細(xì)胞結(jié)構(gòu)是人類大腦在微結(jié)構(gòu)上出現(xiàn)分離的基本生物原理，但就目前為止，還沒有出現(xiàn)一個考慮到細(xì)胞層面及個體差異的人類腦圖譜出現(xiàn)。本文介紹了Julich(德國于利希）實(shí)驗(yàn)室的最新研究成果——Julichu-Brain，這是一個包含皮層區(qū)域和皮層下核的細(xì)胞結(jié)構(gòu)圖的3D圖譜。該圖譜以概率的方式考慮了個體大腦之間的差異。除此以外，構(gòu)建這樣的一個腦圖譜是需要大量的數(shù)據(jù)和工作量的，開發(fā)過程中需要開發(fā)嵌套的、相互依賴的工作流（working pipeline），使用該工具流可以檢測大腦區(qū)域之間的邊界、數(shù)據(jù)處理、追蹤來源，以及靈活地執(zhí)行不同工作流程，以處理不同空間尺度上的大量數(shù)據(jù)（這個工作流可能在日后起到更多的作用，開發(fā)更多的研究成果）。使用間隙映射的方法可以補(bǔ)充皮層映射，以實(shí)現(xiàn)完全的皮層覆蓋。并且本圖譜的開發(fā)考慮后續(xù)的動態(tài)進(jìn)展，隨著圖譜繪制在不同方面的進(jìn)展的調(diào)整，本圖譜可以支持健康受試者和患者的神經(jīng)影像學(xué)研究，以及建模和仿真，并可進(jìn)行互操作，以連接其他腦圖譜和資源。文章發(fā)表在Science雜志。
人類大腦的微觀結(jié)構(gòu)分離圖是理解大腦功能、功能障礙和行為的生物學(xué)基礎(chǔ)的關(guān)鍵。細(xì)胞結(jié)構(gòu)（例如，細(xì)胞的排列、分布、組成和分層）是大腦微觀結(jié)構(gòu)組織的基礎(chǔ)。它與一個區(qū)域的連通性模式及其功能密切相關(guān)。此外，在細(xì)胞結(jié)構(gòu)層面可以涉及到大腦組織的多個方面，如腦皮層纖維結(jié)構(gòu)、分子結(jié)構(gòu)、基因表達(dá)，而且還包括了大尺度的激活或靜息網(wǎng)絡(luò)和更多的宏觀層面的大腦信息。也就是說細(xì)胞結(jié)構(gòu)層面的圖譜可以作為接口來表示和整合大腦組織的不同方面。研究者們普遍認(rèn)為，在探索大腦組織時(shí)，必須采用多面但一體化的方法，因此，不同層面的圖譜給研究者們帶來了更多關(guān)于大腦的信息。在這種背景下，細(xì)胞結(jié)構(gòu)層面的腦圖譜是非常重要的。
1909年的布羅德曼細(xì)胞結(jié)構(gòu)圖是最早的細(xì)胞結(jié)構(gòu)圖之一，至今仍被廣泛使用。但是它有幾個缺陷，例如，主體間的變異性在這張腦圖譜中沒有被反映出來。并且，與布羅德曼腦圖中的43個區(qū)域相比，當(dāng)前大量的研究已經(jīng)表面皮層區(qū)域的數(shù)量在180個或更多的范圍內(nèi)。皮層下的結(jié)構(gòu)也有同樣的細(xì)節(jié)，但沒有被包括在布羅德曼腦圖中。要在具有足夠空間分辨率的細(xì)胞結(jié)構(gòu)圖中捕獲不同區(qū)域和皮下核團(tuán)組織的細(xì)胞結(jié)構(gòu)，就需要對每個大腦的數(shù)千個組織切片進(jìn)行分析和處理，而且要具有一致性的高質(zhì)量數(shù)據(jù)。在這種背景下，Julich和Dusseldorf實(shí)驗(yàn)室的研究者們創(chuàng)建了Julich- brain圖譜(圖1)。這是一個包含皮層區(qū)域和皮層下核團(tuán)的細(xì)胞結(jié)構(gòu)水平的概率腦圖譜。研究者們在上世界90年代中期就開始了這一努力，最近又訴諸于“crowd-source
