如何定义脑功能网络

A. 计算机网络的定义,分类和主要功能是什么

计算机网络的定义：将地理位置不同的具有独立功能的多台计算机及其外部设备，通过通信线路连接起来，在网络操作系统，网络管理软件及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。

计算机网络的分类：局域网、城域网、广域网、无线网。

计算机网络的主要功能：将大量独立的、但相互连接起来的计算机来共同完成计算机任务。

(1)如何定义脑功能网络扩展阅读：

计算机网络的性能有：

1、速率

计算机发送出的信号都是数字形式的。比特是计算机中数据量的单位，也是信息论中使用的信息量的单位。英文字bit来源于binary digit，意思是一个“二进制数字”，因此一个比特就是二进制数字中的一个1或0。

2、带宽

在计算机网络中，带宽用来表示网络的通信线路所能传送数据的能力，因此网络带宽表示在单位时间内从网络中的某一点到另一点所能通过的“最高数据率”。这里一般说到的“带宽”就是指这个意思。这种意义的带宽的单位是“比特每秒”，记为bit/s。

3、吞吐量

吞吐量表示在单位时间内通过某个网络（或信道、接口）的数据量。吞吐量更经常地用于对现实世界中的网络的一种测量，以便知道实际上到底有多少数据量能够通过网络。

参考资料来源：网络—计算机网络

B. 计算机网络的定义是什么

计算机网络是指将地理位置不同的具有独立功能的多台计算机及其外部设备，通过通信线路连接起来，在网络操作系统，网络管理软件及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。

计算机网络的分类与一般的事物分类方法一样，可以按事物所具有的不同性质特点分类。计算机网络通俗地讲就是由多台计算机通过传输介质和软件物理连接在一起组成的。总的来说计算机网络的组成基本上包括：计算机、网络操作系统、传输介质以及相应的应用软件四部分。

(2)如何定义脑功能网络扩展阅读：

虽然网络类型的划分标准各种各样，但是从地理范围划分是一种大家都认可的通用网络划分标准。按这种标准可以把各种网络类型划分为局域网、城域网、广域网和互联网四种。局域网一般来说只能是一个较小区域内，城域网是不同地区的网络互联，不过在此要说明的一点就是这里的网络划分并没有严格意义上地理范围的区分，只能是一个定性的概念。

C. 计算机网络的主要功能是什么

计算机网络功能主要包括实现资源共享，实现数据信息的快速传递，提高可靠性，提供负载均衡与分布式处理能力，集中管理以及综合信息服务。

网络中的每台计算机都可通过网络相互成为后备机。一旦某台计算机出现故障，它的任务就可由其他的计算机代为完成，这样可以避免在单机情况下，一台计算机发生故障引起整个系统瘫痪的现象，从而提高系统的可靠性。

组成

计算机网络的分类与一般的事物分类方法一样，可以按事物所具有的不同性质特点（即事物的属性）分类。计算机网络通俗地讲就是由多台计算机（或其它计算机网络设备）通过传输介质和软件物理（或逻辑）连接在一起组成的。

总的来说计算机网络的组成基本上包括：计算机、网络操作系统、传输介质（可以是有形的，也可以是无形的，如无线网络的传输介质就是空间）以及相应的应用软件四部分。

D. 什么是计算机网络其主要功能是什么

计算机网络是指将地理位置不同的具有独立功能的多台计算机及其外部设备，通过通信线路连接起来，在网络操作系统，网络管理软件及网络通信协议的管理和协调下，实现资源共享和信息传递的计算机系统。

主要功能如下：

1、数据通信

数据通信是计算机网络的最主要的功能之一。数据通信是依照一定的通信协议，利用数据传输技术在两个终端之间传递数据信息的一种通信方式和通信业务。它可实现计算机和计算机、计算机和终端以及终端与终端之间的数据信息传递，是继电报、电话业务之后的第三种最大的通信业务。

数据通信中传递的信息均以二进制数据形式来表现，数据通信的另一个特点是总是与远程信息处理相联系，是包括科学计算、过程控制、信息检索等内容的广义的信息处理。

2、计算机网络资源共享

资源共享是人们建立计算机网络的主要目的之一。计算机资源包括硬件资源、软件资源和数据资源。硬件资源的共享可以提高设备的利用率，避免设备的重复投资，如利用计算机网络建立网络打印机；软件资源和数据资源的共享可以充分利用已有的信息资源，减少软件开发过程中的劳动，避免大型数据库的重复建设。

