解析人脑在全生命周期内的成熟与重构机制是发展神经科学的核心挑战。阐明这一复杂的发育过程对于揭示认知与行为的生物学基础，以及衰老与神经退行性疾病的发病机制至关重要。神经影像学技术已实现从胚胎期到老年期脑形态、微结构与连接性的非线性年龄相关变化的图谱绘制。然而，目前仍缺乏关于多模态神经影像指标间相互作用、结构-功能耦合（structure–function coupling, SFC）及网络重构的细胞分子驱动机制的系统性认知。本综述整合现有证据，系统阐述基于磁共振成像（MRI）的全生命周期脑结构与功能发育的多尺度特征，指出现有研究的关键概念与方法学缺口，并提出未来研究的优先方向。
引言
人脑在全生命周期中持续经历发育与重塑，该过程始于妊娠第3周并延续至成年期，成熟后逐渐发生结构与功能的退行性改变。早期脑发育由大量神经生物学过程调控，塑造后期神经认知功能并影响神经退行性病变易感性，因此脑发育具有异质性，表现为全生命周期内宏观与微观结构的动态改变。结构MRI（sMRI）、扩散MRI（dMRI）与功能MRI（fMRI）技术的进步实现了对全生命周期脑发育的精细化表征，但领域内仍面临纵向MRI数据有限、计算方法不一致及采集数据中非生物学混杂因素等挑战。本综述聚焦全生命周期脑发育的研究进展，重点阐述不同MRI模态如何在多时空尺度捕捉神经发育过程，并讨论促进脑MRI处理与分析的计算新方法，以深化对全生命周期人脑发育的理解。
脑形态学
全生命周期脑发育以形态学改变为核心特征，脑结构与区域的变异是认知与脑功能个体差异的结构基础。绘制全生命周期脑生长的正常模式是识别脑疾病相关异常偏离的前提。随着大型全生命周期数据集的公开，sMRI技术已能精准映射宏观脑发育过程，揭示了结构成熟与衰老的非线性、区域特异性及异时性模式，其细胞分子基础包括神经发生、突触发生、突触修剪、少突胶质细胞发生与髓鞘形成等过程。
生命早期脑发育表现为脑体积快速增长、皮层折叠复杂度提升及组织对比度显著改变。婴儿出生后前3个月脑体积可达成人水平的约64%，出生后第1年内灰质体积增长约97%，白质体积增长约93%。不同脑组织类型的发育轨迹存在显著差异：大脑灰质体积在儿童中期达峰，皮层下灰质体积在青春期达峰，而白质体积呈渐进式增长，持续至青年期。脑脊液（CSF）体积在全生命周期中总体上升，早期缓慢增加，老年期加速增长，主要反映衰老相关的脑萎缩导致的脑室与蛛网膜下腔扩大。皮层外结构（包括皮层下结构、小脑与脑干）多呈倒U型发育轨迹，早期快速生长后逐渐下降，其中小脑生长速率最快，出生后90天内体积翻倍，海马生长最慢，仅增长47%。基底节区（尾状核、伏隔核、壳核与苍白球）体积在出生后第1个十年内持续增长，随后随年龄线性下降；丘脑与边缘系统结构（海马与杏仁核）则持续生长至青年期，中年期保持稳定，60岁后开始下降。基于Desikan-Killiany分区的皮层区域体积分析显示发育时序存在异质性：初级感觉区体积在幼儿期最早达峰，联合皮层区域达峰时间显著滞后。
小脑小叶在全生命周期中也呈现异质性体积变化：出生后第1年各小叶体积快速增加，高阶小叶（如Crus I、Crus II与VIIB）生长周期更长，而小叶X在出生后约200天即进入生长放缓阶段。儿童与青少年期，小脑髓体体积扩张最为显著。小脑灰质小叶沿前后轴呈现空间有序的发育模式：与感觉运动功能相关的前叶比与高阶功能相关的后叶成熟更早。20至80岁期间，多个小脑区域出现显著的年龄相关体积下降，包括前叶部分区域（右侧I–III与V）、后叶部分区域（双侧VI、Crus I、Crus II、VIIB与IX）、绒球小结叶（右侧X）及蚓部X。进行性小脑体积丢失与认知及运动领域的功能损害密切相关。
