Построение структурной сети человеческого мозга может быть основано на структурных МРТ-изображениях (морфологические показатели серого вещества, такие как толщина коры, площадь извилины коры и т.д.; процесс показан синими стрелками) и диффузионных МРТ-изображениях (пучки волокон белого вещества, процесс показан зелеными стрелками), соответственно. Функциональные сети человеческого мозга могут быть основаны на функциональных МРТ-изображениях (временные ряды функциональной активности мозга, поток показан красными стрелками) и ЭЭГ/магнитных сигналах мозга (поток показан желтыми стрелками), соответственно. Определение узлов сети: данные структурной, диффузионной и функциональной МРТ требуют определения узлов сети с использованием априорного отображения областей мозга или вокселей изображения, в то время как данные ЭЭГ/ЭМГ непосредственно основаны на записи электродов/каналов в качестве узлов сети. Сетевая связность (края) определяется как статистическая связь между морфологическими показателями узлов сети для данных структурной МРТ, детерминированными или вероятностными методами отслеживания волокон для данных диффузионной МРТ для определения анатомической связности между узлами сети, а функциональная связность сети МРТ и ЭЭГ/ЭМГ обычно может быть измерена с помощью корреляции Пирсона, корреляции смещения, одновременного правдоподобия и других вычислительных методов. Статистические связи между сигналами нейронной активности узлов сети могут быть измерены с помощью корреляции Пирсона, частичной корреляции и одновременного правдоподобия. Корреляционная матрица, полученная на этапе 3, может быть бинаризована для получения бинарных матриц при различных пороговых значениях, т.е. структурной и функциональной сети мозга. На сегодняшний день структурная МРТ широко используется для изучения морфологических изменений в локальных областях мозга при нормальном развитии мозга, старении и заболеваниях. Примечательно, что несколько исследований показали, что морфологические данные человеческого мозга содержат богатую информацию о связности мозга. В 2005 году Мечелли и др. из Великобритании с помощью структурной магнитно-резонансной томографии обнаружили скоординированные изменения плотности серого вещества между определенными областями мозга (например, двумя полушариями мозга), и исследователи предположили, что эта координация может быть связана с пучками волокон белого вещества (corpus callosum), которые их соединяют. В 2006 году Лерх и др. обнаружили, что области коры головного мозга Брока и Вернике (две области мозга, связанные с языком) имеют очень высокую координацию в толщине серого вещества коры. Для этого они построили корреляционную карту толщины коры, которая показала поразительное сходство с картой аркуатного фасцикула (волокна белого вещества, соединяющие области Брока и Вернике) в мозге человека. Хотя точное физиологическое значение морфологической корреляции между областями мозга еще не известно, несколько исследований предположили, что эта согласованная вариация морфологических особенностей может быть связана как с врожденной генетикой, так и с приобретенной пластичностью. В 2007 году Хе и др. успешно построили первую структурную сеть человеческого мозга, изучив корреляцию между толщиной коры 54 областей мозга в коре головного мозга с помощью данных структурной визуализации 124 человек, и обнаружили, что сеть обладает свойствами «малого мира», а распределение степеней узлов соответствует экспоненциально усеченному распределению по закону мощности. Это исследование было первым, предложившим идею использования морфологических показателей для построения структурного коннектома мозга, и подтвердило свойство «малого мира» структурной сети человеческого мозга, построенной на основе корреляций толщины коры, обеспечив новый способ описания структурного коннектома живого человеческого мозга. В 2008 году Чен и др. показали, что сеть толщины коры имеет организационную структуру, которая соответствует функциональным модулям человеческого мозга (например, язык, память и зрение), что позволяет предположить, что изменения в корреляциях толщины коры в основном находятся в пределах различных функциональных модулей. Кроме того, путем сравнения между узлами и ребрами в сети было установлено, что основные узлы сети кортикальной толщины в основном расположены в теменной, височной и лобной совместных областях коры, а большинство важных путей в сети связаны с основными узлами в различных модулях. В 2008 году Шмитт и др. разработали генетическую корреляционную матрицу структуры мозга 600 детей и обнаружили, что структурные связи между различными областями мозга, регулируемые генетическими факторами, образуют сложную сеть со свойствами «малого мира». Основные области мозга в этой сети расположены в основном в верхней лобной извилине, средней лобной извилине, прецентральной извилине и постцентральной извилине. Ленроот и др. изучили продольные структурные данные 787 здоровых людей, используя метод, предложенный Хе и др. для исследования влияния развития мозга на топологические свойства структурной (толщина коры) сети. Набор данных был разделен на три возрастные группы: дети (средний возраст 6,9 лет), подростки (средний возраст 11 лет) и молодые взрослые (средний возраст 16,4 года). Это позволяет предположить, что развитие мозга тесно связано с региональной дифференциацией мозговых структур. Данные структурной МРТ позволяют предположить, что структурные сети мозга обладают свойствами «малого мира» и топологическими свойствами, такими как модульная структура. Метод построения структурных сетей мозга на основе морфологических данных представляет собой простой и эффективный способ описания структурных связей человеческого мозга, который не только помогает выявить топологические закономерности структурных сетей человеческого мозга, но и обеспечивает экспериментальную основу для изучения взаимосвязи между структурой и функцией человеческого мозга. Важно отметить, что данный подход к построению структурных сетей мозга на основе морфологических данных имеет некоторые ограничения. Например, современные структурные сети морфологии мозга обычно описывают паттерны связности между целыми областями мозга (например, N<200), n="">10000), можно ли еще найти вышеупомянутые свойства сети на уровне региона? И какие отношения существуют между этими различными уровнями сетей мозга?