0 引言

       脑可塑性在脑卒中康复中尤为重要，因为脑卒中会导致显著的脑功能损伤和结构改变，而脑卒中的康复过程即结构的恢复及功能的改善均建立在脑可塑性原理的基础之上。脑卒中后主要分为急性期、恢复期及后遗症期三个阶段，其中脑卒中恢复期机体的神经可塑性最强^[1]。fMRI在急性期可以评估脑损伤程度和范围、预测康复潜力；在康复期可以监测脑功能重组、指导康复治疗、评估康复效果并根据评估结果调整康复方案；在后遗症期可以通过fMRI研究脑卒中后遗症患者的脑功能变化，揭示康复机制，为开发新的康复治疗方法提供依据。有学者认为功能性脑网络的重组是脑卒中患者恢复运动和认知能力的关键，个性化干预和早期康复干预能够有效提升神经可塑性^[2]。此外，新兴治疗方法如脑机接口、健侧第七颈神经移位术、脑刺激和细胞治疗也显示出对脑可塑性的促进作用。未来的研究应更加关注个体差异和机制探讨，以制订更有效的康复策略，提升脑卒中患者的生活质量。近年来，随着基础研究的进步，将对脑卒中后的治疗与康复提供更多的理论支持，而常规和先进的MRI技术一直以来都是评估脑卒中病情及预后的首选方法，特别是近年来fMRI技术的进步，给临床研究人员提供了无创评估脑功能的方法。本文综述了脑可塑性在脑卒中康复期的fMRI研究进展，重点探讨了脑结构与功能之间的关系、神经重组的机制以及如何通过不同的康复策略来促进功能恢复。

1 脑可塑性原理及研究背景

       脑可塑性也被称为神经可塑性，是指我们的大脑可以对环境和经验等刺激做出适应性的变化，来塑造大脑结构和功能的一种能力，它分为结构可塑性及功能可塑性。脑损伤后，这些神经可塑性变化可能是适应性的，也可能是非适应性（抑制性）的，无论是否进行康复治疗，这些变化都会发生，但并不是所有的康复干预都能增强脑可塑性^{[3, 4]}。我们重点研究如何最大限度地提高适应性神经可塑性，同时最大限度地减少非适应性的可塑性，被称为应用神经可塑性。脑卒中不仅导致大脑的结构损伤，还影响其功能，进而影响患者的运动和认知能力。脑可塑性可以通过各种治疗手段进行激发和增强，从而促进功能恢复和生活质量的改善^[4]。脑卒中后，患者常常经历显著的脑功能重组，这一过程涉及神经通路的重新连接和新的神经网络的形成，这种重组不仅有助于恢复运动功能，还可能影响认知和情感处理等多方面的能力^{[2, 5, 6]}。由于脑卒中患者可能存在广泛的脑区和神经网络受损，研究脑区结构和功能相互作用的综合网络可能比研究局部神经网络以了解卒中病理机制更有价值。

1.1 脑卒中后脑功能可塑性变化

       脑卒中后患者的功能连接（functional connectivity, FC）发生了显著变化，尤其是在损伤半球的对侧区域。这种连接性变化可能反映了大脑对损伤的适应和重组过程，尤其是在一些神经网络较为密集的区域。此外，研究还发现FC的变化与患者的临床表现密切相关。在一项使用功能电刺激（functional electrical stimulation, FES）的研究中通过fMRI调查了FES对大脑有效连接性差异的影响，发现FES相关的神经可塑性支持了运动控制的主动推断，这表明脑的重组与运动控制密切相关^[7]。BINDER等^[8]研究发现卒中患者运动的神经活动水平与残余运动功能呈正相关，并指出上肢和下肢功能恢复的机制可能存在差异，这为针对性康复策略提供了依据。有学者认为在脑卒中康复过程中，运动改善程度总体上似乎与大规模注意网络的连接性最相关，注意力网络潜在地代表了对卒中恢复的自上而下的组织影响，在保持能量代谢的同时，在运动网络中维持执行信号连通的效率^[9]。而LEE等^[10]则认为，脑卒中对运动网络的损伤越大，认知相关网络在运动恢复中的作用越重要。此外，脑损伤的不同区域对功能恢复的影响存在区域特异性，尤其是在运动功能的恢复过程中，FC的动态变化与患者的预后密切相关^{[8, 11]}。

