|
青春期是人脑发展的一个关键阶段，也是童年到成年的过渡时期，其主要特征是多个领域（包括身体，神经生物学，认知，情感，动机和社会）的重大变化。在青春期时期，大脑功能连接迅速发展，但似乎也是个体精神病理学发展最脆弱的一段时期。例如，与成年人相比，青少年的目标导向行为的执行速度更快，运动和认知抑制得到促进，工作记忆得到改善。但与此同时，冲动、情绪不稳定和冒险在这一过渡时期增加，极端的话，可能会产生潜在的戏剧性后果，如吸毒成瘾、严重车祸、性传播感染和意外怀孕。此外，这些青春期的变化伴随着许多精神疾病的高峰发病率，包括情绪和焦虑症。因此，在本文中作者将通过大脑功能发展的基本原理对青春期的复杂性进行阐述，并讨论功能性大脑连接变化对青少年的影响。本文发表在Annual Review of Clinical Psychology杂志。 近年来，结构神经影像学研究描述了青春期前总灰质体积的增加，青春期后总灰质体积的减少。青春期前灰质体积的增加与强烈的突触发生有关，青春期后灰质体积下降与突触修剪有关。记录这些变化的同时，结构研究也记录了由于轴突半径和髓鞘化的增加导致的青春期白质体积和密度的线性增加，最后，研究人员报告了青少年脑回的增加，推测在脑扩张过程中会出现轴突生长和生物力学变化。大脑的这些发育和转变最终汇聚在一起，提高了青春期时整个大脑信息交换的效率和特异性。 当下，我们已经可以通人体磁共振成像(MRI)在肉眼可见的空间尺寸中观察到这些局部变化的各个方面，也可以在人类功能磁共振成像(FMRI)研究中发现它们的功能变化。其中，激活研究确定了参与特定认知过程的大脑区域，并且发现认知的过程与个体在扫描仪中执行的任务有关（即任务态功能磁共振）。不仅如此，功能连通性研究通过测试和探索共享和集成信息的神经网络，将这些局部发现扩展到网络变化。这些进展尤其适用于测试神经系统模型，相关神经系统模型已经被提议用于描述青少年行为模式背后的神经变化，如冒险，猎奇和情绪高涨。 根据分布式网络的相对成熟程度，这些模型假设在两个(Casey et al. 2011)或三个(Ernst et al. 2006)分布式网络之间存在明显的功能平衡。例如一个位于前额叶皮层的认知控制系统，该系统在调节位于纹状体内的奖励相关系统方面缺乏效率，而纹状体在青春期尤其活跃。而三元模型在这两个网络上增加了回避相关网络，它杏仁核为中心，优先编码负面情绪。开发三元模型不仅是为了解释冒险行为，也是为了探究情感变化对于行为动机的影响。一些任务型的功能磁共振成像研究已经测试了这些模型，但对于在这些网络内部的相对连接和交流还没有关注研究。在这里本文将总结一些已经被证实的成熟状态大脑网络的转变以及用于检查此类问题的工具 事实上，随着复杂工具的发展和静息态研究的增加(例如 Friston 2011),人们对于功能连接的研究已呈现出指数级的增长。这些技术不仅可以用于大脑在健康和病例方面的研究，也能为青春期在精神病理学方面的脆弱性提供重要线索。因此在关注静息态功能连接研究前，作者带我们回顾了各种功能连接的方法。 功能性磁共振成像方法 功能连接在操作上被定义为统计相关性，例如不同神经生理学事件之间的相关性或一致性（Friston 2011）。FMRI功能连接通常是通过计算体素或种子区域的时间序列或两者兼有的相关性来衡量的。假设区域间的高相关性反映了区域间的神经交流，即它们在“一起工作”。目前使用的这种方法所推断的这种神经关联的性质很大程度上取决于被试在扫描过程中做了什么。下一节中作者将引导读者阅读原始文献，帮助读者选择适合自己具体研究问题的设计和分析策略。 任务型研究是指针在特定的、实验控制的认知过程的行为范式(如Stroop任务、面部情绪识别任务)，下对被试的血氧水平依赖(BOLD)信号进行检测。