這是過去一年來在這裡工作的內容，想說簡單介紹一下。
磁共振成像（Magnetic Resonance Imaging, MRI）是目前幾種非侵入性（non-invasive，簡單講就是不用在人的頭上鑽洞的意思）的腦部顯像技術之一，過去也稱作「核磁共振」，但此「核」乃與磁場共振的氫原子核，為了避免與「核能」混淆，後來就乾脆就拿掉。
相較於其他腦部顯影技術，MRI 的空間解析度高，可以很清楚的建立腦部的立體影像；但是受限於掃描技術，時間解析度比較差。由於 MRI 的技術已經有數十年的歷史，相關研究曾經在物理、化學、生醫領域共獲得了 6 次諾貝爾獎，所以這裡就略過前言，直接跳到目前比較新的掃描技術：擴散磁振造影（Diffusion MRI）。
與傳統的磁振造影不同，擴散磁振造影在掃描時採用的是有梯度的磁場。這個梯度的存在，可以觀測到沿著梯度方向的水分子散射程度，如果在掃描的過程中使用多個不同方向的磁場梯度，就可以估測出在一個球面上水分子可以自由活動的程度。由於腦神經中的水分子大多位於髓鞘（myelin）中，也就是神經元因延伸而出的神經束部份，因此，散射程度大的方向，基本上是平行於神經束的方向。
有了這樣的假設與訊號，基本上我們就可以透過擴散磁振造影求出一個向量場，代表大腦中每個體素（voxel）中神經束可能的走向。而有了向量場，我們可以更進一步重建向量場中的軌跡（tractography，目前沒有中文譯名，姑且先稱為「神經束繪測」好了），在這裡代表的就是模擬出來的神經束（請見附圖，取自 wikipedia）。
前面提到過，透過觀測資料重建出的向量場，本身代表的是「可能性」，因此透過「神經束繪測」所重建出的神經束並不能真正的代表腦神經；然而，吾人可以透過在這個向量場裡反覆的進行神經束繪測，推估出大腦裡任意兩個區域之間有神經元相連接的機率。這個連結的可能性，可以稱之為「解剖學的連結性」（anatomical connectivity），以和透過功能性磁共振成像（fMRI）觀測所估算出的「功能連結性」有所區分。
我過去這一年的工作，主要是比較 10 多種不同的「神經束繪測」演算法，並且分析各種方法（及其背後理論）在「解剖學的連結性」上的結果，目前已經上了兩篇 conference，在寫 journal article ，準備結案了。
這個工作如果持續下去，下一步會是做「基於連結性的全腦自動分區」，然後最後是建立一套標準的分析程序，透過連結性的估算，幫每個做過「擴散磁振造影」的人建立出個人專屬的腦神經網路，由於這個網路具有解剖學上的意義，可以進而作為其他認知功能分析的基礎。
當初接這個工作，一方面也是看在整件事看起來是有個終點的，不用一輩子耗在這上面；如果能在兩到三年完成預定的計畫目標，之後再去搞其他的事情好像也無所謂。不過世事難料，一場金融海嘯讓整個時局都變了，原本覺得「太過冒險」的創業計畫，目前看起來反而好像有其可行性，甚至還有急迫性。
在這裡把一些想法整理出來，也是想讓有興趣的人（如果真的有人看的話）可以把這個計畫的後續繼續完成，以台灣的工程師的工作態度和嚴謹程度，我相信一定會比這裡的人更快做出來。
3 則留言:
原來已經聽 Homao 提過，現在在經過你自我介紹，才大概知道原來你目前的研究是做這個啊～
可以稍稍想請問一下目前在 DTI or DWI是不是都是自己透過程式來分析，不像 fMRI 可能有SPM、AFNI、FSL 這些套裝軟體來協助處理。所以 Ting-Shuo 你們也是在 Matlab裡，自己用假設的參數去RUN嗎？ 你所描述的十多種方法，是否指的就是十多種不同的方程式....ORZ，還是有哪些機構有開發套裝的 software
因為我目前是進行 fMRI 研究，常常會在某些情境下有眾多腦區同時活化，但是若是以一個各腦區訊息互聯溝通的觀點來看，有時兩個腦區的結構上的互聯似乎尚未有清楚的標定。而其功能通嘗試我們解釋了算，至於這眾多腦區間到底有沒有真的溝通，從目前使用的SPM軟體統計上的確不易看出來。
另外，的確我們已經知道，學習會影響神經元的突觸連結改變，但是在各重要腦區，當然有鄰近跟遠距甚至是跨半腦的神經軸突的連結，尤其在比較長的神經突觸的傳遞，應該仍舊是有模組化的（亦即可能個體間雖有差異，但是仍應存有相類似的狀態，如Arcuate Fasciculus）那像你們現在在處理的這個部分，未來會建立一個類似結構的 anatomical template 的東西嗎？ 會用 x, y, z 軸標定出關於 neural trace 的有意義參數嗎？
因為其實現在 fMRI 受限於時間及部分線性模式的分析，但是未來若時間解析度增加，且關於 neural trace 這部分的數值又能有個標準的參考，或許將可有助未來研究者對於大腦認知功能的研究。可能就是從 EPI或是其他更提高時間解析度的BOLD訊號，結合關於各Brodmann area 的結構參數，再來結合個 synchronization 演算方式，或許更能貼切地符合複雜神經元在 BOLD 上的體現。
現在從事的研究跟你的領域也差好一大段，但是打了一堆胡亂的想法，主要是有鑑於魔鬼終結者四即將上映，對目前我們這種解構人腦神經互聯，未來將有助於模擬人工智慧（AI母體），機械人，或甚至人機介面合一（人腦機械人）的狀態，或是（IC晶片腦生化人） 。其實在這領域的人怎知現在拿的計畫經費在進行研究的內容，未來其實都是"天網計畫"的一部份........ XD
你應該是冠豪吧？稍微回答一下你的問題：
1. Tools for DTI/DWI:
有的， SPM and FSL 都有 Diffusion Toolbox，只是用的是最基本的演算法。因為從分析 DWI 資料到建立出 fiber tract 的過程中有幾個步驟，每個步驟都有不同的演算法可以選擇，因此整個比較就包含了十幾組的結果。如果可以告訴我你的e-mail，我可以把我用到的軟體清單列給你。
2. Functional connectivity and anatomical connectivity:
從 fMRI 的激發區域算出來的是functional connectivity，因為沒有神經連結的訊息，因此就像你所說的，詮釋上好像都是隨人高興怎麼說；DWI 分析出來的算是 anatomical connectivity，因此如果可以把 functional 的資料 map 到神經連結上的詮釋，應該會更有意義。
3. 目前一般的共識是：大腦的神經網路大致上是由數百個模組和數千個主要連結構成，這個基本結構應該是每個人都有、而且相似的，但是個體之間又有細微的差異。我是希望能建立一套標準程序，透過 DWI 的資料分析來建立出受試者個人的神經網路結構，然後再在這個架構上詮釋 functional 的資料。不過過程中很多問題恐怕不容易解決就是了。
如果你下個月也會到舊金山的 HBM 年會，我可以當面跟你解釋。
是的，冠豪到此一遊。很可惜下個月沒有安排去HBM年會，不然還真希望當面聽你好好的解釋跟聽一聽國外最新的研究方向。對了我的信箱，kuanhao再加上Gmail的結尾。
張貼留言