между этими регионами.

5. Планирование нейрохирургических вмешательств

Атласы помогают локализовать корковые зоны, отвечающие за речь, движение или зрение, чтобы избежать их повреждения при удалении опухолей. Атласы трактов белого вещества (например, JHU) используются для навигации при стимуляции глубинных структур (DBS) — для точного позиционирования электродов в субталамическом ядре (при болезни Паркинсона) или вентральном паллидуме (при дистонии).

Текущие ограничения и критика

Несмотря на широкое распространение, атласы нейровизуализации имеют ряд фундаментальных и методических недостатков.

• Репрезентативность выборки: Большинство стандартных атласов (MNI 152, AAL, Yeo) построены на сканах молодых взрослых европеоидной расы (преимущественно студентов и сотрудников университетов Северной Америки и Европы). Это ограничивает применимость к детям, пожилым, разным этническим группам и клиническим популяциям. Исследования показывают систематические сдвиги в координатах при регистрации мозга китайцев, африканцев или людей с микроцефалией.
• Потеря индивидуальной изменчивости: Усреднение (нормализация) уничтожает уникальные анатомические особенности, которые могут быть важны для персонализированной диагностики.
• Проблема атласа — разделимости: Границы между соседними регионами (например, в коре) не всегда совпадают с функциональными переходами. Атласы с жёсткими границами (бинарные) хуже согласуются с данными. Вероятностные атласы снимают эту проблему лишь частично.
• Эпоха больших данных — статичность: Многие атласы (особенно старые) обновляются редко. Динамически обучаемые атласы (на основе тысяч индивидуальных изображений, открытые ресурсы вроде OpenNeuro) становятся всё более востребованными, но их ещё мало.

Перспективные направления

• Динамические и персонализированные атласы: Использование машинного обучения (нейронные сети) для адаптации атласа к изображению конкретного пациента, а не деформации пациента под абстрактный стандарт.
• Мультимодальное аннотирование: Объединение анатомических, функциональных, гистологических, молекулярных и связностных данных в единую карту (например, проект BigBrain).
• Атласы развития и старения: Строятся отдельно для разных возрастных групп (эмбриональный, детский, возраст-специфичный для 30/50/70 лет), что повышает точность в геронтологии и нейроонкологии.
• Атласы на основе всего мозга (whole-brain) для диффузионной МРТ (dMRI): Позволяют картировать тракты белого вещества и межузловые связи в гораздо более высоком разрешении, чем классические атласы волокон (JHU).

Известные проекты и базы данных

• Human Connectome Project (HCP): Публичные атласы структурной и функциональной связности на ~1200 испытуемых.
• Allen Human Brain Atlas: Цитоархитектонический и транскриптомный атлас человеческого мозга.
• Mindboggle: Открытый набор инструментов и атласов (41 помеченная извилина, 20 полей Бродмана).
• ICBM (International Consortium for Brain Mapping): Семейство вероятностных и средних мозговых шаблонов (MNI 152, ICBM 2009a, ICBM 2009b).

Источники

• Talairach J, Tournoux P. Co-planar stereotaxic atlas of the human brain: 3-dimensional proportional system: an approach to cerebral imaging. Thieme Medical Publishers, 1988.
• Evans AC, et al. 3D statistical neuroanatomical models from 305 MRI volumes. Proc. IEEE Nuclear Science Symposium and Medical Imaging Conference, 1993.
• Tzourio-Mazoyer N, et al. Automated anatomical labeling of activations in SPM using a macroscopic anatomical parcellation of the MNI MRI single-subject brain. NeuroImage 15(1), 2002.
• Desikan RS, et al. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest. NeuroImage 31(3), 2006.
• Yeo BT, et al. The organization of the human cerebral cortex estimated by intrinsic functional connectivity. Journal of Neurophysiology 106(3), 2011.
• Fan L, et al. The Human Brainnetome Atlas: A New Brain Atlas Based on Connectional Architecture. Cerebral Cortex 26(8), 2016.
• Amunts K, et al. BigBrain: an ultrahigh-resolution 3D human brain model. Science 340(6139), 2013.
• Collins DL, et al. Automatic 3D intersubject registration of MR volumetric data in standardized Talairach space. Journal of Computer Assisted Tomography 18(2), 1994.