个体水平功能脑网络介绍

个体水平功能脑网络计算方式如下：

Parcellating cortical functional networks in individuals
nature neuroscience, 2015

1.包含18网络的功能性皮层地图集首先在1000例健康受试者数据集的基础上进行评估，然后用freesurfer软件投影到个体水平的被试皮层表面。个体水平的被试bold信号随后平均的穿过顶点，落到每一个网络。这些基于地图的网络的时间序列被当成“参考序列”随后在优化程序中使用。
2.个体受试者在每一个顶点的功能MRI信号随后与来自前述步骤的18个参考网络信号进行相关。通过与参考信号的最大相关值，把每一个顶点重新配准到18网络之一。置信值计算为最大相关值与第二相关值的比率。例如：假设一个顶点与A网络的参考信号是最强相关，且相关置信度是0.8，与B网络是第二强相关，相关置信度为0.4，那么这个顶点属于A网络的置信度为0.8/0.4=2。等所有顶点都在一定的置信度水平下重新配准到18网络之一以后，每一个网络中置信度值大于之前设定的阈值（例如>1.1）的顶点的bold信号进行平均，并称为“核心信号”。计算每个网络的一些参数，包括功能连接中预先估计的受试者间变异性，和置信度值大于给定阈值的顶点经过标准化和平均的时间信噪比（temporal signal-to-noise ratio, SNR）。
3.对于每一个网络，来源于步骤2的核心信号和来源于步骤1的原始参考信号以权重的方式进行平均。在进行平均之前，核心信号乘以步骤2中计算的加权参数，包括被试间变异性，SNR（时间信噪比），迭代次数。结果信号估算在下一次迭代中作为新的参考信号。这种加权策略保证了原始地图性参考信号加权少于高信噪比区域和高被试间变异性区域的核心信号。这个权重随着迭代的进行会不断降低。使用这些联合了个体被试信息和人类地图集信息地新的参考信号，大脑顶点随后重新配准到18网络之一。
4.步骤2和步骤3不断迭代，直到算法达到之前定义好的停止标准。例如：如果在连续两次迭代中，或在预定的迭代次数之后，98% 的顶点的网络成员保持不变，则停止该过程。

结果：
在迭代过程中，视觉和感觉运动区域（sensorimotor regions）的顶点在迭代期间显示出相对稳定的网络成员分配。然而，在优化过程中，联合皮层（association cortices）的顶点显示出更大的调整。
在每个被试中，结果中的功能地图集在视觉上一致通过五个部分（session），汇集在一起，包括主要运动感觉区和高级联合区。如下图：（可以看出功能图在受试者之间差异很大，特别是在高级联合区域。）

Here we present an approach for parcellating functional networks across the cerebral cortex in individuals on the basis of functional connectivity. Each brain had unique features. Parcellation networks were reproducible within subjects across multiple scans and could capture inter-individual differences in functional organization, including variability in brain lateralization. We found that this approach can be applied to various populations and extended to task fMRI data. Using invasive cortical stimulation as the gold standard, we evaluated the sensitivity and specificity of iterative functional parcellation in surgical patients and compared them to that of conventional task fMRI. Our results indicate that the individual cortical parcellation technique can correctly localize functional networks in individual subjects and has potential for use in clinical applications.

总的来说，这项技术的可重复性高，可以捕获被试间的个体差异，并且这项技术除了应用于静息态，还可以用于任务太，跟金标准相比（ECS），我们的技术定位很准，有应用于临床的潜力。

被试间的差异和个体水平的研究是近些年的前沿和热点。
在循证医学里，临床随机对照试验的证据级别很高，所以一般都用的是组分析，在核磁领域也基本如此。不过近些年来也越来越提出个体化的差异和个体化的研究，这种趋势是可以理解的，并且前景和潜力还是挺ok的，值得入坑。