丘脑白质结构在大规模脑网络中的连接枢纽特性：解剖学基础与认知意义

本研究针对丘脑在大规模脑网络中的结构连接枢纽特性展开探索，通过全脑纤维追踪技术结合7个经典静息态网络（7-RSNs）分析，揭示了丘脑多个核团（如VL、MDm、PuM）作为结构连接枢纽的高参与系数（PC）和模块内连接强度（WMD）。研究进一步通过任务态fMRI验证了这些核团与RSNs的功能连接（FC），为理解丘脑通过白质通路整合跨网络信息提供了解剖学证据，对认知神经科学和脑疾病研究具有重要意义。

　　

大脑如何实现复杂认知功能？大规模脑网络的模块化架构是关键。然而，仅靠皮层网络无法独立完成这一任务——丘脑作为“信息中转站”，其白质连接如何支撑跨网络整合一直是未解之谜。以往研究多聚焦功能连接（FC），但丘脑是否具有内在的结构连接枢纽特性仍缺乏证据。

来自千叶大学的研究团队在《NeuroImage》发表的研究填补了这一空白。他们利用人类连接组计划（HCP）的多模态MRI数据，通过全脑概率纤维追踪（MRtrix3软件）构建丘脑-皮层结构连接（SC）矩阵，结合图论分析（参与系数PC和模块内连接强度WMD），首次系统揭示了丘脑核团作为结构连接枢纽的解剖学基础。研究还通过7种任务态fMRI（如工作记忆2-back任务）验证了这些核团与静息态网络（7-RSNs/17-RSNs）的功能耦合。

关键技术方法
研究采用HCP S1200发布的106例健康成人数据（22-35岁），包括1.25 mm各向同性扩散MRI（dMRI）和2 mm任务态fMRI。主要技术包括：1）MSMT-CSD算法全脑纤维追踪（100万条流线）；2）SIFT2加权连接矩阵量化SC强度；3）基于AAL3/HCP-MMP图谱的ROI-to-ROI分析；4）图论指标（PC/WMD）计算；5）CONN工具箱处理任务态FC（FDR校正p<0.05）。

研究结果

3.1 丘脑-皮层结构连接图谱
全脑纤维追踪显示：视觉核团LGN主要连接视觉皮层，内侧核（MDm/MDI）广泛投射至前额叶，而丘脑枕核（PuM/PuA）与顶叶存在密集连接。这与经典解剖学研究一致（图1-2）。

3.2 多网络重叠簇
7-RSNs分析发现：默认网络（DMN）和背侧注意网络（DAN）的流线终点在丘脑腹外侧核（VL/VPL）和内侧枕核（PuM）高度重叠（≥5个网络）。SC强度定量显示这些核团与多网络存在强连接（图3-4）。

3.3 结构连接枢纽特性
图论分析表明：VL、MDm和PuM的PC值（0.65±0.05）和WMD值显著高于皮层（p<0.05），符合连接枢纽定义（图5）。Brainnetome图谱验证了该结果的稳健性。

3.4 任务态FC验证
在7类任务fMRI中，上述核团与RSNs的FC（T值）显著增强（如工作记忆任务中VL-DMN连接）。相关性分析（Fisher Z转换）进一步确认SC-FC一致性（图6）。

3.5 17-RSNs验证
扩展分析显示：丘脑连接枢纽在更精细的17-RSNs划分中仍保持高SC/FC特性（图7），证实结论不受网络划分影响。

结论与意义
该研究首次从白质结构角度证实：丘脑腹外侧核、内侧背核和枕内侧核通过密集的跨模块连接（PC/WMD>75%阈值），成为大规模脑网络的“硬件枢纽”。这一发现为理解丘脑调控认知的解剖机制提供了新视角：
1） 理论层面：挑战了传统“丘脑仅作信息中继”的观点，揭示其通过结构性枢纽整合跨网络信息的主动作用；
2） 方法学创新：融合多模态MRI与图论，建立SC-FC关联分析框架；
3） 临床启示：为丘脑损伤导致的注意障碍、执行功能障碍等疾病提供新的神经环路解释。

研究也存在技术局限：如交叉纤维追踪精度、fMRI空间分辨率等。未来可结合全局纤维追踪（global tractography）和超高场MRI进一步验证。这项工作为脑网络研究开辟了新方向，标志着我们对“认知控制中枢”的理解从功能相关性迈向解剖学实证。