1、多模態(tài)神經影像學習班第1頁，共51頁，2022年，5月20日，23點11分，星期二會議簡介人腦連接組學（Human Connectome）已成為當前神經科學領域最受關注的研究熱點和前沿方向之一，目前采用不同模態(tài)的神經成像技術，提取活體人腦的全腦結構與功能連接模式，運用圖論分析法揭示腦網絡組織形式及其拓撲屬性。這種計算和分析框架可以用于神經發(fā)育、老化及神經精神等疾病的研究 第2頁，共51頁，2022年，5月20日，23點11分，星期二參會目的基于多模態(tài)神經影像與腦連接組研究具備巨大科研價值和應用潛力，同時由于該類研究屬于交叉學科，需要研究者具備多個學科的基礎和背景知識，所以作為臨床醫(yī)療機構，本實

2、驗室需要參加此類會議以實現諸多繁瑣的計算方法和步驟，從而最終達到提高本實驗室的神經科學研究水平的目的 第3頁，共51頁，2022年，5月20日，23點11分，星期二課程設置4.16 注冊、領取材料、軟件安裝等。（腦成像中心）4.17-01 人腦連接組學研究概況 02 圖論知識基礎 03 磁共振成像基本原理、數據采集及注意事項 04 DTI的腦結構連接組學計算方法與應用研究 05 腦結構連接組學分析軟件PANDA詳解4.18-01 fMRI的腦功能連接組學計算方法與應用研究 02 fNIRS的腦功能連接組學計算方法與應用研究 03 腦功能連接組學分析軟件Gretna詳解4.19-01 基于結構M

3、RI的腦連接組學計算方法與應用 02 神經影像連接組學相關文章撰寫與評審 03 腦連接組學可視化軟件Brainnet Viewer詳解與實例操作第4頁，共51頁，2022年，5月20日，23點11分，星期二人腦連接組學研究概況2005年，印第安娜大學Olaf Sporns教授正式提出“Connectome”概念。將其定義并描述為大腦內神經連接網絡的“地圖” 2009年，美國國立衛(wèi)生研究院（NIH）正式宣布實施“人腦連接組學計劃”（Human Connectome Progect,HCP） 第5頁，共51頁，2022年，5月20日，23點11分，星期二 圖論分析法Graph theoretica

4、l analysis第6頁，共51頁，2022年，5月20日，23點11分，星期二圖論知識基礎Application of Graph theoretical analysis in Human connectome 圖論分析法在腦連接組學中的應用第7頁，共51頁，2022年，5月20日，23點11分，星期二圖論分析法的由來圖論分析法（Graph theoretical analysis）是源自瑞士數學家歐拉的哥尼斯堡七橋理論，這個理論不僅解決了當地居民關于能否在不重復走同一座橋的前提下一次性走完哥尼斯堡七橋的困擾，同時開創(chuàng)了數學領域的全新分支圖論和幾何拓撲 第8頁，共51頁，2022年，5月

5、20日，23點11分，星期二什么是“網絡”？ 網絡是由相互分離的多重元素組成，但相互聯(lián)系并且協(xié)同工作的系統(tǒng) Network is a system consists of multiple elements which are connected and operated together 第9頁，共51頁，2022年，5月20日，23點11分，星期二網絡圖論在圖論分析法中構成網絡的最基本元素為“點”（Nodes）和連接點的“邊”(Edges) Graph is made up of nodes and lines called edges that connect them 第10頁，共51

6、頁，2022年，5月20日，23點11分，星期二衡量網絡屬性的指標全局度量 （Global metrics）稀疏度 （Sparsity）平均路徑長度 (Average path length)叢集系數 (Clustering coefficient)全局效率 (Global efficiency)局部效率 (Local efficiency)節(jié)點度量 (Nodal metrics)度 (Degree)度分布 (Degree distribution)介數 (Betweenness)節(jié)點效率 (Nodal efficiency)第11頁，共51頁，2022年，5月20日，23點11分，星期二復雜

7、網絡小世界網絡 (Small-world network)無標度網絡 (Scale-free network)第12頁，共51頁，2022年，5月20日，23點11分，星期二小世界網絡小世界網絡（Small-world network）具有較高的全局效率和局部效率，是網絡信息傳遞效率最高的網絡形式。而經研究證明人腦網絡符合小世界網絡屬性 第13頁，共51頁，2022年，5月20日，23點11分，星期二復雜網絡的拓撲特性模塊化（Module）分布相對稀疏但是聯(lián)系十分緊密的節(jié)點集團即為模塊化第14頁，共51頁，2022年，5月20日，23點11分，星期二 層級性（Hierarchy）各個節(jié)點集團之

