梭狀回的結構?
梭狀回是腹側顳葉上一個十分重要
的區(qū)域。由于它開始于枕葉結束于
顳葉呆馁，所以又稱之為枕顳回梗摇。梭狀
回的結構邊界信息相對其他腦區(qū)如
海馬旁回要清晰明確。在其外側译打，
梭狀回和顳下回緊鄰并以枕顳溝（
occipito-temporal sulcus）為分界線耗拓。在其內側，梭狀回和海馬旁回及舌
回相連奏司，側副溝（transverse collateral
sulcus）作為它們之間的分界線乔询。梭
狀回雖然主體部分處于顳葉腹側， 但開始的部分緊靠著枕葉邊緣韵洋，即
紋外皮層的部分竿刁。所以說梭狀回是
一個承上啟下的過渡區(qū)域黄锤，在視覺
信息的傳遞方面特別重要。
之前關于梭狀回細胞構筑的研究主
要集中于它的后部食拜。直到近幾年鸵熟，由德國Julich中心的J. Caspers才將梭狀回的后部在
細胞構筑上劃分成內外兩個子區(qū)
（如圖1-3），內側的子區(qū)叫做
FG1负甸，外側的子區(qū)叫做FG2流强。
FG1的細胞構筑切片顯示柱狀的小錐
體細胞以較小的密度充斥第IV層和
第II層，而其他幾層的錐體細胞也
有柱狀的排布但相對密度更小呻待。
除此之外開始幾層的細胞過度比較 平滑打月，最后一層和白質的區(qū)分比較
模糊。反觀FG2的細胞構筑切片蚕捉，
錐體細胞的體積要比FG1的大的多
且分布不是呈柱狀奏篙。其密度圖也顯
示大部分層的細胞分布密度比較大
且波動比較小，靠白質的最后一層
和白質的分辨情況也比較清晰迫淹。
梭狀回中后部常有一條溝將其在
形態(tài)上內外分開稱之為中央梭狀
回溝（mid-fusiform sulcus）秘通。根
據(jù)尸體解剖的觀察發(fā)現(xiàn)，中央梭狀
回溝在正常人7歲以后就已經成型敛熬， 而且大部分人的結構都很明顯肺稀，有
的是一條完整的溝，有的分成了前
后兩條溝荸型。最近的研究發(fā)現(xiàn)盹靴，中央
梭狀回溝的左右兩側在細胞構筑和
受體結構上有明顯的差異，這些差
異可能預示著梭狀回功能子區(qū)的存
在瑞妇。
需要注意的是稿静，細胞構筑的圖譜和
結構連接信息構造的圖譜反應的本
質信息不同，所以分割結果的直接
比較參考意義相對較弱辕狰。眾所周
知改备，通過細胞構筑劃分腦區(qū)有如下
的缺陷：（1）細胞構筑都是基于尸
體的解剖，通常在處理的時候會造
成大腦形變蔓倍，直接對應活體標本的
大腦存在偏差悬钳。（2）細胞構筑只是
對反映局部細胞形態(tài)的反應，不能
良好的描述大腦腦區(qū)間的連接偶翅，
梭狀回功能
人的視覺通路有兩條默勾，一條由位于
枕葉的初級視覺皮層開始沿著背側
腦部自下而上到達頭頂?shù)捻斎~，另
一條由初級視覺皮層開始沿著腹側
的顳葉自后向前結束于顳葉極部聚谁。
這兩條不同方向的通路為人類在視
覺相關的辨別和認知起著至關重要
的作用母剥。第一條通路主要負責物體空
間位置的判斷，也就是我們常說的“
where”通路，而第二條通路則作用于
物體類別的識別环疼，我們稱之為“what”
通路习霹。所有視覺輸入信號都可以分
為兩個方面：位置和形態(tài)。更精確
地說炫隶，一旦有視覺信號進入大腦淋叶，
我們都會同時處理和分析它的空間
信息和物體信息，最后產生抽象的
空間物體認知形態(tài)伪阶。
梭狀回處于顳葉底部煞檩，是“what”通路 上最為重要的一個環(huán)節(jié)。大量的研究
表明望门，梭狀回在物體識別形娇、面部識別
、肢體和文字識別等認知行為中都有
任務正激活[13-21]筹误。比如說研究得最
多的面孔識別區(qū)。1992年癣缅，Justine
Sergent 發(fā)現(xiàn)臉部認知缺陷的病 厨剪，
人大腦損傷區(qū)域都是在枕葉和顳葉
，為了確定損傷位置對其視覺認知
的影響友存，他使用PET掃描任務狀態(tài)
下正常人的大腦并記錄在不同任務
下每個腦區(qū)的激活程度祷膳。最后他得
出腹側顳葉的梭狀回和臉部認知是
十分相關的。隨后Nancy
Kanwisher將這些梭狀回上和面孔識
別相關的區(qū)域稱為“面部識別區(qū)”（ fusiform face area, FFA）屡立。這個
區(qū)的特性就是會對面孔信息敏感直晨，
包括人臉和動物臉，而且對形似臉
部卻非臉部的物體也會同樣感知辨
識膨俐。除了對面孔的識別勇皇，梭狀
回面部識別區(qū)還會感知面孔的抽象
信息，比如說人物情緒和相貌焚刺。所以一個人和情緒感知程度和梭
狀回的異常有關敛摘，不同社會習性的
正常人，比如害羞的和善于交際的
乳愉，會存在梭狀回激活程度的差異兄淫。
通常害羞的人此區(qū)域的激活程度會
比善于社交的人要顯著的少。另
外蔓姚，精神分裂癥（Schizophrenia）和自閉癥（Autism）等情感障礙性疾病都發(fā)現(xiàn)和梭狀回相關捕虽。
除了面部識別區(qū)，另外一個研究比
較多的區(qū)域就是文字識別區(qū)（visual
word form area）坡脐。這個區(qū)域 當在從場景中辨識文字字形時有顯著激活泄私，而且這個辨識過程和稍后的語義和聲形理解相關，可能是初級的視覺語義理解過程⊥诼耍考慮到文字的起源只不過短短幾千年崩溪，所以這個梭狀回上特異區(qū)的發(fā)展極有可能是由環(huán)境選擇因素造就的進化區(qū)域，只對文字的形狀敏感斩松。當然也有部分研究質疑梭狀回上具備文字識別功能的區(qū)域是否是功能唯一性的腦區(qū)[39, 40]伶唯。 梭狀回的分割
梭狀回的分割對于弄清楚腹側顳葉視覺系統(tǒng)有舉足輕重的作用。首先從結構上來說惧盹，之前因為大部分細胞構筑的腦譜圖將梭狀回定義為一個大的區(qū)域乳幸，且缺乏足夠的解剖信息了解梭狀回的細微結構差別，而這些差別是否和其功能的多樣性對應也 不得而知钧椰。另外從其功能來說粹断，梭狀回由于是腹側視覺系統(tǒng)的重要部分，需要處理大量的視覺以及和視覺相關的信號嫡霞，而這些信號的多樣性和復雜性就決定了梭狀回本身功能特性的多樣性瓶埋。在這些復雜多樣的功能背后，有研究發(fā)現(xiàn)存在細分子區(qū)對不同功能有不同的處理模式诊沪。無論是結構和功能信息都梭狀回腦圖譜的存在細分子區(qū)养筒。近些年來，DTI技術用來分析白質纖維連接模式已被廣泛用于腦區(qū)分割的研究中端姚，如顳極（temporal pole）晕粪，扣帶（cingulated cortex），楔前葉 (precuneus) 和紋狀體（striatum）等多個區(qū)域渐裸，而且大部分基于這種連接信息的分區(qū)結果和所分區(qū)域的細胞構筑巫湘、功能連接有很好的對應性，是一個可靠昏鹃、方便尚氛、準確的 腦區(qū)分割是這幾年來神經科學領域一個重要的研究方向。受研究技術所限盆顾，早期的腦圖譜主要是從尸體解剖的層面探尋怠褐，所以相對粗糙。隨著磁共振影像的發(fā)展您宪，更加精細的腦圖譜構建成為可能奈懒。此外，認知科學的發(fā)展需要一個更加準確細分的腦模板來幫助理解每個腦區(qū)的功能分配宪巨，從而構建腦區(qū)和功能的對應磷杏，這樣對于將來的醫(yī)學臨床研究是一個極大的推動。