与此相反，静息状态研究之所以被称为静息状态研究，是因为数据是在受试者躺在扫描仪中休息并被指示不要入睡时收集的。静息态fMRI分析的目的是探测大脑组织的一般特性，通过推理，这些特性通常是与特定的认知过程相关。因此，不同的分析通常伴随着这两大类神经成像数据(基于任务和静息态)，并且它们会提供不同但重叠的网络组织图像。 两个因素概括地描述了从连接性研究中获得的关于大脑组织的信息的性质。第一个因素是该分析是为模型驱动的（例如，一个关于一个特定区域或一组区域连接性的强假设)还是为数据驱动的(例如，一个算法在数据中盲目地分离网络特征)。第二个因素是分析是网络连接间信息的流动是否具有方向性。虽然连通性分析的这两个特征(模型驱动vs数据驱动，方向性vs非方向性)理论上可以同时应用于基于任务的和静息态的连通性研究，但目前这些技术的发展状况并不完全适用于这两种类型的研究。数据驱动的分析通常用于静息状态研究，而方向性分析目前通常用于基于任务的研究。图1按照假设数据驱动的梯度对这些分析进行了概述。 
图1：作者提出的一种基于功能性磁共振成像(fMRI)分析方法的分类组织形式。在完全数据驱动、探索性分析和非常强烈的假设驱动分析之间的一个梯度被提出。小实心圆表示功能上或解剖上定义的节点。浅蓝色线表示功能连接，箭头表示有效连接。不指向节点的线和箭头表示体素水平的全脑分析。省略号表示任务态和静息态之间尚未完全理解的关系一些研究者认为，区域对特定任务的伴随激活或协同激活，构成了一个参与特定过程的网络。例如，Knutson等人(2001)使用了货币奖励任务，报告激活了包括腹侧纹状体、尾状体、杏仁核、中前额叶皮层和前扣带皮层在内的一系列区域。随后的一项基于142项神经成像激活研究的荟萃分析也证实了这些发现，报告称，在对奖励过程作出反应时，这一组相同的区域会持续被激活(Liu et al. 2011)。荟萃分析项目NeuroSynth.org对各种过程提供了类似的见解(Yarkoni等，2011年)。然而，尽管激活研究(或元分析)可以揭示参与认知过程的区域，但协同激活方法是有限的，因此它不能直接测试网络属性，也不能描述特定区域对区域耦合的强度或标志(正或负)。 基于任务的功能连通性 与从协同激活图中定性推断的网络相反，一种称为心理生理相互作用（PPI）分析的统计方法可以对种子区域的活动与大脑其他部位的活动进行回归，从而测试连接强度是否随实验或行为操纵而变化(Friston et al. 1997). PPI的基本思想是，大脑区域表现出一定水平的基线交流，可以通过特定的认知过程进行调节（即增强或减弱）。例如，在一项研究中，观察恐惧的面孔和中性面孔的任务增强了右侧杏仁核和梭状回之间的连接强度(Das等人，2005年)。 PPI分析通常是由一个关于特定种子区域连接模式的先验假设驱动的，这种技术的应用通常是在大脑的其他区域显示任务诱导的耦合。在研究人们会随着年龄的变化而变化或受到疾病过程的不同影响的认知 功能时，PPI分析具有一定的优势。 尽管PPI技术有很多好处以及普及程度很高，但它仍然和任何基于任务的研究一样存在一些相同的弱点。以任务为基础的研究在比较表现上有系统偏见的人群时可能会有问题。例如，相对于年龄较大或健康的个体，幼儿或患者在执行某些任务时可能会使用不同的策略或遇到明显的困难，因此很难明确群体差异是与年龄或疾病有关，还是仅仅反映了表现上的普遍差异。任务绩效的可变性问题是文献中持续争论的根源，在选定任何基于任务的分析时都应予以考虑(例如，Snyder等，2011)。 PPI分析还有另一个潜在缺点，那就是关于特定大脑区域连通性的假设可能会使研究结果产生偏差，因为它限制了对某个脑区进行分析，从而可能舍取了其他重要的信息。