strategies（眾包策略，就是很多研究者、很多不同資源分開處理特定的工作部分，可見這樣一個圖譜的工作量之大）”(但是是在高專業(yè)水平和深厚專業(yè)知識的基礎(chǔ)上)。腦組織的制備、微觀結(jié)構(gòu)的制圖、分析和復(fù)雜的數(shù)據(jù)處理是數(shù)據(jù)、時(shí)間和勞動密集型的，特別是隨著樣本量的增加和空間分辨率的提高。因此，單個研究人員或小團(tuán)隊(duì)不可能在可接受的時(shí)間框架內(nèi)提供具有足夠細(xì)節(jié)的全腦地圖。不過，本世紀(jì)快速發(fā)展的計(jì)算能力和存儲能力，以及數(shù)據(jù)處理的改進(jìn)算法和工作流，使得研究者們現(xiàn)在可以在高空間分辨率下實(shí)現(xiàn)更快、更魯棒的處理。
圖1 Julich-Brain的皮層及皮層下核團(tuán)組織
但是，并不是所有數(shù)據(jù)集和分析都能從顯著改進(jìn)的數(shù)據(jù)采集技術(shù)中獲得同樣的好處。本文所介紹的圖譜中的細(xì)胞結(jié)構(gòu)繪制工作始于25年前。這些大腦已經(jīng)經(jīng)過了組織學(xué)處理，以后既不能獲得新的高場MRI數(shù)據(jù)，也不能獲得更高分辨率的體素圖像。MRI數(shù)據(jù)的質(zhì)量因此受到采集時(shí)可用質(zhì)量的限制。這有時(shí)會限制現(xiàn)代成像工具和技術(shù)的使用，因?yàn)檫@些工具和技術(shù)通常是針對當(dāng)前可用的數(shù)據(jù)質(zhì)量。同時(shí)考慮實(shí)際數(shù)據(jù)集和更多歷史數(shù)據(jù)集的特定數(shù)據(jù)處理策略是必須的。為了確保在整個數(shù)據(jù)處理周期中數(shù)據(jù)和處理步驟的一致性、可再現(xiàn)性和一致性，本圖譜的創(chuàng)建過程中從一開始就形成了自動的、靈活處理的和可重復(fù)的工作流。
因此，研究者們開發(fā)了一個模塊化的、靈活的、自適應(yīng)的框架來創(chuàng)建概率的細(xì)胞結(jié)構(gòu)圖，這些圖來自于對每個區(qū)域的10個死后人類大腦的分析(圖2)。圖被對齊到兩個廣泛使用的立體定位空間，即MNI-Colin27和ICBM152casym空間，并進(jìn)行疊加。在一個共同的立體定位參考空間中，Julich-Brain圖譜可以比較不同研究獲得的功能激活、網(wǎng)絡(luò)、基因表達(dá)模式、解剖結(jié)構(gòu)和其他數(shù)據(jù)(圖3)。該框架依賴于長期以來處理大腦結(jié)構(gòu)解剖的專業(yè)知識，各種皮層和皮層下區(qū)域的細(xì)胞結(jié)構(gòu)映射，以及利用局部集群和超級計(jì)算機(jī)開發(fā)魯棒和自適應(yīng)工具的計(jì)算能力。
圖2 制作Julich腦圖譜的工作流