有研究主要從構建新的梭狀回腦圖譜使用基于DTI的白質纖維概率跟蹤技術捏卓，將梭狀回分割為幾個結構和功能上都具備 特異性的子區(qū)极祸。梭狀回的邊界定義有很多說法慈格，我們選擇了比較常用的溝回模板作為參考并構建基于分割樣本的概率模板。然后引入譜聚類對獲取的結構連接信息聚類得到一系列分割模式遥金。根據(jù)指標以及重復性驗證選取最合理的結果浴捆。在確定新的腦圖譜模式后，接下來對每個子區(qū)的結構和功能定位稿械，功能的定位不僅從靜息態(tài)數(shù)據(jù)考慮功能連接而且采用meta分析對其子區(qū)進行行為學分析选泻。這樣全面的考察子區(qū)的特性，給出分類模式的合理解釋美莫。
研究中提出的基于解剖連接信息的梭狀回腦圖譜能揭示部分梭狀回的結構和功能組織排布页眯。幫助我們更好的理解梭狀回在人類腹側顳葉視覺處理系統(tǒng)中的作用，這 為以后的視覺相關的行為學研究提供結構依據(jù)厢呵。此外窝撵，像和視覺有關的疾病學研究也可以將此腦區(qū)圖譜，三個梭狀回的子區(qū)從前往后在內側顳葉成正三角形排布襟铭。最前部的區(qū)稱之為梭狀回上部區(qū)碌奉，簡稱FGa，圖紅色所示寒砖。這個子區(qū)內靠海馬旁回（parahippocampus）道批，前靠前部的橫向側副溝（transverse collateral sulcus）， 外靠枕顳溝（occipito-temporal? sulcus）入撒。三個子區(qū)相對靠外部的稱為梭狀回外側區(qū)，簡稱FGl椭岩，圖藍色所示茅逮。此區(qū)由枕顳溝將其與顳下回區(qū)分，內接中央梭狀回溝（mid-fusiform sulcus）判哥。最后靠近顳葉底部的區(qū)域稱之為梭狀回內側區(qū)献雅，由 FGm表示，如圖綠色部分塌计。這個區(qū)內側毗連著舌回（lingual gyrus）與海馬旁回挺身，位于內側紋外皮質的末端，和FGl隔著中央梭狀回溝锌仅。由結構連接信息細分的三個子區(qū)和之前由細胞構筑和受體跟蹤構建的腦圖譜比較可得出章钾，F(xiàn)Gl與FGm分別對應著細胞構筑的FG1和FG2區(qū)，只不過我們的兩個子區(qū)所包含的體素個數(shù)要多一些热芹，所分出來的子區(qū)面積要比細胞構筑的子區(qū)面積大贱傀。除此之外，無論是細胞構筑得出的子區(qū)排布或者由結構連接得出的聚類模式伊脓，都將中央梭狀回溝作為梭狀回后部內外側的分界線府寒。之前的研究表明中央梭狀回溝在大于7歲的正常人樣本中即有顯著的解剖輪廓。更進一步，從白質纖維連接模式的角度來看株搔，中央梭狀回溝的左右側有比較明顯的纖維連接模式的差別剖淀。一定程度上說明，基于細胞構筑得出的腦區(qū)邊界和基于解剖連接模式得出的腦區(qū)邊界有一定的對應關系纤房。 梭狀回的腦區(qū)分割纵隔。子區(qū)模板構建方法，即通過分割樣本本身的結構屬性構造概率模板帆卓。然后利用經典的白質纖維概率跟蹤巨朦，找尋出個體樣本空間梭狀回腦區(qū)的全腦連接模式。最后采用融合了位置信息的譜聚類剑令，對上一步獲得的梭狀回腦區(qū)的全腦連接模式進行分類糊啡，并結合多種評判 指標確定最合理的分類個數(shù)。有實驗將梭狀回分割成了三個部分吁津，而且將其與之前的細胞構筑的腦區(qū)模板進行了細致對比棚蓄。 梭狀回子區(qū)結構與功能分析? 全腦概率纖維跟蹤圖顯示連接梭狀回的主要是兩根從前向后走向的粗大的纖維束，下額枕束（Inferior fronto-occipital fiber, IFOF）和下縱束（Inferior longitudinal fiber, ILF）碍脏。下額枕束經過腦島主要將梭狀回和額下部分相連梭依，下縱束主要將梭狀回和顳極相連。圖中典尾，綠役拴、藍、紅三種顏色分別代表內側梭狀回（FGm）钾埂、外側梭狀回（FGl）和前側 梭狀回（FGa）河闰。相對靠后的內外側梭狀回都顯示有這兩條纖維束的連接，而前側梭狀回則主要是下縱束的連接褥紫。
圖4-1 左側梭狀回全腦纖維跟蹤模式姜性。紅色區(qū)域代表FGa,藍色區(qū)域代表FGl,綠色區(qū)域代表FGm∷杩迹基于AAL模板的概率纖維連接強度進一步表現(xiàn)了三個子區(qū)間不同的連接模式部念。三個子區(qū)在連接區(qū)域上沒有顯著的區(qū)別，主要是和視覺氨菇、語義理解相關的腦區(qū)儡炼。最顯著的區(qū)別主要反應在和這些腦區(qū)的連接強度上，而且左右半腦有區(qū)別门驾。依照 連接強度從強到弱射赛，左邊內側梭狀回連接區(qū)主要是Lingual_L, Occipital_Inf_L, Temporal_Inf_L, Hippocampus_L,Calcarine_L,ParaHippocampal_L；左邊外側梭狀回連接區(qū)主要Temporal_Inf_L, Occipital_Inf_L, Lingual_L, Calcarine_L,Occipital_Mid_L,Temporal_Mid_L, Hippocampus_L, Occipital_Sup_L奶是；左邊前側梭狀回連接區(qū)主要ParaHippocampal_L, Temporal_Inf_L,Hippocampus_L,Occipital_Inf_L楣责。依照連接強度從強到弱竣灌，右邊內側梭狀回連接區(qū)主要是Occipital_Inf_R,Lingual_R, Temporal_Inf_R, Occipital_Mid_R；右邊外側梭狀回連接區(qū)主要是Temporal_Inf_R, Occipital_Inf_R,Temporal_Mid_L,Occipital_Mid_R秆麸；右邊前側梭狀回連接區(qū)主要是Temporal_Inf_R, ParaHippocampal_R, Occipital_Inf_R,Temporal_Mid_R,Occipital_Mid_R初嘹。
表4-1 跟蹤結果中使用的AAL腦模板腦區(qū)
名稱及縮寫
區(qū)域在AAL的上縮寫 區(qū)域名稱
Occipital_Sup_L Left superior occipital gyrus
Occipital_Sup_R Right superior occipital
