基于磁共振成像的多层大脑功能网络模块化特征研究

Nervous system diseases often involve abnormal changes in a local neural loop. The study of cluster effects in functional connections, breaking the limitation of the research on the integrity of brain networks, can help to understand the abnormal brain connections caused by loss of function from the angle of neural circuits. We plan to take functional magnetic resonance imaging (fMRI) as the carrier, and study the modular features in brain functional networks. We carry out the matching analysis of the structure and function of modular connection in time and frequency scales, and then study the function integration pattern in the modules of multi-layer network and the information transfer law between the modules. By changing the fixed connection mode, we verify the type difference of the modular structures and their features, and use the modular features of high-order networks to describe the interactions between nodes of different network layers. We will induce the temporal and frequency distribution characteristics of the brain functional network in multi-layer networks according to the mechanism of modular structures and their key nodes. This is a better depiction of the complex interactivity between the brain regions, and then provides a reference for the early diagnosis and therapeutic evaluation of Alzheimer's disease. Our work will provide a new perspective for deeply exploring the roles of specific brain regions in the related modules that reflect the symptomatic manifestation, which lays a technical foundation for further analysis of the pathogenesis of different degrees of cognitive impairments. The related methods and findings, moreover, have certain reference value to other brain disorders.

神经系统疾病常常涉及某个局部神经环路的异常改变。研究功能连接的聚集效应突破了大脑网络整体性研究的局限，有助于从神经环路的角度理解由功能缺失导致的大脑连接异常。本项目以磁共振成像为载体，研究多层大脑功能网络的模块化特征。拟在时间和频率尺度上进行模块化结构与功能连接的匹配性分析，分析多层网络模块内的功能整合模式和模块之间的信息传递规律；通过固定连接模式的变化验证模块化结构及其特征的类型差异，利用高阶网络的模块化特征来描述不同网络层次的节点之间的作用关系。根据模块化结构及其关键节点的作用机制，归纳出大脑功能网络的时间和频率层次分布特征，更好地刻画脑区之间的复杂交互性，为阿尔茨海默病的早期诊断和疗效评价提供参考依据。研究将为深入挖掘特定脑区在体现症状表现的相关模块中的作用提供全新视角，并为进一步分析不同程度认知障碍的发病机理奠定技术基础。相关方法和结果对其它大脑疾病的研究也具有一定的参考价值。

本项目面向“功能连接的聚集效应”这一基本科学问题，从多层网络的角度系统的研究模块化特征在大脑磁共振成像数据处理中发挥的作用。（1）研究了多层网络模块化结构与功能连接之间的匹配性。建立了模块化结构与功能连接匹配性的度量指标，利用模块化结构度量大脑功能网络的拓扑性质，并分别在时间和频率尺度上检测出模块中关键节点的异常以及对匹配性的影响；（2）研究了基于关键节点的模块功能整合及信息传递模式。建立了适用于层次结构的关键节点指标体系和有向连接分析方法，分析不同网络层中的关键节点差异性和动态因果关系，归纳出了模块化结构的时间/频率演化轨迹；（3）研究了模块化结构的固定连接模式与类型差异的相关性。根据模块的固定连接特征建立脑疾病与脑功能之间的关联映射，为利用多层网络的模块化特征判断疾病类型或治疗效果筛选出了具有统计意义的神经影像学标记；（4）研究了面向分类的多层网络模块化特征提取与选择方法。提取多层网络中的模块聚类系数等指标作为分类特征，提出了基于机器学习的特征选择方法来直观的表达层次结构的，在体现局部测量特性的同时保留了网络的整体拓扑信息。项目突破了大脑网络整体性研究的局限，刻画出脑区之间的复杂交互性，形成了多层大脑功能网络模块化特征理论体系和技术方案，为深入挖掘特定脑区在体现症状表现的相关模块中的作用提供了全新视角，并为进一步分析不同程度认知障碍的发病机理奠定了技术基础。依托项目发表论文12篇，申请发明专利12项，并结合项目培养研究生6名。