注釋：(A)為了恢復(fù)死后大腦的三維形狀，根據(jù)未失真的MRI數(shù)據(jù)集，采用不同尺度下的線性和非線性處理步驟，獲得了塊狀的分割圖像。對數(shù)字化的組織學(xué)圖像進(jìn)行了光學(xué)不平衡的修復(fù)和校正。使用一個剛性的截面到截面的對齊方法計(jì)算，以創(chuàng)建一個第一個近似的三維重建。它的作用是通過剛體變換將MRI數(shù)據(jù)集對齊到相應(yīng)的切面。用彈性方法將切片與MRI切片進(jìn)行非線性配準(zhǔn)。作者將這些圖像配準(zhǔn)到兩個標(biāo)準(zhǔn)空間中，MNI-Colin27和ICBM152casym空間中。
（B）細(xì)胞結(jié)構(gòu)在連續(xù)的組織切片中進(jìn)行分析，覆蓋每個區(qū)域的完整范圍，并用灰色指數(shù)來表征。將區(qū)域的等高線提交到數(shù)據(jù)庫中，進(jìn)行三維重建和拓?fù)錃w一化。對這些區(qū)域進(jìn)行線性和非線性變換并疊加形成細(xì)胞結(jié)構(gòu)概率圖。
(C)計(jì)算基于體積和表面的最大概率Julich -腦圖譜。為了有效地組織密集的計(jì)算，研究者們實(shí)現(xiàn)了一個數(shù)據(jù)處理管理系統(tǒng)，該系統(tǒng)允許跨多個CPU核心對大量數(shù)據(jù)集進(jìn)行分布式處理。它被設(shè)計(jì)成可以很好地從一個單核計(jì)算機(jī)系統(tǒng)擴(kuò)展到高性能計(jì)算環(huán)境中的數(shù)千個計(jì)算節(jié)點(diǎn)。
Julich腦圖譜是基于23個死后大腦的組織學(xué)切片(女性11個，男性12個，平均年齡64歲，年齡范圍30-86歲，平均死后時(shí)間為12小時(shí))，這些切片來自德國杜塞爾多夫大學(xué)解剖研究所人體供體項(xiàng)目。用福爾馬林浸泡，對固定腦進(jìn)行了磁共振成像，然后使用石蠟包埋，用切片機(jī)連續(xù)切成20微米的切片。細(xì)胞體用改良的Merker染色法染色。組織學(xué)切片用10微米的平板掃描儀進(jìn)行數(shù)字化，降采樣到各向同性分辨率20微米，框成獨(dú)特的圖像尺寸，并以無損壓縮的灰度圖像的形式存儲。兩個大腦（通過MRI掃描獲得了一個全腦圖像，通過解剖學(xué)方法重建了一個全腦圖像）組成完整的系列(BigBrain數(shù)據(jù)集;其中一篇已發(fā)表，BigBrain: An ultrahigh-resolution 3D human brain model. 2013年Science)，每一個部分都被染色和數(shù)字化。其他的大腦每隔15個section進(jìn)行染色。這一共產(chǎn)生了超過24000個組織學(xué)切片。組織學(xué)處理包括安裝切片，去除小褶皺和皺褶，染色會導(dǎo)致一定程度的局部變形、損傷或染色不勻，這些都是不可避免的，但可以通過MRI圖像補(bǔ)充。并且，只有不到1%的切片存在不可修復(fù)的損傷(例如，大量組織的丟失)，僅有20-30%的切片顯示小的局部損傷。為了校正組織學(xué)切片的畸變，研究者們使用了相應(yīng)的MRI圖像進(jìn)行了三維重建(圖S1A)。對組織學(xué)切片圖像中的大損傷進(jìn)行人工和半自動校正。
表S1 所有23個大腦的被試信息和腦切片方向信息
