分享:
分享到微信朋友圈
X
基础研究
基于DTI的人类与猕猴脑区连通性方法研究
李斌强 王千山 姚蓉 柴静文 王玥 李海芳

Cite this article as: Li BQ, Wang QS, Yao R, et al. Research on the connectivity method of human and macaque brain regions based on DTI[J]. Chin J Magn Reson Imaging, 2022, 13(3): 43-48.本文引用格式:李斌强, 王千山, 姚蓉, 等. 基于DTI的人类与猕猴脑区连通性方法研究[J]. 磁共振成像, 2022, 13(3): 43-48. DOI:10.12015/issn.1674-8034.2022.03.009.


[摘要] 目的 目前最主要的跨物种研究方法是基于已有的同源位点构建同源脑区对照图,但是随着个体的发育,大脑皮层会发生不规则扩张,影响个体上已有同源位点的准确性。据此提出在个体水平上追踪白质纤维束作为参照系分别构建人类和猕猴的脑区连通性指纹图的方法。材料与方法 选择公开的脑影像数据集,人类被试10例和猕猴被试10例作为研究对象。对于预处理后的数据在个体水平上提取白质纤维束,计算脑区与白质纤维束之间的连接强度并构建连通性指纹图;在物种内,使用克伦巴赫α系数计算个体间的一致性;在物种间,利用余弦相似度分析两个物种同源脑区的连通性指纹图,并用排列置换测试对结果进行检验。结果 物种内,布洛卡区(Broca′s area,Broca44)、主要躯体感觉皮层(primary sensory area,S1)、海马体(hippocampus,Hippoc)在猕猴内部一致性系数分别为0.636、0.780、0.977,在人类内部一致性系数分别为0.781、0.726、0.607;物种间,Broca44脑区、S1脑区、Hippoc脑区的余弦相似度计算结果分别为0.979、0.994、0.995。结论 基于个体水平追踪白质纤维束,并以此构建连通性指纹图进行人类和猕猴的跨物种研究具有有效性,这一成果为构建人类和猕猴跨物种比较框架提供了支持。
[Abstract] Objective At present, the most important cross-species research method is to construct a homologous brain area control map based on the existing homologous sites. However, with the development of the individual, the cerebral cortex will expand irregularly, which affects the existing homologous sites on the individual. Based on this, a method of tracing white matter fiber bundles as a reference frame at the individual level was proposed to construct the connectivity fingerprints of human and macaque brain regions.Materials and Methods A total of 10 human subjects and 10 rhesus monkey subjects were selected from open brain imaging data set. White matter fiber tracts were extracted from preprocessed data at individual level, the connection strength between brain regions and white matter fiber tracts was calculated, and the connectivity finger pattern was constructed. The kronbach α coefficient was used to calculate the consistency between individuals within species. The cosine-similarity was used to analyze the connectivity patterns of homologous brain regions of two species, and the results were verified by permutation test.Results Within species, Broca's area (Broca44), Primary sensory area (S1), and Hippocampus (Hippoc)'s consistency coefficients were 0.636, 0.780, 0.977 in macaques, and in humans, the consistency coefficients were 0.781, 0.726, and 0.607. Among species, the cosine similarity calculation results of Broca44 area, S1 area, and Hippoc area were 0.979, 0.994, and 0.995.Conclusions Tracing white matter fiber tracts at the individual level and constructing connectivity fingerprints for cross-species research between humans and macaques is effective, and this result supports the construction of a cross-species comparison framework between humans and macaques.
[关键词] 跨物种研究;弥散张量成像;概率纤维束追踪;连通性关系;相似性度量
[Keywords] cross-species research;diffusion tensor imaging;probabilistic tractography;connectivity relationship;similarity analysis

李斌强    王千山    姚蓉    柴静文    王玥    李海芳 *  

太原理工大学信息与计算机学院,太原 030000

李海芳,E-mail:lihaifang@tyut.edu.cn

作者利益冲突声明:全部作者均声明无利益冲突。


基金项目: 国家自然科学基金 61976150 山西省自然科学基金 201801D121135
收稿日期:2021-11-23
接受日期:2022-03-01
中图分类号:R445.2 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2022.03.009
本文引用格式:李斌强, 王千山, 姚蓉, 等. 基于DTI的人类与猕猴脑区连通性方法研究[J]. 磁共振成像, 2022, 13(3): 43-48. DOI:10.12015/issn.1674-8034.2022.03.009

