这个简短的调查评论最近的文献对大脑连通性的研究。它包括所有形式的静态和动态连接是否解剖,功能,或有效的。过去十年,越来越多的研究致力于推断功能或有效连接,主要来自功能性神经成像实验。静息状态的条件已经成为占主导地位的实验范式,和一个静息状态的网络,其中包括著名的默认模式网络,已确定。图形化模型表示一个方便的工具,实验结果和形式化密切和定量描述各种网络标识。基础解剖网络这些抽象的概念,所谓的连接体,可以调查功能成像技术。未来的研究之间的桥梁结构神经元连接和相关功能或有效的连接性。
大脑的功能性组织的特点是分离和集成的信息处理。现代神经科学中心范式是解剖和功能的大脑区域之间的联系等方式组织信息处理是接近最优。提供的功能交互似乎同步活动,同时在本地和遥远的大脑区域之间。大脑网络因此由空间分布但功能连接区域处理信息。大脑连通性分析是建立在三个不同但相关的连接形式(
解剖连接(AC),也称为结构连接,形成<我t一个l我c>连接体我t一个l我c>(
合成后两个概念的连接,主要用于和推导出功能性神经成像模式,提供了Friston [
2003年,霍维茨(
仍然连通性分析研究创建复杂的大脑网络的概念特点是紧密连接节点的信息处理在解剖空间遥远,只有稀疏通过远程连接不同的交互功能的大脑区域之间的连接。这些网络拓扑反映潜在的大脑信息处理两个基本原则:功能分离和功能集成。实验证据等网络拓扑主要来自神经成像技术(EEG、MEG功能磁共振成像、PET和SPECT)和神经解剖学的方法。
不同的大脑区域之间的信号传输需要连接纤维束,因此人类连接体形成的结构基础。Diffusion-weighted磁共振成像及其变体叫做扩散张量成像(DTI)表示纤维跟踪的最有前途的方法(
大脑连通性可以量化编码邻里关系进入连接矩阵,行和列的对应不同的大脑区域。这种表示法有助于被映射到图形模型提供方法来量化不同的拓扑方面的连接体。图形化模型表示一个通用的数学框架为一个通用的两两相互作用的大脑区域之间的关系的研究。近年来研究相关的指数增长的应用图论结构的破坏特征,功能,和有效的连接从神经影像学研究
调查以以下方式组织。首先,一些最近的研究和评论功能连通性的实验研究报道。这不是应该是全面的,而是应该说明一些典型的研究在这个领域。接下来,最近的计算方法处理功能连通性和收集一些说明性的应用程序。这是紧随其后的是一个简短的调查最近的研究有效连接。最后,图形模型的重要的概念应用到如此复杂的大脑网络以及一些应用程序连接性分析进行了探讨。
功能连通性是一个统计概念,它是指统计体素之间的依赖性活动时间的课程。更普遍的是,功能连通性之间的两个给定的区域被认为是时间相干性或相关性振荡神经元的放电频率总成(
功能连通性(FC),尽管从intervoxel推导出互关联,还是常常假定也反映了区际相干波动活动潜在的神经网络在大脑中。因此被认为是指区际同步的低频波动低表示频率<我nl我ne- - - - - -formula>
在最近的一次审查,Broyd et al。
区域task-non-specific失活在有目的的活动。静的活动变得减毒在任务性能(
格雷丘斯et al。
回顾van den Heuvel和Hulshoff波尔
阿尔茨海默病(AD)导致强大的脑网络的结构和功能的改变。自发的大脑活动是由同步活动在不同的空间和时间尺度上,从而反映出静息状态网络的复杂结构。后者可以通过fMRI信号的时序相关性研究。AD-induced网络结构和功能的变化可以通过学习时间相关性等特征在不同级别的大脑组织:区域(微观)、区际(中型),和大规模的(宏观)水平。特别是大脑的PCC患有阿尔茨海默病(AD)是容易受到孤立的大脑。Zhang et al。
白质纤维束代表解剖连接和功能连通性提供物理衬底。在最近的一次审查,哟et al。