gyrus Occipital_Mid_L Left middle occipital
gyrus Occipital_Mid_R Right middle occipital? gyrus
Occipital_Inf_L Left inferior occipital gyrus
Occipital_Inf_R Right inferior occipital gyrus
Temporal_Sup_L Left superior temporal gyrus
Temporal_Sup_R Right superior temporal
gyrus
Temporal_Mid_L Left middle temporal gyrus
Temporal_Mid_R Right middle temporal
gyrus
Temporal_Inf_L Left inferior temporal gyrus
Temporal_Inf_R Right inferior temporal gyrus
ParaHippocampal_L Left parahippocampal
gyrus ParaHippocampal_R Right
parahippocampal gyrus
Lingual_L Left lingual gyrus Lingual_R Right
lingual gyrus
Calcarine_L Left calcarine
Hippocampus_L Left hippocampus? 左側（圖4-3）和右側（圖4-4）梭狀回子區(qū)的全腦連接模式顯示了這3個子區(qū)有著完全不同的靜息態(tài)功能激活。從正激活的情況看沮趣，內側梭狀回主要和掌管視覺屯烦、運動的腦區(qū)正連接，如頂上小葉房铭、顳中回前部驻龟、額上回后部和腦島中部。前部的梭狀回則相對正激活區(qū)域較前兩個子區(qū)少缸匪，主要集中在默認網絡相關的腦區(qū)翁狐，如楔前葉、額中回下部凌蔬、枕上回以及外側額上回露懒。和梭狀回各子區(qū)顯著負相關的腦區(qū)是，內側梭狀回為：額上回內側砂心、額下回和顳上回后部懈词；外側梭狀回為：內外側額上回景埃、頂下小葉迟郎、后扣帶、顳中回前部和顳極桦锄；前側梭狀回為：枕葉译暂、外側額上回前部荞怒、內側額上回后部、中央前回以及腦島前部秧秉。需要注意的是，左右半腦的外側梭狀回在靜息態(tài)功能連接上有顯著的偏側化衰抑，左邊的外側梭狀回和語言區(qū)有連接而右邊外側梭狀回沒有象迎。 正相關，如內外側枕葉的大部分區(qū)域呛踊、中央前回砾淌、腦島后部、顳上回下部谭网。外側梭狀回主要和高級的視覺皮層以及部分和語言相關的腦區(qū) 圖4-3 左側梭狀回子區(qū)的全腦功能連接激活圖汪厨。圖中對角線位置（白色背景）為組內單樣本T檢驗顯著性的結果，代表各子區(qū)自身的靜息態(tài)功能連接腦區(qū)愉择；圖中非對角線部分（淡藍色背景）為組間配對雙樣本T檢驗顯著性的結果劫乱，反應不同子區(qū)間的功能連接差異织中。FDR校正，p<0.05衷戈，voxel size>50狭吼。 圖4-4 右側梭狀回子區(qū)的全腦功能連接激活圖? 均。 4.3.2 實驗結果 圖4-6 左側梭狀回子區(qū)功能網絡參與程度指紋圖殖妇。圖中左側柱狀圖指示不同子區(qū)在相同功能網絡下的參與度（大于零為正連接刁笙，小于零為負連接）；右側用指紋圖顯示各子區(qū)在正連接的情況下參與的功能網絡分布模式谦趣。紅色區(qū)域代表FGa,藍色區(qū)域代表FGl,綠色區(qū)域代表FGm疲吸。 如圖4-6和圖4-7所示，不同的梭狀回子區(qū)分別用綠藍紅三色表示前鹅。圖中左側顯示各梭狀回子區(qū)和10個功能子網絡的正負連接值摘悴，分別用正負相關性表示。相關性值越接近于說明梭狀回子區(qū)參與這個功能子區(qū)的可能性越大嫡纠。圖右邊用指紋圖 淺顯的表示網絡參與情況的趨勢烦租。
結果顯示左右半腦的梭狀回子區(qū)存在功能偏側性，而且主要是左右的外側梭狀回子區(qū)除盏，左右內側和前側的梭狀回子區(qū)參與功能網絡基本一致叉橱。內側梭狀回主要參與視覺相關的網絡（RSN1, RSN2, RSN3），小腦網絡（RSN5）和聽覺網絡（RSN7）者蠕。前側梭狀回主要參與默認網絡（RSN4）和較弱的參與外側視覺網絡（RSN3）窃祝。左腦的外側梭狀回子區(qū)主要參與了視覺網絡（RSN2, RSN3），小腦網 絡（RSN5）踱侣，運動網絡（RSN6）粪小，感知網絡（RSN9）和語言網絡（RSN10）。右腦的外側梭狀回相對左腦缺失了和語言網絡的相關性但仍保留了和其他子網絡的功能連接抡句。 圖4-7 右側梭狀回子區(qū)功能網絡參與程度指紋圖? 圖4-6 左側梭狀回基于meta分析的行為學定位探膊。圖中左側兩列反應梭狀回子區(qū)在任
務態(tài)下主要的行為活動；右側兩列為檢測
梭狀回子區(qū)行為功能時主要的實驗范例待榔。
FDR校正逞壁，p<0.05。
紅色區(qū)域代表FGa,藍色區(qū)域代表FGl,綠色
區(qū)域代表FGm锐锣。任務名稱見表4-2腌闯。
本節(jié)結果同樣用不同顏色指代梭狀
回各子區(qū)，綠色為內側梭狀回雕憔，藍
色為外側梭狀回姿骏，紅色為前側梭狀 回。圖中給出的行為學特征全部是
三個子區(qū)無論是從行為種類還是實驗范例種類都有顯著的不同斤彼。內側和前側子區(qū)參與的功能比較單一分瘦，而外側梭狀回則相對要復雜蘸泻。
圖左側兩列概率值顯示的是有關行
為種類的分析結果。左右半球的內
側梭狀回主要和視覺感知相關（
language cognition, vision
perception）擅腰。外側梭狀回左右腦存在
偏側性差異蟋恬，左腦的外側梭狀回主
要處理語言相關的文字識別以及物
體形狀識別（phonology, language
semantics, orthography, shape
perception）；右腦的外側梭狀回主要
和物體形狀趁冈，人臉識別等視覺處理
相關（emotion, sexuality
interoception, shape perception）歼争。前 側梭狀回相對來說參與的功能較少
，主要是語義的理解和
體形狀的識別（language semantics,
shape perception）渗勘。
圖4-6 右側梭狀回基于meta分析的行為學
定位沐绒。任務名稱見表4-2。
表4-2 行為學分類名稱的中英文表述
行為種類（Behavioral Domains） 實驗范
例種類（Paradigm Classes） Action.
