近几年来，机器学习在人工智能、互联网等领域取得了突破性进展，也越来越多地应用于解决生物医学问题。与此同时，磁共振成像技术已经在临床与基础研究中广泛应用于获取蕴含大脑结构与功能信息的联接图谱（毫米尺度）。使用机器学习分类算法不仅可以辨别正常人和病人大脑图谱中内在的、带有判别信息的生物标记，也可以分析临床精神类药物和安慰剂对大脑活动干预的差别性生物标记。

　　实际上从2002年开始，先后有七项诺贝尔奖与磁共振影像技术相关。那么在磁共振影像技术目前在临床上已经得到非常广泛的应用，从图1可以看到，基本上涵盖了人们身体的各个部位，所有可能的检查，都可以用磁共振这项技术完成。

　　美国在2010-2015年之间，就进行了以磁共振成像技术研发与应用为主体的“人类联结组计划”。在中国，从2012年起，中科院战略性先导科技专项（B类）“脑功能联结图谱”，郭爱克院士和张旭院士任首席科学家，蒲慕明院士任首席科学顾问；2015年，国际前沿发展和国家战略需求，经科学院顶层设计，“脑功能联结图谱与类脑智能研究”，谭铁牛院士任类脑智能研究首席科学家。

　　脑联结图谱实际上分为好几个层面，如微观或介观尺度的脑联结图谱。过去20多年的发展，磁共振既可以做技术，又可以做功能。它本身是一个多模态的技术，我们从结构和功能出发，形成一个全能网络，一个图谱，并把它从数学上转化出来，成为一个矩阵--脑矩阵。

　　在谈及联结图谱的应用时，首先需要了解什么是大脑静息状态。当人们被推送到机器里时，会被要求什么都不要干不要想，闭上眼睛，这时候会出现一种非常有意思的现象，那就是即使你什么都不做，大脑的不同脑区之间，仍然存在一种通信信号。脑功能联结图谱可被用于研究脑疾病。例如，基于猕猴磁共振脑功能联接图谱数据，辨别了快速抗抑郁药物氯胺酮和安慰剂对大脑功能网络调控的特征，有助于深入理解氯胺酮的抗抑郁机理。研究人员还应用此算法分析临床重度强迫症病人和正常对照人群的脑功能联接图谱，挖掘了与强迫症病理相关的判别性神经环路特征，这将有助于推动磁共振影像学结果用于精神类疾病的临床诊断。

　　实验室近期的工作集中在发展利用脑图谱中内在隐含的结构化信息，提出了一种最小化结构正则损失函数的方式，使得机器学习算法在求解过程中更加自动倾向于定位出具有特定结构的判别信息，同时过滤与生物噪音等相关的孤立特征。在此基础上，实验室进一步运用矩阵反卷积等运算来模拟临床神经调控技术对大脑功能的调节作用，期望对临床精神类疾病的诊断与治疗提供更深入的影像学指导证据。

　　（本文整理自中国科学院神经科学研究所研究员王征在第四届中国科研信息化发展研讨会上的演讲“海量磁共振全脑影像数据的深度挖掘分析”）