脑连接组：结构与功能连接02 / 20
脑图谱与节点定义
构建脑网络的通用流程可以概括为四步：定义节点 → 估计边 → 阈值化/加权 → 计算指标。前两步决定了网络“是什么”。
节点通常是脑区（region of interest, ROI），由一个图谱（atlas/parcellation）划定。常用图谱包括：
| 图谱 | 节点数 | 依据 |
|---|---|---|
| AAL（Tzourio-Mazoyer 等, 2002） | 90（去小脑）/ 116 | 解剖沟回 |
| Desikan–Killiany（FreeSurfer） | 68 皮层区 | 个体皮层表面的沟回 |
| Power 264（Power 等, 2011） | 264 个球形 ROI | 任务激活荟萃分析与静息态 FC 边界 |
| Schaefer（2018） | 100–1000 可选 | 静息态 FC 的局部梯度与全局相似性，并标注所属 Yeo 7/17 网络 |
| HCP-MMP1.0（Glasser 等, 2016） | 360 | 多模态（结构、功能、髓鞘、连接） |
关键点：节点数不同，网络指标就不同。同一批数据用 90 个和 1000 个节点构网，平均路径长度、聚集系数、度分布形态都会变化（Zalesky 等, 2010, NeuroImage）。因此跨研究比较绝对数值意义不大，比较同一流程下的组间差异更可靠。
另一个隐含假设是：节点内部是同质的——用一个 ROI 内体素的平均时间序列代表整个脑区。如果图谱边界与个体真实功能边界不吻合，平均信号会混合不同功能单元。Smith 等（2011, NeuroImage）在模拟 fMRI 数据中比较多种网络估计方法时发现，功能上不准确的 ROI 对网络估计的破坏最为严重，并据此提醒对基于纯解剖图谱的结果保持谨慎。节点应按群体图谱还是按个体定义，是一个仍在讨论的问题（见研究前沿与开放问题）。
选择图谱时可以问三个问题：（1）节点边界依据的模态与研究问题一致吗——研究功能网络时，基于 FC 或多模态的图谱通常优于纯解剖图谱；（2）是否覆盖皮层下与小脑——许多皮层图谱不含这些结构，需要另行拼接，例如 Tian 等（2020, Nature Neuroscience）用 FC 梯度划分的皮层下图谱；（3）节点大小是否大致均匀——体积差异大的节点会让流线数、平均信号的信噪比都随体积变化，需要在边权中校正。