Mapping brain function in living humans has been a topic of intense research for several decades. It is believed that the brain is organized into sets of functionally distinct regions or networks, each performing its own function. Furthermore, these networks seem to exhibit some hierarchy, being comprised of subnetworks, with distinct but related functions that, evidence suggests, are connected both spatially and temporally. It is known that neural pathways exist between them, providing the anatomical link over which these functional relationships are established. However, the structure, spatial extent and dynamics of such brain functional connectivity remain incompletely understood. Evidence from many studies suggests that these networks are always active and continuously interacting, even when the subject is at rest, which implies the ability to identify such connectivity independently from stimulation using specific stimuli. A plethora of different techniques has been employed in investigatiing the brain’s functional connectivity, including electroencephalography (EEG), magnetoencephalography (MEG) and positron emission tomography (PET), etc. However, most of studies identifying functionally connected resting state networks (RSN) in humans have used resting state functional magnetic resonance imaging (r-fMRI), which measures the spontaneous fluctuations of the blood oxygen level dependent (BOLD) signal during quiet wakefulness. At the moment large databases of r-fMRI studies have been set up and made available for the large-scale investigation of functional connectivity networks in humans. The vast majority of these include data acquired using scanners working at 1.5 or 3 Tesla (T) field strengths. While such fields provide reliable (and safe) imaging of the human brain, they are limited in terms of sensitivity and spatial resolution. Ultra-high field strength MRI at 7T is rapidly developing, enabling generation of millimeter resolution images with reasonable signal-to-noise ratio (SNR). Only very recently has it become possible to achieve a whole-brain coverage at such fine spatial resolution, with sufficient temporal resolution for fMRI. Generating such data involves multiple challenges related to building and operating such scanners, generating high quality denoised images, avoiding the dominance of physiological noise and overall improvement of both spatial as well as temporal resolution. Besides these technological challenges, the ability to reliably generate long time series of whole-brain 3D images with millimeter resolution and increasing temporal resolution represents a large-scale network data problem. Many open questions remain related to the analysis of such data, including the essential question of whether the finer resolution may allow one to infer additional connectivity information or structure in the subnetworks. In order to achieve this, sophisticated network analysis techniques are needed to extract relevant functional connectivity measures from the high-dimensional r-fMRI data in such high-resolution imaging. The resulting functional networks can then be further analyzed to determine spatial and temporal correlations, to infer structural motifs as well as dynamic patterns that may shed additional light into our knowledge of the brain. The three main outcomes of this project will be: (1) new fMRI data of whole-brain activity obtained using ultra-high field r-fMRI, and pre-processing of this data in order to make it suitable for complex network analysis; (2) extraction of functional connectivity patterns across the brain and underlying functional network and improved methods and algorithms for the analysis of functional networks, with emphasis on methods for the identification of recurrent patterns and clusters in scale-free complex networks; and (3) increased understanding of the added value of ultra-high field MRI in the analysis of resting state brain functional connectivity, as compared with data obtained using other methods. To achieve these ambitious goals three teams with recognized expertise and complementary skills have joined forces. Leading the project is a team from INESC ID with extensive background and experience in the core tasks of data manipulation and modeling and analysis of complex dynamic systems including advanced algorithms for structure detection and characterization in very large networks. Additionally, a researcher from ISR / IST-ID contributes with extensive experience in fMRI acquisition and analysis, including functional connectivity investigation. Finally, a world renowned team from the Harvard Clinical and Translational Science Center, specialized in high and ultra-high field MRI (3T, 7T and above) provides the expertise for high resolution human fMRI data collection and will make the necessary imaging data available and processed for analysis. The combined expertise of these teams will allow a major improvement in our knowledge of brain