心理所研發基于磁共振腦影像數據的一鍵式腦網絡和圖論分析軟件平臺DPABINet

人腦是一個復雜的網絡，包含了不同腦區在結構和功能上的整合與協作，這些相互作用形成了復雜的模式，從而支持大腦的多種功能。為了深入理解大腦的這些復雜功能，研究者必須掌握腦網絡以及其背后的復雜聯系和溝通模式。此外，探索大腦網絡機制也為研究腦損傷或精神障礙等腦功能異常的疾病提供了新的視角。因此，探索大腦的復雜網絡系統對于全面理解大腦功能至關重要。

圖論(Graph Theory)，作為網絡科學的基石，其分析方法在研究包括腦網絡在內的復雜網絡屬性方面得到了廣泛應用。圖論提供了一個框架以研究復雜網絡的拓撲結構，并能揭示功能性腦網絡在局部和全局層面的關鍵組織信息。然而，盡管圖論分析在理論上具有巨大的潛力，現有的專業圖像數據處理軟件往往要求用戶具備高級編程技能，這限制了這些方法的普及和應用。

為了解決這一問題，中國科學院心理研究所磁共振成像研究中心的嚴超贛研究員及其團隊基于他們此前開發的廣受歡迎的腦影像處理平臺（DPARSF/DPABI/DPABISurf），進一步推出了DPABINet。這一新平臺整合了最先進的圖像處理軟件模塊，如Brain Connectivity Toolbox、FSLNets、BrainNet Viewer、Circos、SPM、PALM等，并采用docker技術，提供了跨平臺的簡便界面和算法。DPABINet的友好圖形用戶界面（GUI）使得用戶可以一鍵完成功能磁共振數據的腦網絡構建、圖論分析、統計分析及結果查看，無需任何編程或腳本編寫技能。此外，DPABINet還支持基于彌散加權成像的大腦結構網絡分析，可基于DPABIFiber的預處理結果為腦結構纖維網絡的研究提供分析平臺。

圖1.（a）DPABINet的圖形用戶界面。（b）用DPABINet提取腦影像數據中感興趣區的時間序列、構建腦網絡、計算圖論指標、統計分析、多重比較校正和可視化的流程圖。

DPABINet繼承并擴展了DPARSF/DPABI/DPABISurf的設計理念，大幅降低了技術門檻，使得即使是沒有編程經驗的用戶也能準確高效地進行大腦網絡構建、圖論分析、統計分析及結果查看。為了進一步支持用戶，嚴超贛團隊還提供了免費的在線視頻課程(ht?tp://rfmri.org/Course)，幫助用戶快速掌握DPABINet軟件的使用。這款免費開源工具箱（可于http://rfmri.org/DPABI下載）旨在為新手和專家用戶提供支持，推動腦網絡研究方法在腦功能和結構影像研究以及臨床轉化研究中的應用。

DPABINet代表了在腦影像數據分析領域的一個重要進步，為研究人員提供了一個強大、易用的工具，以更深入地理解大腦網絡的復雜性和其在健康與疾病中的作用。通過這個平臺，研究人員能夠更有效地構建和分析大腦網絡，推動腦科學研究的邊界，同時為腦功能異常疾病的診斷和治療提供了新的研究工具。預計DPABINet的推出和應用將極大促進腦網絡研究方法的普及和應用，加速腦功能和結構影像研究的發展，為臨床轉化研究提供強有力的支持。

該研究受到科技創新2030-大腦科學與類腦智能技術重大項目（2021ZD0200600）、國家自然科學基金（82122035、81671774、81630031）、中國科學院重點部署項目（ZDBS-SSW-JSC006）、北京市科技新星計劃（Z191100001119104、20230484465）、北京市自然科學基金（京津冀基礎研究合作專項項目，J230040）以及中國科學院心理研究所科學基金（E2CX4425YZ）的支持。文章已發表于Science Bulletin，心理所嚴超贛研究員為第一作者及通訊作者，心理所魯彬博士、鄧昭宇、高青林，以及王鑫迪博士為共同作者。

論文信息：Yan, C.G., Wang, X.D., Lu, B., Deng, Z.Y., Gao, Q.L. (2024). DPABINet: A toolbox for brain network and graph theoretical analyses. Sci Bull (Beijing), 69(11), 1628-1631, doi:10.1016/j.scib.2024.02.038.