一种新颖的时空分解与稀疏方程识别方法用于人体脑变形

为什么轻微碰撞会摇动大脑

当你轻轻撞到头部时，大脑会在颅腔内以复杂的方式摆动，这种运动难以观察和预测。医生和工程师希望能用一种简洁的描述来刻画这种运动，因为它有助于改进头盔、汽车安全设计以及头部受击后的医学诊断。本研究提出了一种新的数据驱动方法，利用高级MRI扫描中记录的受控小幅头部运动，将大脑复杂的内部运动浓缩为少量基本模式和方程。

把复杂运动化简为简单模式

许多表面看似混沌的物理系统——从海浪到旋转气流——实际上由少量占主导的重复模式支配。作者将这一思想应用于人脑，提出了名为TASC-DMD的框架，输入时空变化的测量数据并将其分解为若干重复出现的“模态”，每个模态都有自身的节律。该方法不依赖于详尽的手工物理模型，而是直接从数据中学习，旨在找到在保留关键运动特征的同时尽可能简单的描述。

从MRI影像中读出运动的新方法

团队先在一些已知正确解的经典物理问题上测试该方法：数学方程中的行波、流体中圆柱下游的旋涡以及作为脑组织替代物的凝胶柱的摆动。在每种情况下，TASC-DMD不仅恢复了预期的模式和频率，而且在噪声和数据有限的条件下比常用方法更健壮。这增强了人们对其在更复杂真实数据（如人体头部内部运动）上可靠性的信心。

在活体大脑中发现隐秘节律

关键测试是一组三维MRI影片，记录了45名志愿者在轻微、受控的头部运动（点头类或扭转类）过程中大脑的变形。研究者从这些扫描中计算出大脑每一小区域随时间的拉伸与剪切，构建出丰富的四维内部应变图像。利用TASC-DMD，他们发现这庞大的数据集可以用仅三个主导的变形模式良好描述，每个模式在约7–15次/秒的特征频率范围内振荡。令人注目的是，这三种基本节律在所有受试者和两类加载条件下都保持一致出现。

为大脑运动建立简洁方程

为了超越单纯的模式发现，作者使用第二种工具SINDy，搜索能重现这三种模式随时间变化的最简数学方程集。在从45人中选取的36人数据上训练后，结合的TASC-SINDy模型仅以剩余9人群体的初始状态为输入，就预测了其完整的三维应变模式。预测得到的大脑变形在局部细节与整体行为上都与MRI测量值高度一致，尽管模型极为紧凑。这表明，尽管大脑对轻微冲击的机械响应很丰富，但其动力学低维可描述，可通过少数相互作用的模态捕获。

这对脑部安全与其他领域意味着什么

通过揭示轻微冲击下复杂的大脑运动可被归约为三种可重复的模式和一小组主导方程，这项工作表明头部损伤风险最终可能用简化模型而非大规模仿真来评估和预测。只要有丰富的时空数据，同一框架还可应用于其它复杂系统——从流体到工程材料。本质上，该研究提供了一种强有力的新途径，让数据本身揭示规则，从看似纠结的运动中发现简单法则。

引用: Arani, A.H.G., Alshareef, A.A., Pham, D.L. et al. A novel spatiotemporal decomposition and identification of sparse equations for human brain deformation. Sci Rep 16, 14468 (2026). https://doi.org/10.1038/s41598-026-41995-1

关键词: 脑生物力学, 创伤性脑损伤, 动态模态分解, 数据驱动建模, 标记MRI