探索大脑发育的一般机制能够为理解神经发育障碍或神经系统疾病提供坚实的理论基础。扩散磁共振成像技术不仅能够追踪白质纤维走向，还能生成多种指标参数，对髓鞘形成，轴突密度，轴突连贯性等白质微结构的发展变化进行量化描述，因此非常适用于白质发育领域的研究。但不可否认，扩散磁共振成像仍面临缺乏组织特异性等方法学问题。本文系统回顾了过去10年间，儿童期到成年早期（4-35岁）白质发育的扩散磁共振成像研究，主要探讨了白质发育的脑区差异，发展速率和时间进程等问题，还讨论了扫描策略，分析方法，年龄范围，样本大小，拟合模型等因素对研究结果的影响。尽管研究间的分析方法各异，但仍可获得诸多共通发现。大量扩散磁共振成像研究表明，儿童期到青少年期白质结构呈现各向异性指标（FA）增加，平均扩散系数（MD）降低的发展趋势，该变化过程将持续至成年期，且具有显著的脑区差异。当前大多数研究采用线性模型对白质发育过程进行拟合，但一系列大样本长时程的纵向研究表明，白质发育表现为非线性发展模式。此外，大量证据表明不同脑区的发育速率存在显著差异，与连合纤维束及投射纤维束相比，额叶-颞叶脑区白质的发育时程更长。一些更为先进的扩散成像技术，或能够为探索白质结构发育提供更多丰富且细致的信息。尽管扩散指标并非针对特定的神经生物学过程，但各指标变化可能反映了髓鞘形成，轴突髓鞘化，纤维连贯性等白质微结构的发展过程，并与认知能力及行为表现紧密相关。本文发表在NMR in Biomedicine杂志。(可添加微信号siyingyxf或18983979082获取原文及补充材料，另思影提供免费文献下载服务，如需要也可添加此微信号入群，原文也会在群里发布)。思影曾对另一篇白质发育文章进行解读，欢迎结合阅读，更深入进行了解（直接点击即可浏览）：
大脑白质微观结构的发育
其他思影曾做过脑发育相关文章解读（请点击浏览学习）：
青春期与人类大脑
JAMA Psychiatry：社区劣势与青少年神经认知和大脑结构的关系
家庭收入与认知和大脑结构的关系：美国儿童研究
脑网络核心节点的发育
儿童早期大脑结构和功能发育的影像学研究
Neuron：人类大脑的早期发育
深度学习在婴儿大脑的磁共振图像分析中的作用（上）
Nature neuroscience：青少年脑发育的个体差异性
JAMA Pediatrics：学龄前儿童电子屏幕使用与脑白质完整性的关系
Lancet子刊：母亲孕期甲状腺功能与儿童的大脑形态学特征
Nature neuroscience：大脑发育中功能连接的个体化
童年虐待对大脑结构、功能和连通性的影响
童年艰辛与认知受损风险的关系
JAMA Psychiatry：怀孕后家庭功能不良与儿童青春期
Biological Psychiatry: 童年的社会隔离对大鼠大脑功能
PNAS：社会经济地位调节了成人与年龄相关的大脑功能
PNAS:童年创伤经历与重度抑郁症患者异常脑功能连接有关
JAMA Psychiatry：不良环境对青年人的心理状态、行为
BRAIN:早产儿胎龄与其成年智商之间的关系受异常的皮层褶皱调节
NEUROLOGY:儿童MS患者灰质体积动态变化的研究
早期糖尿病酮症酸中毒对脑发育的影响
眼动追踪与近红外结合:婴儿利他行为的神经发育基础
AJP:大脑发育和ADHD的多模态结构神经影像标记
DTI研究：母亲产前抑郁焦虑与婴儿大脑白质微结构的关系
早产儿皮层折叠扩张动态模式
婴儿fNIRS数据的动态因果模型
SCIENCE:人脑的尺寸变异与形态多样性
学龄前儿童听故事时的分享阅读质量和脑激活
AJP:青少年饮酒后大脑发育轨迹发生改变
Nature:婴儿早期大脑发育与高危自闭症
腹内侧前额叶与脑岛皮层变化对儿童到青少年元记忆发育的影响
大脑发育需要经历一个持续至成年期的漫长发展过程，并与行为控制及认知成就密切相关。全脑体积在5岁之后逐渐趋于稳定，而其他组织的发展变化仍将持续进行。主要表现为灰质体积逐渐下降，白质体积持续增加。早期尸检研究表明，生命的前两年是轴突直径及髓鞘形成的快速增长期，而某些白质脑区的发展变化将贯穿整个儿童期及青少年期。其后的大量研究致力于探索白质结构的发育模式及发展速率，以期深入理解神经发育与认知，行为，情绪等因素的相互作用关系，进而为区分各类神经系统疾病引起的大脑结构改变奠定理论基础。磁共振成像技术（MRI）能够提供大量神经发育相关的影像学信息，基于健康儿童及青少年群体的影像数据描绘出白质发育的一般轨迹。大量早期MRI研究证实，白质发育会经历长期的发展过程，一直持续至青少年期。例如有研究指出，双侧内囊及左侧弓状束的T1信号在4～17岁间持续增强，该结果主要源于轴突直径，髓鞘脂质分子含量及离子浓度等多种因素的共同作用。然而，大量证据表明，T1加权图像很可能会低估特定年龄阶段内白质结构的改变范围。扩散成像技术可基于水分子扩散属性探测局部神经系统的微观环境，能够编码白质纤维走向，区分白质纤维束，而T1加权成像则不具备以上功能。扩散成像指标在探测白质结构的微观特性（如，髓鞘形成，轴突密度，轴突连贯性等），宏观特性（如，纤维束体积）及其发展变化方面极其敏感。然而，扩散磁共振成像对于髓鞘形成等具体神经生物学过程的探测仍缺乏足够的特异性。尽管如此，过去20年间，扩散磁共振成像仍被广泛应用于白质研究领域，并为探索白质结构的发育过程提供了大量宝贵信息。本文基于一系列重要的扩散磁共振成像研究，系统讨论了儿童期，青少年期到成年早期（4～35岁）白质发育的一般化过程。需强调的是，由于婴幼儿期的白质发育极为迅速，会掩盖神经发育后期更为精细的白质结构改变，因此本文并未纳入婴幼儿期（<4岁）白质发育的相关研究。近年来，成年晚期神经系统的退行性改变也备受关注，此类研究对于构建贯穿生命始终的神经发展过程具有重要意义。诸多毕生研究数据表明，白质体积在30岁后期达到顶峰，而FA最大峰值和MD最小峰值通常出现于在35岁以前。因此，本研究以35岁作为神经发育的分水岭，以避免神经系统退化对白质发育相关结论的混淆。尽管如此，为描绘白质发育的完整过程，本文仍对一些重要的毕生研究进行了简要回顾，以解释年龄范围对于构建童年期到成年早期大脑发育轨迹的影响。最后，偏离正常发育轨迹的神经系统疾病研究并未纳入本文的讨论对象。综上所述，本文主要回顾了过去10年间，白质发育相关的扩散磁共振成像研究，致力于探讨儿童期，青少年期到成年早期各扩散指标随年龄增长的变化轨迹。本文还讨论了导致研究结果差异的潜在影响因素，以及扩散磁共振成像技术的固有局限。