在之前的研究中,我们小组表明,可以根据从常规结构磁共振成像 (MRI) 扫描中获得的神经解剖特征以及随后使用流行的 FreeSurfer 工具进行的分析来识别个体受试者 (Valizadeh 等人,2018)。即使仅使用少数神经解剖特征(包括总脑容量、小脑灰质和白质、基底神经节体积和脑干体积在内的 11 个脑部测量值),识别率也非常好。当使用大量大脑区域时,受试者识别率几乎完美。使用易于获得的神经解剖学测量值的受试者识别精度与其他人使用更复杂的神经解剖学测量值报告的识别结果相似 (Wachinger 等人,2015 年、2017 年)。这些结果被视为人类大脑在很大程度上具有高度个体化的证据。近年来,基于神经科学方法和数据寻找个体标记变得非常流行。该领域的最新研究表明,可以根据来自结构 MRI(Wachinger et al., 2015 , 2017 ; Valizadeh et al., 2018)、功能 MRI(Miranda-Dominguez et al., 2014 ; Finn et al., 2015 ; Amico & Goñi, 2018 ; Bari et al., 2019)、脑电图 (EEG)(La Rocca et al., 2014 ; Fraschini et al., 2015 ; Kong et al., 2019 ; Valizadeh et al., 2019)或功能性近红外光谱 (fNIRS)(de Souza Rodrigues et al., 2019)的神经指纹来区分和识别个体。目前,也有人提出,这种神经指纹可能与个体智力和流体认知能力的差异有关,例如工作记忆和注意力(Greene 等人,2018 年;Rosenberg 等人,2020 年;Yamashita 等人,2018 年;Yoo 等人,2018 年)。个体指纹也有可能积累起来形成区分临床人群的群体指纹。这种脑指纹研究与大量公开的数据集同时出现。然而,大数据神经科学方法往往忽视了人类的个性、奇点和变异性。因此,要了解这种个体变异,有必要描述人类大脑的个体特征。在我们之前的研究中,我们使用了 193 名老年人的数据集,这些老年人在 3 年内每年都会获得 MRI 数据(Valizadeh 等人,2018 年)。每位受试者获得的三次扫描中,有两次是随机的
出版总监:Benoît Potier。编辑:Alexandra Rocca。出版日期及法定存放日期:2021 年 3 月。照片来源:按出现顺序,第 页1:Audouin Desforges/The Company,第 1 页2:Audouin Desforges/The Company,第 2 页4:Eric Dessons,第 4 页7:Antoine Doyen/Capa 图片,第 7 页9:FatCamera/Getty Images,第 9 页10:Adrien Daste,第 134 页13:vorDa/Getty Images - Luis Alvarez/Getty Images,第 13 页14:Andresr/Getty Images,第页17:Shelyna Long/Getty Images,第 17 页18:Julien Lutt/Capa Pictures-Olga Kolleeny/Capa Pictures-Carlos Crespo/Capa Pictures,第 18 页。 20:Antoine Doyen,第 20 页23:Sophie Loubaton/Capa Pictures,第 23 页24:赵薇,第27:Adrien Daste,页28:Steffen Hoeft,页31:Monty Rakusen Créatif/Getty Images,第 31 页32:Jose Luis Stephens/Getty Images,第 32 页35:FG Trade Créatif,第 35 页3:Adrien Daste,第 3 页39:Gilles Leimdorfer/Interlinks 图片,第 39 页40:托马斯·科尔特西 (Thomas Cortesi),第 40 页43:托马斯·科尔特西 (Thomas Cortesi),第45:LedyX/Shutterstock.com,第 45 页46:Todd Leckie/500px/Getty Images,第 46 页48:Sophie Loubaton/Capa Pictures,第 48 页50:Adrien Daste,第 50 页52:Mourad Mokrani,页54:10,000 小时/Getty Images,第 54 页57:Alistair Berg/Getty Images-Mourad Mokrani-Halfpoint Images/Getty Images,第 57 页。 58:Shapecharge/Getty Images - Nora Carol Photography/Getty Images - Mourad Mokrani,第 58 页。 61:农杆菌/Getty Images-Portra/Getty Images,第 61 页63:Tim Robberts/Getty Images,第 63 页65:Adrien Daste - 液化空气 - Sanjeri - Olivier Fernandez/iStock - Thomas Cortesi - Alexandre Martin Aldavert,第 65 页。 72:奥杜安·德斯福日/公司。设计与制作:(参考: ALRA020)。