observation 動作觀察 Cued explicit.
recognition 細節(jié)提示任務 Cognition.
language 語言認知 Delayed match to
sample 延時任務 Cognition.language. orthography 字形識別 Drawing 畫畫
Cognition.language.phonology 音韻識別
Face.monitor/discrimination 面部識別
Cognition.language.semantics 語義識別
Naming(covert) 命名任務（隱式）
Cognition.language.speech 語音識別
Naming(overt) 命名任務（顯式）
Cognition.memory.explicit 明確記憶
Passive viewing 被動視覺 Cognition.
memory.working 工作記憶 Phonological.
discrimination 音韻辨認 Emotion.anger
憤怒情緒 Reading(covert) 閱讀（隱式）
Emotion.fear 驚恐情緒 Reward task 獎賞任
務 Interoception.sexuality 性別內感
Semantic.monitor/discrimination 語義識別?
Perception vision 視覺感知 Visual
distractor/visual attention 視覺注意
Perception.vision.shape 形態(tài)感知?
圖右側兩列概率值反應了各子區(qū)最
常被研究的實驗設計范例旺坠。左右半
腦的內外側及前側梭狀回在范例模 式上都有明顯不同乔遮。左邊半腦來看
，內側梭狀回相關的實驗主要是考
察物體識別能力和視覺注意力（
naming, visual distractor/attention）取刃，第四章 梭狀回子區(qū)結構與功能分析
35
外側梭狀回則集中在物體識別蹋肮、閱
讀文字識別和面部識別實驗（
naming, reading, phonological/
semantic discrimination, face
discrimination），前側梭狀回則是語
義識別和物體認知（semantic
discrimination, naming, cued explicit
recognition）璧疗。右半腦來看坯辩，內側梭 狀回主要的考察主要集中在面
部識別和視覺注意實驗（face
discrimination, visual distractor/
attention），外側梭狀回主要是面部
識別的實驗（face discrimination）崩侠，
而前側梭狀回的實驗主要是物體
認知和識別（cued explicit
recognition, naming）漆魔。
4.5 梭狀回子區(qū)結構和功能研究
結果討論
在本章研究內容中，我們基于三分
區(qū)模式的梭狀回最大概率圖對梭狀
回子區(qū)的結構及功能做了詳細的研
究却音。首先每個子區(qū)和全腦所有體素
做白質概率纖維連接改抡，構建出經過
梭狀回的白質纖維束走形。然后將
纖維跟蹤的目標區(qū)由全腦細分為按
照AAL模板的腦區(qū)系瓢，再重復子區(qū)-
腦區(qū)這種匹配模式的概率跟蹤阿纤。這 樣，我們可以確切的知道每個梭狀
回子區(qū)的解剖學纖維連接模式夷陋，以
便從結構上更好的區(qū)分各子區(qū)阵赠。緊
接著，在確定完結構異同后肌稻，我們
對每個子區(qū)的功能模式和定位做
了比較。首先對比每個梭狀回子區(qū)
的靜息態(tài)全腦功能連接模式匕荸，包括
各子區(qū)本身的腦區(qū)共激活模式以及
模式間的區(qū)別爹谭。然后就同樣的靜息
態(tài)數(shù)據(jù)抽離出10個在靜息態(tài)和任務
態(tài)下都保持相同波動的功能子網絡
。依次計算每個子區(qū)和功能網絡間
的功能連接榛搔，刻畫出梭狀回子區(qū)對
這10個子網絡的參與情況诺凡，從而確
定靜息態(tài)下子區(qū)的功能定位东揣。最后
，基于先前大量的行為學和認知科
學對梭狀回的研究腹泌，我們通過數(shù)據(jù)
統(tǒng)計算法估計各梭狀回子區(qū)對不同
功能角色的參與概率嘶卧。無論是在靜 息態(tài)還是任務態(tài)下，梭狀回分割模
式的功能定位都能準確表示并幫助
我們確定分割結果的準確性和合理
性凉袱。
內側梭狀回在結構上主要和內側的
枕葉芥吟、顳下回和海馬及周邊腦區(qū)連
接，在纖維走形上和下額枕束专甩、下
縱束都有聯(lián)系钟鸵。靜息態(tài)功能連接和
功能網絡的參與情況表明內側梭狀
回和枕極、內側顳葉后部的腦區(qū)正
相關涤躲。這些腦區(qū)主要處理初級的視
覺信號棺耍，而且人類視覺系統(tǒng)的兩條
通路（腹側物體識別通路和背側空
間位置識別通路）都源于這些腦區(qū)
直至高級的視覺區(qū)域。此外本研究
中行為學數(shù)據(jù)反映的功能定位也證
明內側梭狀回和視覺感知的處理有
緊密聯(lián)系种樱∶膳郏基于以上的論據(jù)，我們
猜想梭狀回的這個子區(qū)很可能負責 一些初級視覺信號的處理以及傳輸
嫩挤，它作為一個橋梁把由初級視覺皮
層傳入的視覺刺激信息傳遞給更高
級的視覺處理區(qū)域害幅，比如外側梭狀
回。除此之外俐镐，我們還發(fā)現(xiàn)內側梭
狀回和顳上回及后側腦島有功能
連接矫限，這些腦區(qū)構成了聽覺網絡的
一部分。之前的研究表明佩抹，人類感
知系統(tǒng)在處電子科技大學碩士學位論文
36
理多元信號有優(yōu)勢叼风，如聲音和視覺
，并且后側的梭狀回在處理聲音視
覺同步化信號時的任務激活大于非
同步信號時的激活棍苹。另外无宿，任務態(tài)
的功能磁共振研究也證實聲音信號
包含的內容會影響視覺信號的處理
，如聲音對臉部情緒感知的影響枢里。
據(jù)此孽鸡，梭狀回有可能同時處理多元 信號，而內側梭狀回則主要負責這
個功能栏豺。
外側梭狀回在以往的研究中被廣泛
的研究彬碱，通常認為它參與了面部辨
識，文字識別以及物體識別等視覺
認知奥洼。從本研究的功能連接以及行
為學功能定位來看巷疼，外側梭狀回的
功能角色和之前的研究結論很相近
。除此之外灵奖，雙側梭狀回的功能
偏側性也有明顯的表征嚼沿。左側半腦
的外側梭狀回相對右側的同源區(qū)和
語言處理的腦區(qū)有強相關估盘，這和用
功能態(tài)磁共振的研究結論一致，說
明左腦的外側梭狀回作為一個核心
節(jié)點處理文字認知以及語義的理解
骡尽。右腦外側梭狀回的偏側性在行為
學功能定位的結果中顯示了相較左
腦有和視覺腦區(qū)較強的功能連接遣妥。
但是，右腦功能偏側現(xiàn)在在靜息態(tài) 下卻不明顯攀细，這有可能和視覺網絡
在有無相關刺激時網絡內部信號的
半腦偏側性有關箫踩。之前的研究證實
這個子區(qū)內的視覺任務，特別是面
部識別任務由半腦間合作處理并伴
隨有視覺信息的左右傳輸辨图。所以當
在靜息態(tài)下缺少外部視覺刺激時班套，
有可能由交互作用產生的功能偏側
化會明顯減弱。今后的研究可以利
用任務實驗更進一步證實外側梭狀
回的功能偏側性故河。
前側梭狀回在結構連接上主要是通
過下縱束和周圍腦區(qū)連接直至顳極