       猕猴是研究人类的天然过渡模型,在中国具有得天独厚的资源优势,随着体细胞克隆猴和转基因猕猴模型的相继突破[1],猕猴作为焦点模式实验动物的地位进一步强化,针对人类和猕猴跨物种研究也愈发重要。通过猕猴来探索人脑的工作机制和病理机制是人脑研究的一种重要手段[2],因此人脑和猴脑的比较已成为当前研究的热点和难点。近些年来,人类和猕猴脑影像数据的不断积累和公开,为两者的直接比较提供了支持[3]。跨物种比较神经影像学新技术和方法的研究也愈发重要,并逐渐成为国际前沿基础研究的热点问题。

       跨物种研究与单物种个体或组间的比较不同,必须有先验同源信息的约束和支撑[4]。目前,最主要的跨物种比较方法是使用已有同源脑区作为参照系,如:华盛顿大学医学院van Essen实验室总结利用 55对大脑皮层同源脑区用于表面配准[5],牛津大学纳菲尔德脑功能磁共振成像中心预定义出23对同源脑区来比较人类和猕猴前额叶皮层位点的功能连接模式[6]。这种方法比较依赖于已有同源脑区的信息,在同源脑区信息缺失的情况下,会有一定的局限性[7]。2018年,Mars等[8]提出了一个基于白质纤维束比较灵长类动物大脑之间异同的方法,并将其用于跨物种研究。2020年,Warrington等[9]将人类与猕猴共有的一组白质纤维束绘制为白质纤维束图谱,为后续的跨物种研究奠定了基础。2020年,Bryant等[10]通过扩散加权扫描图像构建了大猩猩的第一个白质纤维束图谱,为识别人类和其他灵长类物种之间的神经解剖学差异和相似性提供了有用的工具。已有研究表明,在高等灵长类动物中,白质组织在不同的物种中呈现较高的共性[11]。目前已经在人类、黑猩猩和猕猴中识别到一些共同存在的白质纤维束[12],他们的连接主干比较相似,且这些共性能够用于跨物种比较研究。

       因此,本文提出一种基于白质纤维束图谱进行人类和猕猴脑区的连通性分析的方法。首先通过概率纤维束追踪技术,在个体水平上分别追踪到人类和猕猴的32条白质纤维束。其次,分别构建人类的246个脑区和猕猴的197个脑区与32条白质纤维束的连通性矩阵。最后,基于克伦巴赫α系数验证物种内个体间的一致性,基于余弦相似度衡量已知同源脑区在物种间的连通一致性,并通过应用该方法筛选出同源脑区。结果表明,本文方法在物种内分析和跨物种分析时具有一定的可靠性,且能够在人类与猕猴的跨物种研究中筛选出同源脑区。

1 材料与方法

1.1 数据集

       人脑数据来自人类连接项目提供的最低限度预处理的数据。10个人类被试的弥散张量成像(diffusion tensor imaging,DTI)数据和结构磁共振成像(structural magnetic resonance imaging,sMRI)数据来自于2016年人脑连接组项目(Human Connectome Project,HCP)数据中心发布的WU-Minn受试者数据集[13],这批数据集通过德国西门子Skyra扫描仪进行扫描得到的,该扫描仪使用标准32通道西门子接收头线圈和特殊梯度体传输线圈进行数据采集。整个实验遵照赫尔辛基宣言。具体采集参数如下:T1W:TE=2.14 ms, TR=2400 ms,TI=1000 ms,翻转角度=7°,体素分辨率为0.7×0.7×0.7 mm3;DTI:TE=89.5 ms,TR=5520 ms,弥散加权b值分别为1000、2000、3000 s/mm2

