静息态人脑功能网络的小世界特性

rs-f mri技术的基本原理下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。

文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢!本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!RSfMRI技术的基本原理1. 引言1.1 背景介绍。

不同状态下脑功能网络特性研究摘要：脑功能网络（FNC）是指基于不同脑区域间的相互作用而形成的可重构和动态的网络结构。

本文将探讨不同状态下FNC的特性研究，包括静息态和任务状态下的FNC网络特性、睡眠状态下的脑电图（EEG）网络特性和药物干预下的FNC特性。

关键词：脑功能网络；静息态；任务状态；睡眠状态；药物干预介绍脑是一个高度复杂的生物系统，由数十亿个神经元和突触联系在一起，形成了一系列复杂的神经网络。

这些神经网络通过不断变化和适应外部环境，实现了不同的感知、认知、情感调节和运动控制等功能。

因此，研究脑功能网络（FNC）的结构和功能对于理解脑功能失调的机制和治疗脑疾病具有重要意义。

FNC是指基于不同脑区域间的相互作用而形成的可重构和动态的网络结构。

在FNC中，不同脑区域的连接强度和方向可以随着时间变化而发生变化，因此FNC是一种具有时空动态性的网络。

由于FNC是通过不同的脑区域间的交互作用而建立的，因此它具有高度复杂的结构和功能。

近年来，随着脑成像技术的发展，研究FNC的方法也得到了显著的改进和发展，如磁共振成像（MRI）、脑电图（EEG）等技术已被广泛应用于研究FNC的结构和功能。

本文将探讨不同状态下FNC的特性研究，包括静息态和任务状态下的FNC网络特性、睡眠状态下的EEG网络特性和药物干预下的FNC 特性。

静息态和任务状态下的FNC网络特性静息态和任务状态是研究FNC的常见状态。

静息态是指人们在安静的状态下，没有特定的感知、认知或行为任务。

在静息态下，脑功能网络中的不同区域会自发性地启动和停止，并通过相互作用而形成复杂的网络结构。

任务状态是指人们在执行特定任务时对脑功能网络的影响。

任务状态下的FNC与静息态下的FNC不同，因为任务需要大量的认知和运动控制。

任务状态下的FNC网络结构可能会发生改变，不同的任务可能会与不同的脑区域之间建立更强或更弱的连接。

静息态和任务状态下的FNC有不同的特性。

静息状态下脑功能连接的磁共振成像研究1. 本文概述本文旨在系统地探讨静息状态下脑功能连接的磁共振成像（Restingstate Functional Magnetic Resonance Imaging, rsfMRI）研究，这一领域近年来已成为认知神经科学与临床神经影像学研究的核心议题之一。

静息态功能成像是通过监测大脑在无特定任务指令下自发性神经活动的时空模式，揭示内在的脑网络组织及其动态变化，对于理解大脑的正常功能架构、疾病发生机制以及个体差异提供了独特视角。

本文首先概述rsfMRI的基本原理，包括其依赖的血氧水平依赖（Blood Oxygen Level Dependent, BOLD）信号以及如何利用这一信号反映神经元活动引起的局部血液动力学变化。

接着，我们将详细介绍静息态脑功能连接的主要分析方法，如种子点分析、独立成分分析（Independent Component Analysis, ICA）、图论网络分析等，阐述这些方法如何从不同层面揭示大脑区域间的时间同步性和功能集成性。

默认模式网络（Default Mode Network, DMN）：作为最早识别且最为人所知的静息态网络，DMN涉及后扣带回皮层、楔前叶、外侧顶叶及内侧前额叶皮层等多个脑区，其在静息状态下表现出高度的内在连通性，并与自我参照思维、记忆检索、情感调控等高级认知功能密切相关。

我们将回顾DMN的结构特征、功能属性及其在健康和疾病状态下的变异规律。

其他关键网络及其功能：除DMN之外，静息态研究还揭示了多个具有特定功能特性的脑网络，如执行控制网络、感觉运动网络、视觉网络等。

本文将概述这些网络的组成、功能角色以及它们在静息态下与其他网络的交互关系。

静息态功能连接的临床应用：探讨rsfMRI在诊断、预后评估及治疗监测中的价值，特别是在神经精神疾病（如阿尔茨海默病、帕金森病、精神分裂症、抑郁症等）、脑损伤（如创伤后应激障碍、中风等）以及发展障碍（如自闭症谱系障碍）等领域的研究成果。

•综述•高度近视患者脑结构及功能磁共振研究进展朱勤勤 综述，陈自谦 审校【关键词】高度近视；结构磁共振；功能磁共振；功能连接；视觉皮层【中图分类号】 R445.2; R778【文献标识码】 A【文章编号】 2095-2252(2020)03-1897-051 近视及高度近视并发症概述近视是远程视力下降的主要原因。

2010年，未矫正屈光不正影响1.08亿人，是全球第二大致盲原因。

预计到2050年，近视人数达47.58亿（占全球人口的49.8﹪），其中，高度近视（high myopia, HM）人数约9.38亿（占全球人口的9.8﹪）[1]。

