知识点：脑网络笔记
小世界特性：网络具有小的特征路径长度和大的聚类系数
脑功能的两个基本组织原则：功能性分化（segregation）、功能性整合(integration)
功能性分化：
空间距离邻近的神经元彼此之间连接的概率较高，并形成具有一定独立功能的单元，大脑神经连接网络的聚类系数可以反映这一特征
功能性整合：
空间远离的神经元彼此之间连接的概率较低，大脑神经连接网络的特征路径长度可以反映这一特征
网络（图论中）：
可抽象为节点集N={n1,n2,…,nN}和边集L={l1,l2,…,lK}组成的图
分为：无向网络（undirected network）、有向网络（directed network）、加权网络（weighted network）、有向加权网络（directed weighted network）
**度：**degree，与节点相连接的边的数目。
出度：out-degree，有向网络中从该节点指向其他节点的边的数目
入度：in-degree，有向网络中从其他节点指向该节点的边的数目
节点强度：node strength，加权网络中与该节点相连的边的权重和
距离：
**特征路径长度：用来刻画网络的全局连接特征，**网络中任意两节点之间的距离的平均值
**效率：**efficiency，网络中所有的节点间的距离的调和平均的倒数；效率的值越大，表示信息或能量等在该网络上进行交换所需的代价越小。
**聚类系数：用来刻画网络的局部连接特征，**对于度为ki的节点ni，其聚类系数定义为ni与相连的ki个节点之间实际存在的边数ei与这些节点之间总的可能的边数之比
**整个网络的聚类系数：**各个节点的聚类系数的均值，它可以描述网络中节点之间的连接紧密程度
**介数：**betweenness centrality
中枢点：hub
连接中枢点：connector hub
区域中枢点：provincial hub
社团：community
随机网络：random network，具有小的特征路径长度和小的聚类系数
规则网络：regular network，具有大的特征路径长度和大的聚类系数
复杂网络：介于随即网络和规则网络之间的具有复杂拓扑特性的网络，其中最著名的两种复杂网络是小世界网络和无标度网络。
小世界网络：既具有与规则网络类似的聚类特性( 即较大的聚类系数) ，又具有与随机网络类似的较小的特征路径长度。
无标度网络：其节点的度分布具有幂律( powerlaw)形式。
大脑神经连接网络可分为结构性脑网络、功能性脑网络、因效性脑网络
结构性脑网络：structural brain networks 或 anatomical brain networks，由神经单元之间的解剖性连接构成，反映大脑的生理结构
功能性脑网络：functional brain networks，描述脑网络各节点之间的统计性连接关系，为无向网络
因效性脑网络：effective brain networks，描述脑网络各节点之间的相互影响或信息流向，为有向网络。因效性脑网络实际上也是一种由功能性连接构成的网络，只不过其功能性连接是有向连接。
研究手段：结构性脑网络主要基于MRI 和DTI 等能反映脑的生理结构的影像手段来研究，而功能性脑网络和因效性脑网络主要是基于EEG、MEG 和fMRI 等反映大脑功能的脑成像手段进行探索。
脑网络中：
节点在不同尺度上可由神经元、局部场电位( local field potential，LFP) ，以及感兴趣脑区( region of interest，ROI) 等定义而成
边：对应神经元之间的电连接或化学连接，或各LFP 之间以及ROI 之间的相互关系( 如相关性) 则被定义为连接节点的边
**权重：**连接或相互关系的强度即为连接边的权重
**聚类系数：**脑网络的聚类系数反映了大脑皮层的功能性分化机制，即局部脑功能区域内的神经元之间连接紧密程度。
**特征路径长度或效率：**对于功能性脑网络，其特征路径长度或效率可以刻画大脑在进行认知等任务时能量及物质消耗是否“经济”
参考：
孙俊峰,洪祥飞,童善保.复杂脑网络研究进展——结构、功能、计算与应用[J].复杂系统与复杂性科学,2010,7(04):74-90.