早期脑发育过程中，复杂的脑沟回化将初始平滑的脑表面转化为高度褶皱的结构，该过程涉及多空间尺度：全局尺度上大脑分为左右半球，精细尺度上初级、次级与三级脑沟依次出现。全生命周期脑发育中，脑区形状与朝向持续改变，婴儿期狭窄的脑沟间隙随衰老逐渐增宽。皮层厚度（定义为白质表面与软脑膜表面间的顶点距离）在婴儿期相对较高，约1.7岁时达峰，随后从儿童期至青少年期及成年期持续变薄，且该过程沿感觉运动-联合皮层轴呈梯度分布：初级感觉与运动皮层的皮层厚度在儿童期前即出现更早更快的下降，而异模态与旁边缘皮层的成熟更为渐进，皮层变薄过程可持续至20岁出头。
皮层表面积在出生后第1年内急剧扩张，平均近翻倍，颞叶、顶叶、前额叶、枕叶及感觉运动皮层的增长尤为显著。出生后第2年表面积继续增长但速率放缓，并以区域特异性方式持续扩张至儿童早期，舌回、梭状回与吻侧前扣带回的表面积增幅最大（87%–108%）。总体而言，皮层表面积的发育轨迹较长，在儿童晚期或青春期达峰，成年后逐渐下降。
结构网络
结构脑网络为理解人脑神经架构与区间通信在全生命周期内的涌现、重构与衰退提供了系统层面的框架。该类网络通常结合基于dMRI的纤维束追踪（用于映射白质纤维通路）与基于sMRI的脑区分区（用于界定不同脑区）构建：脑区作为节点，白质纤维束作为连接节点的边，连接强度可通过流线计数、流线密度或沿束微结构属性量化，进而构建加权邻接矩阵，通过图论方法表征结构脑网络的组织特征与属性。
基于上述网络构建工具，大量研究揭示了多种神经生物学过程（包括突触发生、突触修剪、轴突生长、髓鞘形成与凋亡）驱动的结构脑网络非线性变化：网络强度、局部效率与聚类系数在全生命周期中上升，而全局效率呈波动变化，约29岁时达峰后持续下降至老年期；小世界属性呈相反模式，青年期达最低值后非线性上升。青少年期结构脑网络的模块化程度逐渐提升，表现为模块内连接增强、模块间连接减弱，该重构过程集中于枢纽连接，使网络在实现更高模块特异化的同时保持高效的全局整合。布线距离分析进一步揭示了整合与分离的动态平衡：短程与长程连接均在发育中增强、衰老中减弱，但随着脑成熟，短程连接的相对贡献逐渐降低。
功能网络
功能脑网络由表现出活动共波动的脑区组构成，通常通过fMRI的血氧水平依赖（BOLD）信号测量。当脑区的BOLD时间序列呈现强统计依赖性时，即认为其功能连接，常用相关性、相干性等指标量化。大规模功能网络可通过独立成分分析（ICA）、聚类或图论方法及种子点连接分析识别，网络内部及网络间的交互作用通常通过功能连接（FC）矩阵量化，该矩阵可建模为年龄的函数以表征发育与衰老轨迹，也可与认知行为表型关联，以解析功能网络的渐进式重构如何支持功能特异化与整合，最终塑造全生命周期的行为表现。
大规模脑网络内的功能连接存在显著的年龄依赖性变化，该过程始于胎儿期并持续至老年期。功能分离（即网络内连接相对于网络间连接的优势程度）反映脑网络基于连接模式的独特性与特异化程度，在全生命周期中呈倒U型轨迹：早期随大规模网络快速分化而上升，后期随网络间耦合增强而下降，反映渐进式的网络去分化。
