[論文レビュー] Human brain parcellation using time courses of instantaneous connectivity

Erik S.B. van Oort, Maarten Mennes+6 more|arXiv (Cornell University)|Sep 15, 2016

Functional Brain Connectivity Studies参考文献 12被引用数 3

ひとこと要約

本論文は、瞬間的機能的結合の時間的変動を用いて脳領域を細分化するトップダウン型の機能的パーセレーション手法であるインスタントアス・コンネクティビティ・パーセレーション（ICP）を紹介する。高品質な安静状態fMRIデータに適用した結果、扁桃体、内嗅皮質、運動皮質、および辺縁領域（脳幹およびストリオプルス）において生物学的に妥当な亜領域が明確に同定された。この結果は細胞構造マップと照合されて裏付けられている。

ABSTRACT

Functional neuroimaging studies have lead to understanding the brain as a collection of spatially segregated functional networks. It is thought that each of these networks is in turn composed of a set of distinct sub-regions that together support each network's function. Considering the sub-regions to be an essential part of the brain's functional architecture, several strategies have been put forward that aim at identifying the functional sub-units of the brain by means of functional parcellations. Current parcellation strategies typically employ a bottom-up strategy, creating a parcellation by clustering smaller units. We propose a novel top-down parcellation strategy, using time courses of instantaneous connectivity to subdivide an initial region of interest into sub-regions. We use split-half reproducibility to choose the optimal number of sub-regions. We apply our Instantaneous Connectivity Parcellation (ICP) strategy on high-quality resting-state FMRI data, and demonstrate the ability to generate parcellations for thalamus, entorhinal cortex, motor cortex, and subcortex including brainstem and striatum. We evaluate the subdivisions against available cytoarchitecture maps to show that the our parcellation strategy recovers biologically valid subdivisions that adhere to known cytoarchitectural features.

研究の動機と目的

• 従来のボトムアップ型クラスタリングを越えて、大規模な脳領域内に機能的ユニットを同定する新しいトップダウン型パーセレーション戦略を開発すること。
• 既知の細胞構造境界と一致させることで、機能的パーセレーションの生物学的妥当性を向上させること。
• 時間的変動する即時の機能的結合が、機能的に均一な領域を明確な亜領域に信頼性高く細分化できるかを評価すること。
• 分割半分再現性を用いて最適な亜領域数を決定することで、再現性のあるパーセレーション手法を確立すること。
• 得られたパーセレーションを既存の組織学的マップと照合し、解剖学的および機能的関連性を確認すること。

提案手法

• 本手法は、扁桃体や運動皮質などの事前に定義された領域（ROI）から出発する。
• ROI内における各ボクセルと他の全ボクセル間の、時間的変動する即時の機能的結合の時間的変動を抽出し、動的な機能的関係を捉える。
• これらの時間的変動をクラスタリングの入力とし、異なる結合ダイナミクスを示す亜領域を同定する。
• データの分割半分再現性を適用して、データ分割間での一貫性を評価し、最適な亜領域数を決定する。
• クラスタリングプロセスは、結合の時間的パターンに基づき、静的相関よりも動的な機能的差異化に重点を置く。
• 最終的なパーセレーションは、空間的整合性および既知の細胞構造境界との整合性について評価される。

実験結果

リサーチクエスチョン

• RQ1 時間的変動する即時の機能的結合の時間的変動は、均一な脳領域を機能的に異なる亜領域に信頼性高く細分化できるか？
• RQ2 提案されたICP手法は、データ分割間で再現性があり、生物学的に妥当なパーセレーションを生成するか？
• RQ3 ICPによって得られた亜領域は、ヒト脳の既存の細胞構造マップとどの程度整合するか？
• RQ4 ICPアプローチは、パーセレーションが特に困難な領域、例えば扁桃体や脳幹のような辺縁領域や非皮質領域にも適用可能か？
• RQ5 ボトムアップ型クラスタリングと比較して、トップダウン型ICP戦略は、機能的および解剖学的に意味のある細分化をより効果的に捉えられるか？

主な発見

• インスタントアス・コンネクティビティ・パーセレーション（ICP）手法は、扁桃体、内嗅皮質、運動皮質、および脳幹やストリオプルスを含む辺縁領域を、機能的に異なる亜領域に成功して細分化した。
• ICPによって得られたパーセレーションは、高い分割半分再現性を示し、亜領域同定の堅牢性を裏付けた。
• 得られた亜領域は強い空間的整合性を示し、ヒト脳における既知の細胞構造境界と一致した。
• この手法は、従来パーセレーションが困難とされる領域、例えば辺縁領域でさえ、機能的に不均一な亜領域を同定できた。
• 組織学的マップとの照合により、ICPが生物学的に妥当な細分化を回復できることを確認した。これは、機能的脳マッピングにおける実用性を支持する。
• 即時の機能的結合の時間的変動を用いることで、従来の相関ベースの手法では捉えきれない動的な機能的差異化を検出できた。