多模態神經影像技術研究進展與實踐

高 鵬，李海芳

(太原理工大學 信息與計算機學院，山西 晉中 030600)

隨著腦科學研究的不斷發展和深入，人類正在逐步揭開大腦的奧秘。腦科學研究已經成為21世紀最熱點、最前沿的研究領域。近幾十年來，神經影像技術的進步推動著腦科學研究、腦認知技術的不斷更新。其中，由于具有無損無創、安全性高、設備普及范圍較廣等優點[1-3]，功能磁共振成像(functional magnetic resonance imaging，fMRI)、腦電(electroencephalogram，EEG)和腦磁圖(magnetoencephalography，MEG)為代表的神經影像技術已經廣泛應用在科學研究與公共衛生等方面，在神經科學以及精神疾病學的研究中占據了重要地位[4]。由于腦科學研究具有重大的社會和實際意義，各個國家紛紛計劃、制定、開展相應的腦計劃。神經影像技術作為腦科學研究的基礎，受到了研究者的高度關注。腦影像尖端技術快速發展，并與大數據、人工智能等其它領域的先進技術不斷融合創新、相互滲透，極大地豐富和擴展了腦影像技術的應用，促進了新研究領域的誕生。

1 腦神經影像技術發展意義重大

21世紀是腦科學的時代，國際上層出不窮的腦科學研究結果也不斷豐富和更新著我們對于大腦的認知。腦科學研究涉及到多學科的交叉融合，涉及到腦影像學、成像物理學、數學、化學、心理學、計算科學、醫學等學科及其重點領域。世界各國都加大腦科學投入，推動技術創新，開展多學科交叉和多層次的腦科學研究。美國在2010年和2013年相繼開啟的人腦連接組計劃(human connectome project，HCP)[5]和“通過創新型神經技術的人腦研究(BRAIN)”計劃[6]均強調了通過神經影像技術探索人腦工作原理。同一時間開展的為期十年的歐盟腦計劃——“人類腦計劃(human brain project，HBP)”[7]中將基于神經影像的神經信息平臺和高性能計算平臺列入重點計劃目標中。我國于“十三五”期間啟動的中國腦計劃和2021年發布的《科技創新2030——“腦科學與類腦研究”重大項目2021年度項目申報指南》圍繞腦認知原理解析、認知障礙相關重大腦疾病發病機理與干預技術、類腦計算與腦機智能技術及應用、兒童青少年腦智發育、技術平臺建設5個方面開展研究。腦影像技術作為奠基，其發展對推動我國腦科學事業意義深遠。

腦影像技術的快速發展，可以讓人類更加全面的了解自身。以磁共振(magnetic resonance imaging，MRI)技術為例，使用高分辨率的結構MRI圖像可以提取全腦體積、灰/白質體積、皮層下核團體積以及各個腦區的厚度及表面積；基于靜息態的fMRI可以對腦區的自發活動、腦區之間的功能連接進行探究并挖掘腦功能網絡的拓撲屬性；基于認知任務的fMRI可以對不同任務下引起的腦激活及激活區之間的連接進行檢測；基于擴散張量成像可以更加精細地刻畫腦白質的完整性。不同的影像技術為研究腦認知機制提供了基礎，同時應用于評估精神疾病患者的腦結構及功能異常。

2 神經影像技術研究現狀

伴隨著人類對大腦探索的不斷前進和腦影像分析技術的不斷成熟，越來越多的腦影像數據處理、特征提取和分類等方法不斷涌現，為腦科學研究及臨床應用提供了新的依據。同時，神經影像技術結合人工智能和類腦計算技術，推動了新興技術的誕生和進步。基于不同原理的腦結構或功能成像技術，可以在不同時空尺度上獲取大腦信息，從而實現對腦機制的探索。由于信號采集技術的不同，多種模態之間含有的時頻信息也不盡相同。主要神經成像方法的時間分辨率和空間分辨率如圖1[8]所示。在成像技術方面，精準且快速的成像技術的出現起著至關重要的作用。現有的神經影像技術可分為兩類：多模態磁共振成像與腦電磁成像。

