脑网络结构与功能信息融合及脑疾病研究

Due to the tremendous variability of individual brains, effective fusion of multimodal neuroimaging data across populations has been a very challenging problem. Traditional neuroimaging data fusion methods have largely relied on image registration methods that warp different brains into the same template image grid space. As a consequence, the reliability and accuracy of previous neuroimage data fusion methods are fundamentally questionable. To address this longstanding problem, the specific aim of this project is to advance our current DICCCOL system to the next generation named DICCCOL-II with much denser and more accurate landmarks, based on which effective network-based multimodal neuroimaging data fusion methodologies will be designed and applied in brain diseases. The major methodological innovations of this project include network-based optimization and prediction of structural connectomes based on the DICCCOL-II system, multiview-based fusion of structural and functional connectome information, and modeling of higher-order functional interactions and dynamics based on connectomes. Finally, this novel set of connectome and connectomics methodologies will be employed to explore the functioning mechanisms of selected brain conditions including post-traumatic stress disorder (PTSD) and mild cognitive impairment (MCI). We envision that these connectomics signatures can potentially be useful imaging biomarkers for diagnosis and prognosis of these devastating brain disorders.

不同人大脑的显著差异，导致传统的基于配准的脑图像空间信息融合方法存在原理性障碍、很难解释大脑认知机理和脑疾病深层次问题。. 脑科学表明：大脑是网络工作模式。大脑信息的融合平台应是大脑网络空间，而非大脑图像空间。缺位的原因是目前脑网络过于粗糙。如节点数量太少、尺寸过大、定位不准。. 本项目能够以脑网络作为信息融合空间，是源于我们的研究成果DICCCOL，它是国际上首个高精密度大脑网络节点系统。该系统被形象地评价为“大脑GPS系统”。. 本项目将开发更高精密度的DICCCOL第二代，开发脑结构和脑功能连接组，建立脑网络系统和网络信息融合平台。. 因目前脑功能分析缺少结构支撑和网络描述，本项目将重点研究脑结构和脑功能的局部网络关系，这是本项目重大创新内容，将回答大脑基本工作原理、解释脑疾病内在机理。. 本项目研究内容都经过前期论证。本项目组是长期成功合作的的联合研究团队。

本项目重点解决了传统脑结构与功能信息成像融合分析中的关键难点问题，并探索了在脑疾病研究中的应用。主要成果包括：1）阐释了大脑皮层褶皱模式、白质神经纤维束分布、皮层沟回功能分布与脑区定位之间的关联关系，提出了皮层褶皱的神经纤维束“推理论”，并为精细脑区定位奠定理论基础；2）以此理论发现为基础，建立了高精密度脑区定位系统DICCCOL-II，提升了脑功能区定位的密度和精度，为脑结构与功能信息融合提供基础性的融合平台，解决了传统方法在融合空间不准确的基础性难题；3）提出并验证了系列脑结构连接组和功能连接组分析方法，并以DICCCOL-II为基础，依据多模态影响数据（弥散成像、显微镜纤维染色和束路追踪）融合分析建立了既反映宏观连接模式又刻画局部连接细节的结果连接组，建立了既反映时序活动又反映空间重叠分布模式的共生脑网络功能连接组（HAFNI）；4）发展了结构连接组与功能连接组融合分析方法，建立了结构与功能一致性的脑连接图谱，并阐明了结构连接与功能连接的关联关系；5）提出并验证了动态脑状态分析方法；6）以创伤后应激障碍（PTSD）和轻度认知障碍（MCI）为验证与应用平台，阐述了其脑网络连接组异常表征、脑网络异常动态变化的特性；7）建立了脑多媒体组学的新的学科方向，为高效媒体计算提供了新的向脑学习的研究思路，为探索视听觉特征的脑神经编码提供支撑，并从另一个侧面验证了本项目研究的脑结构与功能融合分析方法。.项目的研究工作取得显著成果。项目执行期间，获得陕西省科学技术一等奖一项、陕西省高等学校科学技术奖一等奖一项。在Nature Communications、Cerebral Cortex、NeuroImage、Human Brain Mapping等国际期刊发表SCI学术论文60篇；在领域内重要国际会议IPMI、MICCAI和ISBI等发表学术论文27篇，其中大会宣读论文8次。培养了一批中青年人才，其中1人入选教育部长江讲座教授，1人入选国家优青，1人入选教育部新世纪优秀人才支持计划，2人获得陕西省优秀博士论文，建设了一支具有国际视野和创新能力的研究队伍。