第３４卷第６期 北京生物医学工程 Ｖ０１．３４ Ｎｏ．６

２０１５年１２月 Ｂｅｉｊｉｎｇ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｄｅｃｅｍｂｅｒ ２０１５

・综 述・

基于ｆＮＩＲＳ的脑功能连接研究综述
赵佳

摘 要 脑功能连接是指脑皮质区域问在神经生理活动上的相互关联，在大脑功能分析中具有重
要的地位和作用。功能性近红外光谱技术（ｆｕｎｃｔｉｏｎａｌ ｎｅａｒ．ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ，ｆＮＩＲＳ）作为一种新兴的
神经影像学工具在脑功能连接的研究领域中愈加受到重视。本文首先简要介绍了ｆＮＩＲＳ应用于脑功能
检测的基本原理，并结合ｆＭＲＩ从多角度分析了ｆＮＩＲＳ应用在静息态脑功能连接研究中的优势与可行
性，然后重点介绍了脑功能连接的两种主要分析方法——种子相关分析和基于图论的静息态复杂脑网
络分析，最后讨论了基于ｆＮＩＲＳ的脑功能连接在认知障碍及相关疾病研究中的应用，使读者对基于
ｆＮＩＲＳ的脑功能连接的基本理论、研究方法及发展现状有一个较为清晰全面的了解。
关键词 功能性近红外光谱技术；功能连接；复杂脑网络；图论；／Ｊ、世界特性

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００２—３２０８．２０１５．０６．１７．
中图分类号 Ｒ３１８．０４ 文献标志码 Ａ 文章编号 １００２－３２０８（２０１５）０６－０６３３－０６

Ｒｅｖｉｅｗ ｏｆ ｆｕｎｃｔｉｏｎａｌ ｂｒａｉｎ ｃｏｎｎｅｃｔｉｖｉｔｙ ｂａｓｅｄ ｏｎ ｆＮＩＲＳ

ＺＨＡＯ Ｊｉａ

Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０００４４

【Ａｂｓｔｒａｃｔ】 Ｆｕｎｃｔｉｏｎａｌ ｂｒａｉｎ ｃｏｎｎｅｃｔｉｖｉｔｙ ｒｅｆｅｒｓ ｔｏ ｔｈｅ ａｓｓｏｃｉａｔｉｏｎｓ ｂｅｔｗｅｅｎ ｄｉｆｆｅｒｅｎｔ ｃｏｒｔｉｃａｌ ａｒｅａｓ

ｄｕｒｉｎｇ ｔｈｅ ｎｅｕｒａｌ ｐｈｙｓｉｏｌｏｇｉｃａｌ ａｃｔｉｖｉｔｙ，ｗｈｉｃｈ ｐｌａｙｓ ａｎ ｉｍｐｏｒｔａｎｔ ｒｏｌｅ ｉｎ ｔｈｅ ｏｆ ｂｒａｉｎ
ａｎａｌｙｓｉｓ

ｆｕｎｃｔｉｏｎ．Ｆｕｎｃｔｉｏｎａｌ ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ（ｆＮＩＲＳ）ｈａｓ ｂｅｅｎ ｐａｉｄ ｍｏｒｅ ａｎｄ ｍｏｒｅ ａｔｔｅｎｔｉｏｎ ｉｎ ｔｈｅ ｆｉｅｌｄ ｏｆ

ｆｕｎｃｔｉｏｎａｌ ｂｒａｉｎ ｃｏｎｎｅｃｔｉｖｉｔｙ．Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｗｅ ｆｉｒｓｔ ｂｒｉｅｆｌｙ ｉｎｔｒｏｄｕｃｅ ｔｈｅ ｂａｓｉｃ ｐｒｉｎｃｉｐｌｅ ｏｆ ｆＮＩＲＳ，ａｎｄ

ｓｕｍｍａｒｉｚｅ ｔｈｅ ａｄｖａｎｔａｇｅ ａｎｄ ｆｅａｓｉｂｉｌｉｔｙ ｏｆ ｆＮＩＲＳ ｔｏ ａｓｓｅｓｓ ｒｅｓｔｉｎｇ－ｓｔａｔｅ ｆｕｎｃｔｉｏｎａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ ｉｎ ｃｏｍｐａｒｉｓｏｎ

ｗｉｔｈ ｆＭＲＩ．Ｔｈｅｎ ｔｗｏ

ｔｙｐｉｃａｌ ｍｅｔｈｏｄｓ ｏｆ ａｎａｌｙｓｉｓ ｏｆ ｆｕｎｃｔｉｏｎａｌ ｂｒａｉｎ ｃｏｎｎｅｃｔｉｖｉｔｙ ｂａｓｅｄ ｏｎ ｆＮＩＲＳ ａｒｅ ｒｅｖｉｅｗｅｄ，

ｎａｍｅｌｙ ｓｅｅｄ－－ｂａｓｅｄ ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ａｎｄ ｒｅｓｔｉｎｇ－－ｓｔａｔｅ ｃｏｍｐｌｅｘ ｂｒａｉｎ ｎｅｔｗｏｒｋ ａｎａｌｙｓｉｓ ｂａｓｅｄ ｏｎ ｇｒａｐｈ・－

ｔｈｅｏｒｅｔｉｃａｌ．Ｆｉｎａｌｌｙ，ａ ｄｉｓｃｕｓｓｉｏｎ ｏｎ ｔｈｅ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｆｕｎｃｔｉｏｎａｌ ｂｒａｉｎ ｃｏｎｎｅｃｔｉｖｉｔｙ ｆｏｒ ｔｈｅ ｓｔｕｄｉｅｓ ｏｆ ｃｏｇｎｉｔｉｖｅ

ｄｙｓｆｕｎｃｔｉｏｎ ａｎｄ ｒｅｌａｔｅｄ ｍｅｎｔａｌ ｉｌｌｎｅｓｓ ｉｓ ｐｒｏｖｉｄｅｄ．Ｒｅａｄｅｒｓ ｃａｎ ｈａｖｅ ａ ｃｌｅａｒ ａｎｄ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｕｎｄｅｒｓｔａｎｄｉｎｇ ｏｆ

ｔｈｅ ｂａｓｉｃ ｔｈｅｏｒｙ，ｒｅｓｅａｒｃｈ ｍｅｔｈｏｄｓ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｓｔａｔｕｓ ｏｆ ｆｕｎｃｔｉｏｎａｌ ｂｒａｉｎ ｃｏｎｎｅｃｔｉｖｉｔｙ ｂａｓｅｄ ｏｎ ｆＮＩＲＳ．

【Ｋｅｙｗｏｒｄｓ】 ｆｕｎｃｔｉｏｎａｌ ｎｅａｒ—ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ；ｆｕｎｃｔｉｏｎａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ；ｃｏｍｐｌｅｘ ｎｅｔｗｏｒｋｓ；ｇｒａｐｈ

ｔｈｅｏｒｙ；ｓｍａｌｌ－ｗｏｒｌｄ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ

ｓｐｅｃｔｒｏｓｃｏｐｙ，ｆＮＩＲＳ）是一种多功能神经影像学工具，
０引言 近年来在科学研究及临床医学领域中均得到广泛应
功能性近红外光谱技术（ｆｕｎｃｔｉｏｎａｌ ｎｅａｒ・ｉｎｆｒａｒｅｄ 用。相较于功能磁共振成像（ｆｕｎｃｔｉｏｎａｌ ｍａｇｎｅｔｉｃ

ｒｅｓｏｎａｎｃｅ
ｉｍａｇｉｎｇ，ｆＭＲＩ），ｆＮＩＲＳ除了其明显的便携
基金项目：中央高校基本科研业务费专项资金（２０１３ＪＢＺ０１４）资助 性，在神经领域的研究中还显示出更大的优势——
作者单位：北京交通大学计算机与信息技术学院（北京 １０００４４） 更高的时间采样率及更广泛的应用范围，从而为脑
通信作者：赵佳。Ｅ－ｍａｉｌ：１３１２０４６９＠ｂｊｔｕ．ｅｄｕ．ｃａ
功能连接的分析提供了有利的条件，并且以其更适

