[論文レビュー] Community-Level Modeling of Gyral Folding Patterns for Robust and Anatomically Informed Individualized Brain Mapping

Minheng Chen, Tong Chen+6 more|arXiv (Cornell University)|Feb 1, 2026

Functional Brain Connectivity Studies被引用数 0

ひとこと要約

論文は、コミュニティレベルの gyral folding をモデル化するスペクトラルグラフ学習フレームワークを提案し、堅牢で解剖学的に基づく個別化脳マッピングと跨個体対応を実現する（3HG folding communities）。

ABSTRACT

Cortical folding exhibits substantial inter-individual variability while preserving stable anatomical landmarks that enable fine-scale characterization of cortical organization. Among these, the three-hinge gyrus (3HG) serves as a key folding primitive, showing consistent topology yet meaningful variations in morphology, connectivity, and function. Existing landmark-based methods typically model each 3HG independently, ignoring that 3HGs form higher-order folding communities that capture mesoscale structure. This simplification weakens anatomical representation and makes one-to-one matching sensitive to positional variability and noise. We propose a spectral graph representation learning framework that models community-level folding units rather than isolated landmarks. Each 3HG is encoded using a dual-profile representation combining surface topology and structural connectivity. Subject-specific spectral clustering identifies coherent folding communities, followed by topological refinement to preserve anatomical continuity. For cross-subject correspondence, we introduce Joint Morphological-Geometric Matching, jointly optimizing geometric and morphometric similarity. Across over 1000 Human Connectome Project subjects, the resulting communities show reduced morphometric variance, stronger modular organization, improved hemispheric consistency, and superior alignment compared with atlas-based and landmark-based or embedding-based baselines. These findings demonstrate that community-level modeling provides a robust and anatomically grounded framework for individualized cortical characterization and reliable cross-subject correspondence.

研究の動機と目的

• 皮質折り畳みの個体間変動を顕著に抑えつつ、安定した解剖学的ランドマークを保持する。
• 孤立したランドマークマッチングを超え、より高次の折り畳みコミュニティ（3HGs）をモデリングする。
• 個体特異的なパイプラインを開発し、コミュニティレベルで跨個体・解剖学的根拠のある対応を生み出す。

提案手法

• 各三ヒンジ回頭葉（3HG）を、トポロジカルコンテキストと構造的（トレースマップ）結合性という二重プロファイルで表現する。
• 各半球内の3HGを二層のグラフニューラルネットワークを用いてクラスタリングし、初期コミュニティを得る。
• 空間の連続性を保証するため、結合性制約付きトポロジーリファインメントを適用する。
• ジャイントモルフォロジー・ジオメトリックマッチング（JMGM）により跨個体対応を確立し、多模態のクラスタ特徴（形態、幾何、コンテキスト）に対してハンガリー法による割当を解く。
• 個体ごとに半球ごとモデルを訓練し、折り畳みの個人差に対応する。

実験結果

リサーチクエスチョン

• RQ1 ランドマークレベルではなく、コミュニティレベルの表現は跨個体の gyral folding パターンの対齐を改善できるか。
• RQ2 3HG folding communities は大規模コホートで形態計測変動を縮小し、モジュラ構造を強化するか。
• RQ3 ジョイント形態–幾何マッチングは、 atlas ベースや孤立したランドマークアプローチよりロバストな跨個体対応を提供するか。

主な発見

Metric	Left Hemisphere (Range)	Left Hemisphere (Mean ± SD)	Right Hemisphere (Range)	Right Hemisphere (Mean ± SD)	Combined (Mean ± SD)
Node count	[108, 222]	158.97 ± 18.48	[112, 233]	158.96 ± 18.21	158.96 ± 18.35
Edge count	[149, 315]	224.35 ± 18.71	[153, 335]	224.80 ± 18.64	224.57 ± 18.68
Deg-1 nodes	[0, 7]	0.95 ± 0.96	[0, 5]	0.85 ± 0.88	0.90 ± 0.92
Deg-2 nodes	[10, 47]	26.32 ± 5.86	[11, 43]	25.61 ± 5.73	25.96 ± 5.81
Deg-3 nodes	[83, 185]	131.50 ± 16.92	[84, 204]	132.31 ± 16.70	131.91 ± 16.82
Total nodes	167,872	167,860	335,732	335,732	335,732
Total edges	236,916	237,384	474,300	474,300	474,300

• Folding communities は個体間での形態計測変動を大幅に低減する。
• コミュニティレベルの対齐は、atlasベースおよび従来のランドマークや組み込みベースのベースラインと比較して、より強いモジュラー性と跨個体対齐を示す。
• 提案パイプラインにより半球の整合性と個体特異的な折り畳み表現が改善される。
• 跨個体対応はコミュニティレベルで確立され、より信頼性の高い、より細かい個別化脳マッピングを実現。
• このアプローチは 1,064 人の HCP 被験者で堅牢な性能を示し、スケーラビリティと頑健性を検証。