圖1 用于研究大腦連通性的主要神經成像方法 的空間和時間分辨率Fig.1 Spatial and temporal resolution of the main neuroimaging methods used to study brain connectivity

2.1 多模態磁共振成像

第一類成像方式以神經活動產生的血流和代謝變化為基礎，包括功能磁共振成像fMRI、近紅外光譜(functional nearinfrared spectroscopy，fNIRS)、正電子發射斷層成像(positron emission tomography，PET)、擴散張量成像(diffusion tensor imaging，DTI)等。其中應用最廣的是功能磁共振成像。磁共振成像MRI通過成像設備產生的磁場環境中，受檢者身體里的氫原子會發生共振而釋放能量這一現象對特定部位進行“拍照”，其空間分辨率較高。在實際的MRI應用中，根據不同組織的對比度這一特性而設計出的特殊射頻脈沖序列，能反映出人體組織結構、功能代謝(血氧水平變化)及神經纖維結構等信息。

1992年，KWONG et al[9]和OGAWA et al[10]率先使用血氧飽和度依賴的(blood oxygenation level dependent，BOLD)MRI技術對伴隨大腦神經活動的血液動力學變化進行成像，可以間接地反映腦的神經活動[2]，功能磁共振成像fMRI由此誕生。fMRI很快被廣泛應用于認知科學和神經科學的研究中，并在探索腦與認知關系的“認知神經科學”中發揮著不可替代的作用，并逐步向社會科學、經濟學、以及軍事科學等廣泛學科領域滲透。目前，fMRI已成為對人類認知、心理探索最重要的工具之一。同時，在臨床應用方面，自閉癥、精神分裂癥、阿爾茲海默、抑郁癥等腦疾病的神經機制正在借助fMRI這一無創手段逐步被揭示和診療。

MRI數據分析方法復雜多樣，發展迅猛。常用計算方法包括獨立成分分析(independent component analysis，ICA)、時間聚類分析(temporal clustering analysis，TCA)、低頻振幅(amplitude of low-frequency fluctuation ALFF/fractional ALFF，fALFF)[11-12]、局部一致性(regional homogeneity，ReHo)[13]、度中心度(degree centrality，DC)[14]和功能連接(functional connectivity，FC)等。基于皮層的腦影像處理算法將大腦灰質重建成皮層表面，可以更好地展現出大腦的溝回結構。在大腦配準、信噪比和算法可重復性等方面優勢明顯。

MRI采集技術近年來取得了許多進展,如多頻帶平面回波成像(multiband echo planer imaging，MB-EPI)[15]技術可以實現多層同時掃描,大幅減少了掃描時間。2018年，7T MRI系統批準進入臨床，高場強帶來更高分辨率圖像的同時，提高了信噪比和組織對比度，結合人工智能算法挖掘圖像中的紋理特征[16]，更好地反映大腦組織、細胞水平的信息，助力了影像組學等新學科的發展，在臨床上顯著提升了疾病的診斷率[17]。高精度腦成像技術的發展同時促進了發育神經影像學發展，為腦發育研究提供了宏觀尺度的可能，為腦發育圖表研究與應用奠定了基礎[18-20]。關于fMRI的應用也相繼展開：北京師范大學左西年教授團隊使用高質量fMRI數據建立了人腦功能網絡畢生發展軌線[21]，揭示了腦功能網絡分化與整合規律，推進了腦發育圖表測量的信效度方法學。中國科學院自動化研究所蔣田仔教授團隊利用高精度fMRI數據，以腦網絡為基本單元，建立了不同尺度上神經元之間的腦網絡和腦圖譜。基于腦解剖和功能連接信息進行精細劃分了246個精細腦區亞區，具有更客觀精準的邊界定位，更適合于腦疾病和腦網絡研究，具有明確的生物學意義[22-23]。