现有研究广泛揭示了静息态功能脑网络在全生命周期内的涌现、分化与精细化过程：支持初级感觉运动功能（如视觉、听觉与躯体运动加工）的网络出现较早，而支持高阶联合功能（如认知、情绪与记忆）的网络成熟更为渐进。初级网络在新生儿与婴儿期即可稳定识别，其中躯体运动与听觉网络在出生后第1年内表现出相对稳定的网络内连接；而初级视觉网络（V1与V2）的网络内连接在此阶段持续增强，反映视觉网络组织的持续成熟与精细化。高阶联合网络（包括默认模式网络、额顶网络与显著性网络）在出生时大多呈碎片化状态，出生后前几年通过长程连接的建立、网络内连接的增强及网络间边界的精细化逐渐整合。随年龄增长，多个高阶认知网络（包括默认模式网络、扣带-岛盖网络与额顶控制网络）的网络内连接下降，而初级感觉运动与视觉网络虽保持稳定的网络内连接，但网络间连接显著增加。这种衰老相关的“功能整合增强、功能特异化减弱”的去分化模式，与年龄相关的认知衰退密切相关。
组织微结构
宏观脑结构的改变伴随神经元胞体、树突、轴突、胶质细胞与血管组分的持续微结构重构，这些微观组织元件支持脑功能，可通过dMRI与其他定量成像技术评估。基于扩散张量成像（DTI）与多室扩散模型（如神经突方向离散度与密度成像，NODDI）的衍生指标，可实现体内组织完整性、轴突组织与微结构复杂度的表征，进而绘制灰质与白质微结构在全生命周期内的时空异质性成熟与退化轨迹。
各向异性分数（FA）反映水分子定向扩散程度，在全生命周期中呈非线性轨迹：婴儿期与儿童期快速上升，青少年期至青年期渐进式升高，随后随年龄增长下降。该变化具有空间异质性：感觉运动通路成熟较早，高阶额颞通路发育较晚。发育期FA升高主要归因于髓鞘形成，而年龄相关FA下降则可能反映累积性髓鞘丢失与胶质改变。
平均扩散率（MD）量化组织内水分子的方向平均扩散幅度，受细胞密度、膜完整性与细胞外间隙等因素影响。早期脑发育中，白质MD下降，反映脑水含量减少及细胞与膜密度增加限制水分子扩散；随轴突髓鞘化进展，膜通透性降低与细胞外间隙缩小进一步限制水 mobility，导致MD持续下降直至青少年期与青年期。中年期后MD逐渐上升，与年龄相关的微结构退化（包括髓鞘降解与轴突排列密度降低）一致。
尽管DTI应用广泛，但其生物学特异性有限，其指标受多种微结构因素影响，且在交叉纤维等复杂纤维构型区域可靠性不足。为克服该局限，先进扩散模型采用生物物理驱动框架提供更具解释性的组织属性指标，其中NODDI通过将扩散信号分解为细胞内、细胞外与自由水组分，可更特异地揭示白质微结构特征。
NODDI衍生的神经突密度指数（ND）估算细胞内体积分数，反映神经突（轴突与树突）密度。全生命周期中ND在婴儿期与儿童期显著升高，与轴突生长、髓鞘形成及突触发生一致；青少年期至青年期持续渐进式升高，中年期后多个白质通路的ND开始下降。方向离散度指数（ODI）量化体素内神经突方向的角变异性，反映神经突架构的复杂度：ODI较高提示结构分散（如灰质或半卵圆中心），较低则反映纤维排列高度有序（如胼胝体）。婴儿期与儿童期ODI的变化存在区域异质性，部分白质区域升高、部分早期稳定；成年期ODI升高可能反映年龄相关的髓鞘重构（如髓鞘板层增厚与髓鞘气球样变），而非持续成熟。
