[論文レビュー] Controllability Analysis of Functional Brain Networks

Shikuang Deng, Shi Gu|arXiv (Cornell University)|Mar 18, 2020

Functional Brain Connectivity Studies参考文献 59被引用数 12

ひとこと要約

本研究では、fMRIデータのシステム同定を用いて動的信号伝播をモデル化することで、ネットワーク制御理論を機能的脳ネットワークに拡張した。機能的制御可能性—有効結合と信号共分散から導かれるもの—が作業記憶、言語、感情知能における個人差を予測することを明らかにした。機能的制御可能性は、構造的制御可能性とは別個で、かつ補完的な洞察を提供しており、特に同期可能性および認知的タスクパフォーマンスに関連して顕著である。

ABSTRACT

Network control theory has recently emerged as a promising approach for understanding brain function and dynamics. By operationalizing notions of control theory for brain networks, it offers a fundamental explanation for how brain dynamics may be regulated by structural connectivity. While powerful, the approach does not currently consider other non-structural explanations of brain dynamics. Here we extend the analysis of network controllability by formalizing the evolution of neural signals as a function of effective inter-regional coupling and pairwise signal covariance. We find that functional controllability characterizes a region's impact on the capacity for the whole system to shift between states, and significantly predicts individual difference in performance on cognitively demanding tasks including those task working memory, language, and emotional intelligence. When comparing measurements from functional and structural controllability, we observed consistent relations between average and modal controllability, supporting prior work. In the same comparison, we also observed distinct relations between controllability and synchronizability, reflecting the additional information obtained from functional signals. Our work suggests that network control theory can serve as a systematic analysis tool to understand the energetics of brain state transitions, associated cognitive processes, and subsequent behaviors.

研究の動機と目的

• 有効結合と信号共分散を用いて、fMRIデータからの機能的脳ダイナミクスをモデル化するためのシステム同定フレームワークを構築すること。
• 動的信号パターンから導かれる機能的制御可能性が、認知的パフォーマンスの個人差を予測できるかどうかを調査すること。
• 構造的制御可能性と比較し、脳状態遷移の説明における機能的制御可能性の追加的価値を評価すること。
• 機能的脳ネットワークにおける制御可能性と同期可能性の関係を検討すること。
• ノードレベルの制御可能性指標を用いた線形回帰により、モデルの認知的タスク予測能力を検証すること。

提案手法

• HCP fMRIデータの0時遅れおよび1時遅れ相関行列に確率的線形ダイナミクスをフィットさせ、有効結合を推定した。
• 遷移行列Aを有効結合、制御行列Bを正規化された基準形に基づくノイズ共分散としてスケーリングした線形制御系を定式化した。
• システムのH₂ノルムを用いて平均的制御可能性を計算し、単位入力エネルギー下での平均的状態到達可能性を定量化した。
• H∞ノルムの逆数としてモード別制御可能性を計算し、高エネルギー制御方向に対するシステムのレジリエンスを測定した。
• 重み付き結合としきい値処理された影響を考慮した最適化フレームワークを用いて、α最小制御集合を同定した。
• ノードレベルの制御可能性指標を予測変数として用いた線形モデルを構築し、回帰係数により領域ごとの寄与度を特定した。

実験結果

リサーチクエスチョン

• RQ1 動的信号パターンから導かれる機能的制御可能性は、作業記憶や感情知能といった認知的に要求の高いタスクにおける個人差を予測できるか？
• RQ2 機能的制御可能性は、脳ネットワークダイナミクスおよび制御特性を捉える点で、構造的制御可能性と比べてどのように異なるか？
• RQ3 機能的制御可能性とネットワーク同期可能性の関係は何か？ また、構造的トポロジーに加えて、新たな洞察を明らかにするか？
• RQ4 fMRI時系列のシステム同定は、制御可能性解析を支援する信頼性の高い線形モデルを生成できるか？
• RQ5 ノードレベルの制御可能性指標は、特定の認知的タスクのパフォーマンスをどの程度まで予測できるか？

主な発見

• 機能的制御可能性は、作業記憶、言語、感情知能タスクにおける個人のパフォーマンスを有意に予測しており、認知的制御に関連していることが示された。
• 平均的制御可能性とモード別制御可能性の両方が、機能的ネットワークと構造的ネットワークの間で一貫した関係を示し、構造的制御可能性に関する先行研究を支持した。
• 機能的制御可能性と同期可能性の間には明確な相関関係が観察され、構造のみでは捉えきれない追加の動的情報を反映していた。
• システムはグローバルに制御可能であり、制御に要するエネルギーは定量的に評価可能であった。これは、脳状態間の遷移が実現可能であることを示した。
• α最小制御集合解析により、制御効率が脳領域によって異なることが判明し、特定のハブ領域が全体の制御可能性により大きな寄与をしていることが明らかになった。
• ノードレベルの制御可能性を予測変数として用いた線形モデルは、タスクパフォーマンスの予測において有意な予測力を持ち、回帰係数により領域ごとの寄与度が定量的に評価された。