客体识别脑网络研究

Object recognition is one of most important skills in our daily life, and numerous neuroimaging studies have identified multiple brain regions that are dedicated to the ability. However, no study yet comprehensively explores the structural and functional networks formed by the multiple brain regions for object recognition. Here, by integrating diffusion MRI, resting-state and task-state fMRI, we aim to delineate the structural and functional brain networks for object recognition. Specially, we will first localize all brain regions which are involved in object recognition by task-state fMRI. Next, using the localized brain regions as nodes, the structural and functional brain networks for object recognition will be constructed based on DTI fiber tracking and functional connectivity analysis, respectively. Then, the properties of the structural and functional networks for object recognition will be quantitatively characterized at the level of the entire network, sub-network, and individual regions with the graph theoretical metrics, such as hubs, local efficiency, global efficiency, modularity, and hierarchy. Besides the commonalities across individuals, the individual variability of brain networks for object recognition and how the individual variability is related to individual differences in the ability of object recognition will also be investigated. In short, the study will reveal the organization of the structural and functional networks for object recognition and their behavioral significance, and thus provide a further understanding how the ability of object recognition is mediated by the interactions of multiple brain regions.

已有客体识别脑机制研究大多集中于脑区功能特异性，而对大脑中多个客体识别脑区构成的脑网络研究较少。本项目将对全脑客体识别脑区构成的结构和功能网络进行系统研究。首先，我们将采用任务fMRI定位全脑参与客体识别的脑功能区，并基于DTI、静息和任务fMRI分别构建这些脑区间的结构、静息和任务功能连接，建立客体识别脑连接网络图谱，对客体识别脑网络进行全面描述。进而，采用基于图论的脑复杂网络分析方法，对客体识别脑网络进行研究，揭示客体识别脑网络的结构和功能组织。另外，本项目还将考察客体识别网络的个体差异，建立脑网络对客体识别能力的预测模型，揭示客体识别脑网络的行为学意义。

客体识别需要多个脑功能区间的协作来完成，但我们对这些脑区间的功能交互，甚至解剖连接都所知甚少。为此，本项目采用多模态磁共振成像对客体识别脑功能区组成的功能和结构网络进行了全面研究。一、采用任务功能磁共振成像，我们在个体被试上系统定位了各类客体选择性功能区，并基于大被试量构建了客体识别脑功能区概率图谱。该图谱既可以为客体识别脑网络研究提供全面的网络节点，又可以作为客体识别脑功能区的常模，为检测个体客体识别功能区的异常提供帮助。二、通过静息功能连接和行为的关联分析，我们发现梭状回面孔区同面孔网络内其它区域的功能连接和面孔识别能力呈正相关，而枕叶面孔区和非面孔网络脑区的功能连接则与面孔识别能力呈负相关。这说明梭状回面孔区通过整合面孔识别网络内的信息来帮助面孔识别，而枕叶面孔区则通过分离面孔识别网络和非面孔识别网络间的信息来帮助面孔识别。该结果首次证明了面孔识别脑网络节点集成性和分离性的行为学意义。三、我们提出了一种基于结构磁共振成像构建个体脑区形态网络的新方法，该方法利用脑区间形态分布函数的相似性来度量脑区间的形态连接，从而突破了传统脑区形态协变网络需要借助多个被试间的个体差异来构建，无法考察个体脑形态网络的弊端。该方法的提出既有助于我们进一步理解不同脑区形态结构间的关系及其个体差异，又为脑形态神经疾病诊断提供了一种新视角。四、采用高角分辨率弥散磁共振成像和概率纤维追踪方法，我们考察了客体识别脑区的纤维连接模式，发现不同客体识别脑区的纤维连接模式差异很大，即使类别偏好相同的客体识别脑区，比如枕叶面孔识别区和垂直枕束有很强的连接，而和弓状束间的连接则较弱；而梭状回中部面孔识别区的连接模式则正好相反。不同客体识别脑功能区的结构连接差异，揭示了脑区功能差异的解剖连接基础。总之，本项目既全面刻画了客体识别脑功能和结构网络的组织结构，又揭示了其功能和行为意义。