Amoroso , N.、la Rocca , M.、Bellantuono , L.、Deacono , D.、Fanizzi , A.、Lella , E.、Lombardi , A.、Maggipinto , T.、Monaco , A.、Tangaro , S. 和 Bellotti , R. (2019)。深度学习和多重网络用于精确模拟大脑年龄。衰老神经科学前沿,11,1 – 12。Bashyam,VM,Erus,J.,Doshi,M.,Nasrallah,M.,Truelove-Hill,M.,Srinivasan,D.,Mamourian,L.,Pomponio,R.,Fan,Y.,Launer,LJ,Masters,CL,Maruff,P.,Zhuo,C.,。Völzke,H.,Johnson,SC,Fripp,J.,Koutsouleris,N.,Satterthwaite,TD,...... Davatzikos,C.(2020 年)。基于深度脑网络和全球 14,468 名个体的生命周期脑年龄和疾病的 MRI 特征。 Brain,143,2312–2324。Brown,TT,Kuperman,JM,Chung,Y,Erhart,M,McCabe,C,Hagler,DJ,Jr,Venkatraman,VK,Akshoomoff,N,Amaral,DG,Bloss,CS,Casey,BJ,Chang,L,Ernst,TM,Frazier,JA,Gruen,JR,Kaufmann,WE,Kenet,T.,Kennedy,DN,Murray,SS,... Dale,AM(2012 年)。生物成熟度的神经解剖学评估。当代生物学, 22, 1693 – 1698。Butler, ER、Chen, A.、Ramadan, R.、le, TT、Ruparel, K.、Moore, TM、Satterthwaite, TD、Zhang, F.、Shou, H.、Gur, RC、Nichols, TE 和 Shinohara, RT (2021)。大脑年龄分析中的缺陷。人脑映射,42,4092 – 4101。http://dx.doi.org/10.1037/0033-2909.101.1.13 Casaletto, K. B., Umlauf, A., Beaumont, J., Gershon, R., Slotkin, J., Akshoomoff, N., & Heaton, R. (2015)。针对 NIH 工具箱认知电池英文版的人口统计学校正规范标准。国际神经心理学会杂志, 21, 378 – 391。Chen, C.-L.、Hsu, YC、Yang, LY、Tung, YH、Luo, WB、Liu, CM、Hwang, TJ、Hwu, HG 和 Isaac Tseng, WY (2020)。通过迁移学习对基于扩散磁共振成像的大脑年龄预测模型进行推广。神经影像,217,116831。
1. Jack CR Jr、Bennett DA、Blennow K、Carrillo MC、Framework NIA- AAResearch。阿尔茨海默病的生物学定义。Alzheimers Dement。2018;14:535-562。2. Apostolova LG、Green AE、Babakchanian S 等人。正常衰老、轻度认知障碍 (MCI) 和阿尔茨海默病中的海马萎缩和脑室扩大。Alzheimer Dis Assoc Disord。2012;26(1):17-27。3. Schröder J、Pantel J。海马萎缩的神经影像学在阿尔茨海默病早期识别中的作用——经过二十年研究的批判性评价。Psychiatry Res Neuroimaging。2016;247:71-78。 4. Seab JP、Jagust WJ、Wong ST、Roos MS、Reed BR、Budinger TF。阿尔茨海默病海马萎缩的定量 NMR 测量。Magn Reson Med。1988;8:200-208。5. Debette S、Schilling S、Duperron MG、Larsson SC、Markus HS。血管性脑损伤磁共振成像标记物的临床意义:系统评价和荟萃分析。JAMA Neurol。2019;76:81-94。6. Prins ND、Scheltens P。白质高信号、认知障碍和痴呆:最新进展。Nat Rev Neurol。 2015;11:157-165。7. Wardlaw JM、Valdés Hernández MC、Muñoz-Maniega S。白质高信号是由什么构成的?与血管性认知障碍的关系。J Am Hear Assoc。2015;4:1140。8. Sundermann EE、Biegon A、Rubin LH、Lipton RB、Landau S、Maki PM。