Chen等[2]统计奉化市43858名高中学生在2001 ~ 2015年间近视程度的变化，其中，HM和极高度近视在近视患病增加率中占比最大，分别占比27.00﹪及69.07﹪。

在15年间，高中生HM和极高度近视患病率明显增加，这可能成为中国未来重大公共健康问题。

HM是指屈光度超过-6.00 D或眼轴长度≥ 26 mm的一种屈光不正。

HM可伴有其他眼部并发症，如黄斑中心凹劈裂、视网膜脱离、黄斑萎缩、黄斑裂孔伴或不伴视网膜脱离等，是致盲的重要原因[3]。

近视的病因非常复杂，现有的证据表明环境因素和遗传因素均参与了近视的发生、发展[4]。

环境因素包括近距离作业、阅读习惯、较重的学业负担、较少的户外活动等。

许多家族聚集性研究显示，父母近视会增加儿童近视的风险，表现出近视的遗传易感性[5]。

病理性近视缺乏有效的治疗方法，预后差，严重危害全球视力健康。

为了预防此病的流行，有必要对近视发展进行控制[6]。

近年来，随着神经影像的发展，利用结构磁共振成像（magnetic resonance imaging, MRI）可以定量测量大脑灰质、白质的体积和密度及皮层的厚度，利用功能磁共振成像（functional magnetic resonance imaging, fMRI）可以通过不同的分析方法定量测量局部脑神经活动的改变、脑区和网络之间的功能连接改变，从而对疾病的异常脑区进行定位，有利于寻找疾病可能的病理生理机制，为临床疾病的预防、治疗及预后预测提供依据。

心电子信息科技风2021年4月DOI：10.19392/ki.1671-7341.202111042基于功能磁共振成像的静息态脑网络研究方法薛婷唐俊李明昕陶占龙内蒙古科技大学理学院内蒙古包头014010摘要：大脑在静息状态下仍存在许多重要的神经活动，脑区之间仍存在不间断的信息传递，构成功能连接并由此构成脑网络。

静息态脑功能网络分析，由其具有相对简单的计算且具有重大临床意义，已广泛应用于多种脑疾病的研究中。

本文从信息计算的角度，总结了近年来静息态脑网络研究中的经典算法。

关键词：功能磁共振成像;静息态；脑网络大脑是极为高效和精密的信息处理系统，不仅掌握语言、思维、情绪等高级活动,也是信息储存、加工和整合的中枢。

神经元是大脑活动的基本单元，通过神经突触的彼此连接形成神经通路，完成对信息的加工处理⑴&在此过程中，神经元之间或神经元集群之间的连接模式构成了脑网络，掌握脑网络的连接模式对于理解大脑的运转机制具有重要意义。

影像学技术的发展应用极大丰富了科研人员的脑网络研究手段。

近年来，静息状态下脑功能网络的研究受到广泛关注。

相较于任务态，静息态可避免由被试完成任务的差异性所导致的结果不可靠。

因此,越来越多的学者开始关注静息态下脑功能网络的活动模式。

本文主要针对静息态下脑功能网络的研究方法进行综述。

一、基于种子点的功能连接分析方法该方法是一种模型依赖方法(model-based),通常首先选择特定脑区作为感兴趣区域(region of interest，ROt)，即种子点。

然后计算该种子点与其他脑区的血氧水平依赖信号之间的时间相关性。

如计算岀某个脑区与该种子点之间的血氧水平依赖信号时间相关性较强，则可认为该脑区与种子点之间存在功能连接基于种子点的功能连接分析方法得到的结果易于理解，但种子点的选择没有固定标准,具体的选择过程很大程度取决于实验设计人员，通常依据先验知识或功能定位来选定。