8、間存在明顯的層級關系，上下級之間聯(lián)系緊密，信息傳遞效率極高，但不同層級之間只能通過更高層次的節(jié)點相互聯(lián)系，信息傳遞效率較低第15頁，共51頁，2022年，5月20日，23點11分，星期二 樞紐中心節(jié)點（Rich club ，huds）網絡中存在一些與其他諸多節(jié)點聯(lián)系非常機密，在整個網絡信息傳輸中起到關鍵作用的節(jié)點，類似與交通網絡中的樞紐第16頁，共51頁，2022年，5月20日，23點11分，星期二網絡圖論的應用利用網絡的模塊化、層級性和中心節(jié)點等屬性，定義功能節(jié)點和感興趣區(qū)，再通過計算機數據分析構建腦網絡，從而可以直觀的呈現出腦網絡結構特性。為進一步的疾病腦網絡異常分析提供有效依據 模塊定義

9、 (Module Definition) 根據研究目的定義研究模塊及感興趣區(qū) 第17頁，共51頁，2022年，5月20日，23點11分，星期二 數據采集（Data Acquisition）利用磁共振采集數據，設置相關序列及參數 第18頁，共51頁，2022年，5月20日，23點11分，星期二 網絡構建(Constrution of network) 將磁共振采集的數據利用Matlab、GRETNA、PANDA等軟件進行處理，生成相關數據矩陣 第19頁，共51頁，2022年，5月20日，23點11分，星期二 網絡可視化（Network Visulization）利用Brainnet Viewer

10、、Tracvis等軟件將數據矩陣轉換成可視化圖片，可以直觀的反映網絡形式 第20頁，共51頁，2022年，5月20日，23點11分，星期二相關軟件數據處理相關Matlab、GRETNA、PANDA、Brainnet Viewer、Trackvis等軟件具體操作過程暫不贅述。第21頁，共51頁，2022年，5月20日，23點11分，星期二 基于DTI的腦白質網絡計算方法及應用研究第22頁，共51頁，2022年，5月20日，23點11分，星期二基于DTI的腦白質網絡計算方法傳統(tǒng)腦白質研究方法示蹤劑追蹤（Axonal tracing） 缺點：有創(chuàng)性，操作復雜，只能用于活體動物實驗，追蹤纖維有限，同一

11、個體難以多次追蹤外科解剖剝離(Surgical dissection) 缺點：只能用于尸體解剖和動物實驗，僅能夠分離出粗大明顯的纖維束第23頁，共51頁，2022年，5月20日，23點11分，星期二基于彌散張量成像（DTI）研究白質纖維彌散張量成像（Diffusion tensor imaging,DTI）利用水分子在腦白質中的異向性擴散特性來追蹤重建白質纖維走向 優(yōu)點：無創(chuàng)，可直接用于活體人類，操作相對簡單，能夠得到具體的網絡拓撲屬性數據，成像質量可靠，可廣泛用于各種疾病的研究第24頁，共51頁，2022年，5月20日，23點11分，星期二DTI纖維追蹤原理計算機利用DTI數據把大腦分成無數

12、個體素，并且建立每個體素內的水分子彌散張量模型，通過模型內各個方向的異向性系數估計纖維走向。第25頁，共51頁，2022年，5月20日，23點11分，星期二DTI的兩種追蹤方法確定性纖維追蹤 (Deterministic Fiber Tracking) 優(yōu)點：計算消耗時間短，纖維成像清晰 缺點：無法解決纖維交叉問題第26頁，共51頁，2022年，5月20日，23點11分，星期二 概率性纖維追蹤 (Probabilistic Fiber Tracking) 優(yōu)點：可以有效解決纖維交叉問題 缺點：計算耗時，結果是一種概率性估計，成像效果不及確定性追蹤，追蹤纖維走向扔有待進一步解剖驗證第27頁，共5