2.2 腦電/磁技術

另一類成像方法是以神經活動產生的電、磁信號變化為基礎。包括EEG和MEG等。腦內大量神經元同步活動的突觸后電位總和形成了腦細胞群的生物電活動。自Hans Berger于1929年第一次在人的頭皮上記錄到了腦電信號，EEG技術逐步成為探索大腦的重要工具[24]。EEG技術通過在大腦皮層或頭皮表面對腦神經細胞的電生理活動進行收集和捕捉[25]，從而實現對大腦功能的觀測，具有毫秒級別的時間分辨率，主要應用在誘發/事件相關電位(event-related potential，ERP)、癲癇診療、自發腦電、睡眠等方面。MEG技術最早始于1969年美國麻省理工大學進行的腦磁場圖像測量[26]。通過記錄神經細胞相關的帶電離子的遷移產生的局部微弱電流所形成的顱外磁場總和，完成對腦內神經電流發出的極其微弱的生物磁場信號的直接測量[27]，具有較高的時間分辨率和空間分辨率，可以被應用于腦功能信號更精細的測定。腦電與腦磁技術是具有互補性的兩項重要技術，二者已成為研究大腦功能和診斷腦疾病的重要工具。

腦電/磁信號中包含的信號多樣，使用自適應濾波(adaptive filtering)、經驗模式分解(empirical mode decomposition)、小波變換(wavelet transform)、回歸分析(regression analysis)等方法可有效去除眼電、肌電、心電、工頻干擾等噪聲信號[28-31]。此外，共空間模式(common spatial pattern)[32]、奇異值譜分解(singular spectrum analysis)[33]、字典學習(dictionary learning)[34]、同步似然(synchronization likelihood)[35-36]、相位同步(phase synchronization)[37]以及貝葉斯機器學習(bayesian machine learning，BML)等方法已用于EEG/MEG的時頻分析、特征提取和分類以及網絡分析和構建等方面。

大腦在外界刺激輸入下，會產生時間鎖定的電生理活動，即ERP及磁場(event-related field，ERF)活動。通過多次重復實驗，利用平均疊加技術可以從頭皮表面記錄ERP/ERF從而反映刺激或認知過程中大腦的神經電/磁生理變化。P300是目前研究最多的內源性ERP成分，可以反映被試的注意力、執行力、記憶力等多種心理活動，可以作為認知功能的評定指標[38]，為研究人類認知過程的大腦神經系統活動機制提供了有效的理論依據。EEG/MEG信號包含有豐富的時間和頻譜特征，對EEG/MEG數據進行時頻分解，可以分離出典型的頻段或節律，可以探討與這些頻段頻譜能量共變的功能磁共振活動。不同節律均和不同生理特性如睡眠[39]、情緒[40]、注意[41]和記憶[42]等認知功能中發揮了重要作用。同時，腦電/磁信號作為載體，探索大腦功能活動區域、信息整合與分離、腦網絡拓撲結構等方面的信息[43]。對任務條件下的時-空模式等[44-46]和靜息條件下的大腦功能活動模式[47-48]的探究也是當下的熱點話題。臨床方面，EEG和MEG常被用來診療功能性疾病如癲癇、帕金森綜合征、精神分裂癥的診斷[49-50]，同時對于術前評估、腦功能損害評估、預后判斷[51-52]以及一些器質性的疾病如腦腫瘤、視覺疾病方面[53-54]起著重要的作用。

此外，由于EEG/MEG設備的不可便攜性，且傳統EEG數據設備需要在電極和頭皮之間注入導電膏，延長了數據采集的時間。耳后電極腦電采集設備[55]、耳內干電極腦電采集設備[56]等干電極或半干電極設備正在逐步走向腦科學研究中。隨著可穿戴的腦磁設備開始出現[57]，使得被試在采集環境中可以自由活動而不再受限于機器范圍內，神經影像采集技術正在不斷革新。