结合功能和解剖连接因此需要披露的关系前抽象概念的物理衬底后者。格雷丘斯et al。
内在神经网络可以通过测量大脑区域之间的相关性最好的识别在静息状态的活动。研究上面所讨论的,以及其他的很多问题没有提到,关注静态方面的功能连通性。传统上,静息状态的功能连通性的分析研究,运用相关性或数据驱动的探索性分解技术,通常假定时间记录信号的平稳性。然而,最近的实验表明,功能连通性网络可能出现在短时间尺度动态变化。Chang和格洛弗
虽然功能磁共振成像是一种流行的技术来确定功能连通性在大脑中,它受限于间接测量一个大胆的反应自然而不是直接神经电活动。布鲁克斯et al。
静息状态的网络的特点是缓慢的波动似乎高度结构化的解剖关系。然而,这些缓慢的动态波动的神经元活动的关系,特别是在<我nl我ne- - - - - -formula>
功能连接区域同步他们的活动。测量这种振荡动力学要求方法具有高时间分辨率像脑电图,梅格。考虑到大脑的动态连接,EEG相干常被用来测量人类大脑的功能连通性(
为了量化补救的患有精神分裂症,维斯et al。
Ghuman et al。
考虑典型的脑功能连接的研究如前所述,功能神经影像学在静息状态条件下看起来特别有趣,因为它探讨了自发的大脑活动。后者已被证明组织成为可再生的活动模式。因此,它显示结构,反映了潜在的脑结构和脑疾病的标志。现代神经科学的一个重要观点是,如此大规模的结构连贯的活动反映了大脑的模块化特性连接图。学习这样的模型需要两个主要挑战。
建模完整大脑连通性是一个困难的估计问题,面对维度的诅咒。
关于脑功能连接研究计算方法,两个广泛的类可能是确定的,即以知识为基础的,也叫监督方法,以及数据驱动的,也称为探索性或无监督方法。后者可以进一步细分为分解方法和集群技术(
监督方法提供先验知识的空间和时间模式激活,以及数据生成过程的模型。通常方法采用特定认知任务的志愿者应该执行。然而,最近,他们一直也适用于静息状态的条件。它们被广泛使用,因为它们容易实现和简单的解释。基本上,以知识为基础的数据分析方法选择一些感兴趣的区域(ROI)种子和生成一个人类大脑的连接映射通过确定其它地区是否功能连接到这些种子根据预定义的指标。一个方便的方法来定义这样一个指标是基于互相关分析(CCA)大胆的时间课程之间的种子区域和其他大脑区域在考虑。相关性是由皮尔森相关系数来衡量<我nl我ne- - - - - -formula>
另一个指标是基于相干而非相关性。前经营在频域和被定义为
探索性数据分析技术,主要分解和集群技术,代表了全球不依赖先验知识的方法。因此,他们能够揭示意想不到的相关性的数据。这些方法依赖于假设大脑组织一组有限的功能网络。探索矩阵分解(EMF)技术解决这些通过提取盲源分离问题,从观察,不同的组件使用预定义的属性只有最小集合的约束。这样的数据驱动方法认为最适合静息状态的研究探索,在别人,所谓的默认模式网络(静)。Decomposition-based技术,如奇异值分解),主成分分析(PCA),独立分量分析(ICA)和非负矩阵和张量分解(NMF / NTF)考虑任何观察潜在的线性叠加特性。后者应该捕获的本质信息埋在功能图像;因此,它们也可以被视为feature-generating技术。然而,哪些特征提取是未知的,和不同的方法产生不同的功能或多或少地公开相关信息透明的分析器。圣言会和PCA变换功能,不相关的图像,正交eigenimages结果。 The decomposition can be written as
近年来,等分解技术减轻约束被认为是最著名的独立分量分析(ICA) [
如果数据矩阵<我nl我ne- - - - - -formula>
考虑EMF作为无监督数据分析工具,提取组件作为一个无约束模型的参数,这些技术也可以作为无监督聚类方法实现分类分区数据集的子集根据预定义的标准或非度量