3、计算机网络集中管理

计算机网络技术的发展和应用，已使得现代的办公手段、经营管理等发生了变化。目前，已经有了许多管理信息系统、办公自动化系统等，通过这些系统可以实现日常工作的集中管理，提高工作效率，增加经济效益。

4、计算机网络实现分布式处理

网络技术的发展，使得分布式计算成为可能。对于大型的课题，可以分为许许多多小题目，由不同的计算机分别完成，然后再集中起来，解决问题。

5、计算机网络负荷均衡

负荷均衡是指工作被均匀的分配给网络上的各台计算机系统。网络控制中心负责分配和检测，当某台计算机负荷过重时，系统会自动转移负荷到较轻的计算机系统去处理。

由此可见，计算机网络可以大大扩展计算机系统的功能，扩大其应用范围，提高可靠性，为用户提供方便，同时也减少了费用，提高了性能价格比。

(4)如何定义脑功能网络扩展阅读：

相关延伸：计算机网络系统的特点：

计算机网络系统是由网络硬件和网络软件组成的。在网络系统中，硬件的选择对网络起着决定性的作用，而网络软件则是挖掘网络潜力的工具。

①计算机网络建立的主要目的是实现计算机资源的共享。计算机资源主要是指计算机硬件、软件与数据。

②互连的计算机是分布在不同的地理位置的多台独立的“自治计算机”。连网的计算机既可以为本地用户提供服务，也可以为远程用户提供网络服务。

③连网计算机之间遵循共同的网络协议。

E. 神经网络模型的介绍

神经网络（Neural Networks,NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学、光计算、分子生物学等有关，是一门新兴的边缘交叉学科。
神经网络的基础在于神经元。
神经元是以生物神经系统的神经细胞为基础的生物模型。在人们对生物神经系统进行研究，以探讨人工智能的机制时，把神经元数学化，从而产生了神经元数学模型。
大量的形式相同的神经元连结在—起就组成了神经网络。神经网络是一个高度非线性动力学系统。虽然，每个神经元的结构和功能都不复杂，但是神经网络的动态行为则是十分复杂的；因此，用神经网络可以表达实际物理世界的各种现象。
神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(ArtificialNuearlNewtokr)s,是对人类大脑系统的一阶特性的一种描。简单地讲,它是一个数学模型。神经网络模型由网络拓扑．节点特点和学习规则来表示。神经网络对人们的巨大吸引力主要在下列几点：
1．并行分布处理。
2．高度鲁棒性和容错能力。
3．分布存储及学习能力。
4．能充分逼近复杂的非线性关系。
在控制领域的研究课题中，不确定性系统的控制问题长期以来都是控制理论研究的中心主题之一，但是这个问题一直没有得到有效的解决。利用神经网络的学习能力，使它在对不确定性系统的控制过程中自动学习系统的特性，从而自动适应系统随时间的特性变异，以求达到对系统的最优控制；显然这是一种十分振奋人心的意向和方法。
人工神经网络的模型现在有数十种之多，应用较多的典型的神经网络模型包括BP神经网络、Hopfield网络、ART网络和Kohonen网络。 学习是神经网络一种最重要也最令人注目的特点。在神经网络的发展进程中,学习算法的研究有着十分重要的地位。目前,人们所提出的神经网络模型都是和学习算法相应的。所以,有时人们并不去祈求对模型和算法进行严格的定义或区分。有的模型可以有多种算法。而有的算法可能可用于多种模型。在神经网络中,对外部环境提供的模式样本进行学习训练,并能存储这种模式,则称为感知器;对外部环境有适应能力,能自动提取外部环境变化特征,则称为认知器。神经网络在学习中,一般分为有教师和无教师学习两种。感知器采用有教师信号进行学习,而认知器则采用无教师信号学习的。在主要神经网络如Bp网络,Hopfield网络,ART络和Kohonen网络中;Bp网络和Hopfield网络是需要教师信号才能进行学习的;而ART网络和Khonone网络则无需教师信号就可以学习49[]。所谓教师信号,就是在神经网络学习中由外部提供的模式样本信号。

F. 简述计算机网络的主要功能

计算机网络的功能主要表现在硬件资源共享、软件资源共享和用户间信息交换三个方面。

1、硬件资源共享。

可以在全网范围内提供对处理资源、存储资源、输入输出资源等昂贵设备的共享，使用户节省投资，也便于集中管理和均衡分担负荷。

2、软件资源共享。

允许互联网上的用户远程访问各类大弄数据库，可以得到网络文件传送服务、远地进程管理服务和远程文件访问服务，从而避免软件研制上的重复劳动以及数据资源的重复存贮，也便于集中管理。