耗時(shí)的修復(fù)和處理大腦所需的大量計(jì)算需要使用超級計(jì)算機(jī)來完成工作流程。由于數(shù)據(jù)集數(shù)量大，加上整體重構(gòu)工作流的復(fù)雜性和多樣性，研究者采用了時(shí)間和資源平衡的計(jì)算處理。這使得大數(shù)據(jù)集的高效管理、存儲和源頭跟蹤成為可能。在BigBrain 1重構(gòu)的基礎(chǔ)上，開發(fā)了一種適用于BigBrain 2重構(gòu)的工作流，其中包含一個復(fù)雜的數(shù)據(jù)源跟蹤系統(tǒng)。它作為通用數(shù)據(jù)流管理系統(tǒng)的基礎(chǔ)，允許將重新計(jì)算限制在那些受后續(xù)修復(fù)影響的圖像上，而圖像保持不變，從而顯著減少計(jì)算時(shí)間。此外，BigBrain 2數(shù)據(jù)集的管道與整個工作流程緊密相連，使用方式與其他21個死后大腦相似。為了恢復(fù)腦體積的原始形狀和拓?fù)浣Y(jié)構(gòu)，需要計(jì)算組織切片的三維重建(圖S3)。作者在補(bǔ)充材料中對這些過程進(jìn)行了詳細(xì)的描述。
圖S1 對大腦圖像的重建和標(biāo)準(zhǔn)空間的配準(zhǔn)流程（流程描述看前文）
圖S1B 組織切片中的細(xì)胞結(jié)構(gòu)定位，此圖是對圖S1A中第一部分的補(bǔ)充
人類大腦顯示出不同模式的腦溝和腦回，以及不同受試者之間在細(xì)胞結(jié)構(gòu)區(qū)域的形狀、定位和表現(xiàn)上的差異。為了使大腦可比較，首先將3D重建的組織學(xué)數(shù)據(jù)集配準(zhǔn)到單個受試者MNI-Colin27模板的立體定位空間(圖S3)。與從許多大腦數(shù)據(jù)集(如MNI305模板)中提取的模板相反，個體標(biāo)記的大腦顯示了詳細(xì)的(但不具有代表性的)解剖結(jié)構(gòu)，因此允許將死后大腦的大體解剖結(jié)構(gòu)精確地配準(zhǔn)到每個區(qū)域。由于均值組數(shù)據(jù)集在神經(jīng)成像界得到了廣泛接受，因此本文的研究者們也計(jì)算了配準(zhǔn)至ICBM2009c（即ICBM152casym）非線性非對稱空間的非線性轉(zhuǎn)換矩陣。該模板代表了MNI-Colin27大腦具體的解剖結(jié)構(gòu)與更一般但更平滑的MNI305模板之間的組合。通過將3D重建的組織學(xué)數(shù)據(jù)配準(zhǔn)至這兩個標(biāo)準(zhǔn)空間的腦圖，生成標(biāo)準(zhǔn)的、被廣泛使用的標(biāo)準(zhǔn)空間圖譜，Julich腦圖就可以被研究者們廣泛使用，并且被應(yīng)用眾多的大型腦科學(xué)研究項(xiàng)目，如人類連接組計(jì)劃、UK Biobank計(jì)劃等。
為了開發(fā)一個包含皮層區(qū)域和皮層下核的圖譜，作者們使用了基于容量的方法，為皮層和皮層下結(jié)構(gòu)提供了一個一致的配準(zhǔn)框架。彈性三維配準(zhǔn)采用了匹配良好的參數(shù)集，該參數(shù)集也用于二維配準(zhǔn)。該方法在死后和體內(nèi)數(shù)據(jù)集顯示了高可靠性。將所有死后大腦配準(zhǔn)到MNI-Colin27和ICBM152casym標(biāo)準(zhǔn)空間大腦中，3d重建數(shù)據(jù)集和模板的折疊模式和形狀相似(圖S3)。每個三維重建的組織數(shù)據(jù)集的三維向量轉(zhuǎn)換矩陣被存儲，并應(yīng)用于隨后繪制的細(xì)胞結(jié)構(gòu)區(qū)域。
圖S3 對組織切片的3D圖像重構(gòu)和標(biāo)準(zhǔn)空間配準(zhǔn)
