静息态脑功能网络的构建及社团结构分析研究

摘要

大脑可以接受外界的繁杂信息，对各种信息进行组织、加工、处理，完成整个思维过程，指导相关器官执行任务。探索人脑的组织结构与执行功能之间的关系，理解人脑的工作机制，对打开人脑功能活动的“黑盒”，探索人的思维过程，乃至对大脑相关病理学的研究都具有重要意义。　　 如果将脑区域作为节点，将有功能连接的两脑区之间的关联作为边，那么人脑就可以抽象为一个复杂网络。社团结构是复杂网络的基本性质之一，通过分析网络的社团性质，可以理解真实系统的结构性质和内在活动关系。近年来，许多学者提出了很多不同的社团划分算法，并且成功用于划分社会成员关系网、生物网络等诸多现实世界的复杂网络。将社团性质应用于人脑功能网络，对人们理解大脑系统的运转机制有重要的启示。　　 本研究利用功能磁共振成像技术获取人脑功能活动数据，通过构建基于时间序列的人脑功能网络，使用社团划分算法对脑网络进行划分，对脑功能网络的社团结构进行分析研究，探究大脑功能活动的机制。主要工作如下：　　 (1)利用功能磁共振成像技术采集健康人静息态下的脑功能活动数据，对采集到的原始数据进行头动校正、空间标准化、高斯平滑、低频滤波等步骤的预处理，以降低数据噪声，去除一些干扰信号。　　 (2)构建基于时间序列的脑功能网络。通过先验模板AAL将全脑划分为90个脑区域作为网络节点，通过计算每个脑节点的平均时间序列，利用皮尔逊相关法来计算两两脑区之间的功能连接程度，设定阈值得到功能连接边，将脑功能网络用二值矩阵来表示，成功的构建了脑功能网络。　　 (3)划分脑功能网络的社团结构并分析研究。根据网络全连接理论和模块度理论，设定脑功能网络边数的阈值下限和上限；使用两种不同的社团划分算法--层次聚类算法和基于堆结构的贪婪算法，划分阈值范围内的脑功能网络，得到基本一致的社团划分结果，验证了人脑功能网络具有社团结构，并证实了这些社团结构是具有现实意义的，而不是随机性的社团；对脑网络社团结构在跨阈值范围内的差异化表现进行分析，得到了能够有效研究人脑功能网络的阈值范围；对脑节点和功能边在划分社团后的脑功能网络中所扮演的角色进行分析，指定了一些对控制全脑信息流起关键作用的脑节点和功能边，这些扮演重要角色的节点和边对人们理解全局网络属性及全脑信息流如何协调有着重要贡献。　　 本文为人们理解大脑工作机制提供了一种有效的研究方法，同时也为探究神经病理学的病变脑区提供了一种有效的工具。