多模态神经影像与脑连接组学
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Graph is made up of 'nodes' and lines called edges that connect them
衡量网络属性的指标
全局度量 （Global metrics）
稀疏度 （Sparsity） 平均路径长度 (Average path length) 丛集系数 (Clustering coefficient) 全局效率 (Global efficiency) 局部效率 (Local efficiency)
什么是“网络”？
网络是由相互分离的多重元素组成，但相互联系并且协同工作的系 统
Network is a system consists of multiple elements which are connected and operated together
网络图论
在图论分析法中构成网络的最基本元素为“点”（Nodes） 和连接点的“边”(Edges)
基于DTI的脑白质网络计算方法及应用研究
基于DTI的脑白质网络计算方法
传统脑白质研究方法
示踪剂追踪（Axonal tracing） 缺点：有创性，操作复杂，只能用于活 体动物实验，追踪纤维有限，同一个体难以多次追踪 外科解剖剥离(Surgical dissection) 缺点：只能用于尸体解剖和动物实 验，仅能够分离出粗大明显的纤维束
模块定义 (Module Definition) 根据研究目的定义研究模块 及感兴趣区
数据采集（Data Acquisition）利用磁共振采集数据，设置 相关序列及参数
网络构建(Constrution of network) 将磁共振采集的数据利 用Matlab、GRETNA、PANDA等软件进行处理，生成相关 数据矩阵
பைடு நூலகம்
图论知识基础
Application of Graph theoretical analysis in Human connectome 图论分析法在脑连接组学中的应用
图论分析法的由来
图论分析法（Graph theoretical analysis）是源自瑞士数学家欧拉的 《哥尼斯堡七桥理论》，这个理论不仅解决了当地居民关于能否在 不重复走同一座桥的前提下一次性走完哥尼斯堡七桥的困扰，同时 开创了数学领域的全新分支——图论和几何拓扑
小世界网络
小世界网络（Small-world network）具有较高的全局效率 和局部效率，是网络信息传递效率最高的网络形式。而 经研究证明人脑网络符合小世界网络属性
复杂网络的拓扑特性
模块化（Module）分布相对稀疏但是联系十分紧密的节 点集团即为模块化
层级性（Hierarchy）各个节点集团之间存在明显的层级 关系，上下级之间联系紧密，信息传递效率极高，但不
4.16 注册、领取材料、软件安装等。（脑成像中心） 4.17-01 人脑连接组学研究概况
02 图论知识基础 03 磁共振成像基本原理、数据采集及注意事项 04 DTI的脑结构连接组学计算方法与应用研究 05 脑结构连接组学分析软件PANDA详解 4.18-01 fMRI的脑功能连接组学计算方法与应用研究 02 fNIRS的脑功能连接组学计算方法与应用研究 03 脑功能连接组学分析软件Gretna详解 4.19-01 基于结构MRI的脑连接组学计算方法与应用 02 神经影像连接组学相关文章撰写与评审 03 脑连接组学可视化软件Brainnet Viewer详解与实例操作
网络可视化（Network Visulization）利用Brainnet Viewer、 Tracvis等软件将数据矩阵转换成可视化图片，可以直观的 反映网络形式
相关软件
数据处理相关Matlab、GRETNA、PANDA、Brainnet Viewer、 Trackvis等软件具体操作过程暂不赘述。
同层级之间只能通过更高层次的节点相互联系，信息传 递效率较低
枢纽中心节点（Rich club ，huds）网络中存在一些与其
他诸多节点联系非常机密，在整个网络信息传输中起到 关键作用的节点，类似与交通网络中的枢纽
网络图论的应用
利用网络的模块化、层级性和中心节点等属性，定义功能 节点和感兴趣区，再通过计算机数据分析构建脑网络，从 而可以直观的呈现出脑网络结构特性。为进一步的疾病脑 网络异常分析提供有效依据
人脑连接组学研究概况
2005年，印第安娜大学Olaf Sporns教授正式提出 “Connectome”概念。将其定义并描述为大脑内神经连 接网络的“地图”
2009年，美国国立卫生研究院（NIH）正式宣布实施“人 脑连接组学计划”（Human Connectome Progect,HCP）
图论分析法 Graph theoretical analysis
参会目的
基于多模态神经影像与 脑连接组研究具备巨大 科研价值和应用潜力， 同时由于该类研究属于 交叉学科，需要研究者 具备多个学科的基础和 背景知识，所以作为临 床医疗机构，本实验室 需要参加此类会议以实 现诸多繁琐的计算方法 和步骤，从而最终达到 提高本实验室的神经科 学研究水平的目的
课程设置
多模态神经影像与脑连接组学专题会议
Special sessions for Multi-modeling imaging and Human connectome
会议时间：2015-04-17— 04-19
认知神经科学与学习 国家重点实验室/ 麦戈文脑研究院
参会人员：夏春生 张栋
会议简介
人脑连接组学（Human Connectome）已成为当前神经科 学领域最受关注的研究热点和前沿方向之一，目前采用 不同模态的神经成像技术，提取活体人脑的全脑结构与 功能连接模式，运用图论分析法揭示脑网络组织形式及 其拓扑属性。这种计算和分析框架可以用于神经发育、 老化及神经精神等疾病的研究
节点度量 (Nodal metrics)
度 (Degree) 度分布 (Degree distribution) 介数 (Betweenness) 节点效率 (Nodal efficiency)
