重点：静息态功能连接与解剖结构连接在人脑中联合研究

《生理性进食之后静息态Fmri脑功能连接的变化》 生理性进食后静息态 fMRI 脑功能连接的变化 一、引言 功能性磁共振成像（fMRI）是一种强大的神经成像技术，可用来研究大脑的生理活动与功能连接。近年来，随着神经科学的发展，静息态fMRI（rs-fMRI）逐渐成为研究脑内自发活动及其连接性的重要手段。生理性进食是日常生活中不可或缺的生理活动，其对大脑的刺激与影响也是值得探讨的课题。因此，本文旨在研究生理性进食后静息态fMRI脑功能连接的变化。 二、方法 本研究采用静息态fMRI技术，收集了受试者生理性进食后的脑部扫描数据。所有受试者均进行了标准化饮食，并在餐后休息一段时间，之后进行静息态fMRI扫描。数据处理和分析使用统计参数映射（SPM）等先进软件进行处理，并利用多种算法进行功能连接分析。 三、结果 1. 脑区激活变化 经过数据分析，我们发现生理性进食后，与食物消化吸收相关的脑区如胃部、小肠等区域出现明显的激活。同时，与认知、情感等相关的脑区如前额叶、颞叶等也出现了一定程度的激活。 2. 脑功能连接变化 在静息态fMRI扫描中，我们发现生理性进食后，大脑各区域之间的功能连接出现明显变化。与食物消化吸收相关的脑区与认知、情感等脑区之间的连接增强，表明进食后大脑的认知和情感处理能力得到提升。此外，我们还发现了一些新的功能连接模式，这些模式可能与进食后的精神状态和身体反应有关。 四、讨论 生理性进食后静息态fMRI脑功能连接的变化反映了大脑在处理食物摄入后的反应和调整。这种变化可能与食物消化吸收过程中释放的激素、神经递质等物质有关，也可能与大脑对食物摄入后的认知和情感反应有关。此外，新的功能连接模式可能反映了大脑在进食后的神经网络调整和优化，有助于提高认知和情感处理能力。 然而，本研究仍存在一定局限性。首先，样本量较小，可能影响结果的普遍性和可靠性。其次，本研究只关注了生理性进食后的即时影响，而未考虑长期影响。未来的研究可以进一步扩大样本量，探讨不同类型食物对大脑的影响，以及长期进食习惯对大脑功能连接的影响。 五、结论 生理性进食后静息态fMRI脑功能连接的变化反映了大脑在处理食物摄入后的反应和调整。这种变化可能与食物消化吸收过程中的生理变化以及大脑对食物摄入后的认知和情感反应有关。通过深入研究这种变化，有助于我们更好地理解大脑的功能和机制，为预防和治疗相关疾病提供新的思路和方法。 总之，本文通过研究生理性进食后静息态fMRI脑功能连接的变化，为进一步了解大脑的功能和机制提供了重要线索。未来研究可以进一步拓展这一领域，为神经科学和临床医学的发展做出贡献。 生理性进食之后静息态fMRI脑功能连接的变化，这一研究领域在不断深化我们的认识，对于大脑在食物摄入后的即时反应和长期调整，提供了前所未有的观察视角。 首先，当我们摄入食物后，身体的消化系统开始工作，食物中的营养物质被逐步分解并吸收进入血液。这一过程中，各种激素如胰岛素、胃泌素等被释放出来，这些激素通过血液传播至全身，进而影响到大脑的功能。这些激素与大脑中的受体结合，从而引起脑内神经网络的活动变化，反映在fMRI图像上就是功能连接的动态调整。 静息态fMRI技术的应用，使我们能够观察到大脑在静息状态下的自发活动以及对外界刺激的响应。在进食后，这种技术能够捕捉到大脑功能连接的微妙变化。比如，与食物消化吸收相关的脑区如小脑、基底节等在进食后会表现出活跃度的增加或减少，这种活跃度的变化正是通过fMRI技术所观察到的功能连接变化。 除了生理上的反应，大脑对食物摄入后的认知和情感反应也是功能连接变化的重要因素。例如，人们在进食后往往会感到满足、愉悦或者放松，这种情感状态的变化也会反映在大脑的功能连接上。通过fMRI技术，我们可以观察到与情感处理相关的脑区如前额叶、杏仁核等在进食后的活动变化，从而了解大脑如何处理食物摄入后的情感反应。 然而，当前的研究仍存在一定的局限性。如前所述，样本量的大小可能会影响到结果的普遍性和可靠性。此外，现有的研究大多关注的是生理性进食后的即时影响，而对于长期影响的研究尚显不足。长期的食物摄入习惯可能会对大脑的功能连接产生持续的影响，这种影响可能会累积并最终导致某些疾病的发生。因此，未来的研究应该进一步扩大样本量，并关注不同类型食物对大脑的影响，以及长期进食习惯对大脑功能连接的长期影响。 此外，随着神经科学和计算机科学的发展，我们可以期待更多的先进技术被应用到这一领域的研究中。