最后指出了一系列前沿成像技术手段对于探索神经发育机制的巨大潜力。扩散磁共振成像最主要目的在于获得描述白质微结构的量化指标，从而进行横向比较或纵向分析。尽管扩散张量模型（DTI）仍存在诸多局限，但其提供的量化指标在探测大脑发育方面具有高度敏感性。目前，大多数白质发育的扩散磁共振研究仍主要采用DTI模型，将分数各向异性（FA），平均扩散系数（MD），轴向扩散系数（AD），径向扩散系数（RD）作为重要观测指标。DTI的图像采集，数据分析及解释方法较多，本小节将对DTI图像采集的相关要点进行简要回顾。磁场强度，梯度变化强度，射频线圈设计等硬件装置受限于场地条件很难轻易改变，这些硬件直接限制扫描方案的选择，影响图像数据的质量。静态磁场越强，扫描仪采集信号能力越强大，可实现更多梯度方向或更高空间分辨率的图像扫描。目前，神经发育研究领域大多采用1.5T或3T磁场强度的扫描设备。梯度线圈强度较高的扫描设备可实现更高b值（扩散序列参数）或更短回波时间（TE）的图像采集，通过减少T2图像信号的衰减获取更多给定b值的目标信号。提高梯度线圈的屏蔽性能有利于减小涡流影响，缓解图像伪影信号失真等问题。目前，大多采用8～64极组排接收器的RF线圈。此类线圈具有提高图像的信噪比，支持并行扫描，缩短扫描时间，大幅提升图像质量（如，减少图像伪影，缓解图像失真，降低TE等）等优势。
相比于T1加权像，DTI能够更好地呈现白质纤维束，并提供探测白质发育相关的多种量化指标。
除以上硬件条件外，扩散脉冲序列等因素也会影响图像质量及指标计算结果。因此，研究者在制定扫描方案时要充分考虑分析方法，扫描时间以及扫描仪性能等问题。人体连接组项目提出的长时间图像扫描方案（长达1小时），在儿童受试群体中很难实现。神经发育相关的DTI研究中，扫描时长大多维持在3～8分钟之间，最长不超过21分钟。
DTI图像采集一般采用2D自旋回波EPI序列。有些分析方法推荐设定更高b值以增强扩散成像的敏感度，但随之而来的代价是信噪比下降。扩散峰度成像（DKI）等更为高阶的扩散模型要求扫描多个非零b值图像，这意味着该方法需要较长的扫描时间，因此在儿童群体中的应用仍较为受限。目前DTI研究中大多采用单一b值的扫描方案，b值一般设定在700～1000s/mm2之间（1000s/mm2最为常用）。求解扩散张量模型至少需要6个梯度方向，但为提高扩散指标信度或实现复杂的数据分析，几乎所有扫描方案都会采用6个以上的梯度方向。高信噪比是获取准确指标结果的基本条件，对多个梯度方向的信号进行多重平均可提高信噪比。还有研究仅采用6个梯度方向，但对数据进行多重平均，其求解出的FA，MD结果与采用30个单一梯度方向的计算结果相差无几。近期的神经发育研究大多采用30～64个梯度方向。HARDI等高阶模型则需要较多梯度方向，因此需要更长的扫描时间。空间分辨率（包括层厚及扫描层数）的选取需充分考虑信噪比，视野范围及扫描时间三者之间的最优平衡。局部容积效应是影响扩散指标结果的重要问题。当单个体素内包含多种组织成分时，白质信号会被其周边灰质或脑脊液信号平均，导致FA指标降低或MD指标升高。FLAIR-DTI等扫描方案可通过抑制CSF信号缓解局部容积效应问题，提高纤维追踪及某些纤维束上（如，穹窿）扩散指标的计算效度。但由于此类图像采集方案所需扫描时间较长，目前仍未广泛应用于神经发育研究领域。提高空间分辨率也能够降低局部容积效应，探测更为精细的白质结构，但同时也需要考虑信噪比及扫描时间等因素，尽量在可控的扫描时间内获得更为可靠的指标估算结果。目前，大多数神经发育研究通常采用边长为2～2.5mm的立方体体素为基本单位，获取全脑覆盖范围。采集时间或覆盖范围不变的情况下，即使体素体积相同，其层厚差异也可能较大（如，1.7*1.7*3=8.7mm3）。需要注意，非均质体素可能影响纤维追踪的纤维走向，需要通过重采样等方法进行补偿性分析。此外，在制定扫描方案时，研究者需要选择单向或双向梯度编码策略。双向梯度策略的主要优势在于能够减少由涡流造成的图像信号失真。然而，其代价则是TE和TR以及扫描时间的增加。与双向梯度策略相比，基于单向梯度策略估算的FA，MD结果具有更高的可重复性，但其劣势在于容易受到信号采集过程中的涡流影响，涡流引起的图像失真会降低扩散指标计算的准确性。需要注意，在正式数据采集之前，需要进行预扫描测试梯度编码策略等参数设置，以保证在当前扫描设备条件下采集到质量最优的图像数据。最后，针对儿童群体的影像扫描通常面临巨大挑战，为获取高质量的扩散影像数据，需要尽量控制被试在扫描程序中的肢体运动，防止由人为因素引起的图像失真，信号丢失等问题。考虑到药物镇静手段的风险性，研究者们通常采用模拟扫描环境训练，观看视频等其他对较为友好的行为学方法。尽管如此，缩短扫描时间仍是获取高质量的儿童群体图像数据的关键因素。随着MRI扫描技术的日益发展，出现多频段扫描等成像技术，该技术手段能够同时进行多层扫描从而大幅缩短扫描时间，可更轻松地进行儿童被试群体的影像数据采集。数据的预处理与质量控制是计算张量模型前必不可少的步骤。数据预处理主要包括，涡流/EPI梯度方向矫正，头动矫正，脑脊液局部效应筛查等主要步骤。此外，扫描方案及数据预处理过程中参数设置将直接影响其后的数据质量，分析模型的选择，分析模型的稳健性，量化指标结果等。扩散指标的计算受b值，TE，梯度方向数量等图像采集参数及图像信噪比的影响，由于硬件设备，扫描方案存在较大差异，因此难以对不同研究的指标结果进行绝对比较。多中心数据可用于建立大样本数据库，但必须对各数据集的基本情况进行详细描述，并需要从各中心均衡地获取最具代表性的数据。横断研究能够观测DTI指标随年龄增长的变化过程，但由于不同样本的年龄差异以及采样误差使研究者无法精确描述两者的相关关系。横断研究仅仅是基于当前样本数据估算的扩散指标与年龄间的相互作用关系，近而推断更长时间跨度的变化趋势。长时程纵向研究设计能够克服个体差异等因素的影响，使我们能够观测同一个体内白质结构随年龄的变化过程。然而，纵向研究往往需要持续许多年，容易出现被试丢失，或受研究过程中扫描硬件或软件变化等客观因素的影响。因此，与横断研究相比，纵向研究相对稀缺。许多研究采用合并多个纵向数据的加速型纵向研究设计，此类研究同时募集多个年龄阶段的被试，并对每个被试进行1～4年的跟踪式数据采集，从而构建出更长年龄跨度的白质发育轨迹。目前，基于全脑图像信号估算各脑区扩散指标的分析方法较多，由于分析方法差异很难进行研究结果间的绝对比较。图2展示了ROI、TBSS等几种不同的分析方法。手绘ROI是最为直接的分析方法，主要是基于解剖学先验知识人工绘制感兴趣脑区，再针对特定ROI脑区进行DTI指标计算（如图2A所示）。但手绘ROI方法特别耗时费力，且高度依赖于研究者的主观先验知识。为克服这一局限，有研究提出图谱配准方法，首先将所有被试图像配准到特定脑谱图上（如JHU-ICBM-DTI-18白质脑图谱），再提取ROI脑区并进行DTI指标计算。该方法能够克服研究者的主观偏差，降低手绘ROI的时间成本，但图谱配准方法在无法应用于某些难以空间标准化的脑区。
