六腦結(jié)構(gòu)定量分析

腦結(jié)構(gòu)及功能定量研究可定量灰質(zhì)體積改變，像數(shù)改變，可計(jì)算給個(gè)ROI各個(gè)數(shù)值及顯著差異區(qū)域各種值可計(jì)算每個(gè)差異區(qū)體素，體積及顯著差異體素占腦區(qū)百分比計(jì)算各個(gè)皮層厚度或統(tǒng)計(jì)后顯著差異的不規(guī)則區(qū)腦區(qū)厚度，曲度，面積等CorticalThicknesswhite/graysurfacepialsurfacelh.thickness,rh.thicknessDistancebetweenwhiteandpialsurfacesOnevaluepervertexSurface-basedmoreaccuratethanvolume-basedCurvature(Radial)CircletangenttosurfaceateachvertexCurvaturemeasureis1/radiusofcircleOnevaluepervertexSigned(sulcus/gyrus)Actuallyusegaussiancurvaturelh.curv,rh.curvQSM腦鐵定量分析做的是高原地域?qū)δX的影響MRE彈力成像BOLD血氧飽和依賴腦功能成像，RESTFMRIicapcabctEffectofSmoothingonActivationWorkingmemoryparadigmFWHM:0,2,4,6,8,10,12,14,16,18,205HT4BPAsymmetryStudy(N=16)Surface

SmoothingVolumeSmoothingLeft>RightRight>Leftp<10-2p<10-3p<10-3p<10-2N-BackWorkingMemoryLoadOneBack

TwoBackThreeBack激活面積計(jì)算及腦區(qū)內(nèi)體素非相干運(yùn)動(dòng)估計(jì)Intra-voxelincoherentmotionestimation{0,40,1000,240,10,750,90,390,170,10,620,210,100,0,530and970}F微血管體積分?jǐn)?shù)D擴(kuò)散系數(shù)D*毛細(xì)血管內(nèi)的血液流動(dòng)圖，反映P與D結(jié)果。，復(fù)雜腦網(wǎng)絡(luò)同時(shí)它也是極為精巧和完善的信息處理系統(tǒng)。人類大腦的神經(jīng)細(xì)胞總數(shù)約為1012個(gè)，相當(dāng)于整個(gè)銀河系星體的總數(shù)。此外，還有比神經(jīng)細(xì)胞多10-50倍的神經(jīng)膠質(zhì)細(xì)胞。大腦掌管著人類每天的語言、思維、感覺、情緒、運(yùn)動(dòng)等高級活動(dòng)。越來越多的學(xué)者認(rèn)為，揭示大腦的奧秘將是人類面臨的最大挑戰(zhàn).無論在研究大腦神經(jīng)網(wǎng)絡(luò)的聯(lián)想記憶和模式分割，還是在研究大腦神經(jīng)系統(tǒng)的混沌控制與混沌同步時(shí)，神經(jīng)元之間或者神經(jīng)元集群之間的拓?fù)浣Y(jié)構(gòu)都是一個(gè)值得考慮的問題，經(jīng)由這些拓?fù)浣Y(jié)構(gòu)所構(gòu)成的復(fù)雜腦網(wǎng)絡(luò)從本質(zhì)上決定了整個(gè)大腦的工作情況。如果我們能夠盡可能按照真實(shí)的復(fù)雜腦網(wǎng)絡(luò)所遵循的拓?fù)浣Y(jié)構(gòu)，以神經(jīng)元的數(shù)學(xué)模型方程作為節(jié)點(diǎn)構(gòu)成網(wǎng)絡(luò)對大腦的生理學(xué)行為進(jìn)行模擬，必然會(huì)得出更加接近真實(shí)的結(jié)論。早期的神經(jīng)科學(xué)研究著重強(qiáng)調(diào)各腦區(qū)功能的定位，而現(xiàn)代的觀點(diǎn)卻傾向于運(yùn)用復(fù)雜網(wǎng)絡(luò)的方法分析不同層次神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和動(dòng)力學(xué)行為。復(fù)雜網(wǎng)絡(luò)是近十年新興起的一個(gè)學(xué)科，以小世界效應(yīng)和無標(biāo)度特性為代表的復(fù)雜網(wǎng)絡(luò)吸引了越來越多人的關(guān)注，并廣泛應(yīng)用到不同的學(xué)科當(dāng)中。運(yùn)用復(fù)雜網(wǎng)絡(luò)知識(shí)體系，對大腦網(wǎng)絡(luò)的建模及其動(dòng)力學(xué)分析，已成為神經(jīng)科學(xué)的熱門課題。