比如，利用高分辨率的fMRI技术，我们可以更精确地观察到大脑中神经元的活动；利用机器学习和人工智能技术，我们可以对大量的fMRI数据进行自动分析和处理，从而更快速地提取出有用的信息。这些技术的发展将为我们更深入地研究生理性进食后静息态fMRI脑功能连接的变化提供强有力的支持。 总结来说，生理性进食后静息态fMRI脑功能连接的变化是一个值得深入研究的领域。通过这一研究，我们可以更好地理解大脑的功能和机制，为预防和治疗相关疾病提供新的思路和方法。未来，随着技术的进步和研究的深入，我们有望在这一领域取得更多的突破和进展。 关于生理性进食后静息态fMRI脑功能连接的变化，其深度研究对于我们理解大脑的工作机制、食物与大脑的相互作用以及潜在的健康影响具有重大意义。以下是对这一主题的进一步探讨和续写。 一、研究的深入方向 1. 扩大样本量和研究范围 如前所述，样本量的大小是影响研究结果普遍性和可靠性的关键因素。未来研究应进一步扩大样本量，包括不同年龄、性别、饮食习惯和健康状况的受试者，以增强研究的普遍性和适用性。此外，除了关注单一食物类型的影响，还应考虑不同类型食物的综合效应，以及它们对大脑不同区域的交互影响。 2. 关注长期影响 当前的研究大多聚焦于生理性进食后的即时影响，然而食物对大脑的长期影响同样值得关注。长期的食物摄入习惯可能会对大脑的功能连接产生持续的、累积性的影响，这可能与一些慢性疾病的发生和发展有关。因此，未来的研究应设计更为长期的研究项目，以观察食物摄入习惯对大脑功能连接的长期影响。 二、新技术的应用 随着神经科学和计算机科学的快速发展，许多先进的技术和方法被应用于这一领域的研究。 1. 高分辨率fMRI技术 高分辨率的fMRI技术能够更精确地观察到大脑中神经元的活动。通过这一技术，我们可以更细致地研究生理性进食后大脑各区域的活跃程度和相互之间的连接变化。 2. 机器学习和人工智能技术 利用机器学习和人工智能技术，我们可以对大量的fMRI数据进行自动分析和处理，从而更快速地提取出有用的信息。这不仅提高了研究的效率，也使得我们能够发现更多以前难以察觉的细微变化。 三、未来展望 随着技术的不断进步和研究的深入，我们有望在这一领域取得更多的突破和进展。首先，我们可以更全面地理解生理性进食后静息态fMRI脑功能连接的变化，包括不同食物类型、不同饮食习惯以及不同生理状态下的变化。其次，通过深入研究，我们可能能够发现食物与大脑功能的更深层次联系，为预防和治疗相关疾病提供新的思路和方法。最后，新技术的应用将使得研究更加高效和精确，为未来的研究提供强有力的支持。 总之，生理性进食后静息态fMRI脑功能连接的变化是一个值得深入研究的领域。通过这一研究，我们可以更好地理解大脑的功能和机制，为人类健康和疾病预防提供新的视角和途径。 四、生理性进食后静息态fMRI脑功能连接的变化——更深入的探索 在深入探索生理性进食后静息态fMRI脑功能连接的变化过程中，我们将能更好地了解食物如何影响我们的大脑活动，进而理解食物对身体健康和心理健康的潜在影响。 首先，我们注意到的是不同食物类型对大脑的影响。我们知道，不同类型的食物会引发不同的生理反应和营养需求，这反映在大脑的不同区域上。通过高分辨率的fMRI技术，我们可以观察在摄入不同食物后，如蛋白质、脂肪、碳水化合物等后大脑的活动模式有何不同。我们可以进一步观察食物如何通过调节神经递质、激素等生物化学物质来影响大脑的活跃程度和连接方式。 其次，饮食习惯对大脑的影响也不容忽视。长期饮食习惯的改变，如节食、暴饮暴食等，都可能对大脑的连接产生深远影响。通过fMRI技术，我们可以观察到这些习惯如何改变大脑的活跃区域和连接模式，从而理解这些习惯对认知、情绪和行为的影响。 再者，不同生理状态下的大脑对食物的反应也会有所不同。例如，在睡眠不足、压力过大或身体疲劳等状态下，大脑对食物的反应可能会发生变化。我们可以观察这些生理状态如何影响大脑的活跃区域和连接方式，从而更好地理解在这些状态下，我们应如何选择食物以维持身体和精神的健康。 五、利用机器学习和人工智能技术进一步研究 在上述的研究中，我们将会产生大量的fMRI数据。利用机器学习和人工智能技术，我们可以自动分析和处理这些数据，提取出有用的信息。例如，我们可以利用这些技术来预测某种食物对大脑的影响，或者分析出某种生理状态下的最佳饮食选择。这不仅大大提高了研究的效率，也让我们能够发现更多以前难以察觉的细微变化。 六、未来的研究方向和可能的应用 随着技术的不断进步和研究的深入，我们有望在这一领域取得更多的突破和进展。首先，我们可以进一步研究食物与大脑的相互作用机制，从而为预防和治疗相关疾病提供新的思路和方法。