3、用户间信息交换。

计算机网络为分布在各地的用户提供了强有力的通信手段。用户可以通过计算机网络传送电子邮件、发布新闻消息和进行电子商务活动。

(6)如何定义脑功能网络扩展阅读

在网络发展的早期或在其它各行各业中，因其行业特点所采用的局域网也不一定都是以太网，在局域网中常见的有：以太网（Ethernet）、令牌网（Token Ring）、FDDI网、异步传输模式网（ATM）等几类：

1、以太网

以太网最早是由Xerox（施乐）公司创建的，在1980年由DEC、Intel和Xerox三家公司联合开发为一个标准。以太网是应用最为广泛的局域网，包括标准以太网（10Mbps）、快速以太网（100Mbps）、千兆以太网（1000 Mbps）和10G以太网，它们都符合IEEE802.3系列标准规范。

2、令牌环网

令牌环网是IBM公司于20世纪70年代发展的，这种网络比较少见。在老式的令牌环网中，数据传输速度为4Mbps或16Mbps，新型的快速令牌环网速度可达100Mbps。令牌环网的传输方法在物理上采用了星形拓扑结构，但逻辑上仍是环形拓扑结构。

结点间采用多站访问部件（Multistation Access Unit，MAU）连接在一起。MAU是一种专业化集线器，它是用来围绕工作站计算机的环路进行传输。由于数据包看起来像在环中传输，所以在工作站和MAU中没有终结器。

3、FDDI网

FDDI的英文全称为“Fiber Distributed Data Interface”，中文名为“光纤分布式数据接口”，它是于80年代中期发展起来一项局域网技术，它提供的高速数据通信能力要高于当时的以太网（10Mbps）和令牌网（4或16Mbps）的能力。

FDDI标准由ANSI X3T9.5标准委员会制订，为繁忙网络上的高容量输入输出提供了一种访问方法。FDDI技术同IBM的Tokenring技术相似，并具有LAN和Tokenring所缺乏的管理、控制和可靠性措施，FDDI支持长达2KM的多模光纤。

4、ATM网

ATM的英文全称为“asynchronous transfer mode”，中文名为“异步传输模式”，它的开发始于70年代后期。ATM是一种较新型的单元交换技术，同以太网、令牌环网、FDDI网络等使用可变长度包技术不同，ATM使用53字节固定长度的单元进行交换。

它是一种交换技术，它没有共享介质或包传递带来的延时，非常适合音频和视频数据的传输。

5、无线局域网（Wireless Local Area Network；WLAN）

无线局域网是目前最新，也是最为热门的一种局域网，特别是自Intel推出首款自带无线网络模块的迅驰笔记本处理器以来。无线局域网与传统的局域网主要不同之处就是传输介质不同，传统局域网都是通过有形的传输介质进行连接的，如同轴电缆、双绞线和光纤等。

而无线局域网则是采用空气作为传输介质的。正因为它摆脱了有形传输介质的束缚，所以这种局域网的最大特点就是自由，只要在网络的覆盖范围内，可以在任何一个地方与服务器及其它工作站连接，而不需要重新铺设电缆。

这一特点非常适合那些移动办公一簇，有时在机场、宾馆、酒店等（通常把这些地方称为“热点”），只要无线网络能够覆盖到，它都可以随时随地连接上无线网络，甚至Internet。

G. 脑网络分析的指标

1. 边( link，edge) ，脑区间的功能连接

2. 节点(vertex 或 node)  ，脑区 

3. 节点度(degree) ，度ki，直接连接在一个节点的边的个数， 节点的度越大则该节点的连接就越多, 节点在网络中的地位也就越重要. 

4. 度分布(degree distribution) ， 度分布P(k) 是网络最基本的一个拓扑性质, 它表示在网络中等概率随机选取的节点度值正好为k 的概率, 实际分析中一般用 网络中度值为k 的节点占总节点数的比例近似表示 . 拥有不同度分布形式的网络在面对网络攻击时会表现出截然不同的网络行为。

5. 区域核心节点(provincial hub)   

6. 连接中枢点( connector hub)      

7. 中心度(centrality)  中间中心度bi(centrality). 一个节点对网络中其他节点的信息流的影响。中心度是一个用来 刻画网络中节点作用和地位的统计指标 , 中心度最大的节点被认为是网络中的 核心节点(hub) .

