1.BRATS
解析：Multimodal Brain Tumor Image Segmentation Challenge.
2.glioma
解析：神经胶质瘤。
3.ISLES
解析：Ischemic Stroke Lesion Segmentation.
4.mTOP
解析：Mild Traumatic Brain Injury Outcome Prediction.
5.双相障碍
解析：双相障碍属于心境障碍的一种类型，英文名称为Bipolar Disorder（BP），英文别名Bipolar Affective Disorder，指既有躁狂发作又有抑郁发作的一类疾病。因未明，生物、心理与社会环境诸多方面因素参与其发病过程，目前强调遗传与环境或应激因素之间的交互作用、以及这种交互作用的出现时点在双相障碍发生过程中具有重要的影响，临床表现按照发作特点可以分为抑郁发作、躁狂发作或混合发作。
6.Attention Deficit Hyperactivity Disorder
解析：注意缺陷多动障碍（ADHD）在我国称为多动症，是儿童期常见的一类心理障碍。表现为与年龄和发育水平不相称的注意力不集中和注意时间短暂、活动过度和冲动，常伴有学习困难、品行障碍和适应不良。国内外调查发现患病率3%～7%，男女比为4～9：1。部分患儿成年后仍有症状，明显影响患者学业、身心健康以及成年后的家庭生活和社交能力。
7.人脑功能研究方法和技术
解析：在人脑功能研究的方法和技术层面上，功能指标度量、人脑功能连接组、人脑功能网络、人脑功能划分等都是常用的人脑功能研究手段。
（1）功能指标度量用来刻画局部脑区的功能一致性，主要的计算度量有坎德拉和谐系数（regional homogeneity，ReHo）、低频波动振幅（amplitude of low-frequency fluctuation，ALFF）等。其中，ReHo度量因具有鲁棒性强和计算简单的优点而受到研究者的广泛青睐。研究表明，ReHo的值不仅能够揭示脑区信息处理或功能等级的复杂程度，而且其个体差异与相应皮层的形态学差异也存在一定的相关性。更重要的是，ReHo度量具有较高的重测信度，能够可靠地反映大脑在不同状态下的神经活动及其特点。
（2）人脑功能连接组能在不同尺度上建立功能连接，并采用中心度等度量分析人脑功能连接网络的拓扑特性，进而揭示人脑内部的工作机理。
（3）与人脑功能连接组不同，人脑功能网络既重视功能连接模式的识别，又关注结点的产生及其特性。其中，中国科学院自动化研究所蒋田仔研究员所提出的脑网络组研究极大地推动了人脑功能网络研究的发展。
（4）人脑功能划分是一种通过分割大脑皮层研究大脑功能特性的方法。由于其产生的人脑功能子区域为人脑功能连接组和人脑功能网络提供了良好的结点抽象对象， 所以该方法在人脑功能研究中占据着更为基础性的地位。
8.fMRI原理
解析：神经细胞活动时需要消耗氧气，这些氧气是依靠神经细胞周围的微血管中的血红蛋白输送过来的。因此，当神经活动时，其附近的血流会增加以及时补充消耗掉的氧气，最终使局部的血液增加，促使血液中的含氧血红蛋白和脱氧血红蛋白的浓度发生改变。而脱氧血红蛋白是一种顺磁性物质，其浓度的变化会引起磁共振信号强度的变化。fMRI扫描仪以一定的时间分辨率对这种连续变化的磁信号采样，最终得到能够反映神经细胞（元）活动的时间序列。在核磁医学上，把由于含氧血红蛋白和脱氧血红蛋白浓度的变化而引起的磁共振信号的变化称为血氧水平依赖（blood oxygen level dependent，BOLD）效应，并把相应的磁共振信号也称为BOLD信号。
9.fMRI数据特点
解析：
（1）信噪比较低。神经细胞及其周围血管的状态不仅受到神经活动的影响，也受到呼吸作用和生理作用等非神经活动的影响。被试在扫描仪中的状态也会带来噪音， 比如头动、其他的思维活动等；扫描仪的匀场过程伴随着温度的上升。这些都会增加数据的噪音，降低数据的质量。