人脑研究中的功能连接网络分析技术人脑是一个复杂而神秘的器官，众多科学家致力于研究人脑的组织结构和功能。

在这个领域中，功能连接网络分析技术成为了一种重要的工具。

本文将介绍功能连接网络分析技术的原理和应用，并探讨其在人脑研究中的潜力。

一、功能连接网络分析技术的原理功能连接网络分析技术是通过分析人脑内神经元之间的连接关系来揭示其功能连接网络的结构和特性。

该技术主要分为两个步骤。

首先，使用功能磁共振成像(fMRI)等方法来获取人脑的活动数据。

这种成像技术可以测量人脑在不同区域的活动水平，从而揭示不同区域之间的连接关系。

其次，将获得的活动数据进行预处理和分析。

预处理包括去除噪声、校正运动等处理，以确保数据的准确性和可靠性。

然后，通过计算神经元之间的相关性来构建功能连接网络。

相关性可以通过各种统计方法来计算，常用的方法包括Pearson相关系数和相关矩阵的计算等。

二、功能连接网络分析技术的应用功能连接网络分析技术在人脑研究中具有广泛的应用。

以下是其中的几个方面：1. 揭示人脑内功能区域的连接关系。

通过分析功能连接网络，科学家可以了解到不同脑区之间的连接模式和强度。

这有助于揭示人脑内的功能模块和信息传递的路径，进而对脑功能有更深入的理解。

2. 研究神经网络的发育和变化。

功能连接网络分析技术可以用来比较不同个体之间的功能连接网络，以了解其在发育和学习中的变化。

这对于研究儿童和青少年的智力发展、神经系统变化等具有重要意义。

3. 理解神经系统疾病的发生和发展。

许多神经系统疾病如帕金森病、阿尔茨海默病等会导致人脑功能的改变。

功能连接网络分析技术可以用来研究这些疾病对功能连接网络的影响，有助于深入理解这些疾病的机理和病理生理过程。

4. 预测疾病风险和临床诊断。

功能连接网络分析技术可以通过对功能连接网络的分析，识别出与某些疾病相关的特定模式。

这些模式可以用来预测个体的疾病风险，并在临床上用于疾病的早期诊断和干预。

三、功能连接网络分析技术的潜力功能连接网络分析技术在人脑研究中展现出巨大的潜力。

原发性失眠静息态功能磁共振成像脑功能连接分析方法的研究进展吴菁1，冯慧婕1，赵亚雄1，李俊峰1，2，李亭1，21 长治医学院附属和平医院放射科，山西长治046099；2 长治市脑疾病功能影像重点实验室摘要：目前，原发性失眠（PI）的发病机制尚不清楚，静息态磁共振功能成像技术（rs-fMRI）可能有助于阐明PI的神经生理机制。

研究发现，PI与大脑静息态网络的功能连接受损之间存在关联，但由于分析方法存在异质性以及研究方案、统计学方面的局限性，很难总结出PI神经影像学的一般结论。

目前PI的rs-fMRI脑功能连接分析方法包括基于种子点的功能连接、图论分析、独立成分分析、体素镜像同伦连接分析以及动态功能连接。

关键词：原发性失眠；脑功能连接；功能磁共振成像；静息态；脑网络doi：10.3969/j.issn.1002-266X.2024.07.021中图分类号：R338.63 文献标志码：A 文章编号：1002-266X（2024）07-0088-05原发性失眠（PI）是指每周至少3个夜间出现入睡困难和（或）难以维持睡眠，持续3个月以上，患者因睡眠不足和（或）睡眠质量不佳无法恢复体力导致生理心理上的不适，从而影响正常的工作社交生活［1］。