种子点的选择至关重要,研究者选择的偏向性将直接影响研究结果。

大脑功能区域之间联结特性分析与人类行为相关性探索大脑是人类最为复杂的器官之一，其复杂性来自于其庞大的神经网络结构和不同功能区域之间的联结特性。

不同功能区域之间的联结方式对于人类行为的产生和调控起着重要的作用。

本文将对大脑功能区域之间的联结特性进行分析，并探索其与人类行为的相关性。

大脑的神经网络由亿万个神经元相互连接而成，形成了复杂的功能区域和连接模式。

通过使用功能性磁共振成像（fMRI）等技术，研究人员可以观察和探索大脑不同功能区域之间的相互作用和联结特性。

一项基础的研究工作是对大脑网络的拓扑结构进行分析。

图论方法可以帮助我们理解大脑网络的复杂性和组织方式。

研究发现，大脑网络具有“小世界”特性，即网络中各节点之间的平均路径长度较短，同时具备高度聚集性。

这种小世界结构使得大脑网络具有高效的信息传递和处理能力。

除了拓扑结构外，大脑功能区域之间的连接方式也至关重要。

研究表明，大脑的功能区域可以通过结构连接和功能连接进行有效的信息传递。

结构连接是指物理上的纤维束连接，而功能连接则是指不同区域之间的活动同步性。

研究人员通过对大脑的静息态功能性连接进行分析，发现大脑网络可以划分为多个功能网络。

例如，前额叶网络与决策制定和社会认知密切相关，而运动网络主要参与感觉运动的控制。

同时，大脑的功能连接也可以揭示不同功能区域之间的相互作用和信息传递。

例如，视觉感知与视觉运动控制之间的连接可以帮助我们理解如何完成复杂的运动任务。

除了静息态功能性连接外，研究人员还关注大脑在不同任务状态下的功能连接特性。

例如，执行认知任务时，大脑的功能连接模式会发生变化，相关功能区域之间的连接会增强或减弱。

这些变化可以帮助我们理解认知过程的底层机制，并揭示与特定任务相关的功能连接模式。

利用大脑功能区域之间的联结特性，研究人员还可以探索人类行为与大脑连接的相关性。

通过将大脑连接特征与行为数据相结合，研究人员可以发现大脑连接特征与不同行为表现之间的相关性。

脑功能网络脑功能网络（Brain Functional Network）是指脑内不同区域之间相互连接和相互作用的网络结构。

它通过一系列的神经元和突触连接，传递和处理信息，从而实现人类的认知、情绪和行为。

脑功能网络的研究主要通过脑功能成像技术（如功能磁共振成像）和网络分析方法进行。

通过对大量被试者进行脑功能成像扫描，可以获取大脑各个区域的活动信息，并据此构建脑功能网络。

脑功能网络可以分为全局网络和局部网络。

全局网络主要由大脑的主要区域之间的连接组成，它们负责整体认知和情绪处理。

局部网络则包括每个区域内部的连接，负责该区域特定功能的执行。

脑功能网络具有小世界特性和模块化特性。

小世界特性指网络中的连接距离短、聚集性高，信息传递效率高。

模块化特性指网络中的区域间连接紧密、区域内连接稠密，实现不同功能的区域之间的协调与合作。

研究表明，脑功能网络的结构与人的认知和行为密切相关。

例如，一些认知任务的执行需要大脑各个区域之间的协调和合作，这要求网络中的连接强度和效率高。

而一些精神障碍的病例研究也发现，脑功能网络的异常连接和结构重组可能与疾病的发生和发展有关。

此外，脑功能网络的结构和功能在个体之间也存在差异。

这种差异可能与遗传、环境和学习等因素有关。

一些研究表明，有些人具有更高的网络效率和连接强度，表现出更好的认知能力和更强的情绪调节能力。

脑功能网络的研究在神经科学领域具有重要意义。

它有助于我们理解人类的认知和行为机制，揭示大脑在不同任务和状态下的工作原理。

此外，脑功能网络的研究还有望为神经系统疾病的诊断和治疗提供新的思路和方法。

总之，脑功能网络是大脑内多个区域之间连接和相互作用的复杂网络结构。

它在人类的认知、情绪和行为中起着重要作用，对于我们理解大脑工作原理和相关疾病的发生和发展具有重要意义。

节点度(degree)、度分布(degree distribution). 度是对节点互相连接统计特性最重要的描述, 也反映重要的网络演化特性. 度k 定义为与节点直接相连的边数. 节点的度越大则该节点的连接就越多, 节点在网络中的地位也就越重要. 度分布P(k)是网络最基本的一个拓扑性质, 它表示在网络中等概率随机选取的节点度值正好为k 的概率, 实际分析中一般用网络中度值为k 的节点占总节点数的比例近似表示. 拥有不同度分布形式的网络在面对网络攻击时会表现出截然不同的网络行为.集群系数(clustering coefficient).或称聚类系数.集群系数衡量的是网络的集团化程度, 是度量网络的另一个重要参数, 表示某一节点i 的邻居间互为邻居的可能. 节点i 的集群系数C i 的值等于该节点邻居间实际连接的边的数目(e i)与可能的最大连接边数(k i(k i–1)/2)的比值(图1(a)), 即网络中所有节点集群系数的平均值为网络的集群系数, 即易知0≤C≤1. 由于集群系数只考虑了邻居节点间的直接连接, 后来有人提出局部效率(local efficiency) E loc 的概念. 任意节点i 的局部效率为其中, G i 指节点i 的邻居所构成的子图, l jk 表示节点j,k 之间的最短路径长度(即边数最少的一条通路). 网络的局部效率为所有节点的局部效率的平均, 即集群系数和局部效率度量了网络的局部信息传输能力, 也在一定程度上反映了网络防御随机攻击的能力.最短路径长度(shortest path length).最短路径对网络的信息传输起着重要的作用, 是描述网络内部结构非常重要的一个参数. 最短路径刻画了网络中某一节点的信息到达另一节点的最优路径,通过最短路径可以更快地传输信息, 从而节省系统资源. 两个节点i,j 之间边数最少的一条通路称为此两点之间的最短路径, 该通路所经过的边的数目即为节点i,j 之间的最短路径长度, l ij (图1(b)). 网络最短路径长度L 描述了网络中任意两个节点间的最短路径长度的平均值.通常最短路径长度要在某一个连通图中进行运算, 因为如果网络中存在不连通的节点会导致这两个节点间的最短路径长度值为无穷. 因此有人提出了全局效率(global efficiency)E glob的概念.最短路径长度和全局效率度量了网络的全局传输能力. 最短路径长度越短, 网络全局效率越高, 则网络节点间传递信息的速率就越快.中心度(centrality). 中心度是一个用来刻画网络中节点作用和地位的统计指标, 中心度最大的节点被认为是网络中的核心节点(hub). 