1、人类大脑功能连接分区：机器学习的应用与进展

人类大脑功能连接分区：机器学习的应用与进展

1. 引言

脑疾病，包括精神和神经疾病，是21世纪核心的健康挑战之一。在发达国家，其患病率超过了心血管疾病和癌症。然而，心血管疾病的治疗取得了显著进展，每年挽救了数百万人的生命，但精神疾病的治疗进展却十分有限。为了开发新的治疗方法，我们需要更深入地了解大脑的组织和功能。

大脑最大的结构是大脑皮层，它具有二维片状的拓扑结构，负责许多高级功能，如意识、记忆、注意力和语言。大脑皮层可以细分为多个不同的区域，识别这些区域对于理解复杂的人类行为至关重要，因为复杂的人类行为主要是由这些区域的相互作用实现的。例如，视觉信息通过大脑中的不同平行通路进行处理，每个区域都有其特定的功能，只有它们的相互作用才能实现视觉识别等复杂过程。

皮层区域由其独特的微观结构、连接性、拓扑结构和功能定义。理想情况下，我们希望在体内估计所有这些特征，但皮层区域的位置在不同个体之间可能会有超过10毫米的差异，因此这些结果不能准确地应用于其他个体。目前，皮层区域的微观结构通常通过体外方法进行估计，虽然已经有一些非侵入性神经成像方法的尝试，但它们的分辨率远低于体外方法。皮层不同位置的功能可以通过体内基于任务的激活研究或病变研究进行近似，但这些研究通常一次只关注一个大脑位置，不太适合识别所有皮层区域。元分析方法可以结合数百或数千项此类研究，从而用于推导皮层图谱。拓扑结构也可以从功能激活研究中推导出来，但单独使用这一特征无法创建完整的皮层图谱。

相比之下，通过非侵入性成像方法可以在几分钟内估计整个大脑的连接性。功能连接性通常被定义为功能激活模式的同步性，近年来，它已被广泛用作估计大脑分区的特征。结构连接性可以通过水扩散率来评估，旨在识别白质轴突。连接性相对于其他特