心理学与脑成像技术的结合产生了跨学科的认知神经科学。认知神经科学传统的定位式研究方法越来越显示出其局限性，近些年兴起的脑网络研究可以克服这种局限。西华师范大学教育学院涂燊曹晓君等人在汉斯《心理学进展》2013年11月期刊上发表了一篇关于脑网络研究的文章。
大脑网络分析方法主要来自于数学的一个分支—图论(Grahph)。图论以图为研究对象。而图是由点(node)及连接两点的边(edge)所构成的图形，通常用它来研究某些事物之间的关系，点代表事物，而边表示对应两个事物间具有某种关系。类似地，大脑网络可以看成代表神经元或者脑区等的点，与代表神经元或者脑区等之间联系的边所构成的脑图(Brain Graph)。根据脑图中点、边性质的不同，可以构成不同层次的脑网络。目前主要是大尺度(large-scale)的脑网络研究，即脑图中的点代表比较宏观的结构，比如不同的脑区。然后再根据边(脑区之间的关系)性质的不同分为结构网络与功能网络。其中，前者是指由大脑的有关结构(点)及其之间的结构性连接(边)所组成的网络。点与边的定义依据不同的实验技术与空间尺度而不同；后者是利用神经活动的统计相关性来衡量不同脑区连接性的一种方法。研究发现，结构连接的强度可以部分预测自发脑活动的功能连接强度，但是简单相关分析的功能连接不能用于推测可能存在的结构连接，这种非对称关系要求对结构连接进行单独的分析。在微观层面，结构连接与功能之间的关系也表现出了高度的一致性。但如何从脑网络的结构预测其功能还有待更深入的研究。
网络方法也被应用于临床神经和精神疾病的研究，包括老年痴呆症、精神分裂症、癫痫、抑郁症以及注意障碍等。从网络的角度来看，这些疾病造成的脑功能损害与不同大脑区域之间正常连接的损坏或者异常有关。大量的研究发现，临床神经和精神病人的脑网络主要在小世界特性、层级组织、关键节点等拓扑结构上发生了改变。对这些疾病的脑网络研究不仅可以用来衡量病情的严重程度，而且可以用来衡量药物或者心理治疗的效果。也许更为重要的是，可以帮助我们理解这些疾病的发病机理。
文章最后指出，脑网络研究范式本身有其潜在的局限性。除了技术限制和数学工具限制，连接还受到大量神经递质的调节，这使得仅仅连接本身还不足以完全预测网络的动态特性。同时，在构建脑网络时有过度简化之嫌；在脑网络分析方面，很多时候需要建构一个随机网络与所研究的网络进行特征对比；在脑网络动态模型方面，由于不同的演化规则可以产生具有相同网络特性的网络结构，这就需要对不同的演化规则进行评估。所以，对大脑机制的研究需要多学科的共同攻关。
查看原文请点击：https://www.hanspub.org/journal/PaperInformation.aspx?paperID=12592
备注：本文由龚珊编译，本文版权属于汉斯出版社(https://www.hanspub.org/)，转载请注明出处。