万方数据
 ・６３４・
合大规模数据采集等特点，多方面弥补了ｆＭＲＩ的不
足，为脑功能研究提供了又一种安全有效的成像
方式。
脑功能成像是研究大脑活动的基本手段之一，
而脑功能连接在大脑功能分析中具有重要作用。近
几年来，基于ｆＮＩＲＳ技术的脑功能连接研究已取得
初步进展，并逐渐投入到认知障碍与精神类疾病等
临床诊断中。本文首先介绍ｆＮＩＲＳ应用于脑功能检
测的基本原理，并从多角度将该技术与ｆＭＲＩ进行对
比，分析其在脑功能连接研究中的优势与可行性，之
后简述基于该技术的脑功能连接主要算法及应用，
并提出研究展望。
１ ｆＮＩＲＳ的基本原理
ｆＮＩＲＳ是指利用近红外光检测大脑皮质功能活
动的一项技术。研究表明：“人类大脑活动需要通
过血液的新陈代谢为脑神经元提供氧，当神经细胞
活动增强时，神经活动区域中血流携带氧的增加量
将超过局部神经元的耗氧量，导致激活区的脑血氧
量的大大增加，继而使处于活动状态的皮质区域出
现含氧血红蛋白（ｏｘｙｇｅｎａｔｅｄ ｈｅｍｏｇｌｏｂｉｎ，ＨｂＯ）浓度
上升、脱氧血红蛋白（ｄｅｏｘｙｇｅｎａｔｅｄ ｈｅｍｏｇｌｏｂｉｎ，
ＨｂＲ）浓度下降的现象。”¨引
通过大脑皮质的组织光学特性并凭借数学方法
可以间接获取血液中血红蛋白的浓度。近红外光线
对生物体具有强穿透性，组织中主要吸收光团为
ＨｂＯ与ＨｂＲ，且二者在光谱窗内（６００～９００ ｎｍ）特
定波段（７６０ ｎｍ左右及８５０ ｎｍ左右）对红外光具有
不同的吸收率¨ｏ。据此特性，可以将近红外光直射
于头皮表面，通过测定大脑皮质中散射光的强度，并
利用朗伯比尔定律（Ｂｅｅｒ—Ｌａｍｂｅｒｔ ｌａｗ）完成原始光
学数据到血氧浓度的转换∞ｏ，即可实现特定区域的
ＨｂＯ与ＨｂＲ浓度变化的多点同时测量，进而推知该
脑区的血氧与血容量变化。一般认为，大脑皮质中
的血氧与血容变化量是代表该脑区活动强度的重要
指标，因此，采用ｆＮＩＲＳ技术定位和测量局部脑皮质
的功能激活状态，并据此进行脑区间功能连接的研
究即成为可能。
２ ｆＮＩＲＳ较ｆＭＲＩ的优势
ｆＭＲＩ是目前最广泛使用的脑功能研究手段，其
空问分辨率达到毫米水平，能够对受试者进行反复
万方数据
北京生物医学工程 第３４卷
扫描，且具有对特定的大脑活动皮质区域进行准确
定位以及实时跟踪信号改变的能力。但是ｆＭＲＩ存
在着一定的局限性，如受试者活动范围狭小、设备噪
声过大等，使得ｆＮＩＲＳ在神经领域的研究中逐渐显
示出其优势”３。
时间采样率：ｆＭＲＩ的时间采样率一般限制在秒
级，而ｆＮＩＲＳ则能达到０．１ Ｓ级，因此后者可在更大
程度上排除各种生理噪声，获取完整的信号＂’。
测量指标：ｆＭＲＩ利用脱氧血红蛋白的磁敏感性
获得持续变化的电磁信号，理论上只能够提供脱氧
血红蛋白的信息，而ｆＮＩＲＳ则可同时测量含氧血红
蛋白和脱氧血红蛋白的浓度变化，通过对此两项指
标在各方面的一致性与差别性分析，可以更全面地
进行脑功能连接研究，从而提高准确性与可靠性。
实际应用：相较于ｆＭＲＩ，ｆＮＩＲＳ具有更强的实用
性。第一，ｆＮＩＲＳ系统使用成本低，操作便捷；第二，
它对于特殊人群具有更好的适用性，因此ｆＮＩＲＳ被
广泛应用于幼儿及特异病症患者的临床研究；第三，
它对运动不敏感，被试者可在自然环境中进行实时
检测而不必局限于狭小空间内；第四，ｆＮＩＲＳ的高时
间分辨率使得血氧信号的变化过程能够被更加完整
和准确地刻画出来，因而为脑功能连接的分析提供
了有利的条件；第五，ｆＮＩＲＳ允许长时问连续测量和
短时问内多次测量，并且更适合大规模的数据采集。
该大样本数据集不仅能够提高传统数理统计分析的
稳定性，同时也为机器学习的方法在脑功能数据分
析中的应用提供更多的训练和测试样本，很大程度
上解决了ｆＭＲＩ应用中样本过少的问题。
很多研究者致力于ｆＮＩＲＳ与ｆＭＲＩ的比较研究。
Ｋｌｅｉｎｓｃｈｍｉｄｔ¨１首次同时采用ｆＭＲＩ与ｆＮＩＲＳ技术探
究大脑初级感觉皮层的血氧变化；Ｋａｓｈｏｕ等¨１采用
ｆＭＲＩ进行空间定位、ｆＭＲＩ与ｆＮＩＲＳ共同对激活区进
行血氧水平监测来研究视觉皮质的激活情况；Ｔｏｎｇ
与Ｆｒｅｄｅｒｉｃｋ等¨１进一步将ｆＮＩＲＳ与ｆＭＲＩ低频振荡
信号同步采集，发现二者在全脑范围内广泛相关；
Ｈｅｉｎｚｅｌ等同样采用ｆＮＩＲＳ和ｆＭＲＩ两种成像模式进
行前额叶激活水平的检测，更加严谨地证明了二者
信号的时问序列的显著相关性。这些研究结果表
明，以ｆＮＩＲＳ代替ｆＭＲＩ进行人类脑功能连接的探究
存在可行性。
３基于ｆＮＩＲＳ的静息态脑功能连接分析
功能连接是指大脑皮质各区域之间在神经生理
第６期 赵佳，等：基于ｆＮＩＲＳ的脑功能连接研究综述 ・６３５・

活动上的相互关系。以往研究表明，大脑神经元在 研究者们常以ＳＣＡ结果作为对照组来证明某种方
静息状态下保持着与任务状态下几乎等同的能量消 法在脑功能连接研究中的有效性。例如Ｚｈａｎｇ
耗。１…，所以静息态的脑功能研究越来越受到人们的 等Ⅲ１分别采用传统ＳＣＡ法和独立成分分析法
重视。近年来，基于ｆＭＲＩ的静息态脑功能连接在认 （ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔｓ ａｎａｌｙｓｉｓ，ＩＣＡ）进行静息态
知障碍和精神类疾病的临床研究中的应用已取得多 脑功能连接研究并将二者结果作详细的分析与比
项成果，例如ｖａｎｄｅｎ Ｈｅｕｖｅｌ等…ｏ发现人类智商与 较，发现ＩＣＡ法在此项研究中具有较高的灵敏度与
静息态下脑功能网络的全局效率呈正相关关系； 特异性。
Ｂｕｃｋｎｅｒ等¨２１验证了大脑功能网络的核心节点与阿 此外，ＳＣＡ法可以较好地反映人脑神经生理特
尔兹海默病患者脑中Ｂ一淀粉样蛋白沉积区域的重 性。Ｗｈｉｔｅ等¨引采用近红外扩散光学色谱成像技术
合关联。 进行健康新生儿与早产儿的视觉功能差异的研究。
随着近红外脑功能成像技术的迅速发展，ｆＮＩＲＳ 首先依据解剖学定位标志将枕叶皮质内６ ｍｍ范围
以其各项优势为人类脑功能连接的研究提供了一条 确定为感兴趣区域，即种子区域，然后通过ＳＣＡ法
新的思路。Ｗｈｉｔｅ等‘１纠首次将ｆＮＩＲＳ技术应用到大 分析证明了早产儿与健康新生儿的视觉皮质均具有
脑运动皮质和视觉皮质的功能连接的研究中，并通 强双侧功能连接性。
过ｆＭＲＩ验证了ｆＮＩＲＳ在静息态脑功能连接的研究 然而，ＳＣＡ法中种子位置的定位精确程度对于
中的可行性；Ｋｏｚｅｌ等¨４１将ｆＮＩＲＳ与重复性经颅磁 功能连接的分析结果具有至关重要的作用，因此种

刺激（ｒｅｐｅｔｉｔｉｖｅ ｔｒａｎｓｃｒａｎｉａｌ ｍａｇｎｅｔｉｃ ｓｔｉｍｕｌａｔｉｏｎ， 子点的选取需十分谨慎。

ｒＴＭＳ）相结合，证明了该方法用于探究脑皮质的激 ３．２基于图论的静息态复杂脑网络构建

活状态与功能连接的可行性；Ｎｉｕ等¨纠采用两种扩 基于图论的分析方法以全脑相关分析为基础，
散光学色谱系统（ＤＹＮＯＴ和ＣＷ５）进一步评估了 可以从整体的角度表征脑功能网络的拓扑性质。

