大脑皮层功能梯度的意义及其计算

功能梯度的意义

• 功能梯度反映了大脑皮层的功能结构（层级），主梯度反映了从视觉、运动皮层到DMN网络的功能结构（低级到高级功能），第二梯度只在视觉、听觉、运动区域（低级功能区域）分布

               

• 默认模式网络DMN位于主梯度的一端为理解其在认知中的作用提供了一个组织原则，ＤＭＮ与感知和行动的系统（听觉、视觉、运动区域）之间的距离最大，表明ＤＭＮ的神经活动与直接的环境输入相对隔离

功能梯度的计算

1. 提取每个脑区的BOLD时间信号
2. 对两两脑区的BOLD时间信号进行皮尔逊相关，得到功能连接矩阵
3. 计算功能连接矩阵水平（或竖直）方向向量两两之间的相似性（例如余弦相似度），得到相似矩阵
4. 对相似矩阵进行降维（例如主成分分析或者扩散降维），得到各成分
5. 权重（方差）最大的轴即为主梯度轴
6. 映射得到所有脑区的梯度值，进而可视化功能梯度的分布图

参考文献:

Margulies D S, Ghosh S S, Goulas A, et al. Situating the default-mode network along a principal gradient of macroscale cortical organization[J]. Proceedings of the National Academy of Sciences, 2016, 113(44): 12574-12579.

Yang S, Meng Y, Li J, et al. The thalamic functional gradient and its relationship to structural basis and cognitive relevance[J]. Neuroimage, 2020, 218: 116960.