脑科学研究中复杂网络测量使用和解释——图论指标详解

大脑连接数据集包含解剖束或功能关联所连接的大脑区域网络。 复杂网络分析是研究复杂系统的一种新的多学科方法，旨在通过少量的神经生物学有意义且易于计算的措施来表征这些大脑网络。网络方法都已经延伸到了神经科学研究中的方方面面。在网络研究中，通过图论方法来表征复杂网络的拓扑关系是研究网络中不同节点、不同连边以及网络的整体特性的重要手段。

现代脑图技术（例如扩散MRI，功能MRI，EEG和MEG）产生了越来越大的解剖或功能连接模式数据集。同步的技术进步正在生物学，技术，社会和其他科学领域中生成类似的大型连接数据集。 在过去的十年里，对这些数据集进行描述的尝试导致了一种新的、多学科的研究复杂系统的方法的出现。这种方法称为复杂网络分析，通过量化复杂系统各自网络表示的拓扑结构来描述复杂系统的重要特性。复杂的网络分析起源于网络的数学研究，即图论。但是，与经典图论不同，该分析主要处理大型且复杂的现实网络-既不是均匀随机的也不是有序的。

脑连通性数据集包含通过解剖束或功能关联连接的脑区域网络。脑网络总是复杂的，与来自其他生物和物理系统的网络具有许多共同的特征，因此可以使用复杂的网络方法进行表征。网络对结构和功能连接性数据的表征正在增加，并基于几个重要动机。首先，复杂的网络分析具有可靠性通过少量的神经生物学有意义且易于计算的措施来量化大脑网络。其次，通过在同一张大脑区域图上明确定义解剖和功能连接，网络分析可能是探索结构-功能连接关系的有用设置。第三，比较研究对象群体之间的结构或功能网络拓扑结构，似乎揭示了神经和精神疾病中假定的连接异常