大尺度腦網路

大尺度腦網路（英語：Large-scale brain network，亦稱為内在腦網路）是由廣泛分散在不同位置的腦區所組成的集合，這些腦區之間顯示出功能性連結，通常是透過對fMRI 或其他記錄方法（如EEG 、PET和MEG）的統計分析所發現的。

神經科學中一個新興的範式認為，認知任務的執行並非由單一腦區獨立完成，而是由多個分離腦區所組成的網路協同進行，這些腦區被稱為具有「功能性連結」。功能性連結網路可透過多種演算法發現，例如叢集分析、空間獨立成分分析（spatial ICA）、種子相關分析（seed-based analysis）等方法。同步活動的腦區也可透過EEG、MEG或其他動態腦訊號的長距同步性分析加以辨識。

被辨識出的腦區集合會隨著認知功能而改變。當認知狀態未被明確設定（例如受試者處於「休息」狀態），此時的大尺度腦網路稱為靜息態網路。作為一個具備類似圖形結構特性的物理系統WHATNET在2021年進行了一項調查，結果顯示在三個網路的名稱與拓樸結構上有高度一致的意見，分別是：「體感網路（somato network）」、「預設網路」以及「視覺網路」，但是對其他網路的命名與界定則一致性較低。造成難以建立通用腦網路圖譜的原因有幾項，其中包括：空間與時間尺度的變異性、個體差異，以及部分網路的動態特性。

部分大尺度腦網路可依其功能加以辨識，並透過提供一個神經模型來解釋當不同的腦區以自組織聯盟（self-organized coalitions）的形式結合在一起時，不同的認知功能是如何湧現的，從而為理解認知提供了一套連貫的框架。這些聯盟的數量與組成會隨著辨識它們所採用的演算法與參數而改變。其中一個模型僅包含兩個網路：預設模式網路與（task-positive network）；但大多數目前的分析顯示，腦中存在多個網路，數量從少數幾個到多達17個不等。

多種神經網路活動的紊亂已被證實與神經精神疾病相關，例如憂鬱症、阿茲海默症、自閉症譜系障礙、思覺失調症、注意力不足過動症及躁鬱症。

常見網路
從靜息態 fMRI 活動中辨識出10個大尺度腦網路的範例Uddin、Yeo 與 Spreng 於2019年提出，應根據多項研究的一致證據將下列六大網路定義為核心網路，以促進研究人員間的溝通。

預設模式（內側額頂葉）

• 預設模式網路（Default Mode Network, DMN） 在個體清醒且處於靜息態時會保持活躍。當人們專注於內向型任務時（例如白日夢、想像未來、記憶提取或進行心智理論作業），此網路會優先啟動。它與負責處理外部視覺訊號的腦系統呈負相關，也就是說，當外界感知相關的腦區活躍時，預設模式網路的活動通常會降低。預設模式網路是目前研究最深入的腦網路之一。

顯著性（扣帶回中部-島葉）

• 顯著性網路（Salience Network, SN） 由多個腦部結構所組成，包括前（雙側）島葉、背前扣帶皮質，以及三個皮質下結構：腹側紋狀體、黑質與腹側被蓋區。此網路的核心功能是監測外部刺激與內部腦事件的（salience），亦即判斷哪些訊息在當下最具重要性。

注意力（背側額頂葉）

• 背側注意力網路（dorsal attention network, DAN）參與自主性、自上而下的注意力部署。研究顯示，流體智力與額頂網路及其他網路的參與之間具有高度相關性。

其他網路
不同的研究方法與資料分析已辨識出其他數個腦網路，其中許多網路之間有高度重疊，或是屬於已被明確界定之核心網路的子集合。

• 邊緣系統{
• 聽覺
• 右/左執行
• 小腦
• 空間注意力
• 語言
• 側向視覺
• 顳葉
• 視知覺/心像

參見

• 複雜網路

*

參考文獻