1.2 脑卒中后结构可塑性变化

       脑卒中后脑结构的变化是脑可塑性的重要表现之一，尤其是在皮质脊髓束（corticospinal tract, CST）的可塑性变化上。皮质卒中可能出现树突增生、突触形成等结构重塑，促进功能代偿；皮质下卒中常累及白质纤维束，导致连接中断，影响远端皮层功能；脑干是神经网络的重要中继站，卒中可能导致广泛神经网络破坏。CHEN等^[12]的研究进一步探讨了脑卒中患者的运动功能与结构变化之间的关系，发现受损侧的初级运动皮层（primary motor cortex, M1）与其他脑区之间的结构互动显著增强，这种变化与运动功能的恢复密切相关。患者的M1和其他运动相关脑区之间的结构共变模式显示出重组，这一现象可能是脑卒中后运动功能改善的重要机制之一。值得指出的是，脑卒中后不仅局部受损区域的连接性遭到破坏，远端的神经网络也会发生重组，造成功能的部分恢复。PALLAST等^[13]的研究通过定量分析发现，损伤引起的神经元断连不仅影响了受损区域的功能，还促使其他未直接受损的区域进行适应性重组，如跨半球FC增强，以尝试弥补功能缺失。这种跨区域的重组对脑卒中患者的康复过程至关重要。SCHEVENELS等强调，白质连接的破坏与脑卒中后失语症患者的语言恢复存在负相关，表明脑的白质神经可塑性在语言功能恢复中发挥了关键作用^[14]。总之，脑卒中后的结构可塑性主要体现在CST的变化及其与运动功能之间的关系，表明脑卒中后大脑具有一定的自我修复能力，这为脑卒中康复提供了重要的理论基础和临床指导。

1.3 脑卒中后结构可塑性变化与功能可塑性变化的关系

       脑结构与功能之间存在密切的关系，脑部的功能重组和结构性变化是一个重要的研究领域。FC被认为可以反映大脑的结构连接，而结构连接对大脑内的FC又具有高度的可预测性，这两种连接性模式在全脑网络中显示出很大的空间相似性。关于脑结构变化与功能恢复之间的关系，已有多项研究提供了重要的证据。TEWARIE等指出，功能性脑网络受限于其基础结构网络，但功能网络并非单纯的结构网络的反映，而是受到多种因素的影响^[15]。在脑卒中康复的过程中，了解这些神经重组的机制至关重要。ZHANG等的研究表明，随着康复治疗的进行，结构性变化在大脑皮层运动通路中是动态的，且随着时间的推移，受损侧的神经通路逐渐恢复功能^[16]。这种动态变化不仅反映了脑可塑性的存在，还为制订个性化的康复方案提供了依据。值得注意的是，JOHNSON和COHEN讨论了神经可塑性在多种情况下的表现，研究强调了如何最大化适应性神经可塑性，同时最小化可塑性抑制，这为脑卒中康复的治疗方案提供了新的视角^[17]。理解脑结构与功能之间的关系，以及如何在治疗中最大限度地利用这一可塑性，是未来研究的关键方向。

       通过结合神经科学的最新发现与临床实践，我们能够更有效地推动脑卒中患者的康复进程。ZHU等^[18]指出，运动功能和认知能力的恢复与运动通路的结构可塑性密切相关，运动皮质的结构变化能够预测康复效果。具体而言，功能恢复通常与皮质脊髓束的完整性和重塑过程相关，尤其是在卒中后早期阶段。此外，FRUHWIRTH等^[19]强调了白质完整性和FC在急性卒中患者中的重要性，他们发现这些因素能够预测三个月后的认知结果。XING等^[20]总结了运动引起的神经可塑性的机制，包括神经生长因子的增加和突触结构与功能的改善，这些都可能有助于脑卒中后的恢复。SU等^[21]则探讨了多种新兴治疗方法，包括现代康复、脑刺激和细胞疗法等，这些方法通过改善脑的重塑和恢复来提高临床疗效，增强了治疗诱导的可塑性。总之，脑可塑性在脑卒中康复中的重要性体现在其能够促使大脑通过重组和适应来恢复功能。总体来看，结构性变化和功能恢复之间的关系复杂而多样，涉及神经可塑性的多个层面。这些发现为脑卒中后康复的评估和干预提供了新的思路，也强调了在临床实践中关注这些变化的必要性。

