ENIGMA-PD-WML流水线：一种容器化、用户友好的多中心MRI白质病变准确、标准化分割方法

理解血管因素对疾病的贡献是一个尚未满足的重大需求。白质病变（WML）是公认的脑小血管病影像学标志，能够为其相关病理提供重要见解。尽管为了克服MRI研究通常样本量较小且异质性较高所带来的局限性、从而实现疾病亚型划分和识别疾病组内模式的需要，必须进行数据汇总，但目前仍缺乏一种适用于大规模多中心数据的统一WML分析方法。 我们的ENIGMA-PD-WML流程是一个开源的容器化流程，包含对T1加权和FLAIR数据进行预处理、处理和后处理所需的全部代码与软件包，并采用UNet方法输出准确且可重复的二值WML图谱。该流程为WML提供了一种标准化的图像分析方法，并同时输出原始空间和MNI空间中的数据，从而支持多中心数据的共享与汇总，以开展大数据分析。 除提供一种可靠的标准化WML分割方法外，在开发该流程时的关键优先事项还包括：易用性，即使用时仅需最少的人工输入和技术专长；以及适用于在多中心数据中常见的不同MRI扫描仪和采集参数条件下运行。本文对该流程进行了详细描述，并阐明了各个步骤的设计依据，以提高透明度并促进其应用，从而克服大规模WML分析中的可重复性问题。

理解血管因素对疾病的贡献是一项尚未满足的重要需求。白质病变（WML）是公认的脑小血管病影像学标志物，能够为其相关病理提供重要见解。尽管为了克服常见的小样本、异质性MRI研究的局限性而需要进行数据汇聚，但目前仍缺乏一种适用于大规模多中心数据的统一WML分析方法；这些局限性使得在疾病组内进行分型和识别模式变得困难。

我们的ENIGMA-PD-WML流程是一个开源的容器化流程，包含对T1加权和FLAIR数据进行预处理、处理及后处理所需的全部代码和软件包，采用UNet方法输出准确且可重复的二值WML图谱。该流程为WML提供了标准化的图像分析方法，并同时输出原始空间和MNI空间中的数据，从而支持多中心数据的共享与汇聚，以开展大数据分析。除提供一种可靠且标准化的WML分割方法外，开发该流程时的关键优先事项还包括：易用性，即仅需最少的人工输入和技术专长即可使用；以及适用于不同MRI扫描仪和采集参数的能力，这在多中心数据中十分常见。本文对该流程进行了详细描述，并阐明了每一步的设计依据，以提高透明度并促进其应用，从而解决大规模WML分析中的可重复性问题。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.11.731538v1?rss=1

🏷️ 白质病变分割 多中心MRI 容器化流程 UNet 脑小血管病