最后，基于回归的PPI不允许对信息流的方向进行推断。针对这些推论，研究者们开发了针对有效连接的技术。 基于任务的有效连接 功能性核磁共振成像的有效连接分析是一种复杂的尝试，试图找到大脑区域之间因果或定向影响的证据程度。最常见的定向分析是格兰杰因果关系(GC)和动态因果建模(DCM)技术。20世纪60年代末，经济学家克莱夫·格兰杰(Clive Granger)开发了一种基于滞后信息来推断时间序列之间因果关系的方法;最近，这种方法被应用于神经影像数据的时间序列(Roebroeck等，2005)。DCM最初是由神经科学家开发的，他们使用动态系统建模来推断区域子集中的因果影响(Friston et al. 2003, Stephan et al. 2010)。与PPI一样，DCM本质上寻找基于任务的耦合变化，不同的是，DCM关注区域的子集通常少于8个。研究者指定了这些区域如何相互作用的模型，并通过一个非常强的假设，检验数据最支持的模型(Penny et al. 2004)。这项技术的进步还允许在特定网络的现有知识不足以支持特定假设的情况下对大量模型进行测试(Penny et al. 2010, Torrisi et al. 2013b)。 尽管将GC和DCM应用于静息态数据很难进行，且具有争议。但在过去10年里，研究人员已经将GC和DCM应用于激活研究和静息态研究(见下文)(Friston et al. 2014, Kahan & Foltynie 2013, Liao et al. 2010) 静息状态功能连通性分析评估的是受试者在清醒但休息时大脑区域间的同步活动。因为静息状态下的指令很少，对注意力的要求也很低;所以这样的数据比涉及心理任务的数据的一个很大的优势是:可以从各种各样的人群中收集这些数据。因此，大多数患者人群(Zhang & Raichle 2010)和所有年龄段的儿童(Thomason et al. 2013)都可以参与静息状态研究。另一个优势是能够进行完全探索性的或数据驱动的分析，而较少受到我们目前对脑动力学的了解所带来的偏见，更有可能导致发现大脑组织的新原理。静息状态下的活动是自发的且不受控制，因此内在功能连接（iFC）分析本身并不关注特定的认知过程，而是旨在阐明一般网络的动态和组成部分。这些内在的网络不一定与在有针对性的心理任务中激活的网络相同，而是被认为反映了遗传指导的结构和依赖经验的功能基础，尽管存在这种划分，但基于任务的fMRI研究诱发的大脑网络在定性和定量上似乎与静态数据诱发的大脑网络相似，一些研究人员积极尝试阐明这种关系(Barnes et al. 2009, Rehme et al. 2013, Schultz et al. 2012, Smith et al. 2009)。静息态研究揭示了许多活跃的典型网络，它们是由离散区域之间不同的相关集所定义的。许多这些静息态网络已经通过基于模型和独立模型的分析进行了识别。此外，它们还与特定的感觉功能(如听觉、视觉和运动控制网络)或认知功能(如突显性、注意力和默认网络)有关。这些网络本身的相互关系(不仅仅是网络中的节点)也已经成为研究的一个来源，为更高层次的大脑组织打开了一扇新的窗户(Fox et al. 2005, Sridharan et al. 2008)。在静息态研究中没有任务的优点也可能是缺点。具体来说，如果没有任务诱导过程(提供独特的事件时间)，静息态相关性可能会受到非神经元噪声的影响 ，包括扫描伪像、心跳、呼吸和头动(Jo et al. 2010)。这些非神经生理事件可以产生假阳性或高度扭曲的结果。因此，必须采用谨慎而复杂的预处理方法来消除这种系统生物噪声的影响(Murphy et al. 2013, Saad et al. 2012)。