根據(jù)一個結(jié)構(gòu)的大小和形狀，每15到60個切片就會在整個細(xì)胞結(jié)構(gòu)區(qū)域內(nèi)繪制一次。使用圖像分析和統(tǒng)計(jì)標(biāo)準(zhǔn)來確定皮質(zhì)區(qū)域之間的邊界，以使繪圖具有可重復(fù)性。在數(shù)字化切片中標(biāo)記出邊界的位置，并用封閉的多邊形(等高線)標(biāo)記出其在切片中的范圍(圖S4)。皮質(zhì)下核在組織學(xué)切片中識別核的外邊界，并標(biāo)記為封閉的多邊形線。等高線也被用來檢查地圖的整個范圍的質(zhì)量(圖S4)。
圖S4 對皮層和皮層下的皮質(zhì)結(jié)構(gòu)的細(xì)胞結(jié)構(gòu)的繪制
注釋：作者們使用了圖分析驅(qū)動區(qū)域的拓?fù)湫Ｕ?。區(qū)域的范圍用等高線表示(a、b中為紅線)，區(qū)域的等高線在相鄰的組織切片中顯示。本圖中以ACC區(qū)域的細(xì)胞結(jié)構(gòu)劃分為例，圖(A)顯示了對所有大腦的劃分的疊加的過程，圖B顯示了對每個大腦的特定區(qū)域的圖表分析的過程，圖（C）顯示了疊加可以識別劃定區(qū)域的突變的過程，這個過程可能是手工識別完成的。
下一步，單獨(dú)計(jì)算每個區(qū)域/核、半球和大腦的收縮修正體積(詳見補(bǔ)充資料)。對現(xiàn)有的120個腦區(qū)進(jìn)行分析后發(fā)現(xiàn)，這些被試的大腦之間在體積上存在相當(dāng)大的差異(圖S5)，但在整體水平上，兩個半球之間以及男性和女性大腦之間的差異都不顯著。表S2提供了關(guān)于面積體積的完整信息。volume的列表與區(qū)域和核的概率地圖一起是一個資源不斷增長的過程，通過HBP的知識圖提供并不斷更新(參見https://ebrains.eu)。主體間差異程度的比較表明大腦區(qū)域之間存在差異(圖S5)。例如，高變異性(即頂葉上半部、頂葉44區(qū)、頂葉45區(qū)，概率值低)，而顳葉初、次級視覺皮質(zhì)的枕極區(qū)(BA17/18)和Te3區(qū)變化較小。
圖S5 MNI-Colin27大腦中由男性和女性大腦變異系數(shù)(cv)估算的主體間體積變異性
注釋：不同的大腦區(qū)域差異很大。對男性和女性大腦的比較表明，在分析樣本中存在局部差異，但差異并不顯著。
以前的和正在進(jìn)行的制圖項(xiàng)目產(chǎn)生了超過10,616個xml文件，其中包含85,210條等高線，有3,737,771個點(diǎn)，總長度為1961米。使用開源版本控制系統(tǒng)Subversion來管理具有等高線的數(shù)據(jù)集，該系統(tǒng)可以自動地對文件和目錄進(jìn)行人工標(biāo)注，并記錄區(qū)域邊界的本地化如何在整個分析周期中發(fā)生變化的完整歷史記錄(圖S1B)。當(dāng)一個新的腦圖項(xiàng)目需要重新分析現(xiàn)有的腦圖時(shí)，可能會發(fā)生變化，這個過程將被記錄并保留下來。