基于体素的分析是DTI数据分析中最为常用的手段（VBA：图2B）。VBA的主要优势在于，可以在缺乏先验假设的前提下进行全脑范围的白质特性分析。VBA分析过程中需要设置多种参数（如，平滑核大小，统计阈值等），这些参数设定可在无需手绘脑区的前提下由研究人员自行设置。然而，VBA分析需要进行被试间图像配准，若配准失误将直接影响指标计算结果。另一个重要问题在于，被试间图像配准会导致原图像数据出现大量形态学改变。此外，在大脑发育研究中，儿童脑模板是幼儿研究的理想参考对象，但其并不像成人脑模板那样应用广泛，其有效性仍有待进一步验证。研究特异性较高的脑模板能够消除分析数据与标准脑之间的系统化差异（如，体素大小，图像质量等）。但年龄跨度较大的研究数据无论其采用何种脑模板（研究特异性或标准模板），都不得不面临配准效果不理想的问题。为使缓解此类配准问题，配准完成后通常会对白质及其mask图像进行卡阈值操作，主要设定FA最小值及MD最大值的分析阈值。进行平滑处理前需要先应用白质mask图像，以限定图像分析范围。平滑作为VBA分析预处理的常见步骤，用于消除个体差异提高信噪比。然而，针对异质性噪声信号较强的图像（如FA图像）而言，其分析敏感性取决于过滤水平的大小。此外，VBA往往需要进行多次多重比较（如以2*2*2mm3的标准分辨率计算，DTI数据中包含约5000个白质体素）。因此，为避免假阳性结果，必须进行严格的多重比较矫正，但过于严格的多重比较矫正也有可能导致假阴性结果，一些针对精细结构改变的研究尤为如此。为克服以上诸多局限，有研究者提出了TBSS分析方法，具体可使用FSL环境下的TBSS软件包进行操作（图2C）。TBSS方法基于所有被试的FA图像，提取FA值最高的白质区域构建出标准化的白质纤维骨架。且仅基于白质骨架上的信号进行指标结果统计，该方法可缓解配准偏差及多重比较等问题。作为VBA方法的延伸，TBSS迅速成为神经发育研究中应用最为广泛的分析方法。但TBSS仅计算白质纤维骨架（多采用1个体素宽度）上的数据信号，因此可能会遗漏大量白质信息，导致分析结果的敏感性及可推广性下降。此外，TBSS还面临解剖位置不精确等问题，基于白质纤维骨架计算的指标结果，很难与解剖学上的白质脑区精准匹配。指标结果的稳健性还可能存在一定程度的脑区差异。白质纤维追踪作为更为直观且可视化的分析方法，能够对白质纤维通路进行可视化重建。该方法假设整条纤维束上的指标数值无显著差异，通过计算纤维束上FA及MD指标均值获得最终指标结果。还可对纤维束进行细化分割，求解各纤维分段上的指标均值。以上方法被称为基于纤维束的分析方法（图2E）。与基于体素的分析方法相比，纤维追踪方法其能够缓解个体之间的纤维束位置及形态差异，与基于ROI的分析方法相比，纤维追踪方法则可以降低研究者主观性。然而，纤维追踪过程中，需要设定种子点脑区，非途径脑区，FA阈值，偏转角阈值，追踪算法等参数，这些参数设置会直接影响纤维追踪的最终结果。目前，确定性纤维追踪是最为常用纤维追踪手段，主要采用体素间连接刻画纤维走向。该方法能够追踪出大脑内部的主要纤维束，但其过于简化了脑内的白质结构，无法解决纤维交叉等问题。概率性纤维追踪则能够识别出纤维交叉等复杂结构脑区的白质连接。概率性纤维追踪基于多多益善的假设，可能增加假阳性连接概率。此外，概率性纤维追踪通常需要更高b值和更多梯度方向的图像数据，这意味着扫描时间增加，因此大大降低了该方法在婴幼儿研究中的适用性。概率性纤维追踪研究中仍倾向于汇报基于张量模型计算得到的指标参数（如，FA，MD）。与ROI分析方法类似，纤维追踪过程中需要设置种子点脑区或非途径脑区，这些步骤也较为耗时费力且易受研究者主观因素的影响。最新研究中提出了一系列自动化追踪方法，可应用于大样本研究且可降低先验知识等主观因素的影响。有研究采用半自动纤维追踪手段对202名参与者的17条纤维束进行了追踪，其主要分析过程为，首先将个体图像被配准到标准脑模板，在配准后的图像上设定种子点脑区，再将其转换到个体图像空间，最后针对个体空间的图像进行纤维追踪，构建各条纤维束。在无显著结构变异的情况下，只需种子点脑区大小适宜位置精确，该方法能够出色地重构出脑内的白质纤维，该方法还能有效缓解纤维结构及纤维尺寸方面的个体差异。然而，由于技术手段及操作复杂等客观因素的限制，这些最新的半自动及全自动纤维追踪手段仍未被广泛应用于神经发育研究领域。基于图论的分析方法可用于探索大脑白质网络连接属性（如图2F）。图论是一个解释节点和边如何生成结构性的连接体的数学理论模型。结构网络的属性可由全局效率，局部效率，节点强度，集聚系数，路径长度，小世界属性，模块化属性等网络属性指标进行描述。相关研究中，边的权重在一系列相关文献中较为多样化，可基于纤维条数或密度，概率性纤维追踪的连接概率，MD的倒数，FA指标值，或结合以上多个指标进行估计。在针对以上指标进行解释时需要格外注意，除个体差异外，网络属性指标还会受到年龄范围以及脑区差异的显著影响。如果您对扩散张量分析及其他脑影像数据处理感兴趣，欢迎浏览思影科技课程及服务(直接点击即可浏览,可添加微信号siyingyxf或18983979082咨询）：
第十八届DTI数据处理班（上海，7.2-7)
第十六届脑影像机器学习班（上海，7.23-28)
第十届任务态功能磁共振数据处理班（上海，8.12-17)
第二十一届脑网络数据处理班(上海，8.20-25)
北京：
第十四届磁共振脑影像结构班（北京，7.10-15)
第四十四届磁共振脑影像基础班（北京，7.29-8.3）
第十九届DTI数据处理班(北京，8.19-24)
第一届任务态fMRI提高班（MVPA专题）(北京，8.25-30)
第十七届脑影像机器学习班（北京，9.3-8）