（2）数据维度较高。在脑成像时，fMRI会把大脑分割成数以万计的体素，然后以一定的时间分辨率不断对全脑采样（成像）。在fMRI数据处理中，一次全脑扫描通常被作为一个处理单元；而一个全脑的数据维数较高，会给程序操作带来困难，容易造成“维灾难”问题。
（3）数据分布差异较大。对不同被试来说，大脑形状和体积的差异是比较大的。这就使得不同被试的大脑数据在对应切片上和全脑上都有不同的分布，可能会给数据处理和所得结论的有效性带来不利影响。
说明：在处理fMRI数据之前，先对其做预处理。这样既可以提高数据的质量，也可以减轻个体差异带来的不利影响。
10.人脑功能研究尺度
解析：人脑功能研究可以在不同尺度上进行，目前大致可以分为微观尺度、中（介）观尺度和宏观尺度。在微观尺度上，研究者采用膜片钳记录、微电极细胞内或细胞外记录等方法，力图从神经元的相互作用而引起神经系统状态的变化揭示人脑活动的规律。在中（介）观尺度上，利用场电位记录和光学成像等方法研究大脑的皮质柱（功能柱），试图在较大的尺度上研究脑功能的组织性。在宏观尺度上，研究者通常以人脑功能区域为基本操作单位，揭示全脑或较大区域的功能活动规律。相比之下，宏观系统层面上的人脑功能研究不但能够得到较为合适的数据量，研究的结果也能够较好地表征生物学含义；而且大脑中的基本功能是由局部区域内的体素协同完成的。
11.fMRI人脑功能划分条件
解析：
（1）人脑功能亚区内的体素信号与其之外的体素信号相比具有更强的一致性；
（2）人脑功能划分产生的脑功能亚区两两互不相交。
12.人脑功能划分（随机效应）
解析：根据划分操作时数据来源的被试数量和是否考虑随机效应，人脑功能划分可分为单被试水平（subject-level）人脑功能划分和组水平（group-level）人脑功能水平划分。单被试水平人脑功能划分以某个被试的fMRI数据为输入，无需考虑随机效应，最后得到该被试的脑功能亚区。因此，单被试水平人脑功能划分是对某个被试的脑功能亚区及其分布的反映，有利于做个体化的研究与应用，如脑疾病诊断与治疗等。组水平脑功能划分同时输入多个被试的fMRI数据，要考虑到组内被试间的变化（随机效应），对其做组化处理，得到组水平的脑功能亚区。组水平脑功能划分相对于单被试水平脑功能划分更具有一般性，因此具有更强的推理能力，有利于得到更加普适有效的结论。
13.人脑功能划分（状态角度）
解析：从采集数据时被试所处的状态角度，人脑功能划分可以分为静息态人脑功能划分和任务态人脑功能划分。用于静息态人脑功能划分的fMRI数据是被试在静息态下采集的，采集成本低，也比较适合于病人和小孩，因此基于静息态数据的人脑功能划分近年研究得比较多。静息态人脑功能划分是自发神经活动下对脑区做功能划分，得到相应的功能图谱；静息态是大脑的一种稳定状态，因此静息态人脑功能划分比较适合研究与脑疾病相关的脑区的演变。任务态下fMRI数据的采集要求被试在扫描过程中完成预先设计的任务，如看图片、听语音等，任务的复杂性影响数据采集的质量。任务态人脑功能划分通常是研究人脑在某个特定任务下的活动特征，了解脑区的活动特点，并得到相应的脑激活图谱。综合静息态人脑功能划分和任务态人脑功能划分，研究者可以得到不同状态和不同任务下大脑功能的特点，从而可以更加全面深入地揭示大脑的功能机制。
14.人脑功能划分（空间尺度）
解析：空间尺度上，人脑功能划分可以分为局部脑区功能划分和全脑功能划分。局部脑区功能划分是大脑的某个局部区域的功能划分，如脑岛、杏仁核、视觉皮层、初级运动区等。局部脑区功能划分是把功能混合的较大脑区划分为功能一致性更强的功能亚区，反映了局部脑区的功能分布，具有更强的针对性。因此，局部脑区功能划分可以研究与脑疾病相关的脑区，及时发现脑区的异常变化，对脑疾病的预防和诊断具有重要意义。全脑功能划分是对全脑做功能划分，可以得到全脑的功能亚区，并把全脑的功能亚区及其分布称为全脑功能图谱。全脑功能图谱是对全脑功能区域分布的表示，可以使研究者在全脑范围上对大脑功能组织性有一个更深刻的理解。因此，全脑功能划分既可分析全脑的功能特性，又能促进脑功能应用的发展，在人脑功能研究中占据着重要的地位。
