多模态神经影像与脑连接组学.pptx

多模态神经影像与脑连接组学专题会议 Special sessions for Multi-modeling imaging and Human connectome 会议时间：2015-04-17— 04-19会议地点：北京师范大学 认知神经科学与学习 国家重点实验室/ 麦戈文脑研究院 参会人员：夏春生 张栋会议简介人脑连接组学（Human Connectome）已成为当前神经科学领域最受关注的研究热点和前沿方向之一，目前采用不同模态的神经成像技术，提取活体人脑的全脑结构与功能连接模式，运用图论分析法揭示脑网络组织形式及其拓扑属性。这种计算和分析框架可以用于神经发育、老化及神经精神等疾病的研究 参会目的基于多模态神经影像与脑连接组研究具备巨大科研价值和应用潜力，同时由于该类研究属于交叉学科，需要研究者具备多个学科的基础和背景知识，所以作为临床医疗机构，本实验室需要参加此类会议以实现诸多繁琐的计算方法和步骤，从而最终达到提高本实验室的神经科学研究水平的目的 课程设置4.16 注册、领取材料、软件安装等。（脑成像中心）4.17-01 人脑连接组学研究概况 02 图论知识基础 03 磁共振成像基本原理、数据采集及注意事项 04 DTI的脑结构连接组学计算方法与应用研究 05 脑结构连接组学分析软件PANDA详解4.18-01 fMRI的脑功能连接组学计算方法与应用研究 02 fNIRS的脑功能连接组学计算方法与应用研究 03 脑功能连接组学分析软件Gretna详解4.19-01 基于结构MRI的脑连接组学计算方法与应用 02 神经影像连接组学相关文章撰写与评审 03 脑连接组学可视化软件Brainnet Viewer详解与实例操作人脑连接组学研究概况2005年，印第安娜大学Olaf Sporns教授正式提出“Connectome”概念。将其定义并描述为大脑内神经连接网络的“地图” 2009年，美国国立卫生研究院（NIH）正式宣布实施“人脑连接组学计划”（Human Connectome Progect,HCP） 图论分析法Graph theoretical analysis图论知识基础Application of Graph theoretical analysis in Human connectome 图论分析法在脑连接组学中的应用图论分析法的由来图论分析法（Graph theoretical analysis）是源自瑞士数学家欧拉的《哥尼斯堡七桥理论》，这个理论不仅解决了当地居民关于能否在不重复走同一座桥的前提下一次性走完哥尼斯堡七桥的困扰，同时开创了数学领域的全新分支——图论和几何拓扑 什么是“网络”？ 网络是由相互分离的多重元素组成，但相互联系并且协同工作的系统 Network is a system consists of multiple elements which are connected and operated together 网络图论在图论分析法中构成网络的最基本元素为“点”（Nodes）和连接点的“边”(Edges) Graph is made up of nodes and lines called edges that connect them 衡量网络属性的指标全局度量 （Global metrics）稀疏度 （Sparsity）平均路径长度 (Average path length)丛集系数 (Clustering coefficient)全局效率 (Global efficiency)局部效率 (Local efficiency)节点度量 (Nodal metrics)度 (Degree)度分布 (Degree distribution)介数 (Betweenness)节点效率 (Nodal efficiency)复杂网络小世界网络 (Small-world network)无标度网络 (Scale-free network)小世界网络小世界网络（Small-world network）具有较高的全局效率和局部效率，是网络信息传递效率最高的网络形式。而经研究证明人脑网络符合小世界网络属性 复杂网络的拓扑特性模块化（Module）分布相对稀疏但是联系十分紧密的节点集团即为模块化 层级性（Hierarchy）各个节点集团之间存在明显的层级关系，上下级之间联系紧密，信息传递效率极高，但不同层级之间只能通过更高层次的节点相互联系，信息传递效率较低 枢纽中心节点（Rich club ，huds）网络中存在一些与其他诸多节点联系非常机密，在整个网络信息传输中起到关键作用的节点，类似与交通网络中的枢纽网络图论的应用利用网络的模块化、层级性和中心节点等属性，定义功能节点和感兴趣区