第二个缺点与分析的复杂性直接相关。近年来，分析的复杂性导致技术的数量越来越多，使得结果普遍缺乏可复制性。然而作者希望在不久的将来可以通过改进技术和就最有效和可靠的分析达成共识来解决这一局限性。如上所述，第三个缺点是不能完全理解任务和静息态数据之间的关系，例如，研究人员通常在任务中研究的较高活动频率与在休息中分析的较低的自发频率之间的关系。 类似于用于评估基于任务的功能连接性的PPI技术，基于种子点的静息态连接需要选择一个种子区域，并通过相关性方法检查从该种子点到大脑中其余体素的连接模式。(Biswal et al. 1995, van den Heuvel & Hulshoff Pol 2010). 如今许多研究已经检查了关键功能区域在健康人和病患中是如何与大脑的其余部分沟通的，例如焦虑症中的杏仁核。(e.g., Roy et al. 2013). 或者可以通过将少量区域的时间序列相互关联来检验更受约束的假设(Torrisi et al. 2013a)。与查询已知离散网络的相对简单分析策略不同，基于种子点的功能连接需要更强的理论依据和如何选择感兴趣区域的基础，但它却受益于较少的多重比较。更复杂的分析方案可以应用图论技术来检查全脑网络的不同指标。 图论提供了许多描述网络特征的指标，这些指标最初是针对社交网络开发的。图论分析已经应用于许多领域来描述网络的全局和局部特征（Strogatz，2001年），它们最适合用于描述具有许多节点的大型网络。在大脑中，这些指标计算数十个或数百个区域（节点）之间的成对连接（“边”）的描述性度量，从而揭示网络之间和网络内部的连接结构。路径长度，全局效率，集群系数和小世界性等术语描述了多种大脑连通性属性的度量（Rubinov＆Sporns 2010）。 然而，类似与基于种子点的分析，脑功能的图论分析仍然取决于所选要进行分析的节点的功能相关性。并且近期的研究表明，与结构图谱或任意定义的采样网格相比，功能定义的分类提供了更好的网络估计(Craddock et al. 2012, Sepulcre et al. 2012, Smith et al. 2011b). 然而，图论的一个更大的问题在于很难具体地将其指标和全局描述与潜在的生物学现象联系起来。 独立成分分析（ICA）是一种与模型无关的多变量分解方法，可根据其时间特征分离出大脑中的空间信号。在不需要先验节点的选择下，ICA可以识别区域之间的复杂交互，(McKeown et al. 2003) 此外，ICA可以通过从功能上异质的区域中分离独立的信号来揭示多个网络中所涉及的节点的多功能性（Beckmann et al.2005）。ICA的一个困难是对提取的最佳成分数量可能不清楚，不同的算法对成分数的计算会产生不同的结果(Calhoun & Adali 2012)，这在为比较的不同人群提取单独的ICA时很成问题。而另一个困难是 ICA所提取的成分需要人们自行区分哪些是网络的成分，哪些是噪声。但这仍旧不影响ICA成为一种强大的探索性技术。 十多年来，这些基于Fmri的连通性分析展示了大脑功能网络的新图景，一些网络属性也在发展过程中发生实质性的变化。为了理解大脑功能改善的各种神经机制，这些属性的变化需要被仔细地描述。作为不断变化的目标，这些属性需要有可复制性。然而，基于任务态的fmri连通性研究是特定于不同的任务，不同的研究会有很大的不同。由于任务的特殊性和研究网络的不同，PPI技术对于任务态的发现没有可复制性(e.g., Rubia 2013)，这使得目前很难将基于任务态的连通性结果整合到一个连贯的连通性综述中。因此，下一节将侧重于静息态研究，这些研究不太受这个方法问题的影响。如果您对任务态和静息态脑功能数据处理感兴趣，欢迎浏览思影科技课程及数据处理服务（可添加微信号siyingyxf或18983979082咨询）：第六届任务态fMRI专题班（南京，10.16-21） 第三十三届磁共振脑影像基础班（重庆，10.11-16）