ｆＮＩＲＳ在静息态脑功能连接研究中的可行性与可重 ｆＮＩＲＳ数据能够有效地描述大脑神经活动，根据血
复性。 氧浓度准确定位局部激活区域，进而表征各脑区之

３．１种子相关分析法 间神经活动的相互关联及信息传递效率，从而为脑
相关分析是脑功能连接研究中最简单也最常用 功能网络的建立提供了可能。

的方法，是指使用相关系数来衡量区域问的功能连 节点定义：复杂网络的构建中最关键的一步是
接性。种子相关分析法（ｓｅｅｄ—ｂａｓｅｄ ｃｏｒｒｅｌａｔｉｏｎ 定义网络节点。基于ｆＭＲＩ的脑网络构建通常按照

ａｎａｌｙｓｉｓ，ＳＣＡ）即根据相关分析理论计算已选定的感 国际脑成像领域广泛使用的自动解剖标记
兴趣脑区与其他脑区之间的相关程度，并以此作为 （ａｎａｔｏｍｉｃａｌ ａｕｔｏｍａｔｉｃ ｌａｂｅｌｉｎｇ，ＡＡＬ）标准脑模板对
功能连接强度。 全脑进行划分，而采用ｆＮＩＲＳ数据则需要依据仪器
Ｌｕ等¨钊基于ｆＮＩＲＳ技术分别在大脑感觉运动 通道的配置，以每个通道为中心进行脑区划分，即在
皮质与听觉皮质上采用种子相关分析法获得静息态 覆盖全脑的前提下，建立与通道数量相等节点数的