2.3 多模態神經影像融合

在神經科學不斷發展的今天，單一模態的神經成像已經不能滿足研究者的需要，人們希望對大腦時間和空間兩方面信息進行整合來實現多模態觀測，神經功能成像已經趨向于從多個模態中獲取信息并融合。將不同模態影像技術具有不同的優勢利用起來，從而得到更加全面、豐富且準確可靠的大腦信息，也對認識神經動態過程的描述等提供了新的手段。其研究已經成為當今信息科學、神經科學、臨床醫學等學科的共同前沿，在很多領域發揮了不可替代的作用。已有研究結果表明，相比傳統單模態分析，多模態(multimodal)分析通過融合不同模態的互補信息，往往可以獲得更好的效果。通過在Web of Science數據庫中以“multimodal neural imaging”對近十年的文獻統計如圖2所示。關于多模態神經影像技術及應用的研究逐年增長，越來越多的研究者開始借助不同模態的影像數據優勢進行融合分析，結合時空分辨率，更加全面地對大腦進行探索。

由于不同模態有著不同的生物標志，fMRI可以與其他模態數據提供互補信息，使用如EEG-fMRI、EEG-MEG、fMRI-PET、fMRI-DTI等融合技術，可以將各種影像信息進行標準化后綜合處理，協同應用。值得一提的是，不同于其他多模態融合技術，同步EEG-fMRI能同時采集到大腦活動中的電生理和血氧代謝信號，結合兩者優勢，互相取長補短，不但為兩種模態的研究提供了融合的可行性[58-59]，也對認識神經動態過程的描述等提供了新的手段，發揮了不可替代的作用。本文將著重介紹EEG-fMRI同步采集技術及融合分析。

圖2 以“multimodal neural imaging”為關鍵詞在Web of Science 數據庫中搜索所得2013-2022年2月的年文獻統計Fig.2 Multimodal functional neural imaging related publications from 2013 to 2022, with search terms ‘multimodal neural imaging’ at Web of Science

同步EEG-fMRI采集設備如圖3所示[60]。被試在磁共振環境中頭戴電極帽，其電極通過帶式電纜連接到通過直流電池供電的磁協放大器。一個連接到MRI總控的同步盒使得EEG信號和fMRI信號可以同步采集。EEG信號通過數字化后傳到室外的計算機并存儲，同時fMRI信號由磁共振設備輸出并記錄。

圖3 同步EEG-fMRI系統結構Fig.3 Synchronized EEG-fMRI system structure

由于磁共振成像外加梯度磁場的影響，在記錄的EEG信號中會混入周期性的脈沖MRI梯度偽跡信號。梯度偽跡是同步腦電信號中幅度最大的噪聲。對此，ALLEN et al[61]利用偽跡信號的周期性，通過把多個成像周期內的EEG信號進行迭加平均，獲得對偽跡信號模板的近似估計，然后在記錄信號的每個成像周期中把估計偽跡信號減去，得到去除磁場偽跡的EEG信號。在此方法的基礎上，STEYRL et al[62]通過添加偽跡的參考層并實現自適應濾波。一些研究者使用獨立成分分析法[63-65]，將信號分解成不相關的或是相互獨立的磁場偽跡成分和腦電信號成分，再將偽跡成分去除，得到干凈的EEG信號。獨立矢量分析(independent vector analysis，IVA)同樣可以用來實現處理目標：每個成分有三維以上的矢量構成。這些信息被用于矢量分解，使得梯度偽跡從原始信號中分離出來[66]。

