静息状态下脑功能连接的磁共振成像研究

静息状态下脑功能连接的磁共振成像研究近年来取得了迅猛发展. 通过对fMRI信号低频涨落成分的同步性分析,可以得到大脑静息态任意脑区的功能连接和多套网络系统,其中“默认网络”的发现可能为人脑固有网络的研究提供新的思路. 而静息态网络与解剖连接之间可能存在的对应,以及在神经精神疾病患者脑中性质和连接的异常改变,使其具有重要的研究和临床应用价值. 该文总结了静息状态功能磁共振成像的主要研究成果,对静息状态脑功能网络的发现和发展、研究方法、各网络及其特点以及在临床方面的应用进行简单的介绍和分析.     

人脑默认模式网络的动力学行为

大脑具有自适应、自组织、多稳态等重要特征,是典型的复杂系统.人脑在静息态下的关键功能子网络--默认模式网络(DMN)的激活处于多状态间持续跳转的非平衡过程,揭示该过程背后的动力学机制具有重要的科学意义和临床应用前景.本文基于功能磁共振获得的血氧水平依赖(BOLD)信号,建立了DMN吸引子跳转非平衡过程的能量图景、吸引子非联通图、跳转关系网络等;以高级视觉皮层和听觉等皮层活动为例,通过对应激活DMN状态空间的分布,以及XGBoost、深度神经网络等算法验证了DMN状态变化与外部脑区状态的密切依赖关系;通过偏相关、收敛交叉映射等方法分析了DMN内各个脑区之间的相互作用.本文结果有助于理解静息态下大脑内在非平衡过程的动力学机制,以及从动力学的角度探索具有临床意义的脑功能障碍生物标志物.     

基于持久同调的复杂脑网络动态演化分析

有研究表明阿尔茨海默病（Alzheimer's disease,AD）的认知状态与动态功能连接时间特性的改变有关,持久同调指标分析方法可为AD动态脑网络的研究提供更深的见解,但是目前研究主要集中在空间演化方面,尚未有针对时变方面的脑网络演化研究．本文基于静息态功能磁共振成像（resting state-functional magnetic resonanceimaging,rs-fMRI）,对AD患者和正常被试（normal controls,NC）的静态脑网络和基于滑动窗口构建的动态脑网络进行功能连接性分析．对基于持久同调和基于图论的分析结果进行了比较,并采用k均值聚类进行了时间属性的分析．结果表明相对图论指标,持久同调的指标在AD患者和NC被试间具有更显著的差异性;而且相对于静态脑网络,基于持久同调的动态脑网络演化分析可为脑功能网络标志物的检测提供新思路．     

网络游戏障碍人群大脑功能网络rich club结构的改变

网络游戏障碍（internet gaming disorder,IGD）极大的影响了青少年的学习与生活．IGD于2013年被纳入《精神障碍诊断与统计手册》第5版（DSM-5）,但其神经机制还不清楚．本研究通过静息态功能磁共振成像研究30例IGD被试以及年龄、性别与之匹配的30例健康对照,分析他们大脑功能网络的rich club结构的差异．结果表明,IGD组和对照组均存在rich club结构,rich club脑区主要包含默认模式、执行控制、突显、感觉运动、听觉与视觉网络中的脑区;同时IGD组的rich club连接增加;此外,IGD组的右侧眶部额下回的度显著高于健康对照组. 这些发现表明了IGD人群大脑功能网络的rich club结构发生了改变．     

一种简易的脑片图像的半自动区域划分及细胞计数方法

脑科学研究往往需要对实验动物不同脑区的分子表达、细胞数目及神经网络连接模式进行量化和比较分析,然而目前缺乏简便易行的规模化的脑区划分方法.本文基于Paxinos和Franklin的第二版小鼠图谱以及Photoshop和ImageJ等图像处理软件,发展了一种简易的脑片图像的半自动区域划分及细胞计数方法.首先,基于小鼠脑图谱可获得脑区划分所需的标准模版;然后,利用Photoshop软件对标准模版进行变形矫正,可实现小鼠脑切片图像的快速规模化半自动配准及区域分割;最后,利用ImageJ可实现对配准及分区后的脑片图像不同区域的半自动神经细胞计数和分析.此方法适用于脑片免疫组织化学分析、神经元分布模式检测和神经环路标记等研究,其操作简便、易于获取、并且不依赖于其他昂贵的商业化神经图像分析软件,能为条件有限的科研工作者提供极大便利.     