2 fMRI技术在脑卒中大脑可塑性中的研究现状

       fMRI有广义和狭义之分，所有能够反映脑功能的成像技术均可以称作广义的fMRI成像，包括了扩散MRI（diffusion MRI, dMRI）、动脉自旋标记（arterial spin labeling, ASL）、磁共振波谱成像（magnetic resonance spectroscopy, MRS）和血氧饱和水平依赖成像（blood oxygen level dependent, BOLD）等。而狭义的fMRI则单独指BOLD。通常认为BOLD-fMRI可以反映脑功能的变化，而dMRI可以反映脑微观结构的变化。在影像学技术的应用上，BOLD-fMRI和dMRI的结合使用，使得研究者能够更全面地了解脑卒中后脑可塑性的机制。总的来看，当前的研究表明，通过影像学技术和多种干预方法，可以更深入地理解脑卒中后康复期的脑可塑性变化及其机制，为临床康复策略的制订提供了重要的理论和实践依据。

2.1 BOLD-fMRI

       BOLD-fMRI描绘了由于任务诱导或自发调节神经代谢而导致的脱氧血红蛋白浓度的变化。长期以来，BOLD-fMRI被广泛应用于灰质功能的测定，白质BOLD信号以前被忽视或认为是噪音，但越来越多的证据表明BOLD-fMRI信号可以在白质束中可靠地检测到，白质束对任务负荷表现出不同的反应^[22]。与灰质一样，BOLD信号的自发波动在白质中两个空间分离的区域之间同步，这种FC组成了内在的功能网络^{[23, 24, 25, 26, 27]}。EBY等^[28]研究表明，白质BOLD信号是由功能网络组成的，就像更常见的灰质BOLD信号一样，这些网络都是双边对称的，此外这些网络连接并不一定与众所周知的白质通路完全一致。HUANG等^[29]在一项颅内立体定向脑电图（stereotactic-electroencephalography, SEEG）和静息态功能磁共振成像（resting-state functional magnetic resonance imaging, rs-fMRI）多模态对比研究中发现BOLD FC与SEEG FC在白质中与所有区域对的结构连通性呈正相关，并且这一结果在每个受试者的广泛频段范围内是一致的。同时还发现SEEG和fMRI的白质FC与白质结构连通性相关，这表明解剖纤维束是白质功能同步的基础并为白质BOLD FC的电生理和结构基础提供了证据。而在脑卒中相关研究中^[30]，有学者认为慢性卒中后损伤与对侧半球FC增加有关，病灶体积与对侧半球内的平均FC呈正相关，而双侧半球对称位置的损伤对对侧FC影响最大的区域并非完全对称，经BOLD估计的半球间FC提供了有用的临床信息，进一步证实了此技术在大脑可塑性研究中的价值。

       有研究采用的模块化多层网络分析方法可以灵敏地捕捉大脑的动态特征，脑卒中导致默认模式网络（default mode network, DMN）内网络结构不稳定和主动重构，DMN中模块的动态切换可能代表了传递大脑信息以支持多种功能活动的优化策略^[31]。而功能网络的强可塑性可以在不同的时间动态中进行重组，促进卒中后的运动恢复^[32]，有助于诊断病程，评估康复治疗的疗效。BELÉN等提出，尽管大脑的可塑性在婴幼儿时期最为显著，但成年后大脑仍然有可塑性潜力；通过rs-fMRI研究，他们发现大脑的FC反映了不同脑区之间的重复共激活历史，提示静息态功能连接（resting-state functional connectivity, rsFC）可能是理解大脑可塑性的重要工具^[33]。PAUL等则比较了rsFC和任务相关有效连接，发现这两种连接模式都能有效解释脑卒中后的运动障碍，强调了功能网络重组的重要性^[34]。此外，BRUYN等^[35]研究了脑卒中早期的动态FC与感觉障碍之间的关系，结果显示早期康复阶段的网络交互变化与神经可塑性增强相关，为理解脑卒中后的大脑重组提供了新的视角。

       近年来为了评估fMRI中对称大脑区域之间的FC，开发了体素镜像同伦连接（voxel-mirrored homotopic connectivity, VMHC）技术，VMHC技术已被广泛使用，并证明了大脑半球间协调对人类感知和执行的重要性^[36]。在一项对卒中伴基底神经节损伤的研究中^[37]，研究者采用VMHC和度中心性（degree centrality, DC）分析两种方法对卒中患者的认知功能进行了探讨，并确定了局部功能区域与认知功能的相关性，脑网络的局部异常和半球间相互作用的中断可能为认识和治疗卒中患者的认知障碍提供新的思路和见解。同时这些技术对脑卒中脑网络重塑研究也有启发，特别是康复期大脑对双侧肢体的识别与支配的恢复过程中脑网络变化的研究意义重大。

