基于多尺度一致对应大脑网络节点划分的纤维聚类

Fiber clustering is a prerequisite step towards tract-based analysis for human brain, and is very important to explain brain structure and function. There exist the following challenges for fiber clustering: 1) the definitions for fiber feature are not reasonable and cannot be interpreted from fiber clustering results; 2) the correspondent boundary of fiber bundles across individuals has not been resolved effectively; 3) the multi-scale flavor has not been explored. In this project, we rethink and respond the above three challenges from a view of brain network, that is, we propose a fiber clustering framework starting from constructing a bottom structural and functional networks, then a multi-scale clustering method which try to explore natural attributes of network will be developed to cluster brain network nodes, meanwhile, infer consistent nodes between structural and functional networks, and identify corresponding nodes across populations. Based on this resulted networks, we can identify the backbone fiber bundles of whole brain, then classify the remaining fibers into the existing backbone fiber bundles, thus resulting in the final multi-scale consistent corresponding fiber bundles; finally, the methods and results will be validated and evaluated in details. This research will further enrich the content of fiber clustering, improve the accuracy of the resulting fiber bundles, and promote its clinical application on brain diseases.

大脑纤维聚类是基于纤维束的统计分析的前提，对于理解大脑的结构和功能有十分重要的意义。目前的纤维聚类方法仍存在以下问题:1）纤维的特征定义无法从结果上有效解释；2）个体间对应的纤维束边界不准确；3）纤维束的多尺度特性还未发掘。本项目将从大脑网络的角度出发，重新思考并予以解决以上三个问题，即从一个底层的结构和功能网络构造开始，开发一种能够挖掘节点多尺度自然属性、同时推断结构功能一致性、找出节点对应性的聚类方法，划分出多尺度一致对应的网络节点；基于此网络,可鉴别出大脑的纤维束“骨架”，然后将剩余的纤维遵循结构功能的一致性归类到纤维束“骨架”上，形成最终的多尺度一致对应的纤维束；最后，充分验证并评价方法和结果。此项研究的开展将更进一步丰富纤维聚类的内容, 提高其所产生的纤维束的精度，促进基于纤维束的脑病诊疗应用。

大脑的神经纤维自动聚类是基于纤维束的统计分析的前提，对于理解大脑的结构和功能有十分重要的意义，也是基于纤维束的脑病诊疗分析的基础。本项目从大脑网络的角度出发，重新思考纤维聚类并予以解决目前纤维聚类存在的纤维特征定义问题、个体间的纤维束对应问题和多尺度特性问题。项目的主要研究内容如下，1）构造更加精确的大脑结构和功能网络。2）在构造的大脑网络基础上进行纤维聚类。3）验证和评价。针对以上三方面研究内容，本项目丰富了纤维聚类的内涵，将之前单一的结构/解剖上的纤维束划分扩充到功能上的聚类；从大脑网络的角度重新思考了神经纤维聚类问题，将这两个研究方向统一到了一起；开发了一种能够挖掘节点多尺度自然属性、同时推断结构功能一致性、找出节点对应性的聚类方法，从划分出多尺度一致对应的网络节点，构造了多尺度一致对应的大脑结构网络；构造了并发的大脑功能网络，并以结构数据为引导加速了整个算法过程，验证了结构和功能了一致性；基于上述多尺度一致对应的大脑结构网络，进行了多尺度一致对应的纤维束鉴别，并且在多尺度对应网络的基础上推断了个体之间纤维的多尺度对应性，并在精神病和正常大脑上进行了验证和应用。此项研究的开展更进一步地丰富纤维聚类的内容,提高了其所产生的纤维束的精度，结构功能网络的构造研究为后续的基于复杂网络的分析奠定了良好的基础；纤维聚类的结果将更加促进基于纤维束的脑病诊疗应用。