几种常见的功能性脑网络划分方式

近十几年来，越来越多的认知神经科学家把关注点从孤立的“脑区”(regions)转移到更大范围的“脑网络”(networks)上。在以往解读的文献中，也常常能够遇见“默认网络”、“额顶网络”等等术语。在研究中，不同研究者可能会采用不同的脑网络划分方式，从而可能导致对脑网络的命名出现不一致。这里简单总结了认知神经科学领域较为常见的三种脑网络分割方法，希望对读者在阅读脑网络相关文献时有一些帮助。

1、Yeo 等人（2011）的划分方式

Yeo (2011) 的文章利用1000名健康个体的静息态功能成像数据，使用聚类分析算法提供了两种分割方式，分别是粗糙的分割（7-network）和精细的分割（17-network）。其中，7-network包括：

• 视觉网络(visual)

• 躯体运动网络(somatomotor)

• 背侧注意网络(dorsal attention)

• 腹侧注意网络(ventral attention)

• 边缘网络(limbic)

• 额顶网络(frontoparietal)

• 默认网络(default mode)

Yeo (2011) 的7网络分割 (取自Github: ThomasYeoLab)

17-network则是在7-network的基础上进一步细分，将每一个子网络都细分为2~4个子网络（如下图所示）。

Yeo (2011) 的17网络分割 (取自Github: ThomasYeoLab)

2、Power等人（2011）的划分方式

Steven Petersen课题组的Power等人利用静息态功能连接，得到264个兴趣区，基于功能边界方法对脑网络进行分割。在子网络的确定上，大致可以分为以下十个网络：

• 额顶网络(frontoparietal)

• 带状盖网络(cingulo-opercular)

• 突显网络(salinence)

• 背侧注意网络(dorsal attention)

• 腹侧注意网络(ventral attention)

• 默认网络(default mode)

• 运动和躯体感觉网络(motor and somatosensory)

• 听觉网络(auditory)

• 视觉网络(visual)

• 皮层下网络(subcortical)

根据划分标准不同，网络的个数可能会有一定区别，比如运动和躯体感觉网络可以进一步区分为手部感觉运动网络和面部感觉运动网络；带状盖网络和突显网络都属于带状盖皮层等。

Power et al. (2011)的十网络分割（Cole et al., 2013; Gordon et al., 2016）

3、Cole-Anticevic 划分方式（CAB-NP）

Cole-Anticevic的脑网络分割方式（Ji et al., 2019）是基于Glasser等人(2016, Nature) 的多模态脑区分割（multi-modal parcellation; MMP）进行的，是比较新的分割方式。这种脑网络分割方法不仅包括了大脑皮层区域，也包括了皮层下区域。十二个网络分别为：

• 初级视觉网络(primary visual)

• 次级视觉网络(secondary visual)

• 躯体运动网络(somatomotor)

• 带状盖网络(cingulo-opercular)

• 背侧注意网络(dorsal attention)

• 语言网络(language)

• 额顶网络(frontoparietal)

• 听觉网络(auditory)

• 默认网络(default mode)

• 后侧多模态网络(posterior multimodal)

• 腹侧多模态网络(ventral multimodal)

• 眶额情感网络(orbito-affective)

Cole-Anticevic 12网络分割 (Ji et al., 2019, Neuroimage)

除了上述三种划分方式，还有很多种其他的方式，比如在Power(2011)之后， Gordon等人（2016）同样利用基于静息态功能连接的功能边界线的方法将大脑进行分区并探索了脑网络结构，并同时在个体水平也进行了网络划分的应用。Yang等人（2016）利用双生子数据，基于ICA方法构建了7个网络（视觉网络、默认网络、额顶网络、突显网络、躯体感觉运动网络、背侧注意网络、楔前叶-背侧后扣带网络）等等。有一篇中文综述也对2016年及之前的脑功能网络分割进行了较为详细的介绍（王康程等，2016，科学通报），可以作为补充阅读。

参考资料：

Yeo (2011):

• Yeo et al. (2011). The organization of the human cerebral cortex estimated by intrinsic functional connectivity. J Neurophysiol, 106(3), 1125-1165. 

• ThomasYeoLab: https://github.com/ThomasYeoLab/CBIG/tree/master/stable_projects/brain_parcellation/Schaefer2018_LocalGlobal

Power (2011):

• Power, J. D., Cohen, A. L., Nelson, S. M., Wig, G. S., Barnes, K. A., Church, J. A., . . . Petersen, S. E. (2011). Functional network organization of the human brain. Neuron, 72(4), 665-678. 

• Cole, M. W., Reynolds, J. R., Power, J. D., Repovs, G., Anticevic, A., & Braver, T. S. (2013). Multi-task connectivity reveals flexible hubs for adaptive task control. Nat Neurosci, 16(9), 1348-1355. 

• Gordon, E. M., Laumann, T. O., Adeyemo, B., Huckins, J. F., Kelley, W. M., & Petersen, S. E. (2016). Generation and Evaluation of a Cortical Area Parcellation from Resting-State Correlations. Cereb Cortex, 26(1), 288-303. 

Cole-Anticevic  (2019): 

• Ji, J. L., Spronk, M., Kulkarni, K., Repovs, G., Anticevic, A., & Cole, M. W. (2019). Mapping the human brain's cortical-subcortical functional network organization. Neuroimage, 185, 35-57. 

• Glasser, M. F., Coalson, T. S., Robinson, E. C., Hacker, C. D., Harwell, J., Yacoub, E., . . . Van Essen, D. C. (2016). A multi-modal parcellation of human cerebral cortex. Nature, 536(7615), 171-178. 

其他：

• Wang, K., Wu, G., Hou, X., Wei, D., Liu, H., & Qiu, J. (2016). From groupwise to individual brain functional networks parcellation and application. Chinese Science Bulletin, 61(27), 3022-3035. （王康程等，从群体到个体脑功能网络的分割及应用，科学通报）

• Yang, Z., Zuo, X. N., McMahon, K. L., Craddock, R. C., Kelly, C., de Zubicaray, G. I., . . . Wright, M. J. (2016). Genetic and Environmental Contributions to Functional Connectivity Architecture of the Human Brain. Cereb Cortex, 26(5), 2341-2352. 

感谢支持！欢迎交流、转发、分享！