目前，同步EEG-fMRI的融合分析方法可以分為：以基于fMRI約束的EEG成像[67]為代表的非對稱融合；以基于正演生成同步EEG-fMRI的模型方法為主要手段的對稱融合[68]、網絡空間的EEG/fMRI融合[69]、EEG-fMRI的分層級可信度融合[70]等。利用EEG的功率譜[71]、全腦域同步[72]和微狀態[73]三種信號指標與BOLD信號做相關分析。采用EEG特征作為預測變量，對fMRI時間過程進行建模，獲得不同節律的動態變化[74]。通過將單個或多個頻段EEG功率作為fMRI數據廣義線性模型分析中的回歸項，探討這些頻段對功能磁共振信號的貢獻，以及信號之間的交互作用。通過不同方法，結合EEG的高時間分辨率和fMRI的高空間分辨率，可以對認知過程、癲癇的起源和傳遞、睡眠及睡眠中特殊腦電波進行討論，應用廣泛。例如，在腦認知解析方面，GOLDMAN et al[75]借助同步EEG-fMRI研究產生α節律的核心腦區，發現α節律的增強會伴隨著枕葉、額下回、顳上回和扣帶回腦區的負激活和腦島、丘腦的正激活。通過將多個頻段的EEG功率作為fMRI數據廣義線性模型分析中的回歸項，也可以探討這些頻段對功能磁共振信號的貢獻，以及信號之間的交互作用[76-77]。除了特定頻段的EEG功率外，頻譜的其他特征也可以用于解釋功能磁共振信號，比如總功率[78]、頻段特定功率值的線性組合[79]、平均頻率[80]、根均方頻率[81-82]等。

無創的、高時空分辨率的多模態融合技術已廣泛用于研究人類注意[83-85]、執行[86]、記憶[87-89]等高級認知功能與腦老化[90-91]機制，以及阿爾茲海默癥[92-94]、精神分裂癥[95-96]、癲癇[97-99]等神經臨床疾病的病理機制。其中，多模態融合技術，特別是同步EEG-fMRI融合分析，在癲癇的起源、傳播等機制的研究應用最為廣泛。

3 多模態神經影像技術的實踐應用

當代的腦科學已經進入大數據時代。神經影像技術的發展，離不開數據的積累技術的進步。一方面，在數據收集過程中，可以根據機器硬件升級、掃描參數設置的調整、影像分析技術的不斷迭代更新來改進采集方案，以確保數據的質量，促成高場強、高精度神經影像的產生。另一方面，高質量數據的不斷積累和數據共享有助于推動數據采集規范化和數據處理流程化的發展。大規模腦影像數據庫的建設和腦影像處理方法流水線的形成，可以得到更穩健的、更可靠的分析結果。內容公開化、過程公開化和技術平臺公開化的“開放式神經科學”將助力神經影像和我國腦科學的前進。

國際千人功能連接組計劃(1 000 functional connectomes project，FCP)是包括中國在內的全球人腦大數據共享計劃[100]。中國作為FCP最大的數據貢獻站點所在國之一，在活體腦成像大數據共享領域具有重要國際影響力。此后，越來越多的腦影像數據庫建立起來并產生了廣泛的學術影響。中國科學院心理研究所成立了“國際信度與可重復性聯盟(consortium for reliability and reproducibility，CoRR)”共享了來自1 600余人的不同年齡階段的萬余套活體腦成像重復測量數據[101]；中國漢族人群影像遺傳學隊列(chinese imaging genetics，CHIMGEN)[102]收集了來自10 000名年齡在18～30歲之間的中國漢族健康人群的基因組、環境、行為數據和神經影像，是目前樣本量最大的中國神經影像遺傳學隊列；中國人腦連接組計劃(CHCP)完成1 000例中國人語言加工的腦結構與腦功能數據采集,建立中國人語言功能多模態腦影像數據庫(結構態、靜息態、神經纖維、語言任務態、MEG/EEG等腦影像數據)，融合運用并開發多模態腦網絡及腦圖譜計算數學模型與方法，形成一套挖掘大腦加工語言的腦影像大數據的全腦層次功能圖譜分析方法,繪制中國人全腦層次語言功能的精細動態腦圖譜腦語言精細動態功能圖譜[103]。這一系列數據庫的建立，將推動神經影像領域大踏步前進。

此外，我國研究者在神經影像計算方法的研發與推廣上,始終保持在國際前列,開發了多個具有國際影響力算法庫和工具包,為神經影像的人腦研究提供了重要的計算方法和軟件平臺,得到了國際研究者的高度關注。其中包括中國科學院自動化研究所腦網絡組研究中心開發的靜息態磁共振數據分析軟件REST[104]、BRANT[105]、擴散磁共振分析軟件DiffusionKit[106]，北京師范大學開發的腦網絡分析軟件GRETNA[107]及腦網絡可視化軟件BrainNet Viewer[108]，中國科學院心理研究所開發的人腦連接組計算系統CCS[109]、磁共振數據分析軟件DPARSF[110]，以及和太原理工大學腦科學與智能計算研究中心一同開發的人腦多模態自適應分頻軟件DREAM[111]等。電子科技大學開發的參考電極標準化技術REST工具包[112]和基于EEG和fMRI信號融合分析的工具包Neuroscience information toolbox[113].

