人类海马由折叠的旧皮质层组成，其亚区包含独特的细胞成分。但由于广泛存在的个体差异，如何将MRI采集的海马图像进行亚区分割，并与根据组织学定义的亚区图谱保持一致是一项具有挑战性的工作。基于表面的海马亚区分割方法允许不同个体之间进行对齐，或从个体“映射”到根据组织学定义的拓扑同源组织参照物上进行对齐。与手动分割或基于配准的方法相比，基于表面的方法为海马亚区分割提供了新的生物学有效约束，并且不受手动分割方法的一些技术限制，例如平面外采样（也就是分割超出了亚区的真实范围）。这种方法还特别适合应用于高分辨率MRI成像中，能够评估海马的个体间变异。
虽然海马通常被称为“皮层下（结构）”，但它是由一个与新皮质相邻的“旧皮质薄片（archicortical sheet）”折叠而成的。本文讨论了基于表面的方法，这些方法旨在采用类似于在新皮质中使用的方法来模拟海马折叠，允许不同个体在展开或平面映射的2D空间中对齐。这种方法可以实现详细的形态学描述，约束亚区分割，并提供一种能够无遮挡可视化数据的方法。本文发表在Trends in Neurosciences杂志。
温故而知新，建议结合以下解读阅读（直接点击，即可浏览）：
海马亚区研究：超高分辨率MRI海马结构计算图谱
FreeSurfer自动分割海马亚区算法的重测信度分析
Biological Psychiatry ：抑郁症病人的海马亚区分割
一、定义海马亚区面临的挑战
海马亚区是具有定型细胞成分的区域，由于其在临床和理论神经科学研究中的前景而成为当前研究的前沿热点。在许多疾病或疾病亚型中观察到海马亚区特异性和完整性存在差异，并且不同海马亚区的特定功能与认知功能的不同方面相联系。因此，学术界一直致力于开发从活体MRI图像推断海马亚区分割的方法。这项工作的一个基本挑战是，目前无法通过MRI图像区分具有不同细胞组成的海马亚区。
但是在组织学研究中，通常有足够的微观特征可供神经解剖专家区分不同的海马亚区。因此，进行海马亚区分割的挑战主要在于如何建立海马亚区组织学图谱和MRI图像之间的对应关系。最简单的方法是对给定图像和作为基准（ground truth）的2D或3D参考图谱进行线性对齐。然而，由于海马的解剖结构可能存在很大的个体差异，这种方法无法解释这些个体差异。
目前，海马解剖结构的个体差异问题可通过三种方式解决：
第一种方法是，进行手动分割以识别那些尽管在个体间存在差异、但始终与亚区边界对齐的标志（landmarks）。
第二种方法，参考模板可以通过计算变形（或配准）以尽可能匹配给定的样本，这是大多数自动分割方法所采取的方式。
第三种方法即基于表面的方法，旨在通过定义海马折叠的3D结构，将其映射到拓扑约束的2D空间。这篇观点文章认为这种基于表面的方法具有独特的应用前景，因为它能灵活应对海马折叠的不同变化，并基于生物学规律限制不同个体间（或个体到参照间）的对齐。
二、海马亚区的解剖
海马亚区的划分主要依据离体组织的细胞、髓质和化学结构定义，通常以冠状平面展示。当从海马中部取样时，可以看到所有亚区都遵循规范的拓扑排序，如图1A左上角所示。这些亚区呈卷曲的C形（见图1A），最内侧末端为齿状回（dentate gyrus），由阿蒙氏角（Cornu Ammonis, CA）4区至1区依次包裹，最下部是下托（subiculum），与内侧颞叶新皮质相邻。
长期以来人们一直知道，尽管在单个脑切片中海马亚区可能是不连续的，但是海马亚区在三维结构上是完全相邻的。在人类中，所有海马亚区都遵循复杂的三维轨迹：海马尾（后）向内侧弯曲，海马头（前）向内侧、向后和向上弯曲，终止于杏仁核（见图1C）。有时可以看到海马趾（digitations，即海马组织中较小规模的褶皱，类似于新皮质旋转）垂直于该曲率。这在海马头部的冠状切片或海马的矢状切片上最容易理解，如图1A所示。
图1 传统和多平面组织切片中海马亚区拓扑图解。
图A 传统海马脑片；
图B 顶部为全脑图像矢状切片。左侧为传统海马冠状切片的大致位置。右侧3D模型中的黑线显示了海马头部和尾部的褶皱，包括海马趾和内侧弯曲；
图C 海马亚区多平面组织切片，沿海马曲率轴对切片进行重采样。如经典神经解剖学所述，在图C的所有切片中，海马亚区的连续性用黑线表示，并且是一致的。
CA：阿蒙氏角；DG：齿状回；Sub：海马下托。
最近，通过三维神经成像如超高分辨率活体和离体MRI，海马前后弯曲的存在及其个体间差异、以及海马趾的存在得以呈现（见图2）。早期研究表明，海马趾的范围与正常衰老和记忆有关。
图2 不同个体海马形态的差异
