作者|吴李娜

脑分区图谱在导航经颅磁与经颅超声中的选择

从布罗德曼、HCP到脑网络组图谱：先弄清每张图怎样划界，再决定能不能用于当前靶点。

把患者的磁共振影像导入导航系统，选布罗德曼分区，屏幕上出现一组编号；换成HCP，原来的位置又有了新名称；切到网络图谱，颜色再次改变。

患者的大脑没有变。变的是划分脑区的依据。

有的图谱沿脑回、脑沟划界；有的依据显微镜下的细胞结构；有的比较脑区与其他部位的连接；还有的综合多种影像信息。图谱分得细，不代表它已经找到了这位患者的最佳刺激点。

临床选图谱，先明确任务：要确认解剖位置，寻找某项功能对应的皮质区域，研究脑网络，还是辨认丘脑内部的核团？

一、常见皮质分区区别在哪里

DK与Destrieux回答在什么脑回脑沟

DK分区，即Desikan–Killiany分区，按脑回等可见解剖特征标注皮质。Destrieux对脑回、脑沟的划分更细。

读卒中患者影像时，先确认病灶与中央前回、中央后回、额中回等结构的关系，这两套分区很实用。它们也是学习其他图谱的基础：连患者影像上的中央沟都不能稳定辨认，换一张更细的图谱也难以补上这一步。

但脑回是解剖范围。中央前回上的某个标签，不能直接告诉我们患者目标手部肌肉的运动热点在哪里。

AAL3方便标注标准空间中的位置

AAL3常以三维体积图谱使用，适合为影像分析结果提供脑区名称。与DK、Destrieux主要沿皮质表面标注不同，它也涵盖皮质下结构，并细分了丘脑。

这里要看清操作过程：把标准空间图谱配准到患者影像，是将已有标签作为参照放到患者影像上。它没有直接测出患者的丘脑核团边界。AAL3发布者还特别提醒，一些较小区域使用时需要谨慎；图像重采样后，小区域甚至可能难以保留。

因此，AAL3适合报告“这一位置在图谱中对应哪里”，不能单凭一个丘脑标签完成深部靶点核查。

布罗德曼与Julich-Brain依据组织结构理解脑区

布罗德曼分区是临床常用的共同语言。BA4与初级运动皮质相关，BA6涉及运动前区和辅助运动区，BA3、1、2与初级躯体感觉皮质相关。康复医生读文献，应该认识这些常用编号。

这些边界最初依据组织学差异确定，普通3D T1影像上不能像看中央沟那样直接看见它们。“位于BA4附近”可以描述候选区的背景，不能替代个体运动测绘。

Julich-Brain进一步将组织学研究制作成三维概率图谱，包含皮质区域及部分皮质下结构。它能呈现不同人之间边界的变化，但图谱显示的概率仍来自建图样本，不能读成“已经看见这位患者的显微组织边界”。

HCP-MMP1.0把一个脑回看得更细

HCP多模态皮质分区每侧划出180个区域。它结合皮质结构、任务活动、功能连接等信息，帮助研究者辨认脑回内部更细的差异。

对准备开展皮质导航神经调控的医生，HCP很值得深入学。它能帮助我们追问：文献所说的“额叶区域”，究竟落在哪一部分皮质？相邻区域为什么被分开？

不过，“使用HCP”有两种差别很大的做法。原始研究利用个体的多模态资料识别区域；临床软件也可以把现成的群体HCP图谱配准到患者的T1上。如果患者只采集了3D T1，屏幕上的HCP标签属于群体图谱参照，不能写成已经测得患者的个体功能边界。

