基于近红外成像的静息态脑功能网络方法学及其在儿童脑发育中的应用研究

Recent studies have demonstrated that a variety of neuroimaging and neurophysiological techniques such as functional MRI, diffusion MRI and EEG/MEG can be employed to explore the topological organization of human brain networks. However, little is known about whether functional near infrared spectroscopy (fNIRS), a relatively new optical imaging technology, can be used to map the functional connectivity patterns of the human brain and reveal the underlying topological characteristics. To this end, this project will firstly study the methodology of functional brain networks by combining fNIRS and graph theory-based network analysis techniques, and then apply the developed algorithms to the research on the brain development in children. Specifically, the project aims to: 1) investigate the effect on the brain networks of different correlation metrics; 2) evaluate the test-retest reliability of topological properties of brain networks across participants and over time; 3) reveal dynamic trajectory of the topological properties of functional brain networks with development; 4) find the relations between the topological properties of functional brain networks and cognitive performance. Together, the current project will on the one hand provide methodological guideline for the analysis of fNIRS-based functional brain networks and on the other hand provide novel insights into brain development from the perspective of functional integration.

基于多种不同成像技术的复杂脑网络研究已成为当今脑科学领域的前沿课题。然而功能近红外光谱成像(fNIRS)作为一种新兴的成像技术，其脑网络研究尚未见文献报道。本项目将fNIRS与基于图论的复杂脑网络分析方法相结合，首先通过分析静息态fNIRS数据开展脑网络方法学研究，然后将该方法学应用到儿童脑网络的发育变化研究。具体来说，包括以下四个方面的内容: 1) 研究不同的相关度量对fNIRS脑网络属性的影响；2) 研究不同被试间和不同时间下fNIRS脑网络属性的重测稳定性; 3) 儿童脑功能网络的发育变化研究; 4) 儿童脑功能网络与特定认知行为能力的关联研究。通过上述研究，本项目一方面将对基于fNIRS 数据进行脑功能网络构建、网络属性描述及可重复性等进行系统研究从而为将来的fNIRS脑网络研究提供方法学指导，另一方面将从网络整合的观点为儿童期大脑的发育变化提供崭新的视角。

基于多种不同成像技术的复杂脑网络研究已成为当今脑科学领域的前沿课题。然而功能近红外光谱成像(fNIRS)作为一种新兴的成像技术，其脑网络研究尚未见文献报道。本项目将fNIRS技术与基于图论的复杂脑网络分析方法相结合，从方法学层面：我们证实了fNIRS脑网络具有高效的小世界特性，显著分层模块化结构和高度连接的关键节点，这些结果在不同被试间，和相同被试在不同时间上都具有很高的可重复性，证实了fNIRS技术与图论方法结合来探索人脑网络的拓扑结构的可行性和有效性；此外，为将脑网络分析更好的用于实际应用研究，我们评价了fNIRS脑网络指标在不同时间上的可重复性和可靠性，发现多数的fNIRS脑网络指标具有较好的可靠性(特别是聚类系数，全局效率和节点效率指标)；另外，从方法学层面，我们也证实了脑功能连接网络在不同时间具有动态波动的特点，而且功能连接网络波动尺度的大小与不同组织的结构连接模式密切相关，例如左右半球对称区域的功能连接波动小于前后脑区域功能连接的波动；最后，针对fNIRS数据目前国际上没有相应的脑网络分析软件，我们开发了一套简单易懂易行的fNIRS脑网络分析计算平台，国内外可以免费下载(http://www.nitrc.org/projects/fcnirs)，目前该软件文章已经发表，软件著作权已经获批。在应用层面，首先，我们选择视觉学习作为被试训练任务，考察其视觉学习前后大脑的静息态脑功能连接网络是否变化以及怎样的变化，我们的结果显示视觉学习后被试脑内的静息态功能连接以及额叶-中部脑区等高水平视觉系统之间的交互作用发生了显著变化，并且这些变化不受任务训练视野的影响，该研究表明在视知觉加工过程中，高级视觉皮层以及额-中部区域都参与了加工任务，同时我们的另一研究也显示在持续的视空间注意认知中，近红外脑数据指标（例如氧合血红蛋白）能够有效预测大脑的N2pc活动；其次，我们考察了在毕生发展过程中大脑的结构脑网络属性如何随年龄发生变化，我们发现全局网络属性（如连接强度和效率）呈倒U形变化，年龄相关的连接主要位于额叶和颞叶内部以及额颞脑区之间，同时我们发现使用结构连接的脑网络指标能够实现对个体被试年龄的有效预测（r=0.77），我们的研究表明在人类毕生发展过程中，人脑结构连接网络将会发生动态变化，而人脑结构连接的变化将为随着年龄增加导致的功能和认知改变提供可能的结构基础。