图A 海马亚区手动分割的3D模型
图B 图A前两个样本的海马亚区分割冠状切面。值得注意的是，除了图A所示的海马大体形态差异以外，不同个体的海马趾也存在差异（图B红线所示）。
三、基于表面的海马亚区分割方法
基于表面对齐的方法是通过投影到二维平面或球面来解释折叠时的个体差异。然后，在该展开空间中执行的脑区分割（parcellation）或亚区分割（subfield segmentation）可以投射回原空间。这是一种在新皮质非常成功的方法，可以在二维中将不同受试者对齐。以侧副沟（collateral sulcus）为例，它显示出高度可变的深度和分支模式，基于表面的方法允许等效表面来同时解决具有分支或分裂侧副沟的受试者与具有单个侧副沟的受试者的对齐问题。区块或感兴趣区域的边界（见图3A橙色箭头）可以在这样的表面上以二维形式应用，允许它们在个体之间拓扑移动而不会错误地穿过脑沟或脑回。二维的新皮质表面根据固定锚点（例如，新皮质和主要脑沟的边缘）对齐，并且可以使用附加特征来进一步细化配准（例如较小的脑回、皮质内髓鞘、功能属性或其他特征）。
图3 比较不同的新皮质皮质褶皱或海马趾模式
图A 具有单个侧副沟的受试者和具有分支侧副沟的受试者。
图B 具有两个海马趾的受试者和具有四个海马趾的受试者。
在海马中，类似的去折叠需要定义和去除亚区的向内卷曲、海马前后范围的弯曲和海马趾。然后可以通过投影到该展开空间来实现样本之间或一个样本与组织学参考图谱之间的对齐，而不用考虑海马折叠的变化。关键是，这样能够基于海马亚区脑组织在三维中的拓扑结构和连续性，在展开空间中建立不同个体之间组织的同源性。原则上，基于表面的方法可以适应海马内的任何海马趾和弯曲模式，甚至可以用于存在海马旋转不良（或异常三维形状）等情况。图4展示了本文作者开发的一种基于表面的海马亚区分割方法，首先使用基于特定受试者的坐标系展开整个海马体积，然后在展开的空间中执行亚区分割（见图4）。
图4 基于表面的海马亚区划分
根据组织与附近结构的边界位置，在海马灰质分割上施加梯度（见左上图中：海马-杏仁核过渡区为青色，灰被（indusium griseum）为紫色，齿状回为黄色，内侧颞叶皮质为橙色）。 这些梯度充当基于特定受试者的坐标系，允许将海马平面映射到标准化的二维空间。由于独特的拓扑结构，齿状回未包含在此展开空间中。海马亚区可以在这个标准化空间中得到定义，例如基于三维组织学，然后可以投射回每个受试者的原空间。
四、基于表面的海马亚区分割方法与手工分割和基于配准的分割方法的比较
一般来说，手工分割海马亚区的方法是通过探索能够同时将二维冠状MRI切面与冠状组织切片相匹配的标志（landmarks）来实现的。能够作为标志的关键结构包括高髓鞘SLM（间隙分子层，stratum lacunosum-moleculare）和SRLM（放射层，stratum radiatum）。这些结构在组织切片上（包含少量神经元和高髓鞘）和MRI上（提供足够的对比度和分辨率）显示为共同的标志。因此，亚区边界可以根据这些标志锚定到海马上。例如，海马下托和CA1之间的边界可以定义为SRLM内侧到外侧范围的一半。因此通过几何规则，下托-CA边界的变异性与SRLM的变异性相关。但是目前提出的许多利用SRLM或其他结构进行手动分割的方法显示出相当大的不一致性。
越来越多的证据表明，海马亚区边界相对于SRLM（放射层，stratum radiatum）的几何位置并不一致。这种对齐方式高度依赖于沿海马前后轴的切片角度和距离。由于海马亚区在大部分海马头部和尾部向内侧（或平面外）弯曲，它们的位置和方向可能会有很大差异，或者在冠状切片上表现为“不连续”（见图1）。此外在海马头部以及海马体和尾部内，存在广泛的个体变异（见图2）。海马趾中也包含了SRLM，因此尚不清楚从SRLM衍生的几何规则是否在具有不同海马趾模式的个体变异中保持稳定。由于这些限制，许多手动分割的方法简化或不在头部或尾部标记海马亚区。
另一种越来越流行的分割方法是利用计算机自动分割海马亚区的方法。相比手工分割这些方法更有优势，因为它们不仅更高效且具有可重复性，而且理论上它们可以利用那些手工分割无法识别的三维图像形态特征。常用方法是将给定受试者的海马经变形后配准到足够详细的三维参考图谱上，这些三维参考图谱是通过组织学密集采样、离体 MRI 和/或手动体内注释组合构建的，具有非常高的分辨率。最新和正在进行的研究致力于改进了这些方法中使用的配准过程和三维参照图谱。