這些所有的圖像都被配準(zhǔn)至前文所述的兩個標(biāo)準(zhǔn)空間的腦圖上，使用所有23個大腦配準(zhǔn)后的圖像創(chuàng)建基于體素的概率圖譜，然后映射至皮層系統(tǒng)，通過將概率值投影到皮層表面上，一個基于表面的細(xì)胞結(jié)構(gòu)表征的皮層腦圖被計(jì)算出來（圖S6）。數(shù)值范圍為0.0到1.0，以表明該體素中某個區(qū)域或皮下核團(tuán)被定位的概率(0%到100%重疊)，并提供一個測量區(qū)域從大腦到大腦在定位和范圍上的變化，即inter-subject可變性。概率地圖相互重疊，即參考空間中的體素通?？梢员粯?biāo)記到多個區(qū)域，每個區(qū)域都有明確定義的概率，總和達(dá)到100%(圖S6)。研究發(fā)現(xiàn)，約50%的體素與單個區(qū)域/核團(tuán)相關(guān)，35%與兩個相關(guān)，15%與三個或更多相關(guān)。
圖S6 MNI-Colin27空間皮層水平顳葉區(qū)域細(xì)胞結(jié)構(gòu)概率圖
注釋：(A)顳側(cè)回的初級聽覺區(qū)Te1.0、Te1.1(54)和次級聽覺區(qū)(te2.5 /2、TeI、Te3、(54)、STS1和STS2(55)的腦圖。每張圖都是基于十個大腦的。
(B) STS1和STS2地區(qū)的白色箭頭所示的概率圖重疊，即，許多參考大腦的體素具有多個區(qū)域的概率。概率圖捕捉了這種不確定性，而最大概率圖MPM
(C)提供了一個簡化的視圖，其中每個體素與最大概率的區(qū)域相連。lf側(cè)裂，sts顳上溝。
為了能夠讓研究者更清楚的了解Julich Brain 相比傳統(tǒng)腦圖譜的優(yōu)勢，研究者計(jì)算了Julich腦圖和布魯?shù)侣X圖的比較，以顳葉聽覺區(qū)域的分割為例：
圖S7 顳葉聽覺區(qū)的分割顳葉
赫氏回(HG)有初級聽區(qū)Te1.0、Te1.1，顳上回(STG)和顳中回(MTG)有高級聽覺區(qū)(Te2.1/2、TeI、Te3、(54)、STS1和STS2。圖(B)是利用最大概率圖譜創(chuàng)建的mask。圖A中的細(xì)致分割說明了利用細(xì)胞構(gòu)筑的地圖比宏觀分割的空間精度更高:Te1.0和1.1地區(qū)位于HG,其中還包括TeI區(qū)域的一部分。STG包含許多不同的高級聽覺區(qū)域。雖然STS2和Te3位于同一回，但是在細(xì)胞結(jié)構(gòu)上，它們比STS1和STS2更不同，后者占據(jù)不同的回。
圖S8 在the MNI-Colin27腦圖上呈現(xiàn)的Julich Brain的皮層分割圖
目前，大約70%的皮層表面已經(jīng)被完成并被出版的繪圖項(xiàng)目所覆蓋。然而，仍有一些區(qū)域沒有被繪制出來，并代表未來研究的項(xiàng)目。為了實(shí)現(xiàn)對大腦皮層的全腦覆蓋(圖S8)，大腦皮層中尚未繪制出細(xì)胞結(jié)構(gòu)分割的部分被合并成若干空白地圖，將這些未繪制出地圖的區(qū)域匯集到一個大腦區(qū)域中(圖S9)。
圖S9 MNI-Colin27大腦間隙圖及其邊界的表面表示
在未來的進(jìn)展中，新的修改將被跟蹤捕獲和記錄，新的映射將不斷地用新的結(jié)果替換空白映射。因此，本腦圖不是靜態(tài)的(例如，Brodmann的地圖)，而是一個處于動態(tài)變化的腦圖。間隙映射的引入允許計(jì)算覆蓋整個皮層表面的分區(qū)，并將每個位置簡單地分配到一個皮層區(qū)域。隨著皮層下核團(tuán)的概率圖越來越多，間隙圖構(gòu)成了整個大腦的人類圖譜。Julich-Brain腦圖可以在其他腦圖譜和具體研究中應(yīng)用,例如,研究健康受試者和病人的激活的微觀結(jié)構(gòu)有關(guān)的神經(jīng)影像學(xué)研究(圖3)。此外,Julich-Brain有助于基于微觀結(jié)構(gòu)的大腦分割。