日报标题：躺下咔嚓「照个相」，没错，就是你
蘑菇鱼 赵思家
耶鲁大学的研究人员指出每个人的大脑的活动与指纹类似，具有特异性。(Finn et al., 2015)
大脑指纹？也就是说，可以通过扫描指纹一样扫描大脑然后来确认一个人的身份吗？！是的，没错。通过使用功能性核磁共振成像（fMRI），我们可以将每个人的大脑活动实时记录下来。
简单地来说，fMRI 是通过测量神经细胞活动时所引起的血液氧气含量变化，来观察大脑不同区域的活动情况的。
譬如说，当你躺在扫描仪中运动左手的手指时，我们在扫描图中就能看到下图右侧的红色区域出现信号的变化。
图 1：功能性核磁共振成像。左手食指晃动时，大脑活动明显有变化的区域。图片截图于牛津大学 MRI 研究中心的介绍视频：A Spin Around the Brain — NDCN。
虽然在做同一个任务时，我的和你的大脑活动会有共通性，但是总是会有些不同。那我的大脑活动是不是有个特殊的个人标记在里面呢？真的有大脑活动指纹么？那在做不同的任务时，我的大脑活动都有这个标记吗？换一天，我的大脑指纹还存在吗？
实验设计
在这个研究中，科学家找了 126 个志愿者，六次扫描，每次任务不同，分为两天扫描。
第一天：
- 休息放松的时候，咔擦，给你的大脑拍一张；（静止 1）
- 宝宝，来，背背圆周率吧，咔擦，又是一张；（工作记忆任务）
- 亲，来脖子扭扭屁股扭扭做运动，咔擦，又蹭机抓拍一张（运动任务）
第二天：
- 来来来，再来休息放松一下，咔擦，顺便再给你大脑拍一张；（静止 2）
- 讲段故事给我们听吧，咔擦，蹭你不注意再给你拍张（语言任务）
- 呐看看这个人的脸，分辨一下他是生气还是开心啊，再拍一张（情绪任务）
这样，我们就收集到了一百多个人在六种状态下的大脑活动「照片」（静止状态被重复采集，并且要分在两天拍，这点很重要。）
然后，为了确认是否有「大脑指纹」，我们可以做以下这样的「连连看」测试：给你其中一个人的一种状态的大脑活动图像，请根据这张图像在另外一种状态的 126 个人的大脑图像中找出这个人的图像。
例如给你一张小花的「静止 1」状态下的 fMRI 图像，请找她在做「情绪任务」中对应的 fMR 图像。
在这里，把「静止 1」状态下的 fMRI 图像被称为「样本」（Target），「情绪任务」的 Fmri 图像为「候选集」（Database）。
图 2：每个任务中所采集到的 fMRI 图像都是样本，而每个样本对应 3 个不同任务的候选集。注意，如果样本是在第一天采集的，那么它的候选集应该是在另一天采集的。
诶等等，那到底该怎么具体找呢？
机智的研究人员把大脑分成了 268 个区域，然后计算出了每两个区域之间的连接强度（即这两个区域的 fMRi 信号关于时间的相关系数），然后就写出了一个 268×268 矩阵（即，矩阵的第 i 行第 j 列就代表了第 i 块区域与第 j 块区域的连接强度）。
图 3：大脑被分为 268 个区域
图 4：每个任务中所搜集到的 fMRI 图像，被重新处理，变成一个表现区域与区域之间的链接强度的矩阵。这样研究人员可以比较样本和候选之间的相似度。
于是乎，比较两张图像到底是否属于同一个大脑的问题，就巧妙的变成了比较两个连接强度矩阵的相似度的问题。
注：在这里两个矩阵的相似度是通过两个矩阵所有对应的列向量的相关系数之和来衡量的
这样一来，只要在候选集中找到与样本最相似的矩阵即可。
结果
好啦，想法很强势，结果如何呢。
在说结果之前先得强调一件事情，我们分两天每天各扫描了三次 fMRI，分别从两天中各取一次，分别当做待选集和样本集，总共就有 3×3×2=18 中选取方法。（图 2）