复杂网络
小世界网络 (Small-world network) 无标度网络 (Scale-free network)
衡量网络属性的指标
全局度量 （Global metrics）
稀疏度 （Sparsity） 平均路径长度 (Average path length) 丛集系数 (Clustering coefficient) 全局效率 (Global efficiency) 局部效率 (Local efficiency)
什么是“网络”？
网络是由相互分离的多重元素组成，但相互联系并且协同工作的系 统
Network is a system consists of multiple elements which are connected and operated together
网络图论
在图论分析法中构成网络的最基本元素为“点”（Nodes） 和连接点的“边”(Edges)
基于DTI的脑白质网络计算方法及应用研究
基于DTI的脑白质网络计算方法
传统脑白质研究方法
示踪剂追踪（Axonal tracing） 缺点：有创性，操作复杂，只能用于活 体动物实验，追踪纤维有限，同一个体难以多次追踪 外科解剖剥离(Surgical dissection) 缺点：只能用于尸体解剖和动物实 验，仅能够分离出粗大明显的纤维束
模块定义 (Module Definition) 根据研究目的定义研究模块 及感兴趣区
数据采集（Data Acquisition）利用磁共振采集数据，设置 相关序列及参数
网络构建(Constrution of network) 将磁共振采集的数据利 用Matlab、GRETNA、PANDA等软件进行处理，生成相关 数据矩阵
பைடு நூலகம்
图论知识基础
Application of Graph theoretical analysis in Human connectome 图论分析法在脑连接组学中的应用
图论分析法的由来
图论分析法（Graph theoretical analysis）是源自瑞士数学家欧拉的 《哥尼斯堡七桥理论》，这个理论不仅解决了当地居民关于能否在 不重复走同一座桥的前提下一次性走完哥尼斯堡七桥的困扰，同时 开创了数学领域的全新分支——图论和几何拓扑
小世界网络
小世界网络（Small-world network）具有较高的全局效率 和局部效率，是网络信息传递效率最高的网络形式。而 经研究证明人脑网络符合小世界网络属性
复杂网络的拓扑特性
模块化（Module）分布相对稀疏但是联系十分紧密的节 点集团即为模块化
层级性（Hierarchy）各个节点集团之间存在明显的层级 关系，上下级之间联系紧密，信息传递效率极高，但不
4.16 注册、领取材料、软件安装等。（脑成像中心） 4.17-01 人脑连接组学研究概况
02 图论知识基础 03 磁共振成像基本原理、数据采集及注意事项 04 DTI的脑结构连接组学计算方法与应用研究 05 脑结构连接组学分析软件PANDA详解 4.18-01 fMRI的脑功能连接组学计算方法与应用研究 02 fNIRS的脑功能连接组学计算方法与应用研究 03 脑功能连接组学分析软件Gretna详解 4.19-01 基于结构MRI的脑连接组学计算方法与应用 02 神经影像连接组学相关文章撰写与评审 03 脑连接组学可视化软件Brainnet Viewer详解与实例操作
网络可视化（Network Visulization）利用Brainnet Viewer、 Tracvis等软件将数据矩阵转换成可视化图片，可以直观的 反映网络形式
相关软件
数据处理相关Matlab、GRETNA、PANDA、Brainnet Viewer、 Trackvis等软件具体操作过程暂不赘述。
同层级之间只能通过更高层次的节点相互联系，信息传 递效率较低
枢纽中心节点（Rich club ，huds）网络中存在一些与其
他诸多节点联系非常机密，在整个网络信息传输中起到 关键作用的节点，类似与交通网络中的枢纽
网络图论的应用
利用网络的模块化、层级性和中心节点等属性，定义功能 节点和感兴趣区，再通过计算机数据分析构建脑网络，从 而可以直观的呈现出脑网络结构特性。为进一步的疾病脑 网络异常分析提供有效依据
人脑连接组学研究概况
2005年，印第安娜大学Olaf Sporns教授正式提出 “Connectome”概念。将其定义并描述为大脑内神经连 接网络的“地图”
2009年，美国国立卫生研究院（NIH）正式宣布实施“人 脑连接组学计划”（Human Connectome Progect,HCP）
图论分析法 Graph theoretical analysis
参会目的
基于多模态神经影像与 脑连接组研究具备巨大 科研价值和应用潜力， 同时由于该类研究属于 交叉学科，需要研究者 具备多个学科的基础和 背景知识，所以作为临 床医疗机构，本实验室 需要参加此类会议以实 现诸多繁琐的计算方法 和步骤，从而最终达到 提高本实验室的神经科 学研究水平的目的
课程设置
多模态神经影像与脑连接组学专题会议
Special sessions for Multi-modeling imaging and Human connectome
会议时间：2015-04-17— 04-19
认知神经科学与学习 国家重点实验室/ 麦戈文脑研究院
参会人员：夏春生 张栋
会议简介
人脑连接组学（Human Connectome）已成为当前神经科 学领域最受关注的研究热点和前沿方向之一，目前采用 不同模态的神经成像技术，提取活体人脑的全脑结构与 功能连接模式，运用图论分析法揭示脑网络组织形式及 其拓扑属性。这种计算和分析框架可以用于神经发育、 老化及神经精神等疾病的研究
节点度量 (Nodal metrics)
度 (Degree) 度分布 (Degree distribution) 介数 (Betweenness) 节点效率 (Nodal efficiency)
复杂网络
小世界网络 (Small-world network) 无标度网络 (Scale-free network)