根据给定的高质量参考图谱，自动分割方法可以解释海马体头部和尾部的总曲率，以及沿海马前后范围的亚区边界差异，而不需考虑切面的位置或角度。然而，基于配准的分割方法对于海马趾的变异来说不太适用。例如，尚不清楚该应用何种变形来将一个有两个海马趾的受试者与一个有四个海马趾的受试者对齐（见图2B）。在某些情况下，作为参考图谱的单海马趾个体可能会延伸到具有多海马趾的个体上，反之亦然，从而在产生的分割中造成严重的扭曲和解剖细节的丢失。生成的三维模型可能看起来是连续的，但无法准确捕获在解剖组织切片中发现的折叠和拓扑变换。
五、基于表面的海马亚区分割方法的最新进展和未来研究方向
目前，只有间接或不完全的证据表明基于表面的海马亚区分割方法在MRI与组织学交叉验证中优于其他方法。例如，Steve等人在海马冠状切面中测量了组织学定义的亚区边界，即沿海马向内卷曲的百分比距离，并发现不同切片间和不同样本间的高度一致性。这种拓扑规则可以取代传统的几何规则，例如前文所述的海马下托-CA1边界是“SRLM（放射层，stratum radiatum）内侧-外侧范围的一半”可能在整个海马长度上并不一致。在完全使用三维方法（或二维拓扑结构，如本文提倡的基于表面的方法）时，这些规则可延伸到海马头部和尾部的内侧弯曲。然而，在海马头部和尾部的个体中，拓扑定义的亚区边界是否保持一致的证据有限。
除了折叠或拓扑所解释的亚区边界之外，亚区边界的其他差异也可能存在，并且可以设想为图4所示展开空间中的替代或移位边界。未来的工作可以利用定量 MRI（例如皮质内髓鞘或其他在新皮质分割中具有影响力的措施）来解释个体间亚区边界位置的拓扑转移差异。在被认为是“金标准”的组织学研究中，根据切片角度、受试者之间的变异性，甚至不同的组织学家等，匹配切片之间的亚区边界仍然是一项挑战。这些问题可以通过使用基于表面的方法来考虑给定组织切片的三维上下结构或通过加权额外的三维定量MRI数据来改善。这些信息反过来可以确定可作为基准（ground truth）的边界在不同个体之间的差异程度。
基于表面的海马亚区分割方法的一个突出的技术挑战是，需要定义不同的海马折叠。这可以通过海马内细致的手动组织分割实现。然而，严重的萎缩或硬化、囊肿部分容积可干扰海马内白质结构的检测。这些问题可能会降低这种方法在低分辨率图像中的可行性（例如体素>1 mm3或层厚较大）。但是，据目前所知，即使在低分辨率或严重萎缩或硬化的情况下应用，也未观察到与基于表面的方法原则相冲突的实际拓扑中断。
总结：
总之，最近在人类海马中发现存在复杂、多变的皮质折叠的证据，对海马亚区手动分割和基于配准的海马亚区分割方法提出了重大挑战。具体而言，海马亚区手动分割方法可能无法充分处理海马的完整三维结构，而基于配准的方法可能不适合处理某些类型的形态学变异。基于表面的海马亚区分割方法能够明确地将海马建模为折叠表面和平面映射，它可以解析海马皮质折叠的现象，同时限制了从三维到二维的亚区分割问题，并提供额外的详细形态学信息。这种新方法可能有助于揭示海马亚区形态、疾病完整性和功能之间的关系。
但作者也提到，以下问题仍旧有待验证：
1、如何对基于表面的海马亚区分割方法进行外部验证？
对基于表面的海马亚区分割方法进行外部验证需要海马折叠的三维模型和同一个受试者的组织学样本，理想情况下需要在整个海马头部、体部和尾部取样。反过来，海马折叠和平面映射的三维建模能否解释组织学中的变异？
2、海马亚区的手动分割方法通常使用各向异性图像采集，但这可能会模糊海马头部和尾部的内侧曲率以及海马体的指状结构。将基于表面的海马亚区分割方法应用于这些区域的最佳分辨率和各向异性级别（如果有）是什么？
3、目前海马的去折叠可以通过手工分割灰质和分离折叠的SRLM（放射层，stratum radiatum）来完成。这项工作能依靠计算机自动实现并具有相当的可靠性吗？
4、目前可以修改基于表面的新皮质分割方案，来匹配特定受试者的特征（例如皮质内髓鞘、旋转或厚度测量）。这种方法能否加以改善以应用于基于表面的海马亚区划分？
5、海马趾个数的变异是否提示拥有不同海马趾个数的受试者属于不同的集群？最新的研究成果确定了海马体和尾部的海马趾的数量和幅度各不相同，这大大增加了不同个体差异存在的可能性。
6、一些证据表明，拥有更多海马趾与记忆力和正常老龄化有关。那么其他功能是否也普遍与海马折叠有关？海马趾及这些功能直接的关联是否源于其组织特性（例如表面积或厚度）的变化？
7、与传统的人工评估、手工分割或基于配准的方法相比，基于表面的海马亚区分割方法在诸如神经疾病或精神疾病中海马病理的检测或定位等方面是否有更多的应用空间？
