姬笑楠，朱玉颖，吴亚东

(1.西南科技大学 计算机科学与技术学院，四川 绵阳 621010；2.中国科学技术大学 中科大医学影像中心，合肥 230026；3.四川轻化工大学 计算机科学与技术学院，四川 自贡 643002)

0 引言

近些年，对于人脑的研究逐渐成为一个热点课题。对于人脑的研究其核心是大脑中的神经连接，针对这一问题，大脑连接组学应运而生[1]。连接组学研究的目的是通过了解大脑的接线机制[2]来创建脑功能网络连接的完整表示。连接组的表示可以帮助人们增加对大脑功能连接的认识，以及大脑状态是如何从其潜在的结构中出现的[3]。

在研究中发现，被试者的脑网络连通性通常会受到诸如年龄、性别、受教育程度、遗传病史和疾病状态等各种因素的影响。例如在阿兹海默综合症患者中，与记忆相关区域的连接水平明显低于相匹配的健康对照组[4]。研究这些连接特征的差异可以提高对人脑功能连接的了解，并且在疾病预测、基因工程和许多其他相关方面的应用中也都有重大意义。然而想要完全掌握人脑的功能连接，是一项异常艰巨的任务。首先，需要高质量和大规模的脑网络测量数据，因为大脑各区域之间的网络连通性特征都是非常高维的，当数据量不够多、被试者人数很少时，很可能会导致过拟合，这将致使产生的结果不可靠；其次，在复杂的脑网络研究中，对领域专家所提出的众多计算模型的验证也是花费巨大的。

然而，可视化工具可以用于解决高维连接模式下的脑网络比较问题。……