[論文レビュー] Quantifying the strength of structural connectivity underlying functional brain networks

Phebe Brenne Kemmer, F. DuBois Bowman+2 more|arXiv (Cornell University)|Mar 12, 2017

Functional Brain Connectivity Studies参考文献 33被引用数 4

ひとこと要約

本稿では、独立成分分析（ICA）を用いてfMRIから導出された機能的脳ネットワークの白質結合の強度を定量化するための標準化された構造的結合（sSC）の測定法を導入する。拡散テンソル画像（DTI）データを統合することで、ネットワークサイズとベースライン結合性を補正し、強い構造的結合性が複数の被験者間で機能的ネットワークの再現性が高くなることを明らかにした。また、調査されたネットワークにおいて、健常対照群とMDD患者との間でsSCの有意差は認められなかった。

ABSTRACT

In recent years, there has been strong interest in neuroscience studies to investigate brain organization through networks of brain regions that demonstrate strong functional connectivity (FC). These networks are extracted from observed fMRI using data-driven analytic methods such as independent component analysis (ICA). A notable limitation of these FC methods is that they do not provide any information on the underlying structural connectivity (SC), which is believed to serve as the basis for interregional interactions in brain activity. We propose a new statistical measure of the strength of SC (sSC) underlying FC networks obtained from data-driven methods. The sSC measure is developed using information from diffusion tensor imaging (DTI) data, and can be applied to compare the strength of SC across different FC networks. Furthermore, we propose a reliability index for data-driven FC networks to measure the reproducibility of the networks through re-sampling the observed data. To perform statistical inference such as hypothesis testing on the sSC, we develop a formal variance estimator of sSC based a spatial semivariogram model with a novel distance metric. We demonstrate the performance of the sSC measure and its estimation and inference methods with simulation studies. For real data analysis, we apply our methods to a multimodal imaging study with resting-state fMRI and DTI data from 20 healthy controls and 20 subjects with major depressive disorder. Results show that well-known resting state networks all demonstrate higher SC within the network as compared to the average structural connections across the brain. We also found that sSC is positively associated with the reliability index, indicating that the FC networks that have stronger underlying SC are more reproducible across samples.

研究の動機と目的

• ICAなどのデータドリブン手法を用いて同定された機能的結合（FC）ネットワークの背後にある構造的結合（SC）の強度を定量化する標準化された統計的測定法（sSC）を開発すること。
• FC手法の限界を補うために、通常の機能的ネットワーク解析で無視されがちなDTIからの解剖的結合性を組み込むこと。
• fMRIデータから推定されたFCネットワークの再現性が、SCの強度に依存するかを評価すること。新規の再サンプリングに基づく再現性インデックスを用いて行う。
• 空間半分散曲線モデルに新規の距離尺度を用いた、sSCの分散推定器を提示し、統計的推論を可能にする。
• 健常対照群と統合性障害（MDD）を有する患者群との間で、sSCの強度に有意差があるかを評価すること。

提案手法

• sSCは、ICAから得られた機能的ネットワーク成分と、DTIデータの確率的トラクトグラフィーから得られた構造的結合との間の標準化された偏相関として計算され、ネットワークサイズとベースラインSCを補正する。
• 再サンプリングされたfMRIデータを用い、ICA成分の再現性を測定することで再現性インデックスを算出し、機能的ネットワークの再現性を定量化する。
• 空間半分散曲線モデルに新規の距離尺度を用いることで、sSCの分散を推定し、仮説検定と信頼区間の構築を可能にする。
• パーミュテーション検定とブートストラップ再サンプリングを用いて、ネットワーク間および被験者群間（対照群 vs. MDD）のsSC差の有意性を評価する。
• 本手法は、20名の対照群および20名のMDD患者から得られたマルチモodal fMRIおよびDTIデータへの適用前に、シミュレーションスタディで妥当性を検証した。
• 機能的ネットワークはICAを用いて抽出され、SCは各ネットワーク内における全ボクセルペア間の平均繊維密度として計算され、グローバル平均SCに対する相対値として算出された。

実験結果

リサーチクエスチョン

• RQ1 安静状態機能的脳ネットワーク（ICs）の間で、機能的ネットワークの背後にある構造的結合（SC）の強度は異なるか？
• RQ2 機能的ネットワークの背後にあるSCの強度は、ICAなどのデータドリブン手法で同定された機能的ネットワークの再現性に関連しているか？
• RQ3 健常対照群と統合性障害（MDD）を有する患者群との間で、機能的ネットワークの背後にあるSCの強度に有意差があるか？
• RQ4 sSCは、機能的脳ネットワークの構造的基盤を定量化する信頼性の高い統計的推論可能な測定法として機能するか？
• RQ5 DTIからのSC情報を統合することで、fMRI研究における機能的ネットワーク同定の解釈可能性と頑健性が向上するか？

主な発見

• 主な安静状態機能的ネットワーク（ICs）は、グローバル平均よりも顕著に高いネットワーク内構造的結合性（sSC）を示し、機能的ネットワークに強い構造的基盤があることを示した。
• IC 8は平均sSCが最大（0.148）であり、IC 4は最小（0.054）であり、パーミュテーション検定により有意差（p < 0.0001）が確認された。
• 20名の対照群と20名のMDD患者の間で、9つの機能的ネットワークすべてにおいてsSCの有意差は認められず、群間差の95％信頼区間はすべて0を含んでいた。
• sSCと再現性インデックス（Rℓ）の間には正の相関が認められ、背後にあるSCが強い機能的ネットワークは、データの再サンプリングにおいてより再現性が高いことを示した。
• 空間半分散曲線モデルに基づくsSCの分散推定器により、sSC値に対する妥当な統計的推論が可能となり、仮説検定が支援された。
• シミュレーションスタディにより、さまざまなネットワークおよび結合性構成下でも、sSC推定および推論手順の頑健性と正確性が確認された。