       BOLD-fMRI在脑卒中大脑可塑性研究中具有非侵入性、高空间分辨率和动态观察全脑网络重组等优势，能直观揭示卒中后功能代偿与神经重塑机制，为康复策略提供影像学依据。但其不足在于时间分辨率较低、BOLD信号受脑血管状态干扰、无法直接反映神经电活动，且数据分析方法标准化不足，可能影响结论的可靠性。未来研究需结合多模态技术（如脑电图fMRI等）提升时空分辨率，开发卒中特异性分析模型以区分病理与代偿信号，并通过纵向研究阐明可塑性动态规律，最终推动个体化神经康复方案的精准优化。

2.2 动脉自旋标记

       动脉自旋标记（arterial spin labeling, ASL）是利用血液中水分子作为内源性、可自由扩散示踪剂进行颅脑灌注成像的MRI技术。ASL技术提出至今已有30余年，随着ASL技术的不断进步，其图像质量、成像范围、成像速度有了极大的提高，并且以无需对比剂、无辐射的优势逐渐引起影像学和神经科学工作者的重视，并越来越多地应用于科研和临床工作中。从ASL数据成功推断出血流动力学参数，如从临床测量和模拟获得脑血流量（cerebral blood flow, CBF）值，计算灌注模型可以在人群水平上可靠地预测大动脉闭塞对空间CBF分布的影响以及梗死体积分布^{[38, 39]}。在康复良好的脑卒中患者中，灰质萎缩与灰质可塑性共存，涉及特定区域（包括认知、视觉和情感）的体积和灌注增加^[40]。慢性卒中后的神经可塑性在结构和功能水平上均有表现，CBF变化是提示卒中恢复的有意义的指标^[41]。

       ASL在脑卒中大脑可塑性研究中具有独特优势，它无须注入外源性对比剂，不仅能动态监测脑卒中患者大脑可塑性变化过程，也能直接测量脑血流量，为反映大脑功能状态提供重要指标，帮助理解可塑性机制。然而ASL信号相对较弱、信噪比较低，易受多种生理因素干扰，导致测量结果准确性受限。此外，不同ASL技术及参数设置差异较大，缺乏统一标准，影响研究结果的可比性。未来研究方向一方面应聚焦于技术改进，提高信号强度与信噪比，降低生理因素干扰；另一方面则需建立统一规范的技术标准和参数体系，增强研究间的可重复性与可比性。

2.3 dMRI

       dMRI已被证明是临床诊断和研究神经组织微观结构的有效成像方法，有助于我们更好地理解许多疾病的神经生理机制，如扩散张量成像（diffusion tensor imaging, DTI）、扩散峰度成像（diffusion kurtosis imaging, DKI）、轴突定向扩散和密度成像（neurite orientation dispersion and density imaging, NODDI）、扩散谱成像（diffusion spectrum imaging, DSI）等。

2.3.1 DTI

       DTI长期以来一直是临床研究中分析dMRI数据的默认工具，高场强设备的应用可以更详尽地描述组织微观结构。CALIXTO等^[42]利用平均扩散率（mean diffusivity, MD）和分数各向异性（fractional anisotropy, FA）值的变化为理解正常大脑发育提供了基础信息，证实了dMRI是一种成熟的研究大脑发育和微观结构的技术。WANG等^[43]在一项动物实验中证实DTI提供的白质和灰质参数的微观结构变化的数据可以作为慢性创伤性脑损伤结构和功能水平改变的无创和可靠的参考。LIU等^[44]探讨了慢性皮质下卒中患者的双侧运动皮层之间的rsFC，发现增强rsFC能够补偿CST的损伤，从而促进运动恢复，强调了FC在运动恢复中的重要性。脑卒中康复过程中病变侧皮质脊髓束（ipsilesional corticospinal tract, IL-CST）及健侧皮质脊髓束（contralesional corticospinal tract, CL-CST）均存在结构可塑性，CL-CST可能在脑卒中早期运动功能恢复中发挥重要作用。FA和轴向扩散（axial diffusion, AD）的值作为预测运动功能恢复的重要指标，可能更有效地反映脑卒中康复过程中CST的神经可塑性^{[16, 45]}。FRIZZELL等^[46]研究了健康成人在非主导手的运动学习过程中的白质神经可塑性变化，发现运动训练后的行为改善与特定白质区域的DTI变化相关。另一项研究回顾了两种互补的MRI技术，强调了DTI和rs-fMRI在评估严重脑损伤患者的神经网络结构与功能方面的重要性，指出这些技术能够揭示白质变化与FC的动态关系^[47]。因此，脑卒中后DTI也可作为恢复期结构及功能改变的评价工具，用于研究可塑性及脑网络重塑过程中微观结构的变化。

