基于脑网络计算的多模态医学图像数据处理方法及应用

活体人脑结构和功能网络的构建及其连接模式描述（即"人脑连接组学"）是当今神经科学领域最为核心的研究课题之一，然而相关的计算理论与计算方法仍很不成熟。本项目拟通过分析多模态磁共振图像海量数据建立一套规范、科学的脑网络计算方法体系，具体包括：磁共振图像数据预处理方式对脑网络构建的评价；脑网络拓扑属性在不同人群和时间的可重复性和稳定性评价；脑网络拓扑属性的系统描述；脑结构-功能网络的融合计算模型等。进一步，本项目拟将建立的脑网络计算方法用于阿尔茨海默氏病的横向和纵向多模态影像学数据集，以发现病人异常脑连接模式，并以此模式为敏感特征建立病人早期诊断和病情进程检测的脑网络影像学标记，同时为建立的脑网络计算方法提供疾病模型验证。该项目的实施不仅将为当今国际上极为关注"人脑连接组学"这一重大科学前沿课题做出贡献，而且对探索阿尔茨海默氏病和其他重大神经精神疾病的发病机理、早期诊断及治疗评价均具有重要意义。

活体人脑结构和功能网络的构建及描述（即“人脑连接组学”）是当今神经科学领域最为核心的研究课题之一，然而相关计算方法很不成熟，生理基础亦不清晰。本项目建立并评价多模态磁共振图像海量数据的人脑网络计算方法体系。主要研究内容包括：脑网络动态和方向性计算方法；图像预处理对脑网络构建评价；脑网络拓扑属性可重测评价；脑网络计算在阿尔茨海默病(Alzheimer’s Disease, AD)的疾病模型验证。. 项目组取得的重要进展包括：（1）基于多模态磁共振海量数据的脑网络计算方法及软硬件计算平台：建立了基于变参数回归和卡尔曼滤波方法描述静息态动态功能连接计算方法；提出采用Granger因果模型和图论研究人脑功能有向网络的计算方法；系统评价了脑网络分析多个关键因素（如不同脑节点和脑连接定义、不同图像预处理方式、不同扫描方式以及个体差异等）对拓扑属性的影响；采用多模态功能影像数据揭示了静息态脑网络核心区域连接强度与局部脑血流的关联规律；开发了多模态神经影像和脑网络分析和可视化软件包Gretna和BrainNet Viewer。这些对于脑网络计算方法建立、揭示脑网络生理基础及选择稳定可靠的脑网络分析指标具有重要价值。（2）多模态磁共振海量数据的脑网络计算方法在阿尔茨海默病应用研究。利用弥散磁共振纤维跟踪技术和脑网络计算方法，构建了AD痴呆阶段和痴呆前阶段(轻度认知障碍)的全脑白质网络，发现患者脑网络效率显著降低，额叶皮层降低最为明显且与言语工作记忆相关；采用静息态功能磁共振成像和脑网络分析技术，构建了AD痴呆阶段和痴呆前阶段的高精度脑功能网络，发现中枢脑区的紊乱主要位于内侧额顶皮层且与患者认知能力相关。研究不仅阐释了AD患者脑网络关键神经通路异常，为深入理解该疾病的病理生理机制提供了新视角，也为该疾病早期诊断影像标志物研究提供了重要信息。. 在该基金资助下，项目组共发表(含接收)63篇学术论文(61篇英文和2篇中文论文)，包括SCI论文59篇，其中通讯作者论文42篇，这包括发表在PNAS (1篇)，Biol Psychiatry (3篇), Cereb Cortex (4篇), Neuroscientist (2篇), J Neurosci (3篇), NeuroImage (6篇)和Hum Brain Mapp (3篇)上IF>5的论文25篇。