引用於 陽明大學 腦造影http://bml.ym.edu.tw/bmlab/Network.html
作業相關網路
人類大腦是複雜的網路。大腦網路是將空間上各自分佈卻又互相分享資訊的功能性區域連接。 功能性連結的定義是指結構上各自分佈的腦區具有時序上相依的神經活化特性；在過去幾年， 已有很多造影研究 (fMRI、EEG/MEG、PET) 探討功能性連結，不管是做作業時的狀態還是無作業自發性休息狀態神經活動。 作業功能性神經網路包括大家所熟知的主要視覺網路 (primary visual network)、聽覺網路、注意力網路、運動網路、 高層次認知網路及情緒網路（圖一至圖五）。
圖一、視覺處理網路 (Ganis, Thompson, & Kosslyn, 2004) 受試者看模糊物件圖片，並對物件的特徵做判斷，例如:有矩形嗎?寬大於高?是底部嗎?
圖二、聽覺作業網路；(a)為對照組 (b)為音樂家，圖中紅黃色顯示兩組人分別執行聽覺作業時大腦的活化區域。(Bangert et al., 2006)
圖三、注意力網路 (Corbetta & Shulman, 2002) 專注於位置的大腦活動(fMRI)，受試者會根據提示(箭頭)去專注左邊或右邊。
圖四、運動網路；(a)對照組 (b)音樂家執行運動相關作業時，大腦活化圖。(Bangert, et al., 2006)
圖五、情緒網路 (Satterthwaite et al., 2010)，正常人在執行情緒辨認作業時，正負相關區域的功能性連結。
休息狀態大腦網路 近年來，大家關注於休息狀態神經網路(Resting State Networks, RSN)，認為大腦處於休息狀態時，
神經元依然是有規律的活動；目前根據fMRI研究找出主要九個休息狀態網路 (Van Den Heuvel, Mandl, & Pol, 2008)（圖六）。
(a)預設網路 (default mode network) 預設網路的功能包含認知與情緒處理功能、監控周圍的環境及白日夢 (mind-wandering)。
(b) 左側額頂葉 (left parietal-frontal)。
(c) 右側額頂葉 (right parietal-frontal)，功能是注意力及處理記憶。
(d'-1) 主要視覺皮質(primary visual)。
(d'-2) 主要感覺運動皮質區 (primary sensorimotor)。
(d'-3) 紋外視皮層(extra-striate visual)。
(e) 核心網路 (core network)：腦島皮質 (insular cortex)及前扣帶皮層 (anterior cingulate cortex)，功能是控制目標導向行為。
(f) 內側額葉皮質 (medial frontal cortex)與前扣帶皮層 (anterior cingulate cortex)，功能牽涉認知、情緒及監控賞罰。
(g) 後楔前葉 (Posterior precuneus network, BA7)，功能與空間位置有關。
預設網路包含後扣帶皮層 (posterior cingulate cortex)、楔前葉 (precuneus)、內側額葉皮質 (medial frontal) 和下頂葉 (inferior parietal) 區域，
相較於其他RSN，預設網路區域被認為是較高層次休息狀態神經活動，說明此網路活動反應神經活動的預設狀態。
因此，目前研究會藉由觀察預設網路特性，以找到與神經或精神疾病造成認知缺失的致病原因。
綜而論之，在這些互相連結的網路，一個區域可能會有重疊的功能。 
圖六、休息狀態網路 (Van Den Heuvel, et al., 2008)
建構大腦神經網路 要了解神經網路的功能性，首先要找出相對應的區域及結構性的連接，以建立完整神經網路架構。
我們會藉由過去的實證資料建立結構性及功能性網路（圖七），利用造影資料，根據組織資料、功能性資料及連結性資料來定義網路節點。
一旦定義好節點與節點之間得關係，將其關係成對放入連接性矩陣，用此矩陣代表一個網路。
最後，經過演算法計算網路矩陣在不同受試者、不同群組及不同造影資料以得出網路拓樸圖的相關特性 (Sporns, 2011)。
圖七、實證資料建構大腦神經網路示意圖 (Bassett & Bullmore, 2009)
計算大腦連接性的方法 目前敘述大腦網路的連結性，分為三種結構性 (structural) 連結、功能性(functional) 連結、有效性 (effective) 連接。
結構性連結是一群神經單位在特定時間結構性地連結。結構性連結資料有不同空間量度，從區域 (local) 神經迴路到區域之間大範圍的神經網路。
結構性連結特性是靜態短時間範圍內（秒-分），但也有動態長時間範圍(時-天)；例如學習歷程或發展歷程。
功能性連結是計算各個統計獨立區域間的相關係數 (correlation/covariance)、頻譜共振性 (spectral coherence) 或相位鎖定 (phase-locking)。
功能性連結是隨時間變化（數百毫秒）及model-free，也就是計算統計相依性 (mutual information)，不需要考慮因果關係。
一般而言，不同方法測量腦活動會造成不同功能性連結統計估計值。另一方面，有效性連結是有一神經系統與其他神經系統有因果關係。
不像功能性連結，有效?妘s結不是model-free，需指定因果模型（例如結構參數）。
藉由觀察神經事件的時序或推論這些擾動，不斷地試驗求得有效性連結，估計因果互動關係。功能性與有效性連結都是隨時間變化。
大腦區域間的統計相依性變化快速，代表不同認知作業、行為、注意力狀態、覺察及學習歷程等作業，是由腦區中的不同子區域及神經迴路所參與。
更重要的一點是，結構性、功能性及有效性聯結是相互有關的。結構性連結是產生功能性連結及有效性連結網路特性的主要約束條件 (constraint)。
在特定區域內，結構性輸入輸出值（連結辨識值）是主要功能特性的決定值。
相反地，功能性關係造成基本結構基質 (substrate) 的成型，不是直接經由神經活動相依突觸可塑性，
就是經由影響有機體感知、認知、行為能力所帶來的適應與生存 (Sporns, Chialvo, Kaiser, & Hilgetag, 2004)。
參考文獻
(1) Bangert, M., Peschel, T., Schlaug, G., Rotte, M., Drescher, D., Hinrichs, H., . . . Altenmuller, E. (2006). Shared networks for auditory and motor processing in professional pianists: Evidence from fMRI conjunction. Neuroimage, 30(3), 917-926.
(2) Bassett, D. S., & Bullmore, E. T. (2009). Human brain networks in health and disease. Current opinion in neurology, 22(4), 340.
(3) Corbetta, M., & Shulman, G. L. (2002). Control of goal-directed and stimulus-driven attention in the brain. Nature Reviews Neuroscience, 3(3), 201-215.
(4) Ganis, G., Thompson, W. L., & Kosslyn, S. M. (2004). Brain areas underlying visual mental imagery and visual perception: an fMRI study. Cognitive Brain Research, 20(2), 226-241.
(5) Satterthwaite, T. D., Wolf, D. H., Loughead, J., Ruparel, K., Valdez, J. N., Siegel, S. J., . . . Gur, R. C. (2010). Association of enhanced limbic response to threat with decreased cortical facial recognition memory response in schizophrenia. American Journal of Psychiatry, 167(4), 418.
(6) Sporns, O. (2011). The human connectome: a complex network. Annals of the New York Academy of Sciences.
(7) Sporns, O., Chialvo, D. R., Kaiser, M., & Hilgetag, C. C. (2004). Organization, development and function of complex brain networks. Trends in Cognitive Sciences, 8(9), 418-425.
(8) Van Den Heuvel, M., Mandl, R., & Pol, H. H. (2008). Normalized cut group clustering of resting-state FMRI data. PLoS One, 3(4), e2001. |
