Brain Graphs: Graphical Models of the Human Brain Connectome

Annual Review of Clinical Psychology - Tập 7 Số 1 - Trang 113-140 - 2011
Edward T. Bullmore1, Danielle S. Bassett2
1Behavioural & Clinical Neuroscience Institute, Department of Psychiatry, University of Cambridge, Cambridge Biomedical Campus, Cambridge CB2 0SZ, United Kingdom;
2Department of Physics, University of California, Santa Barbara, Santa Barbara, California 93106

Tóm tắt

Brain graphs provide a relatively simple and increasingly popular way of modeling the human brain connectome, using graph theory to abstractly define a nervous system as a set of nodes (denoting anatomical regions or recording electrodes) and interconnecting edges (denoting structural or functional connections). Topological and geometrical properties of these graphs can be measured and compared to random graphs and to graphs derived from other neuroscience data or other (nonneural) complex systems. Both structural and functional human brain graphs have consistently demonstrated key topological properties such as small-worldness, modularity, and heterogeneous degree distributions. Brain graphs are also physically embedded so as to nearly minimize wiring cost, a key geometric property. Here we offer a conceptual review and methodological guide to graphical analysis of human neuroimaging data, with an emphasis on some of the key assumptions, issues, and trade-offs facing the investigator.

Từ khóa


Tài liệu tham khảo

10.1103/PhysRevE.77.036104

10.1371/journal.pcbi.0030017

10.1523/JNEUROSCI.3874-05.2006

10.1103/RevModPhys.74.47

10.3389/fnsys.2010.00147

10.1097/00004647-200110000-00001

10.1007/PL00007990

10.1126/science.1173299

10.1126/science.286.5439.509

10.1371/journal.pone.0006626

10.1073/pnas.0903641106

10.1177/1073858406293182

10.1097/WCO.0b013e32832d93dd

10.1523/JNEUROSCI.1929-08.2008

10.1371/journal.pcbi.1000748

10.1073/pnas.0606005103

10.1007/s004220050556

10.1088/1742-5468/2008/10/P10008

Bollobás B. 1985. Random Graphs. Cambridge, UK: Cambridge Univ. Press Classical textbook on graph theory.

10.1016/S1389-1286(00)00083-9

10.1093/cercor/7.8.768

10.1523/JNEUROSCI.5062-08.2009

10.1016/j.neuroimage.2004.07.012

10.1109/42.750253

10.1016/j.neuroimage.2009.05.032

10.1038/nrn2575

10.1111/j.1467-839X.2007.00241.x

10.1126/science.1171022

10.1093/brain/awh622

10.1073/pnas.0506806103

10.1016/j.neuroimage.2006.11.040

10.1093/cercor/bhn003

10.1002/hbm.20178

10.1080/00018730601170527

10.1016/j.conb.2005.03.001

10.1103/PhysRevE.73.036125

10.1016/j.neuroimage.2003.10.006

10.1186/1471-2202-10-101

10.1002/ar.20965

10.1007/s12021-007-9006-6

de Vico Fallani F, 2008, Conf. Proc. IEEE Eng. Med. Biol. Soc., 2008, 3995

10.1016/S0010-0277(00)00123-2

10.1016/j.neuroimage.2009.05.035

10.1103/PhysRevLett.94.018102

Erdös P, 1959, Publ. Math., 6, 290

10.1016/j.neuroimage.2006.11.051

10.7551/mitpress/4737.001.0001

10.2307/3033543

10.1002/hbm.460020107

Friston KJ, 1995, Clin. Neurosci., 3, 89

10.1016/S1053-8119(03)00202-7

10.1006/nimg.2001.1037

10.1093/cercor/bhn102

10.1523/JNEUROSCI.2308-09.2009

10.1038/nphys489

Hagmann P, Cammoun L, Gigandet X, Gerhard S, Ellen Grant P, et al. 2010. MR connectomics: principles and challenges. J. Neurosci. Methods. Epub ahead of print

