[논문 리뷰] A Framework for Exploring Non-Linear Functional Connectivity and Causality in the Human Brain: Mutual Connectivity Analysis (MCA) of Resting-State Functional MRI with Convergent Cross-Mapping and Non-Metric Clustering

Axel Wismüller, Xixi Wang외 2명|arXiv (Cornell University)|2014. 07. 14.

Functional Brain Connectivity Studies참고 문헌 21인용 수 41

한 줄 요약

이 논문은 교차 예측과 수렴하는 교차 매핑(CCM)을 사용하여 휴식 상태 fMRI에서 비선형 기능적 연결성과 인과관계를 식별하기 위한 모델 프리 프레임워크인 상호 연결성 분석(MCA)을 제안한다. MCA는 비거리수집 기반의 클러스터링(Louvain 방법)과 결합되어 주로 운동 기능을 담당하는 뇌 영역인 체성운동피질과 보조운동영역의 정확한 국소화를 보여주는 운동망 구조를 회복한다. 이는 MCA가 사전에 정의된 작업 프로토콜 없이도 뇌의 내재된 네트워크 구조를 밝혀낼 잠재력을 보여준다.

ABSTRACT

We present a computational framework for analysis and visualization of non-linear functional connectivity in the human brain from resting state functional MRI (fMRI) data for purposes of recovering the underlying network community structure and exploring causality between network components. Our proposed methodology of non-linear mutual connectivity analysis (MCA) involves two computational steps. First, the pair-wise cross-prediction performance between resting state fMRI pixel time series within the brain is evaluated. The underlying network structure is subsequently recovered from the affinity matrix constructed through MCA using non-metric network partitioning/clustering with the so-called Louvain method. We demonstrate our methodology in the task of identifying regions of the motor cortex associated with hand movement on resting state fMRI data acquired from eight slice locations in four subjects. For comparison, we also localized regions of the motor cortex through a task-based fMRI sequence involving a finger-tapping stimulus paradigm. Finally, we integrate convergent cross mapping (CCM) into the first step of MCA for investigating causality between regions of the motor cortex. Results regarding causation between regions of the motor cortex revealed a significant directional variability and were not readily interpretable in a consistent manner across all subjects. However, our results on whole-slice fMRI analysis demonstrate that MCA-based model-free recovery of regions associated with the primary motor cortex and supplementary motor area are in close agreement with localization of similar regions achieved with a task-based fMRI acquisition. Thus, we conclude that our computational framework MCA can extract and visualize valuable information concerning the underlying network structure and causation between different regions of the brain in resting state fMRI.

연구 동기 및 목표

• 휴식 상태 fMRI에서 비선형 기능적 연결성을 탐지하기 위한 모델 프리 방법 개발.
• 작업 유도 활성화 없이 수렴하는 교차 매핑(CCM)을 활용해 뇌 영역 간 인과관계 탐색.
• 상호 연결성 행렬에 대한 비거리수집 기반 클러스터링을 통해 뇌의 잠재적 네트워크 공동체 구조 복원.
• MCA 기반의 운동 피질 국소화 결과를 기존의 작업 기반 fMRI 결과와 비교 검증.
• 모든 피험자 간 방향성 인과관계 추정의 일관성과 해석 가능성 평가.

제안 방법

• MCA는 뇌 볼륨에서의 fMRI 시계열 간 쌍별 교차 예측 성능을 계산하여 상호 연결성을 추정한다.
• 교차 예측 점수에서 유사도 행렬을 구성하여 비선형 기능적 연결성을 표현한다.
• Louvain 방법을 사용해 유사도 행렬에 비거리수집 기반 클러스터링을 수행하여 네트워크 공동체를 식별한다.
• 방향성 인과관계 추론을 위해 CCM이 운동 피질 영역 간 적용된다.
• 결과는 MCA로 식별된 운동 영역을 표준 손가락 타이핑 작업 기반 fMRI 프로토콜으로 확보된 영역과 비교하여 검증된다.
• 프레임워크는 네 명의 피험자로부터의 다중 슬라이스 휴식 상태 fMRI 데이터를 처리하며, 분석은 여덟 개의 슬라이스 위치에서 수행된다.

실험 결과

연구 질문

• RQ1 상호 연결성 분석(MCA)은 작업 활성화 없이도 휴식 상태 fMRI에서 알려진 운동망 영역을 성공적으로 회복할 수 있는가?
• RQ2 MCA의 성능는 전통적인 작업 기반 fMRI에 비해 체성운동피질과 보조운동영역의 국소화에 있어 어떻게 비교되는가?
• RQ3 휴식 상태 데이터에서 수렴하는 교차 매핑(CCM)은 운동 피질 하위 영역 간에 이해 가능한 방향성 인과관계를 어느 정도 드러내는가?
• RQ4 MCA가 식별한 네트워크 공동체 구조는 피험자 간에 강건하고 일관된가?
• RQ5 MCA는 선형 상관관계 방법에 비해 비선형 상호작용을 어느 정도 잘 캡처하는가?

주요 결과

• MCA는 손가락 타이핑 작업 기반 fMRI 프로토콜으로 국소화된 체성운동피질과 보조운동영역의 영역을 성공적으로 식별하였다.
• MCA 기반의 운동망 공동체 복원 결과는 작업 기반 fMRI 결과와 높은 공간적 일치도를 보였으며, 기능적으로 관련된 영역을 탐지하는 데 있어 높은 신뢰성을 나타냈다.
• CCM을 활용한 인과관계 분석은 운동 피질 영역 간에 유의미한 방향성 변동성을 드러냈지만, 모든 피험자에서 일관되게 해석 가능한 결과는 아니었다.
• 비거리수집 기반 접근법(Louvain 방법)은 비선형 연결 패턴을 바탕으로 생물학적으로 타당한 뇌 네트워크 공동체로 뇌를 효과적으로 분할하였다.
• 이 프레임워크는 휴식 상태 fMRI에서 비선형 기능적 연결성을 활용해 작업 프로토콜 없이도 의미 있는 네트워크 구조를 추출할 수 있음을 입증하였다.
• 본 연구는 MCA가 작업 기반 설계가 불가능한 경우에 특히 유용한 기능적 뇌 네트워크 분석의 실현 가능한 대안임을 확인한다.