总体而言，dMRI衍生指标揭示了复杂的年龄依赖性微结构重构模式，该过程在脑内呈异质性分布，并遵循反映白质发育层级组织的系统空间梯度，包括核心-外周轴、后-前轴与下-上轴，提示初级感觉运动通路（如内囊、胼胝体与枕叶区域）成熟较早，高阶联合通路发育轨迹更长，与认知功能的涌现及精细化一致。
多模态数据整合
理解白质通路的微结构与宏观结构发育轨迹，对于将形态测量与网络组织和脑内高效通信的支持机制关联至关重要。研究人员整合分析了全生命周期白质微结构、宏观结构与皮层灰质特征，发现各通路的发育与衰老沿异质性、时空变化的轨迹进行：联合纤维、连合纤维、投射纤维、丘脑与纹状体通路的体积在婴儿期与儿童期增加，青年期开始非线性下降；连接额叶或前额叶皮层的纤维束普遍厚于连接视觉或运动皮层的纤维束；微结构指标（FA、径向扩散率与细胞内体积分数）在不同纤维类型中呈现差异化的变化速率，反映通路特异性的成熟与相对稳定。定量MRI指标（如R1、R2、磁化转移（MT）、MT饱和（MTsat）与质子密度（PD））为皮层微结构提供了互补敏感性：R1、MT与MTsat可索引髓鞘相关大分子含量，R2反映髓鞘与铁的共同效应，PD捕捉组织水含量。结合这些指标与皮层厚度的多模态研究显示，儿童期视觉皮层的表观皮层变薄主要归因于皮层内髓鞘化增强而非真实组织丢失，表现为深层皮层的定量T1与MD下降；青少年期与青年期皮层厚度与MT呈负相关；老年期海马区的R1、R2*与MTsat随年龄下降，提示大分子组织含量丢失。上述证据表明，全生命周期中宏观形态与微结构成熟之间存在动态、区域异质性的交互作用。
形态相似性网络
为在个体层面整合宏观脑组织与潜在微架构（如细胞构筑、髓质构筑与分子构筑），研究人员构建了形态相似性网络（MSNs）：基于个体水平的多尺度皮层特征（包括皮层厚度、表面积、DTI指标与T1w/T2w比值）计算脑区间的形态相似性，构建邻接矩阵。该框架可在全生命周期内整合宏观组织、微结构、认知与转录组域的信息，也被用于研究神经系统疾病相关的皮层连接异常。
基于新生儿多模态特征构建的MSNs显示出与已知细胞构筑及功能系统一致的对称模块化架构，并在围产期数周内经历快速的区间相似性年龄相关精细化。青少年期MSN重构呈区域异质性：旁边缘区域（包括岛叶与扣带回）的形态相似性与年龄呈正相关，而大部分新皮层的形态相似性随年龄下降，提示青少年期是细胞构筑不同的皮层区经历独特结构分化与整合的关键窗口。
针对青少年与青年群体的MSN研究显示，其模块化组织与已知皮层细胞构筑图谱高度吻合，验证了生物学基础：区域MSN属性（边权重）与富集神经元功能的皮层基因表达模式相关，MSN节点度与个体认知表现差异相关。后续全生命周期研究进一步揭示，全局形态离散度随年龄增长而升高，在儿童至青少年期变化显著，老年期再次升高；区域层面，二级感觉皮层的年龄相关离散度下降，与渐进式形态整合一致，而背侧前额叶与岛叶区域的离散度随年龄升高，提示其与脑其余部分的形态分离增强；所有网络内的离散度均随年龄增长，网络间离散度也呈全生命周期非线性变化。全局平均网络强度在青少年期下降，全局方差升高；长程与短程连接的网络强度上升，中程连接保持稳定；从出生到成年早期，模块化与小世界组织逐渐增强，体现了全生命周期形态连接的整合与分离的持续优化。
结构-功能耦合
