14、功能网络与交互的整体图谱（HAFNI）：原理、应用与展望

功能网络与交互的整体图谱（HAFNI）：原理、应用与展望

1. 引言

理解大脑功能的组织结构是神经科学领域长期以来的追求，它在很大程度上定义了我们的本质和身份。经过数十年的积极研究，功能磁共振成像（fMRI）因其非侵入性和活体检测的特性，成为了一种广泛应用的神经成像技术。

1.1 fMRI技术概述

fMRI主要通过利用大脑神经活动与血液动力学之间的关系，来探索大脑的功能活动。自1990年诞生以来，现代fMRI技术在过去十年中得到了广泛应用，成为研究大脑功能的重要手段。其中，任务态fMRI（tfMRI）常用于在特定任务刺激下绘制和定位功能特化的大脑区域；静息态fMRI（rsfMRI）则基于静息态fMRI时间序列中相关大脑活动模式具有相似低频振荡的事实，越来越多地用于探索和绘制内在连接网络（ICNs）。

1.2 fMRI信号分析方法

在计算神经科学领域，已经开发了多种针对fMRI血氧水平依赖（BOLD）信号分析的计算和统计方法，用于激活检测和潜在功能网络建模。其中，广义线性模型（GLM）和独立成分分析（ICA）是tfMRI和rsfMRI中应用最广泛的方法。

• GLM ：作为一种线性模型，它将观测值或响应表示为一系列已知因素的线性组合。对于tfMRI，外部刺激可以通过与血液动力学响应函数（hrf）卷积来构建回归因子（设计矩阵），分析结果是每个体素的统计量（如z分数），用于指示该体素的响应是否与任务相关。
• ICA ：基于矩阵分解，其目标是最大化任意两个成分之间的统计独立性。ICA方法旨在探索能够解释静息态大脑活