人类大脑具有高度动态性，能够支持发育中出现的一系列认知功能。尽管在儿童中发现了神经系统之间具有灵活性和动态性的协作，我们对于早期大脑功能组织的理解主要还是基于功能连接（functional connectivity, FC）是静态的这一隐性假设。理解发育期动态神经相互作用的本质对于认知神经科学而言是重要的议题，也对异常神经发育有启发。本工作揭示了来自不同社会人口学背景的146名年轻被试神经认知网络的动态FC。对于静息态功能磁共振（resting-state fMRI, rs-fMRI）数据应用了独立成分分析（Independent component analysis， ICA），滑动时间窗相关和k近邻聚类。结果揭示了六个动态FC状态，补充和扩展了静态FC上的结果。另外，特定FC状态的出现和花费的时间和扫描中自主思维的内容有关。此外，一些连接比另一些连接更多变，比如在顶叶下部和楔前叶之间的连接。这些区域对于很多网络有贡献，可能在儿童期的适应性行为扮演了角色。也发现了FC的时间可变性随年龄增长而增加。放到一起，这些发现为理解发育中的网络可变性怎样与神经发育疾病的风险联系起来提供了基础。理解发育过程中大脑系统的重新配置会为复杂灵活认知过程提供新见解。本文发表在Human Brain Mapping杂志。大脑被组织成一系列复杂的功能网络，这些网络产生和限制了很多复杂的认知功能，包括语言、推理和认知控制。认知的结果是由大脑功能网络动态地实现不同的功能配置所支持的。然而直到最近，我们对于固有连接网络（intrinsic connectivity networks, ICNs）的理解还是依赖于对功能神经连接的静态表示，也就是认为在测量期间功能连接保持时空上的静态性。然而，研究发现在网络内部和网络间的功能连接都是随时间变化的，表明了对于独立时间窗FC的更细节的检测的必要。这些发现扩展了我们对于功能网络基本属性的理解，以及对于神经系统怎样灵活协作来支持认知和行为上的灵活性的理解。高级的注意和认知控制过程在儿童期和青少年期逐渐发展。越来越清晰的是，这些复杂过程的出现是由大脑功能网络的重整和成熟所支持的。对于传统的静态FC的研究表明，尽管ICNs在早期甚至是在婴儿期就已经出现，它们在前两年经由大脑发育和经验学习经历了持续的重整过程。研究发现ICNs随着年龄增长更加彼此分离，网络内FC随年龄增加。对于网络间的整合，也存在和年龄相关的效应，儿童的网络间FC比成人更弱。尽管静态FC提供给我们关于功能网络发育期拓扑组织的重要信息，它们几乎不提供网络内部和网络间功能的动态交互的信息。在动态FC领域的最近进展让这些信息更加容易获得。动态FC的研究表明重复出现的FC状态在不同人群间、在不同时间是可重复的。FC动态性对于预测心理和警觉状态和疾病分类都表现出潜力。因为动态FC更紧密地估计了实时认知过程，它们可能能帮助我们更好地理解认知和行为灵活性的发展。静态和动态FC过程是相互补充的，并且对于理解早期发育中功能神经组织，以及认知功能的出现和发展来说两者都是需要的。大量数据表明了动态FC对于理解功能神经发育的实用性。在近期的一项针对51名9-32岁被试的研究中，Hutchison和Morton的研究发现尽管FC状态结构和拓扑是随时间保持稳定的，但是对于某些FC状态的频率和停留时间存在年龄相关的变化。另外，年龄更大的被试表现出特定FC状态更高频率的状态转换。另外，年龄更大的被试在认知控制任务而不是在休息状态下表现出更高频率的状态转换。其他的工作表示ICN之间的连接随年龄的增长更加可变。这些研究和前期的一些针对儿童和年轻成人的研究相符，这些研究表示神经电生理的可变性随着年龄增加，这和更低的行为可变性和更精确的行为相符。总体而言，这些数据引出了一种理论，即（1）更高的大脑可变性反应了更大的复杂性和更高的信息处理能力；（2）认知功能的发育是由更强的神经时间动态性所支持的。重要的是，FC动态性以及它们与发育期（即高级认知功能出现的时期）心理活动的可能联系目前还缺乏证据。