大脑多尺度功能网络的构建算法研究

The interaction and cooperation of different brain functional areas form powerful complex networks, which handle the complicated environment and changes in the external world effectively. Based on some studies, the brain functional network presents multi-scale characteristics in both temporal and spatial dimensions. Mining the multi-scale brain functional network information has great significance for understanding of brain computing mechanism and brain intelligence, and also the diagnosis of brain disease. Functional magnetic resonance imaging (fMRI) has high spatial and temporal resolution, which contains rich information of different scales of brain activity. However, the modeling and analysis methods of the multi-scale brain functional network are still relatively simple, and could not excavate the multi-scale information of the brain functional network effectively. Therefore, we would develop the analytical methods, which would be more suitable for the characterization brain network based on fMRI. First, we aim to design constructing methods of multi-scale brain functional network in temporal and spatial dimension separately. Second, we will study the constructing algorithms of multi-scale brain functional network, which can be integrated temporal-spatial dimension information. Finally, we will use depression as an example to extract multi-scale functional network model based on the characteristics of brain disease for diagnosing and predicting brain diseases. Through this topic, we will provide new ideas for multi-scale brain functional network research, auxiliary diagnosis and prediction of brain diseases, and further contribute to the development of brain intelligent algorithm inspired by cognitive neuroscience.

大脑不同功能区域相互作用和协作，构成了功能强大的复杂网络，从而可以有效处理外部世界复杂的环境和变化。研究表明，大脑功能网络在时、空维度上均呈现出多尺度特性。有效挖掘大脑功能网络的多尺度信息，对理解大脑计算机制、创造类脑智能和脑疾病的诊断均具有重要意义。功能磁共振成像数据具有较高的时空分辨率，蕴含着丰富的不同尺度脑活动信息。然而，目前对大脑多尺度功能网络的构建方法仍较为简单，难以有效挖掘脑网络的多尺度信息。为此，本课题拟开展大脑多尺度功能网络的构建算法研究，具体包括：(1)分别研究时间和空间维度中多尺度脑功能网络的构建方法；(2)研究可集成时空维度信息的多尺度脑功能网络的构建算法；(3)以抑郁症为例开展基于多尺度脑功能网络模型的脑疾病特征提取，以实现脑疾病的辅助诊断与预测。本课题的开展将为多尺度脑功能网络的研究和脑疾病的辅助诊断与预测提供新思路，进而有助于认知神经科学启发的类脑智能算法开发。

已有研究表明，大脑网络在时间维度和空间维度上均呈现出多尺度特性，为了有效挖掘脑网络的多尺度信息，增加对脑机制的理解、促进类脑智能和脑疾病诊断的发展，本课题分别围绕时间维度、空间维度以及时空共变维度对多尺度脑功能网络的分析与建模方法展开了具体的研究，以提供大脑在不同维度上的多尺度分析工具，并以抑郁症为例开展基于多尺度脑网络视角的脑疾病特征提取，以实现脑疾病的辅助诊断与预测。具体来说，本课题主要包括以下研究内容：(1) 收集和构建了用于多尺度脑网络分析建模的多模态神经影像数据集，包括以HCP为基础的fMRI, sMRI数据库及新自建的EEG数据库；(2) 开展了面向时间维度的多尺度脑功能网络分析算法研究，深入建模大脑在时间维度上的功能活动，为大脑在不同时间尺度下的功能活动信息提供新的见解；(3) 开展了面向空间维度的多尺度脑功能网络分析算法研究，深入建模了大脑在空间维度上的功能活动，为大脑在不同空间尺度下的功能活动机制提供更深刻的认识；(4) 开展了面向时空共变维度的多尺度脑网络算分析法研究，提出了多种时空共变脑网络的刻画方法，为时空同步模式之间关系的建模提供更直观有效的技术手段；(5) 以社会因素为例开展了多尺度脑机制分析，进一步揭示复杂社会情绪和行为背后的心理神经计算基础；(6) 以抑郁症为例开展基于多尺度脑功能网络的脑疾病特征提取，实现脑疾病的辅助诊断与预测。在模拟，公开以及自建的多个数据集实验表明，本课题所提出的方法均能够较好的刻画大脑的时空多尺度特性，并在在抑郁症的脑疾病辅助诊断应用中取得了良好的效果。上述研究充分表明了针对大脑功能网络多尺度特性进行分析研究的必要性和意义，同时本项目也为认知神经科学启发的类脑智能算法的开发提供了全新的视角。