HCP划分的是大脑皮质。讨论丘脑核团时，需要换用相应的深部结构资料。

人脑网络组图谱看区域之间的连接差异

人脑网络组图谱（Human Brainnetome Atlas）包含210个皮质亚区和36个皮质下亚区，以连接模式为重要划分依据，并提供相应的连接资料。

它适合解释一个常见问题：同在较大的解剖区域内，为什么相邻两处可能联系着不同的脑区？对研究卒中病灶与远处网络关系、皮质与皮质下联系的医生，这套图谱有价值。

使用时仍需说明连接信息来自哪里。把网络组标签叠加到患者MRI上，显示的是该位置对应的图谱区域；患者本人的连接情况，需要患者本人的相应数据和分析。

Yeo与Schaefer一个看大网络 一个划分析单元

Yeo图谱常用7网络和17网络版本，适合建立分布式脑网络的概念。一个网络可以包含相距很远的多个皮质区域。它告诉我们某处在群体资料中大致归属哪个网络，却不能单独证明患者本人存在相同的连接。

Schaefer分区则把皮质划成不同数量的区域，常用于静息态功能连接分析。研究者可以按这些区域提取信号，再分析区域之间的关系。选100个还是更多区域，要结合研究问题、数据质量和结果稳定性决定；区域数增加，不等于结论自动更可靠。

简单说：Yeo帮助先看网络格局；Schaefer常用于确定连接分析的区域单位；HCP着重辨认多模态定义的皮质区域。三者用途相关，但不能互换名称使用。

二、目标在丘脑或小脑要换一套思路

谈深部经颅超声时，常有人问：“Morel、Oxford、DISTAL，哪张丘脑图最好？”先要问的是：方案中的目标究竟怎样定义。

Morel图谱提供丘脑核团的组织学和立体定向解剖参照。文献如果指定某个组织学核团，应先核对它使用的核团名称及边界体系。

Oxford丘脑连接图谱依据扩散影像估计丘脑各处与不同皮质区域的连接概率。它所描述的“与某片皮质联系较多的丘脑区域”，不能自动当成某个组织学核团。

DISTAL整合磁共振、组织学及结构连接资料，主要为深部脑刺激相关结构在标准空间中的定位提供参照。它可以帮助理解靶点附近的解剖关系；标准空间标签仍需在患者影像上复核。其原始用途也不能直接充当经颅超声方案的有效性证明。

THOMAS与上述固定图谱又不同：它是一种丘脑核团自动分割方法。原始方法采用有利于显示丘脑内部对比的白质信号抑制磁共振序列。只有普通T1时，不能假定会得到同等质量的核团分割结果。

目标若在小脑，可参考SUIT体系及相应的小脑概率图谱。小脑沟裂密集，使用针对小脑的配准方法，通常比只看常规全脑配准更能说明具体脑叶位置。

三、放到导航经颅磁里实际怎么选

做运动区先核查解剖再做个体功能测绘

以卒中后手功能障碍为例，先在患者影像上确认中央沟、中央前回、病灶及其周围结构。DK等解剖分区可以帮助记录位置；布罗德曼和HCP标签可以补充说明候选区域。

如果需要回答“这位患者的目标手部肌肉对应哪里”，就要按所用方案开展运动功能测绘，核查运动诱发电位、刺激位置与线圈姿态。脑损伤患者没有引出运动诱发电位时，应如实记录测绘未能确认热点，再依据适用的方案判断下一步；不能把群体图谱上的一点直接写成“个体运动热点”。

还要核查刺激的物理范围。经颅磁产生的电场受线圈位置和方向、头皮到皮质的距离、局部脑沟脑回形态等影响。导航屏幕上画出的区域边界，不是电场的边界。

做前额叶或其他非运动目标先还原原方案

“刺激左侧背外侧前额叶”仍不足以确定一个可复现的靶点。原研究可能使用头皮测量、固定坐标、影像解剖位置，或功能连接方法；这些方法得到的位置未必相同。

因此要先查明：原方案怎样定义靶点、怎样把它定位到个人、怎样复核线圈位置。HCP可以帮助描述皮质位置，Yeo等图谱可以说明网络背景；找到一个名称相近的标签，不等于复现了原方案。