吱韭。而顳極作為高級語言中樞負責抽
象的語言理解功能。此外鱼的，前側梭
狀回在功能連接模式上和楔前葉理盆、
后扣帶以及顳中回有顯著的正連接
。這些腦區(qū)常在靜息態(tài)下激活而在
功能態(tài)下減弱凑阶，常稱為默認網絡（猿规。 default mode network）。之前的研究
發(fā)現(xiàn)默認網絡和語義理解網絡有部
分重合宙橱。而且任務態(tài)的功能研究也
發(fā)現(xiàn)前側梭狀回在語義理解中有激
活姨俩。另外，顳葉上發(fā)現(xiàn)有一條由后
向前功能復雜度遞增的語言通路师郑，
即由初級視覺皮層開始到顳極結束
环葵，其對視覺信息的處理由信號相關
的語義理解（stimulus-oriented
semantic processing）到多信息交互
的語義理解（transmodal semantic
processing）。因此宝冕，前側梭狀回可能
主要負責復雜視覺信息的理解张遭，比
如前期經過內外側梭狀回處理的文
字和面部分類信息。實驗中此子區(qū)
的行為學特征也證實了這個假設地梨。
總的來說菊卷，梭狀回各子區(qū)在結構連
接上的區(qū)別主要集中在連接強度，
其連接腦區(qū)的差別相對不明顯宝剖。靜 息態(tài)功能連接和子網絡參與度都顯
示了各子區(qū)不同的連接模式洁闰。最后
的行為學特征考察也同樣說明了各
子區(qū)功能特征的特異性。對梭狀回
子區(qū)的結構和功能屬性的研究說明
此區(qū)域3分區(qū)模式的合理性万细，也一定
程度上表明使用解剖學白質纖維連
接來劃分梭狀回腦區(qū)的可靠性扑眉。 第四章 梭狀回子區(qū)結構與功能分析
37
4.6 本章小結
本節(jié)從結構連接模式、靜息態(tài)功能
連接模式、功能網絡參與度和行為
學定位四個方面考察了梭狀回分割
圖譜的合理性襟雷。第一小節(jié)，討論不
同子區(qū)的全腦白質纖維跟蹤模式以
及和各腦區(qū)的連接強度仁烹。第二小節(jié)
耸弄，研究了各子區(qū)的全腦功能激活圖
，對子區(qū)間的功能連接差異也做了 詳細比較卓缰。第三小節(jié)主要評價了
3個子區(qū)在10個功能子網絡中的參與
度计呈。第四小節(jié)，進一步考察了對梭
狀回子區(qū)的行為學評價征唬。本章結果
合理解釋了不同梭狀回子區(qū)在腦認
知中扮演的角色捌显。 電子科技大學碩士學位論文
38
第五章 總結及展望
5.1 總結
作為腹側視覺網絡上重要的一個環(huán)
節(jié)，人腦梭狀回參與了物體識別总寒，
人臉識別以及語義理解等方面的認
知功能扶歪。之前的任務態(tài)研究都是把
梭狀回當成一塊大的腦區(qū)進行研究
，根據(jù)任務激活進行功能定位摄闸。而
且早期的細胞構筑模板也沒有將梭
狀回細分善镰，近幾年新的結構腦模板
只是將梭狀回后部進行了細胞構筑 的劃分∧暾恚基于梭狀回參與的復雜功
能以及顳葉信息處理的模式排布炫欺，
我們認為梭狀回上應該存在更加精
細的腦區(qū)劃分。由于大腦功能活動
大量依靠腦區(qū)間的纖維連接熏兄，所
以依照白質纖維連接強度的差異可
以反映腦區(qū)功能上的異同品洛。彌散磁
共振技術使得在活體上對大腦白質
纖維的觀察成為可能。利用此技術
摩桶，我們第一次在結構連接的角度將
人體梭狀回細分桥状，構建了代表不同
功能角色的梭狀回子區(qū)模式。
本文主要的貢獻有： （1） 提出構
建梭狀回分割種子區(qū)的新方法典格，即
先根據(jù)溝回模板岛宦，在T1結構項下
構建每個個體的梭狀回ROI，然后
融合ROI結果計算概率模板耍缴。根據(jù)
合理的概率值砾肺，提取一個基于樣本
的梭狀回種子區(qū)。? 的劃分防嗡”渫簦基于梭狀回參與的復雜功
能以及顳葉信息處理的模式排布，
我們認為梭狀回上應該存在更加精
細的腦區(qū)劃分蚁趁。由于大腦功能活動
大量依靠腦區(qū)間的纖維連接裙盾，所
以依照白質纖維連接強度的差異可
以反映腦區(qū)功能上的異同。彌散磁
共振技術使得在活體上對大腦白質
纖維的觀察成為可能。利用此技術
番官，我們第一次在結構連接的角度將
人體梭狀回細分庐完，構建了代表不同
功能角色的梭狀回子區(qū)模式。
本文主要的貢獻有： （1） 提出構
建梭狀回分割種子區(qū)的新方法徘熔，即
先根據(jù)溝回模板门躯，在T1結構項下
構建每個個體的梭狀回ROI，然后
融合ROI結果計算概率模板酷师。根據(jù)
合理的概率值讶凉，提取一個基于樣本
的梭狀回種子區(qū)。? ） 使用改進的譜聚類算法將梭
狀回基于結構連接信息分成3部分
：內側梭狀
回（FGm）山孔、外側梭狀回（FGl）和
前側梭狀回（FGa）懂讯，并在多套數(shù)據(jù)
上進行重復性驗證。無論是分類指
標還是重復性分割結果的分類模式
都說明
了3分區(qū)模式的可靠性和穩(wěn)定性台颠。
（3） 分別從全腦結構連接褐望、腦區(qū)和
梭狀回子區(qū)結構連接、全腦靜息態(tài)功
能連接蓉媳、功能子網絡參與度分析以
及行為學定位5個方面考察梭狀回3
分區(qū)模式的
合理性譬挚。所有結果都證實了這3
個子區(qū)在結構連接的模式和強度，
功能連接模式和子網絡參與情況酪呻，
甚至行為學定位方面都具有特異性
减宣。此外，左右半腦的相同子區(qū)也表 現(xiàn)了部分功能性偏側玩荠。
（4） 基于分割模式和驗證結論漆腌，
我們提出了梭狀回細分子區(qū)可能的
功能角色。
內側梭狀回作為一個橋梁阶冈，將視覺
信息傳到高級的視覺腦區(qū)闷尿，并融合
了聲音等多元信息；左腦的外側梭
狀回主要處理文字的識別和部分物
體分類識別女坑，而右腦的外側梭狀回
主要處理面部識別和物體分類識別
填具；前側的梭狀回和語義理解等抽象
認知活動相關。 第五章 總結及展望
39
5.2 展望
人類新腦圖譜的構建目的是為了確
定功能活動更加細分的腦區(qū)體系匆骗。
利用灰質密度或灰質體積磁共振圖
像（T1項）劳景、彌散加權圖像（DTI）以及? 靜息態(tài)（rest-fMRI）和任務態(tài)（task-
fMRI）的功能磁共振圖像，基于磁
共振影像學的腦區(qū)劃分可以從結構
和功能的各種方面方便準確的考察
腦圖譜構建模式的合理性及可靠性
碉就。目前盟广，隨著影像學技術手段的發(fā)
展，新腦圖譜的創(chuàng)建工作也不斷在
推進和改良瓮钥。
首先筋量，磁共振影像數(shù)據(jù)的采集分辨
率和數(shù)據(jù)分析算法在不斷提高烹吵，這
為將來更加精細的腦圖譜構建提供
了可能。早期的DTI數(shù)據(jù)分辨率較
低桨武，計算白質纖維連接時導致空間
位置相近的腦區(qū)其屬性區(qū)分度較差
肋拔，劃分腦區(qū)時反映的信息量不足以
刻畫精細的圖譜。在DTI信號分辨
率提高后呀酸，加上數(shù)據(jù)分析算法的改
進如HARDI算法只损，對不同腦區(qū)結構
特異性的考察準確度有顯著提高。? 七咧。其次，各種掃描態(tài)數(shù)據(jù)描述腦區(qū)
的信息不同叮叹，所以新腦圖譜可以基
于多模態(tài)磁共振信息劃分艾栋。結構圖
像和功能圖像所反映的內容不同，
前者考察腦組織結構包括灰質和白
質纖維蛉顽，后者反映基于結構連接基
礎的腦部活動蝗砾，兩者的對應性不
是完全契合的。所以只依據(jù)特定單
