多层次宏观脑网络可视分析研究

The visual analytics of brain networks is an important research topic in the interdisciplinary area of neuroscience and information science, with broad applications in domains such as brain disorder diagnosis and prevention, brain-inspired computing model analysis and explanation. Recently, the visual analysis of brain networks has expanded from the microscopic-level to the macroscopic-level, involving cutting-edge information visualization and data analysis techniques. However, most existing researches focus on a single-layer brain network computed from fixed brain mapping atlas, therefore only allows the visual analysis of brain network structure and feature in a single scale, which can not meet domain user’s complex analysis requirement, such as visually comparing group-level brain networks at multiple scales...In this project, based on open brain atlas database and the latest method in data mining, machine learning, visual representation and interaction, we propose to systematically develop methods on multi-layer multi-scale visual analytics of macroscopic brain networks, including on hemispheres, brain lobes, ROIs and voxels. The core research agenda includes: 1) hierarchical analysis of fundamental macroscopic brain network elements; 2) efficient feature selection on multi-layer brain network connectivities; 3) novel visual metaphor and hierarchical navigation model on multi-layer brain networks. In the long run, we expect to develop a system prototype on the visual analysis of multi-layer macroscopic brain networks for real-life brain network analysis.

脑网络可视分析是神经科学与信息科学领域交叉学科研究的重要问题，在脑疾病诊断、防治，类脑计算模型分析、解释等方面均有广泛应用。当前脑网络可视分析研究正逐渐从微观脑网络向宏观脑网络发展，紧密结合信息可视化与数据分析方法。然而，已有研究大部分局限于单一脑图谱与脑网络模态，仅允许可视分析单一层面脑网络的结构与连接特征，不能满足领域用户针对组间脑网络多尺度可视比较等复杂任务的需求。..本项目基于开放脑图谱研究、前沿数据挖掘/机器学习算法、新型可视隐喻与交互方法，力图突破宏观脑网络单一层次可视分析的限制，形成一套在半脑、脑叶、结构脑区、体素等多层次脑网络开展联合可视分析的系统化方法。主要研究内容包括：1）宏观脑网络基本元素的层次化分析；2）多层次脑网络连接特征的高效提取；3）多层次脑网络可视隐喻与层次浏览交互模式的设计验证。本项目长期目标为实现针对特定脑网络分析场景的多层次宏观脑网络可视分析系统原型。

脑网络可视分析是神经科学与信息科学领域交叉学科研究的重要问题，在脑疾病诊断、防治，类脑计算模型分析、解释等方面均有广泛应用。当前脑网络可视分析研究正逐渐从微观脑网络向宏观脑网络发展，紧密结合信息可视化与数据分析方法。然而，已有研究大部分局限于单一脑图谱与脑网络模态，仅允许可视分析单一层面脑网络的结构与连接特征，不能满足领域用户针对组间脑网络多尺度可视比较等复杂任务的需求。.本项目紧密结合多层次宏观脑网络的数据特征与外围应用需求开展研究，在四年来取得了突出进展及高质量的研究成果。在多层次脑网络可视化与交互分析方面，面向多层次脑部网络浏览与个体间差异的比较任务，研究了多层次脑部网络的可视化形式，分析了不同的网络对比交互方法（如叠加、并列、编码等可视化设计），遴选并实现了当前任务下的最优方法。研究成果发表于TVCG、电子学报英文版等国内外顶级期刊与会议，并授权中国专利1项。在多层次宏观脑网络数据挖掘方面，针对个体网络属性差异与脑部网络数据的连接复杂性，提出了多层次脑网络连接特征提取算法。由于宏观脑部网络数据的直接可视化将导致极高的视觉杂乱，该算法可辅助领域用户聚焦于所关注个体的脑网络属性（如疾病、基因类型）及相关联的网络连接，降低进一步可视分析的难度。研究成果发表于TVCG、TKDD等国际顶级期刊与会议，并授权中国专利1项。在宏观脑网络结构化层次化分析方面，针对主流脑图谱尚未支持从高层到底层的宏观脑部网络浏览的问题，本项目研究了主流全脑图谱区域之间的几何关联关系，如包含、交叠、邻近等关系，构建了全脑图谱区域关联分析框架。同时，研究了“半脑->脑叶->多层脑区->体素”组成的脑部节点层次化结构化模型与计算方法。研究成果发表于TVCG、CHI等国际顶级期刊与会议，申请中国专利1项（已实审）。.2018年立项至今，共发表项目相关论文19篇，其中国内外顶级与重要学术期刊和国际会议论文长文14篇，可视化与数据挖掘领域顶级IEEE/ACM Transactions文章8篇，SCI检索14篇，EI检索17篇。申请国内技术发明专利3项，获授权2项。培养研究生6名。