第九届小动物磁共振脑影像数据处理班（9.11-16）
第四十三届磁共振脑影像基础班（南京，7.1-6)
第二十二届磁共振脑网络数据处理班（7.16-21)
第九届磁共振ASL数据处理班（南京，8.5-8）
第四十五届磁共振脑影像基础班（重庆，8.26-31)
数据处理业务介绍：
3. 儿童期及青少年期白质发育的一般规律：FA指标升高MD指标下降本小节对近10年来，正常神经发育过程相关的扩散成像研究进行了系统化总结，其中包括横断研究及纵向研究，年龄范围主要集中于4～35岁之间。尽管各研究所采用扫描方案及分析方法差异较大，我们依旧发现了一系列与儿童期，青少年期大脑白质发育相关的共通性结论。结合大规模样本的量化指标结果，能够获得各白质微结构指标的一般化发展过程。大多数横向研究及纵向研究一致表明，在儿童期及青少年期，FA指标随年龄增长而升高，MD指标随年龄增长而下降（图3A，B描绘了下纵束上各指标的变化轨迹）。尽管白质发育在空间脑区及时间进程方面均存在一定程度的差异性，但FA增加MD降低几乎是适用于全脑白质区域的共通的发育模式。尽管各研究所涉及的年龄范围及分析模型差异较大，但整合不同年龄阶段的数据结果可发现，儿童期及青少年期的白质发育呈非线性发展趋势。但目前大部分DTI研究中，仍主要采用线性模型对年龄范围或样本量较小的白质发育轨迹进行拟合。一系列婴幼儿扩散成像研究指出，在生命早期的前几年，白质发育呈现出FA迅速增加，MD迅速下降趋势。生命早期如此迅速的结构改变甚至会带来一种错觉，认为白质结构在5岁左右即将进入发育平台期，其主要源于儿童早期的白质发育速率远远高于儿童后期及青少年期。事实上，白质发育在儿童早期之后仍会以较慢速率持续进行，但目前仍难以清晰且具体地刻画出该期间的白质发育轨迹。已有研究针对更长年龄跨度及更大样本量的数据集，采用二次方程和指数方程对白质发育过程进行拟合后发现，非线性模型表现出较为出色的拟合效果。然而，针对拟合后的白质发育曲线进行解释时需格外注意，这些白质发育轨迹归根结底是拟合而成的发展模型，与特定的神经生物学过程之间并不存在必然联系。
图3.下纵束（ILF）上各DTI指标的变化轨迹；随着年龄的增长，ILF白质脑区表现为FA增加，MD，RD及AD下降的发展趋势；儿童期及青少年期大脑白质主要表现为FA增加MD下降的发展趋势，在早期发育阶段的变化最为显著；多数研究认为FA和MD的发展变化与RD下降密切相关；有关AD的发展变化仍存在较大争议；FA.MD，RD均表现为二次方程模式的发展轨迹，而AD则呈现出线性下降趋势；模型的拟合效果取决于白质发育的具体年龄范围。一项基于202名健康儿童的横断研究，采用不同计算模型对胼胝体压部及弓状束的FA变化轨迹进行拟合（具体结果如图4所示）。该研究中，根据年龄范围将被试划分为不同亚组，采用线性方程，二次方程，指数方程对各亚组的指标结果进行拟合，同时基于一定比例的数据（该研究中数据比例为75%）使用局部加权平滑方法进行局部回归分析（LOESS）。分析结果表明，对胼胝体压部而言，模型拟合情况高度取决于亚组的年龄范围，压部区域的发育速率或发展进程根据年龄范围及拟合模型不同，会表现出截然不同的结果。当排除年龄范围这一变量仅聚焦青少年期的白质发育时，FA指标呈现下降趋势。然而当关注更长年龄跨度的白质发育时，整个青少年期的FA变化曲线则趋于平缓。此外，二次方程及指数方程对小年龄范围的白质发育轨迹拟合效果较差，会出现无效拟合或误导性拟合等情况。弓状束则是一条发育时程较长的纤维束，不同拟合模型及年龄范围对其发育轨迹变化的影响较小。线性方程及指数方程对较小年龄范围内的弓状束的发育过程具有较好的拟合效果，但8～13岁这一年龄范围除外。
相比之下，二次方程对弓状束发育过程的拟合表现相对较差。采用二次方程对8～13岁间弓状束的发育轨迹进行拟合后发现，弓状束在该年龄段内呈U形发展模式，在该年龄阶段早期FA指标呈现下降趋势，而进入青春期及成年早期后则迅速增加。采用二次方程对10～18岁和15～25岁两个年龄段内弓状束的发育轨迹进行拟合后发现，FA在各年龄阶段的后期呈现出下降趋势，然而当针对更长年龄跨度的数据进行考察时则并未发现以上现象。由此可见，采用二次方程拟合白质发育轨迹存在一定风险。但需注意的是，所有非线性模型在针对不同年龄范围的白质发育进行拟合时均存在一定的局限性。LOESS方法则提出了更具优势的随意模型，该模型能够对胼胝体压部及弓状束，在整个年龄阶段的白质发育轨迹进行几近合理化的拟合。但采用LOSEE对青少年期内胼胝体压部及弓状束的发育轨迹进行拟合发现，两条纤维束的FA均呈下降趋势。可见，针对较小年龄范围内的白质发育过程而言，LOESS拟合模型似乎缺乏一定的生物学合理性。综上所述，在针对白质结构的发育速率及发展轨迹等问题（如，FA何时进入缓慢发展阶段或峰值期）进行解释时，需充分考虑年龄范围，拟合模型等影响因素。
图4.年龄范围对胼胝体压部及钩束的FA曲线拟合的影响；根据年龄阶段将参与者划分为4个不同亚组（5-10岁：52人；8-13岁：64人；10-18岁：85人；15-25岁：85人）；采用线性方程（A，E），二次方程（B，F），指数方程（C，G）以及局部回归方程（D，H）对各亚组指标结果进行拟合；折线表示拟合效果不显著。
胼胝体压部脑区在早期阶段发展极为迅速，根据年龄范围及选取模型不同，其拟合效果参数变化较大。如，线性方程无法精确地刻画出早期的快速增长阶段及随后的缓慢发展阶段，而指数方程则可对其进行清晰拟合。
钩束是一条发展较为缓慢的白质纤维束，4个模型均可对其FA变化轨迹进行较好拟合，年龄范围及模型选择对其拟合参数影响较小；
如上所述，儿童期及青少年期的大脑白质呈非线性发育轨迹。然而，构建非线性模型往往需要大样本长时程的数据集，且很难区分白质发育何时进入平稳期或峰值期。基于三项长年龄跨度的大样本研究发现，额叶颞叶脑区间的白质连接（如，扣带，弓状束，上纵束，上额枕束等）表现出更长时程的发育轨迹，其FA增加及MD下降等指标变化会持续至20岁之后。相比之下，胼胝体及枕叶相关的白质结构发育则相对较早。其他针对小年龄范围的研究也支持以上发育模式。有研究发现，额-颞脑区白质连接的年度发育速率显著高于胼胝体及穹窿区域。也有小年龄区间（6～12岁）的横断研究报告称，额-颞脑区的白质发育与年龄之间的相关性较弱。另外一项针对6～18岁白质发育的研究指出，扣带，右侧皮质脊椎束以及右侧钩状束的发展变化表现出最为强烈的年龄相关效应。以上研究再度表明，额-颞脑区的白质发育时程相对更长，而胼胝体压部及膝部的发育轨迹则受年龄变化的影响最小。然而，基于小年龄范围的变化轨迹很难判断白质纤维的发育是延后还是已经接近尾声。