目前临床上最常使用的治疗方式是药物治疗，但其存在较多的不良反应，如日间嗜睡、反跳性失眠、认知行为损害等，还易造成患者药物成瘾、肝肾代谢功能损害等。

因此，探索PI的发病机制，基于机制进行治疗显得尤为重要。

基于血氧水平依赖（BOLD）效应的功能磁共振成像技术（fMRI）被广泛应用于记录大脑神经活动信号［2］。

fMRI是一种通过非侵入性手段来检测大脑活动的技术，可检测脑区发生神经活动时血氧和血流变化，并通过测量血流、血氧和氧消耗的关系来间接反映脑神经活动。

在没有特定任务刺激的条件下，获得大脑处于清醒放松状态的自发波动的BOLD信号称静息态信号。

研究大脑不同区域间BOLD信号的关联程度可以反映大脑的功能连接。

正常人脑静息态功能磁共振的脑功能连接1石庆丽;燕浩;陈红燕;王凯;姚婧璠;韩在柱;张玉梅;张贵云;高玉苹【摘要】Objective To detect the effective connectivity of resting-state functional magnetic resonance imaging (fMRI) in normal adults. Methods 36 normal adults were performed resting-state fMRI scanning, and 5 brain netwokes were included as regions of interests. Independent component (ICA) was used to evaluate the effective connectivity, and multivariate Granger causality analysis (mGCA) was used to analyze the casuality between the networks. All preprocessing steps were carried out using Statistical Parametric Mapping 5.0 soft-ware. Results 5 classic resting brain networks including default mode network (DMN), memory network (MeN), motor network (MoN), au-ditory network (AN) and executive control network (ECN) were aquired. The mGCA presented significant casuality between DMN and oth-er 4 networks, MeN and ECN, AN and MoN, ECN and AN. Conclusion There are specific brain effective connectivity of resting-state fMRI in normal adults, and there is significant causal link between these networks.%目的：探讨正常人脑静息状态下的不同专属脑网络间的连接强度及其意义。