脑功能连接图。具体而言，首先使用广义线性模型 网络。

（ｇｅｎｅｒａｌ ｌｉｎｅａｒ ｍｏｄｅｌ，ＧＬＭ）对每个通道的激活情况 相关性分析：通过朗伯比尔定律完成原始光学

进行估计，通过ｔ检验确定显著激活的通道，即视为 数据到血氧浓度的转换，经过预处理（去除高频生

种子点；然后将种子点与全脑其他各通道的时间序 理噪声、低频信号振荡等）之后，即得到各通道的时

列进行相关性分析，再通过统计方法判断哪些通道 间序列，并以此代表相应脑区的功能活动属性。节

与种子点密切相关，从而获得功能连接图；研究者于 点之间的连接边由时间序列之间的相关性来衡量。

该文中还采用数据驱动的聚类分析法进行相同目的 一般采用皮尔逊相关分析法计算相关性，其公式为：
五

的分析，发现二者所得的结果具有高度一致性，进一
＞：ｈ（磊）一互］［名ｉ（ｋ）一亏］ ‘

步验证了ｆＮＩＲＳ用于评估静息态脑功能连接的可 ｆ—ｌ

～２■彳二二＝＝二二；二二二二二二
行性。
ＳＣＡ法是脑功能连接中比较传统的分析方法。
＾／∑Ｉｘｉ（．｜｝）一五］２∑Ｅ ｘｊ（１｜｝）一亏］２

万方数据
 ・６３６・ 北京生物医学工程
式中：戈。（ｋ）与Ｘｊ（ｋ）为第ｉ与第Ｊ通道时间序列的第
ｋ个数据值；Ｋ为序列值总数；ｉｉ与孑，为该通道序列
的平均值。
由此得到一个ＮｘＮ阶对称相关矩阵（Ｎ为通道
总数），元素ｒ。表示两个节点之间的相关系数。
阈值设定：设定阈值的目的是将弱连接去除，同
时又要保证全网的联通性。一般以网络稀疏度Ｓ作
为衡量指标：．ｓ定义为网络中实际边连接数与理论
连接总数的商值，在一定程度上表征该网络的复杂
程度。Ｄｕａｎ等¨１在对利用ｆＮＩＲＳ与ｆＭＲＩ进行静息
态脑功能连接分析的有效性对比中，以稀疏度．ｓ作
为阈值并检测不同阈值下的网络指标（１０％～５０％，
间隔１％），发现两种成像模式下的结果具有高度一
致性‘４１。阈值的设定需要遵循两个原则：网络的节
点平均度应大于节点数的自然对数，即－＞ＩｎＮ‘１９］；
同时为了保证脑功能网络的稀疏性，稀疏度Ｊｓ要小
于５０％㈨０｜。
近年来，采用ｆＭＲＩ技术通过建立复杂脑网络进
行脑功能研究的方法已相对成熟，而多通道近红外
成像设备的迅速发展使得ｆＮＩＲＳ与图论相结合在脑
区尺度上构建脑功能网络也成为可能。Ｓａｓａｉ等心¨
通过同时采用ｆＮＩＲＳ与ｆＭＲＩ进行静息态脑功能连
接分析，发现二者结果的高度一致，从而证明了将近
红外技术应用于研究静息态脑功能网络特性的可行
性；Ｄｕａｎ等‘４１首次将ｆＮＩＲＳ与图论结合，将基于
ｆＮＩＲＳ与ｆＭＲＩ数据得到的脑功能连接激活图进行
相似度比对，进一步证明了上述结论¨１。
３．３小世界特性分析
生物网络在全局水平上具有更显著的信息传递
高效性与局部互联性，即“小世界”网络特性心川。
最短路径长度和聚类系数是复杂脑网络的两个常用
度量指标。
最短路径长度：平均最短路径长度是衡量网络
信息传递效率的指标，在生理学研究上具有重要意
义，例如，Ｌｉ等旧引采用ｆＭＲＩ技术研究证明大脑网络
的平均最短路径长度与智力水平（ＩＱ）呈显著负相
关。节点ｉ的最短路径长度Ｌ，定义为：
∑ｄ。
Ｌ。２等等
全网度量￡计算公式为：
万方数据
第３４卷
Ｌ：寺塞Ｌｉ
＝一、＞。．
Ⅳ台‘
式中：ｄｊｊ代表节点ｉ与节点Ｊ之间的最短路径；Ｎ为
网络总节点数¨…。
可以看出平均最短路径的计算必须基于全网连
通的前提。
聚类系数：聚类系数是衡量网络局部互联性的
指标，是研究网络模块化结构的重要参数。以往基
于ｆＭＲＩ的研究表明，某些认知功能障碍及精神类疾
病的诱发与脑功能网络模块化性质的改变密切相
关。例如：Ｂｒｉｅｒ等‘２引发现脑功能网络的聚类系数
即模块化程度受年龄的影响显著，这一发现对老年
痴呆症的预防具有重要意义。节点ｉ的聚类系数Ｃｊ
２Ｅ．
定义为：Ｃ。＝＿万二ｉ；全网度量Ｃ计算公式为：Ｃ＝
厅ｉＬ，ｃ；一ｌ，
÷∑ｃ。，其中Ｅｊ代表与节点ｉ相邻的所有节点之ｆ．７
的边连接数，ｋ．为节点ｉ的度【１ ９｜。可知聚类系数０＜
ｃ＜１，其值越大意味着该网络模块化程度越显著。
与随机网络相比，小世界网络具有更高的聚类系数，
大约与规则网络在同一数量级¨９。。
小世界特性：小世界特性具体描述为ｏｒ＝Ｔ／Ａ＞
１，其中Ａ＝Ｌ．ｏ，／Ｌ…一１和７＝Ｃ。。。／Ｃ。＞１分别表
示该网络的最短路径长度及聚类系数与对等随机网
络的比值，ｏｒ为小世界特性参数口“，该参数准确概
括了网络的小世界属性，即模块化处理与模块间信
息高效传递并存的网络特性。
Ｄｕａｎ等。４。分别采用ｆＭＲＩ与ｆＮＩＲＳ获取了脑功
能连接激活图，在此基础上进一步对两种成像模式
下的静息态脑功能网络的网络拓扑参数进行定量分
析，其结果证明了基于ｆＮＩＲＳ的静息态脑功能网络
方法的有效性。Ｎｉｕ等¨副发现基于ｆＮＩＲＳ数据建立
的脑功能网络具有显著且稳定的小世界特性，进一
步证实了采用ｆＮＩＲＳ技术结合图论研究脑网络拓扑
结构的可行性和有效性；之后通过探究脑功能连接
的全局网络度量指标及节点中心性，验证了ｆＮＩＲＳ
与图论相结合建立脑功能网络的可靠性。最近，
Ｃａｎｏ等旧叫采用ｆＮＩＲＳ在全脑范围内建立脑功能网
络，并通过对每名受试者多次采集ＮＩＲＳ信号来验
证网络拓扑参数的稳定性，进一步表明基于ｆＮＩＲＳ
构建的脑功能网络能够可靠地反映人类脑功能激活
状态。
第６期 赵佳，等：基于ｆＮＩＲＳ的脑功能连接研究综述
３．４ ｆＮＩＲＳ在脑功能连接研究中的局限性
尽管ｆＮＩＲＳ在脑功能连接的研究中具有很大的
优势，但同时也体现出一定的局限性。首先，通道数
量受限于系统配置：在基于ｆＮＩＲＳ的脑功能连接的
研究中，通道位置及数量需要依据设备而进行配
置。２ ５｜，但是该方法运用起来比较灵活，在一些特殊
的情况下可以根据实际需要仅针对部分脑区进行功
能连接分析。其次，空问定位不够精确：ｆＭＲＩ的空
间分辨率能够达到毫米水平（１—３ ｍｍ），而ｆＮＩＲＳ空
问分辨率则十分有限（１０～２０ ｍｍ）‘２“，此局限性直
接影响脑功能连接研究中空间定位的精确度，即
“难以将通道位置与脑功能区域准确匹配”。２“。最
后，数据分析方法有待完善：目前，除了上述两种主
要数据分析方法之外，多种其他方法也已被尝试应
用到静息态脑功能连接的研究之中‘１Ｌ ２３１。然而，对
于ｆＮＩＲＳ信号处理，哪种方法能够最有效反映脑功
能连接的生理特性仍有待探究，需要在反复验证之
后制定统一标准。２“。
４基于ｆＮＩＲＳ的脑功能连接在认知与疾病
研究中的应用
脑功能连接不但有助于对某些认知障碍及精神
类疾病的早期预防，而且可为这些疾病的临床治疗
提供病理基础。ｆＮＩＲＳ以其广泛的适用性和便携性
等优势已逐渐投入到对常见脑部疾病的研究中。
Ｍｏｌａｖｉ等旧副采用相位相关的方法分析了新生儿在
静息态下语言系统的脑功能连接性，验证了ｆＮＩＲＳ
技术在人类语言系统识别研究中的可行性，同时也
表明了人类左脑半球较右脑半球在语言功能上具有
优势。Ｆｉｓｈｂｕｒｎ等心引测量额叶和顶叶在ｎ－ｂａｃｋ范
式记忆任务及静息态下的激活性和功能连接性，发
现在任务态下前额叶的激活程度、脑半球间连接性
以及局部连接性均随记忆任务负荷的增大而增长，
并进一步表明额叶一顶叶间连接在ｎ—ｂａｃｋ范式记
忆任务下较为明显，而脑半球间的连接程度则在静
息态下更为突出，该研究验证了ｆＮＩＲＳ技术在认知
功能及静息态下的脑功能激活和连接性的研究上具
有较高的灵敏度。最近，Ｃｈｕａｎｇ等一钊探究了性别
差异对前额叶皮质功能连接性的影响，发现男性显
示出更强的脑功能连接性，而在偏侧性分析中，男性
表现为左脑半球具有优势，而女性则表现为双边优
势，该项成果为与性别相关的神经类疾病的临床诊
万方数据
・６３７・
断提供了一个研究方向。
由于ｆＮＩＲＳ具有适用于婴幼儿及特殊患者的优
点，所以将基于ｆＮＩＲＳ的脑功能连接分析应用于幼
儿及儿童的病理研究目前也成为一个热门课题，且
在该方向已取得几项有价值的成果。Ｍａｋｉｋｏ ｌｍａｉ
等∞ｕ研究了婴儿熟睡状态下额叶、颞叶、枕叶的自
发脑神经活动，从多角度分析其功能连接性，如短距
离连接、对侧皮质横向连接、同侧皮质纵向连接等，
结果表明患有唐氏综合征的婴儿较健康婴儿大脑平
均功能连接程度有所减弱、短距离连接的数量有所
上升，且二者的含氧信号与脱氧信号的相位差也有
显著差异，此项研究证明了ｆＮＩＲＳ可以作为测量新
生儿脑氧合功能的有效工具。Ｋｅｅｈｎ等¨副采用
ｆＮＩＲＳ对一周岁以下儿童自闭症（ａｕｔｉｓｍ ｓｐｅｃｔｒｕｍ
ｄｉｓｏｒｄｅｒ，ＡＳＤ）高风险婴儿（具有家族病史或患病同
胞）与低风险婴儿（无家族病史及患病同胞）的脑功
能连接性分别进行检测，对比发现ＡＳＤ高风险婴儿
的脑功能网络存在异常，该结果表明非典型的网络
连接模式能够用来进行ＡＳＤ的潜在风险预测；之后
Ｚｈｕ等∞引研究了ＡＳＤ儿童与正常发育儿童双侧额
叶皮质与双侧颞叶皮质之间功能连接的差异，发现
ＡＳＤ儿童脑半球之间及双侧颞叶皮质内均表现出
功能连接性减弱的性质，且失去典型的对称连接模
式，进一步证明了ＡＳＤ与脑功能连接性质的改变存
在关联。Ｆｅｋｅｔｅ等¨４１采用ｆＮＩＲＳ探索了幼儿的抑
制控制能力（ｅｆｆｏｒｔｆｕｌ ｃｏｎｔｒｏｌ，ＥＣ）与前额叶皮质功能
网络的关系，该实验以影片剪辑的形式分别呈现
“新颖／熟悉”、“情绪／中性”两种模式的刺激，进而
对该两种刺激模式下获取的脑功能网络进行分析，
并以儿童行为问卷的形式测量被试的抑制控制能
力，结果发现幼儿的ＥＣ值与该网络小世界特性呈
正相关关系，该研究成果对精神类疾病（如抑郁症、
注意力缺陷多动障碍等）的早期预防具有重要意
义。最近，Ｈａｎ等’３纠采用ｆＮＩＲＳ探究了老年脑梗死
患者与健康老年人静息状态下前额叶皮质功能连接
性的差异：在多个频段内对左右额叶间的ＨｂＯ信号
进行小波相干分析，发现脑梗死患者的前额叶皮质
功能连接性显著减弱，此项成果有望成为老年脑梗
死患者的功能恢复程度的一个有效判定方法＂“。
５ 展望
近几年的研究表明，ｆＮＩＲＳ技术能够有效且可
 ・６３８・ 北京生物医学工程 第３４卷

ｍｅａｓｕｒｅｄ ｗｉｔｈ ｓｉｍｕｌｔａｎｅｏｕｓ

靠地表征脑功能连接的生理特性，为大脑机制的进 （ｆｕｎｃｔｉｏｎａｌ）ｈｅｍｏｄｙｎａｍｉｅｓ ａｓ

ｆＮＩＲＳ ａｎｄ ｆＭＲＩ ｄｕｒｉｎｇ ｉｎｔｅｒｔｅｍｐｏｒａｌ ｃｈｏｉｃｅ［Ｊ］．Ｎｅｕｒｏｉｍａｇｅ，

一步探究开辟了一条新的路径。该方法已初步应用
２０１３。７１：１２５—１３４．
到对认知功能障碍及相关精神类疾病的研究中。然
［１０］ Ｒａｉｃｈｌｅ ＭＥ，Ｍｉｎｔｕｎ ＭＡ．Ｂｒａｉｎ ｗｏｒｋ ａｎｄ ｂｒａｉｎ ｉｍａｇｉｎｇ［Ｊ］．Ａｎｎｕ
而，采用ｆＮＩＲＳ数据进行脑功能连接研究还处于起 Ｒｅｖ Ｎｅｕｒｏｓｃｉ，２００６，２９：４４９—４７６．

步阶段，很多问题仍需要进一步探索。对于脑功能 ［１１】 ｖａｎ ｄｅｎ Ｈｅｕｖｅｌ ＭＰ，Ｓｔａｍ ＣＪ。Ｋａｈｎ ＲＳ，ｅｔ ａ１．Ｅｆｆｉｃｉｅｎｃｙ ｏｆ

网络的分析目前基本上仍处于静息态的条件下，而 ｆｕｎｃｔｉｏｎａｌ ｂｒａｉｎ ｎｅｔｗｏｒｋｓ ａｎｄ ｉｎｔｅｌｌｅｃｔｕａｌ ｐｅｒｆｏｒｍａｎｃｅ［Ｊ］．Ｔｈｅ

Ｊｏｕｒｎａｌ ｏｆ Ｎｅｕｒｏｓｅｉｅｎｃｅ，２００９，２９（２３）：７６１９—７６２４．
基于任务状态的脑功能网络特性也同样具有重要的
［１２］ Ｂｕｅｋｎｅｒ ＲＬ，Ｓｅｐｕｌｅｒｅ Ｊ，Ｔａｌｕｋｄａｒ Ｔ，ｅｔ ａｌ，Ｃｏｒｔｉｃａｌ ｈｕｂｓ ｒｅｖｅａｌｅｄ
意义，这将成为下一个亟待研究的课题，此外，ｆＮＩＲＳ
ｂｙ ｉｎｔｒｉｎｓｉｃ ｆｕｎｃｔｉｏｎａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ：ｍａｐｐｉｎｇ，ａｓｓｅｓｓｍｅｎｔ ｏｆ

