连接组：结构连接与功能连接
连接组（connectome）一词由 Sporns、Tononi & Kötter（2005, PLoS Computational Biology）以及同年 Hagmann 的博士论文分别提出，指一个神经系统中全部神经元或脑区之间连接的完整图谱。它可以在不同尺度上讨论：
- 微观尺度：单个神经元和突触。秀丽隐杆线虫（C. elegans）的 302 个神经元连接图（White 等, 1986）是第一个完整的微观连接组；近年果蝇全脑连接组也已完成。
- 介观尺度：神经元群体、皮层柱，常用示踪剂研究（如小鼠、猕猴）。
- 宏观尺度：以厘米级脑区为节点，用无创影像（MRI）获得，这是人脑研究的主战场，也是本专题的主题。
在宏观尺度上，“连接”有三种不同含义，务必分清：
结构连接（structural connectivity, SC）：脑区之间的解剖通路，通常是白质纤维束，用弥散磁共振加纤维追踪重建。它是相对稳定的“道路网”。
功能连接（functional connectivity, FC）：两个脑区活动时间序列之间的统计依赖，最常用皮尔逊相关。它不要求两区之间有直接纤维，只说明“它们一起波动”。
有效连接（effective connectivity）：一个脑区对另一个脑区施加的有向因果影响，需要借助模型估计，如动态因果模型（DCM）或格兰杰因果（见有效连接）。
一个直观的比喻：结构连接像城市的道路网，功能连接像两个路口车流量的同步程度。两个不相邻的路口可以因为同一条主干道而车流同步（间接连接），也可以因为都受早高峰驱动而同步（共同输入）。所以 FC 不等于 SC，更不等于因果。Honey 等（2009, PNAS）发现，静息态 FC 在有直接结构连接的脑区对之间往往更强，但在没有直接结构连接的脑区对之间也能观察到可观的 FC，可部分由间接路径解释。结构与功能如何耦合，见结构–功能耦合。
三类连接在数学对象上也不同：SC 是对称（dMRI 无法分辨方向）、非负的加权矩阵，通常稀疏；FC 是对称、可正可负、几乎稠密的相关矩阵，而且作为相关矩阵必须半正定，元素之间并不独立；有效连接是非对称的有向矩阵，是某个生成模型的参数。同一个图论指标用在这三种矩阵上，含义并不相同——例如“最短路径”在 SC 上可以理解为信号可能经过的解剖通路，在 FC 上则没有直接的物理对应（Rubinov & Sporns, 2010）。
默认模式网络（default mode network, DMN）是功能连接研究中最著名的发现之一：后扣带回/楔前叶、内侧前额叶、角回等区域在静息时同步波动、在执行外部任务时活动降低。它最初来自 PET 的“任务负激活”观察（Raichle 等, 2001, PNAS），后来由静息态 fMRI 的功能连接反复证实；Greicius 等（2009, Cerebral Cortex）进一步显示 DMN 内部的功能连接与连接这些区域的白质通路相对应。