利用多模态光学脑成像研究前额叶静息态功能连接黄雯;李军【摘要】利用多模态光学脑成像测量了人脑前额叶的静息态功能连接.分别用近红外光谱(NIRS)和漫射相关谱(DCS)在人体大脑前额叶的相同位置记录了大脑8 min 的自发波动信号,测量覆盖区域包括左侧额下皮层(IFC)及左背外侧前额叶(DLPFC).低频段血氧代谢信号(包括含氧血红蛋白、脱氧血红蛋白及总血红蛋白浓度)用来揭示基于血氧信号的静息态功能连接,而相同频段的脑血流信号用来确定基于脑血流的静息态功能连接.2类血液动力学参量的静息态功能连接均表明:背外侧前额叶区域内的连接大于背外侧前额叶与额下皮层之间的区域间连接,显示相邻的背外侧前额叶和额下皮层属于不同的功能区域.此外基于2类血液动力学参量的功能连接的定量比较发现,基于血氧代谢的连接强度更大,表明在同一个功能区内,静息时血氧代谢信号的时间同步性更高.%Multimodal optical imaging is used to investigate resting-state functional connectivity (RSFC) in the frontal cortex.8 minutes of spontaneous activity of brain is separately recorded by near infrared spectroscopy (NIRS) and diffuse correlation spectroscopy (DCS).The measured area includes left inferior frontal cortex (IFC) and left dorsolateral prefrontal cortex (DLPFC).Low frequency component of blood oxygenation signal (i.e., oxygenated hemoglobin, deoxygenated hemoglobin and total hemoglobin) is used to reveal oxygenation-based RSFC, while the cerebral blood flow signal in the same frequency range is used to identify cerebral blood flow-based RSFC.Both blood oxygenation-based and cerebral blood flow-based RSFC show that the intra-regional connectivity within DLPFC is stronger than the inter-regional connectivitybetween DLPFC and IFC, implying that DLPFC and IFC, each belongs to a distinct functional area, though they are anatomically adjacent.Quantitative comparison between RSFC revealed by the two classes of hemodynamic variables shows the oxygenation-based RSFC is stronger than the cerebral blood flow-based RSFC, indicating the blood oxygenation in a functional area is more synchronized in time than the cerebral blood in resting-state.【期刊名称】《华南师范大学学报（自然科学版）》【年(卷),期】2017(049)004【总页数】5页(P11-15)【关键词】多模态光学脑成像;静息态功能连接;前额叶【作者】黄雯;李军【作者单位】华南师范大学华南先进光电子研究院,广州 510006;华南师范大学华南先进光电子研究院,广州 510006【正文语种】中文【中图分类】B845.1光学脑成像是近年来出现的一种利用近红外光源的无损脑功能成像技术[1-5]. 近红外光(700～1 000 nm)对生物活体组织有较好的穿透性，采用光纤照射并检测含有皮层光学参数信息及散射子动态信息的光信号，通过一定的物理模型和生理模型可以将检测到的信号转化为皮层的血液动力学参数，如皮层内的血氧代谢水平及血流，进而通过神经血管耦合机制获得皮层的神经活动信息.光学脑成像分为近红外光谱技术(Near-Infrared Spectroscopy, NIRS)[1-3]和漫射相关谱技术(Diffuse Correlation Spectroscopy, DCS, 也称Diffusing-Wave Spectroscopy, DWS)[4-5]. NIRS的使用较早，应用广泛. DCS比较新，近年来才应用于脑功能研究中 [4-8]. 有研究表明在脑功能检测上，DCS测量的脑血流比NIRS测量的血氧浓度具有更大的对比度[9]，或者说具有更高的信号灵敏度.目前，利用光学脑成像对人脑功能开展的研究有：使用NIRS研究在执行高级的任务时前额叶的响应模式，包括语言[10]、记忆(如N-back task)[11]、认知任务等；合作任务中前额叶的激活及功能区间的相关性等[12]. 利用DCS对顶叶运动皮层的功能检测及研究，包括左右半球的不对称性[6]、视觉刺激下枕叶视觉皮层的响应[7-8]等.近年来，研究人员使用NIRS对静息态功能连接(Resting-State Functional Connectivity, RSFC)开展了广泛研究[13-17]. 但是至今尚无使用DCS测量人脑静息态功能连接的报道.因此，本文利用NIRS和DCS对前额叶的自发活动分别记录，光学探头覆盖区域包括左侧背外侧前额叶(Dorsolateral Prefrontal Cortex, DLPFC)和左额下皮层(Inferior Frontal Cortex, IFC). 测量了基于血氧代谢(如含氧血红蛋白HbO2、脱氧血红蛋白Hb及总血红蛋白HbT)的静息态功能连接，即RSFC (HbO2)、RSFC(Hb)和RSFC(HbT)以及基于脑血流(CBF)的静息态功能连接RSFC(CBF)，包括左DLPFC区域内连接及DLPFC与IFG的区域间连接，定量比较了两类血液动力学参量下的静息态连接性.1.1 实验对象10名健康的成年人(均为理科硕士研究生志愿者，年龄24～28岁，平均年龄26.3岁，其中男性8人，女性2人). 所有被试在实验之前均了解、同意实验内容及步骤，并签署一份实验知情书.1.2 实验设备多模态光学脑成像系统包括一台近红外光谱仪(NIRS)和一套漫射相关谱系统(DCS). 近红外光通过发射光纤束投射到测量处头皮，经皮层漫反射回来的光通过接收光纤束接收并传回系统. 光纤固定在一个定制的橡皮垫上，便于光纤和头皮的良好耦合. 实验所用近红外光谱是一套光源强度可高频调制的系统(OxiplexTS，美国ISS公司)，包括2个波长的近红外光(690、830 nm)光源，以5 Hz的采样频率对所有被试静息态下前额叶光强度的波动进行测量，然后通过修正的Beer-Lambert定律，转化成HbO2、Hb和HbT的浓度(任意单位，非实际浓度).漫射相关谱系统是一个定制系统，包括具有长相干长度的单纵模连续波激光光源(780 nm，CrystaLaser，美国)、2根发射光纤、4根单模接收光纤、4个单光子雪崩光电二极管以及数字相关器. 