[論文レビュー] Gyri vs. Sulci: Disentangling Brain Core-Periphery Functional Networks via Twin-Transformer

Xiaowei Yu, Lu Zhang+6 more|arXiv (Cornell University)|Jan 31, 2023

Functional Brain Connectivity Studies被引用数 4

ひとこと要約

本稿では、HCPデータセットのタスクfMRIデータを用いて、脳の gyri と sulci の機能的役割を分離するための Twin-Transformer フレームワークを提案する。gyri と sulci のそれぞれに同一のTransformerを別々に適用し、新規の Gyri-Sulci Commonality-Variability Disentangled Loss を用いることで、gyri がグローバルな情報処理のコアネットワークを担うのに対し、sulci はローカル処理の周辺ネットワークを果たすことが明らかになり、大脳皮質にコア・パーリフェリ機能的アーキテクチャが存在することが示された。

ABSTRACT

The human cerebral cortex is highly convoluted into convex gyri and concave sulci. It has been demonstrated that gyri and sulci are significantly different in their anatomy, connectivity, and function, besides exhibiting opposite shape patterns, long-distance axonal fibers connected to gyri are much denser than those connected to sulci, and neural signals on gyri are more complex in low-frequency while sulci are more complex in high-frequency. Although accumulating evidence shows significant differences between gyri and sulci, their primary roles in brain function have not been elucidated yet. To solve this fundamental problem, we design a novel Twin-Transformer framework to unveil the unique functional roles of gyri and sulci as well as their relationship in the whole brain function. Our Twin-Transformer framework adopts two structure-identical (twin) Transformers to disentangle spatial-temporal patterns of gyri and sulci, one focuses on the information of gyri and the other is on sulci. The Gyro-Sulcal interactions, along with the tremendous but widely existing variability across subjects, are characterized in the loss design. We validated our Twin-Transformer on the HCP task-fMRI dataset, for the first time, to elucidate the different roles of gyri and sulci in brain function. Our results suggest that gyri and sulci could work together in a core-periphery network manner, that is, gyri could serve as core networks for information gathering and distributing, while sulci could serve as periphery networks for specific local information processing. These findings have shed new light on our fundamental understanding of the brain's basic structural and functional mechanisms.

研究の動機と目的

• 知られている解剖学的・結合的差異とは対照的に、人間脳機能における gyri と sulci の基本的機能的役割がまだ十分に理解されていない現状を踏まえ、それらの根本的役割を解明すること。
• fMRIデータに特有の gyri と sulci の複雑な空間的・時間的パターンをモデル化し、分離すること。
• gyri が情報ハブとして、sulci がローカルプロセッサとして機能するコア・パーリフェリネットワーク構成が成立しているかどうかを調査すること。
• 被験者やタスク間で共有される機能的ダイナミクスと固有の機能的ダイナミクスを両方捉えることができる深層学習フレームワークの開発

提案手法

• gyri と sulci のそれぞれに特化した同一のTransformerを用いた、Twin-Transformerアーキテクチャを設計し、それらの空間的・時間的機能的パターンを別々にモデル化する。
• 各Transformerは空間モジュールと時間モジュールを統合しており、4次元fMRIデータからの特徴抽出を可能にし、空間的および時間的ダイナミクスの統合的解析を可能にする。
• gyri と sulci 間の相互作用、共通性、個別的ばらつきを明示的にモデル化するため、新規の Gyri-Sulci Commonality-Variability Disentangled Loss (GS-CV Loss) を導入する。
• フレームワークは、545名の被験者から得られたグレイ・オルダートfMRIデータを用い、モータータスクとワーキングメモリタスクを対象に、HCPタスクfMRIデータセット上でエンドツーエンドで学習する。
• 学習後、gyri と sulci 専用の機能的脳ネットワーク (FBNs) を回復させ、それらの役割を定量的に比較可能にする。

実験結果

リサーチクエスチョン

• RQ1 gyri と sulci は人間脳の機能的ネットワークアーキテクチャにおいて、異なる機能的役割を果たしているか？
• RQ2 深層学習モデルは、fMRIデータから gyri と sulci の空間的・時間的パターンを効果的に分離できるか？
• RQ3 機能的脳ネットワークにおいて、gyri と sulci の間にコア・パーリフェリネットワーク組織が存在する証拠はあるか？
• RQ4 モータータスクやワーキングメモリタスクといった異なる認知的タスクにおいて、gyri と sulci の機能的役割はどのように変化するか？

主な発見

• Twin-Transformerモデルは、gyri と sulci 専用の機能的脳ネットワークを効果的に分離し、大脳皮質にコア・パーリフェリ構造が存在することを明らかにした。
• モータータスクおよびワーキングメモリタスクの両方において、gyri-gyri 機能的接続確率 (P_GG) は gyri-sulci (P_GS) や sulci-sulci (P_SS) よりも顕著に高く、コア・パーリフェリ構造が裏付けられた。
• 50パターン解析では、モータータスクで P_GG = 0.82±0.07、ワーキングメモリタスクで P_GG = 0.62±0.05 であったのに対し、P_GS はそれぞれ 0.11±0.04 と 0.24±0.02、P_SS はそれぞれ 0.07±0.04 と 0.13±0.04 であった。
• 200パターンでは、P_GG はモータータスクで 0.80±0.06、ワーキングメモリタスクで 0.70±0.04 と依然として優勢であり、P_GS と P_SS は上昇したが依然として低く、コア・パーリフェリダイナミクスが一貫して維持された。
• アブレーションスタディにより、異なるパターン数や事前定義されたしきい値の下でも、コア・パーリフェリパターンが頑健であることが確認され、P_GG > P_GS > P_SS が一貫して観察された。