脊髓磁共振成像概述
脊髓是大脑与躯体之间最主要的感觉和运动信号的接口，我们通过研究脊髓功能可以完整地了解感觉、运动信号在中枢神经系统的输入和输出机制。此外，作为躯体感觉和运动信号的传导通路，如果脊髓及相关神经受到损伤或出现疾病，就会引发由其支配的组织器官的感觉、运动功能异常。我们研究和理解人类脊髓在感知觉（如疼痛和痒）、运动中的作用往往受限于脊髓特殊的生理结构。相比于脑图像，脊髓磁共振成像并不常见。最大的原因可能是在这种体积小、不断随生理节律移动的结构上成像，非常具有技术挑战性。
如今，大部分的脑成像方法在脊髓上都可以实现，比如结构成像（T1、T2），功能成像（T2*），弥散成像（DTI、DWI）,磁共振波谱（MRS）等常见的应用于临床和科研的成像方法。脊髓结构成像在临床的辅助诊断中常用于脊髓的病变诊断以及病灶的定位，在基础科研中则最常用于图像（如功能像和DTI）的配准，结构像通过后期分析可以获得脊髓横截面积、灰白质面积和长度等量化指标，这些指标可以用于脊髓可塑性变化相关的研究，还能用于脊髓病程判断及疾病相关指标的探寻；而脊髓功能成像则主要通过BOLD（血氧水平依赖）的相对变化来观察脊髓的静息态自发神经信号以及被感觉和运动任务诱发活动的状态。脊髓弥散成像可有效示踪脊髓纤维束及其结构完整性、判断病灶的位置，还可以通过弥散张量扩散系数等定量指标对疾病程度进行粗略判断。
孔亚卓研究员长期关注于脊髓磁共振成像，在3T场强下，已经优化了多种成像序列，包括3D结构T1、T2像，GRE-ME多回波结构像，多种激发方式的功能磁共振成像fMRI和弥散张量成像DTI，以及多参数定量成像。我们研究组也致力于优化和标准化脊髓成像的处理流程，特别是脊髓fMRI，矫正EPI图像失真、生理噪声去除、脊髓图像分割、个体激活建模分析、静息态功能连接和网络提取、稳定的配准和组统计分析，寻找每一个处理步骤中最稳定的分析方法也将会是一大挑战。国内对于神经科学和临床疾病的研究均主要集中在脑功能方面，对脊髓的神经影像缺乏相关的研究。脊髓磁共振成像的研发和临床应用具有重大的科学和临床意义，并有巨大的应用潜力。
孔亚卓研究员运用ICA分析方法，首次发现在脊髓中也存在符合生理特性分布的静息态网络（图a）。 这些静息态网络排列在头尾方向，每一个的长度几乎都没有超过一个脊柱层。所有脊髓静息态网络按照脊髓结构分布在背端和腹端灰质角。这种功能分离很好地反映了脊髓的神经解剖结构，感觉处理在背端而运动信号加工在腹端。腹端网络主要是双边(bilateral)，而背端网络是单边(unilateral)，分开左右。单侧背端网络可以反映持续半体(hemi-body)处理，与感官输入侧一致（Kong et al. 2014 PNAS）。近期我们又运用种子点功能连接方法，验证了在3T场强下的脊髓静息态fMRI功能连接的生理模式，即脊髓两个腹角之间以及两个背角之间各自的相关性，但背角和腹角之间并无显著的交叉功能连接（图b）（Eippert & Kong et al. 2017 NeuroImage)。
需要注意的是，目前大多数常用的脑图像分析软件都不能直接应用于脊髓图像数据的处理，因为两者的图像特征和结构体系常不同。SCT是专门用来处理多模态脊髓MRI图像的软件包，它能够以代码运行的方式实现脊髓图像数据标准化和自动化的分割、配准、运动校正等处理步骤；SCT还整合了最新的脊髓模版和图谱，开发出了基于模版的脊髓分割和配准的算法以及多种分析方法，而且可以自动获得脊髓横截面积、灰白质面积和长度等量化指标；此外，它还包含了用于脊髓DTI及fMRI的预处理算法，后续生理噪声去除以及统计分析等步骤可依赖于FSL等软件进行，总的来说，这是一款对于脊髓磁共振数据分析来说非常有用的软件了。