除了神經影像數據庫和技術平臺的建設，神經影像的發展還具有很多社會效應。在以青少年兒童為目標的研究中，中國科學院心理研究所啟動了名為“彩巢計劃(chinese color nest project，CCNP)”的兒童青少年隊列研究[114-115]。通過2013-2022年的十年跨度探究學齡期這一心理障礙和精神疾病易感年齡段，這一項研究也直接推動了“中國腦計劃”中兒童青少年腦智研究的發展[21]。在一項來自中國科學院、北京師范大學等合作單位的研究中，使用年齡范圍為6～12歲的328例中國兒童的高質量腦影像磁共振數據，在不同年齡段繪制出“中國兒童標準腦結構發育圖譜”，為研究我國兒童腦發育提供了重要的工具[116]。一些研究者通過神經影像數據分析，揭示了功能腦區關鍵期的成因和定位，為關鍵期的教學內容提供更加精確的指導。相關研究也表明，0～4歲是幼兒培養數理邏輯能力的重要時期，而語言學習的關鍵期則出現在0～3歲[117]，音樂學習的關鍵期是0～5歲[118]，這一系列有關“可塑性”的研究，為教育研究和實踐提供了新的理論基礎和方法指引。

神經影像技術同時還促進腦-機接口、人工智能、類腦計算等技術的進步。神經科學與計算科學的交叉融合，通過構建新的網絡模型，促成類腦芯片、類腦智能機器人等技術和產品。2019年，清華大學結合了類腦計算和基于計算機科學的人工智能的新型芯片“天機芯(Tianjic)”.基于這一芯片，實現了自行車自動駕駛[119]；同年，浙江大學發布了“達爾文”二代神經擬態類腦芯片，主要面向智慧物聯網應用，單芯片支持的神經元規模達15萬個[120]；借助EEG的無創框架，研究者實現了使用人的意念控制機械臂的運動[121]；中國科學院上海微系統與信息技術研究所和復旦大學附屬華山醫院合作開發出基于天然蠶絲蛋白的新型顱骨固定系統，在犬類臨床試驗中表現出良好的顱骨固定和再連接作用[122]。此外，利用EEG技術可以對用戶意愿的解碼，從而實現單項或閉環控制，在腦-機接口領域取得了廣泛的應用。2014年，天津大學自主研發了全球首臺人工神經康復機器人系統“神工一號”，通過EEG的異步腦-機接口技術模擬中樞神經通路，驅動多級神經肌肉電刺激技術，刺激癱瘓肢體產生對應動作。一些可以提供輔助交互及康復治療，包括輔助行走、康復訓練等，可穿戴無線腦血氧頭帶和無創腦血氧監護儀以及檢測人體精神狀態設備正在逐步走進大眾視野。此外，多模態神經影像技術在設備控制、神經康復、狀態監測、認知訓練、航空航天、教學評估、游戲娛樂等方面[123-129]。

