BrainNet Viewer:人类大脑连接的网络可视化工具
BrainNet Viewer:人类大脑连接的网络可视化工具
Hello，
这里是行上行下，我是喵君姐姐~
人类大脑是一个复杂的系统，它的拓扑结构可以用连接系统来表示，包括皮质与皮质之间的轴突连接，以及具有同步性神经活动的区域之间的功能性连接。
它们揭示了健康人群中人类大脑网络有趣的拓扑结构，并随着不断地深入，探索了在正常发育和衰老过程中或其它各种病理条件下的变化。
基于图形的网络可视化工具箱有很多，包括BCT、eConnectome 、GAT、PANDA、NetworkX 、Brainwaver 、 GRETNA等（图1）。
在这里，我们介绍了基于MATLAB大脑网络可视化工具箱：BrainNet Viewer。
它的优点在于能够显示大脑表面（brain surface）、节点（node）、边缘（edge）的不同组合，为脑连接研究提供一个灵活、快速的可视化平台，并以用户友好、直观的方式生成图形。
它包含了一个易于使用的可选面板来修改大脑网络图像显示的细节。此外，图还可以导出为常用的图像文件格式或演示视频，以供进一步使用。
下载地址：NITRC网站
https://www.nitrc.org/projects/bnv/
1 方法
1.1 工具箱的开发
1.1.1 开发环境
BrainNet Viewer作为MATLAB中的一个工具箱，具有友好的用户界面（GUI）（图2）。它基于64位Windows系统。
1.1.2 可视化程序
首先，上传一个包含连接信息的文件，如大脑表面、节点、边缘，以及体积（volume）等信息文件。
其次，调整图形配置参数，如输出布局、背景颜色、表面透明度、节点颜色和大小、边缘颜色和大小，以及图像分辨率等。
随后，BrainNet Viewer开始按顺序绘制大脑表面、节点和边缘，并根据用户的需要，以多个视图显示大脑网络。
最后，可以图像或视频的格式进行导出（图3）。
1.1.3 文件定义
导入文件包括四种类型：大脑表面、节点、边缘，以及体积文件。我们详细地来介绍一下这四种文件。
大脑表面文件：ASCII文本文件，后缀名为“nv”，包含四个因素：顶点（vertices）的数量、 每个顶点的坐标、三角形面的数目，以及组成三角形的顶点坐标。
节点文件：ASCII文本文件，后缀名为“node”。第1-3列分别表示节点的x、y、z坐标;第4列表示节点颜色;第5列表示节点大小;第6列表示节点标签。“-”表示对应的节点没有标签。
边缘文件：ASCII文本文件，后缀名为“edge”。它表示节点之间的一个关联(例如相关性)矩阵，它可以被加权或二值化，因此，矩阵的大小必须与节点的数量相对应。
体积文件：BrainNet Viewer可以将体积数据映射到大脑表面，它包括功能连通性图、灰质密度图、统计参数图或脑图集。
在BrainNet Viewer中，提供了多个脑表面模板和示例脑网络文件。
1.1.4 核心代码
BrainNet Viewer通过三种方法对大脑网络进行可视化。
1）以球棍模型展示图形理论网络
图形理论网络球棍模型包含三个元素：大脑表面、节点、边缘。
对于大脑表面，一旦加载好顶点坐标和三角形，我们便可以使用下面的函数进行绘制（图4）。
对于网络节点，用球体表示。具体位置(x, y, z)的球体使用以下代码生成（图5）:
对于大脑网络边缘，以圆柱体（cylinder）来表示。首先生成圆柱体，然后旋转并移动到合适的位置，方法如下（图6）:
2）大脑体积与大脑表面的映射
在体积到表面的映射过程中，首先使用了不同的映射算法将大脑表面上的顶点坐标转换为图像文件中的矩阵坐标，然后用不同的值分配顶点。映射代码与表面图类似，表示为（图7）:
3）从体积文件中构建感兴趣的区域（ROI）
同一区域的体素标记为相同的参数，并进行完全连接。然后，工具箱使用以下代码识别和构建从体积到表面的区域（图8）:
在创建了这些对象之后，我们便可以调整大脑网络中关于这些元素的参数了。
1.2 实验数据中的功能性脑网络可视化
1.2.1 对象
我们选取了一批公开的静息态fMRI数据来对大脑网络可视化 。
下载地址：https://www.nitrc.org/projects/fcon_1000/
1.2.2 图像采集
我们使用西门子3T扫描器来采集静息态fMRI数据。对于每个被试，功能性成像设置参数如下：