在当前研究中，我们的目的是探究146名7-16岁被试的动态FC或者FC随时间的变化。为了提升结果的可泛化性，我们把两组来自不同社会经济地位和人口学背景的年轻被试混合起来。我们关注核心的神经认知网络子系统之间的相互作用，这些网络被认为对于认知功能的发育是至关重要的。它们包括锚定于背外侧前额叶和后顶叶的额顶中央执行网络（central executive network, CEN），锚定于后扣带、内侧前额叶、内侧颞叶的默认网络（default mode network, DMN），锚定于前岛叶和前扣带皮层的突显网络（salience network, SN）。为了完整性，后续也做了检测所有大脑ICNs的分析。ICNs是由组独立成分分析（independent component analysis, ICA）提取出的，随时间变化的ICNs内部和之间的FC是由一系列滑动窗估计得到的。为了识别近似稳定的连接状态，也就是随时间重复出现并且在个体间可重复的状态，我们对于滑动窗所识别的FC连接矩阵进行k近邻聚类。我们利用了静息态不受约束的本性，因为动态性被认为在个体自由地投入到各种假定由不同大脑功能组织所支持的心理活动的过程中表现得更明显。我们还旨在通过评估观察到的FC状态与扫描期间思想内容测量值的一致性来检查其功能意义，并测试网络之间FC可变性和FC状态频率的年龄相关性变化。该研究从至少三个方面扩展了之前的工作：首先之前Hutchison和Morton在51名被试中的研究通过一项认知控制任务和静息态条件评估这些状态出现的频率，对于特定FC状态的功能相关性提供了重要的洞察。目前的研究补充了这项工作，第一次评估了儿童动态FC状态与静息态自发心理活动的相关性，我们也在样本量和样本的背景上延展了该工作。最后，我们应用了几乎和之前的成人研究一样的分析策略，促进了研究之间的比较。来自146名儿童和青少年的静息态扫描被使用（年龄范围7-16，平均年龄12.28岁，57%女性）。另有11位被试由于头动超过2mm数据被去除掉。一半被试（73位）是在斯坦福SU中心扫描，另一半被试在韦恩州立大学WSU中心扫描。这些样本在年龄上重合，t(144)=1.01, p=0.311，数据使用相似的影像参数收集。重要的是，这两个样本在它们的种族和社会经济分布上不同。如表1所示，SU中心的样本主要是高加索人，年家庭收入＄100000或者更多。对比来说，WSU中心的主体是非裔美国人，年家庭收入少于＄40000。WSU样本比SU样本的女性更多，χ2(1) =6.28，p=0.009。这些样本被组合起来构成一个更大的更多样化的样本。
所有的被试英文流利，没有脑创伤报告历史。青春期阶段由Tanner阶段问卷衡量。25名被试没有报告Tanner阶段。这些被试的年龄比报告了青春期阶段的年龄更小，t(144)=1.85, p=0.066。研究得到了父母和青少年的知情同意。在MRI扫描之后，被试完成了一个简短的半结构化的问卷，询问它们在扫描期间的内部体验。孩子们填写他们在思考过去、现在或者未来的时间百分比，以及思考自己和他人的时间百分比。使用6分量表，被试也评估了他们思考开心或者不开心的事情的比例。自我报告数据对于66%的研究样本（97名被试）都是可用的，其中WSU的可用样本比SU的可用样本更多，χ2(1)=54.77，p<0.001。自我报告数据用于和动态功能连接状态做相关。影像数据采集是由3T GE 系统（SU）或者3T 西门子Verio扫描仪完成的。影像协议和参数在两个中心是相似的。所有的被试都完成了6分钟的静息态扫描，保持闭眼，安静地躺在扫描仪中。对每个被试获取了180张T2*BOLD像。在SU，使用了定制的单通道正交头线圈与T2*敏感梯度回波螺旋输入/输出脉冲序列，参数如下：TR=2000ms，TE=30ms，翻转角=77°，FOV=220mm，29层，层厚为4mm。在WSU，T2*BOLD是使用12通道线圈与回波平面成像获取的，参数如下：TR=2000ms，TE=25ms，翻转角=90°，FOV=220mm，29层，层厚为4mm。