图5.10条主要纤维束的FA，MD的发育速率；横轴末端表示5～30岁期间FA及MD均达到指数峰值90%的年龄。有些纤维束在青春期前就已进入稳定期，而扣带及钩束等纤维束的发展变化则会持续到20岁以后；尽管10条纤维束在FA和MD下的成熟期排序存在一定差异，但胼胝体均表现出更早进入成熟期。相同纤维束上，MD达到成熟峰值的时期一般晚于FA。条形颜色反应FA或MD从5岁到平稳发育期的变化比率。
多数VBA研究并未对不同脑区的白质发育速率进行区分，而仅是关注各体素的指标结果是否与年龄显著相关。基于7项TBSS研究发现（图7），FA增加与年龄呈正相关，但该相关性受白质区域影响，存在显著的脑区差异。整合一系列横断研究发现，即使各研究的分析方法相同，但其最终结果仍存在较大差异。其他两项纵向研究则表明，即使两次扫描间隔较短（1.5～2.5年），仍然可以发现FA的大范围改变。由此可见，与横断研究相比，纵向研究似乎能够更好地探测白质发育与年龄间的变化关系。此外，年龄范围，被试群体，图像采集，数据预处理，是否平滑等因素都会影响研究结果，并可能导致各研究之间的结果差异。
图6.基于FA测量值结果发现，白质发育具有显著的脑区差异；两项大样本研究采用不同的分析方法针对白质发育的脑区差异进行了探讨（A-D：n=202，5-30岁，确定性白质纤维追踪；E-H：n=168，8-30岁，图谱分析）；两项研究一致表明，多数白质脑区的FA指标呈非线性指数变化趋势。白质结构发育具有显著的脑区差异，主要体现为，额叶-颞叶连接脑区（如D图所示的扣带及图H所示的扣带皮质）的白质发育时程晚于其他脑区。
图7. 此处列举了9项白质发育的TBSS研究；前7项横断研究结果（A-G）一致表明，内囊前肢的FA变化与年龄增长呈负相关，显著区别于胼胝体等其他脑区。后两项纵向研究（H，I）均表明，尽管间隔较短（1.5～2.5年）的两次扫描之间，仍然可发现大范围的FA指标变化。不同研究设计(与横向研究相比，纵向研究能够更好地刻画白质发育过程)，配准错误或图像采集策略及数据处理方法的选择均可能是导致以上研究结果差异，产生假阳性或假阴性结果。本文基于17项白质发育研究的指标结果，绘制出了4个白质脑区（包括，胼胝体压部，胼胝体膝部，上纵束，皮质脊椎束）的发育成熟曲线（图8）。以上分析对象中并未包含可能引起发展曲线偏差的婴幼儿或中晚年研究。如图8所示，不同研究中FA指标结果差异较大，其主要是由各研究采用的扫描方案或分析方法的差异性所导致。TBSS或ROI分析方法，主要聚焦于纤维束上FA指标最高的中央区域，而纤维追踪方法则能够探测更为广阔的白质脑区。此外，抛开方法学差异可发现，4条纤维束的FA指标在整个儿童期均呈增长趋势。FA增长现象在SLF上表现最为一致，诸多研究均表明，SLF上FA的稳步增长会一直持续至20岁以后。相比之下，胼胝体的指标变化轨迹则颇具争议，尤其是有关胼胝体压部的FA指标，各研究结果间差异较大。有研究报告称胼胝体的FA指标随年龄增长而升高，还有研究称FA无明显改变或呈现轻微下降趋势。最后需要注意的是，图8中描绘的白质发育轨迹同样受拟合模型的显著影响。
图8.基于17项DTI研究结果绘制的4条白质纤维束的FA变化轨迹（A：胼胝体膝部；B：胼胝体压部；C：皮质脊椎束；D：上纵束）；
各纤维束上FA的绝对数值范围跨度较大，胼胝体脑区FA数值差异尤为显著（03～0.9）；指标结果受扫描策略及分析方法的显著影响。与纤维追踪方法相比，基于TBSS或ROI方法估测的指标结果一般较高，其主要源于TBSS等方法仅计算纤维束中心区域的数值，而纤维追踪方法则会对纤维束整体区域进行统计。有关胼胝体的发展轨迹目前争议较大，有研究显示FA随年龄增长而升高，还有研究称FA无明显改变或呈现轻微下降趋势。SLF的发展方面结论较为一致，几乎所有研究均表明FA随年龄增长而升高，且该发展趋势一直持续至20岁之后；与胼胝体脑区相比，CST和SLF等大多数纤维束表现为更为缓慢且持久的发展变化；
本图中显示结果均是基于参考文献的拟合参数或原始数据估测出的指标发展曲线。图中清晰标注了各研究的分析方法，拟合模型，样本数量等基本信息。TBSS/VBA是最为主要的分析方法，需要注意，TBSS或VBA分析方法也需要定义ROI脑区并从中计算出平均FA指标结果。
胎儿期及婴儿期大脑发育的组织学研究表明，白质的髓鞘化过程普遍遵循从后向前，自下而上，由中央到外周的发展模式。尽管已有证据表明，以上发展模式具有全脑范围的普适性，但有关儿童期的白质发育模式仍缺乏充分的扩散成像数据的支撑。有研究指出，6～18岁的白质发育过程中，距离中线越近的脑区其发展速率越快，尤其是胼胝体呈现出显著的由中央向外周的成熟模式。另一项针对32名5～28岁被试的TBSS研究指出，白质发育同时遵循自下而上及由后向前的梯度变化模式。最近一项以159名4～11岁儿童为对象的DTI研究支持了由后向前的白质发育轨迹，但其结果并未证实自上而下或从中央到外周的白质发育模式。需要格外注意，白质纤维追踪或ROI分析方法中，指标结果主要是基于对纤维束整体或不同脑区信号进行平均而获得，因此此类方法难以探测出白质发育的空间梯度变化。近年来，越来越多的研究采用扩散成像手段同时探测儿童期以及其他年龄阶段的大脑发展变化。这些毕生研究从不同视角洞悉了儿童期及成年期的大脑结构改变，在此基础上尝试构建涵盖早期神经发育及晚期神经老化的完整发展模型。所有毕生DTI研究一致表明，FA在儿童期及青少年期持续增长，并在成年早期到成年中期达到顶峰，经历峰值期后则随年龄增长逐渐下降。MD则表现为完全相反的发展轨迹，MD在发育早期呈持续下降趋势，经历最小峰值期后逐渐增加。在白质发展的脑区差异方面，毕生研究与单纯发育研究的结论基本一致：连合纤维束最早进入发育峰值期，连接额叶-颞叶的白质纤维束的峰值期最晚。此外，毕生研究普遍发现，FA的最大峰值期及MD的最小峰值期大约出现于20～40岁之间，以上峰值期显著晚于仅针对儿童期及青少年期白质发育的研究结果。有研究采用二次方程对白质发育轨迹进行拟合发现，MD最小峰值期往往晚于FA最大峰值期，然而其他采用Poisson或LOESS模型的研究指出，MD最小值与FA最大值的出现时间基本相同。