該圖譜可能為生成大腦活動模型開辟新的途徑，例如在癲癇研究中，使用個性化的大腦模型用于預(yù)測癲癇發(fā)作。模塊化、靈活、可擴(kuò)展的工作流涵蓋了從圖像采集到三維重構(gòu)和概率地圖生成的廣泛步驟，可以在多個研究領(lǐng)域中應(yīng)用這些步驟。該系統(tǒng)框架(或其部分)可擴(kuò)展到其他物種的大腦，并可處理用免疫組織學(xué)等其他技術(shù)標(biāo)記的切片圖像。新的模塊可以添加到工作流程中，例如，繪制基于深度學(xué)習(xí)的大腦區(qū)域（可見，Julich Brain的產(chǎn)生只是在這樣一個科學(xué)生產(chǎn)框架下的一個重要的研究成果，以后可能還會有更多的成果出現(xiàn)，這說明一個可拓展、可重復(fù)和穩(wěn)定性高的工作流是多么的重要）。
圖3 Julich Brain 的應(yīng)用
注釋：(A)人腦HBP圖譜中顯示基于網(wǎng)絡(luò)的圖譜在Julich Brain中的細(xì)胞結(jié)構(gòu)。
(B) JuGEx能夠分析細(xì)胞結(jié)構(gòu)圖
(C)結(jié)合差異基因表達(dá)，并連接和探索基于DTI的連通性(如左Broca s 45區(qū))。
(D)在一名腦損傷和失語癥患者的數(shù)據(jù)集上疊加Broca區(qū)的概率圖。該腦圖可以精確地描述神經(jīng)影像學(xué)發(fā)現(xiàn)的微觀解剖位置。
并且，Julich-Brain atlas是一個免費(fèi)的資源(www.jubrain.fz-juelich.de)。腦圖已經(jīng)可以通過不同的工具和網(wǎng)站,例如,SPM解剖學(xué)工具箱,FSL(https://fsl.fmrib.ox.ac.uk), FreeSurfer (https://surfer.nmr.mgh.harvard.edu)和EBRAINS（歐洲人類大腦的研究基礎(chǔ)設(shè)施建設(shè)項(xiàng)目）,HBP (https://ebrains.eu/services/atlases)。這些圖譜可以通過JuGEx工具與基于DTIbased的連通性數(shù)據(jù)(圖3C)和艾倫腦科學(xué)研究所(https://alleninstitute.org/what-we-do/brain-science)提供的基因表達(dá)數(shù)據(jù)(https://alleninstitute.org/what-we-do/brain-science)進(jìn)行鏈接，從而構(gòu)建人腦組織的多模式視角(圖3B)。未來的人腦研究也必將是往這一方向來發(fā)展。
總結(jié)：
總而言之，Julich-Brain是一個全新的人類腦圖譜圖，它包括了以下特征:
(i)細(xì)胞構(gòu)筑反映大腦微觀結(jié)構(gòu)分割的基本原理
(ii)包含整個大腦,大腦皮層和皮質(zhì)下核團(tuán)
(iii) 3d的概率圖譜,考慮了不同個體的大腦在標(biāo)準(zhǔn)的立體定位空間的表示 (iv)一個動態(tài)地、不斷更新但時(shí)刻能追溯變化的腦圖譜
(v)擁有靈活地、允許修改的工作流，模塊化的工作流適合用于眾多相關(guān)的領(lǐng)域 (vi)基于公平原則的開放獲取并為其他研究者的應(yīng)用提供了強(qiáng)大的可操作性工具