10.1371/journal.pbio.0060159

10.1093/cercor/bhl149

10.1523/JNEUROSCI.0141-08.2008

10.1093/brain/awp089

10.1371/journal.pone.0005226

10.1098/rstb.2000.0551

10.1002/hbm.20579

10.1073/pnas.0811168106

10.1016/j.clinph.2009.10.013

10.1098/rspb.2005.3354

10.1016/j.neuroimage.2007.02.012

10.1371/journal.pcbi.0020095

10.3389/neuro.11.034.2009

10.1371/journal.pcbi.1000314

10.1016/j.jneumeth.2009.07.007

10.1007/BF02691331

10.1103/PhysRevLett.87.198701

10.1140/epjb/e2003-00095-5

10.1038/nature09108

10.1103/PhysRevLett.100.118703

10.1002/hbm.20662

10.1016/j.neuroimage.2006.01.042

10.1093/brain/awn018

10.1371/journal.pcbi.1000395

10.1371/journal.pone.0010232

10.1523/JNEUROSCI.0333-10.2010

10.1126/science.1065103

10.1523/JNEUROSCI.0357-05.2005

10.1016/j.neuroimage.2008.09.062

10.3389/neuro.11.037.2009

10.1016/j.schres.2006.06.028

10.1002/hbm.20492

10.1016/j.neuroimage.2008.09.036

10.1073/pnas.0601602103

10.1242/jeb.017574

10.1073/pnas.0605938103

10.1073/pnas.0913113107

10.1016/j.neuroimage.2009.11.031

10.1016/j.physa.2008.06.048

10.1016/j.neuroimage.2007.11.048

10.1016/j.clinph.2006.12.002

10.1016/j.expneurol.2009.02.001

10.1016/j.neuroimage.2010.05.045

Richiardi J, Eryilmaz H, Schwartz S, Vuilleumier P, Van De Ville D. 2010. Decoding brain states from fMRI connectivity graphs. Neuroimage. Epub ahead of print

10.1103/PhysRevLett.103.108104

10.1002/hbm.20517

10.1016/j.neuroimage.2009.10.003

10.1016/j.neuroimage.2007.08.018

10.1093/cercor/bhi016

10.1098/rstb.2005.1645

10.1523/JNEUROSCI.15-02-01463.1995

10.1093/cercor/9.3.277

10.1093/cercor/bhm211

10.1016/j.neuroimage.2009.03.064

10.1371/journal.pone.0007228

Simon H., 1962, Proc. Am. Philos. Soc., 106, 467

10.1016/j.neuroimage.2008.07.063

10.1002/hbm.20468

Smith SM, Miller KL, Salimi-Khorshidi G, Webster M, Beckmann CF. 2010. Network modeling methods for fMRI. Neuroimage. Epub ahead of print

10.7551/mitpress/8476.001.0001

10.1016/j.tics.2004.07.008

10.1371/journal.pone.0001049

10.1371/journal.pcbi.0010042

10.1016/j.neulet.2003.10.063

10.1016/j.jns.2009.08.028

10.1093/cercor/bhj127

10.1002/hbm.20346

10.1038/35065725

10.1371/journal.pcbi.1000100

10.1073/pnas.91.11.5033

10.1006/nimg.2001.0978

10.1371/journal.pone.0008081

10.1016/j.neuroimage.2008.08.010

10.1523/JNEUROSCI.1443-09.2009

10.1152/jn.00783.2009

10.1006/meth.2001.1238

10.1002/hbm.20623

Wang J, 2010, Front. Syst. Neurosci., 4, 16

10.1002/hbm.20530

10.1038/30918

10.1016/j.neuroimage.2009.05.005

10.1098/rstb.1986.0056

10.1073/pnas.0809141106

10.1093/cercor/9.4.366

10.1176/appi.ajp.2008.07060945

10.1038/358152a0

10.1098/rspb.1993.0040

10.1093/cercor/bhn047

10.1109/TMI.2008.2012113

10.1016/j.neuroimage.2010.06.041

10.1016/j.neuroimage.2009.12.027