第十七届磁共振脑网络数据处理班（重庆，10.20-25） 第十八届磁共振脑网络数据处理班（南京，11.6-11） 在本节中回顾一些关于个体大脑连通性发生变化的里程式研究。尽管现在一些实验室正在收集这类数据，但没有对发育中的个体进行内部连通性的纵向研究。这里我们仅考虑调查青少年(儿童和/或青少年)和成人的研究。值得注意的是，只有少数研究涵盖了所有三个年龄段（儿童，青少年和成人），这些研究表明了青少年的iFC（内在功能连接） 模式介于童年和成年人之间。总的来说，研究结果反映了大脑网络组织从童年到成年的转变。这些转变有3个方面：（a）从局部到分式（b）连接强度的改变 （c）网络之间的联系（详情见图2）
图2：文字中描述的功能性神经连接性的三种个体发生变化的图示。在灰色椭圆形（右边最后一张图）内分组的网络表示与其他网络分开的分层分组。 在胚胎发育期间，个体神经元的交流主要由区域之间的短程连接组成，这种模式形成了局部网络(Hoff et al. 2013)。随着发育的进展，大量的短程连接被一个越来越完整的远程连接系统所调和，例如连接半球、连接枕部、顶叶、额叶和颞叶的系统(Fair et al. 2007)。随着网络之间的连接加强，大脑功能变得更加整体和活跃。图3显示了Dosenbach等人(2010)对7至30岁的正常发育个体238次扫描的多变量模式分析结果。图片表明了随着年龄的增长，短距离连接(绿线)在减弱，而远程连接(橙色线)在增强。这种转变代表了从局部到分布式功能的发展，有助于提高大规模整合信息的效率。相反，正在被整合的小型网络会变得紧密。更普遍的是，从短程连接到远程连接的发展转变以及对较小网络的细化与许多对激活的更大焦点的观察是一致的。除了全脑网络间的连接发展以外，网络内部连接的强度也随着发展而发生重大变化。
图3：在大脑表面呈现图上描绘大脑各区域之间的联系随年龄变化的表现。随年龄增加的连接显示为橙色；随年龄减少的连接显示为绿色。大脑区域之间局部相互作用的联系似乎随着年龄的增长而减少（绿色），而一个更为分散的组织（橙色）随着年龄的增长而出现。长程连接增加而短程连接减少的总体发展趋势与某些特定网络的增强和其他网络的削弱的趋势是一致的。例如，研究人员从静息态功能连接中分离出了稳定的特定网络和特点于这些网络的节点，如默认网络(DMN) (Anderson et al. 2011, Fair et al. 2008)、突显网络(Uddin et al. 2011)或丘脑额顶网络(Fair et al. 2010)的集成。在最近的一篇综述中，Sporns(2013)讨论了这样一种观点，即静息状态下观察到的网络是由与认知过程和行为相关的协同激活模式和共同参与的结果。换句话说，某些进程在日常生活中使用得越频繁，这些进程在网络中就越牢固，并且这些网络可以通过静息状态分析检测到。这种解释将把Hebbian理论“一起放电的神经元连在一起”扩展到网络层面(Morris 1999)，这对于理解发育过程中的变化是至关重要的，因为在发育过程中基于经验的可塑性特别高。这一理论得到了一项研究的支持，该研究考察了不同功能网络的不同成熟轨迹。具体来说，这项研究分析了203名健康被试者的扫描图，这些人被分为四个年龄组。图4表明，提供人体最基础功能的感觉运动网络成熟最早，而证明这个观点的就是，最年轻年龄组的感觉运动网络的效率水平最高。而最年长组效率水平最高的是与联想相关的网络。