一的信息進行腦區(qū)劃分可能無法反
應這個腦區(qū)子區(qū)排布模式的真實情
況携冤。這要求將來的腦圖譜研究考慮
多模態(tài)融合技術悼粮，構建無論是在結
構還是功能都具有顯著差異的腦區(qū)
模板。
最后曾棕，聚類方法的提高和改進對最
終的腦區(qū)分割模式至關重要】勖ǎ現(xiàn)在
聚類算法的確定沒有統(tǒng)一的規(guī)定，
一般來說用得較多的是k-means
聚類翘地、譜聚類申尤、基于圖論的N-cut
[1] Basser PJ, Mattiello J, LeBihan D. MR?
diffusion tensor spectroscopy and imaging
[J]. Biophys J,
1994;66:259-67. [2] Catani M, Jones DK,
ffytche DH. Perisylvian language
networks of the human brain[J]. Ann
Neurol, 2005;57:8-16. [3] Catani M,
Howard RJ, Pajevic S, Jones DK. Virtual in
vivo interactive dissection of white matter
fasciculi in the human brain[J]. Neuroimage,
2002;17:77-94. [4] Weiner KS, Golarai G,
Caspers J, et al. The mid-fusiform sulcus:
a landmark identifying both
cytoarchitectonic and functional divisions
of human ventral temporal cortex[J].
Neuroimage, 2014;84:453-65.
5] Caspers J, Zilles K, Eickhoff SB,
Schleicher A, Mohlberg H, Amunts K.
Cytoarchitectonical
analysis and probabilistic mapping of two
extrastriate areas of the human posterior
fusiform gyrus[J]. Brain Struct Funct, 2013;
218:511-26.
[6] Caspers J, Zilles K, Amunts K, Laird
AR, Fox PT, Eickhoff SB. Functional
characterization and
differential coactivation patterns of two
cytoarchitectonic visual areas on the
human posterior fusiform gyrus[J]. Hum
Brain Mapp, 2014;35:2754-67.
[7] Caspers J, Palomero-Gallagher N,
Caspers S, Schleicher A, Amunts K,
Zilles K. Receptor
architecture of visual areas in the face
and word-form recognition region of the
posterior fusiform gyrus[J]. Brain Struct
Funct, 2013.?
8] Hassler R. [The development of?
architectonics since Brodmann and its
significance for modern
brain research][J]. Dtsch Med Wochenschr,
1962;87:1180-5. [9] Wang J, Fan L, Zhang
Y, et al. Tractography-based parcellation of
the human left inferior parietal
lobule[J]. Neuroimage, 2012;63:641-52. [10]
Zhang Y, Fan L, Wang J, Zhu M, Yu C,
Jiang T. Connectivity-based parcellation of
the human
posteromedial cortex[J]. Cereb Cortex,
2014;24:719-27. [11] Fan L, Wang J, Zhang
Y, Han W, Yu C, Jiang T. Connectivity-
Based Parcellation of the Human
Temporal Pole Using Diffusion Tensor
Imaging[J]. Cereb Cortex, 2013. [12]
Beckmann M, Johansen-Berg H,
Rushworth MF. Connectivity-based
parcellation of human
cingulate cortex and its relation to?
functional specialization[J]. J Neurosci,?
2009;29:1175-90. [13] Haxby JV,
Hoffman EA, Gobbini MI. The
distributed human neural system for
face
perception[J]. Trends Cogn Sci, 2000;4:223-
33. 電子科技大學碩士學位論文
42
[14] Malach R, Levy I, Hasson U. The
topography of high-order human object
areas[J]. Trends Cogn
Sci, 2002;6:176-84. [15] Martin A. The
representation of object concepts in the
brain[J]. Annu Rev Psychol,
2007;58:25-45. [16] Op de Beeck HP,
Haushofer J, Kanwisher NG. Interpreting
fMRI data: maps, modules and
dimensions[J]. Nat Rev Neurosci, 2008;9:
123-35. [17] Tarr MJ, Gauthier I. FFA: a
flexible fusiform area for subordinate- level visual processing
automatized by expertise[J]. Nat Neurosci,
2000;3:764-9. [18] Weiner KS, Grill-
Spector K. Neural representations of
faces and limbs neighbor in human
high-level visual cortex: evidence for
a new organization principle[J].