应用于脑结构网络与功能网络间相互关系的研究的 ｒｅｌａｔｉｏｎ Ａｌｚｈｅｉｍｅｒ’ｓ Ｊｏｕｒｎａｌ ｏｆ

ｓｔａｂｉｌｉｔｙ，ａｎｄ ｔｏ ｄｉｓｅａｓｅ［Ｊ］．Ｔｈｅ
可行性、脑功能网络的拓扑结构时变性的具体研究 Ｎｅｕｒｏｓｃｉｅｎｅｅ，２００９，２９（６）：１８６０—１８７３．

方法旧叫等方面的问题，也有待于深人探索。 ［１３］ Ｗｈｉｔｅ ＢＲ，Ｓｎｙｄｅｒ ＡＺ，Ｃｏｈｅｎ ＡＬ，ｅｔ ａ１．Ｒｅｓｔｉｎｇ・ｓｔａｔｅ ｆｕｎｃｔｉｏｎａｌ

ｃｏｎｎｅｃｔｉｖｉｔｙ ｉｎ ｔｈｅ ｈｕｍａｎ ｂｒａｉｎ ｒｅｖｅａｌｅｄ ｗｉｔｈ ｄｉｆｆｕｓｅ ｏｐｔｉｃａｌ

参考文献 ｔｏｍｏｇｒａｐｈｙ［Ｊ］．Ｎｅｕｒｏｉｍａｇｅ，２００９，４７（１）：１４８—１５６．

［１４］ Ｋｏｚｅｌ ＦＡ，Ｔｉａｎ Ｆ。Ｄｈａｍｎｅ Ｓ，ｅｔ ａ１．Ｕｓｉｎｇ ｓｉｍｕｌｔａｎｅｏｕｓ ｒｅｐｅｔｉｔｉｖｅ

［１］ 刘宝根，周兢，李菲菲．脑功能成像的新方法——功能性近红
ｔｒａｎｓｃｒａｎｉａｌ ｍａｇｎｅｔｉｃ ｓｔｉｍｕｌａｔｉｏｎ／ｆｕｎｃｔｉｏｎａｌ ｎｅａｒ ｉｎｆｒａｒｅｄ
外光谱技术（ｆＮＩＲＳ）［Ｊ］．心理科学，２０１１，３４（４）：９４３－９４９．
ｓｐｅｃｔｒｏｓｃｏｐｙ（ｒＴＭＳ／ｆＮＩＲＳ）ｔｏ ｍｅａｓｕｒｅ ｂｒａｉｎ ａｃｔｉｖａｔｉｏｎ ａｎｄ
Ｌｉｕ Ｂａｏｇｅｎ，Ｚｈｏｕ Ｊｉｎｇ。Ｌｉ Ｆｅｉｎｔ．Ｆｕｎｃｔｉｏｎａｌ ｎｅａｒ ｉｎｆｒａｒｅｄ
ｃｏｎｎｅｃｔｉｖｉｔｙ［Ｊ］．Ｎｅｕｒｏｉｍａｇｅ，２００９，４７（４）：１１７７—１１８４．
ｓｐｅｃｔｒｏｓｃｏｐｙ：ａｎ ｅｍｅｒｇｉｎｇ ｆｕｎｃｔｉｏｎａｌ ｎｅｕｒｏｉｍａｇｉｎｇ ｔｅｃｈｎｏｌｏｇｙ
［１５］ Ｎｉｕ Ｈ，Ｋｈａｄｋａ Ｓ．Ｔｉａｎ Ｆ，ｅｔ ａ１．Ｒｅｓｔｉｎｇ—ｓｔａｔｅ ｆｕｎｃｔｉｏｎａｌ
［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｐｓｙｃｈｏｌｏｇｉｃａｌ Ｓｃｉｅｎｃｅ，２０１１，３４（４）：９４３—９４９．
ｃｏｎｎｅｃｔｉｖｉｔｙ ａｓｓｅｓｓｅｄ ｗｉｔｈ ｔｗｏ ｄｉｆｆｕｓｅ ｏｐｔｉｃａｌ ｔｏｍｏｇｒａｐｈｉｅ ｓｙｓｔｅｍｓ
［２］ Ｉｒａｎｉ Ｆ，Ｐｌａｔｅｋ ＳＭ，Ｂｕｎｅｅ Ｓ，ｅｔ ａ１．Ｆｕｎｃｔｉｏｎａｌ ｎｅａｒ ｉｎｆｒａｒｅｄ
［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｏｐｔｉｃｓ。２０１ １，１６（４）：０４６００６－０４６００６
ｓｐｅｃｔｒｏｓｃｏｐｙ（ｆＮＩＲＳ）：ａｎ ｅｍｅｒｇｉｎｇ ｎｅｕｒｏｉｍａｇｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｗｉｔｈ
—５．
ｉｍｐｏｒｔａｎｔ ａｐｐｌｉｃａｔｉｏｎｓ ｆｏｒ ｔｈｅ ｓｔｕｄｙ ｏｆ ｂｒａｉｎ ｄｉｓｏｒｄｅｒｓ［Ｊ］．Ｔｈｅ
［１６］ Ｌｕ ＣＭ，Ｚｈａｎｇ ＹＪ，Ｂｉｓｗａｌ ＢＢ，ｅｌ ａ１．Ｕｓｅ ｏｆ ｆＮＩＲＳ ｔｏ ａｓｓｅｓｓ
ｒｅｓｔｉｎｇ
Ｃｌｉｎｉｃａｌ Ｎｅｕｒｏｐｓｙｃｈｏｌｏｇｉｓｔ，２００７，２１（１）：９—３７．
ｓｔａｔｅ ｆｕｎｃｔｉｏｎａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｎｅｕｒｏｓｃｉｅｎｃｅ
［３］ Ｔａｋ Ｓ，Ｙｅ ＪＣ．Ｓｔａｔｉｓｔｉｃａｌ ａｎａｌｙｓｉｓ ｏｆ ｆＮＩＲＳ ｄａｔａ：Ａ ｃｏｍｐｒｅｈｅｎｓｉｖｅ
Ｍｅｔｈｏｄｓ，２０１０，１ｓ６（２）：２４２—２４９．
ｒｅｖｉｅｗ［Ｊ］．Ｎｅｕｒｏｉｍａｇｅ，２０１４，８５：７２—９１．
［１７］ Ｚｈａｎｇ Ｈ，Ｚｈａｎｇ ＹＪ，Ｌｕ ＣＭ，ｅｔ ａ１．Ｆｕｎｃｔｉｏｎａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ ａｓ

［４］ Ｄｕａｎ Ｌ，Ｚｈａｎｇ ＹＪ，Ｚｈｕ ＣＺ．Ｑｕａｎｔｉｔａｔｉｖｅ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｒｅｓｔｉｎｇ—

ｒｅｖｅａｌｅｄ ｂｙ ｉｎｄｅｐｅｎｄｅｎｔ ｃｏｍｐｏｎｅｎｔ ａｎａｌｙｓｉｓ ｏｆ ｒｅｓｔｉｎｇ－ｓｔａｔｅ
ｓｔａｔｅ ｆｕｎｃｔｉｏｎａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ ｄｅｒｉｖｅｄ ｆｒｏｍ ｆＮＩＲＳ ａｎｄ ｆＭＲＩ：ａ
ｆＮＩＲＳ ｍｅａｓｕｒｅｍｅｎｔｓ［Ｊ］．Ｎｅｕｒｏｉｍａｇｅ，２０１０，５１（３）；１１５０一１１６１．
ｓｉｍｕｌｔａｎｅｏｕｓ ｒｅｃｏｒｄｉｎｇ ｓｔｕｄｙ［Ｊ］Ｎｅｕｒｏｉｍａｇｅ，２０１２，６０（４）：
［１８］ Ｗｈｉｔｅ ＢＲ，Ｌｉａｏ ＳＭ，Ｆｅｒｒａｄａｌ ＳＬ，ｅｔ ａ１．Ｂｅｄｓｉｄｅ ｏｐｔｉｃａｌ ｉｍａｇｉｎｇ ｏｆ
２００８—１８．
ｏｃｃｉｐｉｔａｌ ｒｅｓｔｉｎｇ－ｓｔａｔｅ ｆｕｎｃｔｉｏｎａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ ｉｎ ｎｅｏｎａｔｅｓ［Ｊ］．
［５］ Ｔｏｎｇ Ｙ，Ｌｉｎｄｓｅｙ ＫＰ，ｄｅＢ Ｆｒｅｄｅｒｉｃｋ Ｂ．Ｐａｒｔｉｔｉｏｎｉｎｇ ｏｆ
Ｎｅｕｒｏｉｍａｇｅ，２０１２，５９（３）：２５２９—２５３８．
ｐｈｙｓｉｏｌｏｇｉｃａｌ ｎｏｉｓｅ ｓｉｇｎａｌｓ ｉｎ ｔｈｅ ｂｒａｉｎ ｗｉｔｈ ｃｏｎｅｕｒｒｅｎ［ｎｅａｒ－