connectivity, O mapeamento de funcionalidade no cérebro humano tem sido um tema de intensa pesquisa por várias décadas. Acredita-se que o cérebro é organizado em regiões funcionalmente distintas ou redes, cada uma realizando a sua própria função. No entanto, estas redes parecem exibir uma hierarquia, sendo compostas de sub-redes com funções distintas mas relacionadas que, a evidência sugere, estão conetadas espacial e temporalmente. Sabe-se que existem ligações neuronais entre elas que fornecem a ligação anatómica sobre os quais estas relações funcionais são estabelecidas. No entanto, a estrutura, extensão espacial e dinâmica da conetividade funcional cerebral continua desconhecida. Evidências de vários estudos sugerem que essas redes estão sempre ativas, interagindo continuamente, mesmo quando em repouso, o que implica a capacidade de identificar essa conectividade independentemente de estímulos específicos. Múltiplas técnicas tem sido utilizadas para investigar a conectividade funcional do cérebro, incluindo eletroencefalograma (EEG), magnetoencefalografia (MEG) e tomografia por emissão de pósitrons (PET), etc. No entanto, a maioria dos estudos destinados a identificar redes em repouso funcionalmente conetadas (RSN), em seres humanos têm sido baseadas no uso de imagiologia por ressonância magnética (r-fMRI), que mede as flutuações espontâneas do sinal que reflecte variações do nível de oxigênio no sangue (BOLD) em repouso. Actualmente existem bases de dados de análises r-fMRI criadas e disponibilizadas para a investigação de redes de conectividade funcional em seres humanos. A grande maioria dos dados disponíveis foram adquiridos usando scanners com campos de intensidade 1,5 ou 3 Tesla (T) de campo. Embora estes campos permitam obter de forma fiável (e segura) imagens do cérebro humano, eles são limitados em termos de sensibilidade e resolução espacial. A tecnologia MRI funcionando com campos 7T, de elevada intensidade, está em rápido desenvolvimento, permitindo a geração de imagens de resolução milímetrica com razoável relação sinal-ruído (SNR). Só muito recentemente se tornou possível alcançar uma cobertura de todo o cérebro com uma resolução espacial tão fina, e resolução temporal suficiente para fMRI. A geração desses dados envolve múltiplos desafios relacionados com a construção e operação dessas máquinas e a geração de imagens de alta qualidade evitando a predominância de ruído fisiológico e melhorando a resolução tanto espacial como temporal. Além desses desafios tecnológicos, a capacidade de gerar de forma fiável uma série temporal de imagens 3D do cérebro com resolução milimétrica e aumentar a resolução temporal representa uma problema de análise de dados em grande escala. Muitas questões permanecem em aberto relacionadas com a análise desses dados, incluindo a questão essencial de saber se a resolução mais fina pode permite inferir informações adicionais sobre a conectividade ou estrutura das sub-redes. Para alcançar este objectivo, são necessárias técnicas de análise sofisticadas pata extrair medidas relevantes de conectividade funcional dos dados em imagens r-fMRI de alta resolução As redes resultantes podem ser analisadas para determinar correlações espaciais e temporais e para inferir motivos estruturais, assim como padrões dinâmicos que podem contribuir para o nosso conhecimento do cérebro. Os três principais objectivos deste projeto são: (1) obter novos dados de actividade do cérebro humano obtida por r-fMRI, com campos de elevada intensidade e pré-processar esses dados a fim de torná-los adequados para o processo de análise de rede; ( 2) extração de padrões de conectividade funcional em todo o cérebro e a identificação da rede funcional subjacente, usando novos métodos e algoritmos para a análise de redes funcionais, com ênfase em métodos para a identificação de padrões recorrentes e clusters em redes complexas independentes de escala, e (3) aumento da compreensão do valor acrescentado de ultra-alta campo RM na análise da conectividade funcional do cérebro, e comparação com os dados obtidos utilizando outros métodos. Para alcançar estes objectivos o projecto junta três grupos com competências reconhecidas e complementares. A liderar o projecto, um grupo do INESC ID com vasta experiência na manipulação de dados e na modelação e análise de sistemas dinâmicos complexos, incluindo algoritmos para detecção e caracterização de estrutura em redes. Uma investigadora do ISR/IST-ID contribui com uma vasta experiência na aquisição e análise de fMRI, incluindo a investigação de conectividade funcional. Finalmente, uma equipe de renome mundial do Centro de Ciências Clínica e Translacional de MGH/Harvard, especializada em MRI de alta intensidade disponibilizará os dados/ imagem necessários para análise. A experiência combinada destas equipas permitirá uma melhoria significativa do nosso conhecimento sobre a conectividade do cérebro, um dos desafios mais importantes nas próximas décadas.