聚类分类问题密切相关,尤其是功能连通性之间比较某些疾病和正常的同行。后者比较特别有趣,当图像是静止状态条件下获得的。multivoxel模式分析等具体的刺激,大脑已经被命名为阅读(
从神经影像学评估功能连通性录音基本上遵循两种策略:基于种子与ICA。这两种方法可以结合估算时间相关性与指定种子体素或感兴趣的小区域,空间独立组件(中心)。独立分量分析(ICA)和相关的探索性分解技术着手近似任何观察到的活动分布<我nl我ne- - - - - -formula>
最近的证据来自几个神经影像学研究表明,人类的大脑有一个模块化分层组织,由不同的ICA模型订单(类似于层次结构描述混合矩阵的列数<我nl我ne- - - - - -formula>
估计功能或有效的连接依赖的相关性或因果结构活动分布在遥远的大脑区域。这样的活动模式,然而,受内部和主体间的变化。因此,它通常是识别感兴趣的变异来源fMRI连接。罗杰斯和戈尔(
Varoquaux et al。
迄今为止,功能连通性只在静态的角度讨论。动态系统的角度需要处理时间限制功能连接性,考虑功能网络特性的研究在一个广泛的频率。因此,而不是使用矩阵分解技术,功能连通性也可以使用多变量自回归模型在频域建模(兆乏)。传统上,这些估计基于兆乏模型忽视瞬时效应。Erla et al。
动态神经活动可局部采用脑电图特征或梅格录音。然而,皮层同步网络的大规模结构特征仍依然不佳。Palva et al。
德科et al。
最近来到另一个重要方面目前的研究的重点是大脑功能连通性的发展在发展中。公平等。
有效的连接是直接和动态变化根据给定的上下文或执行一个任务。因此,有效的连通性分析的一个重要方面是要挖出因果影响的方向性。如果一个观察时间的波动一个大脑区域的神经活动可以更好地预测未来时间波动在神经活动在另一个地区,然后前地区说影响后者。理解大脑连通性一般遵循两条不同的路线:动态因果模型(DCM) [
周et al。
虽然这些方法不需要时间方面,拉贾帕克萨et al。
Roebroeck et al。
与解剖连接,有效连接灵活取决于环境和任务。巴塔利亚等。
尽管潜在的有用概念的有效连接,它仍然是一个来源的不断关注和正在进行的讨论,主要是因为颞模糊hemodynamical引发的反应。
图形理论概念经历越来越多的关注近年来描述复杂的大脑网络的静态和动态结构(
考虑大脑的功能性组织进入本地交互执行低级信息处理,称为感兴趣的区域(ROI)或模块,支持分布式信息处理和提供控制和远程耦合和高级信息融合,大脑网络形式图中间正则图,只有最近的邻居节点之间的连接和随机图中,所有节点随机连接。功能网络从而形成图形<我nl我ne- - - - - -formula>
一个简单的全球测量图是其度分布<我nl我ne- - - - - -formula>
最近的一些评论处理图形理论概念应用到复杂的大脑网络。Reijneveld et al。
总之,小worldness和大脑的结构连接网络的模块化已经阐明通过扩散张量成像(DTI) (
声发个图中理论的描述复杂的大脑网络仅限于单一学科研究。组的大脑连通性网络有很大的呼吁研究人员感兴趣的获得进一步了解复杂的大脑功能,以及它如何变化在不同的心理状态和疾病的条件。准确地构建这些网络提出了一个令人畏惧的挑战困难与占主体间拓扑可变性。传统的方法是使用均值或中位数相关网络(
尽管大量的图的理论特征功能连通性网络以来,已报告的大脑,两次试验法的(TRT)脑功能网络的拓扑度量的可靠性几乎没有被研究过。最近,Deuker et al。
最后,讨论了方法论的问题还没有解决(
节点选择标准。替代的方法分割皮层可以解释差异的拓扑参数提取图形模型(
支持由DAAD-FCT BFHZ-CCUFB, CITIC-UGR GENIL-SPR项目。