節(jié)點(diǎn)（node）：彼此相互作用的小的單元，在這些小單元的內(nèi)部，也存在相互的作用。（如圖A中黑色的點(diǎn)，其與邊相連接）。

邊(edge)：指節(jié)點(diǎn)之間的連接，分為結(jié)構(gòu)連接，功能連接以及效用連接。結(jié)構(gòu)連接主要基于解剖及影像學(xué)技術(shù)（如DTI）等對大腦的解剖連接進(jìn)行描述。功能連接是依據(jù)功能磁共振、腦電圖腦磁圖測量的信號來構(gòu)建，是時(shí)間相關(guān)性及數(shù)據(jù)依賴性的連接。效用連接指節(jié)點(diǎn)與節(jié)點(diǎn)間的相互影響，或信息的流向，是有向網(wǎng)絡(luò)，圖中常用有向箭頭表示。三種連接及節(jié)點(diǎn)分別構(gòu)成了結(jié)構(gòu)網(wǎng)絡(luò)、功能網(wǎng)絡(luò)及效用網(wǎng)絡(luò)。

最短路徑長度(shortestpathlength)：網(wǎng)絡(luò)的信息傳輸，某一節(jié)點(diǎn)到達(dá)另外節(jié)點(diǎn)的最佳路徑。

集群系數(shù)(clusteringcoefficient)：網(wǎng)絡(luò)的集團(tuán)化程度，某一節(jié)點(diǎn)鄰居互為鄰居的可能。

模塊(module)：模塊是網(wǎng)絡(luò)中內(nèi)部連接密集但對外連接稀疏的節(jié)點(diǎn)集團(tuán)靜息態(tài)態(tài)網(wǎng)絡(luò)Differenttypesofactivitytime‐coursecorrelations:?IntrinsicFunctionalconnectivityUnconstrained(“resting‐state”)activitycorrelations,interpretedasreflectingintrinsicfunctionalconnectivity.?Context‐dependentFunctionalconnectivityPhysiologicalcorrelationasmodulatedbypsychologicalvariable(s),interpretedasreflectingcontext‐dependentchangesinconnectivity.定量分析需要選擇與血流動(dòng)力狀態(tài)相匹配的藥物動(dòng)力學(xué)模型，目前DCE-MRI常用模型是由1997年報(bào)道的Tofts模型，主要是雙輸入雙室模型和雙輸入單室模型。定量分析需要在特定的軟件中輸入動(dòng)脈輸入函數(shù)（arterialinputfunction，AIF）及組織中對比劑濃度等因素，計(jì)算出反映組織血管化程度和血流灌注的參數(shù)值。最常用的定量分析參數(shù)包括：①容量轉(zhuǎn)移常數(shù)（transferconstant，Ktrans）：單位時(shí)間內(nèi)單位體積組織中從血液進(jìn)入血管外細(xì)胞外間隙（extravascularextracellularspace，EES）的對比劑攝取，主要取決于滲透性和血流性；②組織間隙-血漿速率常數(shù)（interstitium-to-plasmarateconstant，Kep）：單位體積組織內(nèi)EES的體積百分比；③血管外細(xì)胞外間隙容積分?jǐn)?shù)（extravascularextracellularspacevolumefraction，Ve）：單位時(shí)間內(nèi)由EES進(jìn)入血管的對比劑量。以上三個(gè)參數(shù)存在數(shù)學(xué)關(guān)系：Kep=Ktrans/Ve，這意味著Ktrans、Ve值的影響因素都有可能影響Kep值。目前，在肝臟內(nèi)還可以測量的定量分析參數(shù)包括：動(dòng)脈分?jǐn)?shù)（arterialfraction，ART），門脈分?jǐn)?shù)（portalvenousfraction，PVF），全肝灌注量（absolutetotalliverbloodflow，F(xiàn)t）及肝動(dòng)脈灌注量（absolutearterialp