人脑在整个毕生发展过程中都在发生着结构性和功能性的变化。除了局部脑活动（功能分离）的变化以外，脑区/脑网络之间的相互作用（功能整合）也在不断地重组。在刻画功能整合的过程中，相较于传统的稳态方法，动态方法可以提供更加细致的描述。然而，主流的动态分析方法具有对先验参数敏感，时间分辨率低等不足。
近期我中心刘东强副教授团队在国际知名神经科学期刊Cerebral Cortex发表了论文Hidden Markov Modeling Reveals Prolonged“Baseline”State and Shortened Antagonistic Stateacross the Adult Lifespan。基于两批独立数据，该团队采用鲁棒性更强的隐马尔可夫模型方法，在隐状态空间发现脑自发活动存在更为精细且稳定的时空结构。其中“基线”状态的持续时间与状态转移概率随年龄增加而延长，而默认网络相关的状态呈现相反模式。研究结果与Niak等人（2017）采用计算模型提出的理论假设高度吻合。“基线”状态的发现及其与年龄的关系为该领域深入理解静息态脑活动的时空组织规律提供了新的视角，也为老化认知神经科学的发展提供了新思路。
图1 不同隐状态的平均激活图。其中状态10为“基线”状态
图2 不同年龄人群隐状态之间状态转移概率的差异（左：青年，中：老年，右：两组统计差异。）