最常用的度中心度(degree centrality)以节点度刻画其在网络中的中心程度, 而介数中心度(betweenness centrality)则从信息流的角度出发定义节点的中心程度. 对于网络G 中的任意一点i, 其介数中心度的计算公式如下:其中σjk 是从节点j 到节点k 的所有最短路径的数量,σjk(i)是这些最短路径中通过节点i 的数量.“小世界”网络. 研究表明, 规则网络具有较高的集群系数和较长的最短路径长度, 与此相反,随机网络拥有较低的集群系数和较短的最短路径长度. 兼具高集群系数和最短路径长度的网络称为“小世界”网络. 将随机网络作为基准,如果所研究网络相对于随机网络具有较大的集群系数和近似的最短路径长度, 即γ = C real/C random>> 1, λ= L real/L random ~ 1 (其中脚标random 表示随机网络,real 表示真实网络), 则该网络属于“小世界”网络范畴.σ =γ /λ来衡量“小世界”特性, 当σ>1 时网络具有“小世界”属性, 且σ越大网络的“小世界”属性越强.概念：小世界网络( small-world network)无标度网络( scale-free network)随机网络( random network)规则网络( regular network)无向网络( undirected network)加权网络( weighted network)图论( Graph theory)邻接矩阵( adjacency matrix)结构性脑网络( structural brain networks 或anatomical brain networks) 功能性脑网络( functional brain networks)因效性脑网络( effective brain networks)感兴趣脑区( region of interest，ROI)血氧水平依赖( BOLD，blood oxygenation level depended)体素( voxel)自发低频震荡( spontaneous low-frequency fluctuations，LFF)默认功能网络( default mode network，DMN)大范围皮层网络( Large-scale cortical network)效应连接(effective connectivity)网络分析工具箱（Graph Analysis Toolbox，GAT）自动解剖模板（automatic anatomical template，AAL）技术：脑电图(electroencephalogram, EEG)脑磁图(magnetoencephalogram, MEG)功能磁共振成像(Functional magnetic resonance imaging, fMRI)弥散张量成像(Diffusion Tensor Imaging, DTI)弥散谱成像( diffusion spectrum imaging ，DSI)细胞结构量化映射( quantitative cytoarchitecture mapping)正电子发射断层扫描(PET, positron emisson tomography)精神疾病：老年痴呆症( Alzheimer’ s disease，AD)癫痫( epilepsy)精神分裂症( Schizophrenia)抑郁症( major depression)单侧注意缺失( Unilateral Neglect)轻度认知障碍（mild cognitive impairment, MCI）正常对照组（normal control, NC）指标：边( link，edge)节点(vertex 或node)节点度(degree)区域核心节点(provincial hub)度分布(degree distribution)节点强度( node strength)最短路径长度(shortest path length)特征路径长度( characteristic path length)聚类系数( clustering coefficient)中心度(centrality)度中心度(degree centrality)介数中心度( betweenness centrality)连接中枢点( connector hub)局部效率(local efficiency)全局效率( global efficiency)相位同步( phase synchronization)连接密度(connection density/cost)方法：互相关分析( cross-correlation analysis)因果关系分析( Causality analysis)直接传递函数分析( Directed Transfer Function，DTF)部分定向相干分析( Partial Directed Coherence，PDC)多变量自回归建模( multivariate autoregressive model，MV AR) 独立成分分析( independent component analysis，ICA)同步似然性(synchronization likelihood, SL)结构方程建模(structural equation modeling, SEM)动态因果建模(dynamic causal modeling, DCM)心理生理交互作用模型(Psychophysiological interaction model) 非度量多维定标(non-metric multidimensional scaling)体素形态学(voxel-based morphometry, VBM)统计参数映射（statistical parametric mapping，SPM）皮尔逊相关系数（Pearson correlation）偏相关系数（Partial correlation）脑区：楔前叶( precuneus)后扣带回( posterior cingulated cortex，PCC)腹侧前扣带回( ventral anterior cingulated cortex，vACC)前额中分( medial prefrontal cortex，MPFC)额叶眼动区( the frontal eye field，FEF)副视区( the supplementary eye field，SEF)顶上小叶( the superior parietal lobule，SPL)顶内沟( the intraparietal sulcus，IPS)。

