1、腦科學(xué)研究是當(dāng)今世界重點(diǎn)研究領(lǐng)域之一。在對大腦的復(fù)雜結(jié)構(gòu)和功能進(jìn)行研究的過程中，磁共振成像（magnetic resonance imaging，MRI）技術(shù)發(fā)揮了重要的作用，比如：通過彌散張量成像（diffusion tensor imaging，DTI）技術(shù)可以在活體無創(chuàng)研究大腦的白質(zhì)神經(jīng)纖維結(jié)構(gòu)，利用功能磁共振成像（functional MRI，fMRI）技術(shù)可以對腦區(qū)功能進(jìn)行分析?；诖殴舱癯上駥Υ竽X進(jìn)行腦網(wǎng)絡(luò)研究及功能連接分析

2、是腦科學(xué)研究的一個重要方面。
　　大腦在感知世界的過程中經(jīng)歷著信息感知、傳遞、協(xié)調(diào)、變換、存儲以及新信息生成等一系列信息處理過程，大腦的功能活動狀態(tài)隨之發(fā)生相應(yīng)的變化，然而，在這一動態(tài)變化過程中，大腦是否存在暫時穩(wěn)定的亞穩(wěn)態(tài)狀態(tài)？如何準(zhǔn)確地描述與表達(dá)大腦的亞穩(wěn)態(tài)狀態(tài)？在大腦完成認(rèn)知任務(wù)的過程中，腦區(qū)之間的功能信息交互是如何動態(tài)變化的？這些問題的研究對于理解大腦的功能認(rèn)知具有重要的意義。針對這些熱點(diǎn)問題，本文利用大腦的DTI和fMR

3、I圖像，基于大腦的全腦功能連接網(wǎng)絡(luò)，從以下三個方面對大腦功能狀態(tài)動態(tài)性進(jìn)行了研究：
　　1）動態(tài)大腦通用狀態(tài)模式表達(dá)；
　　2）大腦靜息態(tài)網(wǎng)絡(luò)（resting state networks，RSN）動態(tài)性研究；
　　3）大腦動態(tài)信息傳遞路徑追蹤。主要研究內(nèi)容和創(chuàng)新點(diǎn)包括：
　?。?）引入一套高精確度、個體一致對應(yīng)的大規(guī)模全腦網(wǎng)絡(luò)參考系統(tǒng)，即DICCCOL（Dense Individualized and Comm

4、on Connectivity-based Cortical Landmarks）網(wǎng)絡(luò)。利用大腦DTI圖像得到白質(zhì)神經(jīng)纖維結(jié)構(gòu)信息，通過數(shù)學(xué)模型表達(dá)和量化比較，在全局范圍內(nèi)尋求群體結(jié)構(gòu)差異最小的神經(jīng)纖維束所對應(yīng)的一組節(jié)點(diǎn)作為不同個體上同一DICCCOL腦區(qū)標(biāo)記，最后共得到358個群體一致的全腦腦區(qū)標(biāo)記節(jié)點(diǎn)。這些節(jié)點(diǎn)在個體和群體上都具有很高的結(jié)構(gòu)和功能的對應(yīng)性、可重復(fù)性和可預(yù)測性，能有效地表示大腦的共有結(jié)構(gòu)連接模式和主要的腦功能區(qū)，有助于

5、我們對不同個體或群體進(jìn)行大腦結(jié)構(gòu)和功能的分析與比較。
　?。?）基于DICCCOL全腦動態(tài)功能連接，發(fā)現(xiàn)并提出了一種動態(tài)大腦亞穩(wěn)態(tài)狀態(tài)表達(dá)形式。通過將fMRI圖像映射到相應(yīng)DTI空間，得到DICCCOL各節(jié)點(diǎn)的fMRI信號。采用滑動時間窗口分析方法，計算各節(jié)點(diǎn)間隨時間變化的三維動態(tài)功能連接強(qiáng)度，進(jìn)一步統(tǒng)計節(jié)點(diǎn)的連接強(qiáng)度得到二維節(jié)點(diǎn)動態(tài)功能連接強(qiáng)度矩陣。觀察發(fā)現(xiàn)，該矩陣在一些短的時間段內(nèi)呈現(xiàn)出一定的穩(wěn)定性，即大腦的亞穩(wěn)態(tài)狀態(tài)。則大腦