图4：描述了4个年龄组：（第1组，4.8–8.4岁；第2组，8.5-11.3年；第3组，11.4–14.7岁；第4组，14.8-18.3岁）之间的三个结构性脑网络的区域效率差异与年龄相关的图论分析。尽管在发育过程中，由经验引导的功能性大脑组织的形成是至关重要的，但发育过程中大脑网络的形成基因决定的结构方面仍然是这个组织的基础。显然，大脑功能的逐渐形成是由固有的能力和经验之间持续的相互作用组成的。目前，大多数静息态发展研究只是描述不同类型的变化的神经网络动力学，而没有联系的因果机制在分子或遗传水平的网络在内部和网络之间连接强度的变化引入了网络组织的下一个关键原则，它基于模块化的概念，特别是分层模块化(Meunier et al. 2010)。大脑网络模块由多个处理单元(节点)组成，这些处理单元通过连接(边)紧密相连，进行信息交换(见图2)。每个模块(即由边连接的一组节点)支持不同的功能(例如，颜色视觉)。一个网络可以由一个模块组成，也可以由几个模块组成。目前的研究正在调查这些模块和网络在一起工作的原则。最粗粒但也是最灵活和高效的方案之一调用了一种分层模式，在这种模式中，网络本身模块化地运行，嵌套在一个分层架构中。这种组织的形成是以重复的经验和生物结构的整合为指导的，而建立这种组织的最关键时间是在发展时期。一些研究者报告了在网络水平上的个体发生变化的发现。Uddin和他的同事(2011)研究了三个典型静息态网络(额顶叶中央执行网络、DMN和突显网络)之间与年龄相关的关系变化。突显网络(尤其是右额岛叶皮层)被假设为促进中央执行网络(外部导向的注意力)和DMN(内部导向的认知)之间的转换，以回应认知需求。Uddin等人(2011)利用多模态成像方法(静息态fMRI和弥散张量成像tractogra- phy)，质疑了在成人中这种多网络模式在从儿童时期逐渐出现的程度。研究结果显示，与儿童相比，成年人在网络内部和网络之间的连通性得到了加强。与之前的研究结果一致(Fair et al. 2009, Supekar et al. 2009)，该研究表明，在两个年龄组中，全球大脑组织似乎相似，但显著的子网络重组发生在童年和成年之间，随着年龄的增长，分层模块性增加。因此，另一项研究发现，儿童的大脑整体层次组织水平低于年轻人，并且年轻人拥有更远距离的功能连接，这有助于整个大脑的功能整合(Supekar et al. 2009)。随着年龄的增长，短距离连接的减少也表明了专门网络将要出现。另一项研究(Stevens et al. 2009)测量了“因果密度”，这是网络功能的一种度量，反映了网络之间相互因果交互的程度，也可能可以衡量网络在孤立状态下的紧密程度。研究结果显示，随着年龄的增长，这一指标有所下降，这证明了这些网络具有更高效和更灵活的功能。Stevens等人(2009)的研究也报告了网络内部和网络之间有效连接数量的减少，这一结果也反映了这些网络之间更大的独立性。正如作者提到的，该方法的复杂性，包括进行这些分析所需的假设数量，限制了对结果的解释。更普遍地说，研究结果代表了该领域的当前状态，这需要高度精密的网络计算方法，在充分开发理解大脑系统的功能和发展之前，需要进行系统测试。从童年到成年iFC(内在功能连接)有三类变化。这些从局部到全局、连通性强度和网络组织的变化都是大脑组织变得更加灵活、高效和专业化这个大趋势的不同方面。当前，我们仍然处于这个激动人心的关于大脑功能在系统层面的新发现的起点。这项研究给我们带来了巨大希望，对我们理解疾病机制做出重大贡献，并为其他神经科学领域(如分子和遗传领域)开辟新的研究方向。鉴于目前大多数精神障碍被认为是神经发育性的，重要的是要将神经发育研究置于高度优先地位，来了解人对于精神疾病状态的脆弱性。在下一节中，我们将提供一个在青少年中最常见的疾病形成的例子，吸毒成瘾。