2015年11月9日，清华-IDG/麦戈文脑科学研究院、清华大学医学院研究员洪波课题组和哈佛大学医学院麻省总院合作在《自然-神经科学》(Nature Neuroscience)在线发表题为《大脑皮层个体网络的划分》（Parcellating Cortical Functional Networks in Individuals）的研究论文，报道了采用功能磁共振信号迭代剖分实现大脑皮层个体功能网络划分的新方法，为癫痫、脑瘤等神经外科手术的精准规划以及神经疾病治疗新药的在体评估提供了准确无创的新路径。该研究由哈佛大学和清华大学等10多家研究机构合作完成。哈佛大学医学院放射影像系刘河生教授和清华大学医学院生物医学工程系洪波研究员是论文共同通讯作者。

大脑皮层由不同的功能网络组成，这些网络分别实现视觉、听觉、触觉、运动等与外界交互的初级功能，以及语言、注意、记忆等高级认知功能。不同个体的功能网络划分因为个体经历和遗传基因的不同，有显著的差异，高级认知功能网络在个体之间的差异更大。神经外科手术或者神经刺激治疗中，需要知道病人个体精准的脑网络划分，以免破坏重要的脑功能。传统的功能磁共振成像方法通常只能在群体水平上定量脑功能网络，难以准确刻画个体脑网络划分，因而无法在临床中广泛应用。

该项研究以平均脑网络的划分为先验知识，采用静息态磁共振或者任务态磁共振的自发信号，设计实现了一种稳健精准的网络迭代剖分方法，把个体大脑皮层划分为18个功能网络。采用这种新方法所得到的功能网络，对于同一个体在不同时间的测量非常稳定，而不同个体的差异性得到准确刻画，特别是语言、注意、记忆等高级功能网络。以临床神经外科手术中的直接电刺激得到的网络划分为标准，该剖分方法的敏感性和特异性显著高于传统任务态磁共振成像以及解剖标志点方法。该方法用于国际人脑连接组项目（Human Connectome Project）的数据，在个体水平上清楚地验证了大脑语言网络的偏侧化规律，发现注意网络也具有偏侧性,并且在左利手和右利手人群中有显著差异。该方法首次实现了个体脑网络的无创精确划分，将大大拓展功能磁共振在神经疾病的临床诊断和治疗上的应用，并为神经疾病治疗药物的研发提供了以个体脑网络为基准的定量评估方法。

洪波课题组把神经影像和神经电生理信号分析方法结合起来，专注于研究高级脑功能网络在感觉和认知过程中的动态变化，并应用于神经外科手术规划和脑机接口。最近该课题组和哈佛大学医学院麻省总院、清华大学玉泉医院左焕琮教授团队合作完成的病人手术前功能网络规划新方法也在神经影像学的顶尖期刊《神经影像》（NeuroImage）在线发表。