预处理使用spm8完成。去掉了前3个时间点，影像接下来经过了时间层校正、配准、配到MNI标准空间、8mm平滑核平滑。由于我们对于时间上的调节感兴趣，我们通过z-score变换对体素时间序列进行了标准化，从而最小化接下来的基于方差的数据降维过程中的误差。我们花了几步来减少头动相关伪影的影响。首先，头动通过ArtRepair软件被描绘和监测。在任何一个方向上头动超过2mm的被试从研究中去除，留下了146名被试。这146名被试的头动很小，平动和转动的平均位移分别在0.2±0.14mm和0.14°±0.12°。平动和转动的均方根(root mean square, RMS)分别为0.11±0.06mm和0.002°±0.001°。接下来，就像我们描述的一样，我们使用了高阶模型ICA分解来最小化噪声伪影。在组ICA之后，采取了额外的步骤来强调成分时间序列中头动相关的潜在伪影。特别地，头动大的帧使用三阶样条拟合的最佳估计替换为时间序列的干净部分。离群点根据中值绝对偏离被度量，使用3DDESPIKE实现。平均来讲，每个被试每个组分时间序列中去除了8.28±2.64帧。每个被试平均去除的帧数不超过20帧，最少的剩余数据为5.3分钟的数据。我们选择替换而不是去掉高头动帧的原因是会影响到滑动窗方法的应用。这种方法也能保证每个被试提供了相同的时间点数目。最后，6个配准参数和它们的倒数被从组分时间序列中回归掉。为了和成人中识别到的FC状态进行比较，我们使用了和Allen (2014)相似的分析方法。首先，为了识别大脑功能网络，全脑数据使用空间ICA分解，就像GIFT工具包中所做的一样。C=100个组分通过Infomax算法识别出来。高阶ICA识别出和已知的解剖和功能分割相对应的组分，并且允许对于ICN子系统的研究。ICA产生了一组组聚合的空间映射并且能够返回到个体空间。每个返回到个体空间的组分包括了一个空间z-map，反应了网络在空间上的连贯活动，还包括反应了网络活动的相关时间序列。空间模板匹配和视觉检测的结合被用于识别和CEN、DMN以及SN相匹配的组分。模板通过之前的青年和成人的ICA分析得到。组分的评估也基于这样的预期，即颅内神经网络应主要定位于灰质，具有以低频波动为主的时间序列，以及与已知血管、心室、运动和易感性伪影的低空间重叠。拟合优度评分和视觉检查的一致性使得100个成分中的52个被定性为可能的ICNs，而不是生理、运动相关或成像伪影。初步分析集中在与CEN、DMN和SN相对应的25个成分上。后续处理用于去除组分时间序列中剩下的噪音源，包括扫描仪的漂移和头动相关伪影，这包括去除低频趋势（0.15Hz以下），以及线性、二次和三次线性矫正。头动“尖峰”通过离群点检测并去除，并通过对六个头动参数及其倒数的回归来解决。之前的工作显示了这些后续处理基本不会影响动态FC的结构。ICA获得的个体ICN图被用于估计组分之间的动态FC和标准静态FC。静态FC是由时间序列矩阵估计得到的，即（C×C）样本协变量矩阵，控制了中心因素。动态FC是由滑动窗口方式估计得到的，通过从滑动窗分割的片段计算组分间相关值。组分通过将正方形（width=22 TRs=44s）和高斯(σ=3 TRs)相卷积，滑动步长1TR，获得了W=158个滑动窗。ICNs的协变量被估计。最终，获取的动态FC估计被连接成C×C×W矩阵，代表了网络间相关作为时间的一个函数。为了评估重复出现的FC状态的频率和结构，我们将k-means聚类（使用L1距离函数）应用于相关矩阵。只有和CEN、DMN和SN匹配的25个ICNs被用于聚类分析中，导致了25×(25-1)/2=300个特征。我们使用聚类有效性指标肘部法则确定了FC状态的数目为6，即通过类内距离和类间距离的比例计算。聚类中心被用作对其他动态FC数据聚类的基础。为了检测所有个体的动态FC状态的结构，我们评估了组水平的FC状态。【肘部法则：每个类别距离其该类中心点的距离称为畸变程度。