药物使用是造成青少年健康问题的一个重要因素，也是一个主要的公共健康问题(NIAD 2013年)。此外，滥用药物的成年人通常在青春期开始使用药物(Chambers et al. 2003)。这些观察结果强调了这样一种观念，即青春期是容易发生药物滥用的关键时期。功能大脑连接性的个体发生变化可以洞察到这种敏感性背后的发病机制。如上所述，功能神经网络是在发展过程中逐渐成熟的，而调节较高认知过程的神经网络是在晚期神经系统中形成的(Supekaretal.2009)。相关研究确定了三个主要的变化类别。第一类是指从本地连接模式到更分散式连接模式的功能变化。这种类型的改变将允许在青少年发育过程中有更高的处理效率和行为灵活性。这种行为改善可能促进青少年的探索行为，使他们的生活体验多样化。虽然在这段过渡时期，这些行为是规范的，在社会上受到鼓励的，但潜在的危险探索，如药物使用，可以加强特定的网络(如奖励和突出)，这可能会强化与药物使用相关的行为，导致滥用，然后上瘾。经验对大脑网络的塑造和巩固，在青春期尤其强烈，这就是贯穿发展的第二类变化:网络强度的改变。不断发展的研究结果似乎表明，成人默认网络内部的联系有所加强。网络的这种塑造很可能受到经验的影响，特别是受到接触滥用物质的影响。具体来说，成瘾动物模型的静息状态神经成像研究，允许研究人员控制物质暴露的临界水平和背景参数，并测量详细的潜在生物学机制，为指导人类研究提供了有益的线索(例如，van der Marel et al. 2014)。最后，第三类变化突出了层次网络的组织和形成。高效的系统设计通常是层次化的，因此一个发达的神经层次结构也可能导致更大的行为灵活性(上面提到)和行为和认知控制。与控制相关的是，青少年的突出的边缘网络(自下而上的处理)可能会导致冲动和情绪增加，由于注意力和执行网络(自上而下的处理)的低效抑制，这种情况会更加剧，这种网络连接模式与青少年动机行为的神经系统模型相一致Casey et al. 2011, Ernst & Fudge 2009)。网络缺乏适当的互动，可能与网络发展轨迹时间上的不同步有关，也可能更易导致成瘾行为，如药物滥用。本文首先描述了研究大脑功能性连通性的各种方法，其后针对不同的问题，根据静息态的大脑功能连通性阐述了从童年到成年的三种发育变化，包括从局部到全局的变化、连通性强度的增加和网络组织的变化。这些变化的一个关键方面是经验是否在很大程度上有助于形成和加强大脑网络。虽然这个问题还有待探索，但一些大规模的纵向研究正在进行中，其中包括静息态fMRI和密集的大样本研究，相信这些研究将很快为这个问题提供答案。除此以外，连接工具和分析手法正在不断开发和完善。但对于更具体的目标，比如理解青少年行为的神经基础，脆弱性或精神病理，如成瘾，额外的任务态研究将是必要的。总体而言，从概念上讲，这些技术将帮助我们测试神经机制，包括神经系统模型，以深度了解大脑在健康状态下是如何发育和发挥作用的。从临床上讲，功能连接方法的应用潜力是巨大的，可以为临床提供（a）疾病标记，（b）研究疾病机制的途径，（c）临床病程的预测因子。但本文也存在一定的缺陷，文中只讨论了fMRI的连接，没有考虑其他数据收集方式，比如扩散张量成像，脑磁图，或者磁刺激等介入技术。这些已经开始取到许多研究成功的方法和连通性fMRI的结合，可以显著提高对解剖，神经(例如脑磁图的时间分辨率)和功能研究(例如，利用反磁刺激进行因果操纵) 结果的可解释性。如需原文请加思影科技微信：siyingyxf 或者18983979082获取,如对思影课程及服务感兴趣也可加此微信号咨询。觉得对您的研究有帮助，请给个转发，以及右下角点击一下在看，是对思影科技莫大的支持。微信扫码或者长按选择识别关注思影 非常感谢转发支持与推荐
|