如果我们把「静止 1」当做样本，「静止 2」当成候选集的话，126 个人里面有 117 个人被成功的预测，即预测的准确率是 117/126（92.9%）。
「静止 1」作为样本，「静止 1」作为候选集，准确率为 119/126（94.4%）。
如果选取其他的「样本 - 候选集」组合，准确率分布在 68/126（54.0%）到 110/126（87.3）之间。
看到这个地方其实你会发现，特么这个论文的作者是个标题党（摔桌）。什么大脑指纹，说的神乎鬼乎的，说白了就是每个人大脑的连接强度都不一样，因此可以根据 268 个小区的「连接强度矩阵」来判断是否是同一个人的大脑。当然啦，这也是有道理的，每个人的大脑连接强度当然会因为各种原因不同，但是这也会随着年龄有一定的改变的。
而且这里的准确率最高也只有 94.4%，最低甚至只有 54%，就这正确率，要真被当成指纹来应用的话，那冤案怕是一层又一层啊！！！（崩溃脸）
--- 我是崩溃的分割线 ---
预测结果都出来了，这个研究就结束了不是吗？？？
No！！！
研究人员做了一件更有意思的事情：好，你说人的大脑的连接强度有个体差异对吧，那我为什么不把大脑拆成几个系统来分别研究一下他们各自的特异性呢？？？
说做就做，原来是整块大脑的 268 个区域的连接矩阵，现在变了：他们把这 268 个区域分成了八个系统。然后一个系统一个系统的来加予考虑。如果这个系统的个体差异性越强，每个人都长得大不一样，那么想必正确率一定很高；如果这个系统比较保守，大家基本上长得都一样，那么预测的效果肯定差。
图 5：八个系统的划分
最后的预测结果（图 6）发现，内侧额叶皮层（Medial Frontal，也就是图 5 中的系统 1）和额顶叶（Frontoparietal，也就是图 5 中的系统 2）这两个预测效果最好。也就是说这两个区域最能体现出我们与他人不同之处。
图 6：八个系统的区域预测。横坐标显示的是预测的哪个系统（图 4 中的 8 个选择），其中「1+2」是表示系统 1 和 2 这两个系统联合一起使用。纵坐标表示预测的准确率。黑方块和灰方块表示的是使用的样本和候选集所对应的任务。R1 为静止 1，R2 为静止 2，WM 为工作记忆任务，Mt 为运动任务，Lg 为语言任务，Em 为情绪任务。
因为相比其他的一些较初级的感觉区域来说，这两个系统的连接的有序性较高，进化上来说发展较晚，也比较高级，自然个体间的差异性也比较大。
其中额顶叶（系统 1）的特异性最大，这也是和这个区域负责的功能有联系的。要知道，额顶叶可是承担着相当复杂的任务呢！例如在在不同的任务模式下转化思考的方式（调节大脑不同区域之间的连接），而且很多跨区域的大脑连接也要通过额顶叶。额顶叶在人脑活动中简直起了一个重要的地位。你看看，这家伙的连接也一定相当复杂，自然特异性也就高起来了。
咳咳咳，事实上呢，额顶叶和人的智力也是有一定关联的。。。所以。。这里有个大事。
咳咳，没错，既智力和额顶叶有一定相关性的话（记住，是相关性不是决定性！！！），那我们是不是可以用额顶叶的连接矩阵来预测智力呢（微笑脸）？
研究人员事前都已近有先见之明地通过瑞文测试测过每个实验对象的流体智力(gF)。什么是流体智力呢？我们从网上摘一段：「流体智力（Fluid Intelligence）是一种以生理为基础的认知能力，如知觉、记忆、运算速度、推理能力等。流体智力是与晶体智力相对应的概念，流体智力随年龄的老化而减退。而晶体智力则并不随年龄的老化而减退，晶体智力主要指学会的技能、语言文字能力、判断力、联想力等。」
在这个研究中，可以假设流体智力是连接强度的线性叠加。