吞咽、言语等非运动目标也要遵守这一原则。不能将运动区“寻找目标肌肉热点”的方法直接搬过去，更不能只凭一个布罗德曼编号开出刺激处方。

四、放到经颅超声里图谱只是定位的第一步

这里讨论的是低强度经颅超声神经调控。它与以热消融为目的的聚焦超声治疗，在目标、设备及规划要求上有所不同，不能直接照搬彼此的靶点和安全结论。

目标在皮质：先核对患者解剖及原方案的目标定义；需要更细的皮质描述时，可参考HCP。若方案按连接选择目标，还应确认连接依据来自群体图谱，还是患者本人的数据。

目标在丘脑等深部：先明确目标的完整名称，以及它依据组织学核团、连接分区，还是其他影像标准定义；再检查所选图谱、患者影像序列和配准结果能否支持这一定位。

之后还要独立完成声学规划与安全核查。颅骨会改变超声传播；图谱中的目标位置、实际声场覆盖范围和邻近组织暴露，需要结合设备及经验证的规划流程分别评估。图谱标中了核团，只完成了“想刺激哪里”的定义；声能是否按计划到达，以及干预是否带来功能改善，是另外两项问题。

五、康复医生究竟该学哪套

如果以常规神经康复为主，先学患者影像上的脑回、脑沟解剖，配合DK和常用布罗德曼编号。目标是能独立辨认中央沟周围结构、描述病灶位置，并看懂常见研究所说的大致脑区。

如果准备深入开展皮质导航神经调控，把HCP-MMP1.0作为进阶主线。无需背下所有标签；围绕自己实际开展的运动、言语吞咽或认知方向，弄清相关区域的位置、相邻结构、划界依据和局限。主要做运动区的医生，应优先练好功能测绘、运动诱发电位判读和导航质控。

如果工作进入脑网络分析，先用Yeo理解大网络，再按具体问题学习人脑网络组图谱或Schaefer分区。前者有助于理解区域的连接差异；后者与连接分析的区域选择密切相关。读懂群体网络图，不等于已经完成患者的个体连接分析。

如果参与深部经颅超声靶点决策，围绕具体核团学习Morel、连接图谱或其他专门资源，并补上个体影像核查和声学规划知识。这一阶段继续增加皮质图谱标签，解决不了深部核团和声场的问题。

六、如果手里只有一套3D T1报告怎么写

3D T1可以帮助观察患者解剖，并将图谱作为参照显示在患者影像上。报告应写清：用了哪套图谱及版本、目标依据什么确定、患者实际采集了什么数据、配准结果如何复核，以及哪些功能信息尚未测得。

例如，可以写：

在患者3D T1影像上核查中央沟周围解剖，参考HCP-MMP1.0群体图谱标注候选皮质区域。本次未采集可用于识别个体功能边界的多模态资料；该图谱标签用于区域描述。最终刺激点依据本次采用的定位方案及实际测绘结果确定。

若没有完成功能测绘，就把最后一句改为实际采用的定位方法，并明确其不确定性。影像显示了1毫米体素、精细图谱标签或一组MNI坐标，都不能据此声称刺激点的个体定位误差已小到1毫米。

康复医生学脑分区，最终要能回答三个问题：为什么考虑这里？这位患者已经核查到了哪一步？剩下的不确定性是什么？

主要参考文献

1. Desikan RS, Ségonne F, Fischl B, et al. An automated labeling system for subdividing the human cerebral cortex on MRI scans into gyral based regions of interest. Neuroimage. 2006;31(3):968–980. doi:10.1016/j.neuroimage.2006.01.021.

2. Destrieux C, Fischl B, Dale A, Halgren E. Automatic parcellation of human cortical gyri and sulci using standard anatomical nomenclature. Neuroimage. 2010;53(1):1–15. doi:10.1016/j.neuroimage.2010.06.010.