2.3.2 DKI

       DKI是传统DTI模型的扩展，它描述了非高斯扩散特性，在2020年的一项脑卒中导致CST变化的研究中表明，急性卒中导致CST远端轴突方向的早期顺行变性的发生可以通过DKI检测到，且沿CST的急性轴突变性与运动缺陷相关^[48]。DKI在评估白质微观结构复杂性方面更为全面。

2.3.3 NODDI

       NODDI是一种用于研究灰质微观结构变化的生物物理扩散建模方法，可以模拟灰质组织中高度分散的神经突结构。神经突分布可以通过NODDI模型中的方向扩散度指数（orientation dispersion index, ODI）和神经突密度指数（neurite density index, NDI）来反映，NODDI指标可以反映脑梗死后皮层微观结构的变化，皮层ODI的下降表明树突的丧失可能导致皮层变薄^[49]，同侧半球远端灰质区域细胞内体积分数（intracellular volume fraction, ICVF）和ODI的变化提示梗死灶以外灰质重构可能是脑卒中后可塑性的一个有研究意义的指标^[50]。

2.3.4 扩散谱成像

       DSI不仅能分辨白质内的纤维束，还能识别进入皮层和皮层下灰质的纤维束，亦能分辨大脑和小脑皮层内纤维的方向；而且DSI纤维束成像能够识别纤维交叉点，并在由多个结构组件组成的复杂局部环境中展示纤维解剖结构，这是迈向可靠的非侵入性连接神经解剖学研究所需的复杂技术的重要一步。虽然大量证据表明同侧CST在脑卒中后运动恢复中起着至关重要的作用，但关于皮质-皮质运动连接的研究仍然很少，而且结果不确定。PAUL等^[51]的研究结果强调了结构皮质-皮质运动网络连接的开创性及重要性，它可作为脑卒中后运动控制的结构储备；同时强调了复杂的运动控制依赖于皮质皮层运动命令和通过同侧CST下行的运动输出的相互作用。未来的研究应该考虑皮质-皮质结构连通性和CST完整性相结合作为卒中后基础和复杂运动功能康复的一种可能有意义的研究方向。WANG等^[52]在一项DSI检查与退行性颈椎病（degenerative cervical myelopathy, DCM）导致神经损伤相关的脑白质重组研究中发现，DCM和无神经症状的脊髓受压患者往往在大脑中有长期的重组，特别是在那些负责感知和整合感觉信息、运动调节和疼痛调节的区域，DSI的广义分数各向异性（generalized fractional anisotropy, GFA）和归一化定量各向异性（normalized quantitative anisotropy, NQA）值与神经损伤的严重程度密切相关，DSI同样可以使临床医生更准确地预测脑卒中偏瘫患者的潜在手术和康复结果，也可用于卒中后脑功能及结构重组的研究。

       dMRI能够对脑白质纤维束的微观结构与完整性进行无创探测，如追踪轴突损伤与修复、了解神经结构通路重塑，为大脑可塑性研究提供重要的白质结构信息；也可以通过不同衍生指标（如FA、MD等）可量化组织微观特性变化，便于评估可塑性程度。然而其信号解读复杂，受多种因素影响，如组织异质性、部分容积效应等，导致对纤维束方向及完整性判断可能出现偏差。此外现有模型假设存在局限性，无法完全准确模拟复杂的脑白质结构。未来的研究方向：一是开发更先进的成像模型与算法，提升对复杂脑白质结构的解析能力，减少信号误判；二是加强多模态融合，与BOLD-fMRI、MRS等结合，从结构、功能及代谢多角度全面探究大脑可塑性；三是深入研究不同脑卒中亚型及康复阶段的dMRI特征，为精准医疗与个性化康复方案制订提供更坚实依据。