6、的動態(tài)狀態(tài)可以用一系列基于DICCCOL網(wǎng)絡(luò)的亞穩(wěn)態(tài)全腦功能連接矩陣來表示，為后續(xù)研究大腦的動態(tài)信息處理過程及狀態(tài)變化等打下基礎(chǔ)。
　?。?）基于大腦亞穩(wěn)態(tài)狀態(tài)樣本的稀疏表達(dá)與分類，提出了一種動態(tài)大腦通用狀態(tài)模式空間描述方法。將個體大腦的亞穩(wěn)態(tài)狀態(tài)，用全腦近似穩(wěn)定連接模式（whole-brain quasi-stable connectome pattern，WQCP）樣本表示后，將群體內(nèi)所有WQCP樣本組合在一起，采用一種基于F

7、isher判別準(zhǔn)則和稀疏表達(dá)的字典學(xué)習(xí)算法，即FDDL（Fisher discriminative dictionary learning）方法對樣本進(jìn)行學(xué)習(xí)和分類，最后將大腦的動態(tài)狀態(tài)變化用若干通用狀態(tài)模式來表示，即動態(tài)大腦通用狀態(tài)模式空間。通過對靜息態(tài)和任務(wù)態(tài)大腦WQCP樣本進(jìn)行統(tǒng)一表達(dá)，發(fā)現(xiàn)二者具有不同的動態(tài)通用狀態(tài)變化模式。任務(wù)態(tài)fMRI數(shù)據(jù)群組激活檢測實(shí)驗(yàn)結(jié)果表明，任務(wù)掃描過程中出現(xiàn)靜息態(tài)模式的個體沒有很好的遵從實(shí)驗(yàn)設(shè)計的任務(wù)

8、范式，這為大腦fMRI圖像質(zhì)量控制提供了一種有效的輔助手段。
　　（4）基于靜息態(tài)大腦的動態(tài)通用狀態(tài)模式，對RSN網(wǎng)絡(luò)的動態(tài)性進(jìn)行了研究。將靜息態(tài)大腦的每個動態(tài)通用狀態(tài)模式看作是全腦功能連接狀態(tài)的一種單獨(dú)的視圖，采用多視圖譜聚類方法對DICCCOL節(jié)點(diǎn)進(jìn)行聚類，得到一系列包含了豐富的動態(tài)信息的DICCCOL子集，即動態(tài)RSN網(wǎng)絡(luò)，與同樣由DICCCOL節(jié)點(diǎn)表達(dá)的靜態(tài)RSN網(wǎng)絡(luò)進(jìn)行比較。結(jié)果發(fā)現(xiàn)，一些 RSN網(wǎng)絡(luò)在靜息態(tài)下呈現(xiàn)出很好

9、的穩(wěn)定性，比如缺省模式網(wǎng)絡(luò)（default mode network，DMN），視覺RSN網(wǎng)絡(luò)等，另外一些RSN網(wǎng)絡(luò)包括運(yùn)動相關(guān)網(wǎng)絡(luò)則呈現(xiàn)出強(qiáng)動態(tài)性和變化性，說明這些動態(tài)性強(qiáng)的網(wǎng)絡(luò)對靜息態(tài)大腦功能區(qū)域的動態(tài)交互起關(guān)鍵作用。該研究為 RSN網(wǎng)絡(luò)的研究以及研究靜息態(tài)大腦功能信息處理機(jī)制提供了一種新的視角。
　?。?）基于大腦亞穩(wěn)態(tài)狀態(tài)時間序列及動態(tài)通用狀態(tài)模式表達(dá)形式，對各亞穩(wěn)態(tài)下所隱含的大腦動態(tài)信息傳遞路徑進(jìn)行了追蹤研究，即認(rèn)為大腦

10、亞穩(wěn)態(tài)狀態(tài)的形成是由于不同腦區(qū)之間的動態(tài)信息交互造成的。首先，根據(jù)亞穩(wěn)態(tài)時間序列信號，將DICCCOL節(jié)點(diǎn)聚類到不同的空間子網(wǎng)絡(luò)，對各子網(wǎng)絡(luò)的平均信號進(jìn)行擬合并檢測其峰值激活時刻，根據(jù)激活時刻的先后對子網(wǎng)絡(luò)進(jìn)行排序；然后，建立信息傳遞概率模型，采用動態(tài)規(guī)劃的方法求解最大概率路徑，即最優(yōu)信息傳遞路徑，由每個子網(wǎng)絡(luò)中的關(guān)鍵“路由”節(jié)點(diǎn)來表達(dá)。通過對視覺任務(wù)下正常青少年組和患有創(chuàng)傷后應(yīng)激障礙疾病（post-traumatic stress d