3. Rolls ET, Huang CC, Lin CP, Feng J, Joliot M. Automated anatomical labelling atlas 3. Neuroimage. 2020;206:116189. doi:10.1016/j.neuroimage.2019.116189.

4. Amunts K, Mohlberg H, Bludau S, Zilles K. Julich-Brain: A 3D probabilistic atlas of the human brain's cytoarchitecture. Science. 2020;369(6506):988–992. doi:10.1126/science.abb4588.

5. Glasser MF, Coalson TS, Robinson EC, et al. A multi-modal parcellation of human cerebral cortex. Nature. 2016;536(7615):171–178. doi:10.1038/nature18933.

6. Fan L, Li H, Zhuo J, et al. The Human Brainnetome Atlas: A new brain atlas based on connectional architecture. Cereb Cortex. 2016;26(8):3508–3526. doi:10.1093/cercor/bhw157.

7. Yeo BTT, Krienen FM, Sepulcre J, et al. The organization of the human cerebral cortex estimated by intrinsic functional connectivity. J Neurophysiol. 2011;106(3):1125–1165. doi:10.1152/jn.00338.2011.

8. Schaefer A, Kong R, Gordon EM, et al. Local-global parcellation of the human cerebral cortex from intrinsic functional connectivity MRI. Cereb Cortex. 2018;28(9):3095–3114. doi:10.1093/cercor/bhx179.

9. Morel A, Magnin M, Jeanmonod D. Multiarchitectonic and stereotactic atlas of the human thalamus. J Comp Neurol. 1997;387(4):588–630. PMID:9373015.

10. Behrens TEJ, Johansen-Berg H, Woolrich MW, et al. Non-invasive mapping of connections between human thalamus and cortex using diffusion imaging. Nat Neurosci. 2003;6(7):750–757. doi:10.1038/nn1075.

11. Ewert S, Plettig P, Li N, et al. Toward defining deep brain stimulation targets in MNI space: A subcortical atlas based on multimodal MRI, histology and structural connectivity. Neuroimage. 2018;170:271–282. doi:10.1016/j.neuroimage.2017.05.015.

12. Su JH, Thomas FT, Kasoff WS, et al. Thalamus Optimized Multi Atlas Segmentation (THOMAS): Fast, fully automated segmentation of thalamic nuclei from structural MRI. Neuroimage. 2019;194:272–282. doi:10.1016/j.neuroimage.2019.03.021.

13. Diedrichsen J, Balsters JH, Flavell J, Cussans E, Ramnani N. A probabilistic MR atlas of the human cerebellum. Neuroimage. 2009;46(1):39–46. doi:10.1016/j.neuroimage.2009.01.045.

14. Krieg SM, Lioumis P, Mäkelä JP, et al. Protocol for motor and language mapping by navigated TMS in patients and healthy volunteers; workshop report. Acta Neurochir (Wien). 2017;159(7):1187–1195. doi:10.1007/s00701-017-3187-z.

15. Siebner HR, Funke K, Aberra AS, et al. Transcranial magnetic stimulation of the brain: What is stimulated? A consensus and critical position paper. Clin Neurophysiol. 2022;140:59–97. doi:10.1016/j.clinph.2022.04.022.

16. Martin E, Aubry JF, Schafer M, et al. ITRUSST consensus on standardised reporting for transcranial ultrasound stimulation. Brain Stimul. 2024;17(3):607–615. doi:10.1016/j.brs.2024.04.013.

17. Murphy KR, Nandi T, Kop B, et al. A practical guide to transcranial ultrasonic stimulation from the IFCN-endorsed ITRUSST consortium. Clin Neurophysiol. 2025;171:192–226. doi:10.1016/j.clinph.2025.01.004.

18. Aubry JF, Attali D, Schafer ME, et al. ITRUSST consensus on biophysical safety for transcranial ultrasound stimulation. Brain Stimul. 2025;18(6):1896–1905. doi:10.1016/j.brs.2025.10.007.