腦結(jié)構(gòu)、功能與腦網(wǎng)絡(luò)的可視化2015年4月30日星期四Contents一、腦結(jié)構(gòu)可視化(Structural-wise)二、腦功能可視化(Functional-wise)三、腦網(wǎng)絡(luò)可視化(Network-wise)一、腦結(jié)構(gòu)可視化

隨著影像技術(shù)的發(fā)展，大腦結(jié)構(gòu)可通過(guò)磁共振MRI、彌散張量成像DTI、電腦斷層CT、等形式顯示出來(lái)，為臨床醫(yī)生診斷疾病及科學(xué)研究提供了有效的途徑，腦結(jié)構(gòu)的可視化技術(shù)大大提高了疾病的確診率。T2結(jié)構(gòu)像T2觀察組織病變較好。T2像特點(diǎn)：組織的T2越長(zhǎng)，恢復(fù)越慢，信號(hào)就越強(qiáng)；組織的T2越短，恢復(fù)越快，信號(hào)就越弱。腦CT在頭部外傷時(shí)，腦CT是最重要的影像學(xué)診斷方法。腦CT可明確顯示顱內(nèi)腫瘤的數(shù)目、部位、大小、輪廓、密度、瘤內(nèi)出血、鈣化以及擴(kuò)散程度。檢查速度快。腦DTI彌散張量成像依據(jù)水分子移動(dòng)方向制圖。彌散張量成像圖可以揭示腦瘤如何影響神經(jīng)細(xì)胞連接，引導(dǎo)醫(yī)療人員進(jìn)行大腦手術(shù)。它還可以揭示同中風(fēng)、多發(fā)性硬化癥、精神分裂癥、閱讀障礙有關(guān)的細(xì)微反常變化。原始腦T1像去除頭皮、顱骨腦灰質(zhì)腦白質(zhì)腦脊液對(duì)腦皮層和皮層下腦區(qū)進(jìn)行分割Freeview顯示分割效果(cortical)parcellation(subcortical)segmentation利用磁共振掃描技術(shù)繪制人腦內(nèi)部3D圖大腦皮層大腦內(nèi)部神經(jīng)元大腦神經(jīng)纖維

科學(xué)家表示，人類大腦的內(nèi)部遠(yuǎn)非是一堆紛亂如麻的電線，它們更像是帶狀電纜，就如同地球經(jīng)緯一樣，具有一定的規(guī)律性結(jié)構(gòu)。這種網(wǎng)狀結(jié)構(gòu)是延續(xù)的，并且在所有范圍都是一致的，這種腦部結(jié)構(gòu)不僅僅適用于人類，其他靈長(zhǎng)類動(dòng)物也同樣是如此。二、腦功能可視化目前腦功能成像技術(shù)主要有正電子發(fā)射型計(jì)算機(jī)斷層顯像PET和功能磁共振成像fMRI，此外，事件相關(guān)電位ERP、腦波譜MRS、腦電圖EEG、腦磁圖MEG等功能成像技術(shù)逐漸得到廣泛應(yīng)用。其中fMRI具有較高的空間分辨率、EEG具有較高的時(shí)間分辨率。血氧水平依賴功能磁共振成像-BOLD利用腦活動(dòng)區(qū)域局部血液中氧合血紅蛋白與去氧血紅蛋白比例的變化所引起的局部組織T2的改變，從而在T2加權(quán)像上可以反映出腦組織局部活動(dòng)功能的一種MR成像技術(shù)，可用來(lái)研究大腦的皮層活動(dòng).Low-frequencyfluctuationsMotortaskfMRIandresting-statefMRIdata腦電圖腦電圖是通過(guò)精密的電子儀器，從頭皮上將腦部的自發(fā)性生物電位加以放大記錄而獲得的圖形，是通過(guò)電極記錄下來(lái)的腦細(xì)胞群的自發(fā)性、節(jié)律性電活動(dòng)。三、腦網(wǎng)絡(luò)可視化目前國(guó)內(nèi)外許多學(xué)者都開始了大腦與復(fù)雜網(wǎng)絡(luò)相結(jié)合的實(shí)證研究，他們分別利用神經(jīng)解剖學(xué)數(shù)據(jù)、彌散張量成像技術(shù)、腦電圖技術(shù)、腦磁圖技術(shù)、功能性磁共振成像技術(shù)來(lái)采集數(shù)據(jù)建立大腦網(wǎng)絡(luò)，運(yùn)用復(fù)雜網(wǎng)絡(luò)觀點(diǎn)，結(jié)合圖論知識(shí)來(lái)進(jìn)行分析，得出了許多令人振奮的結(jié)果。如以解剖學(xué)為依據(jù)構(gòu)建的大腦結(jié)構(gòu)性網(wǎng)絡(luò)，發(fā)現(xiàn)具有小世界特征；而以fMRI得到的數(shù)據(jù)構(gòu)建的大腦網(wǎng)絡(luò)具有無(wú)標(biāo)度和小世界雙重特征。腦網(wǎng)絡(luò)主要由節(jié)點(diǎn)和邊構(gòu)成，通過(guò)圖論方法可以研究其網(wǎng)絡(luò)拓?fù)鋵傩浴９鸫髮W(xué)的教授杰夫·利希曼曾利用多種