Psychol Res, 2013;77:74-97.
[19] Amedi A, Jacobson G, Hendler T,
Malach R, Zohary E. Convergence of visual
and tactile shape
processing in the human lateral occipital
complex[J]. Cereb Cortex, 2002;12:1202-12.
[20] James TW, Humphrey GK, Gati JS,
Servos P, Menon RS, Goodale MA.
Haptic study of
three-dimensional objects activates
extrastriate visual areas[J].
Neuropsychologia, 2002;40:1706-14.
[21] Kitada R, Johnsrude IS, Kochiyama T,
Lederman SJ. Functional specialization and? convergence
in the occipito-temporal cortex supporting
haptic and visual identification of human
faces and body parts: an fMRI study[J]. J
Cogn Neurosci, 2009;21:2027-45.
[22] Sergent J, Ohta S, MacDonald B.
Functional neuroanatomy of face and
object processing. A
positron emission tomography study[J].
Brain, 1992;115 Pt 1:15-36. [23] Kanwisher
N, McDermott J, Chun MM. The fusiform
face area: a module in human extrastriate
cortex specialized for face perception[J]. J
Neurosci, 1997;17:4302-11. [24] Gauthier I,
Skudlarski P, Gore JC, Anderson AW.
Expertise for cars and birds recruits brain
areas involved in face recognition[J]. Nat
Neurosci, 2000;3:191-7. [25] Gauthier I,
Behrmann M, Tarr MJ. Can face
recognition really be dissociated from
object? recognition?[J]. J Cogn Neurosci, 1999;11:
349-70. [26] Adolphs R. Neural systems for?
recognizing emotion[J]. Curr Opin
Neurobiol, 2002;12:169-77. [27] Beaton
EA, Schmidt LA, Schulkin J, Antony MM,
Swinson RP, Hall GB. Different fusiform
activity to stranger and personally familiar
faces in shy and social adults[J]. Soc
Neurosci,
2009;4:308-16.
[28] Pinkham A, Penn D, Wangelin B, et al.
Facial emotion perception and fusiform
gyrus volume in
first episode schizophrenia[J]. Schizophr
Res, 2005;79:341-3. 參考文獻
43
[29] Yoon JH, D'Esposito M, Carter
CS. Preserved function of the fusiform
face area in
schizophrenia as revealed by fMRI[J].? Psychiatry Res, 2006;148:205-16. [30]
Walther S, Federspiel A, Horn H, et al.
Encoding deficit during face processing
within the right
fusiform face area in schizophrenia[J].
Psychiatry Res, 2009;172:184-91. [31]
Silverstein SM, All SD, Kasi R, et al.
Increased fusiform area activation in
schizophrenia during
processing of spatial frequency-degraded
faces, as revealed by fMRI[J]. Psychol
Med, 2010;40:1159-69.
[32] van Kooten IA, Palmen SJ, von
Cappeln P, et al. Neurons in the fusiform
gyrus are fewer and
smaller in autism[J]. Brain, 2008;131:987-
99. [33] Bolte S, Hubl D, Feineis-
Matthews S, Prvulovic D, Dierks T,
Poustka F. Facial affect
recognition training in autism: can we
animate the fusiform gyrus?[J]. Behav? Neurosci, 2006;120:211-6.
[34] Dziobek I, Bahnemann M, Convit A,
Heekeren HR. The role of the fusiform-
amygdala system
in the pathophysiology of autism[J]. Arch
Gen Psychiatry, 2010;67:397-405. [35]
Pierce K, Haist F, Sedaghat F, Courchesne
E. The brain response to personally familiar
faces in
autism: findings of fusiform activity and
beyond[J]. Brain, 2004;127:2703-16. [36]
Cohen L, Dehaene S, Naccache L, et al.
The visual word form area: spatial and
temporal
characterization of an initial stage of
reading in normal subjects and posterior
split-brain patients[J]. Brain, 2000;123 ( Pt
2):291-307.
[37] Dehaene S, Naccache L, Cohen L,
et al. Cerebral mechanisms of word
masking and? unconscious repetition priming[J]. Nat
Neurosci, 2001;4:752-8. [38] Dehaene S,
Cohen L. The unique role of the visual
word form area in reading[J]. Trends Cogn
Sci, 2011;15:254-62.
[39] Mei L, Xue G, Chen C, Xue F, Zhang
M, Dong Q. The "visual word form area" is
involved in
successful memory encoding of both words
and faces[J]. Neuroimage, 2010;52:371-8.
[40] Devlin JT, Jamison HL, Gonnerman
LM, Matthews PM. The role of the
posterior fusiform
gyrus in reading[J]. J Cogn Neurosci, 2006;
18:911-22. [41] Lehericy S, Ducros M,
Krainik A, et al. 3-D diffusion tensor
axonal tracking shows distinct
SMA and pre-SMA projections to the
human striatum[J]. Cereb Cortex, 2004;14:
1302-9. [42] Lehericy S, Ducros M, Van de
Moortele PF, et al. Diffusion tensor fiber? tracking shows distinct
corticostriatal circuits in humans[J]. Ann
Neurol, 2004;55:522-9. [43] Altered white-
matter architecture in treatment-naive
adolescents with clinical depression -
ERRATUM[J]. Psychol Med, 2014:1. 電子科技大學碩士學位論文
44
[44] Alexopoulos GS, Kiosses DN,
Choi SJ, Murphy CF, Lim KO.
Frontal white matter
microstructure and treatment response of
late-life depression: a preliminary study[J].
Am J Psychiatry, 2002;159:1929-32.
[45] Bracht T, Horn H, Strik W, et al. White
matter microstructure alterations of the
medial forebrain
bundle in melancholic depression[J]. J
Affect Disord, 2014;155:186-93. [46]
Charlton RA, Lamar M, Zhang A, Yang S,
Ajilore O, Kumar A. White-matter tract? integrity in
late-life depression: associations with
severity and cognition[J]. Psychol Med,
2013:1-11. [47] Jokinen H, Kalska H,
Mantyla R, et al. White matter
hyperintensities as a predictor of
neuropsychological deficits post-stroke[J]. J
Neurol Neurosurg Psychiatry, 2005;76:1229-
33. [48] Ihle-Hansen H, Thommessen B,
Fagerland MW, et al. Impact of white
matter lesions on
cognition in stroke patients free from pre-
stroke cognitive impairment: a one-year
follow-up study[J]. Dement Geriatr Cogn
Dis Extra, 2012;2:38-47.
[49] Delano-Wood L, Bondi MW, Jak
AJ, et al. Stroke risk modifies regional
white matter
differences in mild cognitive impairment[J].