以上结果可能再次说明二次方程模型具有一定的局限性。白质发育轨迹受年龄范围及拟合模型等因素的显著影响（图4）。大脑老化研究也存在相同问题，特别是采用二次方程作为拟合模型的毕生研究中表现得尤为明显。结合现有毕生研究可发现以下共通结论：儿童期及青少年期的白质结构呈现FA增加MD降低的普遍性发展趋势，此外，在儿童期，青少年期及成年早期的特定年龄范围内，额叶-颞叶相关的白质脑区表现出更为长期的发展过程。白质发育速率及时间进程受多种因素的影响。生物学及环境因素与扩散指标变化密切相关。然而却很少有研究致力于探讨以上因素与白质发育速率之间的关系。本小节将简要讨论基因，环境等因素对健康个体白质发育的影响。目前，已有研究报告称，在儿童期及青少年期的白质发育存在显著的性别差异，主要表现为，与女性相比男性的FA指标更高MD指标更低。有研究进一步指出，白质发育的性别差异受脑区位置的显著影响。男性在额叶脑区的FA更高，而女性在枕叶脑区的FA更高。但也有诸多研究认为，白质发育并不存在显著的男女差异。与以上静态的绝对差异相比，发展速率相关的动态信息能够为我们探讨白质发育的性别差异提供更为直接的线索。有些研究发现，各扩散指标的发展变化轨迹并不存在男女差异。而有些研究则指出，与同年龄阶段的男孩相比，女孩的FA水平更高，MD水平更低。而整体来看，女孩的白质发育更早，而男孩的发育时程更长。但有关白质发育速率的性别差异还存在较多争议，还需要更多大样本研究对男女各自的非线性白质发育轨迹进行更为精确的阐释。青春期是预测大脑发育的重要年龄阶段，青少年期表现出的诸多性别差异，个体差异以及生理/心理发展的其他指标差异能够提供为探究神经系统发育提供一系列重要线索。然而，青春期与年龄因素紧密相连，很难区分二者对大脑发育的影响效应。一项针对114名8～28岁参与者的研究指出，青春期对大脑发育具有显著影响，但年龄与青春期之间并未表现出显著的交互效应。该研究还发现性别与青春期之间存在一定程度的交互效应倾向，表明青春期对男孩和女孩的影响存在差异。另一项针对77名青少年的研究发现，在控制年龄因素的前提下，青春期对FA的预测效应仅出现于右侧脑岛区域，且并未发现任何脑区存在青春期对MD的预测效应。而一项仅以男性青少年为对象的研究则报告了相反结果，认为青春期，年龄，以及二者的交互作用都能够作为预测MD变化的独立因素，且青春期对MD的预测效应强于年龄的预测效应。该研究还指出，并未发现青春期与FA指标的显著相关性。以上相互矛盾的研究结果表明，青春期对白质发育的潜在影响仍有待进一步阐明。扩散成像研究普遍发现，在弓状束，内囊，视觉投射，扣带，上纵束，小脑脚上部，钩束等白质区域，左半球的FA指标略微高于右半球，表现出左脑偏侧化倾向。还有研究发现，额叶白质脑区，丘脑投射，或皮质下白质脑区的FA指标表现出右脑偏侧化倾向。同样，与静态的绝对差异相比，本文更为关注白质发育过程中表现出的脑区偏侧化。目前，仅有少数研究对该问题进行了直接探讨。有研究发现，额叶脑区的FA指标在儿童期表现出左脑偏侧化倾向，而进入青少年期后则表现为轻微的右脑偏侧化。还有纵向研究指出，左侧皮质脊椎束的FA增长速率高于右侧脑区，而右侧钩束的FA增长速率则高于左侧脑区。然而，有横断研究报告称，右侧IFO，扣带，上纵束的发育速率高于左侧脑区，而左侧钩束的发育速率高于右侧脑区。此外，有关弓状束的脑区偏侧化也存在争论，有研究认为弓状束的发展变化呈右脑偏侧化倾向，还有研究称并未发现脑区偏侧化。可见，有关白质发育的脑区偏侧化现象仍存在较多争议，今后还需要更多大样本研究进一步验证各DTI指标的偏侧化与年龄增长之间的关系。许多研究为减少个体差异尽量招募具有高同质性的参与者（如，利手，性别及IQ匹配），但其实个体差异本身也包含着很多主要信息。大部分神经发育影像研究的关键目标在于解释健康群体中普遍存在的认知行为差异。目前已有诸多研究基于扩散指标变化解释认知行为能力的发展，探索诸多差异性的来源。基因直接影响各扩散指标等白质微观结构的发展。关键问题在于基因是否会影响白质结构的发育速率及发展进程呢？一项大规模双生子研究表明，基因对白质发育的影响作用随年龄增长逐渐减弱。青少年期，70%～80%的FA变化受基因作用调控，然而进入成年期，基因的介导作用则下降至30%～40%。由此可见，随着年龄的增长，基因对FA发展变化的调控作用逐渐下降，而相对应的环境因素（如，教育，生活经历，饮食，运动）对白质发育的影响不断增强并贯穿生命始终。一些DTI研究还指出白质结构指标与早期成长环境密切相关。有研究表明，儿童期的社会情感匮乏会影响白质结构发育。此外，产前/产后抑郁，婴儿期营养供给（如，母乳喂养）等环境因素均会影响儿童期的白质发育轨迹。此外，还有诸多研究致力于探讨，健康儿童白质结构指标与认知行为能力发展之间的关联。一系列儿童期白质发育研究，基于扩散指标变化对阅读，算数，记忆，延迟满足等认知能力的发展进行了相关性分析。尽管此类课题意义深远，但需要注意研究间的仍存在诸多矛盾结果，不能片面地就某些研究结果轻易作出论断。构建大脑发育轨迹，探讨个体差异来源的最终目标在于，理解神经发育障碍及脑损伤机制。目前，DTI已被广泛应用于神经发育障碍研究领域，用于揭示胎儿期酒精暴露综合征，孤独症，精神分裂症等神经发育疾病的白质结构发展异常。此外，相比于静态的绝对性指标差异，动态的指标变化信息更有助于对白质结构的发展成熟过程的深入理解。FA指标增长MD指标下降这一白质发育现象背后涉及众多细胞生物学变化，如髓鞘形成，轴突髓鞘化，细胞膜通透性及轴突直径的改变，少突胶质细胞的增殖，组织内水分子含量下降等。髓鞘形成通常被认为是导致FA指标升高的最主要因素。有研究指出，在前髓鞘阶段（如，胎儿期）无髓鞘包裹的轴突也表现出一定程度的各向异性。该结果表明，轴突结构，尤其是轴突细胞膜特性可能是引起各向异性的主要作用因素。此外，轴突髓鞘化程度提高，纤维走向一致性增强，髓鞘形成水平增加似乎都是引起FA增加MD降低的重要影响因素。清晰地梳理以上细胞生物学因素仍然面临较大挑战，但扩散张量模型的其他特征值能够为探测白质纤维结构提高诸多有用信息。一系列神经发育研究表明，随着年龄增长白质结构表现出FA增加MD降低的同时，还伴随着RD的下降。有动物模型研究指出，RD对于探测髓鞘形成变化较为敏感，AD则对轴突组织退行性改变较为敏感。该观点与以人类为对象的白质结构病理学研究结果一致。当前研究一致表明RD下降与髓鞘形成及轴突髓鞘化发展紧密相关。