个体形态相似性网络构建及应用.pdfVIP

个体形态相似性网络构建及应用

【摘要】个体形态相似性网络（IMSN）通过表征不同脑区之间的皮层形态相似

性，从个体水平揭示了大脑结构的独特拓扑连接模式。与传统基于群体的结构网

络相比，IMSN能够更好地捕捉个体间的细微差异，并且在表征皮层形态拓扑连

接模式方面具有较高的稳定性和可重复性。这一特点使得IMSN在脑发育、衰老

及神经疾病的病理机制研究中展现出独特优势。该文详细介绍了IMSN构建方法

及其在神经影像学中的应用，并总结了该方法在未来研究中的挑战与发展方向。

【关键词】磁共振成像；个体形态相似性网络；皮层形态；脑网络

近年来，随着神经影像学技术的迅速发展，个体形态相似性网络（individ

ual-levelmorphologicalsimilaritynetwork，IMSN）逐渐成为研究大脑形

态连接的重要工具。IMSN通过分析不同大脑区域间皮层形态相似性，从个体层

面揭示大脑结构的独特连接模式［1］，已在神经科学研究中展现出广泛应用潜

力，包括但不限于表征大脑发育和衰老过程，以及识别各种神经疾病脑结构异常

［2］。本文将综述IMSN构建方法及应用，重点探讨其在神经科学领域的应用前

景与挑战，并展望未来的发展方向，旨在为后续研究提供参考和指导。

一、IMSN构建方法与优势

1.IMSN的构建：相较于其他脑网络，IMSN起步较晚。Tijms等［3］于201

2年首次基于灰质形态的相似性构建了IMSN，主要是将个体大脑划分为若干个小

立方体，通过计算立方体内各体素灰质体积的皮尔逊相关性来估算它们之间的形

态连通性。然后利用图论分析方法表征网络拓扑特征。尽管该方法在描述大脑形

态方面具有鲁棒性。然而，由于立方体是在个体空间中定义，可能无法很好和大

脑特定解剖或功能区域相对应［1］。对此，Kong等［4］提出一种基于区域形

态相似性构建IMSN的新方法，该方法将网络节点定义为不同区域，整个大脑形

态连接被量化为区域灰质强度分布的统计相似性，并以Kullback-Leibler（KL）

散度表示。随后，在Wang等［5］的研究中使用不同脑区灰质体积分布信息，通

过KL散度为基础的相似性度量构建IMSN，发现该方法在表征脑网络形态连接和

拓扑结构方面具有很好的稳定性和可重复性。

以上研究均基于灰质体积构建IMSN，然而，仅仅依靠灰质体积的测量在反

映大脑形态改变及重组机制上存在一定不足，因为灰质体积是皮层厚度、表面积

及折叠的复合指标［6-7］。因此，Li等［2］利用皮层形态特征（如皮层厚度、

脑沟深度、分形维数等）构建IMSN，发现其表现出重要的拓扑特征，且脑区间

相似性和网络属性具有可靠性和可重复性；此外，Li等［2］还发现基于Jense

n-Shannon散度的方法评估形态相似性优于KL散度。近期，Wang等［1］将IM

SN的构建方法归为2类：低阶和高阶。低阶是指大脑节点之间局部形态特征的

成对关系，是目前构建IMSN的主要方法；根据构建方式的不同，又可以进一步

分为4类：基于相关性、散度、距离或偏差。高阶方法为描述低阶形态关系之间

的相似性。如在一项研究中，通过脑节点之间的低阶关系的相互作用，制定高阶

IMSN用于评估孤独症患者的脑连接改变［8］。

2.IMSN方法学优势：（1）仅需sMRI数据，成本相对较低，易于获取，预

处理流程简单，无需去除生理噪声，更适用于大规模研究［9-10］；（2）相较

于组水平研究，IMSN更能反映个体水平差异；（3）IMSN将全脑形态连接量化为

区域灰质强度分布的统计学相似性，在表征大脑网络的形态连接和拓扑结构方面

具有长期稳定的重测性和可靠性［5］。

综上所述，IMSN的构建方法从早期的灰质体积相似性发展到如今多特征整

合的复杂网络表征，不仅增强了其在描述大脑形态学特征方面的精确度和可靠性，

也为研究个体化大脑连接提供了独特的视角。接下来，我们将探讨IMSN在神经

科学领域的具体应用及临床价值。

二、IMSN在神经科学领域的应用

（一）在正常大脑研究中的应用

1.IMSN在脑发育中的应用：人脑的发育是一个动态变化过程，了解脑形态

网络拓扑特性对理解脑结构和功能至关重要［11］。Galdi等［12］研究表明，

脑区间的形态相似性信息可被用于预测新生儿脑龄：随着年龄的增长，灰质（或

白质）内部区域间的相似性逐渐增加，而灰质与白质之间的相似性则逐渐降低。

这种变化反映了脑网络的成熟度，尤其是在