中国科学院自动化所提出基于多模态融合的个体化脑功能区划分方法

主要观点总结

本文介绍了神经科学实用图书和近期关于个体大脑分区研究的进展。包括多模态脑连接个体化分区方法（MCIP）和基于任务激活图合成的多模态个体化分区方法（TS-AI）的研究。这两种方法都旨在更准确地描述脑功能和结构组织，为个体化脑图谱的构建提供更丰富、更可靠的信息基础。

关键观点总结

关键观点1: 神经科学实用图书推荐：《鼠脑应用解剖学》和《精神疾病啮齿类动物模型及行为学实验》。

这两本书为神经科学研究提供了实用的工具和参考。

关键观点2: 个体大脑分区研究的重要性。

个体大脑分区研究对于全面理解大脑功能和行为的个体变异、早期精确识别大脑异常，以及为神经精神疾病提供个性化治疗至关重要。

关键观点3: 多模态脑成像技术在个体大脑分区研究中的应用。

利用磁共振影像绘制个体脑图谱的方法包括利用静息态功能磁共振影像（rsfMRI）、弥散磁共振成像（dMRI）和结构磁共振成像（sMRI）等。然而，这些方法往往仅利用某一特定模态磁共振影像提供的个体信息，忽视了多种模态影像之间互补的结构和功能模式。

关键观点4: MCIP和TS-AI方法的关键特点。

MCIP融合了rsfMRI和dMRI，旨在最大化脑区内功能连接和解剖连接的同质性。TS-AI利用dMRI、rsfMRI预测任务功能磁共振影像（tfMRI）对比图，帮助脑图谱的个体化。这两种方法都有助于更准确地描述脑功能和结构组织。

关键观点5: 相关研究的重要性和应用前景。

这项研究对于理解大脑功能和行为的个体差异、早期识别大脑异常以及为神经精神疾病提供个性化治疗具有重要意义。相关研究得到了科技创新2030-“脑科学与类脑研究”重大项目和国家自然科学基金委项目的资助。