人脑，探索简化
与理解

宇宙中最复杂的物质

当前，理解和治疗脑部疾病的方法都非常复杂。除了有可见的结构性病变的疾病外，一直以来，仅靠观察这一器官在解释和治疗神经系统疾病方面几乎没有什么帮助。相关的症状和外在行为表现是必要的观察研究对象。

确实，人类连接组计划（Human Connectome Project - HCP）证实了许多人的猜想-大脑的复杂性的确超出了我们人类所能理解的范围。传统的大脑观点，例如，Brodmann 功能分区，它根本无法全面解释诸如语言和认知等高级功能以及精神疾病的相关问题。

走进曦嘉

尽管如此，有了HCP计划，我们有望开始通过功能而非解剖信息来量化和罗列大脑区域。通过将数字化纤维束成像和fMRI影像相结合，现在可以创建个体化的连接组脑图，并挖掘出比以往更多的数据信息。

但是，这也引发出一个问题，就是数据太多，现实环境中的大多数临床和科研中心无法处理这么多数据。所以激发了一种矛盾，即使可以用连接组学数据来更好的理解人类大脑和治疗脑部疾病，但却不实用。

的确，行业内有越来越多的计算神经科学家的涌入，种种迹象表明，除了被视作生物学问题，大脑更应该被视为数据问题；但对大多数医院和神经科学中心来说，相关资源和人力的配备是不足的。

可视化T1解剖学MRI影像用以分析数据的配准。

从传统的分方法来看，这类影像基本不能提供脑功能相关信息。注意，该患者患有高级别蝴蝶状神经胶质瘤。

我们通过限制球星卷积（CSD）纤维束成像可视化大脑的结构连接。

与标准弥散张量成像（DTI）相比，CSD技术的应用解决了体素内交叉纤维的影响。

借助我们的内部专利技术，对应人类连接组计划发现和描述的皮层的“功能分区”或功能区域将针对特定个体进行映射并绘制出个体化图谱，即便是在神经胶质瘤周围的区域也能得到准确的描绘。

我们对功能区之间的连通性进行了检测，能代表100,000个以上的数据点。

通过简单的选择，可以灵活选择并查看感兴趣的大脑网络。

图中所示为患者的中央执行网络（CEN）的3D绘图。

我们将连通性分析集中在相关区域。

红色-正相关
蓝色-负相关

接下来，我们使用机器学习来确定患者大脑连接活动偏离正常大脑的区域（由用户定义的与正常大脑连接性的标准偏差水平确定）。

蓝色代表低连通
红色代表超连通

通过选择感兴趣区域，软件会自动将这些分析结果重新配准回解剖学视图。

经过简单的几个处理步骤，我们现在发现了一个具有功能和结构意义的重要区域，我们可以将其导出并进一步研究。