repetition time=2000ms，echo time=30ms，in-plane resolution=3.125mm X 3.125mm，slice thickness = 3mm，number of slices=33，section gap=0.6mm，flip angle=90°，field of view=200mm X 200mm，time points=225。
1.2.3 图像预处理
我们使用DPARSF和SPM5来对图像进行预处理，包括：切片定时（slice timing），重组（realignment），空间标准化（spatial normalizing），重采样（resampling），空间平滑处理（spatially smoothing），消除长期趋势（detrending）和带通滤波（band-pass filtering），并减少白质(WM)、脑脊液(CSF)、整体信号和头部运动轮廓等信号的影响。
1.2.4 网络构建
我们使用两种方法为每个个体构建功能脑网络，根据节点定义区分为基于区域的网络或基于体素的网络。
1）基于区域的网络。首先，利用AAL图谱（人脑连接体研究中使用最广泛的模板之一）将整个大脑分割成90个区域(不包括小脑区域)，将其视为网络中的节点。然后，提取每个区域的平均时间进程，并将其用于获得节点对中所有可能的连接之间的皮尔森相关系数的90X90相关矩阵。
2）基于体素的网络。它主要是通过将GM体素作为节点来构建。在所有体素对的时间过程之间计算Pearson的相关系数，以生成50000X50000相关矩阵。最后将所有相关矩阵转化为z分数矩阵，提高正态性。
1.2.5 网络分析
在基于区域的网络中：
首先，我们对所有受试者的所有可能的连接进行一次样本t检验，并将t值作为连接强度。
接着，利用显著性水平P<0.05来移除不显著的连接，以获得组级权重功能性矩阵（网络）。
随后，在该网络中使用模块化检测算法，实现功能模块的识别。
最后，我们通过对连接数(t分数)进行求和，计算了每个节点的功能连接强度(FCS)，得到的FCS值进一步归一化为标准z分数。z分数大于1的节点被识别为网络中心。
在基于体素的网络中，我们对给定体素与其他体素的连接数（z分数）进行求和，计算了FCS，并进一步标准化，以展示大脑功能网络中的中心分布（hub distribution）。
2 结果
2.1 工具箱的开发
2.1.1 下载与安装
接下来，我们便对构建好的网络进行调整。
首先，在Matlab中输入“BrainNet”，即可打开BrainNet Viewer。
2.1.2 组合文件
尽管存在四种输入文件，但一次性没有必要加载所有文件。我们可以对不同类型的文件进行结合。包括：
1）仅有大脑表面文件；
2）仅有节点文件；
3）大脑表面和节点文件；
4）节点和边缘文件；
5）大脑表面、节点、边缘文件；
6）大脑表面和体积文件；
7）大脑表面、节点，和体积文件；
8）大脑表面、节点、边缘，和体积文件（图9）。
2.1.3 选项设置
1）Layout panel
Layout panel主要负责设置brain模型的输出视图(图10)。
Layout panel提供了三种类型的视图:单个视图，在图中只显示一个大脑模型(图11A);中位图，即显示各半球的外侧和内侧(图11B);全视图，显示了大脑表面的各个面。
根据输入的大脑表面是否可以分成两个半球，Layout panel以两种方式显示大脑模型:如果不能分开，则左、右、背、腹、前、后侧单独显示（图11C）；如果可以分开，则每个半球的外侧和内侧、背侧和腹侧以及整个大脑的前侧和后侧都显示出来（图11D）
2）Global panel
Global panel(图12)为调整全局图形提供了几种不同的选择，特别是这些对象的显示属性。
用户可以改变背景颜色，选择材料（图13A）；改变着色属性（图13B）；选择光照算法（light algorithm）（图13C）；选择光照的来源（图13D）；改变渲染方法并设置图形细节(如设置节点和边缘的采样点的数量)。
3）Surface panel
Surface panel可用于调整大脑表面的属性。它只有三个选项:表面的颜色、表面的不透明度和在一个图形中显示两个大脑交互的开关（图14）。
4）Nodal panel
Nodal panel里有四个区域，分别用于选择节点绘制、设置标签、调整节点大小和颜色（图15）。
5）Edge panel