       猕猴公共数据集来自最近建立的PRIME-DE数据集。10个猕猴被试的DTI据和sMRI数据来自于加利福尼亚大学戴维斯分校的数据集[14],这批猕猴数据是使用西门子Skyra 3.0 T的4通道翻转线圈扫描收集得到的。整个实验得到了当地伦理委员会的批准,并遵守欧盟关于保护用于科学目的的动物的指令(2010/63/EU)。具体采集参数如下。T1W:TE=3.65 ms,TR=2500 ms,TI=1100 ms,翻转角度=7°,体素分辨率为0.3×0.3×0.3 mm3;DTI:TE=115 ms,TR=6400 ms,切片间隙为1.4 mm,弥散加权b值分别为1600、800 s/mm2

1.2 数据预处理

       分别采用HCP最小预处理管道方法和FMRIB工具对人类和猕猴DTI数据预处理[15],如图1A所示。具体步骤包括:头动涡流校正、梯度方向校正、获取大脑的掩膜文件。但是在获取大脑掩膜文件的过程中,猕猴的DTI数据辨识度较低,导致使用FMRIB无法得到很好的效果。因此,本文首先使用BET工具对猕猴的结构性数据进行脑组织提取,并手动进行掩膜文件校正;其次将猕猴结构像掩膜文件线性配准到DTI数据上,获得猕猴DTI数据的掩膜文件;最后,对扩散加权图像进行处理,拟合扩散张量并估计平均扩散系数和分数各向异性,并使用限于三个纤维方向的交叉纤维模型对扩散方向进行体素模型拟合。

图1  技术路线。
Fig. 1  Technical route.

1.3 图像配准

       白质纤维束的提取以及连通性矩阵的构建均需要选取感兴趣区域,感兴趣区域的选取涉及到个体的标准化,配准精度直接影响到了个体白质纤维束提取的精准度及连通性矩阵的可靠性。为了取得最佳的配准效果,本文采用两步配准法进行图像配准[16],如图1B所示,具体步骤如下:(1)使用线性配准法将个体b0像仿射配准至个体T1结构像,保存配准过程中生成的变形文件和变形矩阵,并将变形矩阵进行转置,得到个体T1结构像到个体b0像的变换矩阵;(2)使用线性配准法将个体T1结构像配准到标准空间上,参照变形矩阵,使用非线性配准方法将个体T1结构像配准到标准影像空间,得到变形场文件,同时逆转变形场文件得到标准影像空间到个体T1结构像的变形场文件;(3)将从标准影像空间到个体T1结构像的变形场文件与个体T1结构像到个体b0像的变换矩阵联合起来,得到从个体标准空间到个体b0像的变形场文件;(4)通过个体标准空间到个体b0像的变形场文件,将脑图谱配准到个体弥散空间上,得到基于个体弥散空间的脑图谱。

1.4 参照系选择

       为了能够更可靠地研究白质纤维束的个体差异性,通常使用概率纤维束追踪预先定义好的基于个体水平上的感兴趣区域,这些感兴趣区域反映了先前的解剖学知识,且能够用于指导和限制概追曲线的传播,减少假阳性的机会。本实验使用人类和猕猴共有的主要白质纤维束的感兴趣区域,其中,人类的掩膜文件是在蒙特利尔神经病学研究所标准空间绘制的,猕猴的掩膜文件是在F99标准空间绘制的。

       如图1C所示,本文首先将32条白质纤维束的Seed Mask、Target Mask、Exclude Mask等感兴趣区域配准到个体上,然后进行概率纤维束追踪[17],获得基于个体水平的白质纤维束,其中人类和猕猴的纤维流线分别设置为5000次和50000次。为确保这些连接的可靠性,使用P>0.04%的经验值来阈值化得到的追踪结果[18],以去除其中的假阳性连接,得到32条白质纤维束的掩膜文件,以此作为两个物种的公共参照系。

1.5 结构连通性矩阵

       人类使用中国科学院自动化研究所的人类脑网络组图谱,猕猴使用D99图谱[19]。具体步骤如图1D所示。首先分别将人类的脑网络组图谱和猕猴的D99图谱线性配准到个体上,得到基于个体的脑区分布;其次,逐个计算每条纤维束同每个脑区之间的连通关系,具体操作步骤为:(1)从参照系到脑区进行概率纤维束追踪,其中人类纤维流线设置为5000次,猕猴纤维流线设置为50000次,使用matrix2模式分别得到人类和猕猴的主要白质纤维束同脑区的体素级连通性矩阵;(2)对体素级连通性矩阵进行降维操作,即将体素级连通性矩阵按行与按列取平均,将得到的值作为纤维束到脑区的连通值;(3)将人和猕猴的纤维束到脑区的连通强度值拼接起来,得到人类和猕猴246×32和197×32的连通性矩阵。