畸变程度的改善效果下降幅度最大的位置就是肘部，一般用畸变程度来确定最佳的k值。】在一些ICN之间的FC估计量会比其他展现出更大的时间可变性。我们估计了FC的时间可变性，通过计算各时间窗内相关性的标准差。更大的标准差表示更可变的功能连接。不稳定区(Zones of Instability, ZOI)被定义为随时间更可变的连接。为了给观察到的静息态动态FC状态计算功能重要性，我们评估了被试特异性的FC数据和思考内容问卷调查数据的对应性。特别地，我们调查了（1）平均停留时间，即一个被试在一个状态中停留的时间，和/或（2）每个状态占据时间的比例。我们评估了FC指标和被试想到下面内容的时间比例：（1）自我相对他人（2）过去、现在、未来（3）积极相对消极。我们也评估了年龄对于停留时间的影响以及每个状态中人花费的时间。为了更好地控制可能的个体头动影响，我们在之后的研究中将个体特异性的RMS头动作为回归量。我们检验了年龄相关的效应在扫描中（1）ICNs之间的时间可变性（2）在每个FC状态中的停留时间和时间比例（3）状态转换次数。如果您对脑网络及其他脑成像数据处理分析感兴趣，欢迎浏览思影科技的脑成像课程等。具体可浏览以下链接（可添加微信号siyingyxf或18983979082获取原文，另思影提供免费文献下载服务，如需要也可添加此微信号入群）：
第二十一届脑网络数据处理班(上海，8.20-25)
第十届任务态功能磁共振数据处理班（上海，8.12-17)
第四十六届磁共振脑影像基础班（上海，9.1-6)
第十五届磁共振脑影像结构班（上海，9.7-12）
第四届DWI提高班(上海，9.23-28）
北京：
第十七届脑影像机器学习班（北京，9.3-8）
第一届任务态fMRI提高班(北京，8.25-30)
第十九届DTI数据处理班(北京，8.19-24)
第四十四届磁共振脑影像基础班（北京，7.29-8.3）
第九届小动物磁共振脑影像数据处理班（9.11-16）
第二十三届磁共振脑网络数据处理班（北京，9.17-22)
第二届磁共振脑网络数据处理提高班（北京，9.23-28)
第九届磁共振ASL数据处理班（南京，8.5-8）
第四十五届磁共振脑影像基础班（重庆，8.26-31)
第十八届脑影像机器学习班（重庆，9.12-17）
数据处理业务介绍：
为了识别ICNs，我们首先对146名青年人的静息态数据做了组水平ICA。我们识别了52个组分作为可能的ICN，并且关注它们中的25个和DMN、SN以及CEN相匹配的网络（图1）。总体来说，得到的ICNs和那些在之前的高阶ICA分解中得到的相似。
图2显示了CEN、DMN和SN子系统的标准静态FC，即在整个扫描长度上计算的FC，并对参与者进行了平均。FC的模式与以前的发现一致，即在ICNs中，特别是在DMN中，存在正相关，而在DMN和CEN子系统之间存在负相关。
使用滑动窗口和k-means聚类，我们识别了六个高度结构化的FC状态，在扫描过程中和被试间反复出现。FC状态按照出现顺序排列，如图3所示。状态1：很强的SN内部FC，以及SN和DMN之间的负相关，以及稀疏的CEN和DMN子系统之间的正连接。状态1的独特性在于DMN之内的连接很稀疏，包括楔前叶ICN和其他DMN子系统之间的弱连接。这个状态更不频繁地观察到，但是表征了一种和平均情况来讲有所偏离的FC状态。状态2占据30%以上的滑动窗，在所有的ICNs中都表征为弱连接。这种弥漫性整合状态类似于之前在成人中观察到的FC状态，可能反映了一些额外状态的平均值，这些状态没有足够的区别或频率来分离。继状态2之后，状态3出现得最频繁，在CEN和DMN以及CEN和DMN之间显示出很强的同步性(即正FC)。状态4：后部DMN网络内的同步，与选择的CEN成分（右内侧顶叶）之间呈现强负相关。状态5：连接强度升高，在几乎所有的DMN和CEN子系统之间存在正FC。状态6：在DMN内部的同步，以及DMN和CEN子系统之间强的负相关。在状态6中，SN的后岛叶和中扣带皮层ICNs之间有很强的整合。在被试间，我们没有观察到扫描过程中任何状态频率的明显提升或降低。