與此同時，伴隨著高精準腦功能成像技術、神經影像大數據、腦功能影像計算方法組學以及臨床轉化需求的不斷進展,借助神經影像在醫學上的優勢，為構建各種精神性和神經性疾病的早期預防、監測、診斷模型提供了基礎，在臨床神經精神疾病和器質性疾病中也取得了系列重要進展。在疾病的診斷和分類判斷應用中，對包括阿爾茨海默認知障礙疾病[130]，精神分裂癥[131]、孤獨癥[132]、多動癥等的分類判斷[133]、昏迷病人促醒概率的預測判斷[134]以及基于腦影像的年齡和性別[135]的判斷等方面取得了突破和進步。基于EEG/MEG等的研究發現，諸如精神分裂癥、自閉癥的多種神經精神疾病的神經節律振蕩有著異常現象，為這疾病診斷的生物標記提供了可能。同時由于EEG簡單舒適、成本低的特點還被大量用于睡眠疾病診斷和睡眠監測、麻醉深度監測、意識障礙、腦死亡評定等領域。總體來講，基于多模態神經影像具備巨大科研價值和應用潛力，實現腦功能和結構在網絡層面上的融合，將為重大腦疾病研究提供全新視角和手段。

4 神經影像技術面臨的挑戰

雖然近年來通過多模態神經影像采集分析和融合方面取得了一定的成果，但在多模態神經影像技術的發展與創新中，仍有很多不足，需要解決的關鍵科學問題如下：

1) 神經影像領域的各類實驗所采用測量的信度水平不一。以MRI技術為例，基于結構的腦形態指標信度較高，達到可以劃入臨床實際應用所需的信度。而fMRI則由于數據采集實驗范式的不同，數據掃描時間長度不同等因素，測量信度較低。同時，由于目前基于小樣本的研究居多，低信度的測量加劇了假陽性率的產生。多模態影像數據采集、數據分析流程尚未有統一的領域規范，各個研究機構使用的方法不盡相同，導致各類研究之間可比性降低。這些原因造成了多模態神經影像可重復性問題與危機，在一定程度上限制和影響了其在教育和醫療領域的轉化應用進程。

2) 神經影像技術信噪比(signal to-noise ratio，SNR)和成像速度還需進一步提升。由于神經影像自身較低的SNR以及噪聲的復雜性，一般需要通過信號累加來提高SNR，這樣就進一步降低了成像速度。一方面，通過信號采集系統升級如提高場強、采用超極化技術等，在信息采集時提高成像性能, 是提升神經影像信噪比的重要手段；另一方面，通過改進射頻技術、調整采樣方案和優化圖形圖像重建算法，可以在保證圖像質量的前提下，加快成像速度，推進快速成像方法的普及應用。

3) 神經影像數據采集設備便攜性受限。尤其是fMRI設備體積龐大，操作不便，應用場景有著很大的限制。EEG的研究大多集中在0.5～45 Hz這一傳統頻段內，忽略了高頻和低頻信號中所包含的信息。為此，發展更寬頻段的腦電采集設備以及更加便攜和靈活地采集fMRI信號，是目前多模態影像技術的重點和難點之一。無線的、小型的、集成的可穿戴式的神經信號采集設備，將是今后重點研究方向之一。

5 總結與展望

隨著計算機科學、人工智能等領域的快速發展，促進了神經影像技術的不斷進步。近年來，我國在神經影像的理論、算法、數據平臺、分析平臺及應用方面獲得了重要的成果，走在了國際前列，推動了中國腦科學的發展。首先，整合各單模態成像優勢的多模態神經影像技術已經受到研究者的重視，并在腦發育和神經疾病方面有著巨大的應用前景。使用不同模態成像手段對腦認知機制進一步分析和探討，不斷進行多模態信息融合驗證，更加全面的“認識腦”。其次，具有自主知識產權的、個性化、智能化、高性價比腦影像采集設備的研發，研發更快速、更優化的腦影像分析技術并應用于臨床，在腦疾病的機理和診療方面快速反應，為神經外科提供更完整和及時的反饋，提供更準確且更全面的人腦組織特性，最大程度地“保護腦”。第三，基于不同模態的腦影像數據融合分析，為腦-機接口等提供全方位的理論基礎，將類腦智能賦予神經影像采集及分析，更加智能地獲取和處理腦影像數據，從理論到實踐完整結合，系統科學地“創造腦”。多模態神經功能成像技術有望成為神經功能認知和診斷最主要的關鍵檢測技術，推動腦科學研究新進展。