多模态大尺度脑网络研究及对原发全面性癫痫的应用

The investigation of brain connectivity networks is the core part of brain functional integration. Multi-modal neuroimagings currently provide a sophisticated and comprehensive visualization of the human brain networks. The human brain networks would mostly include temporal correlation-based intrinsic connectivity network (ICN), morphometric correlation-based structural covariance network (SCN) and diffusion tractography-based anatomical connectivity network (ACN). It has been shown that many common and some specific topological organizations exist among these brain networks. Importantly, the intimate couplings among these brain networks have been reported. Little is known about the topological organization of large-scale functional covariance network (FCN) and the coupling with networks obtained from other measures. We aimed to utilize graph theoretical approaches to investigate the organizational principles of FCN at different temporal scales. In addition, we applied FCN to detect disruptions of network organization in patients with idiopathic generalized epilepsy (IGE) and appropriate comparison groups. In the current project, we propose a new method to investigate the human brain network, FCN, which might help bridge the gap between ICN and SCN. Also, our new method may enrich the knowledge of the brain connectome and improve the understanding of the intrinsic relationship among networks obtained from other measures via coupling analysis. Furthermore, we might provide a new interpretation of abnormal spontaneous brain activity in IGE, thus give valuable information for better understanding the pathophysiological mechanisms of IGE. Our method could both serve as a measure of network integrity for cross-sectional large-sample epilepsy studies and also detect abnormalities which might be taken as potential biomarker for epilepsy.

脑连接网络研究是脑功能整合的核心内容。当前多模态MRI脑网络研究发现：内在脑功能连接网络、形态学结构协变网络及纤维束解剖连接网络等存在各异的拓扑模式，并且这些多模态网络间存在不同程度的耦合。基于此，我们提出大尺度脑功能协变网络方法，并拟采用图论技术，从不同的时间刻度对脑网络模式进行描绘。同时，把这种方法应用于原发全面类型癫痫患者，评价特异疾病状态下脑功能协变网络的改变，并观察其与其他模态脑网络间的耦合关系。该研究提供一个全新的脑网络研究方法，对内在脑功能连接网络与形态学结构协变网络隔阂间架起一座桥梁，补充和丰富了脑连接组学的研究谱，并加深了对不同模态间脑网络内在联系的神经机制的理解；同时，也为原发全面发作癫痫不同脑区间脑活动水平改变的关系及形成的脑网络进行全面描绘，加深对该类型癫痫网络异常的病理生理机制的理解；为癫痫大样本断面研究提供新的研究手段，为疾病的临床进展评价提供影像学标记。

本项目提出大尺度脑功能协变网络及动态脑网络方法，并拟采用图论技术，从不同的时间刻度对脑网络模式进行描绘。同时，把这种方法应用于原发全面类型癫痫患者，评价特异疾病状态下脑功能协变网络的改变，并观察其与其他模态脑网络间的耦合关系。项目实施的主要内容：（1）癫痫多模态数据采集，共采集癫痫患者多模态MRI数据共200余例，为后续的多中心、多种类癫痫样本库数据提供大量脑影像数据支持。（2）以强直阵挛为代表的原发全面性癫痫模型，发展、引入分频技术的局部一致性和低频振荡分析的静息态功能磁共振成像（fMRI）技术，实现癫痫活动的定位检测，并且该技术可以对原发全面性癫痫的关键节点进行定位。（3）建立半球间、丘脑-皮层连接、大尺度协变网络模型，探测原发全面性癫痫脑网络性质，为理解癫痫影响下脑功能改变的病理生理机制提供了新的理解视点。（4）发展癫痫模式识别模型和方法，以儿童良性癫痫为模型，提高癫痫等脑影像模式识别率，探测癫痫等疾病脑影像特征。（5）建立脑动态功能连接分析技术，从不同时间尺度探测癫痫脑功能连接网络异常，丰富和拓展了当前fMRI网络研究的技术方法，为癫痫及其他临床疾病的fMRI研究提供了技术支持。.. 本项目融合了多模态、多指标MRI技术；建立大尺度协变网络模型；发展不同尺度动态功能连接分析方法；建立了癫痫模式识别模型和方法。当前共在Radiology, Human Brian Mapping, Medicine等学术期刊发表论18篇，包括SCI收录文章15篇（6篇IF>5），总影响因子60.6（按照2014年IF计），总被引（据Scholar Google2015-12-28数据）106次。在国际会议作分组报告1次，国内会议专题及分组报告2次。受此课题支持，共培养博士研究生1名，硕士研究生3名，计算机软件著作权1 项（2014SR087018）。基于该研究的成果基础，目前主持国家自然科学基金面上项目（81471653）1项。