结合小波融合和深度学习的脑胶质瘤自动分割

针对水肿区域边界模糊和瘤内结构复杂多变导致的脑胶质瘤分割不精确问题，本文提出了一种基于小波融合和3D-UNet网络的脑胶质瘤磁共振图像自动分割算法.首先，对脑胶质瘤磁共振图像的T1、T1ce、T2、Flair四种模态进行小波融合以及偏置场校正；然后，提取待分类的图像块；再利用提取的图像块训练3D-UNet网络以对图像块中的像素进行分类；最后加载损失率较小的网络模型进行分割，并采用基于连通区域的轮廓提取方法，以降低假阳性率.对57组Brats2018（Brain Tumor Segmentation 2018）磁共振图像测试集进行分割的结果显示，肿瘤的整体、核心和水肿部分的平均分割准确率（DSC）分别达到90.64%、80.74%和86.37%，这表明该算法分割脑胶质瘤准确率较高，与金标准相近.相比多模态图像融合前，该算法在减少输入网络数据量和图像冗余信息的同时，还一定程度上解决了胶质瘤边界模糊、分割不精确的问题，提高了分割的准确度和鲁棒性.     

静息态脑电信号动态功能连接分析

静息态脑功能连接分析是近年来脑研究的一个热点问题, 对于某些脑疾病的诊断及成因理解具有重要意义. 已有的脑功能连接研究基本上都假设功能连接网络在一段时间内是稳定不变的, 但越来越多的证据表明它应该是随时间动态变化的. 对25名被试睁眼和闭眼状态的64电极脑电生理信号, 采用独立成分分析、滑动时间窗、低分辨率脑电断层溯源、图论等方法和技术进行动态功能连接分析, 展现了睁眼和闭眼两种基线状态下视觉网络、默认网络等功能连接网络随时间的动态变化, 并对动态连接矩阵进行主成分分析得到了在整个时间段内具有代表意义的功能连接模式. 该结论支持和补充了传统稳态脑功能连接的研究, 也将为相关实验设计以及脑电信号临床研究提供基线选择依据.     

结合局部一致性和低频振幅探究躯体症状障碍患者大脑自发性活动的改变

躯体症状障碍（somatic symptom disorder,SSD）是一种常见的医学疾病,致病原因涉及生物学、心理学及社会因素.目前关于SSD的神经机制知之甚少.本研究通过静息态功能磁共振成像（functional magnetic resonance imaging,fMRI）,结合低频振幅（amplitudes of low-frequency fluctuation,ALFF）和局部一致性（regional homogeneity,ReHo）分析探究45位SSD患者和43位健康对照自发性脑活动特征的区别.结果发现：与对照组相比,SSD患者右侧扣带回中部的ReHo值显著升高,而右侧楔前叶、左侧颞下回延伸到左侧颞中回和左侧海马旁回、右侧脑桥的ReHo值显著降低.同时,SSD患者扣带回中部延伸至左侧额中回、右侧脑岛延伸至右侧额下回、左侧额中回延伸至左侧前扣带回的ALFF值均显著升高.这些脑区的脑功能与自我加工、情绪处理、身体知觉等有关,与SSD发病机制有重要联系.     

柠檬醛长时程嗅觉吸入的脑功能活动MEMRI研究

本文使用设计的嗅觉吸入装置使大鼠吸入挥发性柠檬醛或无气味空气，之后使用锰增强磁共振成像（MEMRI）的方法，观察长时程（24 h）吸入柠檬醛之后，大鼠脑功能活动变化情况．基于体素分析和感兴趣区（ROI）分析结果显示，与对照组相比，长时程吸入柠檬醛组大鼠伏隔核中心部（AcbC）、嗅小球层（GL）等脑区功能活动增强；而该组大鼠视皮层（VC）、听觉皮层（AC）、压后皮层（RSC）等脑区锰累积显著减少．且长时程吸入柠檬醛之后，大鼠脑区GL与关联的脑区功能相关性显著增强．从而表明MEMRI可用于长时程嗅觉吸入刺激的脑功能研究，并极具应用前景．     

基于伪彩色融合图像聚类的夜视图像上色算法

提出一种将小波融合和基于伪彩色融合图像的C均值聚类用于图像色彩传递算法中的彩色夜视方法.在色彩传递前将可见光和红外图像进行小波融合得到灰度融合图像作为目标图像,保持了较好的纹理信息和目标信息;再对彩色源网像进行基于连接相对熵的彩色阈值分割;然后针对灰度融合图像的特点,根据一种基于伪彩色融合图像的C均值聚类方法,将伪彩色融合图像的彩色信息作为特征向量应用在夜视图像的分类当中,得到较好的分类效果,并基于此分类结果再进行色彩传递,得到更为自然的彩色夜视图像.实现了对夜视图像的自动色彩传递,得到的罔像色彩较真实.纹理清晰,将有利于人眼的目标识别.     