MSNs通过整合多形态学特征，为结构-功能映射提供了个体层面的低维表征，而结构-功能耦合（SFC）则直接量化区域结构相似性与功能连接或激活模式间的一致性。全生命周期分析显示，单模态感觉运动网络的局部耦合最强，高阶联合网络较弱，且随年龄动态变化：感觉网络耦合在发育与衰老中下降，高阶网络则基本维持结构-功能对齐。青少年期（8–23岁）的研究表明，SFC支持功能特异化与认知发育：眶额皮层耦合与执行功能正相关，并可解释年龄相关的执行能力提升；默认模式、显著性及中央执行网络中，右侧额岛皮层与背外侧前额叶的结构与功能连接在成人中更强，儿童中发育较弱，提示随发育白质通路结构成熟，支持成人脑稳健功能连接的SFC逐渐增强。婴儿期至儿童早期的研究发现，区域SFC模式与成人相似：1–6岁期间多数皮层区域SFC下降或无变化，额顶执行网络与视觉网络的部分区域SFC显著升高。典型与非典型发育个体的对比研究显示，注意缺陷多动障碍（ADHD）儿童的SFC发育异常，表现为颞上回、前额叶皮层与顶下皮层耦合减弱，且耦合强度的增长率高于健康对照组。
方法学进展
全生命周期脑发育的精准表征依赖于能够适应年龄相关组织对比度、脑形态、微架构动态变化，以及MRI噪声与运动、采集协议、扫描仪差异、场不均匀性等混杂因素的计算工具。当前许多研究采用针对不同发育阶段的异质性计算流程，虽支持大规模分析，但引入了方法学不一致性——每个工具仅针对窄龄范围优化，包含不可跨生命周期泛化的年龄特异性解剖先验、算法假设与参数设置，可能导致发育阶段转换处的影像表型出现人为不连续，扭曲真实生长轨迹并阻碍关键里程碑的识别。
近期研究聚焦于开发统一框架下的全生命周期计算工具，以适应年龄相关的解剖与对比度变化，提供跨发育与衰老的一致区域定义，减少非生物学伪影。脑提取（颅骨剥离）是神经影像处理的首要步骤，最新深度学习框架引入年龄特异性图谱作为解剖先验，在多中心数据集验证中显著提升了对年龄相关解剖变异与扫描仪异质性的鲁棒性，可得到从发育到衰老生物学合理的脑体积估计。随后的分割步骤可 delineate 皮层、皮层下与幕下结构（脑干与小脑），用于区域形态与微结构量化、脑网络构建与功能连接分析。元数据驱动的分割框架通过文本提示（如年龄、性别）引导表征学习，实现了跨生命周期脑区的一致划分；基于合成数据训练的域随机化深度学习网络，可实现对异质性采集协议、伪影与人群的稳健解剖分割。皮层表面重建技术则突破了传统流程的年龄局限性，适配了年龄相关的皮层几何、折叠复杂度与灰白质对比度变化，支持对皮层三维形态的精细化分析。
dMRI处理是映射区间通信白质通路的核心，现有纤维束追踪方法多针对特定年龄段设计，婴儿专用方法则需适配低各向异性、髓鞘化进程中、脑体积小与部分容积效应等特点。白质通路的量化通常基于微结构与形态测量指标，以表征沿束与跨束的发育及衰老相关变化，这些指标也为解析白质成熟如何支持功能脑网络的涌现与重构提供了关键依据。
此外，多中心大样本荟萃分析中，扫描仪软硬件、成像协议与研究设计的差异会引入非生物学变异，数据 harmonization（ harmonization）方法已成为分离此类伪影与真实脑测量的关键，统计学与深度学习的 harmonization 技术可有效去除站点与扫描仪相关混杂因素，支持跨人群的生长建模。
关键缺口
