作者简介
张道强，教授，博士生导师。南京航空航天大学人工智能学院院长、脑机智能技术教育部重点实验室主任、国际模式识别学会会士（IAPR Fellow）、“万人计划”科技创新领军人才和青年拔尖人才、国家优青获得者、中国图像图形学学会监事、中国图学学会图学大数据专委会副主任、中国人工智能学会机器学习专委会常委、IEEE Computer Society Nanjing Chapter副主席。IEEE Trans. Medical Imaging、Pattern Recognition、Machine Intelligence Research编委，《数据采集与处理》副主编。近5年主持承担国家重点研发计划课题、国家自然科学基金重点项目、牛顿高级学者基金等。在Nature Communications、IEEE TMI/TPAMI/TIP、中国科学、NeurIPS、CVPR、KDD、MICCAI等国内外重要期刊和会议发表论文200余篇，论文被引用20000余次，其中3篇论文的单篇引用均超1000次。研究成果获得2020年国家自然科学奖二等奖（排名4）、2019年教育部自然科学奖一等奖（排名4）和2016年教育部自然科学奖二等奖（排名1），以及MICCAI 2019和MICCAI 2022青年科学家奖等论文奖10余次。
脑科学是研究生物大脑的结构、功能和运行机制的学科，如大脑是如何处理信息、做出决策以及与环境交互的。脑科学研究已成为国家发展的重大战略需求之一。
自2013 年以来，美国、欧盟和日本相继推出各自的脑科学研究计划，包括“BRAIN Initiative”、“Human Brain Project” 及“Brain/MINDS（脑/思维）计划”，旨在通过创新神经技术进行大脑研究（如大规模神经元电生理信号），以促进对大脑功能的深度理解。在此背景下，我国于2021 年9 月正式启动科技创新2030——“脑科学与类脑研究”，并将其纳入《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》。“中国脑计划”从认识脑、保护脑和模拟脑三个方向展开研究，以研究脑认知原理为主体，探索重大脑疾病的发病机制和干预机制；同时以类脑智能研究推动新一代人工智能技术的发展。
▲ 多模态脑影像
现代神经影像技术的发展为脑科学研究提供了数据基础，直接或间接对神经系统的结构、功能和药理学特性进行成像，使得研究者能够从不同角度获取大脑信息
近年来，随着互联网、云服务、物联网等新兴信息技术在医学领域的广泛应用，多源神经影像数据急剧膨胀，脑科学研究进入大数据时代。当前，全球每年产生的脑影像数据规模超过10 亿GB，来源包括各级临床医院、神经科学研究院、体检中心等。得益于庞大的人口基数，我国在脑影像数据规模上具有先天优势，构建脑影像大数据平台，将能为我国脑科学研究提供坚实的数据基础。与此同时，以Transformer 为代表的大模型将进一步释放深度学习技术在高维多模态脑影像数据上的挖掘潜力，助力探索并解释人脑思维模式、精神疾病致病机制等。算力层面，以高性能图形处理单元（graphics processing unit，GPU）集群为代表的算力基础设施正快速发展。工信部数据表明，2022 年我国智能算力规模达到180 百亿亿次/s，存力总规模超过1000EB，预计未来5 年年复合增长率将达52.3%。当前，影像数据规模、深度大模型技术和智能算力的发展将进一步提升人工智能方法对神经影像数据的处理与分析能力，推动脑影像智能分析成为脑科学研究的重要载体。
▲ 脑影像分析一般流程
脑影像分析通常包括以下几个步骤：①影像获取；②数据预处理；③影像分析；④辅助决策。影像获取包含高质量脑影像重建，高分辨率脑影像是大脑结构功能分析的基础；数据预处理包含脑结构分割和配准，脑影像感兴趣区域分割是计算机辅助诊断过程中的重要一步，分割结果能够为后续脑影像智能分析提供定量的指标；影像分析则包含数据挖掘中常见的特征提取、融合、预测等，最终辅助脑疾病早期诊断和干预措施的制订
随着科学技术的不断发展，脑影像技术已经成为研究脑科学的重要工具，其在疾病机制探究、脑疾病诊断、疗效评估等方面发挥着越来越重要的作用。但是，由于脑影像数据维数高、数据量大，人工对脑影像进行分析十分困难且耗时。因此，如何利用人工智能技术智能化分析脑影像数据以辅助脑疾病诊断，成为当前研究的热点之一。
南京航空航天大学脑影像和类脑智能研究团队自2010 年开始将机器学习技术应用于脑影像分析，在脑影像重建、校准、分割、分类以及预测等方面开展了系列研究。《脑影像智能分析》（张道强等著.北京：科学出版社, 2025.1）介绍作者团队近年来在脑影像智能分析方向的最新进展和技术方法，包括脑影像预处理，如高质量脑影像重建、脑结构分割和配准，然后介绍影像分析的常见方法，包含脑影像分类、预测等内容，最后介绍脑影像智能分析典型应用，如多模态、多中心脑影像融合，脑功能网络分析，脑影像基因关联分析和脑发育研究等。每部分详细介绍了相关领域经典工作和课题组所提出的创新性工作，以深入浅出的方式使读者能概览脑影像智能分析领域研究，力求呈现最前沿、最实用、最有启发性的内容。
本书由张道强、孙亮、接标和郝小可共同撰写。共11 章，具体内容如下：
第1 章概述脑影像智能分析的基本意义和本书涉及的主要方向；
第2 ∼ 4 章介绍脑影像智能分析中的预处理方法，包括脑影像重建、脑影像功能校准以及脑影像分割；
第5、6 章呈现脑影像智能分析中常见的脑影像分类和脑影像预测；
第7 ∼ 11 章给出多模态脑影像融合、多中心脑影像分析、脑网络分析、脑影像-基因关联分析和脑发育分析高级应用案例。
本书的目标群体既包括对脑科学、脑影像智能分析感兴趣的初学者，也包括该领域内的研究者、工程师。希望本书能向读者提供足够的脑影像领域的知识，有助于读者更好地理解和运用脑影像智能分析技术，为推动脑科学和医学领域的发展助力。
本书得到国家自然科学基金重点项目（62136004）和国家科学技术学术著作出版基金资助。
本文摘编自《脑影像智能分析》（张道强等著.北京：科学出版社, 2025.1）一书“序言”“第1章 绪论”，有删减修改，标题为编者所加。
ISBN 978-7-03-077792-8
责任编辑: 惠 雪 曾佳佳 纪四稳
本书介绍作者团队近年来在脑影像智能分析方向的最新进展和技术方法，作者团队自2010 年开始将机器学习技术应用于脑影像分析，在脑影像重建、校准、分割、分类以及预测等方面开展了系列研究。本书首先介绍了脑影像数据的预处理方法，然后给出了基础的脑影像分类和预测方法，最后给出了高级的脑影像智能分析案例。读者通过阅读本书，可以对脑影像智能分析有较为直观和全面的了解。
本书可供具有相关专业知识的学术界人士、医学界专家以及相关领域的研究人员和从业人员阅读参考，通过本书他们可以理解和分析论文中涉及的方法、数据和研究结果，从而深入了解脑影像智能分析技术的应用和未来发展趋势。
（本文编辑：刘四旦）
一起阅读科学!
科学出版社│微信ID：sciencepress-cspm
专业品质 学术价值
原创好读 科学品味
科学出版社视频号
硬核有料 视听科学
热门跟贴