脳の白質における線維結合の研究は.これまで主に解剖学的染色によって行われてきた。 しかし.この方法は侵襲的であるため.動物実験にしか適しておらず.生きているヒトの脳の研究には使えない。 拡散MRIの台頭により.脳の内部組織構造に損傷を与えることなく.生きたヒトの脳の白質線維を非侵襲的に調べることが可能になった。 拡散MRIの原理は.主に水分子の拡散特性に基づいている。 水分子は有髄線維のミエリン鞘に自由に出入りできないため.有髄線維中の水分子の拡散形態は高度な異方性を示す。 この技術を用いると.与えられたボクセル内の異方性の大きさを測定することができ.髄鞘化の程度や線維束の完全性を間接的に反映することができる。異方性の方向に基づいて.線維束の方向を追跡することができる。 拡散磁気共鳴画像法に基づく線維追跡技術は.非侵襲的な方法で白質線維路の変化を観察するために.健常集団や精神神経疾患患者の研究で広く用いられてきた。 しかし.ヒトの脳における構造的結合ネットワークの組織パターンを研究するために.拡散磁気共鳴画像法と線維追跡法を用いることは.まだ予備段階にすぎない。 2007年.Hagmannらは拡散磁気共鳴画像法を用いて2人の被験者の構造データを解析し.約1000個のノードを持つ個人ベースの脳構造結合ネットワークを構築し.そのネットワークが「スモールワールド」の特徴を持ち.ノードの次数分布がべき乗則分布に従うことを示した。 その後.Ituria-Medinaらは.拡散強調MRIを用いて.20人の被験者の重み付きヒト脳構造ネットワークを構築した。 この研究では.先験的な脳アトラスを用いて脳を90の脳領域に分割し.任意の2つの領域間の結合確率を測定することで.脳の構造ネットワークを構築した。 ネットワーク解析の結果.脳ネットワークは「スモールワールド」の性質を持ち.脳領域のノード次数分布は指数関数的に切り捨てられたべき乗則分布に従うことが明らかになった。 さらに.ネットワークの中核となるノードは.主に扁桃体.楔前部.島皮質.上頭頂葉.上前頭回に分布していることがわかった。 2008年.Gongらは.80人の被験者から大量の拡散テンソル磁気共鳴データを収集し.同じ脳マッピングを用いて各被験者の大脳皮質を78の領域に分割し.脳領域間の線維結合数に妥当な閾値を設定して各被験者の脳構造ネットワークを確立し.80人の被験者の平均脳構造ネットワークを求めた。 ネットワークを解析した結果.ネットワークは「スモールワールド」ネットワークであり.ノードの次数分布は指数関数的に切り捨てられたべき乗則分布に従うことがわかった。これは.Ituria-Medinaらによる拡散MRIを用いた脳ネットワーク研究と一致する。 さらに.この研究では.ネットワークの中核となるノードは脳の皮質結合領域に多く分布していたが.最も中心的な領域は楔前部と内側前頭葉領域であった。 ネットワークのコアとなる接続のほとんどは.異なる半球間あるいは同じ半球の異なる脳領域間に分布するコア・ノードに接続されており.脳機能の分化と統合の構造的基盤を提供している。 同年.Hagmannらは.拡散スペクトルイメージング（DSI）法を用いて.5人の被験者のそれぞれ998個と66個の脳領域を含む重み付き脳構造ネットワークを構築し.ネットワークのノード次数.中央値中心性.ノード効率を計算することにより.脳構造ネットワークの中核領域をさまざまな観点から記述した . ノード次数計算の結果.ネットワークの中核となるノードは内側頭頂葉.内側前頭葉.上側頭回などに集中していることが示された。中央値中心性.ノード効率解析の結果.ネットワーク上の情報伝達の中心点は主に大脳皮質の内側領域.例えば楔前部や後帯状回などに位置していることが示された。 さらにネットワークのモジュール性を解析した結果.脳構造ネットワークは6つのモジュールに分けられ.異なるネットワークモジュールをつなぐ脳領域（コネクター）は主に前帯状回や楔前部などに分布し.モジュール内のコアノードは前頭葉.側頭葉.後頭葉に分布していることが明らかになった。 最近.LiらはDTI技術を用いて.人間の知能と脳構造ネットワークの特性との関係を調べた。 研究者らはまず.Wechsler Adult Intelligence Scaleに基づいて被験者79人の総合的な知能スコア（FullScaleIQ.FSIQ）を評価・記録し.Gongらによって提案された決定論的追跡技術に基づく脳構造ネットワークの構築法に基づいて.被験者個人の脳構造ネットワークを求めた。 脳構造ネットワークの属性を算出し.被験者のFSIQスコアとの偏相関分析を行った結果.脳構造ネットワークの属性はFSIQスコアと有意な相関があることがわかった。すなわち.被験者の知能スコアが高いほど.脳ネットワークはより多くのエッジを持ち.平均最短パス長は短く.ネットワークはよりグローバルに効率的であった。 これらの結果から.個人の知能レベルは脳構造のトポロジーと有意な相関があり.効率的な脳構造のネットワークを持つ被験者は知能レベルが高い傾向があることが示唆された。 また.Yanらは.Gongら[35]が提案した方法を採用し.脳構造ネットワークと性別.脳容積.知能レベルとの関係を調べたところ.女性被験者の脳構造ネットワークの局所効率は男性被験者に比べて有意に高く.女性では.脳構造ネットワークの局所効率と脳容積はともに知能レベルと有意な負の相関を示した。 最近.Gongらは.確率的ファイバートラッキングに基づくアプローチでヒトの脳の構造的結合ネットワークを構築し.脳構造ネットワークの位相幾何学的特性に及ぼす年齢と性別の影響を調べた。 その結果.脳構造ネットワークの結合密度と大域的な効率は加齢とともに徐々に低下し.効率の低下が最も顕著な領域は頭頂葉に集中する一方.前頭葉と側頭葉では効率が上昇する傾向を示した。 同時に.女性の脳構造ネットワークは男性に比べて結合効率が高いこともわかった。 拡散磁気共鳴画像法によって得られたデータから得られる情報は.個々のヒトの脳の白質線維を非侵襲的に再構成することができるため.脳領域間の白質線維の構造的な位置や歩行特性を明らかにすることができる。 したがって.形態学的指標に基づく脳構造ネットワークと比較して.拡散磁気共鳴データに基づいて構築された構造ネットワークは.脳領域間の実際の構造的結合をより直感的に描写することができる。 しかし.磁気共鳴イメージング装置やイメージング技術の限界により.脳白質線維の再構成にはまだ多くの問題がある。 例えば.既存の線維追跡法（例えば.決定論に基づく追跡法）では.交差した線維や長い線維の再構成が依然として困難であり.その結果.脳領域間の接続の一部が失われてしまう。一方.確率論に基づく線維追跡法では.上記の困難を克服できるものの.存在しない擬似的な接続を再構成してしまうことが避けられない。 したがって.いかに正確に白質線維を再構成するかが.拡散磁気共鳴画像に基づく脳構造ネットワークを構築するための鍵となり.拡散磁気共鳴画像技術の研究における中核的課題の一つでもある。