然而，不同神经生物学过程的相关因素很难被完全分离。近期一项以176名7～14岁儿童为对象的DTI研究表明，FA升高往往伴随MD及RD下降，但MTR等具有高度髓鞘敏感性指标参数并未发生明显改变，MTR与DTI指标间也并未表现出显著相关。基于以上结果可进一步推测，DTI指标变化主要是由纤维连贯性，轴突髓鞘化以及细胞膜特性等细胞生物学要素引起，相比之下，髓鞘形成则并非导致DTI指标改变的主要因素。目前，关于AD指标变化的研究结果仍存在较多争议。有些研究报告称AD随年龄增长而逐渐下降，而有些研究则并未发现AD的显著改变。一项结合MRI及电子显微镜的大鼠模型研究指出，白质发育过程中轴突曲率下降是引起AD升高的重要因素，然而以上生物学变化发生的具体时间仍有待进一步验证。AD与RD的相对变化受不同脑区及不同发展阶段的重要影响。有研究指出，在除扣带及钩束之外的大多数白质脑区表现出FA指标升高RD指标降低，同时还伴随AD指标升高的趋势。还有研究称，眶额皮层及脑岛部位的AD指标随年龄增长而升高，而双侧运动脑区及上颞叶皮层则并未出现该变化。此外，其他研究还发现，背侧通道相关的纤维束在发育晚期表现出AD指标升高，而腹侧通路纤维束则在发育阶段早期表现出AD指标下降。以上AD指标结果差异可能源于轴突曲率等形态结构的空间特异性及时间特异性。单个样本内部某些扩散指标的改变是否强于其他指标？该问题主要用于探讨各扩散指标随年龄的相对变化。一系列研究指出，8～30岁之间FA指标的发展速率高于MD指标，两指标的年度变化率在4～11岁期间表现出尤为显著的差距。该研究结果表明，儿童早期FA的增长比MD的下降更为急剧。但也有研究报告称，MD的变化速率高于FA，且MD变化的起始期晚于FA。以上研究结果再次表明，FA和MD的发育轨迹存在显著差异，对于探讨神经发育过程而言两项指标均具有重要意义。此外，在对两项指标的变化速率进行比较时，需充分考虑年龄范围等被试因素的影响。近期一项NODDI研究结果指出，儿童期及青少年期，轴突密度指标（NDI）与年龄增长的相关性显著强于FA，表明NDI对于探测神经发育方面具有更高敏感性。但目前在神经发育研究领域，NODDI等高阶分析模型的应用仍处于初始阶段。大脑发育过程中白质体积的发展变化已得到广泛研究，诸多毕生研究结果表明，全脑范围内白质体积的增长会一直持续至35～40岁左右。白质体积增长会使灰质和脑脊液等其他组织体积的全脑占比下降，进而导致FA指标增加。因此减轻扫描过程中的局部容积效应会得到相对较低的FA指标。然而，尽管各结构指标变化在时间进程上存在一定程度的重叠，但白质体积增长与FA和MD变化分别代表不同的神经生物学过程。扩散指标呈指数方程或三次方程模式的变化轨迹，而相同年龄阶段内白质体积变化则表现为线性发展模式。此外，有研究指出，纤维束体积与微观结构指标间并不存在显著相关，或表现为负相关。一项纵向研究结果表明，将白质体积作为控制变量后，FA和MD指标变化与年龄增长呈现显著相关。由此可见，白质微结构的发展变化明显区别于宏观结构的形态改变。个体差异是影响指标结果的另一重要因素。个体差异主要源于生物特异性以及实验偏差等。由于个体差异的存在，单个被试的指标结果数据无法提供充分可靠的信息。尤其在探讨神经发育的一般化过程时，最好结合大样本多时空的数据集进行综合性分析。个体差异不仅影响个体水平上的数据结果描述，还影响群体水平上的数据统计及归纳总结，大样本数据集是克服个体差异的有效途径。尤其在采用非线性模型或复杂拟合模型时，保证样本量充足尤为重要。此外，个体差异不仅体现于测量指标的绝对数值之中，在各指标的变化速率及发展趋势方面同样存在显著的个体差异，即使在纵向研究当中也很难解释是何种差异影响组水平的发展变化。尽管个体差异无法消除，但白质结构指标的发展变化仍然具有一定的生物学合理性，并能够获得动物模型及病理学证据的支持。如前文所述，张量模型因其简洁实用等优势被广泛应用于神经发育研究领域，但DTI也存在一定局限性。其他计算模型或分析方法能够探测更为精细的组织微结构，提供一系列更具特异性的指标参数。但这些高阶模型通常需要更长的扫描时间以及更复杂的图像采集策略，此外所有模型均存在诸多理论假设。扩散峰度成像技术（DKI）采用自由模型拟合方法，计算由水分子扩散受限所引起的非高斯分布信号。平均峰度（MK）是DKI的主要指标，能够反应回波指数衰减的自旋不变性偏差。DKI指标与DTI指标类似，同样包括轴向峰度（AK）及径向峰度（RK）。有DKI研究表明，新生儿期的峰度指标呈指数趋势增长，其变化速率远远高于FA指标（前4.5年间，胼胝体压部的峰度指标变化速率达157%，FA增长速率则仅为70%）。一项探测13～85岁前额叶脑区白质发育的DKI研究发现，青少年期MK随年龄增长而升高。一项近期研究表明，DKI指标在皮质脊椎束（CST）以及扣带，SLF，IFO等前额叶相关纤维束上的变化速率最大，该发现与众多DTI研究结果一致。此外，有研究将儿童期以及成年中期的DKI指标与DTI指标进行比较发现，DKI指标结果表现出的组间差异显著大于DTI指标。该结果表明，与DTI指标相比，DKI指标随年龄增长的变化更为敏感。然而，该研究中成年组被试的年龄范围超出了FA峰值期年龄，因此该结果可能仅表明DKI指标的峰值期更晚，而并非反应DKI指标与DTI指标之间发展速率的差异。与DTI指标类似，DKI指标所涉及的具体神经生物学过程仍不甚清晰。但近期一项探讨大鼠的前髓鞘化阶段发育研究指出，与传统的DTI指标相比，DKI指标对于髓鞘脂质成分的探测更具敏感性。高阶计算模型往往需要更高要求的数据以及更复杂的图像采集策略，进而实现对神经发育过程进行更具特异性的观测。DKI的另一延伸模型假设轴突细胞内外呈非渗透性的相互独立的空间。使用该方法可探测婴幼儿期白质结构的一般发育过程，但其目前并未应用于儿童后期及青少年期的白质发育研究领域。NODDI是另一高阶计算模型，其假设大脑内部存在细胞内，细胞外，脑脊液三个组织分区，采用2个非零b值探测微观结构更为复杂的白质脑区。但NODDI模型所需数据通常需要花费更长的扫描时间。一项以66名健康被试（7～63岁）为对象的NODDI研究表明，轴突密度指数（NDI）呈对数增长趋势，而轴突走向分布指数（ODI）则表现为指数增长模式。该研究还指出，7～20岁期间，ODI指标维持稳定状态，而NDI指标则持续增长，与FA指标增长趋势一致。