13、1頁，2022年，5月20日，23點11分，星期二基于DTI的腦白質纖維網絡構建基本流程第一步：分別采集DTI和結構像數據第二步：用PANDA軟件處理DTI數據，得出全腦纖維網絡第三步：運用GRATNA軟件將全腦纖維網絡數據和結構像數據相配對，并選取ROI 節(jié)點，進行特征化處理第四步：分別用以上方法處理所有病人組和對照組數據，再做統(tǒng)計學檢驗，最后通過Brainnet Viewer或Trackvis軟件生成纖維網絡圖及相關復雜網絡拓撲屬性指標統(tǒng)計數據第五步：綜合數據分析討論 第28頁，共51頁，2022年，5月20日，23點11分，星期二 基本流程示意圖（單個數據纖維追蹤和特征化處理）第29頁，

14、共51頁，2022年，5月20日，23點11分，星期二 基本流程示意圖（數據總體處理步驟）第30頁，共51頁，2022年，5月20日，23點11分，星期二 基本流程示意圖（復雜網絡拓撲屬性統(tǒng)計檢驗）第31頁，共51頁，2022年，5月20日，23點11分，星期二 基本流程示意圖（數據結果生成）第32頁，共51頁，2022年，5月20日，23點11分，星期二基于DTI研究腦白質纖維網絡的問題與挑戰(zhàn)腦節(jié)點選取方案無同一標準第33頁，共51頁，2022年，5月20日，23點11分，星期二 邊權重的定義概念模糊，難以標準化第34頁，共51頁，2022年，5月20日，23點11分，星期二 網絡參數是否可

15、重復？個體差異第35頁，共51頁，2022年，5月20日，23點11分，星期二基于DTI的腦白質網絡的應用研究復雜網絡的拓撲屬性描述第36頁，共51頁，2022年，5月20日，23點11分，星期二 大腦正常發(fā)育研究 正常發(fā)育研究發(fā)現between-module strength在0-20歲研究組內隨年齡增長而增強，支持大腦發(fā)育的表現第37頁，共51頁，2022年，5月20日，23點11分，星期二 正常發(fā)育研究發(fā)現結構連接（SC）和功能連接(FC)兩者的相關性（Correlation）在0-20歲組內隨年齡增長而加強第38頁，共51頁，2022年，5月20日，23點11分，星期二智力水平相關性研

16、究正常智力水平研究組，全局效率（Global Efficiency）隨著IQ值得增加而增長，支持智力水平高者腦信息處理的高效率。第39頁，共51頁，2022年，5月20日，23點11分，星期二神經系統(tǒng)疾病研究Alzheimers Disease病人在全局效率、相關hubs的度及介數等拓撲屬性指標和健康人相比成下降趨勢，支持AD病人大腦認知功能下降的臨床表現第40頁，共51頁，2022年，5月20日，23點11分，星期二 精神分裂癥（Schizophrenia）與Health controls 相比，Rich-club level呈下降趨勢，支持該類患者認知功能下降，并且存在結構連接和功能連接相

17、關性（SC-FC Coupling）下降的現象第41頁，共51頁，2022年，5月20日，23點11分，星期二 功能性近紅外光譜成像在腦連接組學中的研究 Functional Near Infrared Spectroscopy(fNRIS) Imaging第42頁，共51頁，2022年，5月20日，23點11分，星期二功能性近紅外光譜成像在腦連接組學中的研究Functional Near Infrared Spectroscopy(fNRIS) Imaging.第43頁，共51頁，2022年，5月20日，23點11分，星期二什么是近紅外線？ 近紅外線波長長，穿透力好,不易被組織吸收，反射量大

18、第44頁，共51頁，2022年，5月20日，23點11分，星期二fNRIS的構成發(fā)射源：發(fā)射近紅光 探頭：接收組織發(fā)射回的近紅光計算機：數據處理分析第45頁，共51頁，2022年，5月20日，23點11分，星期二多通道fNRIS機 探頭的數量可以根據研究實際人為的減少或增加，可操作性強第46頁，共51頁，2022年，5月20日，23點11分，星期二fNRIS工作原理 激活的腦區(qū)脫氧血紅蛋白含量增高，對近紅光的吸收增加，反射量減少，從而產生信號差異第47頁，共51頁，2022年，5月20日，23點11分，星期二fNRIS與fMRI相比的優(yōu)缺點 第48頁，共51頁，2022年，5月20日，23點11分，星期二fNRIS用于靜息態(tài)功能連接（RSFC）的研究方法根據光密度的改變分析Oxy-Hb和Deoxy-Hb的含量差異，識別出激活腦區(qū)，最后做相關分析第49頁，