1.6 属性分析

       为了证明本文所提出的方法具有较高的可靠性,随机选取了Broca44区、S1区、Hippoc区三个脑区进行种内分析与种间分析,早期跨物种研究已经证明,这三个脑区在人类和猕猴之间具有同源关系。本文主要从物种内和物种间两个角度来分析,通过验证连通性矩阵的个体一致性,以及三个脑区在同物种的内部一致性,证明计算方法在物种内的可靠性;物种间主要是验证三个脑区的同源性,证明计算方法进行跨物种分析时的有效性。

1.6.1 物种内分析

       为了验证全脑连通性矩阵在物种内的不同个体间是否具有一致性,将不同个体的连通性矩阵互相相减,统计相减之后连通强度差值在0.2之内的采用克伦巴赫α系数来进行验证不同个体在同一脑区的连通关系是否具有一致性,具体计算公式如下所示:

       其中,k表示待比较的个体的数量,σi表示第i个指纹图中的内部方差,σx表示全部指纹图的方差。克伦巴赫α系数范围为0到1之间,越接近1表示一致性越高。一般探索性研究,克伦巴赫α系数在0.6以上,基准研究在0.8以上,通常情况下克伦巴赫α系数在0.6以上,被认为可信度较高。

1.6.2 物种间分析

       本文选取余弦相似度作为衡量指标。通过计算人类和猕猴的某个脑区同白质纤维束的连通关系,并计算它们的余弦相似度,比较两个物种的某个脑区是否存在结构连通关系相似的情况,具体计算公式如下所示:

       其中,pq表示两个待比较的指纹图;n是指纹图中目标区域的个数,piqi分别表示pq两个待比较的连通指纹图中第i个目标区域的连接值。余弦相似度范围为-1到1。-1意味着两个向量指向的方向正好截然相反,1表示它们的指向是完全相同的,0通常表示它们之间是独立的,而在这之间的值则表示中间的相似性或相异性。余弦相似度值越接近1,表明两个脑区的连通性越相似,即两个脑区同源的可能性越大;余弦相似度值越接近0,表明两个脑区相独立,同源的可能性较小;余弦相似度值接近-1,表明两个脑区负相关。

1.7 统计分析

       由于本文所使用的被试数量较少,并不能完全反映物种整体水平在脑区连接结构方面的一些差异。针对上述问题,本文采用Python以及Numpy库对数据进行统计分析。计算人类和猕猴的组平均指纹图之间的余弦相似度值作为实际观测值,组合两组指纹图然后随机分成10和10两组,并计算新的两个组的组平均值指纹图及它们之间的余弦相似度值,重复上述的分组及计算操作10 000次,使用得到的余弦相似度值构建置换检验分布,检验标准值定义为5%显著水平。

2 结果

       基于白质纤维束的人和猕猴的脑区连通性计算方法,得到每个个体的全脑脑区与32条白质纤维束之间的连通性矩阵。将物种内的个体连通性矩阵互相相减,并统计连通强度差值在0.2之内的比例,结果显示,在人类的所有个体中,连通强度值在-0.2~0.2之间的占比达到了95%左右;在猕猴的所有个体中,连通强度值在-0.2~0.2之间的占比达到在85%左右。如图2所示。

       猕猴与人类所有个体Broca44区的连通指纹图如图3A所示,猕猴与人类所有个体S1区的连通指纹图如图3B所示,猕猴与人类所有个体Hippoc区的连通指纹图如图3C所示。其中,横坐标为白质纤维束,纵坐标为连通强度。

       分别计算了Broca44区、S1区、Hippoc区在两个物种中的克伦巴赫α系数,结果如表1所示。

       图4A表示猕猴和人类在Broca44区的连通指纹图和连通趋势图,图4B表示猕猴和人类在S1区的连通指纹图和连通趋势图,图4C表示猕猴和人类在Hippoc区的连通指纹图和连通趋势图。其中,横坐标为白质纤维束,纵坐标为连通强度。

