三、项目简介（限1页）-中南大学湘雅二医院.docVIP

2018年国家科学技术奖提名公示 项目名称：功能成像脑连接机理与机器学习 提名者：湖南省 提名等级：国家自然科学二等奖 提名意见： 揭示大脑结构与功能连接模式及其与个体行为、群体特征之间的相互关系，是当前脑科学及信息处理领域面临的重大课题。该项目提出或改进一系列机器学习方法以研究脑功能与结构的连通性模式，首次提出采用全脑静息连接网络对脑状态解码，提取出区分度最大脑区进行功能连接机理分析的方法；突破了高维、低信噪比及大个体差异条件下脑网络特征提取和特异性分析的关键技术；提出面向重大脑疾病临床辅助诊断的无监督学习方法，为疾病的客观诊断和疗效评估提供了重要手段；脑连接的任务调节机理及病理机理研究取得重要进展，得到国际学术界高度评价。 该项目获2015年度湖南省自然科学一等奖，八篇代表性论著发表在Brain、NeuroImage、Human Brain Mapping、Biological Psychiatry等该领域重要期刊，两篇进入ESI前1%高被引论文，并得到Science, Nature Reviews Neuroscience, Trends in Cognitive Science, PNAS等权威刊物引用。成果引起包括20余位院士在内的国际同行广泛关注并产生重要影响。基于静息态脑连接网络的抑郁症分类结果被Brain期刊以封面论文形式报道。抑郁症默认网络异常模式的原创性工作，被美国生物精神病学会授予2013年Ziskind-Somerfield Research Award 提名奖。推荐该项目为国家自然科学二等奖。 项目简介： 脑功能连接(网络)是指不同空间分布的脑区之间通过功能协同，共同完成特定认知或生理功能的神经活动组织形式。揭示大尺度脑网络的响应模式及其与个体行为和群体特征之间的相互关系，进而理解大脑的信息处理方式，是当前脑科学及信息处理领域面临的重大课题，对于构建精神类疾病的客观诊断指标具有重要研究价值。 本项目围绕脑功能与结构连接的机器学习和精神类疾病的脑网络机理两大前沿问题，开展脑结构连接、功能连接及有效连接的建模及分类方法研究，系统地解决了数据维数高、信噪比低和个体差异大等条件下，脑连接网络的精细特征提取和特异性模式分析的技术难题，并在精神类疾病的脑连接机制及客观诊断指标等研究方面取得如下重要进展： ( 1 )首次提出采用全脑静息功能连接网络对脑状态解码，提取区分度最大脑区进行功能网络机理分析的方法。采用噪声流形学习对静息态脑连接模式进行分类，成功提取出嵌入在高维功能网络中与疾病有关的低维流形分布；采用统计学习方法研究重度抑郁症脑连接疾病相关模式，从大尺度脑网络水平揭示出默认网络、情感网络、视觉皮层区和小脑功能连接可能是导致精神疾病情绪和认知行为异常的原因之一；采用稀疏表达方法克服脑连接模式分析的“维数灾难”问题，有效辨识出人脑结构和功能模式的性别差异，发现主要存在于感觉运动区及认知脑区的年龄编码区域。 ( 2 )首次提出面向重大脑疾病临床辅助诊断的无监督学习方法。在不依赖于临床行为学诊断信息的前提下，利用前扣带回膝外周的不同功能子区，实现重度抑郁症患者92.5%的区分准确率，检测出的高区分度脑区位于情感与认知回路，从脑网络角度证实抑郁症的情感与认知功能障碍假说。方法和结果为建立面向重大精神类疾病辅助诊断和疗效评估的影像学指标提供了新手段。 ( 3 )脑连接网络的机理研究取得重要进展。首次发现抑郁症默认网络的异常活动呈现“前高后低”的模式，从实证角度证实国际权威学者有关抑郁症默认网络异常模式的猜想，为揭示抑郁症的特征性生物学标记提供了重要实验依据；发现抑郁症默认网络前部和后部不同的药物治疗响应模式；通过抑郁心理易感性特征与默认网络的联合分析，从脑网络的角度揭示出冗思和自传体记忆参与抑郁的神经机制。 项目已在Brain，NeuroImage，Biological Psychiatry，IEEE Transactions等国际重要期刊发表SCI论文43篇，8篇代表性论文google scholar他引1177次，SCI期刊他引753次，2篇进入ESI前1%高被引论文，得到Science, Nature Reviews Neuroscience, Trends in Cognitive Science, PNAS等顶级期刊的引用，入选Oxford Handbook of Functional Brain Imaging, Handbook of Neuroimaging Data Analysis)等英文专著10余部 该项目已获2015年度湖南省自然科学一等奖。得到国际权威学者的引用与好评，引用者包括美国科学院院士、美国工程院院士、英国皇家科学院院士、英国皇家工程院院士、加拿