人类大脑网络拓扑结构研究人类大脑是世界上最复杂、最神秘的器官之一，它包含数以亿计的神经元和连接它们的突触。

在过去几十年里，科学家们一直致力于研究人类大脑的网络拓扑结构。

通过这些研究，我们可以更好地理解大脑是如何工作的，同时也为解决一些与大脑疾病相关的问题提供了新的线索。

首先，人类大脑的网络拓扑结构是基于神经元之间的连接方式来定义的。

这些连接形成了一个复杂的网络，决定了信息在大脑中的传播路径。

在过去的研究中，科学家们利用各种先进的技术，如功能磁共振成像（fMRI）、弥散张量成像（DTI）等，来探索人类大脑的网络拓扑结构。

研究表明，人类大脑的网络拓扑结构是小世界网络。

小世界网络是一种介于完全随机网络和完全规则网络之间的中间状态。

这种网络结构具有特定的特征，即高度聚合性和短路径长度。

高度聚合性意味着大脑中的神经元更有可能与彼此直接连接，而不是通过较长的路径间接连接。

短路径长度表示在大脑网络中，通过相对较少的跳数就能够实现信息传播。

研究还发现，人类大脑的网络拓扑结构具有高度的鲁棒性和灵活性。

鲁棒性是指网络在遭受一定程度的破坏或攻击时仍能保持其功能的能力。

大脑的网络结构具有冗余连接和多路径传输的特点，这使得它能够有效地应对各种外界干扰和损伤。

而灵活性则体现在网络能够根据不同的需求和任务进行自适应调整，以实现更高效的信息传递和处理。

同时，人类大脑的网络拓扑结构还与认知功能密切相关。

研究表明，不同认知功能之间存在着不同的网络拓扑结构。

例如，语言处理和视觉感知等功能在大脑网络中的连接方式和特征不同。

这些研究结果为我们理解人类的认知过程和脑机制提供了重要线索。

除了上述发现，近年来，人类大脑网络拓扑结构的研究还涉及到一些新的领域，如脑连接组学和功能网络重构。

脑连接组学是一门研究大脑网络连接特征的学科，它可以通过测量大脑图像数据中的连接性和拓扑结构来推断大脑的功能和认知过程。

功能网络重构则是利用图论和复杂网络理论的方法，通过分析大脑图像数据中的功能连接来重构大脑的网络拓扑结构。

做梦说明大脑的功能正常
佚名
【期刊名称】《求医问药》
【年(卷),期】2008(000)008
【摘要】最近的研究成果证实,做梦不仅不会影响人的睡眠和健康,而且还是保护大脑健康所必需的生理活动之一。

梦与睡眠是分不开的。

【总页数】2页(P54-55)
【正文语种】中文
【中图分类】R161.1
【相关文献】
1.单侧下肢电刺激对正常人大脑皮质影响的功能磁共振成像研究 [J], 李霞;徐守宇;解光尧
2.正常老年人大脑功能网络的小世界性 [J], 赵小虎;王湘彬;王培军;何俊民;席芊;江虹
3.正常大脑静息态功能连接张量的相关特性研究 [J], 徐良洲;贺梦吟;邓勋伟
4.TCD对正常人大脑中动脉血流储备功能的评价 [J], 李倩;孔丽;刘玲;戴加飞;程茅薇;张申宁;陈光辉;杨昉
5.欧盟否决碳水化合物维持大脑正常功能的健康声称 [J],
因版权原因，仅展示原文概要，查看原文内容请购买。

静息态功能脑网络分析[1]使用基于血液氧合水平（Blood Oxygenation Level Dependent，BOLD）的功能磁共振成像技术，是研究大脑功能的一种重要方法[2]。

研究表明，神经精神疾病患者的临床表现与其大脑功能网络连接异常是相关的[3]。

脑网络与机器学习相结合的方法已经被广泛应用到脑疾病的诊断[4]中，如精神分裂症[5]、阿尔兹海默症[6]、癫痫症[7]等。

因此，静息态功能脑网络分析方法在脑疾病的分析和诊断中非常重要。

在传统的脑网络分析中，隐含的假设是大脑功能连接在整个静息态功能磁共振扫描过程中是恒定不变的[8]。

然而，无论是在经验上还是通过实验都证明了大脑功能连接随时间推移而发生动态变化[9]。

Wee等使用滑动窗口的方法构建了静息态时间动态网络，并应用于早期轻度认知障碍病人的识别中[10]。

静息态功能脑连接的空间动态分析及分类研究高晋1，赵云芃2，Godfred Kim Mensah1，李欣芸1，刘志芬3，陈俊杰1，郭浩11.太原理工大学信息与计算机学院，太原0300242.太原理工大学艺术学院，山西晋中0306003.山西医科大学第一医院精神卫生科，太原030000摘要：现有的精神疾病分类模型仅采用脑网络的静态指标作为特征，忽略了脑网络的空间动态信息，导致分类性能不高。

为克服这一局限性，提升分类模型的性能，提出了基于功能脑连接空间动态的分类方法。

通过高维模板对脑连接进行空间动态分析，提取脑连接空间动态特征。

利用统计分析进行特征选择，构建基于静息态功能脑连接的分类模型。

通过对抑郁症患者与正常被试的分类实验结果表明，脑连接空间动态特征的分类准确率（83.0%）比传统采用脑网络的静态指标特征的分类准确率（77.8%）高5.2个百分点。

