数据驱动的脑功能网络时变特性及机制研究

In recent years, study of temporal network has received great attention. Traditional investigations of temporal networks usually focused on the topological side and did not consider the correlation with nodal activity. Network modeling, though considers the correlation between topology and nodal dynamics, has the disadvantage of pre-designating this relation thus cannot reflect the real relationship in the data. Our study is based on EEG-fMRI data. We first design statistics that can reflect the time-varying properties of both the topology of the network and the nodal neural activity at various scales, and propose the general methodology of analyzing temporal networks. We then dig the relationship from the topological properties of temporal networks and dynamical properties of nodal time series. Combing EEG data, we can access how brain state is controlling the time-varying property. Finally, we build computational neural models to study the influence of brain structural connection and dynamical noise to time varying properties of functional connection. Our work provides new perspective to the field of complex network, and is expected to shed light into how brain works and brain disease diagnosis.

时变网络分析是近年复杂网络领域研究的热点。目前，数据驱动的时变网络研究一般局限在网络拓扑结构，很少挖掘拓扑结构变化与网络节点状态变化的关联；时变网络建模虽考虑两者关联，但往往先验指定，无法反映实际数据蕴含的真实拓扑结构-节点状态耦合关系，因此难以揭示实际网络时变性产生机制。为了突破研究瓶颈，本项目以脑功能网络为例，基于功能核磁共振-脑电大数据，首先定义反应网络拓扑结构和节点神经活动时变特征的多尺度指标，建立适合时变网络分析的非线性及统计方法。在此基础上，识别时变脑功能网络拓扑结构与节点状态之间的耦合关系，在网络层面阐明脑功能网络时变性产生机制。进一步结合同步脑电时变特征与脑功能网络拓扑结构变化，明确大脑状态对网络时变性的调控机制。最后通过计算神经模型，揭示脑结构网络和噪声对于脑功能网络时变性的影响规律。本项目将为时变网络研究提供新的视角和手段，对于解析大脑运作机制、脑疾病诊断具有重要意义。

本项目以脑功能网络作为分析的主要对象，提出了首先定义反应网络拓扑结构和节点神经活动时变特征的多尺度指标，建立适合时变网络分析的非线性及统计方法。在此基础上，识别时变脑功能网络拓扑结构与节点状态之间的耦合关系，在网络层面阐明脑功能网络时变性产生机制。并应用于大脑的高级认知功能（如智力、创造力）和脑疾病（如自闭症、分裂症、抑郁症）的研究。关于动态脑功能网络的论文发表在Brain杂志，被选为编辑推荐论文和封面论文。美国2014年麦克阿瑟天才奖得主，宾夕法尼亚大学Skirkanich讲座教授Danielle Ba ssett专门为此研究撰写了题为“The flexible brain”的评论，该评论认为“这项工作是我们在理解大脑网络动态变化道路上的一块重要基石（an important stepping-stone ）。项目执行期间，发表了17篇SCI论文，发表在脑科学和网络科学的知名国际杂志如Brain (IF=11.8), Neuroimage (IF=5.4), Human Brain Mapping (if=5.0), PRE。其中第一作者或通讯作者论文8篇。培养了3名硕士生和3名博士生。