［１９］ Ｗａｔｔｓ ＤＪ，Ｓｔｒｏｇａｔｚ ＳＨ．Ｃｏｌｌｅｃｔｉｖｅ ｄｙｎａｍｉｃｓ ｏｆ‘ｓｍａｌｌ－ｗｏｒｌｄ’

ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ ｆＭＲＩ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｃｅｒｅｂｒａｌ Ｂｌｏｏｄ
ｎｅｔｗｏｒｋ［Ｊ］．Ｎａｔｕｒｅ，１９９８，３９３：４４０－４４２．
Ｆｌｏｗ＆Ｍｅｔａｂｏｌｉｓｍ，２０１１，３１（１２）：２３５２—２３６２．
［２０］ Ｔｉａｎ Ｌ，Ｗａｎｇ Ｊ，Ｙａｎ Ｃ，ｅｔ ａ１．Ｈｅｍｉｓｐｈｅｒｅ－ａｎｄ ｇｅｎｄｅｒ—ｒｅｌａｔｅｄ
［６］ Ｋｌｅｉｎｓｃｈｍｉｄｔ Ａ，Ｏｂｒｉｇ Ｈ，Ｒｅｑｕａｒｄｔ Ｍ，ｅｔ ａ１．Ｓｉｍｕｌｔａｎｅｏｕｓ
ｄｉｆｆｅｒｅｎｃｅｓ ｉｎ ｓｍａｌｌ—ｗｏｒｌｄ ｂｒａｉｎ ｎｅｔｗｏｒｋｓ：ａ ｒｅｓｔｉｎｇ—ｓｔａｔｅ
ｒｅｃｏｒｄｉｎｇ ｏｆ ｃｅｒｅｂｒａｌ ｂｌｏｏｄ ｏｘｙｇｅｎａｔｉｏｎ ｃｈａｎｇｅｓ ｄｕｒｉｎｇ ｈｕｍａｎ
ｆｕｎｃｔｉｏｎａｌ ＭＲＩ ｓｔｕｄｙ［Ｊ］．Ｎｅｕｒｏｉｍａｇｅ，２０１１，５４（１）：１９１—２０２．
ｂｒａｉｎ ａｃｔｉｖａｔｉｏｎ ｂｙ ｍａｇｎｅｔｉｃ ｒｅｓｏｎａｎｃｅ
ｉｍａｇｉｎｇ ａｎｄ ｎｅａｒ—ｉｎｆｒａｒｅｄ
［２１］ Ｓａｓａｉ Ｓ，Ｈｏｍａｅ Ｆ，Ｗａｔａｎａｂｅ Ｈ，ｅｔ ａ１．Ａ ＮＩＲＳ—ｆＭＲＩ ｓｔｕｄｙ ｏｆ
ｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ ｃｅｒｅｂｒａｌ ｂｌｏｏｄ ｆｌｏｗ＆ｍｅｔａｂｏｌｉｓｍ，
ｒｅｓｔｉｎｇ ｓｔａｔｅ ｎｅｔｗｏｒｋ［Ｊ］．Ｎｅｕｒｏｉｍａｇｅ，２０１２，６３（１）：１７９—１９３．
１９９６，１６（５）：８１７—８２６．
［２２］ Ｌｉ Ｙ，Ｌｉｕ Ｙ，Ｌｉ Ｊ，ｅｔ ａ１．Ｂｒａｉｎ ａｎａｔｏｍｉｃａｌ ｎｅｔｗｏｒｋ ａｎｄ ｉｎｔｅｌｌｉｇｅｎｃｅ

［７］ Ｋａｓｈｏｕ ＮＨ，Ｘｕ Ｒ，Ｒｕｂｅｎｓ ＣＪ，ｅｔ ａ１．Ｕｓｉｎｇ ＦＭＲｌ ａｎｄ ＦＮＩＲＳ ｆｏｒ
［Ｊ］．ＰＬｏＳ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｂｉｏｌｏｇｙ，２００９，５（５）：ｅ１０００３９５．
ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ｖｉｓｕａｌ ｃｏｄｅｘ ａｃｔｉｖｉｔｉｅｓ［Ｃ］．
［２３］ Ｂｒｉｅｒ ＭＲ，Ｔｈｏｍａｓ ＪＢ，Ｆａｇａｎ ＡＭ。ｅｔ ａ１．Ｆｕｎｃｔｉｏｎａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ
Ｅｎｇｉｎｅｅｒｉｎｇ ｉｎ Ｍｅｄｉｃｉｎｅ ａｎｄ Ｂｉｏｌｏｇｙ Ｓｏｃｉｅｔｙ，２００７．ＥＭＢＳ ２００７．
ａｎｄ ｇｒａｐｈ ｔｈｅｏｒｙ ｉｎ ｐｒｅｃｌｉｎｉｃａｌ Ａｌｚｈｅｉｍｅｒ’ｓ ｄｉｓｅａｓｅ［Ｊ］．
２９ｔｈ Ａｎｎｕａｌ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ ｔｈｅ ＩＥＥＥ．２００７：２６３４—
Ｎｅｕｒｏｂｉｏｌｏｇｙ ｏｆ Ａｇｉｎｇ，２０１４，３５（４）：７５７—７６８．
２６３８．
［２４］ Ｈｕｍｐｈｒｉｅｓ ＭＤ，Ｇｕｒｏｅｙ Ｋ，Ｐｒｅｓｃｏｔｔ ＴＪ．Ｔｈｅ ｂｒａｉｎｓｔｅｍ ｒｅｔｉｃｕｌａｒ
［８］ Ｔｏｎｇ Ｙ．Ｔｉｍｅ ｌａｇ ｄｅｐｅｎｄｅｎｔ ｍｕｌｔｉｍｏｄａｌ ｐｒｏｃｅｓｓｉｎｇ ｏｆ ｃｏｎｃｕｒｒｅｎｔ
ｆｏｒｍａｔｉｏｎ ｉｓ ａ ｓｍａｌｌ—ｗｏｒｌｄ，ｎｏｔ ｓｃａｌｅ－ｆｒｅｅ，ｎｅｔｗｏｒｋ［Ｊ］．
ｆＭＲＩ ａｎｄ ｎｅａｒ—ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ（ＮＩＲＳ）ｄａｔａ ｓｕｇｇｅｓｔｓ ａ

Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｏｃｉｅｔｙ ｏｆ Ｌｏｎｄｏｎ Ｂ：Ｂｉｏｌｏｇｉｃａｌ

ｇｌｏｂａｌ ｃｉｒｃｕｌａｔｏｒｙ ｏｒｉｇｉｎ ｆｏｒ ｌｏｗ－ｆｒｅｑｕｅｎｃｙ ｏｓｃｉｌｌａｔｉｏｎ ｓｉｇｎａｌｓ ｉｎ
Ｓｃｉｅｎｃｅｓ。２００６，２７３：５０３—５１１．
ｈｕｍａｎ ｂｒａｉｎ［Ｊ］．Ｎｅｕｒｏｉｍａｇｅ，２０１０，５３（２）：５５３—５６４．

［９］ Ｈｅｉｎｚｅｌ Ｓ．Ｈａｅｕｓｓｉｎｇｅｒ ＦＢ，Ｈａｈｎ Ｔ。ｅｔ ａ１．Ｖａｒｉａｂｉｌｉｔｙ ｏｆ （下转第６５６页）

万方数据
 ・６５６・ 北京生物医学工程 第３４卷

Ｍｅｄｉｃａｌ Ｐｈｙｓｉｃｓ，２００７，２３（６）：４４９—４５３． ｔｒｅａｔｍｅｎｔ ｏｆ ｎｅｏｎａｔａｌ ｐｎｅｕｍｏｔｈｏｒａｘ［ｊ］．Ｊ Ａｐｐｌ Ｃｌｉｎ Ｐｅｄｉａｔｒ，