关键词：空间动态；功能磁共振成像；支持向量机；抑郁症文献标志码：A中图分类号：TP181doi：10.3778/j.issn.1002-8331.1909-0351Research on Spatial Dynamics Analysis and Classification of Resting-State Functional Brain ConnectionsGAO Jin1,ZHAO Yunpeng2,Godfred Kim Mensah1,LI Xinyun1,LIU Zhifen3,CHEN Junjie1,GUO Hao11.College of Information and Computer,Taiyuan University of Technology,Taiyuan030024,China2.College of Art,Taiyuan University of Technology,Jinzhong,Shanxi030600,China3.Department of Mental Health,First Hospital of Shanxi Medical University,Taiyuan030000,ChinaAbstract：The existing classification model of mental diseases uses the static index of brain network as the characteristic while ignoring the spatial dynamic information of brain network,which will result in an inferior classification perfor-mance.To overcome this limitation and improve the performance of the classification model,a classification method based on the spatial dynamic of resting-state functional brain connections is proposed.The spatial dynamic characteristics of brain connections are extracted by analyzing the brain connections with high-dimensional templates.By selecting char-acteristics through the statistical analysis,a classification model based on resting-state functional brain connections can be constructed.The conducted experiments distinguish between depression patients and normal subjects and the results show that the classification accuracy of model utilized spatial dynamic characteristics（83.0%）is5.2percentage points higher than that with static index（77.8%）.Key words：spatial dynamics;functional magnetic resonance imaging;support vector machine;depression基金项目：国家自然科学基金（61672374，61741212，61876124，61873178）；山西省教育厅高等学校科技创新研究项目（2016139）；山西省科技厅重点研发计划项目（201803D31043）；教育部赛尔网络下一代互联网技术创新项目（NGII20170712）。

静息态脑功能网络的小世界属性研究郁芸;钱志余;陶玲;俞宙;宋健太【摘要】人脑是一个复杂的网络,不同的功能区域相互作用、相互协调.本文综述了静息态脑功能网络的小世界属性研究方法,首先介绍了基于图论的复杂网络模型的基本概念和特征度量,然后介绍了基于功能磁共振成像数据构建脑功能网络的方法,最后分析了构建的脑功能网络的小世界属性.【期刊名称】《北京生物医学工程》【年(卷),期】2016(035)001【总页数】4页(P105-108)【关键词】功能磁共振成像;脑功能网络;小世界属性【作者】郁芸;钱志余;陶玲;俞宙;宋健太【作者单位】南京航空航天大学(南京210016);南京医科大学(南京210029);南京航空航天大学(南京210016);南京航空航天大学(南京210016);南京航空航天大学(南京210016);南京航空航天大学(南京210016)【正文语种】中文【中图分类】R318.04人脑由数量巨大的神经元以及它们之间的稀疏连接构成，各种信息可以在人脑局部和全体进行快速地传递和处理。

大脑通过多个脑区的协调工作，对信息进行加工、处理来完成脑的高级功能，其复杂程度难以想象。

近年来，许多研究者认为网络模型和基于图论的拓扑方法可以帮助理解大脑组织结构和功能机制[1-2]。

除了脑功能网络，客观世界中还存在着许多诸如交通网络、因特网等其他复杂网络，相关网络研究已经发现它们都具有小世界特性。

所谓小世界属性，即构建的复杂网络具有较大的簇系数和较小的平均路径长度。

小世界属性既有局部功能模块化的信息处理功能，又具有整个网络内进行分布式交互处理功能。

目前基于各种脑功能成像技术的脑功能网络研究，表明大脑网络具有小世界属性 [3-5]。

Fabrice Bartolomei等[6]通过分析静息态下脑磁图信号之间的统计相关性构建了人脑功能网络，定量分析后证明了人脑的功能网络具有小世界属性。

Ni Shu等[7]利用弥散张量成像(diffusion tensor imaging，DTI)技术构造了人脑结构网络，结合图论知识进行分析后，同样发现了人脑的小世界属性。

静息态功能磁共振成像：关于静息态功能连接和脑网络分析方法自诞生之初，人类就对大脑中发生的事情充满好奇。

功能磁共振成像是一种重要的工具，它有助于无创地检查、定位和探索大脑的语言、记忆等功能。

近年来，神经科学研究的焦点明显转向了“静息态”下的大脑研究。

重点是在没有任何感官或认知刺激的情况下大脑内部的内在活动。

对静息态下大脑功能连接的分析揭示了不同的静息态网络，这些网络描述了特定的功能和不同的空间拓扑结构。

虽然不同的统计方法被引入到静息态功能磁共振成像连接性的研究中，但得到了一致的结果。

在本文中，我们详细介绍了静息态功能磁共振成像的概念，然后讨论了三种最广泛使用的分析方法、描述了几种具有脑区特征的静息态网络及相关认知功能、静息态功能磁共振成像的临床应用。