8. 度中心度(degree centrality) ，最常用的 度中心度以节点度刻画其在网络中的中心程度     

9. 介数中心度( betweenness centrality) ，介数中心度(betweenness centrality)则从信息流的角度出发定义节点的中心程度.  介数中心性用来确定网络中最中心的节点，即网络中起桥梁作用的节点。hub脑区大多数位于接受多个脑区信息的联络皮层，比如豆状核，海马，颞中回，顶上回，额上回等。 节点i 的介数 Bi 定义为通过该节点的最短路径的数目。归一化介数可通过如下公式计算：

介数越大的节点代表网络中越关键的节点（如 hub 节点），在该研究中我们定义网络的hub 节点为 bi 大于 1.5 倍的所有节点的介数平均值。

对于网络G 中的任意一点i, 其介数中心度的计算公式如下

10. 节点强度( node strength) ， 加权网络中由于考虑了边的权值，无权网络中的度与度的分布特征在加权网络中进一步推广为强度与强度的分布。与节点度相比， 节点强度不仅考虑了与节点连接的边的数目，更进一步考虑了与节点连接的相应的边的权值 ，能够更加科学的衡量作者的局部网络特征，在采用累积频次加权的作者合作加权网络中，节点强度是指作者与其合作对象的累积绝对合作频次。

11. 最短路径长度(shortest path length) ，最短路径长度，(shortest path length).最短路径对网络的信息传输起着重要的作用, 是描述网络内部结构非常重要的一个参数. 最短路径刻画了网络中某一节点的信息到达另一节点的最优路径,通过最短路径可以更快地传输信息, 从而节省系统资源. 两个节点i,j之间边数最少的一条通路称为此两点之间的最短路径, 该通路所经过的边的数目即为节点i,j之间的最短路径长度, lij. 网络最短路径长度L 描述了网络中任意两个节点间的最短路径长度的平均值

12. 特征路径长度( characteristic path length) Lp ，网络整体路由效率的程度。对于特征路径长度的计算，有断键重连的标准小世界网络方法和添加长键转化小世界网络方法。 该指标衡量了网络的信息并行处理的能力或全局效率（1/ Lp），特征路径长度的增加说明了脑区之间的信息传输和交互效率降低。 一个网络的特征路径长度 Lp  ， 是网络中任意两节点的最短路径的平均 ：

13. 聚类系数( clustering coefficient) ，聚类系数Cp，网络的聚类程度，集群系数衡量的是网络的集团化程度, 是度量网络的另一个重要参数, 表示某一节点i 的邻居间互为邻居的可能. 节点i 的集群系数Ci的值等于该节点邻居间实际连接的边的数目(ei)与可能的最大连接边数(ki(ki–1)/2)的比值。 该指标衡量了网络的局部聚集性或者信息传输的局部效率。 网络中所有节点集群系数的平均值为网络的集群系数。

14.局部效率(local efficiency) ，局部效率Eloc，衡量如何高效的传播信息通过节点的直接相邻节点，由于集群系数只考虑了邻居节点间的直接连接, 后来有人提出局部效率(local efficiency)Eloc的概念. 集群系数和局部效率度量了网络的局部信息传输能力, 也在一定程度上反映了网络防御随机攻击的能力。任意节点i 的局部效率为

 该指标描述了网络的容错能力，表明当移除节点 i 后它直接相邻的节点间的通信效率。

15.全局效率( global efficiency) ，全局效率 Eglob 描述了网络对于信息并行处理的能力，定义为任意两节点的最短路径的调和平均值的倒数，全局效率Eglob，衡量如何有效的通过整个网络传播信息，通常最短路径长度要在某一个连通图中进行运算, 因为 如果网络中存在不连通的节点会导致这两个节点间的最短路径长度值为无穷 . 因此有人提出了全局效率(global efficiency)Eglob的概念。最短路径长度和全局效率度量了网络的全局传输能力.  最短路径长度越短, 网络全局效率越高, 则网络节点间传递信息的速率就越快. 全局效率的降低说明脑区之间的信息传输和交互效率降低。

16.外径(Diameter) ,The longest of all the geodesics, and the geodesics is a shortest path between two nodes. If we are looking for the diameter of a network, we are really looking at all the shortest paths and then choosing the longest one.

17.平均最短路径（Average path length） , It's calculated by finding the shortest path between all the nodes, adding them up, and then dividing by the total number of pairs. It will show us the number of steps on average it takes to get from one member to another in the network. For example, 721 million users with an average path length of just 4.74, in these network, we show that it is at once both global and local, it connects nodes which are far away but also has the dense local structure, and this is called the small world phenomena.

