22、多元网络分析在情景记忆认知神经科学中的应用与挑战

多元网络分析在情景记忆认知神经科学中的应用与挑战

1. 多元网络分析的背景与优势

随着基于种子区域的分析越来越多，多元网络分析方法可能会使识别出的（显著的）功能连接迅速增加。要清晰地描述和总结不同且空间上分散的大脑区域之间众多的直接和间接功能连接是一项具有挑战性的任务。幸运的是，图论为描述大量功能连接的拓扑组织提供了一套严谨的工具。图论指标可以提供每个大脑区域与其他所有大脑区域直接和/或间接连接的信息。

一些基于任务的功能性神经影像学研究已经确定了一个或多个先验选择的种子区域与其他不同大脑区域之间特定功能连接的强度和方向的变化，这些变化有助于情景记忆功能的实现。与单变量激活效应相比，这些研究为大脑如何实现情景记忆提供了新的见解。在研究大脑在情景记忆中发挥作用的整合特性时，采用多元网络方法进行新发现具有额外的价值。大规模复杂网络分析结合图论的形式主义，为情景记忆的神经实例提供了新的视角。

这允许采用更具探索性的全脑方法来描述不同的功能交互模式如何实现情景记忆，因为研究人员可以同时考虑所有大脑区域之间的所有可能连接。相比之下，对某些大脑区域子集进行基于种子的分析，可能会遗漏未研究大脑区域之间的显著连接，即使这些连接可能对认知表现或行为具有高度预测性。因此，这种方法将提供一个不必要的受限和不完整的与认知表现或行为相关的连接特性图景。如果任意两个大脑区域之间存在显著的功能连接，就可以以有意义的方式将其纳入多元网络分析中，而无需先验地选择某些大脑区域子集来完成对神经影像学数据的有意义分析。

2. 图论在大脑网络分析中的应用

所有模拟现实世界网络的图都由系统的可区分元素（节点）和这些元素之间的成对关系（边）组成。邻接矩阵，即行和列都由元素（节点）的