本综述旨在强调静息态功能磁共振成像连接性研究的实用性和重要性，强调其与基于任务的功能磁共振成像的互补性质。

本文发表在The Neuroradiology杂志。

关键词：图论分析Graph analysis, 独立成分分析independent component analysis, 静息态功能连接resting state functional connectivity, 基于种子点的分析seed-based analysis 引言静息态功能磁共振成像(rs-fMRI，resting state functional magnetic resonance imaging)技术比其他功能磁共振成像(fMRI)技术更有优势，因为它易于采集信号，对患者的要求最少，并能熟练地识别不同患者群体的功能区域，如儿科人群、无意识患者、低智商患者等。

任务态功能磁共振成像（task-based fMRI）是一种用于分析和评估大脑的功能区域的先进的磁共振技术。

在这项技术中，受试者被指导执行被设计为针对单一功能的特定的任务，如运动、语言、记忆、视觉、注意力和感觉功能任务。

最近的研究发现，儿科患者，有意识障碍的患者，即昏迷、植物人和最低意识状态的患者，能够完成rs-fMRI。

正常人运动皮质的功能连接网络及其小世界性陈井亚;杨明;刘斌;张光玉;李慧君;冯源【期刊名称】《中国医学影像技术》【年(卷),期】2013(029)003【摘要】目的利用静息态fMRI观察运动皮质的功能连接网络及其小世界性.方法对90名健康成年志愿者行静息态fMRI数据采集,分别以双侧M1区为种子点获得全脑正性及负性功能连接脑图.以这些区域作为节点,计算其平均聚类系数Cp和平均最短路径长度Lp、全脑随机网络属性Crand和Lrana；按照公式γ=Cp/C怕nd＞1和λ=Lp/Lrand≈1分别计算γ及λ值,以验证其小世界网络属性.结果静息态以M1区为种子点的正激活区域主要包括双侧初级运动皮质、运动前区及辅助运动区；负激活区域包括双侧额上回、楔前叶、缘上回、角回、双侧颞上回及小脑后叶.在矩阵稀疏度0.1≤Sparsity＜0.5范围内,这些区域的小世界属性符合γ=Cp/Crand＞1及λ=Lp/Lrand≈1.结论运动皮质的正性连接主要集中在运动系统内,负性连接与脑的默认网络类似,运动皮质功能网络具有小世界性.【总页数】5页(P344-348)【作者】陈井亚;杨明;刘斌;张光玉;李慧君;冯源【作者单位】东南大学医学院医学影像与核医学系,江苏南京 210009【正文语种】中文【中图分类】R445.2;R3【相关文献】1.运动皮质的功能分离与功能整合的功能磁共振研究进展 [J], 宋争;王君2.正常老年人大脑功能网络的小世界性 [J], 赵小虎;王湘彬;王培军;何俊民;席芊;江虹3.急性缺血性卒中患者运动皮质激活及功能重组的功能磁共振成像研究 [J], 曾繁勇;张志强;杨昉;胡建平;许强;卢光明4.低频重复经颅磁刺激治疗中晚期帕金森病运动功能障碍及对运动皮质兴奋性影响[J], 赵航; 葛晗明; 张格娟; 梁战华5.低频重复经颅磁刺激治疗中晚期帕金森病运动功能障碍及对运动皮质兴奋性影响[J], 赵航; 葛晗明; 张格娟; 梁战华因版权原因，仅展示原文概要，查看原文内容请购买。