15.基于fMRI数据的人脑功能划分方法
解析：根据所采用的计算模型和机理的不同，面向fMRI数据的人脑功能划分方法可以分为聚类的划分方法和非聚类的划分方法。聚类的划分方法又可分为基于划分聚类的划分方法、基于层次聚类的划分方法、基于模糊聚类的划分方法和基于谱聚类的划分方法；非聚类划分方法又可分为基于概率分布模型（probability distribution models，PDM）的划分方法、基于字典学习的划分方法、基于区域增长的划分方法和基于自组织映射（self organizing map，SOM）的划分方法。
16.基于字典学习的划分方法
解析：基于字典学习的划分方法首先通过某种学习框架得到具有较强表达能力的字典，把研究对象表示成字典元素的组合，并通过体素强度阈值或功能模式等得到人脑功能亚区。
17.人脑功能划分的应用
解析：
（1）人脑功能划分产生的人脑功能区被抽象为结点，用于人脑功能网络的创建。
（2）人脑功能划分用于人脑疾病的研究和诊断。
（3）人脑功能划分被用于预测被试的状态。
18.探索fMRI数据与其他影像数据相融合的多模态人脑功能划分方法
解析：
迄今为止，出现了一些常用的核磁影像技术，如EEG，MEG和fMRI等。但是每一种核磁影像数据仅从一个侧面反映了大脑的某种特性，而且又有各自的优缺点。例如，EEG通过电极上电势的变化反应大脑皮层活动的电位变化，具有毫秒级的时间分辨率；但不能精确定位与记录相应的头皮空间的位置，给算法处理和解释带来不便。MEG使用的磁场经过组织和头骨时不会发生扭曲，但是MEG信号的噪声效应比较大，其分析时间也比较长。尽管fMRI是具有操作简单和易于重复等优点，但也存在维度高和信噪比低的缺陷。因此把这些影像数据有机结合起来实现对人脑功能划分的多模态研究，不仅可以充分利用各种影像技术的优势，增强研究结果的正确性和说服力，加快人脑研究的步伐，也有助于人脑疾病的研究，进而提高其诊治水平。然而，每种核磁影像技术测量神经活动的机理和数据特点不同，处理方法也有差异，因此如何建立多种神经影像数据的融合模型是目前研究的一个难点，也是未来从信息融合的角度揭示人脑功能奥秘的一个热点方向。
19.大脑皮质
解析：大脑皮质（cerebral cortex）是大脑的表层，由灰质构成，其厚度约为1到4mm，其下方大部分则由白质构成。大脑皮质的主要功能就是交换产出样本，样本点亮丘脑的丘觉产生意识。大脑皮质有着极其强悍的样本操作功能，包括样本的分析、存储、产出，这都是通过交换实现的。大脑皮质不同的脑叶或功能区参与不同的功能系统，每个功能系统的脑叶或功能区都能独立交换产出样本，进而点亮丘觉产生多个独立的意识。各个意识相互作用导致心理活动。
20.医学图像配准
解析：医学图像配准是指对于一幅医学图像寻求一种（或一系列）空间变换，使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上有相同的空间位置。配准的结果应使两幅图像上所有的解剖点，或至少是所有具有诊断意义的点及手术感兴趣的点达到匹配。
参考文献：
[1] The human brain functional parcellation
based on fMRI data：http://engine.scichina.com/publisher/scp/journal/CSB/61/18/10.1360/N972015-01057?slug=full%20text
[2] 聊聊脑成像中“大脑图谱”：http://www.15yan.com/story/8YeheDleFwC/?f=wx&from=timeline&isappinstalled=0