基于多变量方法的脑网络动态轨迹研究

Human brain is a complex system. Brain function and structure are changing continually across the human lifespan. Till now, it lacks of the system study of dynamic changes of brain network with age. It needs to understand brain on the view of static to dynamic. The advanced magnetic resonance imaging (MRI) provides the powerful technical means for brain study. It becomes important to fully explore abundant information of MRI data using theories and methods of information science in medical images processing. Based on multivariate analysis methods, this project aims to combine MRI data (resting state fMRI, structural MRI and Diffusion Tensor Imaging) to study the dynamic patterns of brain network with age on the healthy adults: 1) to investigate the dynamic trajectories of brain network with age based on Independent Component Analysis (ICA); 2) to explore the covariant patterns between brain function and structure based on joint ICA; 3) to build the computational model of brain imaging feature based on sparse Partial Least Squares (PLS). This project will help us fully understand the evolving patterns of brain function and structure, and further provide the scientific basis for study of age-related degenerative diseases.

人脑是一个高度复杂的系统，在生命历程中，脑功能和结构都随年龄处于持续变化中。但是，目前针对脑网络随年龄增长动态变化的系统研究依旧比较缺乏，人们对大脑的认识有待从静态到动态不断地深入。先进的磁共振成像(MRI)技术为脑研究提供了强大的技术手段，而运用信息科学的相关理论和方法挖掘MRI数据中蕴含的丰富信息成为医学影像数据处理的重要课题。本项目将基于多变量分析方法有效融合多模态磁共振数据(静息态fMRI、sMRI和DTI)，深入研究正常成年人脑网络随年龄的动态变化规律，具体内容包括：1）基于独立成分分析刻画脑网络的动态轨迹；2）基于联合独立成分分析考察脑功能-结构网络的共变模式；3）基于稀疏偏最小二乘回归建立脑影像特征的计算模型。这项研究将有助于全方位、多层次、系统地认识脑的功能和结构演化，并为和年龄有关的神经系统疾病的研究提供科学依据。

脑本质上是一个复杂的系统，在生命历程中，脑结构和功能呈现出基于网络水平的增龄性变化。磁共振成像(MRI)技术为脑研究提供了客观的技术手段，而运用信息科学的相关理论和方法挖掘MRI数据中蕴含的丰富信息，进行脑网络建模分析，成为认识脑和研究脑的重要课题。本项目对多变量分析方法进行了深入研究，有效融合多模态磁共振影像数据(静息态fMRI、sMRI和DTI)，对脑网络随年龄增长的动态变化模式进行了系统的研究，主要研究内容包括：1) 基于独立成分分析构建脑结构网络，基于联合独立成分分析构建脑功能和结构网络，进行回归建模拟合分析，表明脑网络随年龄的动态变化轨迹呈线性或非线性变化模式；2) 对偏最小二乘相关方法和稀疏偏最小二乘回归方法进行改进和优化，刻画默认网络关键脑区间的相关特性及脑功能-结构网络间的协变关系，进一步建立不同模态脑影像特征间的计算模型；3) 引入深度学习方法，基于卷积神经网络构建脑年龄预测模型，对不同脑结构网络的脑年龄预测效果进行了评估，表明和高级认知功能相关的脑网络预测效果较好；4) 采集了多模态影像数据，并建立了正常成年人的小型影像数据库。本项目的研究成果将有助于我们全方位、多层次、系统地认识脑的功能和结构，并为阿尔茨海默氏症和轻度认知障碍等和老化有关的神经系统疾病的脑网络研究和临床辅助诊断提供科学的参考依据。