脑网络初探

因为导师研究的方向是基于脑网络的图像处理和疾病分类，这些对于我来说都是崭新的东西，决定来开一个帖，积累一下知识。

脑网络研究

脑网络研究可以分为两个部分，一是基于测量数据的研究，二是基于计算模型的研究。

       基于测量数据的研究，测量数据主要来源于大脑结构性连接数据和大脑功能性连接数据，计算预先定义的各脑区或节点的连接关系，然后构建网络进行分析。大脑结构性连接数据来源：MRI和DTI。MRI是磁共振成像的英文缩写，DTI则是MRI的特殊形式，弥散张量成像，如果说MRI是追踪水分子中的H原子，DTI便是通过水分子移动方向制图，弥散，是分子的随机不规则运动，体内物质转运方式之一，也称为布朗运动。大脑功能性连接数据来源：fMRI,EEG,EMG。fMRI是功能性磁共振成像，是一种非介入的技术，利用磁振造影来测量神经元活动所引发之血液动力的改变。其时间分辨率能够达到1s，所以可以实时跟踪信号的改变，而MRI造影时间长，没有此种优点。EEG，Electroencephalogram，脑电波；EMG，Electromyogram，肌电图。基于测量数据建立的大脑网络，运用复杂网络观点，运用图论的有关知识，得出了大脑网络具有无标度和小世界两种特征。

       基于计算模型的研究，基于特定的神经计算模型来进行研究，这些模型往往由互相耦合的振子构成，每个振子是一个具有若干个状态变量的微分方程组，该微分方程能表征一定的神经元或神经元集群的动力学行为，振子之间的耦合关系可以复制为满足某种概率分布的随机变量，也可以由大脑结构性连接来确定。

---

小世界网络：https://baike.baidu.com/item/%E5%B0%8F%E4%B8%96%E7%95%8C%E7%BD%91%E7%BB%9C，小世界是这样的一种图模型，在图中大部分节点不与其他节点相连接，但是可以经任意其他点通过一步或者几步与其余点相连接。

无标度网络：在无标度网络中，少部分的节点拥有大量的连接，大部分的节点的连接数则不多，无标度网络具有严重的异质性，其各节点之间的连接状况（度数）具有严重的不均匀分布性：网络中少数称之为Hub点的节点拥有极其多的连接，而大多数节点只有很少量的连接。少数Hub点对无标度网络的运行起着主导的作用。

---