Neurobiol Aging, 2010;31:1721-31. [50]
Durand-Birchenall J, Leclercq C, Daouk J,? integrity in
late-life depression: associations with
severity and cognition[J]. Psychol Med,
2013:1-11. [47] Jokinen H, Kalska H,
Mantyla R, et al. White matter
hyperintensities as a predictor of
neuropsychological deficits post-stroke[J]. J
Neurol Neurosurg Psychiatry, 2005;76:1229-
33. [48] Ihle-Hansen H, Thommessen B,
Fagerland MW, et al. Impact of white
matter lesions on
cognition in stroke patients free from pre-
stroke cognitive impairment: a one-year
follow-up study[J]. Dement Geriatr Cogn
Dis Extra, 2012;2:38-47.
[49] Delano-Wood L, Bondi MW, Jak
AJ, et al. Stroke risk modifies regional
white matter
differences in mild cognitive impairment[J].
Neurobiol Aging, 2010;31:1721-31. [50]
Durand-Birchenall J, Leclercq C, Daouk J,? Monet P, Godefroy O, Bugnicourt JM.
Attenuation
of brain white matter lesions after lacunar
stroke[J]. Int J Prev Med, 2012;3:134-8. [51]
D'Agati E, Casarelli L, Pitzianti MB,
Pasini A. Overflow movements and
white matter
abnormalities in ADHD[J]. Prog
Neuropsychopharmacol Biol Psychiatry,
2010;34:441-5. [52] Cutting LE, Cooper
KL, Koth CW, et al. Megalencephaly in
NF1: predominantly white matter
contribution and mitigation by ADHD[J].
Neurology, 2002;59:1388-94. [53]
Federspiel A, Begre S, Kiefer C, Schroth
G, Strik WK, Dierks T. Alterations of
white matter
connectivity in first episode schizophrenia[J]
. Neurobiol Dis, 2006;22:702-9. [54]
Connor CM, Crawford BC, Akbarian S.
White matter neuron alterations in? schizophrenia and
related disorders[J]. Int J Dev Neurosci,
2011;29:325-34. [55] Begre S, Kleinlogel
H, Kiefer C, Strik W, Dierks T,
Federspiel A. White matter anisotropy
related to electrophysiology of first
episode schizophrenia during NoGo
inhibition[J].
Neurobiol Dis, 2008;30:270-80.
[56] Andreone N, Tansella M, Cerini R, et
al. Cortical white-matter microstructure in
schizophrenia.
Diffusion imaging study[J]. Br J Psychiatry,
2007;191:113-9. [57] Carr HY, Purcell EM.
Effects of diffusion on free precession in
nuclear magnetic resonance
experiments[J]. Physical Review, 1954;94:
630. [58] Torrey HC. Bloch equations with
diffusion terms[J]. Physical Review, 1956;
104:563.
[59] Le Bihan D, Breton E, Lallemand D, Grenier P, Cabanis E, Laval-Jeantet M.
MR imaging of 參考文獻
45
intravoxel incoherent motions: application
to diffusion and perfusion in neurologic
disorders[J]. Radiology, 1986;161:401-7.
[60] Moseley ME, Cohen Y, Kucharczyk
J, et al. Diffusion-weighted MR imaging
of anisotropic
water diffusion in cat central nervous
system[J]. Radiology, 1990;176:439-45. [61]
Frank LR. Characterization of anisotropy
in high angular resolution diffusion-
weighted MRI[J].
Magn Reson Med, 2002;47:1083-99. [62]
Tuch DS, Reese TG, Wiegell MR, Makris N,
Belliveau JW, Wedeen VJ. High angular
resolution
diffusion imaging reveals intravoxel white
matter fiber heterogeneity[J]. Magn Reson? Med, 2002;48:577-82.
[63] Ozarslan E, Mareci TH. Generalized
diffusion tensor imaging and analytical
relationships
between diffusion tensor imaging and
high angular resolution diffusion imaging
[J]. Magn Reson Med, 2003;50:955-65.
[64] Beaulieu C, Allen PS. Determinants
of anisotropic water diffusion in nerves[J].
Magn Reson
Med, 1994;31:394-400. [65] Beaulieu C,
Allen PS. Water diffusion in the giant
axon of the squid: implications for
diffusion-weighted MRI of the nervous
system[J]. Magn Reson Med, 1994;32:579-
83. [66] Stejskal E, Tanner J. Spin
diffusion measurements: Spin echoes in
the presence of a time‐
dependent field gradient[J]. The journal of
chemical physics, 2004;42:288-92. [67]
Frandsen J, Hobolth A, Ostergaard L,? Vestergaard-Poulsen P, Vedel Jensen EB.
Bayesian
regularization of diffusion tensor images[J].
Biostatistics, 2007;8:784-99. [68] Basser PJ,
Pierpaoli C. Microstructural and
physiological features of tissues
elucidated by
quantitative-diffusion-tensor MRI[J]. J
Magn Reson B, 1996;111:209-19. [69]
Pierpaoli C, Jezzard P, Basser PJ, Barnett
A, Di Chiro G. Diffusion tensor MR
imaging of the
human brain[J]. Radiology, 1996;201:637-
48. [70] Mori S, van Zijl PC. Fiber
tracking: principles and strategies - a
technical review[J]. NMR
Biomed, 2002;15:468-80.
[71] Lazar M, Weinstein DM, Tsuruda JS,
et al. White matter tractography using
diffusion tensor
deflection[J]. Human brain mapping, 2003; 18:306-21. [72] Basser PJ, Pajevic S,
Pierpaoli C, Duda J, Aldroubi A. In vivo
fiber tractography using DT‐
MRI data[J]. Magnetic resonance in
medicine, 2000;44:625-32. [73] Poupon C,
Clark CA, Frouin V, et al. Regularization
of diffusion-based direction maps for the
tracking of brain white matter fascicles[J].
Neuroimage, 2000;12:184-95. [74] Behrens
TE, Woolrich MW, Jenkinson M, et al.
Characterization and propagation of
uncertainty 電子科技大學碩士學位論文
46
in diffusion-weighted MR imaging[J].
Magn Reson Med, 2003;50:1077-88. [75]
Kubicki M, McCarley R, Westin CF, et al.
A review of diffusion tensor imaging
studies in
schizophrenia[J]. J Psychiatr Res, 2007;41:
15-30. [76] Hagmann P, Thiran JP,? Behavioral interpretations of intrinsic
connectivity
networks[J]. J Cogn Neurosci, 2011;23:
4022-37. [81] Laird AR, Lancaster JL,
Fox PT. BrainMap: the social evolution of
a human brain mapping
database[J]. Neuroinformatics, 2005;3:65-
78. [82] Laird AR, Eickhoff SB, Kurth F,
et al. ALE Meta-Analysis Workflows Via
the Brainmap
Database: Progress Towards A
Probabilistic Functional Brain Atlas[J].
Front Neuroinform, 2009;3:23.
[83] Eickhoff SB, Laird AR, Grefkes C,
Wang LE, Zilles K, Fox PT. Coordinate-
based activation
likelihood estimation meta-analysis of
neuroimaging data: a random-effects
approach based on empirical estimates of
spatial uncertainty[J]. Hum Brain Mapp,
2009;30:2907-26.?
