研究方向

我们的实验室聚焦于脑图谱与类脑智能 - 将神经科学与人工智能相结合，理解大脑机制并开发下一代人工智能系统。

结合多模态脑成像技术和连接组学方法，绘制从出生到衰老、从发育到疾病的全生命周期人脑图谱。

通俗解释：从0岁到100岁，用多种脑成像技术给每个人画"个人专属脑图"，看大脑区域怎么慢慢长大、变老、生病，找到需要"修理"的关键位置。

🎯 研究目标

  • 精细功能分区：利用多模态神经影像精确绘制皮层及深部核团的功能边界
  • 时空演化规律：通过发育、老化与疾病纵向队列，量化脑结构与功能的时空变化模式
  • 个体化脑模型：构建个人专属脑网络模型，锁定临床干预的关键靶点

🔬 核心技术

  • 多模态脑成像（sMRI、fMRI、dMRI、MEG）
  • 连接组学与网络分析
  • 纵向队列研究
  • 个体水平脑分区

🏥 临床应用

神经发育障碍

诊断与干预

神经退行性疾病

早期检测

精准医疗

个性化治疗

📊 代表性工作

  • Li et al. (2025). 人脑网络拓扑组织. Nature Neuroscience.
  • Zhang et al. (2023). 脑连接与认知功能的关联. Science Bulletin.

建设一站式脑图谱大数据平台，整合跨模态、多尺度脑图谱数据，训练"脑科学基础模型"。

通俗解释：成千上万张脑图叠成一座"脑图知识库"，让人工智能模型学里面的规律，模拟大脑怎么思考，也预测疾病会怎样变化。

🎯 平台特色

一站式整合

统一平台汇聚多模态脑图谱数据

跨模态数据

整合结构、功能、分子、遗传数据

多尺度分析

从分子到系统水平

🤖 脑科学基础模型

  • 大规模训练：在脑图谱大数据上训练AI模型
  • 认知仿真：实现脑认知功能模拟与预测
  • 疾病建模：建模疾病进展与治疗反应
  • 药物研发：通过AI优化治疗方案

🔬 研究应用

  • 大脑认知功能仿真
  • 疾病进展预测
  • 药物研发与优化
  • 群体水平脑图谱绘制

📊 代表性工作

  • Ma et al. (2024). BAINet: 类脑AI网络架构. NeuroImage.
  • Zhang et al. (2025). 基于连接组的人类认知建模. Cerebral Cortex.

用真实的脑图谱、连接和网络数据来约束和启发深度学习架构，构建"结构-功能-行为"闭环框架。

通俗解释：用真实大脑的"接线图"来设计人工智能，让AI也像人脑一样有记忆、会说话、能决策，而且可以解释AI为什么这样思考。

🧠 脑约束的AI

  • 解剖约束：用真实脑连接设计神经网络架构
  • 功能引导：借鉴脑功能组织改进AI模型
  • 生物学合理学习：受大脑机制启发的学习算法

🔬 研究聚焦领域

语言处理
  • 语言网络绘制
  • 类脑语言模型
  • 语义处理神经基础
记忆系统
  • 记忆编码/提取
  • 海马-新皮层交互
  • 类脑记忆AI系统
决策制定
  • 多巴胺调控
  • 价值选择建模
  • 行为经济学应用

🌟 迈向可解释AGI

可解释性

基于神经生物学的AI模型

可演化性

像生物大脑一样适应学习

鲁棒性

对扰动更具抗性

📊 代表性工作

  • Yang et al. (2025). 使用图神经网络识别认知状态. eLife.
  • Zhang et al. (2025). 基于连接组的人类认知建模. Cerebral Cortex.

🌟 研究理念

从脑到AI

用神经科学发现构建更好的AI系统

从AI到脑

应用AI工具理解大脑功能

临床转化

将基础研究转化为临床应用

🏆 研究成果

40+

高影响力期刊论文

3,800+

论文引用次数

46

中国国家专利

8

国际专利

🤝 合作网络

全球合作伙伴
  • 德国于利希研究中心
  • 加拿大麦吉尔大学
  • 加拿大蒙特利尔大学
  • 中国科学院

💡 加入我们

招贤纳士！

寻找对脑图谱和类脑AI充满热情的研究人才

查看招聘职位 →

最后更新: 2025年10月26日