恩！函数有了，我们接下来就是要找系数（,
,
, …,
）了。
126 个人，抽一个人出来当测试对象，剩下 125 个人当做「训练集」。所谓训练集，就是用这 125 的人的流体智力和不同区域间的连接强度来求出这个式子中的系数（没错就是你高中学的，知道一堆散点然后求这些散点的线性回归）。接下来，把这个函数带入到第 126 个人那里，用他的连接矩阵来求出流体智力，看看这个预测值是否和真实的流体智力相近。呐，结果如图。效果还是很好的啦。
图 7：链接情况所预测的流体智力（纵坐标）对比实际流体智力（横坐标）。上：通过整个大脑来预测的图像，下：单独使用额顶叶预测的图像。
在这里得强调三点：
- 只是说连接矩阵与流体智力相关，不是决定！我们可以看到图中这些散点里直线差的还是有点距离的，而且相关系数只有 0.5，不是 1，这至少说明流体智力不能完全表达为连接矩阵里的线性叠加。
- 这里只是说的流体智力！！！流体智力只是智力的一部分，并不是全部！
- 事实上大脑的可塑性是很强的，随着时间的增移，后天的训练，像额顶叶这样的区域都会发生一定的变化，所以绝对不是大脑结构决定智力！只是相关。
总结和一点点仰望
好啦好啦，让我们来总结和仰望一下。
- fMRI 技术可以像照相机一样的扫描出大脑
- 通过扫描出来的 fMRI 图像可以得到每个人的连接矩阵，由于每个人大脑内部连接的方式都不一样，所以可以根据连接矩阵来判断是否为同一人。
- 其中额顶叶的特异性较高，这是和它的功能相关的，它较晚进化出来，功能较高级，因此连接也很复杂。
- 事实上，后天的训练，不同的任务，每个人从事的工作都可能会重塑大脑内部的连接，因此这个大脑指纹在时间上是否真的稳定可靠，还待研究。
- 大脑结构与流体智力相关（注意只是相关）因此可以用连接矩阵来预测智力。
- 很多时候一些精神疾病和额顶叶的连接都有联系，我们是不是可以用大脑指纹这样的手段来对疾病做一些研究呢，例如通过连接矩阵来分辨两种容易混淆的精神疾病，来提前在病情恶化前（例如精神分裂症的阴性症状）确诊疾病以提前接受治疗呢？
- 事实上从事不同职业的人的大脑连接也不同，可不可以通过连接矩阵来判断你在某一领域的专业水平呢？…
嗯哼就是酱紫的，这就是一个思路简单而又有趣的论文。
引用文献：
Finn, E.S., Shen, X., Scheinost, D., Rosenberg, M.D., Huang, J., Chun, M.M., Papademetris, X., Constable, R.T., 2015. Functional connectome fingerprinting: identifying individuals using patterns of brain connectivity. Nat Neurosci advance online publication. doi:10.1038/nn.4135
神经科学专栏的 Mentor Project
本文为 Mentor Project 的输出作品。由@赵思家 组织的一个小小的写作小组，现成员主要由对七名神经科学非常感兴趣的本科和硕士学生组成。定期我会在群中放出一些写作话题以及相关的文献推荐，由成员自行「认领」。在阅读好材料后，我们会一起商量好一个框架。在初稿完成后，如果有必要，我会修改、润色和添加相关内容。最后发在本专栏和微信公众号（neuroscienceme）上。
作者排名类似于学术论文作者排名，一作为「认领人」，而最后作者提供了「文章构想 + 修改」。
如果你也感兴趣，可以与@赵思家 联系。