女性在言语记忆方面的优势是否导致人们低估女性与男性的阿尔茨海默病病理?J Alzheimers Dis。2017;56:947-957。9. Sundermann EE、Biegon A、Rubin LH 等。尽管海马萎缩程度相似,但 MCI 女性的言语记忆力优于男性。神经病学。 2016;86:1368-1376。10. Hua X、Hibar DP、Lee S 等。萎缩率的性别和年龄差异:一项基于 n = 1368 次 MRI 扫描的 ADNI 研究。神经生物学衰老。2010;31:1463-1480。11. Ardekani BA、Convit A、Bachman AH。MIRIAD 数据分析显示海马萎缩进展存在性别差异。阿尔茨海默病杂志。2016;50:847-857。12. Burke SL、Hu T、Fava NM。通过海马体积或白质高信号预测轻度认知障碍和疑似阿尔茨海默病发展的性别差异。女性衰老杂志。2019;31:140-164。 13. Kim S、Kim MJ、Kim S 等人。从轻度认知障碍转变为阿尔茨海默病的风险因素的性别差异:一项 CREDOS 研究。Compr Psychiatry。2015;62:114-122。14. Mielke MM、Vemuri P、Rocca WA。阿尔茨海默病的临床流行病学:评估性别和性别差异。临床流行病学。2014;6:37-48。15. Smith BH、Campbell A、Linksted P 等人。队列概况:苏格兰一代:苏格兰家庭健康研究 (GS:SFHS)。该研究、其参与者及其对健康和疾病的遗传研究潜力。国际流行病学杂志。2013;42:689-700。 16. Navrady LB、Wolters MK、MacIntyre DJ 等。群组概况:纵向分层复原力和抑郁 (STRADL) 研究:针对 Generation Scotland 的一项问卷随访:苏格兰家庭健康研究 (GS:SFHS)。国际流行病学杂志。2018;47:13-14g。17. Habota T、Sandu AL、Waiter GD 等人。纵向分层复原力和抑郁 (STRADL) 研究的队列概况:针对 Generation Scotland 的一项以抑郁为重点的调查,使用
Battaglini,M.,Gentile,G.,Luchetti,L.,Giorgio,A.,Vrenken,H. M.,Rocca,M。A.,Preziosa,P.,Gallo,A.,…De Stefano,N。(2019年)。寿命规范性数据有关大脑体积变化的速率。衰老的神经生物学,81,30 - 37。https://doi.org/10.1016/j.neurobiolaging.2019。05.010 Cam-Can Consortium,Samu,D.,Campbell,K。L.,Tsvetanov,K。A.,Shafto,M。A.,&Tyler,L。K.(2017)。随着年龄的增长而保留的认知功能取决于网络响应中的域依赖性变化。自然通讯,8(1),14743。https://doi.org/10.1038/ NComms14743 Chan,M。Y.,Park,D。C.,Savalia,N。K.,Petersen,S。E.和Wig,G。S.(2014)。减少了整个健康成人寿命中大脑系统的分离。美国国家科学院的会议记录,111(46),E4997 - E5006。Cox,R。W.(1996)。afni:用于分析和可视化功能磁共振神经图像的软件。计算机和生物医学研究,29(3),162 - 173。Dale,A.,Fischl,B。,&Sereno,M。I.(1999)。基于表面的皮质分析:I。分割和表面重建。Neuroimage,9(2),179 - 194。https://doi.org/10.1006/nimg.1998.0395 Destrieux,C.,Fischl,B.,Dale,A。,&Halgren,A。,&Halgren,E。(2010)。使用标准解剖学名称的人皮层回旋和硫酸自动曲柄。Neuroimage,53(1),1 - 15。(2016)。Soc。Dhollander,T。和Connelly,A。一种新型的迭代方法,可以从仅单壳( + b = 0)差异MRI数据中获得多组织CSD的益处。24 int。宏伟。共振。Med,24,3010。Esteban,O.,Markiewicz,C。J.,Blair,R。W.,Moodie,C.A.fmriprep:用于功能性MRI的强大预处理管道。自然方法,16(1),111 - 116。Fan,L.,Li,H.,Zhuo,J.,Zhang,Y.,Wang,J.,Chen,L.,Yang,Z.,Chu,C.,Xie,S。,&Laird,A。R.(2016)。 人类Brainetome Atlas:基于连接架构的新大脑图集。 大脑皮层,26(8),3508 - 3526。 Fischl,B。和Dale,A。M.(2000)。 通过磁共振图像测量人脑皮质的厚度。 美国国家科学院的会议录,97(20),11050 - 11055。 Fischl,B.,Liu,A。和Dale,A。M.(2001)。 自动流动手术:构建人类大脑皮层的几何准确和拓扑上正确的模型。 