2.4 多模态影像结合研究和机器学习

       脑卒中康复涉及功能重组、结构重塑及代谢修复的复杂过程，单一影像模态难以全面解析其机制。BOLD-fMRI、dMRI和临床数据等的结合，通过多模态信息的互补，并引入影像组学及机器学习等模型显著提升了研究深度与临床应用价值。JIMENEZ-MARIN等^[53]使用多模态策略来扩展病变网络映射，揭示了不同类型的脑网络在患者脑卒中后的协同性，他们认为FC比结构连接对脑卒中患者感觉运动行为的预测更有效。CLÈRIGUES等^[54]使用多模态磁共振成像数据用于急性及亚急性缺血性脑卒中病灶的分割，可以提高诊断效率和准确性，为临床实践提供有力支持。HATAMI等提出了一种基于多模态MRI图像和临床数据融合的卷积神经网络-长短期记忆网络（convolutional neuralnetwork-long short-term memory, CNN-LSTM）模型，用于预测接受机械取栓治疗的卒中患者的临床结局，该模型能够结合MRI影像数据和临床数据，通过空间和时间编码来自动提取图像中的特征，并将这些信息融合以提高预测准确性。LIU等^[55]开发并评估了一个基于深度学习的融合模型，该模型结合了常规获取的磁共振成像和临床变量，用于预测急性缺血性卒中患者的90天改良Rankin量表评分，证实了融合模型优于仅使用影像或临床数据的模型。ALTMANN等^[56]评估了深度学习快速扫描MRI在急性疑似缺血性卒中的诊断性能，结果与传统MRI相比，应用深度学习的快速MRI在检测急性缺血性病变方面具有相同的有效性，但图像质量更高，诊断可信度更好，且扫描时间缩短了四倍。随着神经介入技术的进步，如脑机接口和光学相干断层扫描成像等新技术的应用，机器学习也将在其中扮演越来越重要的角色。

       多模态MRI在脑卒中大脑可塑性研究中优势突出，通过融合结构MRI、BOLD-fMRI、DTI和MRS等技术，从形态、功能、白质纤维束及代谢物等多维度提供全面信息，助力深入探究大脑可塑性机制。但它的短板是不同模态成像原理与参数差异大，导致数据融合和分析难度高，且各模态时空分辨率不匹配，影响结果准确性和一致性。未来的研究需致力于优化多模态成像技术，提高时空分辨率并实现匹配；研发高效数据融合算法与分析工具，提升处理效率和准确性；强化临床应用研究，引入临床数据，建立成像特征与康复预后的联系，为个性化治疗和康复方案提供有力依据。

3 小结与展望

       综上，脑卒中后脑可塑性研究揭示了大脑通过功能重组与结构重塑实现康复的机制，但这种重组的空间模式尚未完全了解。fMRI技术（如BOLD、ASL、dMRI）为动态监测卒中后神经可塑性提供了重要工具：BOLD-fMRI可以监测全脑功能网络动态重组，ASL量化脑血流变化反映代谢重塑，dMRI解析白质微观结构修复。研究证实，恢复期神经可塑性最强，适应性重组（如对侧半球功能连接增强、皮质脊髓束轴突再生）是功能恢复的核心。新兴技术（如脑机接口、细胞治疗等）通过促进突触重构增强可塑性进而强化康复疗效，而多模态影像结合机器学习显著提升了康复预后预测的精准性。

       未来fMRI在脑卒中研究中面临静息态与任务态双重标准化挑战：静息态因依赖健康模板和预处理偏差导致FC失真，任务态受患者执行能力异质性与血流动力学异常影响数据可信度；两者共有的神经血管耦合变异、动态特征个体差异及跨研究可重复性低等问题，削弱了数据的病理生理解释力。这些不足需从三方面突破：（1）技术优化，如开发高时空分辨率多模态协议、个体化动态网络建模等；（2）深化机制研究，结合基因表达与代谢组学，解析可塑性分子基础；（3）临床转化，建立影像特征-康复结局的量化关联，如人工智能与影像组学的深度整合有望实现卒中康复的精准评估与干预，推动个体化康复策略的制订。同时仍需进行脑可塑性动态的纵向研究或不同治疗及康复方案后有效连接变化的系统研究，在多模态影像学方法的基础上，结合临床及基础研究数据，进一步揭示脑卒中康复期功能与结构可塑性变化的机制，为评估康复技术的疗效及康复治疗技术的改进提供数据支持。