WMT
Parent: ai_keywords
WMT（White Matter Tract，白质纤维束）
核心定义
WMT（白质纤维束）指大脑白质中由髓鞘包裹的轴突集合，形成连接不同皮层、皮层下核团及脊髓的结构通路。作为神经信息传递的物理基础，其完整性直接决定神经网络的功能效率。现代神经影像学主要通过扩散张量成像（DTI）无创地重建白质纤维束走向，称为纤维束追踪（Tractography）。
关键技术点
- 扩散张量成像（DTI）：基于水分子在组织中的各向异性扩散，通过张量模型量化纤维方向、分数各向异性（FA）、平均扩散率（MD）等参数。FA值反映纤维致密性与髓鞘完整性。
- 纤维束追踪算法：包括确定性追踪（如FACT算法，沿主本征向量逐点推进）和概率性追踪（基于贝叶斯框架模拟多方向扩散，对交叉纤维更鲁棒）。后者在复杂纤维区域（如弓状束、扣带束）优势明显。
- 白质图谱与自动分割：基于模板（如JHU白质图谱）或机器学习（深度学习分割网络）将全脑纤维束自动识别为特定束（如皮质脊髓束、胼胝体、上纵束等），实现个体与群体标准化比较。
医学/神经科学应用场景：脑卒中后运动功能恢复预测
依托首都医科大学神经病学研究所的临床队列，针对急性期缺血性或出血性脑卒中患者，利用WMT分析皮质脊髓束（CST）的损伤程度。具体做法：
- 弥散MRI采集后，重建双侧CST，计算患侧与健侧CST的FA比值（rFA）和纤维束体积比（rTV）。
- 结合临床量表（Fugl-Meyer评估），建立机器学习模型（如支持向量回归或图神经网络），预测3个月后肢体运动恢复。
- 关键发现：当CST损伤区域位于内囊后肢且rFA<0.65时，患者运动功能明显受限；而纤维束重塑（对侧代偿性增厚）与良好预后正相关。该技术已用于指导个体化康复计划制定。
