脑结构与功能连接整合新方法：精准识别创伤性脑损伤引发的神经网络扰动

本研究针对创伤性脑损伤（TBI）后脑网络动态变化的检测难题，提出了一种基于贝叶斯框架的结构-功能连接整合模型（siFC）。通过多尺度分析猪脑的SC（结构连接）与FC（功能连接）相关性（r=0.277±0.011），并构建siFC（稳定性r=0.72±0.07），显著提升了TBI所致连接异常的检测灵敏度。该成果为神经损伤的精准诊断提供了新工具，发表于《Journal of Neuroscience Methods》。

　　

探索大脑奥秘的新钥匙
大脑如何通过固定的结构实现复杂功能？这个谜题困扰着神经科学家数十年。随着神经影像学的发展，结构连接（SC）和功能连接（FC）研究为解开谜题提供了线索，但两者间的动态关联仍如"黑箱"。更棘手的是，创伤性脑损伤（TBI）等疾病会导致脑网络微妙变化，传统方法难以捕捉。这时，一群科学家将目光投向了与人类脑部结构相似的猪模型。

美国研究团队在《Journal of Neuroscience Methods》发表的研究，开创性地将SC与FC整合为结构信息功能连接（siFC）。他们采用22只健康猪和8只TBI模型猪，通过3T磁共振采集扩散张量成像（DTI）和静息态功能磁共振（rs-fMRI）数据，运用贝叶斯高斯图模型（GGM）构建siFC，并结合差异度检验（DDT）分析网络扰动。

关键技术方法
研究采用3T磁共振扫描获取猪脑DTI和rs-fMRI数据，通过确定性纤维追踪构建SC矩阵，基于血氧水平依赖（BOLD）信号计算FC。创新性使用贝叶斯GGM整合SC与FC生成siFC，最后通过DDT量化TBI组与对照组的网络差异。样本包括22只健康猪和8只TBI模型猪（损伤左运动皮层）。

多尺度验证结构-功能关联
在"Structure-function relationship"部分，研究发现猪脑SC-FC相关性（r=0.277±0.011）与人类相当。小尺度（皮层区域）、中尺度（静息态网络）和大尺度（全脑）分析均显示稳定关联，证实结构决定功能的基础假设。

siFC的稳定性突破
"Results"显示，siFC时间稳定性（r=0.72±0.07）显著优于传统FC。这种抗动态干扰特性使短期扫描即可获得可靠数据，可能降低临床检查成本。

精准定位TBI损伤
通过DDT分析发现，siFC能清晰识别TBI导致的连接异常模式，与结构性损伤区域高度吻合。特别是检测到传统FC方法遗漏的次级连接变化，为"隐藏损伤"提供诊断依据。

超越传统方法的优势
"Comparing with Existing Methods"强调，siFC对运动伪影等干扰的抵抗力更强，且能识别FC易遗漏的弱连接变化。这种敏感性使其在早期轻微TBI诊断中展现独特价值。

启示与展望
该研究首次在猪脑验证SC-FC耦合规律，建立的siFC模型为神经疾病诊断提供新范式。其重要意义在于：1）证实结构-功能整合模型的跨物种适用性；2）开发出抗干扰的稳定连接检测方法；3）为TBI等疾病的精准诊疗提供量化工具。作者Taber Moira F.等指出，未来可扩展至阿尔茨海默病等慢性神经退行性疾病研究。

这项研究犹如为神经科学领域装配了"高精度雷达"，不仅照亮了脑网络运作机制的黑箱，更开辟了神经损伤早期诊断的新途径。从实验室到临床，这种整合分析方法或将改写神经疾病诊疗的现有格局。