Edge panel由三个部分组成，分别控制边缘提取、边缘大小和边缘颜色（图16）。
6）Volume panel
Volume panel能够控制大脑体积与大脑表面的映射，并绘制ROI图（图17）。
7）Image panel
在Image panel(图18)中，配置与输出图像的大小和分辨率相关。图像的宽度和高度可以调整为屏幕显示的像素尺寸，也可以调整为文档使用的实际单位(厘米或英寸)。输出图像的分辨率也可以修改为每英寸的点数(DPI)。
2.1.4 用户交互
BrainNet viewer在主窗口的工具栏上开发了一些交互操作功能，包括放大、缩小、移动、旋转、数据光标、标准视图和演示。Data cursor功能展示了大脑表面上顶点的坐标，并提示该点所属的AAL和Brodmann区域（图19）。
2.1.5 输出
大脑连接图形可以保存为几种常见的图像格式，包括TIFF、BMP、EPS、JPEG和PNG。此外，BrainNet Viewer还可以将大脑网络保存为视频，生成12秒长、30帧每秒、分辨率为735 X 534的AVI文件，其中大脑网络模型以每帧一度的顺时针圆周旋转。
2.1.6 命令行
由于需要对脑连接体图形映射进行批量处理，如动态脑功能连接体，BrainNet Viewe提供了在命令行生成脑网络图形的功能。根据以下命令行调用该函数（图20）:
其中文件名的变量“filename”可以是大脑表面、节点、边缘和卷文件中的任何一个。
命令行还支持将大脑网络图形导出为图像文件。所需图像文件的名称添加到命令行（图21）：
2.2 实验数据中的功能脑网络可视化
2.2.1 生物发现与网络可视化
图22A以球棍模型的形式说明了基于区域的功能网络。在AAL图谱中，节点的坐标为脑区中心。节点的大小代表强度值，因此确定了双侧Rolandic盖、双侧颞上回、右辅助运动区、右颞极、右颏上回、左眶内侧额上回、双侧岛叶和双侧壳核等中枢区域，它们主要位于联合区和皮层下区。
此外，在该网络中识别出了五个功能模块，并使用不同的颜色渲染它们的节点:绿色的模块为默认模式网络中的区域;青色的模块包括主要参与注意和执行控制的区域;红色的模块包括感觉运动皮层区域;蓝色的模块包括视觉皮层区域;洋红色的模块包括皮层下核区域。
图22B展示了基于体素的功能网络的FCS图。高FCS值的中心区域主要在默认模式网络中，包括内侧前额叶皮层/腹侧前扣带皮层、背侧前额叶皮层、楔前叶/后扣带皮层和下顶叶。其它区域包括视觉皮层和脑岛。这些结果与基于区域网络的结果明显不同，表明脑功能网络的中心分布依赖于空间尺度。
3 总结
BrainNet Viewer是一款用于宏观脑网络(或脑连接)可视化的*软件，主要实现了以下功能:
1）多视图显示大脑网络
2）显示大脑表面、节点和边缘的组合
3）调整网络元素的属性
4）将体积图像映射到大脑表面
5）支持各类图像格式导出和视频制作
6）提供交互式操作，如缩放和旋转
本期的内容就到此结束啦！关于BrainNet Viewer使用的更多细节，可以查看参考文献，或者进入官网进行查询。
我们下期再见！
PS：在本文首发的微信公众号行上行下 的后台回复关键词“BrainNet Viewer“即可获得所述参考文献及工具箱下载链接啦！
参考文献
- Mingrui, X. , Jinhui, W. , Yong, H. , & Peter, C. . (2013). Brainnet viewer: a network visualization tool for human brain connectomics. Plos One, 8(7), e68910.
神经科学网络工具包汇总：
-
BrainNet viewer：http://www.nitrc.org/projects/bnv/
-
Connectome Viewer：http://cmtk.org/viewer/
-
NetWorkX : http://networkx.github.io/
-
Brainwaver: http://cran.r-project.org/web/packages/brainwaver/
-
eConnectome: http://econnectome.umn.edu/
-
neuroConstruct: http://www.neuroconstruct.org/
-
PyNN: neuralensemble.org/PyNN/