       人类和猕猴在Broca44区、S1区、Hippoc区置换检验的置信区间如表2所示,置换检验的结果图如图5所示。其中,置换检验结果蓝色代表观测值,红色代表阈值,灰色代表测试的数据。

       分别将猕猴的Broca44区与人类的6个脑区进行余弦相似度的计算,其中选取的人类6个脑区分别为A8vl、A6vl、A45c、A44v、clinG、A2、IPFtha。结果如图6所示。其中,横坐标为脑区,纵坐标为余弦相似度值。

图2  个体间连通性矩阵比较。2A:猕猴;2B:人类。
Fig. 2  Comparison of connectivity matrices between individuals. 2A: Macaque; 2B: Human.
图3  种内个体间连通性比较。3A: Broca44区;3B: S1区;3C: Hippoc区。
图4  跨物种脑区验证结果。4A:Broca脑区;4B:S1脑区;4C:Hippoc脑区。
Fig. 3  Comparison of connectivity between individuals within species. 3A: Broca44; 3B: S1; 3C: Hippoc.
Fig. 4  Cross-species brain region verification results. 4A: Broca; 4B: S1; 4C: Hippoc.
图5  置换检验结果。
图6  方法区分度验证。
Fig. 5  Results of permutation test.
Fig. 6  Model discrimination verification.
表1  种内一致性分析
Tab. 1  Intraspecies consistency analysis
表2  同源脑区置换检验的结果
Tab. 2  Results of Broca44 brain area replacement test

3 讨论

       通过分析弥散磁共振成像数据,本文提出了基于白质纤维束图谱构建连通性关系的跨物种比较方法。发现通过这种方式构建的连通性关系,能够反映在同物种内不同个体间的结构特征基本一致的特性;且能够验证在不同物种间已知同源脑区的结构连通关系具有较高相似度的特性,为跨物种研究方法提供了一个新的思路。

3.1 种内连通性分析

       现有研究指出,同物种内大脑的大规模结构连接基本一致[20],全脑连通性矩阵能够反映大脑的大规模结构连接。本文对人类和猕猴全脑的连通性矩阵进行分析,结果显示,同一物种内连通性矩阵比较相似。因此,从全脑的连通性关系分析,本文所提出的计算方法,可以验证同物种内的个体间大规模结构连接基本一致的特性。除此之外,本文对单个脑区在物种内个体间的一致性进行分析。结果显示,在同一物种内,三个脑区在猕猴和人类的个体间连通指纹图相似,且三个脑区的内部一致性系数也较高,证明使用本文所提出的方法,能够反映物种内个体间的连通关系具有较高一致性。

3.2 种间连通性分析

       连通指纹图可以有效地表示脑区的连通关系,被广泛地应用于跨物种比较中[21]。在构建连通指纹图中,传统的跨物种比较方法需要选择感兴趣区域周边的同源脑区作为先验信息。Mars等[22]发现人类和猕猴拥有一些共同存在的白质纤维束,且能够作为跨物种比较的框架。参考早期跨物种研究,2021年夏潇鸾等基于连通性蓝图方法发现Broca44区在结构连接方面具有较高的跨物种一致性[23, 24],2020年徐婷等利用基于函数的跨物种对齐方法,发现S1区、Hippoc区等具有较高的跨物种同源性[25]。本文分析了这些脑区在人类和猕猴的结构连接模式,结果发现,三个已知同源脑区的连接指纹图和连接趋势图具有较高相似性,余弦相似度值均较高(Broca44区表2中0.979、S1区:表2中0.994、Hippoc区:表2中0.995),并在置换检验分布中,余弦相似度(观测值)均落入置信区间内,说明三个脑区的同源性分析可信。表明本文所提出的方法在跨物种比较中,能够反映同源脑区结构连接模式相似的特性。

       本文在人脑中选取6个感兴趣区域,搜索与猕猴Broca44区具有相似结构连接模式的区域。6个ROI在人脑中的分布较为分散,其中,A8vl、A6vl、A45c、A44v区位于额叶区域,clinG区位于中腹枕叶皮层区域,A2区位于中央后回区域,IPFtha区位于丘脑区域。结果发现,人类的A44v区和猕猴的Broca44区具有很高的相似性,而其他脑区与猕猴Broca44区的相似性较低,差异具有统计学意义,这与之前的研究结果一致。说明本文的计算方法对于同源脑区和非同源脑区具有较好的区分性,能够对人类和猕猴的同源脑区起到筛选的作用。