图3 儿童动态功能连接FC状态
我们观察到一些ICN之间的FC可变性更高，如图4。有最大的可变性的连接，被称为ZOI (不稳定区)，在DMN和CEN组分之间，以及在CEN内部观察到。ZOI通常包括CEN中的右内侧顶叶以及DMN中的楔前叶。
为了给观察到的反复出现的静息态连接状态赋予初始功能意义，我们将受试者特定的动态FC值与扫描后的自我报告相关联。六个观察到的FC状态中有四个(2、4、5和6)与内部思维维度显著相关。状态2的平均停留时间和自我相关内容正相关，r(97)=0.22, p=0.031，并且和他人相关内容负相关，r(95)=-0.309, p=0.002。报告了更多积极想法的被试在状态4花费了更大比例的时间，r(93)=0.273, p=0.008。报告称思考更多关于他人的内容的被试在状态5花费了更大比例的时间并且花费的时间更长，分别为r(95)=0.235,p=0.022，r(95)=0.259，p=0.011。最后，报告称思考更多过去的被试在状态6花费了更大比例的时间并且停留的时间更长，分别为r(96)=0.266, p=0.009,以及r(96)=0.266, p=0.009。考虑RMS头动回归之后所有的相关仍然保持显著。年龄的增加和神经认知网络之间的总体时间可变性的增强有关，r(146)=0.172, p=0.038.年龄和在状态4花费的时间的比例正相关，r(146)=0.198, p=0.017,并且和状态2花费的时间的比例负相关，r(146)=-0.267, p=0.001.这些相关在考虑RMS头动回归后保持显著。年龄和状态转换的数目不显著相关，r(146)=0.084, p=0.314.在核心认知神经网络，也就是CEN、DMN、SN之内和之间的交互被认为对于行为和适应性过程来说很重要。数据表明网络FC不是静态的而是随时间波动的，导致了随时间重复出现的高度结构化的FC模式。我们在一个相对大的（n=146）不同社会经济背景的样本中描述了动态FC模式。我们发现了六个高度结构化的FC模式，在一定程度上和静态FC模式相偏离。儿童花费的总体时间或者他们在特定FC状态停留的时间和不同类型的自我报告的心理活动相对应。尽管状态转换的次数随年龄不发生变化，我们发现了主要的神经认知网络FC可变性的与年龄相关的增加，以及在特定FC状态停留时间的不同。我们将逐个讨论这些结果，并且提示接下来的该领域工作会增加我们对于早期大脑功能架构的理解，构成复杂认知过程的骨架。这个领域的研究也可能会说明神经认知领域动态FC的角色，这被成人中该领域的研究结果所支持。我们的动态FC分析识别了六个重复出现的FC状态，与静态FC模式有显著差异。这些研究，以及之前在成人和儿童样本中的研究，都警告我们把ICN当成独立静态的实体是不合适的。ICN在功能协调中表现出显著的灵活性。识别出的核心SN区域，如前岛叶和前扣带回，只在特定状态（1，5）表现出同步活动。相似地，楔前叶ICN（DMN）只在一些状态表现出和DMN模块的同步，这和之前成人研究的观察相似。就像Allen和同事指出的，ICN之间的可变连接可能为是否把楔前叶当成DMN的一部分的问题提供信息。我们观察到CEN和DMN之间的可变连接。这些网络在成人大脑中是高度整合的，提示CEN和DMN之间异质性的整合功能在生命早期就建立了，至少是在儿童期。在这些网络内部，包括DMN楔前叶和CEN中内侧顶叶的连接可变性很强，这些区域是大脑中全局连接最强的区域之一，并且被认为是整合的核心节点。内侧顶叶也作为成人中的一个ZOI，暗示了这个ICN在儿童期和成人期稳定的、重要的角色，可能和它与其他ICN灵活连接的能力有关。而楔前叶则在成人中不是一个重要的ZOI。这一点会让人很吃惊，因为楔前叶和其他的DMN子系统在儿童和成人中都灵活连接，但和其他神经认知网络的高水平整合在儿童中而不是在成人中被发现。