三维脑连接信息的可视化对于建立脑认知模型并最终理解脑工作机制至关重要。16 世纪意大利艺术家 Giuseppe Arcimboldo 曾神奇地把蔬菜、水果和花组合成人像，犹如几十种不同的化学元素最终能组成人体。人类依据还原论思想，成功地对自然界加深了认识，然而另一方面，也需要整体论或系统论思想的指导。如何实现对海量脑连接大数据的准确展示，将是脑科学研究面临的重大挑战。

脑空间信息数据量巨大，技术体系涉及大数据存储与传输，在数据结构、数据压缩、云存储等多方面都需要技术支撑[37~41]。此外，在数字化方面，需要运用和发展现代数字图像处理、云计算、统计学、机器学习等技术；在知识化方面，需要借鉴和采用数据挖掘、数据库、情报学等技术；在可视化方面，则需要运用和发展计算机图形学、虚拟现实等技术。

关键科学问题主要包括：(ⅰ) 如何灵活运用专家介入和自动化技术，在复杂大数据中实现脑空间信息准确而高效的数字化？(ⅱ) 如何应用虚拟现实等技术，对时空变化过程中获取的大数据进行交互式可视化？(ⅲ) 如何利用有限的计算资源，实现对大数据的存储、传输、运算和呈现？

脑连接时空信息特征的提取与模拟

主要内容是通过整合多模态、跨层次、多尺度的全脑高时空分辨信息，模拟特定功能(运动、视觉、听觉、情感、记忆等)神经环路和网络的时空动态过程，进行空间上的形态分析、时间上的过程分析和发生上的因果分析，实现对脑空间信息的定性解译和定量反演，揭示脑连接的时空变化规律，进而实现全脑的功能模拟，为类脑和智能技术提供全新的理论基础。

采用全脑网络可视化（visible brain-wide networks, VBN）技术测绘的小鼠桶状脑皮层发现[22]，同一脑区存在多种形态的神经元，其投射模式也不一样，有局部，也有长程。如图2(A) 所示，总线有限的数据传输速率被称为“冯·诺依曼瓶颈”，显然，脑信息处理的机制是完全不一样的，但实际情况是什么？不同脑区之间如何实现信息交互？是图2(B) 所示的具有少量捷径连接的小世界网络[42] 吗？需要在全脑范围、运用系统生物学思想来研究这个问题，通过建立跨层次多尺度模型，模拟并最终认识脑连接的基本规律。

图2 脑网络连接与小世界网络的对比

技术体系中，需要采用对所获得的数据进行解析和理解的方法，包括统计信号处理[43]、高维数据分析[44]、大数据处理[45] 等，而对所理解的知识进行建模的方法，则包括统计建模[46]、机器学习[47]、深度学习[48] 等。

关键科学问题主要包括：(ⅰ) 如何从多模态跨层次多尺度和多维度的脑连接大数据中，揭示特定脑功能的时空变化规律？(ⅱ) 如何针对类脑研究的需求，构建脑空间信息的数学模型？

大数据时代的脑空间信息学

大脑非常复杂，全面理解大脑必将带来多层次、多模式的海量数据。例如，基于 MOST 成像技术，以微米体素分辨率采集一个完整小鼠脑的数据量达 8TB[6]，如果是荧光图像数据量则更大[22]。对于人脑而言，若以相同体素分辨率采集，预计数据量将达到 11PB，相当于 20 万部 4K 高清电影，或 500 家三甲医院产出的全年数据。如果用正在普及的 10M 宽带，仅数据传输就需要耗时 300 年。此外，脑研究中数据类型具有多样性，atv，维度、深度、密度、数据结构、压缩方式，以及所代表的物理量及其对应的生物信息量各不相同。因此，脑研究产生的海量数据必将对数据处理、存储、分析、管理和共享等方式带来全方位的挑战。

数据的计算、存储、传输等技术的需求从某种意义上来讲具有“大数据”的共性，但如何科学地组织、共享和管理这些神经信息数据，提高数据的使用率和价值，是对现代信息技术特别是计算机技术提出了前所未有的巨大挑战[49]。大数据的计算离不开高性能计算领域的参与，欧盟“人类脑计划”在巨型计算机上对人脑建模[50]，通过超级计算机描绘和模拟大脑神经元活动的海量数据，对大脑的功能和活动进行模拟。美国“脑计划”也将建立大规模神经信息数据计算平台列为重要任务之一[51]。

大数据时代，开展脑空间信息学研究正当时，机遇与挑战并存。

脑空间信息学的应用