心理所合作研究开发刻画脑网络交互模式的分析方法——特征相似性

大脑是一个高度动态的系统，人类复杂的认知行为依赖不同脑区和功能网络之间的协同合作。因此，要准确建立大脑功能与认知行为之间的关联，必须采用能够灵敏测量脑网络交互模式的研究方法。目前的主流分析方法多聚焦于单一交互指标（如时间相关性），却忽略了大脑交互本质上涉及多维特征的整合。这导致现有方法难以可靠地刻画脑网络交互模式如何随任务调节而变化。鉴于交互指标的选择直接影响人们对大脑功能组织的理解，发展一种能够整合多维度特征、刻画脑网络情境依赖性交互的更全面的方法，已成为领域内迫切需求。

为此，中国科学院心理研究所杜忆研究组开展合作研究，开发出一种全新的脑网络交互分析方法——特征相似性（Feature Similarity,FS）。该方法通过整合多种具有明确解释性的时间序列特征，系统性刻画脑区及脑网络之间的交互模式：即先从每个脑区的时间序列信号中提取多维特征，然后计算这些特征之间的相关（图1）。

图1. 特征相似性和功能连接的分析流程

该研究首先证实，特征相似性能够有效捕捉大脑的功能组织结构：同一功能网络内脑区之间的特征相似性显著高于不同网络之间的相似性（图2）。同时，该方法还能揭示从单模态皮层到跨模态皮层的功能梯度（图3）。

图2. 属于同一个网络的脑区有更强的功能连接和特征相似性

图3. 功能连接和特征相似性的主成分分析显示，其中两个成分具有相似性，而另一个成分则表现出明显差异

与传统的基于皮尔逊相关的功能连接（FC）方法相比，特征相似性表现出更强的任务调节敏感性。尤为重要的是，该方法成功揭示了背侧注意网络中存在的任务依赖性双重分离现象：在工作记忆任务中，背侧注意网络与视觉网络的交互更强；而在长时记忆任务中，其与默认模式网络的交互显著增强（图4）。这一发现直观反映了大脑网络交互模式随任务需求动态重组的机制。进一步分析表明，这种任务依赖性的双重分离现象仅在49种统计成对交互指标中的3种特定参数组合下才能被捕捉（图5），凸显了特征相似性相比单一交互指标方法具有更高的灵敏度与特异性。

该研究成果对于推动认知神经科学领域精准刻画大脑网络交互模式、进而揭示人类灵活行为背后的神经机制具有重要意义。

图4. FS捕捉到了FC遗漏的背侧注意网络在不同任务间的动态交互模式

图5. 49种交互统计测量指标，揭示背侧注意网络与视觉网络和默认网络任务依赖型交互模式呈现不同程度的敏感性

该研究获得国家科技创新2030-“脑科学与类脑研究”重大项目（2021ZD0201500）和国家自然科学基金（32300881）等项目的支持。

研究成果已在线发表于Communications Biology。心理所副研究员王秀祎为第一作者，王秀祎与心理所杜忆研究员、英国约克大学Elizabeth Jefferies教授为共同通讯作者。

论文信息：Wang, X.*, Lyu, B., Krieger-Redwood, K., Souter, N. E., Shafiei, G., Lin, N., Smallwood, J., Jefferies, E. * & Du, Y.* (2025). Feature similarity, a sensitive method to capture the functional interaction of brain regions and networks to support flexible behavior. Communications Biology. https://doi.org/10.1038/s42003-025-09165-7