[論文レビュー] Estimating whole brain dynamics using spectral clustering

Ivor Cribben, Yi Yu|Bristol Research (University of Bristol)|Sep 12, 2015

Functional Brain Connectivity Studies参考文献 48被引用数 10

ひとこと要約

本稿では、スペクトルクラスタリングと変動点解析を用いてfMRIデータから時間的に変化する機能的脳ネットワークを推定するデータ駆動型手法であるNetwork Change Points Detection (NCPD) を提案する。この手法は、固定された変動点数を仮定しないことで、全脳結合構造における動的シフトを検出でき、被験者間で繰り返し現れる機能的状態の同定を可能にし、安静状態データにおける大規模脳動態の解明を可能にする。

ABSTRACT

The estimation of time-varying networks for functional Magnetic Resonance Imaging (fMRI) data sets is of increasing importance and interest. In this work, we formulate the problem in a high-dimensional time series framework and introduce a data-driven method, namely Network Change Points Detection (NCPD), which detects change points in the network structure of a multivariate time series, with each component of the time series represented by a node in the network. NCPD is applied to various simulated data and a resting-state fMRI data set. This new methodology also allows us to identify common functional states within and across subjects. Finally, NCPD promises to offer a deep insight into the large-scale characterisations and dynamics of the brain

研究の動機と目的

• fMRIにおける定常的結合仮定の制限に対処し、時間的に変化する機能的結合をモデル化すること。
• 変動点の数や位置について事前の仮定を置かずに、脳領域を表す多次元時系列における変動点を検出すること。
• スペクトルクラスタリングを用いて、被験者間および個々の被験者内での共通する機能的状態を同定すること。
• p > T（脳領域数 > 時間ポイント数）の高次元設定において、全脳動態の大規模解析を可能にすること。
• タスクベースおよび安静状態fMRI研究における動的機能的組織の研究に柔軟で非パラメトリックなフレームワークを提供すること。

提案手法

• fMRIデータから得られる時間的に変化する機能的結合ネットワークのコミュニティ構造を推定するためにスペクトルクラスタリングを適用する。
• 変動点前後におけるネットワーク推定値から形成される積行列の特異値に基づく新しい指標を用いて、候補となる変動点を同定する。
• 繰り返しの分割法（binary segmentation）を用いて、時系列における複数の変動点を段階的に検出する。
• 検出された変動点に関する統計的推論を、時系列依存性に強い静的ブートストラップ手順を用いて実施する。
• 正則化とネットワーク構造推定を活用することで、大規模な精度行列の直接逆行列計算を回避し、高次元設定（p > T）で動作する。
• 変動点検出とネットワークコミュニティ検出を統合し、進化する機能的脳状態をモデル化する。

実験結果

リサーチクエスチョン

• RQ1 定常性を仮定せずに、全脳における時間的に変化する機能的結合の変化をどのように検出できるか？
• RQ2 脳領域数が時間ポイント数を上回る高次元多次元fMRI時系列において、最適な変動点同定手法は何か？
• RQ3 データ駆動型ネットワーククラスタリング手法を用いて、被験者間および時間経過で繰り返し現れる共通の機能的状態を同定できるか？
• RQ4 窓サイズの選択に依存するスライディングウィンドウ法と比較して、本手法の感度と窓サイズ選択へのロバストネスはいかがであるか？
• RQ5 この手法は、安静状態fMRIデータにおいて生物学的に意味のある機能的脳状態をどの程度明らかにできるか？

主な発見

• NCPDは、シミュレーションデータおよび実際の安静状態fMRIデータの両方で複数の変動点を効果的に検出し、機能的結合構造における動的シフトを明らかにした。
• 本手法は被験者間で繰り返し現れる機能的状態を同定でき、休息状態における安定的で一時的な脳ネットワーク構成の存在を示唆した。
• デュアルコアプロセッサ上では、1名の被験者あたり約132秒（T=285, p=116）で実行可能であり、並列処理により顕著な高速化が可能である。
• 変動点検出後にネットワーク構造にスペクトルクラスタリングを適用することで、時間経過に伴い変化するコミュニティ構造が明確に抽出された。
• 高次元性（p > T）に対してロバストであるため、強いパラメトリック仮定を必要とせず、全脳解析が可能である。
• 任意の窓サイズ選択に依存しない従来のスライディングウィンドウ法よりも優れた性能を示し、変動点周辺でのみ関連時間点に等価な重みを割り当てる。