［２２］ 余章斌，韩树萍，郭锡熔．吸人一氧化氮治疗足月或近足月儿 ２０１１，２６（６）：４３３—４３５．

低氧性呼吸衰竭的循证医学证据［Ｊ］．中国当代儿科杂志， ［２４］ 程欢欢，张建，傅燕娜．一氧化氮吸人联合肺表面活性物质治

２００８，１０（２）：１２５—１２９． 疗新生儿难治性呼吸衰竭的疗效分析［Ｊ］．中国医药导报，
Ｙｕ Ｚｈａｎｇｂｉｎ，Ｈａｎ Ｓｈｕｐｉｎｇ，Ｇｕｏ Ｘｉｒｏｎｇ．Ｅｖｉｄｅｎｃｅ ｏｆ ｉｎｈａｌｅｄ ２０１３，１０（１６）：８４—８６．

ｎｉｔｒｉｃ ｏｘｉｄｅ ｔｈｅｒａｐｙ ｆｏｒ ｈｙｐｏｘｉｃ ｒｅｓｐｉｒａｔｏｒｙ ｆａｉｌｕｒｅ ｉｎ ｔｅｒｍ ａｎｄ Ｃｈｅｎｇ Ｈｕａｎｈｕａｎ，Ｚｈａｎｇ Ｊｉａｎ，Ｆｕ Ｙａｎｎａ．Ｃｕｒａｔｉｖｅ ｅｆｆｅｃｔ ａｎａｌｙｓｉｓ

ｎｅａｒ．ｔｅｒｍ ｉｎｆａｎｔｓ［Ｊ］．Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｎｔｅｍｐｏｒａｒｙ ｏｆ ｎｉｔｒｉｃ ｏｘｉｄｅ ｉｎｈａｌａｔｉｏｎ ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｐｕｌｍｏｎａｒｙ ｓｕｒｆａｃｔａｎｔ ｉｎ

Ｐｅｄｉａｔｒｉｃｓ，２００８，１０（２）：１２５—１２９． ｔｒｅａｔｍｅｎｔ ｏｆ ｎｅｏｎａｔａｌ ｒｅｓｐｉｒａｔｏｒｙ ｆａｉｌｕｒｅ ｒｅｆｒａｃｔｏｒｙ［Ｊ］．Ｃｈｉｎａ

［２３］ 王玉红．付春花．高频振荡通气联用一氧化氮吸入在新生儿气 Ｍｅｄｉｃａｌ Ｈｅｒａｌｄ，２０１３，１０（１６）：８４—８６．

胸中的应用［Ｊ］．实用儿科ｌ临床杂志，２０１１，２６（６）：４３３—４３５．
Ｗａｎｇ Ｙｕｈｏｎｇ，Ｆｕ Ｃｈｕｎｈｕａ．Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｈｉｇｈ ｆｒｅｑｕｅｎｃｙ （２０１４—１２—１４收稿，２０１５一Ｏ卜２０修回）
ｏｓｃｉｌｌａｔｏｒｙ ｖｅｎｔｉｌａｔｉｏｎ ｃｏｍｂｉｎｅｄ ｗｉｔｈ ｉｎｈａｌｅｄ ｎｉｔｒｉｃ ｏｘｉｄｅ ｉｎ

祭秘零秘零祭秘鹕琴秘琴祭秘秘祭祭祭祭秘祭秘祭秘祭祭祭祭祭秘祭祭祭秘秘鹕秘祭秘祭零撰撰撰撰秘零秘撰撰

（上接第６３８页）

［２５］Ｎｉｕ Ｈ，Ｗａｎｇ Ｊ，Ｚｈａｏ Ｔ，ｅｔ ａ１．Ｒｅｖｅａｌｉｎｇ ｔｏｐｏｌｏｇｉｃａｌ ｏｒｇａｎｉｚａｔｉｏｎ ｏｆ Ｃｏｒｔｅｘ ｏｆ ｔｅｒｍ ａｎｄ ｐｒｅｔｅｒｍ ｉｎｆａｎｔｓ ａｎｄ ｉｎｆａｎｔｓ ｗｉｔｈ Ｄｏｗｎ’ｓ

ｈｕｍａｎ ｂｒａｉｎ ｆｕｎｃｔｉｏｎａｌ ｎｅｔｗｏｒｋｓ ｗｉｔｈ ｒｅｓｔｉｎｇ—ｓｔａｔｅ ｆｕｎｃｔｉｏｎａｌ ｎｅａｒ

ｓｙｎｄｒｏｍｅ［Ｊ］．Ｎｅｕｒｏｉｍａｇｅ，２０１４，８５：２７２—２７８．
ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］．ＰＬｏＳ ｏｎｅ，２０１２，７（９）：ｅ４５７７１． ［３２］ Ｋｅｅｈｎ Ｂ，Ｗａｇｎｅｒ ＪＢ，Ｔａｇｅｒ—Ｆｌｕｓｂｅｒｇ Ｈ，ｅｔ ａ１．Ｆｕｎｃｔｉｏｎａｌ

［２６］ Ｃａｎｏ Ｒ，Ｔａｐｉａ ＬＣ，Ｃａｓｔｅｌｌａｎｏ Ｇ，ｅｔ ａ１．Ａｎａｌｙｓｉｓ ｏｆ Ｂｒａｉｎ Ｎｅｔｗｏｒｋｓ ｃｏｎｎｅｃｔｉｖｉｔｙ ｉｎ ｔｈｅ ｆｉｒｓｔ ｙｅａｒ ｏｆ ｌｉｆｅ ｉｎ ｉｎｆａｎｔｓ ａｔ－ｒｉｓｋ ｆｏｒ ａｕｔｉｓｍ：ａ

ｄｕｒｉｎｇ Ｒｅｓｔｉｎｇ Ｓｔａｔｅ ｗｉｔｈ Ｎｅａｒ－Ｉｎｆｒａｒｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ［ｃ］． ｐｒｅｌｉｍｉｎａｒｙ ｎｅａｒ・ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ ｓｔｕｄｙ［Ｊ］．Ｆｒｏｎｔｉｅｒｓ ｉｎ

Ｂｉｏｍｅｄｉｃａｌ Ｏｐｔｉｃｓ Ｏｐｔｉｃａｌ Ｓｏｃｉｅｔｙ ｏｆ Ａｍｅｒｉｃａ，２０１４：ＢＭ３Ａ・３２． Ｈｕｍａｎ Ｎｅｕｒｏｓｃｉｅｎｃｅ，２０１３，７：４４４．

［２７］ Ｎｉｕ Ｈ，Ｈｅ Ｙ．Ｒｅｓｔｉｎｇ—ｓｔａｔｅ ｆｕｎｃｔｉｏｎａｌ ｂｒａｉｎ ｃｏｎｎｅｃｔｉｖｉｔｙ：ｌｅｓｓｏｎｓ ［３３］ Ｚｈｕ Ｈ，Ｆａｎ Ｙ，Ｇｕｏ Ｈ，ｅｔ ａ１．Ｒｅｄｕｃｅｄ ｉｎｔｅｒｈｅｍｊｓｐｈｅｒｉｃ ｆｕｎｃｔｉｏｎａｌ

ｆｒｏｍ ｆｕｎｃｔｉｏｎａｌ ｎｅａｒ—ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］．Ｔｈｅ Ｎｅｕｒｏｓｉｅｎｔｉｓｔ， ｃｏｎｎｅｃｔｉｖｉｔｙ ｏｆ ｃｈｉｌｄｒｅｎ ｗｉｔｈ ａｕｔｉｓｍ ｄｉｓｏｒｄｅｒ：ｅｖｉｄｅｎｃｅ
ｓｐｅｃｔｒｕｍ

２０１３，２０（２）：１７３—１８８． ｆｒｏｍ ｆｕｎｃｔｉｏｎａｌ ｎｅａｒ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ ｓｔｕｄｉｅｓ［Ｊ］．Ｂｉｏｍｅｄｉｃａｌ

［２８］ Ｍｏｌａｖｉ Ｂ，Ｍａｙ Ｌ，Ｇｅｒｖａｉｎ Ｊ，ｅｔ ａ１．Ａｎａｌｙｚｉｎｇ ｔｈｅ ｒｅｓｔｉｎｇ ｓｔａｔｅ ｏｐｔｉｃｓ ｅｘｐｒｅｓｓ，２０１４，５（４）：１２６２—１２７４．
ｆｕｎｃｔｉｏｎａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ ｉｎ ｔｈｅ ｈｕｍａｎ ｌａｎｇｕａｇｅ ｓｙｓｔｅｍ ｕｓｉｎｇ ｎｅａｒ ［３４］ Ｆｅｋｅｔｅ Ｔ，Ｂｅａｃｈｅｒ ＦＤ，Ｃｈａ Ｊ，ｅｔ ａ１．Ｓｍａｌｌ・ｗｏｒｌｄ ｎｅｔｗｏｒｋ ｐｒｏｐｅｒｔｉｅｓ

ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］．Ｆｒｏｎｔｉｅｒｓ ｉｎ Ｈｕｍａｎ Ｎｅｕｒｏｓｃｉｅｎｃｅ， ｉｎ ｐｒｅｆｒｏｎｔａｌ ｃｏｒｔｅｘ ｃｏｒｒｅｌａｔｅ ｗｉｔｈ ｐｒｅｄｉｃｔｏｒｓ ｏｆ ｐｓｙｃｈｏｐａｔｈｏｌｏｇｙ

２０１３，７：９２１—９２３． ｒｉｓｋ ｉｎ ｙｏｕｎｇ ｃｈｉｌｄｒｅｎ：Ａ ＮＩＲＳ ｓｔｕｄｙ［Ｊ］．Ｎｅｕｒｏｉｍａｇｅ，２０１４，８５：

［２９］Ｆｉｓｈｂｕｒｎ ＦＡ，Ｎｏｒｒ ＭＥ，Ｍｅｄｖｅｄｅｖ ＡＶ，ｅｔ ａ１．Ｓｅｎｓｉｔｉｖｉｔｙ ｏｆｆＮＩＲＳ ｔｏ ３４５—３５３．

ｃｏｇｎｉｔｉｖｅ ｓｔａｔｅ ａｎｄ ｌｏａｄ［Ｊ］．Ｆｒｏｎｔｉｅｒｓ ｉｎ Ｈｕｍａｎ Ｎｅｕｒｏｓｃｉｅｎｃｅ， ［３５］ Ｈａｎ Ｑ，Ｚｈａｎｇ Ｍ，Ｌｉ Ｗ，ｅｔ ａ１．Ｗａｖｅｌｅｔ ｃｏｈｅｒｅｎｃｅ ａｎａｌｙｓｉｓ ｏｆ

２０１４，８：７６． ｐｒｅｆｒｏｎｔａｌ ｔｉｓｓｕｅ ｏｘｙｈａｅｍｏｇｌｏｂｉｎ ｓｉｇｎａｌｓ ａｓ ｍｅａｓｕｒｅｄ ｕｓｉｎｇ ｎｅａｒ－

［３０］ Ｃｈｕａｎｇ ＣＣ，Ｓｕｎ ＣＷ．Ｇｅｎｄｅｒ—ｒｅｌａｔｅｄ ｅｆｆｅｃｔｓ ｏｆ ｐｒｅｆｒｏｎｔａｌ ｃｏｒｔｅｘ ｉｎｆｒａｒｅｄ ｓｐｅｃｔｒｏｓｃｏｐｙ ｉｎ ｅｌｄｅｒｌｙ ｓｕｂｊｅｃｔｓ ｗｉｔｈ ｃｅｒｅｂｒａｌ ｉｎｆａｒｃｔｉｏｎ

ｃｏｎｎｅｃｔｉｖｉｔｙ：ａ ｒｅｓｔｉｎｇ・ｓｔａｔｅ ｆｕｎｃｔｉｏｎａｌ ｏｐｔｉｃａｌ ｔｏｍｏｇｒａｐｈｙ ｓｔｕｄｙ ［Ｊ］．Ｍｉｃｒｏｖａｓｃｕｌａｒ Ｒｅｓｅａｒｃｈ，２０１４，９５（９）：１０８—１１５．

［Ｊ］．Ｂｉｏｍｅｄｉｃａｌ Ｏｐｔｉｃｓ Ｅｘｐｒｅｓｓ，２０１４，５（８）：２５０３—２５１６．

［３１］ｌｍａｉ Ｍ，Ｗａｔａｎａｂｅ Ｈ，Ｙａｓｕｉ Ｋ，ｅｔ ａ１．Ｆｕｎｃｔｉｏｎａｌ ｃｏｎｎｅｃｔｉｖｉｔｙ ｏｆ ｔｈｅ （２０１４—０９—１２收稿，２０１４—１０－１３修回）

零祭棼祭攀攀攀毋零喾喾辞磬窜螭窜窜螭帮嶝喾螭棼螭辞螭喾帮螭喾攀琴攀攀攀攀攀辞螭攀鹕祭秘祭撰零撰鹞祭

（上接第６４４页）

［３７］ Ｗｅｉｎ Ｗ，Ｂｒｎｎｋｅ Ｓ，Ｋｈａｍｅｎｅ Ａ，ｅｔ ａ１．Ａｕｔｏｍａｔｉｃ ＣＴ—ｕｌｔｒａｓｏｕｎｄ Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ，２００４，８（１）：８ｌ－９１．

ｒｅｇｉｓｔｒａｔｉｏｎ ｆｏｒ ｄｉａｇｎｏｓｔｉｃ ｉｍａｇｉｎｇ ａｎｄ ｉｍａｇｅ・ｇｕｉｄｅｄ ｉｎｔｅｒｖｅｎｔｉｏｎ ［４１］ Ｍｉｌｋｏ Ｓ，Ｍｅｌｖａｅｒ ＥＬ，Ｓａｍｓｅｔ Ｅ，ｅｔ ａ１．Ａ ｎｏｖｅｌ ｍｅｔｈｏｄ ｆｏｒ

［Ｊ］．Ｍｅｄｉｃａｌ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ，２００８，１２（５）：５７７—５８５． ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ ＵＳ／ＭＲ ｏｆ ｔｈｅ ｌｉｖｅｒ ｂａｓｅｄ ｏｎ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ＵＳ

［３８］ Ｗｅｉｎ Ｗ，Ｋｕｔｔｅｒ Ｏ，Ａｉｃｈｅｎ Ａ，ｅｔ ａ１．Ａｕｔｏｍａｔｉｃ ｎｏｎ—ｌｉｎｅａｒ ｍａｐｐｉｎｇ ｄｙｎａｍｉｃｓ［Ｊ］．Ｍｅｄ Ｉｍａｇｅ Ｃｏｍｐｕｔ Ｃｏｍｐｕｔ Ａｓｓｉｓｔ Ｉｎｔｅｒｖ，２００９，１２

ｏｆ ｐｒｅ・ｐｒｏｃｅｄｕｒｅ ＣＴ ｖｏｌｕｍｅｓ ｔｏ ３Ｄ ｕｌｔｒａｓｏｕｎｄ［Ｃ］．２０１０ ＩＥＥＥ （Ｐｔ １）：７７１—７７８．

Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｂｉｏｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ：Ｆｒｏｍ Ｎａｎｏ ｔｏ ［４２］ 周其慧，宋余庆，陈健美，等．基于多分辨率和Ｐｏｗｅｌｌ算法的医
Ｍａｃｒｏ，２０１０：１２２５—１２２８． 学图像配准［Ｊ］．计算机应用研究，２０１３，３０（４）：１２５６—１２５８．
［３９］ｘｕ １３，Ｌｉｕ Ｊ，Ｚｈａｎ ｗｗ，ｅｔ ａ１．Ａ ｎｏｖｅｌ ａｌｇｏｒｉｔｈｍ ｆｏｒ ＣＴ．ｕｌｔｒａｓｏｕｎｄ Ｚｈｏｕ Ｑｉｈｕｉ，Ｓｏｎｇ Ｙｕｑｉｎｇ，Ｃｈｅｎ Ｊｉａｎｍｅｉ，ｅｔ ａ１．Ｍｅｄｉｃａｌ ｉｍａｇｅ

ｒｅｇｉｓｔｒａｔｉｏｎ［Ｃ］．２０１ ３ ＩＥＥＥ Ｐｏｉｎｔ－ｏｆ－Ｃａｒｅ Ｈｅａｈｈｃａｒｅ Ｔｅｃｈｎｏｌｏｇｉｅｓ ｒｅｇｉｓｔｒａｔｉｏｎ ｂａｓｅｄ ｏｎ ｍｕｌｔｉ—ｒｅｓｏｌｕｔｉｏｎ ａｎｄ Ｐｏｗｅｌｌ ａｌｇｏｒｉｔｈｍ［Ｊ］．
（ＰＨＴ），２０１３：１０１—１０４． Ａｐｐｌｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ ｏｆ Ｃｏｍｐｕｔｅｒｓ，２０１３，３０（４）：１２５６－１２５８．

［４０］Ｐｅｎｎｅｙ ＧＰ，Ｂｌａｃｋａｌｌ ＪＭ，Ｈａｍａｄｙ ＭＳ，ｅｔ ａ１．Ｒｅｇｉｓｔｒａｔｉｏｎ ｏｆ

ｆｒｅｅｈａｎｄ ３Ｄ ｕｌｔｒａｓｏｕｎｄ ａｎｄ ｍａｇｎｅｔｉｃ ｌｉｖｅｒ ｉｍａｇｅｓ［Ｊ］．

ｒｅｓｏｎａｎｃｅ
（２０１４—０９—２７收稿，２０１４—１０一１０修回）

万方数据