尽管脑发育与衰老的多维度轨迹 mapping 已取得显著进展，但对全生命周期脑结构与功能的涌现、重构及其共发育机制，以及驱动神经重构的潜在细胞分子过程的认知仍十分有限。现有大型多中心研究多基于横断面数据，限制了个体内动态变化的解析；非标准化的阶段特异性方法学进一步引入了表型不一致性，阻碍了关键发育里程碑的精准识别。当前研究还存在明显的年龄偏倚，多聚焦婴儿期、儿童期或老年期，难以揭示动态脑网络如何支撑全生命周期的认知、情绪与行为。此外，皮层发育研究占比过高，皮层外结构（如皮层下结构、脑干与小脑）的多尺度变化及其在认知、情绪与运动控制中的作用常被忽视，限制了从系统层面理解分布式神经环路如何支持行为变化的机制。
前瞻性展望
未来全生命周期脑发育与衰老的研究需持续推进覆盖长生命周期的纵向神经影像研究，近期启动的大型队列（如HEALthy Brain and Child Development（HBCD）研究、Adolescent Brain Cognitive Development（ABCD）研究、NKI Rockland样本、Mapping Interindividual Variation in the Aging Connectome（MIVAC）研究与Chinese Color Nest项目）为解析个体内脑结构与功能变化提供了前所未有的机遇。充分挖掘这些数据集的潜力需要开发可跨全生命周期一致处理与建模的计算框架，并通过开放共享提升研究的透明度、可重复性与累积性。
研究人群的多样性与包容性至关重要，需纳入充分的女性、社会经济劣势群体及中低收入国家个体数据，以解析社会、环境与文化因素如何塑造脑发育与衰老。拓展全生命周期神经影像研究的人口学范围，有助于构建生物学合理且具有全球泛化性的脑组织模型。未来脑可塑性研究需开展大规模流行病学研究，整合全生命周期的MRI数据与遗传、环境、生活方式、行为与社交指标，多变量分析可阐明生物与社会决定因素如何交互影响脑发育与长期健康结局，识别认知衰退与神经系统疾病的危险因素，并明确全生命周期内疾病易感的年龄特异性窗口。
未来研究应扩展白质微结构与功能网络涌现发展的机制关联研究，整合dMRI或定量MRI指标与功能连接组学，解析神经突密度、髓鞘、组织完整性、传导速度等微尺度组织属性如何支撑网络的分离与整合，为理解神经系统疾病的功能失连接提供基础。
采用全生命周期视角解析早期脑发育与晚期神经退行性变的关联是另一关键方向。近期研究提示神经发育与神经退行性疾病存在重叠生物学机制，早期发育紊乱可能 predispose 后期神经病理改变，如唐氏综合征个体早年自闭症谱系障碍风险升高，晚年阿尔茨海默病与痴呆易感性显著增加。因此，从出生到老年的纵向研究对识别可预测后期神经退行风险的发育偏离至关重要。基于深度学习模型捕捉终身SFC或MSN动态变化，可为脑疾病识别提供预测框架，图卷积网络可整合结构与功能连接、网络拓扑与节点特征，学习脑组织的规范模式，用于疾病分类。这类全生命周期研究将助力揭示共病神经系统疾病的共享机制，识别更早的诊断标志物，并开发在临床症状出现前数十年的预防性干预策略。
结论
本综述系统阐述了全生命周期人脑发育的研究进展，重点解析了不同神经影像模态如何捕捉脑变化的互补特征。通过整合多模态神经影像信息，可实现多时空尺度下脑生长与组织的精准 mapping。同时，本文讨论了促进神经影像数据处理与分析的最新计算方法，支持基于横断面与纵向数据的跨年龄组脑发育表征。多模态神经影像技术与计算分析方法的持续进步，将进一步深化对全生命周期人脑发育与变化规律的理解，最终为揭示脑结构与功能的调控机制提供更全面的视角。