戒断时间效应对海洛因成瘾大脑小世界网络影响的fMRI研究陈佳杰;李永斌;魏璇;刘洁蓉;朱佳;李玮;李强;王玮【期刊名称】《中国医学影像技术》【年(卷),期】2017(033)004【摘要】目的探讨不同戒断时间对海洛因成瘾者大脑静息态下功能网络的影响.方法 16名强制戒断11～13个月的海洛因成瘾者(PA12组)、20名强制戒断5～7个月的海洛因成瘾者(PA6组)纳入静息态fMRI研究.运用图论理论构建小世界脑网络,比较两组海洛因成瘾者小世界特性及核心节点特性,分析核心节点与戒断时间的相关性.结果两组脑网络均具有小世界特性(γ≈1、λ》1)且差异无统计学意义(P＞0.05);PA12组较PA6组脑网络的左侧中央前回及左侧海马旁回节点介数值降低,左侧楔叶、左侧颞极及右侧枕中回节点介数值升高(P均＜0.05).左侧中央前回(r=0.52,P=0.001)、左侧海马旁回(r=0.49,P=0.002)节点介数值均与戒断时间呈负相关,右侧枕中回节点介数值与戒断时间呈正相关(r=0.49,P=0.003).结论戒断5～7个月后,海洛因成瘾者大脑网络小世界拓扑结构趋于稳定;长期戒断有助于降低成瘾者对毒品的相关记忆和潜在觅药行为,恢复视觉空间注意能力.【总页数】6页(P504-509)【作者】陈佳杰;李永斌;魏璇;刘洁蓉;朱佳;李玮;李强;王玮【作者单位】第四军医大学唐都医院放射诊断科,陕西西安710038;第四军医大学唐都医院放射诊断科,陕西西安710038;第四军医大学唐都医院放射诊断科,陕西西安710038;第四军医大学唐都医院放射诊断科,陕西西安710038;第四军医大学唐都医院放射诊断科,陕西西安710038;第四军医大学唐都医院放射诊断科,陕西西安710038;第四军医大学唐都医院放射诊断科,陕西西安710038;第四军医大学唐都医院放射诊断科,陕西西安710038【正文语种】中文【中图分类】R742;R445.2【相关文献】1.强制戒断时间对海洛因成瘾者大脑局部一致性影响的静息态功能MRI [J], 李馨;李强;陈佳杰;李永斌;时宏;薛久华;刘为;李玮;王玮2.DTI评价戒断时间对海洛因成瘾者大脑白质完整性的影响 [J], 严雪娇;李玮;王亚蓉;李强;朱佳;李永斌;王玮3.fMRI观察强制戒断对海洛因成瘾者渴求任务下大型脑网络的影响 [J], 时宏;陈佳杰;刘为;薛久华;蔡关科;胡风;王亚蓉;王玮;李强4.静息态fMRI观察强制戒断与美沙酮维持治疗6个月对海洛因成瘾者脑功能的影响 [J], 刘为; 魏龙晓; 王玮; 陈佳杰; 李强; 时宏; 薛久华; 李玮; 朱佳; 刘艳; 金龙5.强制戒断与美沙酮维持治疗一年对海洛因成瘾者脑功能影响的静息态fMRI研究[J], 刘为; 陈佳杰; 时宏; 薛久华; 李玮; 李永斌; 刘艳; 王玮; 李强因版权原因，仅展示原文概要，查看原文内容请购买。

养血清脑丸对亚健康人群静息态脑功能网络的影响李婧;郭浩;郭晓杰;葛玲;徐勇【期刊名称】《中国药物与临床》【年(卷),期】2017(017)007【摘要】目的研究养血清脑丸对亚健康人群静息态脑功能网络的影响,初步探讨养血清脑丸改善亚健康状态的神经生理机制.方法收集30例亚健康人群入组,使用养血清脑丸进行3个月的药物干预,分别采集用药前后的静息态功能磁共振数据,采用最小生成树算法进行数据分析,使用配对样本t检验比较脑功能网络的差异.结果用药后,左侧尾状核(t=-2.214,P=0.036)和楔叶(t=-2.214,P=0.036)的度值显著减小,且2个脑区的中间中心度也显著减小(t=-2.214,P=0.036;t=-2.567,P=0.016),其差异具有统计学意义.结论养血清脑丸能使亚健康人群的脑功能网络产生变化,从而改善其亚健康状态.%Objective To determine the effect of Cerebralcare Granule(R) (CG) on resting-state cerebral functional network in sub-healthy population,and to preliminarily investigate the neurophysiological mechanism of CG in improving sub-health state.Methods Thirty subhealthy subjects were included,and CG was used for 3-months drug intervention.The data of resting-state functional magnetic resonance imaging (fMRI) were collected at baseline and at the end of the intervention.The minimum spanning tree algorithm was used to analyze the data,and the differences of cerebral functional network were compared by paired-samples t test.Results After the intervention,the values of the left caudate nucleus (t=-2.214,P--0.036) and the cuneus (t=-2.214,P=0.036)were significantly reduced.The be tweenness centralities of the two brain regions were also significantly reduced (t=-2.214,P=0.036;t=-2.567,P=0.016).There were statistically significant differences.Conclusion CG can change the cerebral functional network in subhealthy population,so as to improve their sub-healthy state.【总页数】4页(P945-948)【作者】李婧;郭浩;郭晓杰;葛玲;徐勇【作者单位】030001太原,山西医科大学人文社会科学学院;太原理工大学计算机科学与技术学院;山西医科大学第二临床医学院;山西职工医学院医学心理学教研室;山西医科大学第一医院精神卫生科【正文语种】中文【相关文献】1.静息态fMRI观察短期正念减压训练对大脑功能网络小世界属性的影响 [J], 李雷;毕国力;吴昆华;刘瑞湘;赵兴蓉;张宏江;肖琴;武丽莎;陈壮飞2.抗精神病药物治疗精神分裂症对静息态脑功能网络节点度中心度的影响研究 [J], 闫婧;张岱;张晓;刘琦;闫俊;姜思思;蔡丽伟;袁慧书;阎浩;廖金敏3.脑自发性神经振荡低频振幅表征脑功能网络静息态信息流 [J], 孟静;刘子涵;李锐4.孤独症谱系障碍儿童脑磁图静息态伽马频带脑功能网络探析 [J], 王晨光;周正荣;钟丽娟;林枫5.以阳性症状为主精神分裂症患者的静息态脑功能网络特征 [J], 陈晓敏;赵荣江;谢雯;林潇;丁增波;孙洪强;陆林;李鹏因版权原因，仅展示原文概要，查看原文内容请购买。