Modulation of brain functional connectivity with manual acupuncture in healthy subjects: An electroencephalograph case studying

Manual acupuncture is widely used for pain treatment and stress control. Previous studies on acupuncture have shown its modulatory effects on functional connectivity associated with one or a few preselected brain regions. To investigate how manual acupuncture modulates the organization of functional networks at a whole-brain level, we acupuncture at ST36 of right leg to obtain electroencephalograph (EEG) signals. By coherence estimation, we determine the synchronizations between all pairwise combinations of EEG channels in three acupuncture states. The resulting synchronization matrices are converted into functional networks by applying a threshold, and clustering coefficients and path lengths are computed as a function of threshold. The results show that acupuncture can increase functional connections and synchronizations between different brain areas. For a wide range of threshold, the clustering coefficient during acupuncture and post-acupuncture period is higher than that during the pre-acupuncture control period, whereas characteristic path length is shorter. We provide further support for the presence of "small-world" network characteristics in functional networks by acupuncture. These preliminary results highlight the beneficial modulations of functional connectivity by manual acupuncture, which could contribute to the understanding of acupuncture effects on the entire brain, as well as the neurophysiological mechanisms underlying acupuncture. Moreover, the proposed method may be a useful approach to the further investigation of the complexity of patterns of interrelations between EEG channels.     

The modulation of brain functional connectivity with manual acupuncture in healthy subjects:An electroencephalograph case study

Manual acupuncture is widely used for pain relief and stress control.Previous studies on acupuncture have shown its modulatory effects on the functional connectivity associated with one or a few preselected brain regions.To investigate how manual acupuncture modulates the organization of functional networks at a whole-brain level,we acupuncture at ST36 of a right leg to obtain electroencephalograph(EEG) signals.By coherence estimation,we determine the synchronizations between all pairwise combinations of EEG channels in three acupuncture states.The resulting synchronization matrices are converted into functional networks by applying a threshold,and the clustering coefficients and path lengths are computed as a function of threshold.The results show that acupuncture can increase functional connections and synchronizations between different brain areas.For a wide range of thresholds,the clustering coefficient during acupuncture and postacupuncture period is higher than that during the pre-acupuncture control period,whereas the characteristic path length is shorter.We provide further support for the presence of "small-world" network characteristics in functional networks by using acupuncture.These preliminary results highlight the beneficial modulations of functional connectivity by manual acupuncture,which could contribute to the understanding of the effects of acupuncture on the entire brain,as well as the neurophysiological mechanisms underlying acupuncture.Moreover,the proposed method may be a useful approach to the further investigation of the complexity of patterns of interrelations between EEG channels.     

稳态快速谱光学功能映射

提出了一种新的大脑光学功能映射流程。流程设计任务为周期形式,且周期远小于血液动力学的有效时间跨度。在连续周期刺激下,皮层功能区响应进入稳态,信号表现为围绕稳态值的周期小幅振荡。利用谱分析工具提取体元序列的任务频率成分、综合谱的幅值和相位信息最终确定任务相关脑区。采用SD大鼠的后肢区(HP)作为模型,使用红光(605±10nm)作为照射源。此流程很好地消除了血管伪迹。分析发现,左右脑后肢区任务响应有先后关系。根据相位图讨论了局部微循环血液交换、动静脉网的血液交换等问题。通过实验发现了高频刺激下血管系统的共振现象。实验结果证明本映射流程是一种有价值的新型功能映射流程,相对传统方法能够得到更多的皮层神经活动时空信息。     

宽度学习的虾新鲜度检测方法

为了提升虾新鲜度判别的准确性,提出了一种基于宽度学习(BLS)的虾新鲜度检测方法。首先采用多元散射校正（MSC）、标准正态变量校正（SNV）和直接正交信号校正（DOSC）对不同冷藏天数虾的原始高光谱进行预处理,再使用t分布随机邻域嵌入（t-SNE）将预处理之后的数据可视化,可视化结果表明DOSC聚类效果最佳。然后使用随机森林（RF）、主成分分析（PCA）和二维相关光谱分析（2D-COS）对经DOSC预处理之后的光谱数据进行特征选择。最后基于选择的特征波长对虾新鲜度进行建模分析。将宽度学习（BLS）首次用于虾新鲜度建模,同时与偏最小二乘判别（PLS-DA）和极限学习机（ELM）等经典判别模型做比较。研究结果表明RF方法最大限度地消除了光谱中的冗余信息,而BLS与线性建模方法PLS-DA以及非线性建模方法ELM相比,准确率更高并且判别时间更短,因此RF-BLS组合模型获得了最佳新鲜度判别效果,表明高光谱成像技术结合宽度学习识别虾的新鲜度是可行的,可以为在线检测虾新鲜度系统的开发提供理论依据。     