漫射相关谱测量的原始信号是光强度I(t)的自相关函数它是随时间衰减的信号(理论上随时间从最大值2衰减到1). 光强度自相关函数衰减率DR可表示脑血流的速度[7-8]. 测量时漫射相关谱的采样频率是1 Hz.1.3 实验方法实验在一间安静昏暗的房间里进行，被试闭眼静坐，头上佩戴一顶特制的光纤固定帽，尽量避免头部的摆动. 光源光纤和探测器光纤则通过光纤帽固定在被试头上以确保光纤与被试头皮的紧密贴合，从而保证入射光与头皮的良好耦合. 利用国际EEG 10-20系统来定位大脑前额叶皮层的测量区域(图1)，其中S1、S2为光源，D1～D4为探测器. S1固定在额下和背外侧前额叶的分界处，探测器D1位于额下皮层，而D3位于背外侧前额叶. S1和D1及D3的距离均为2.8 cm，S1-D2的距离是1.0 cm.光学脑成像测量时，探测的深度与光源-探测器的距离有关. 由于光源和探测器的距离短，S1-D2组成的测量通道只能检测S1附近头皮的血液动力学信号. 而具有较长光源-探测器的通道可以探测到皮层区域，如S1-D1可以检测额下皮层，S1-D3通道检测背外侧前额叶. 光源S2及探测器D4位于背外侧前额叶. S2与D3的距离是2.8 cm，与D4的距离是1.0 cm. S2-D3通道检测背外侧前额叶，S2-D4通道测量S2附近头皮的血液动力学信号. 本实验中NIRS与DCS的光学探头布局一致，其目的在于实现背外侧前额叶区域内及背外侧前额叶与额下皮层区域间静息态功能连接的同时测量. 分别使用NIRS和DCS记录8 min的自发脑血流动力学参量的波动曲线.由于人体血液动力学参量常常存在非常缓慢的波动，因此处理数据时，对于每个被试的8 min NIRS测试数据(HbO、Hb和HbT)和DCS数据(DR)进行处理[18]：对原始时序数据进行二阶多项式拟合，然后从原始时序数据中减去拟合值，将得到的剩余残差代入下一步数据处理中，从而去除原始信号的第一和第二阶漂移. 图2是对DCS信号(DR)的去漂移处理效果图.有研究表明，大脑前额叶自发信号在0.03～0.08 Hz频段受全局系统血流动力学信号成分的干扰较小[19]，因此为了抑制全局信号的干扰，首先采用0.03～0.08 Hz的带通滤波器滤波. 此外，为了进一步去除可能残存的并不特定于皮层的全局信号(如头皮的信号)，利用回归的方法，将短的光源-探测器通道(如S1-D2和S2-D4)信号作为回归成分，去除来自头皮的干扰[20]. 例如，图3显示了利用短源-探测器通道(S1-D2)的回归效果，回归之前，无论S1-D1还是S1-D3都与S1-D2 之间具有较大的相关性(皮尔逊相关系数r)：S1-D1和S1-D3通道之间的相关系数r(S1-D1,S1-D3)=0.719，S1-D1和S1-D2通道间的相关系数r(S1-D1,S1-D2)=0.781，S1-D3和S1-D2通道间的相关系数r(S1-D3,S1-D2)=0.783. 回归之后，S1-D1和S1-D3通道之间的相关系数r(S1-D1,S1-D3)=0.275, S1-D1和S1-D2通道间的相关系数r(S1-D1,S1-D2)=0.005, S1-D3和S1-D2通道间的相关系数r(S1-D3,S1-D2)=0.001. 无论S1-D1还是S1-D3都与S1-D2之间不再有相关性，即来自头皮的干扰信号得到有效的抑制. 因此，回归后S1-D1和S1-D3通道之间的相关性才能反映皮层之间的功能连接性. 而回归之前，因为含有来自头皮的共同信号成分，S1-D1与S1-D3之间的相关性被夸大.通过上述方法处理(滤波和回归)后，系统血流动力学信号的干扰已经得到抑制，然后计算任意2个通道信号之间的时域相关系数r，以量化2个通道测量点皮层区域间的连接性. 为检验相关系数之间差异的统计显著性，将相关系数首先通过Fisher 变换转换成Z值，然后使用z检验(z-test).根据测量时光学探头的布局，S1-D1与S1-D3通道之间的相关系数表示额下皮层与背外侧前额叶的区域间连接性，而S1-D3与S2-D3通道之间的相关系数表示背外侧前额叶区域内连接. 采用不同血液动力学信号(HbO2、Hb、HbT及CBF)的相关系数(图4)来量化的静息态功能连接强度.基于HbO2的区域内连接强度为0.81±0.10，区域间连接强度为0.16±0.28；基于Hb的区域内连接强度为0.45±0.26，区域间连接强度为0.25±0.25；基于HbT的区域内连接强度为0.80±0.12，区域间连接强度为0.19±0.28；基于CBF的区域内连接强度为0.43±0.15，区域间连接强度为0.09±0.23； z检验表明，基于HbO2、HbT及CBF的静息态功能连接均呈现，背外侧前额叶区域内连接强度大于背外侧前额叶与额下皮层的区域间连接. 基于Hb的连接未出现出这种差异，主要是自发活动时Hb信号幅度低(Hb信号功率仅为HbO2或HbT的30%左右)，信号本身有较小的信噪比，因此连接性(相关系数)的计算出现较大的误差，导致差异在统计检验下不显著.从大脑解剖结构上看，额下皮层与背外侧前额叶是相邻的. 但是在功能上，额下皮层是语言区的一部分，而左背外侧前额叶有短期工作记忆的功能，两者不在同一个功能区内. 基于血氧代谢水平和脑血流的静息态功能连接，均显示了这2个相邻的皮层区域之间具有较低的连接强度.定量比较背外侧前额叶的区域内连接性发现，基于HbO2和HbT的连接强度大于基于CBF的连接强度，表明静息时在皮层的一个功能区内，血氧代谢信号的时间同步性高于血流的同步性. 这可能意味着大脑静息时，皮层内神经的活动与血氧水平有更强的耦合性. 因为在基础血容量基本满足静息态神经活动的代谢需求时，就不需要通过调动更高血流而提高局部的血液供应，表现为血流的变化与神经活动的同步性降低.在实验中，设置的NIRS与DCS通道空间布局相同，并分别在30 min内对大脑自发活动进行了测量. 这样安排主要是由于如果同时工作，则NIRS与DCS两个系统之间存在串扰，即NIRS的光源会干扰DCS的探测信号，而DCS的光源也会干扰NIRS接收的信号. 静息态功能连接性呈现一定的稳定性[16]，因此，间隔较短时间比较差异的测量不会对结果造成明显的影响，特别是不会导致连接强度之间定量对比的变化.本文使用多模态光学脑成像研究人脑前额叶的自发活动，特别是首次使用了漫射相关谱技术测量了静息态功能连接性. 结果显示，NIRS揭示的基于血氧代谢的功能连接性与DCS揭示的基于脑血流的功能连接性具有相同的定量结构，即背外侧前额叶的区域内功能连接强于背外侧前额叶与额下皮层之间的区域间连接. 此外发现，在静息状态下，同一个功能区内的血氧信号时间同步性高于血流信号的时间同步性，可能意味着静息时神经活动与血氧的耦合性更高.【相关文献】[1] HILLMAN E M. Optical brain imaging in vivo:techniques and applications from animalto man [J]. Journal of Biomedical Optics,2007,12(5):051402.[2] WOLF M,FERRARI M,QUARESIMA V. Progress of near-infrared spectroscopy and topography for brain and muscle clinical applications [J]. Journal of BiomedicalOptics,2007,12(6):062104.[3] EHLIS A C,SCHNEIDER S,DRESLER T,et al. Application of functional near-infrared spectroscopy in psychiatry [J]. Neuroimage,2014,85(1):478-488.