3.3 研究意义

       基于影像特征研究人脑与猴脑的跨物种比较方法,能为大脑组织方式提供有别于单物种研究的独特解读,能为未来人脑上发现和假设的验证提供支持,是当今信息科学、神经科学、认知科学等学科的共同前沿。传统的跨物种比较方法依赖于已有同源脑区等先验信息,存在同源位点信息不足的情况,而白质纤维束在人类和猕猴中普遍存在且有较高的共性。据此,本文提出了以白质纤维束作为参照系的方法。实验从种内分析和种间分析两个角度对方法进行了验证,又通过对Broca44区对方法进行了应用。结果发现,在跨物种研究中,该方法具有较好的适用性,且能够用于同源脑区的筛选。为跨物种研究方法提供了一个新的思路。

3.4 局限性和不足

       本文所提出的方法仅能反映出人脑和猕猴大脑的结构连接关系,对功能方面的表征不强,体现不明确。且对同源脑区的筛选不够精细,后续的研究可以结合功能连接进行研究,对结构连接初筛的同源脑区进行进一步分析。

       综上所述,本文所提出的基于白质纤维束图谱进行人类和猕猴脑区连通性分析的方法,能够应用于人类与猕猴的跨物种比较,且能够用于同源脑区的筛选。

[1]
Liu Z, Cai YJ, Wang Y, et al. Cloning of macaque monkeys by somatic cell nuclear transfer[J]. Cell, 2018, 172(4): 881-887.e7. DOI: 10.1016/j.cell.2018.01.020.
[2]
Passingham R. How good is the macaque monkey model of the human brain?[J]. Curr Opin Neurobiol, 2009, 19(1): 6-11. DOI: 10.1016/j.conb.2009.01.002.
[3]
Striedter GF, Belgard TG, Chen CC, et al. NSF workshop report: discovering general principles of nervous system organization by comparing brain maps across species[J]. J Comp Neurol, 2014, 522(7): 1445-1453. DOI: 10.1002/cne.23568.
[4]
Mars RB, Verhagen L, Gladwin TE, et al. Comparing brains by matching connectivity profiles[J]. Neurosci Biobehav Rev, 2016, 60: 90-97. DOI: 10.1016/j.neubiorev.2015.10.008.
[5]
van Essen DC. Cortical cartography and caret software[J]. NeuroImage, 2012, 62(2): 757-764. DOI: 10.1016/j.neuroimage.2011.10.077.
[6]
Rushworth MF, Noonan MP, Boorman ED, et al. Frontal cortex and reward-guided learning and decision-making[J]. Neuron, 2011, 70(6): 1054-1069. DOI: 10.1016/j.neuron.2011.05.014.
[7]
Fornito A, Zalesky A, Bullmore ET. Network scaling effects in graph analytic studies of human resting-state FMRI data[J]. Front Syst Neurosci, 2010, 4: 22. DOI: 10.3389/fnsys.2010.00022.
[8]
Mars RB, Sotiropoulos SN, Passingham RE, et al. Whole brain comparative anatomy using connectivity blueprints[J]. Elife, 2018, 7: e35237. DOI: 10.7554/eLife.35237.
[9]
Warrington S, Bryant KL, Khrapitchev AA, et al. XTRACT-Standardised protocols for automated tractography in the human and macaque brain[J]. Neuroimage, 2020, 217: 116923. DOI: 10.1016/j.neuroimage.2020.116923.
[10]
Bryant KL, Li LC, Eichert N, et al. A comprehensive atlas of white matter tracts in the chimpanzee[J]. PLoS Biol, 2020, 18(12): e3000971. DOI: 10.1371/journal.pbio.3000971.
[11]
Thiebaut de Schotten M, Dell'Acqua F, Valabregue R, et al. Monkey to human comparative anatomy of the frontal lobe association tracts[J]. Cortex, 2012, 48(1): 82-96. DOI: 10.1016/j.cortex.2011.10.001.
[12]
Hecht EE, Gutman DA, Preuss TM, et al. Process versus product in social learning: comparative diffusion tensor imaging of neural systems for action execution-observation matching in macaques, chimpanzees, and humans[J]. Cereb Cortex, 2013, 23(5): 1014-1024. DOI: 10.1093/cercor/bhs097.
[13]
