neuron：人类个体大脑的精准功能成像

《neuron：人类个体大脑的精准功能成像》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、Neuron：人类个体大脑的精准功能成像发布者：admin 来自美国德州VISN17CenterofExcellence的EvanM.Gordon等人在Neuron期刊上发文，主要介绍了其提供的MSC数据集，以及针对数据集的研究。数据集包括来自十个样本的5个小时的RSFC数据，6个小时的任务态fMRI，以及结构MRI。文章认为，原有的fMRI研究主要侧重于分析组间数据，其掩盖了个体fMRI静息态功能连接RSFC和任务态激活的细节信息。研究认为在全脑fMRI研究中增加单个被试fMRI数据量可以显著提高结果的可靠性和特异性，并提出了一种通过长时间采样细致展示脑组织的基于fMRI的神经科学的新方法

2、。为了验证，研究引入了十个样本高质量的功能连接数据，揭示了个体水平的脑网络中的几种新型空间和组织变异性，包括与结构和任务导出的脑特征相对应的独特网络特征和拓扑。研究内容有四个主要亮点：1)个体大脑组织结构和组平均脑组织估计结构有质的区别；2)在大数据的支持下，个体大脑的功能测定变得更加可靠；3）个体能够表现出鲜明的脑网络拓扑结构；4）分享了十个样本的高采样多模态的fMRI数据。在过去30年，fMRI成为了一种广泛地用来认识和了解大脑的工具。通过对大数据整合，神经学家能够有效地探寻任务态的激活模式以及大尺度脑网络的结构特征。然而，与结构MRI不同，fMRI和RSFC的研究方法一般都回避研究个体

3、，其研究的重点是使用功能定位或高场成像技术来研究大脑皮层的特定区域。针对fMRI和RSFC的研究通常集中在组平均的研究。虽然这能够揭示功能性脑组织的一些基本原理，但是其对个体样本的分析存在缺陷，这意味着fMRI和RSFC的临床应用会受到局限。由于BOLD信号的时间信噪比相对较低，因此短时间的扫描结果不能精确地表征大脑功能和组织。因此，研究人员通常选择在许多个体之间聚合数据。但是这抑制了个体的一些特征。描述功能脑组织中的跨个体变异性的研究通常使用对于每一个样本而言数据相对较少量的数据集，虽然目前该数据量已经增加，但是，对于个体水平的大脑表征仍然存在不足。研究认为，通过改进一系列研究方法来系统地

4、描述个体的大脑功能和组织，以及适当扩展标准的人类功能神经成像方法是有效的。个体层面特定的神经影像对于决定大脑组织的差异是否与行为相关，疾病相关，或异常现象是至关重要的。这也将有助于研究个体样本中具有特殊脑损伤、罕见疾病或异常认知能力，从而加深我们对人类大脑组织的基本原则的理解。最后，相较于常规功能映射，这种方法对单个神经系统、神经外科和精神病患者的大脑组织的精确描述成为可能。最近，Laumann等人一项超过一年的研究中，通过分析从个体样本上收集到的数小时RSFC数据来表征个体水平的功能性大脑网络结构。这项工作表明：1）通过充足的数据，可以在个体中进行可靠的脑网络估计;2）个体脑网络的特征与任

5、务驱动的功能区域激活密切相关;3）个体水平的脑网络比群体平均网络能够提供更多的信息，因为个体的特征通常被组平均所隐藏。说明，通过大尺度数据收集能够有效针对个体特异性的研究。为了验证，研究采集了十个人大规模数据，包含几个小时获取的RSFC，fMRI，结构MRI和神经心理测试（图1，表1）。为了规范时间效应以及降低数据采集成本，扫描从凌晨开始。数据集称为MSC数据。完整的MSC数据集可从openfmri.org和neurovault.org免费获得。并且提供了一系列新的研究，以表征MSC数据库中的十个样本的功能性脑组织。包括：1）评估RSFC数据的质量，包括网络功能的多重连接和图论测量的可靠性;

6、2）精确描述每个MSC主体的脑网络组织，包括物理特征和网络拓扑;和3）个体的任务激活模式，由RSFC产生的大脑网络，以及皮层髓磷脂的分布。结果图1简要描述MSC数据集的信息。对于每一个样本，MSC数据收集3.5小时的结构MRI数据;5小时的RSFC数据;6个小时的基于任务（包括一个被阻塞的运动任务，一个混合阻塞和事件相关的知觉和语言任务，以及一个与多个刺激类型相关的事件相关记忆任务）的fMRI数据，神经心理测试（表1）。图1数据包括四个高分辨率T1扫描，四个高分辨率T2扫描，四个磁共振血管造影（MRA）扫描，四对磁共振静脉图（MRV）扫描，五个小时的fMRIRSFC数据，六个小时的fMRI任

7、务数据跨越，三项不同的任务，以及四项神经心理学评估，产生21项个人评估分数。表1RSFC的可靠性利用Laumann定义的脑区提取平均时间序列。利用多次迭代对每个样本的FC进行可靠行分析，可靠性通过1)脑区间的连接矩阵;2)每个脑区的网络进行分析(hub结构，模块性，信息传输效率);3)参与系数；4）全局效率；5）模块性进行分析。图2A-2E中，所有的测度均表现出较差的可靠性。增加数据量后，可靠性明显的增加。在