基于结构磁共振成像的脑形态连接网络是人脑连接组学研究的重要方法之一。相较于早期的研究主要通过群体协变的方法来估计脑形态连接网络，近年来的研究则聚焦于个体化建模脑形态连接网络。这种转变极大地拓展了脑形态连接网络的应用场景，为理解发育和老化过程中以及疾病条件下的个体差异提供了全新手段。近日，华南师范大学脑科学与康复医学研究院王金辉研究员和北京师范大学认知神经科学与学习国家重点实验室贺永教授在Cell出版社旗下期刊Trends in Neurosciences发表综述文章，全面回顾了国内外同行在脑形态连接网络的个体化建模领域的最新进展，对现有的模型和方法及其在脑发育、脑老化、脑疾病的应用方面进行了系统梳理，并指出了该领域亟待解决的关键问题及未来的研究方向。

具体而言，该文章总结了现有的个体化脑形态连接网络构建方法可分为刻画脑区间局部脑形态关系的低阶方法和描述脑区间低阶形态连接相似性的高阶方法。当前，主要有4类方法来刻画脑区间的低阶形态连接，即基于相关的方法、基于散度的方法、基于距离的方法和基于偏差的方法。不论是哪种方法，所得到的个体化脑形态连接网络都表现出高的重测信度。该文章进一步强调，相较于脑结构连接和功能连接网络，个体化脑形态连接网络在用于探寻发育、老化和脑疾病相关的影像学标志物方面，具有独特的优势：(i) 脑形态连接网络具有高的参数鲁棒性、跨被试或数据集可重复性以及重测稳定性；(ii) 脑形态连接网络可能是最简单、最快速和最具性价比的活体研究人脑连接组学的方式，因此在大样本，多中心协作研究中更具实用性；(iii)相较于弥散和功能磁共振成像，结构磁共振成像具有独特的优势，体现在广泛使用性、高信噪比、高空间分辨率和对噪声的相对不敏感。尽管如此，该文章也指出个体化脑形态连接网络这一领域仍处于起步阶段，尚有诸多问题亟待解决。

图1. 低阶脑形态连接网络构建方法