[論文レビュー] Same Cause; Different Effects in the Brain

Mariya Toneva, Jennifer Williams+3 more|PubMed|Feb 21, 2022

Functional Brain Connectivity Studies参考文献 63被引用数 5

ひとこと要約

本論文は、fMRI データに適用された符号化モデルからの正規化されたゾーン一般化と残差を用いて、同じ刺激特性が異なる脳領域に同じ方法で影響を与えるかどうかを特定するための新しいフレームワークを提案する。この手法は、2つのナチュラルなfMRIデータセットにおいて、脳領域全体にわたる一貫した非対称的効果を明らかにし、同じ入力に対して異なる処理経路を介して刺激特性が異なる脳領域に影響を与えることを示している。

ABSTRACT

To study information processing in the brain, neuroscientists manipulate experimental stimuli while recording participant brain activity. They can then use encoding models to find out which brain "zone" (e.g. which region of interest, volume pixel or electrophysiology sensor) is predicted from the stimulus properties. Given the assumptions underlying this setup, when stimulus properties are predictive of the activity in a zone, these properties are understood to cause activity in that zone. In recent years, researchers have used neural networks to construct representations that capture the diverse properties of complex stimuli, such as natural language or natural images. Encoding models built using these high-dimensional representations are often able to significantly predict the activity in large swathes of cortex, suggesting that the activity in all these brain zones is caused by stimulus properties captured in the representation. It is then natural to ask: "Is the activity in these different brain zones caused by the stimulus properties in the same way?" In neuroscientific terms, this corresponds to asking if these different zones process the stimulus properties in the same way. Here, we propose a new framework that enables researchers to ask if the properties of a stimulus affect two brain zones in the same way. We use simulated data and two real fMRI datasets with complex naturalistic stimuli to show that our framework enables us to make such inferences. Our inferences are strikingly consistent between the two datasets, indicating that the proposed framework is a promising new tool for neuroscientists to understand how information is processed in the brain.

研究の動機と目的

• 同じ刺激特性が、同じ処理メカニズムを介して異なる脳領域に活動を引き起こすかどうかを特定すること。
• 言語ネットワーク内の脳領域が、言語的刺激を一様に処理するかどうかという未解決の問いに答えること。
• 異なる脳領域が、同じ刺激特徴に対して同様か異なる方法で反応するかどうかを区別する手法を開発すること。
• 共通の刺激予測可能性があるにもかかわらず、神経処理の機能的差異を推論できるようにすること。
• 映画や物語などの複雑なナチュラルな刺激を用いた2つの大規模fMRIデータセットにおいて、フレームワークを検証すること。

提案手法

• フレームワークは、刺激の高次元ニューラルネットワーク表現から、脳活動（fMRIボクセルまたはROIs）を予測する符号化モデルを用いる。
• 正規化されたゾーン一般化を計算する：ある脳領域で訓練したモデルが別の領域でテストされた際の性能を測り、共有された処理メカニズムを示す。
• 正規化されたゾーン残差を計算する：同じ刺激表現で訓練した場合に、2つの領域間の予測性能の差を測り、処理の相違を示す。
• 被験者全体と個々の被験者レベルの両方で、この手法を適用して被験者間の一貫性を評価する。
• 順列検定を用いて、ゾーン一般化と残差の有意性を統計的有意性評価する。
• フレームワークは、映画や物語などのナチュラルな刺激を用いた2つのfMRIデータセット（Courtois NeuroMod および Human Connectome Project）で検証された。

実験結果

リサーチクエスチョン

• RQ1 異なる脳領域は、同じ刺激特性を同じ方法で処理するのか、それとも異なる応答パターンを示すのか？
• RQ2 同じ刺激特徴が脳領域間で異なる神経応答を引き起こすかどうかを検出できるか？
• RQ3 異なる処理のパターンは、被験者やデータセット全体で一貫しているか？
• RQ4 信号対雑音比と刺激表現の割合が、ゾーン一般化と残差の解釈にどのように影響するか？
• RQ5 同じ刺激に対して、異なる脳領域で共有された処理経路と固有の処理経路を区別できるか？

主な発見

• 提案されたフレームワークは、Courtois NeuroMod および Human Connectome Project の両fMRIデータセットにおいて、脳領域間で一貫した非対称的処理パターンを同定した。
• 高い正規化されたゾーン残差（異なる処理を示す）を示すROIペアは、両データセットで被験者全体および個々の被験者レベルで一貫して同定された。
• ゾーン一般化値は5〜10名の被験者で安定化し、共有処理メカニズムの信頼性ある推定を示した。
• フレームワークは、同じ刺激表現によって両領域が有意に予測されるにもかかわらず、刺激特性が異なる脳領域に別々の神経経路を介して影響を与えることを明らかにした。
• この手法は、一部の脳領域が特定の刺激特徴（例：文法的構造 vs. 意味的意味）に対してより感受性であることを検出できたが、全体の表現が両方の領域の活動を予測していた。
• 被験者レベルの結果は、グループレベルの発見と強く一致し、フレームワークが個々の被験者にわたって堅牢であることを支持した。