18.AAL模板,  AAL全称是Anatomical Automatic Labeling，AAL分区是由 Montreal Neurological Institute (MNI)机构提供的。AAL模板一共有116个区域，但只有90个属于大脑，剩余26个属于小脑结构，研究的较少。

19.MNI空间， 是Montreal Neurological Institute根据一系列正常人脑的磁共振图像而建立的坐标系统。Native空间就是原始空间。图像没有做任何变换时就是在原始空间。在这个空间中图像的维度、原点、voxel size等都是不同的， 不同被试的图像之间不具有可比性 ， 计算出来的任何特征都不能进行统计分析 ，或是用于机器学习。所以 必须对所有被试的图像进行配准标准化到同一个模板上，这样所有被试的维度、原点、voxel size就一样了。 使用MNI标准模板，就表示把图像转换至MNI空间了。 一般而言MNI模板是最常用的，研究的比较多。 标准空间的图像也是指MNI空间的图像。

20.Talairach空间， 和MNI空间的坐标有对应的关系，很多软件都提供这个功能，如Mricron、REST等。Talairach空间只要是为了判别当前坐标在什么结构上，注意Talairach atlas and Talairach coordinates 就是Stereotaxic space.

21.全局网络度Kp ，节点 i 的连接度 Ki 定义为与该节点直接相连的边的数目，高度连接的节点的度较大。该指标用来描述一个网络的稀疏度。全局网络的度Kp 为网络中所有节点的度的平均：

22.小世界属性，基于体素和基于脑区的研究都表明人脑功能网络都具有高效的小世界属性。 For example, 721 million users with an average path length of just 4.74, in these network, we show that it is at once both global and local, it connects nodes which are far away but also has the dense local structure, and this is called t he small world phenomena . 小世界网络( small-world network) 网络的小世界属性：高的聚类系数和短的特征路径长度。小世界的拓扑结构支持大脑信息处理的分化和整合功能，是一种经济型的结构，支持高度复杂动态结构的同时，使得配线代价最低。具有小世界属性的动态系统通常有较好的抗攻击性，而且表现出比较高的信息传输速度，计算能力和同步性。

23. 攻击性， 用来定量描述某个节点的失败对网络行为的影响。节点 i 的攻击性Vi 定义为： 当去掉节点 i 及其连接的边后网络全局效率的变化 ，可通过如下公式计算：

其中 Eglob’表示去掉节点 i 及其连接的边后网络的全局效率。 攻击性同介数中心性一样也是反映了节点在网络中的重要性。

24.节点效率ei， 衡量一个节点与其他节点通信的效率

25.结构性连接，

26.模块化结构，

27.结构性脑网络( structural brain networks 或anatomical brain networks) 

28.功能性脑网络( functional brain networks)

29.因效性脑网络( effective brain networks) 

30.无标度网络( scale-free network) 

31.随机网络( random network) 

32.规则网络( regular network) 

33.无向网络( undirected network)

34.加权网络( weighted network)

35.相位同步( phase synchronization) 

36.连接密度(connection density/cost) 

37.互相关分析( cross-correlation analysis) 

38.因果关系分析( Causality analysis) 

39.直接传递函数分析( Directed Transfer Function，DTF) 

40.部分定向相干分析( Partial Directed Coherence，PDC) 

多变量自回归建模( multivariate autoregressivemodel，MVAR) 

独立成分分析( independent component analysis，ICA) 

步似然性(synchronization likelihood, SL) 

结构方程建模(structural equationmodeling, SEM) 

动态因果建模(dynamic causalmodeling, DCM) 

心理生理交互作用模型(Psychophysiological interaction model) 

非度量多维定标(non-metric multidimensional scaling) 

体素形态学(voxel-based morphometry,VBM) 

统计参数映射（statistical parametric mapping，SPM） 

皮尔逊相关系数（Pearson correlation）

偏相关系数（Partial correlation） 

脑功能连接，度量空间上分离的不同脑区间在时间上和相关性和功能活动的统计依赖关系，是描述脑区之间协同工作模式的有效手段。

方法学：（1）定义被试的节点的方法：AAL模板和自动配准；（2）定义边：确定性的纤维跟踪算法，HARDI,DSI,概率跟踪算法；（3）二值网和加权网的选择；

最大连通子图大小，SOBCC（Size of Biggest Connected Component），代表网络连通分量的大小。