《大话脑成像》系列之二：不同模态脑网络的构建

医学影像人：影像科研为特色，介绍国内外影像相关研究进展，主要分享Radiology，RadioGraphics杂志原文及精选编译，收集上百篇RadioGraphics精选编译，300例精选病例库。

来源： 思影科技

作者： 杨田雨，杨晓飞

接上回（《大话脑成像》系列之一：浅谈功能脑网络）

只见孔乙己涨红了脸，额上的青筋条条绽出，争辩道，“这不能算报错……是BUG！……写代码的事，能算错么？”接连便是难懂的话，什么“涡旋噪声”、“敏捷开发”之类，引得众人哄笑起来。

这个时候，我可以附和着笑，老板决不责备的。孔乙己知道自己不能与众人聊天，只好和我这年轻人攀谈起来，“小兄弟，你可知道不同模态脑网络有四种构建方式？”我说，“当然知道啊，刚才还讨论过功能脑网络呢。”孔乙己像找到了知音一样，“对对对，孺子可教”，于是把82年的可乐放在前台上，拿手蘸可乐在台面上画了起来。

（你没看错，还是这幅图  ^_^" ，只不过把time points换成了subject）

“你看，功能脑网络既然你已经会了，现在看一下结构脑网络。”“假定我们有100名被试，并计算出了红色脑区和蓝色脑区的平均灰质密度值（GMV），我们是不是得到了100个红区的GMV和100个蓝区的GMV？同样地，把红区的100个GMV值和蓝区的100个GMV值做相关，就得到了红区和蓝区的相关值，也就是红区和蓝区的连边。当我们把所有脑区间的GMV相关计算出来后，就得到了所谓的结构共变脑网络。只不过，这个脑网络一组被试才能构建一个。”

（同一个被试，每隔三个月扫描一次T1像）

“当然啦，结构脑网络也可以仿照功能脑网络的方式构建。看我画的第二张图，假设每个被试都每隔三个月扫描一次T1像，至今扫描了12次。那么对每个被试的红蓝脑区，可分别计算出12个GMV值，对红蓝脑区的12个GMV值做相关即得到红蓝脑区间的连接值。通过这种方式，每个被试都可以得到对应的结构脑网络，是不是很类似于功能脑网络？”

听到这里，我打断了孔乙己：“你真牛，竟然能一个被试采集十几次？”

孔乙己显出一副得意的神情，“那是自然，孔某少时曾于西洋攻读博士，师从脑成像领域的爱因斯坦...”

“然后呢？”

孔乙己立刻显出颓唐不安的模样，“然后就连续扫了几年。。”

“然后你就毕不了业了吧！哈哈。。”

（红蓝脑区间追踪出了5条纤维束，依然是荡漾的画风）

孔乙己再次涨红了脸，争辩道“是延期，不是毕不了业，是延期,往事不提，不提。。。现在看一下白质纤维束脑网络。首先，基于DTI成像，使用纤维追踪技术（以确定性纤维追踪为例）可以追踪出两个脑区间的纤维束。”

（红蓝脑区间的连接值为5）

“如果两个脑区间存在纤维束，就认为它们之间存在连接，连接强度即为纤维束数量。也就是说，在确定性纤维追踪中，我们可以以脑区为节点，纤维束数量值为边构建白质脑网络。同样地，每个人都可以得到一个纤维束脑网络，是不是也很简单？”

（加权脑网络的邻接矩阵表示）

“至此，你已经知道了4种脑网络构建方式。这里我再补充一个概念：加权网络和二值网络。每个脑网络都可以表示为邻接矩阵的形式，参考上图，横轴和纵轴都是脑区编号，横纵交叉的地方就是相应脑区间的连接值（颜色随连接值大小变化），这种网络就是加权网络。”

（二值网络的邻接矩阵表示）

“我们可以设定一个阈值，当连接值大于这个阈值时，就视为1（有连接）；小于这个阈值时，就视为0（无连接），这样就得到一个只区分有连接或者无连接的二值网络。其实，我们很多脑网络指标（出入度、局部效率等）都是在二值网络上计算的...”

听着孔乙己的BlaBlaBlaBla，我已经快要睡着了。孔乙己有些尴尬，着急了，拍了一下我肩膀，“小兄弟，记着！这些将来评教授，发paper要用的！”我感到好气又好笑，“离教授还远着哪。。。”

我问道：“说了这么多用DTI和结构数据做脑网络，你会算DTI和皮层厚度麽？”，孔乙己道“我当然会。。。。。。我曾经在思影科技接受过指点，不信你看以下链接：