IEEE医学成像,20(1),70 - 80。 Fischl,B.,Salat,D.H.,Busa,E.,Albert,M.,Dieterich,M.,Haselgrove,C.,van der Kouwe,A.,Killiany,R.,Kennedy,D.,Klaveness,S.,Montillo,S.,Montillo,A.,Makris,A. 整个大脑分割:人脑中神经解剖结构的自动标记。 Neuron,33,341 - 355。 磁共振图像的独立序列分段。 (1999)。Fan,L.,Li,H.,Zhuo,J.,Zhang,Y.,Wang,J.,Chen,L.,Yang,Z.,Chu,C.,Xie,S。,&Laird,A。R.(2016)。人类Brainetome Atlas:基于连接架构的新大脑图集。大脑皮层,26(8),3508 - 3526。Fischl,B。和Dale,A。M.(2000)。通过磁共振图像测量人脑皮质的厚度。美国国家科学院的会议录,97(20),11050 - 11055。Fischl,B.,Liu,A。和Dale,A。M.(2001)。 自动流动手术:构建人类大脑皮层的几何准确和拓扑上正确的模型。 IEEE医学成像,20(1),70 - 80。 Fischl,B.,Salat,D.H.,Busa,E.,Albert,M.,Dieterich,M.,Haselgrove,C.,van der Kouwe,A.,Killiany,R.,Kennedy,D.,Klaveness,S.,Montillo,S.,Montillo,A.,Makris,A. 整个大脑分割:人脑中神经解剖结构的自动标记。 Neuron,33,341 - 355。 磁共振图像的独立序列分段。 (1999)。Fischl,B.,Liu,A。和Dale,A。M.(2001)。自动流动手术:构建人类大脑皮层的几何准确和拓扑上正确的模型。IEEE医学成像,20(1),70 - 80。Fischl,B.,Salat,D.H.,Busa,E.,Albert,M.,Dieterich,M.,Haselgrove,C.,van der Kouwe,A.,Killiany,R.,Kennedy,D.,Klaveness,S.,Montillo,S.,Montillo,A.,Makris,A.整个大脑分割:人脑中神经解剖结构的自动标记。Neuron,33,341 - 355。磁共振图像的独立序列分段。(1999)。Fischl,B.,Salat,D.H.,van der Kouwe,A.J.W.,Makris,N.,Ségonne,F.,Quinn,B.T。,&Dale,A.M。(2004)。 Neuroimage,23(Suppl 1),S69 - S84。 https://doi.org/10.1016/j.neuroimage.2004.07.016 Fischl,B.,Sereno,M.I。,&Dale,&Dale,A. 基于表面的分析:II:通货膨胀,变平和基于表面的坐标系。 Neuro-图像,9(2),195 - 207。https://doi.org/10.1006/nimg.1998.0396 Gao,M.,Wong,C.H。Y.,Huang,Huang,H.,Shao,Shao,Shao,R. 基于连接的模型可以预测老年人的速度。 Neuroimage,223,117290。https://doi.org/ 10.1016/j.neuroimage.2020.117290 Gao,S.,Greene,A.S.,Constable,R.T。,&Scheinost,D。(2019)。 组合多个连接组可改善表型度量的预测建模。 Neuroimage,201,116038。https://doi.org/10.1016/j。 Neuroimage.2019.116038Fischl,B.,Salat,D.H.,van der Kouwe,A.J.W.,Makris,N.,Ségonne,F.,Quinn,B.T。,&Dale,A.M。(2004)。Neuroimage,23(Suppl 1),S69 - S84。https://doi.org/10.1016/j.neuroimage.2004.07.016 Fischl,B.,Sereno,M.I。,&Dale,&Dale,A.基于表面的分析:II:通货膨胀,变平和基于表面的坐标系。Neuro-图像,9(2),195 - 207。https://doi.org/10.1006/nimg.1998.0396 Gao,M.,Wong,C.H。Y.,Huang,Huang,H.,Shao,Shao,Shao,R.基于连接的模型可以预测老年人的速度。Neuroimage,223,117290。https://doi.org/ 10.1016/j.neuroimage.2020.117290 Gao,S.,Greene,A.S.,Constable,R.T。,&Scheinost,D。(2019)。组合多个连接组可改善表型度量的预测建模。Neuroimage,201,116038。https://doi.org/10.1016/j。Neuroimage.2019.116038