[4] DURDURAN T,YODH A G. Diffuse correlation spectroscopy for non-invasive,micro-vascular cerebral blood flow measurement [J]. Neuroimage,2014,85:51-63.[5] BUCKLEY E M,PARTHASARATHY A B,GRANT P E,et al. Diffuse correlation spectroscopy for measurement of cerebral blood flow:future prospects [J].Neurophotonics,2014,1(1):011009.[6] LI J,DIETSCHE G,IFTIME D,et al. Noninvasive detection of functional brain activity with near-infrared diffusing-wave spectroscopy [J]. Journal of BiomedicalOptics,2005,10(4):044002.[7] JAILLON F,LI J,DIETSCHE G,et al. Activity of the human visual cortex measured non-invasively by diffusing-wave spectroscopy [J]. Optics Express,2007,15(11):6643-6650. [8] LI J,NINCK M,KOBAN L,et al. Transient functional blood flow change in the human brain measured noninvasively by diffusing-wave spectroscopy[J]. OpticsLetters,2008,33(19):2233-2235.[9] SELB J,BOAS D A,CHAN S T,et al. Sensitivity of near-infrared spectroscopy and diffuse correlation spectroscopy to brain hemodynamics:simulations and experimental findings during hypercapnia[J]. Neurophotonics,2014,1(1):015005.[10]QUARESIMA V,BISCONTI S,FERRARI M. A brief review on the use of functional near-infrared spectroscopy (fNIRS) for language imaging studies in human newborns and adults [J]. Brain and Language,2012,121(2):79-89.[11]HOSHI Y. Functional near-infrared optical imaging:utility and limitations in human brain mapping [J]. Psychophysiology,2003,40(4):511-520.[12]FUNANE T,KIGUCHI M,ATSUMORI H,et al. Synchronous activity of two people’s prefrontal cortices during a cooperative task measured by simultaneous near-infrared spectroscopy[J]. Journal of Biomedical Optics,2011,16(7):077011.[13]WHITE B R,SNYDER A Z,COHEN A L,et al. Resting-state functional connectivity in the human brain revealed with diffuse optical tomography [J]. Neuroimage,2009,47(1):148-156.[14]LU C M,ZHANG Y J,BISWAL B B,et al. Use of fNIRS to assess resting state functional connectivity[J]. Journal of Neuroscience Methods,2010,186(2):242-249.[15]MESQUITA R C,FRANCESCHINI M A,BOAS D A. Resting state functional connectivity of the whole head with near-infrared spectroscopy[J]. Biomedical OpticsExpress,2010,1(1):324-336.[16]ZHANG H,DUAN L,ZHANG Y J,et al. Test-retest assessment of independent component analysis-derived resting-state functional connectivity based on functional near-infrared spectroscopy[J]. Neuroimage,2011,55(2):607-615.[17]LI J,QIU L. Temporal correlation of spontaneous hemodynamic activity in language areas measured with functional near-infrared spectroscopy [J]. Biomedical Optics Express,2014,5(2):587-595.[18]DUAN L,ZHANG Y J,ZHU C Z. Quantitative comparison of resting-state functional connectivity derived from fNIRS and fMRI:a simultaneous recording study [J]. Neuroimage,2012,60(4):2008-2018.[19] 李军，邱丽娜. 大脑前额叶皮层自发活动与连接的性别差异[J]. 华南师范大学学报(自然科学版)，2016,48(60):67-72.LI J,QIU L N. Sex-related differences in the prefrontal spontaneous activity and connectivity [J]. Journal of South China Normal University (Natural ScienceEdition),2016,48(6):67-72.[20]SAAGER R B,BERGER A J. Direct characterization and removal of interfering absorption trends in two-layer turbid media [J]. Journal of the Optical Society of AmericaA,2005,22(9):1874-1882.。