磁刺激穴位复杂脑功能网络构建与分析

本文采用互信息方法对磁刺激内关穴过程中的脑电信 号进行了两两通道间非线性时域关联特性分析, 构建了不同频率刺激前、刺激中、刺激后的脑功能网络, 并基于复杂网络理论对脑功能网络的特征进行了深入研究. 结果表明, 磁刺激频率为3 Hz 时, 大脑功能网络的平均度、平均聚类系数和全局效率与刺激前相比均有显著升高, 平均路径长度显著降低, 并且相应脑功能网络的"小世界"属性有所增强, 信息在大脑各区域间的传递更加高效. 本研究首次开展了磁刺激穴位复杂脑功能网络的构建与分析, 为探索磁刺激穴位对大脑神经调节的作用和机理提供新思路和新方法. 关键词： 复杂网络 磁刺激 脑功能网络 互信息     

Maximal radius of the aftershock zone in earthquake networks

In this paper, several seismoactive regions were investigated (Japan, Southern California and two tectonically distinct Japanese subregions) and structural seismic constants were estimated for each region. Using the method for seismic clustering detection proposed by Baiesi and Paczuski [M. Baiesi, M. Paczuski, Phys. Rev. E 69 (2004) 066106; M. Baiesi, M. Paczuski, Nonlin. Proc. Geophys. (2005) 1607-7946], we obtained the equation of the aftershock zone (AZ). It was shown that the consideration of a finite velocity of seismic signal leads to the natural appearance of maximal possible radius of the AZ. We obtained the equation of maximal radius of the AZ as a function of the magnitude of the main event and estimated its values for each region.     

Fine-scale functional connectivity in somatosensory cortex revealed by high-resolution fMRI

High-resolution functional magnetic resonance imaging (fMRI) at high field (9.4 T) has been used to measure functional connectivity between subregions within the primary somatosensory (SI) cortex of the squirrel monkey brain. The hand-face region within the SI cortex of the squirrel monkey has been previously well mapped with functional imaging and electrophysiological and anatomical methods, and the orderly topographic map of the hand region is characterized by a lateral to medial representation of individual digits in four subregions of areas 3a, 3b, 1 and 2. With submillimeter resolution, we are able to detect not only the separate islands of activation corresponding to vibrotactile stimulations of single digits but also, in subsequent acquisitions, the degree of correlation between voxels within the SI cortex in the resting state. The results suggest that connectivity patterns are very similar to stimulus-driven distributions of activity and that connectivity varies on the scale of millimeters within the same primary region. Connectivity strength is not a reflection of global larger-scale changes in blood flow and is not directly dependent on distance between regions. Preliminary electrophysiological recordings agree well with the fMRI data. In human studies at 7 T, high-resolution fMRI may also be used to identify the same subregions and assess responses to sensory as well as painful stimuli, and to measure connectivity dynamically before and after such stimulations.     

基于深度置信网络的红外光谱鉴别汽油掺混

为实现掺混汽油快速无损鉴别，提出一种利用t 分布邻域嵌入结合深度置信网络的鉴别方法，以解决机器学习中高维特征向量间的非线性关系。以92#、95#、98#及定比混合汽油为研究对象，采用多元散射校正算法对原始红外波段投射光谱测量数据进行预处理，利用t-SNE非线性方法进行光谱数据降维处理，分别采用深度置信网络和极限学习机建立汽油种类光谱鉴别模型并对比分析两种方法识别精度。研究表明:该文所选择方法构建的汽油鉴别模型性能更优，对汽油种类预测精准度高达92.5%，从而验证了该方法在汽油鉴别中的有效性。研究结果可为掺混成品油鉴别及溯源研究提供技术支持。     

Improved temporal clustering analysis method applied to whole-brain data in acupuncture fMRI study

Temporal clustering analysis (TCA) has been proposed as a method for detecting the brain responses of a functional magnetic resonance imaging (fMRI) time series when the time and location of activation are completely unknown. But TCA is not suitable for treating the time series of the whole brain due to the existence of many inactive pixels. In theory, active pixels are located only in gray matter (GM). In this study, SPM2 was used to segment functional images into GM, white matter and cerebrospinal fluid, and only the pixels in GM were considered. Thus, most of inactive pixels are deleted, so that the sensitivity of TCA is greatly improved in the analysis of the whole brain. The same set of acupuncture fMRI data was treated using both conventional TCA and modified TCA (MTCA) for comparing their analytical ability. The results clearly show a significant improvement in the sensitivity achieved by MTCA.