van Essen DC, Smith SM, Barch DM, et al. The WU-minn human connectome project: an overview[J]. Neuroimage, 2013, 80: 62-79. DOI: 10.1016/j.neuroimage.2013.05.041.
[14]
Milham MP, Ai L, Koo B, et al. An open resource for non-human primate imaging[J]. Neuron, 2018, 100(1): 61-74.e2. DOI: 10.1016/j.neuron.2018.08.039.
[15]
Glasser MF, Sotiropoulos SN, Wilson JA, et al. The minimal preprocessing pipelines for the human connectome project[J]. NeuroImage, 2013, 80: 105-124. DOI: 10.1016/j.neuroimage.2013.04.127.
[16]
Xia XL, Fan LZ, Cheng C, et al. Multimodal connectivity-based parcellation reveals a shell-core dichotomy of the human nucleus accumbens[J]. Hum Brain Mapp, 2017, 38(8): 3878-3898. DOI: 10.1002/hbm.23636.
[17]
Hernandez-Fernandez M, Reguly I, Jbabdi S, et al. Using GPUs to accelerate computational diffusion MRI: from microstructure estimation to tractography and connectomes[J]. Neuroimage, 2019, 188: 598-615. DOI: 10.1016/j.neuroimage.2018.12.015.
[18]
Fan LZ, Li H, Zhuo JJ, et al. The human brainnetome atlas: a new brain atlas based on connectional architecture[J]. Cereb Cortex, 2016, 26(8): 3508-3526. DOI: 10.1093/cercor/bhw157.
[19]
Reveley C, Gruslys A, Ye FQ, et al. Three-dimensional digital template atlas of the macaque brain[J]. Cereb Cortex, 2017, 27(9): 4463-4477. DOI: 10.1093/cercor/bhw248.
[20]
Sporns O, Tononi G, Kötter R. The human connectome: a structural description of the human brain[J]. PLoS Comput Biol, 2005, 1(4): e42. DOI: 10.1371/journal.pcbi.0010042.
[21]
Petrides M, Pandya DN. Comparative cytoarchitectonic analysis of the human and the macaque ventrolateral prefrontal cortex and corticocortical connection patterns in the monkey[J]. Eur J Neurosci, 2002, 16(2): 291-310. DOI: 10.1046/j.1460-9568.2001.02090.x.
[22]
Mars RB, Jbabdi S, Rushworth MFS. A common space approach to comparative neuroscience[J]. Annu Rev Neurosci, 2021, 44: 69-86. DOI: 10.1146/annurev-neuro-100220-025942.
[23]
任凯欣, 王千山, 夏潇鸾, 等. 人和猕猴Broca区跨物种解剖连接差异分析[J]. 太原理工大学学报, 2021, 52(5): 728-739. DOI: 10.16355/j.cnki.issn1007-9432tyut.2021.05.006.
Ren KX, Wang QS, Xia XL, et al. Analysis of cross-species anatomical connection differences between human and macaque broca region[J]. J Taiyuan Univ Technol, 2021, 52(5): 728-739. DOI: 10.16355/j.cnki.issn1007-9432tyut.2021.05.006.
[24]
Xia XL, Gao F, Yuan Z. Species and individual differences and connectional asymmetry of Broca's area in humans and macaques[J]. Neuro Image, 2021, 244: 118583. DOI: 10.1016/j.neuroimage.2021.118583.
[25]
Xu T, Nenning KH, Schwartz E, et al. Cross-species functional alignment reveals evolutionary hierarchy within the connectome[J]. Neuroimage, 2020, 223: 117346. DOI: 10.1016/j.neuroimage.2020.117346.

上一篇 基于图论分析对自闭症谱系障碍儿童脑功能网络异常拓扑学属性的研究
下一篇 磁共振IDEAL-IQ与mDixon Quant技术对腹部、椎体脂肪定量的对比分析
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2