这一不同提示楔前叶ICN在DMN中有特殊的角色，特别是在早期。动态FC怎样在发育过程中发展变化应该会对儿童和青少年期出现的一系列复杂的认知功能的神经因子提供洞见。比如，我们发现了和年龄相关的网络耦合的可变性的增加，这和之前的电生理结果相符。随年龄增长，更强的功能神经可变性可能提供了对更强的认知和行为灵活性的支持。和之前9-32岁被试动态FC研究相符，我们发现年龄和FC状态转换的数目没有显著相关。值得注意的是，年龄和认知控制任务中出现的状态数目正相关。因此，似乎随着年龄变化的是休息状态下自主思维过程中FC状态的类型而不是状态切换的频率。相反的，对于外部引发的认知，确实存在随年龄增长更快的切换。总体而言，这些研究表明对于支持内部产生和外部引发的认知活动功能神经骨架，其发育引起的变化是不同的，因此需要一些补充的指标。六个动态FC状态中的四个和回顾性的自我报告内容相关。自我中心的想法和状态2出现的频率相关，该状态的特点是所有ICN之间弱的弥散的连接。弱连接FC状态在Allen的成人研究中也有出现，该研究中作者认为这个状态表示很多其他状态的平均，这些状态不够彼此独立或者出现的不够频繁因此没有被分开。基于我们的发现，可能这些状态中的一个或多个和儿童的自我参照过程有关，它可能包括多种形式，并且会调集分离的和重合的大脑系统。和状态2相反，状态6和考虑他人相关。这个状态的特点是DMN内部的同步性以及DMN和CEN之间的负相关。这个观察和DMN与社会大脑之间的重叠相符。报告了更多积极情绪的儿童在状态4花费了很多时间，并且报告了更多回忆过去时间的儿童花费了大量时间在状态6并且停留的更久。状态4和状态6的特征都是DMN内部的同步性以及DMN和CEN之间的负相关。值得注意的是，状态4中花费的时间和年龄正相关而状态6中花费的时间没有年龄效应。状态4和状态6的另外的差别在于，其DMN内部的连接更集中于DMN后部，而DMN-CEN的负连接包括了更有限数目的CEN ICN。因此，尽管在积极和与过去思维相关的网络是类似的，但网络内和网络间FC的模式是不同的。对于动态FC模式的调查可能会说明类似的神经基础怎样包括在一系列的心理活动中。总体而言，和自主产生思维的相关几乎主要是和DMN连接相关而不是和SN、CEN相关。这可能是由于我们描述的是静息态的FC动态，这和DMN的活动更相关。重要的是在解释我们的研究时考虑到下面几个因素。第一个因素包括的是对于每个被试来说可用的数据量。尽管我们获取的样本相对大相对异质，每个被试只扫了中等长度6分钟的静息态数据。更长的时间会使连接模式出现次数更多，从而提升对FC可变性的估计。对于后续报告相关FC模式的识别也会更具有特异性。第二，尽管我们会采取一些实验（预训练）和分析步骤（基于ICA的去噪，头动偏离值的去除，头动回归）来保证动态FC的模式是由ICN而不是噪声所驱动的，更快的采样时间和随后的生理记录对于排除随时间变化的噪声的作用是重要的。第三个考虑是回顾问卷的使用，由于静息态的特点，很难在不打断的情况下询问心理状态。一些创新性的方法会使得认知状态和神经FC状态之间可以做更精准的映射。尽管如此，在状态之间可能有很强的个体差异。本文发现了问卷中自发想法的维度和动态FC之间的关联，为儿童中观察到的动态FC状态与心理状态的相关提供了证据。这篇文章使用滑动时间窗方法，描述了146名儿童主要神经认知网络静息态功能连接(FC)的动态变化。文中发现了随时间产生的6个FC状态，一些FC状态和自发思维之间的内容相关，这支持了大脑动态活动和心理进程的相关性，为这些状态的功能角色提供了最初的洞见。另外，一些连接比另一些连接的可变性更强，包括顶叶内侧和楔前叶。这些区域在大尺度网络中扮演重要角色，表明了生命早期适应性活动的独特角色。儿童表达特定FC状态的时间随年龄变化，并且在主要的神经认知网络的FC可变性上也有年龄相关的增加，表明了更强的神经复杂性。接下来的对于发育中的脑连接组的研究将会对大脑网络的成熟提供新的洞见并能支持高级认知过程和神经发育疾病的底层机制。