原文：Julich-Brain: A 3D probabilistic atlas of the human brain’s cytoarchitecture
微信掃碼或者長按選擇識別關(guān)注思影
如對思影課程感興趣也可微信號siyingyxf或18983979082咨詢。覺得有幫助，給個轉(zhuǎn)發(fā)，或許身邊的朋友正需要。請直接點(diǎn)擊下文文字即可瀏覽思影科技其他課程及數(shù)據(jù)處理服務(wù)，歡迎報(bào)名與咨詢，目前全部課程均開放報(bào)名，報(bào)名后我們會第一時(shí)間聯(lián)系，并保留名額。
第二十一屆腦電數(shù)據(jù)處理中級班（南京，9.7-12）
第七屆腦電信號數(shù)據(jù)處理提高班（南京，11.18-23）
第八屆近紅外腦功能數(shù)據(jù)處理班（南京，8.18-23）
第二十屆腦電數(shù)據(jù)處理中級班（重慶，8.9-14）
第九屆腦電數(shù)據(jù)處理入門班（重慶，9.22-27）
第八屆眼動數(shù)據(jù)處理班（重慶，10.26-30）
第十六屆磁共振腦網(wǎng)絡(luò)數(shù)據(jù)處理班（南京，8.12-17）
第三十二屆磁共振腦影像基礎(chǔ)班（南京，9.21-26）
第十一屆腦影像機(jī)器學(xué)習(xí)班（南京，8.25-30）
第十三屆磁共振彌散張量成像數(shù)據(jù)處理班（南京，9.15-20）
第六屆小動物磁共振腦影像數(shù)據(jù)處理班（南京，9.1-6）
第七屆磁共振ASL數(shù)據(jù)處理班（南京，10.12-15）
第六屆任務(wù)態(tài)fMRI專題班（南京，10.16-21）
第二屆彌散磁共振成像數(shù)據(jù)處理提高班（南京，10.24-29）
第十八屆磁共振腦網(wǎng)絡(luò)數(shù)據(jù)處理班（南京，11.6-11）
第三十一屆磁共振腦影像基礎(chǔ)班（重慶，9.14-19）
第三十三屆磁共振腦影像基礎(chǔ)班（重慶，10.11-16）
第十七屆磁共振腦網(wǎng)絡(luò)數(shù)據(jù)處理班（重慶，10.20-25）
第十屆磁共振腦影像結(jié)構(gòu)班（重慶，11.2-7）
腦磁圖（MEG）數(shù)據(jù)處理學(xué)習(xí)班（預(yù)報(bào)名）
數(shù)據(jù)處理業(yè)務(wù)介紹：
思影科技功能磁共振(fMRI)數(shù)據(jù)處理業(yè)務(wù)
思影科技彌散加權(quán)成像（DWI/dMRI）數(shù)據(jù)處理
思影科技腦結(jié)構(gòu)磁共振成像數(shù)據(jù)處理業(yè)務(wù)（T1)
思影科技嚙齒類動物（大小鼠）神經(jīng)影像數(shù)據(jù)處理業(yè)務(wù)
思影數(shù)據(jù)處理業(yè)務(wù)三：ASL數(shù)據(jù)處理
思影科技腦影像機(jī)器學(xué)習(xí)數(shù)據(jù)處理業(yè)務(wù)介紹
思影科技EEG/ERP數(shù)據(jù)處理業(yè)務(wù)
思影科技腦電機(jī)器學(xué)習(xí)數(shù)據(jù)處理業(yè)務(wù)
思影數(shù)據(jù)處理服務(wù)五：近紅外腦功能數(shù)據(jù)處理
思影數(shù)據(jù)處理服務(wù)六：腦磁圖（MEG）數(shù)據(jù)處理
招聘及產(chǎn)品：
招聘：腦影像數(shù)據(jù)處理工程師（重慶&南京）