另一项针对27名儿童（8～13岁）的NODDI研究指出，全脑纤维束的NDI指标与年龄增长之间均表现为正相关，而ODI指标则并未表现出与年龄增长的显著相关性。以上研究结果表明，该年龄阶段白质发育的主要内容为髓鞘形成以及轴突髓鞘化，而轴突连通性则并非主导因素。此外，另一项针对72名儿童及青少年（4～19岁）的NODDI研究指出，健康青少年群体中，NDI的发展变化与年龄之间的相关性显著高于FA，表明NDI在探测白质微结构随年龄的发展变化方面更具敏感性。最后，需要注意的是，以上指标参数均为模型求解结果，而并非针对白质特性的实际测量值，因此在对这些指标进行综合分析时应保持谨慎态度。HARDI，扩散光谱成像等其他图像采集技术能够计算同一体素上的多条纤维走向，精确地描绘出交叉纤维等复杂结构。以上最新技术手段能够提供更为丰富的白质结构信息，尤其可以针对突触修剪等早期神经发育过程进行刻画描述。综上所述，以上先进技术和高阶模型对于探测神经生物学变化具有更高的敏感性及组织结构的特异性。但与传统DTI相比，这些先进技术通常需要更长的扫描时间，更高的硬件要求，以及更复杂的图像采集策略。由于以上客观因素的限制，这些最新技术仍未被广泛应用于儿童期白质发育研究领域，期待今后研究能有所突破。基于图论方法的神经发育研究表明，大脑结构连接呈现为高效的“小世界网络”。其主要体现为密集的局部连接与少量的远程连接，该小世界属性将贯穿生命始终。神经发育过程中，一些关键的网络属性指标也会经历显著变化。与白质微结构指标类似，网络属性指标在生命第一年中的变化最为显著，其后以较为缓慢的变化速率稳步发展，一直持续至儿童后期及青少年期。一项针对1.5～18岁儿童白质发育的图论研究指出，中心节点脑区在2岁左右就已显现，且该中心节点脑区的整合属性不断升高（节点强度及全局效率增加），离散属性不断降低（集聚系数及模块化程度不断下降）。该变化过程会一直持续至18岁左右，反应出大脑网络在持续优化。其他两项大样本研究指出，大脑网络属性的发展变化呈非线性发展趋势，并在成年早期进入稳定状态。此外，一系列DTI研究表明，白质网络属性的发展变化同样具有显著的脑区差异。大脑网络属性的发展高度遗传性，且9～15岁期间的智力发育紧密相关。一项以949名8～22岁参与者为对象的大样本研究表明，大脑网络属性呈现显著的性别差异，女性左右半球之间的连接更强，而男性半球内部的连接更强，但该研究并未探讨以上性别差异随年龄增长的改变。青少年期白质网络连接的局部效率及全局效率属性表现出右脑偏侧化，但该偏差化倾向进入成年期后逐渐减弱。尽管以上课题十分具有吸引力，但对大脑这个庞大的网络系统进行梳理，从中提取有用信息极具挑战。白质结构网络研究近一步证实了扩散成像研究中的一系列重要发现：白质结构的发展变化在生命早期极为迅速，并将一直持续至儿童后期及青少年期。儿童后期及青少年期的白质发育速率显著低于儿童早期，并在成年早期进入稳定状态。整个白质发育过程呈非线性发展模式，并存在显著的脑区差异。随着成像技术的不断发展以及分析方法的持续改进，越来越多的白质结构指标可用于对神经系统疾病的临床分析。基于扩散成像数据的网络分析在结构网络与功能网络的对比研究中也扮演着重要角色。过去10年间的扩散成像研究为我们描绘出了儿童期及青少年期白质结构的发育轨迹。以往研究在图像扫描策略及分析方法方面存在较大差异，必然会影响各自的研究结论。显著的个体差异也会对扩散指标的发展变化轨迹产生一定程度的影响。因此，有限年龄范围的小样本研究很难准确反应白质结构的真实变化。少数大样本扩散成像研究针对童年早期到成年期的白质发育过程进行探讨发现，扩散指标的变化呈非线性发展趋势。由于成像研究中对脑区的定义方法各有不同，导致无法针对白质脑区的具体解剖位置进行跨研究比较。但是，已有扩散成像研究依然获得一系列重要发现。首先，白质结构发育的扩散成像研究一致表明，儿童期及青少年期的白质发育表现为FA指标增加MD指标降低的发展趋势，该变化将一直持续至成年早期。以上指标变化并非针对特定的神经生物学过程，而是综合反应了髓鞘形成，轴突髓鞘化以及轴突连通性等白质结构的多种变化。白质结构发育呈非线性发展模式，在发育时程方面具有显著的脑区差异。整体表现为胼胝体及投射纤维的白质脑区最早成熟，其成熟期将于青少年期接近尾声，而连接额叶和颞叶白质纤维的发育时程将持续至20岁之后。今后研究中，需要采用更为高阶扩散模型能够克服当前研究的诸多局限，为探索白质结构的发育过程及发展机制提供关键线索。（请重点关注思影DWI提高班内容）：如需原文及补充材料请添加思影科技微信：siyingyxf或18983979082获取,如对思影课程及服务感兴趣也可加此微信号咨询。另思影提供免费文献下载服务，如需要也可添加此微信号入群，原文也会在群里发布，如果我们的解读对您的研究有帮助，请给个转发支持以及右下角点击一下在看，是对思影科技莫大的支持，感谢！
欢迎浏览思影的数据处理业务及课程介绍。（请直接点击下文文字即可浏览思影科技所有的课程，欢迎添加微信号siyingyxf或18983979082进行咨询，所有课程均开放报名，报名后我们会第一时间联系，并保留已报名学员名额）：
磁共振：
第十八届DTI数据处理班（上海，7.2-7)
第十六届脑影像机器学习班（上海，7.23-28)
第十届任务态功能磁共振数据处理班（上海，8.12-17)
第二十一届脑网络数据处理班(上海，8.20-25)
北京：
第十四届磁共振脑影像结构班（北京，7.10-15)
第四十四届磁共振脑影像基础班（北京，7.29-8.3）
第十九届DTI数据处理班(北京，8.19-24)
第一届任务态fMRI提高班（MVPA专题）(北京，8.25-30)
第十七届脑影像机器学习班（北京，9.3-8）
第九届小动物磁共振脑影像数据处理班（9.11-16）
第四十三届磁共振脑影像基础班（南京，7.1-6)
第二十二届磁共振脑网络数据处理班（7.16-21)
第九届磁共振ASL数据处理班（南京，8.5-8）
第四十五届磁共振脑影像基础班（重庆，8.26-31)
第三十届脑电数据处理中级班（北京，8.5-10)
第二十九届脑电数据处理中级班（上海，7.16-21)
第十七届脑电数据处理入门班（上海，8.1-6)
第十五届脑电数据处理入门班（重庆，7.12-17)
第十四届近红外脑功能数据处理班（重庆，8.14-19)
第三十一届脑电数据处理中级班（重庆，8.20-25)
数据处理业务介绍：
思影科技近红外脑功能数据处理服务