人脑连接组学的研究进展人类大脑是一个神秘而又复杂的系统，长期以来，科学家们一直在尝试了解其内部的运作机制。

近年来，随着人脑连接组学的研究逐步深入，我们逐渐了解到了更多关于人类大脑的信息。

什么是人脑连接组学？人脑连接组学，也称为神经连接组学，是一种研究人类大脑内各个区域之间连接的学科。

它利用脑成像技术和计算机技术对人类大脑进行精细的拼图和分析。

通过这种方法，研究人员可以了解人类大脑内各个区域之间的连接方式，从而推测不同区域间的信息传递方式，进而了解大脑在认知、感知、语言、行为等各方面的运作机制。

人脑连接组学的研究方法：人脑连接组学的研究方法主要包括两种，即结构连接和功能连接。

结构连接主要研究人类大脑内各个区域之间的解剖学连接。

这种方法主要利用转移磁共振成像（DTI）等技术，通过人类大脑神经元轴突道路的研究，揭示大脑内不同区域之间的神经纤维和神经元之间的连接情况。

功能连接是指研究人类大脑内不同区域之间的功能联系。

这种方法主要利用功能性核磁共振成像技术，记录大脑在进行某种认知任务时的活动情况，根据大脑内不同区域之间的同步与协调程度，推断它们之间是否存在连接关系。

人脑连接组学的研究进展：近年来，人脑连接组学研究取得了重大进展。

早期的连接组学研究主要是基于人类大脑各个区域之间的解剖学连接研究，这种方法无法了解到大脑在不同认知任务中的工作方式。

随着功能核磁共振成像技术的发展，人脑连接组学逐步转向功能连接的研究，在某些方面更为精准和可靠。

人脑连接组学的研究成果已经在多个领域得到了广泛应用。

例如，在精神疾病诊断和治疗方面，人脑连接组学的研究可以为临床医生提供更全面的疾病分析和治疗方案。

在神经基因研究方面，人脑连接组学可以帮助识别与某个特定基因相关的大脑连接网络，从而为基因相关疾病的研究和治疗提供有力支持。

同时，在机器学习方面，利用人脑连接组学研究得到的连接模型，可以更好的模拟和开发人工智能和机器学习系统。

人脑连接组学还面临了一些挑战和限制。

阿尔茨海默病和轻度认知障碍静息态功能连接研究综述阿尔茨海默病(Alzheimer’s disease, AD)是老年痴呆中最常见的类型，并以记忆和其他高级认知功能进行性减退為特征的神经退行性疾病。

近年来，研究提出AD时一种失连接综合症，即AD患者不仅在局部脑区存在结构和功能的异常，在脑区之间的功能连接也存在异常。

本文主要回顾近年来基于种子点功能连接研究在MCI和AD中的进展，这些发现不仅为了解其病理生理学机制提供了新的视角，也为疾病的早期诊断寻找到敏感的影像学标记。

标签：阿尔茨海默病；轻度认知障碍；功能连接；功能磁共振成像Disrupted resting-state functional connectivity in mild cognitive impairment and Alzheimer’s diseaseAbstract: Alzheimer’s disease (AD) is the most frequent type of dementia, including an estimated 60%-80% of all dementia cases. It can be clinically characterized by impairments of memory and other high cognitive functions. Previous studies suggested that these impairments are not only associated with disrupted of brain regions structure and function but with abnormal functional connections among brain regions, leading to a disconnection notion in AD. In this review, we summarize the recent progress of seed-based functional connectivity studies in AD and mild cognitive impairment （MCI，the prodromal stage of AD）. These studies open a new window into our understanding of the pathophysiological mechanisms of AD and consider the potential to uncover imaging biomarkers for the clinical diagnosis of this disease.Keywords:Alzheimer’sdisease；mildcognitive impairment；functional connectivity；functional magnetic resonance imaging阿尔茨海默病（Alzheimer’s disease, AD），是老年痴呆中最常见的类型，约占所有痴呆患者的60%-80%。