[논문 리뷰] A Multi-Resolution Spatio-Temporal Model for Brain Activation and Connectivity in fMRI Data

Stefano Castruccio, Hernando Ombao외 1명|arXiv (Cornell University)|2016. 02. 07.

Functional Brain Connectivity Studies참고 문헌 41인용 수 4

한 줄 요약

이 논문은 뇌 영역 간의 국소적 비정상성 공간 의존성을 고려하면서도 병변 부위의 활성화와 전체 뇌 연결성을 동시에 모델링하는 다중 해상도 시공간 가우시안 프로세스 모델을 제안한다. 공간적으로 변하는 계수와 그래픽스 LASSO를 통합하여 연결성 추정의 정확도를 높이고 유의수준 오류율을 낮추어, 뇌졸중 환자에서 운동 과제 수행 시 왼쪽 전두엽과 로렌틱 옵erculum ROI 간에 더 강력하고 해석 가능한 기능적 연결성을 입증한다.

ABSTRACT

Functional Magnetic Resonance Imaging (fMRI) is a primary modality for studying brain activity. Modeling spatial dependence of imaging data at different scales is one of the main challenges of contemporary neuroimaging, and it could allow for accurate testing for significance in neural activity. The high dimensionality of this type of data (on the order of hundreds of thousands of voxels) poses serious modeling challenges and considerable computational constraints. For the sake of feasibility, standard models typically reduce dimensionality by modeling covariance among regions of interest (ROIs) -- coarser or larger spatial units -- rather than among voxels. However, ignoring spatial dependence at different scales could drastically reduce our ability to detect activation patterns in the brain and hence produce misleading results. To overcome these problems, we introduce a multi-resolution spatio-temporal model and a computationally efficient methodology to estimate cognitive control related activation and whole-brain connectivity. The proposed model allows for testing voxel-specific activation while accounting for non-stationary local spatial dependence within anatomically defined ROIs, as well as regional dependence (between-ROIs). Furthermore, the model allows for detection of interpretable connectivity patterns among ROIs using the graphical Least Absolute Shrinkage Selection Operator (LASSO). The model is used in a motor-task fMRI study to investigate brain activation and connectivity patterns aimed at identifying associations between these patterns and regaining motor functionality following a stroke.

연구 동기 및 목표

• 고차원 fMRI 데이터에서 복잡한 비정상성 공간 의존성을 모델링하면서도 계산 가능성을 유지하는 데 도전한다.
• ROI 평균 모델을 넘어서 병변 수준의 추론을 통해 뇌 활성화 및 연결성 패턴 탐지의 통계적 검정력과 정확도를 향상시킨다.
• 지역적 공간 구조와 지역 간 연결성을 동시에 포착하는 확장성 있고 계산 효율적인 프레임워크를 개발한다.
• 무시된 공간 상관관계로 인한 가짜 양성률을 줄여 임상적 fMRI 연구, 특히 뇌졸중 환자에서 더 신뢰할 수 있는 추론을 가능하게 한다.
• 그래픽스 LASSO를 활용해 과도한 파rameter화를 피하고 해석 가능한 희박한 연결망을 제공한다.

제안 방법

• 해부학적으로 정의된 ROI 내에서 오차 구조의 국소적 비정상성을 포착하기 위해 공간적으로 변하는 계수를 사용하는 계층적 베이지안 프레임워크를 적용한다.
• 다중 해상도 표현을 통해 다양한 척도에서 공간 의존성을 모델링하여 데이터 기반의 민첩한 공간 상관관계 구조를 허용한다.
• ROI 별 랜덤 효과를 포함한 선형 혼합 효과 모델을 통해 병변 수준의 활성화를 모델링하여 국소적 및 전반적 연결성 패턴을 포착한다.
• 지역 기하학성과 이방향성에 적응하는 비정상성 공분산 함수를 가진 가우시안 프로세스를 사용하여 공간 의존성 구조를 추정한다.
• ROI 수준의 랜덤 효과의 정밀도 행렬에 그래픽스 LASSO를 적용하여 희박하고 해석 가능한 무방향 연결망을 추론한다.
• 고차원 fMRI 데이터의 계산 부담을 관리하기 위해 병렬 처리를 활용한 맞춤형 추론 알고리즘을 도입하여 확장 가능한 추정을 가능하게 한다.

실험 결과

연구 질문

• RQ1 지역적 비정상성 공간 의존성을 고려하는 다중 해상도 시공간 모델이 fMRI 데이터에서 뇌 활성화 탐지에 기여할 수 있는가?
• RQ2 ROI 수준이 아닌 병변 수준에서 공간 의존성을 모델링할 경우 통계적 검정력과 유의수준 오류율에 어떤 영향을 미치는가?
• RQ3 운동 과제 중 뇌 영역 간의 기능적 연결성의 구조는 어떠한가? 그리고 희박하고 해석 가능한 그래픽스 모델을 통해 신뢰성 있게 추정할 수 있는가?
• RQ4 제안된 모델이 뇌졸중 환자에서 운동 기능 장애 회복 과정에서 활성화 패턴을 탐지하는 데 기존 표준 방법보다 뛰어난가?
• RQ5 ROI의 다양한 하위 영역에서 공간 상관관계는 어떻게 달라지며, 이는 기저 신경 조직에 대한 통찰을 제공하는가?

주요 결과

• 제안된 모델은 지역적 비정상성 공간 의존성을 적절히 고려함으로써 기존 표준 방법 대비 Type I 오류율을 크게 감소시켰다. 이는 등방성 또는 정상성 모델이 포착하지 못하는 바이다.
• 공간 상관관계의 비정상성은 국소적 이방향성만으로는 충분히 모델링할 수 없으며, 더 민첩한 공간 모델링 접근이 필요함을 시사한다.
• 그래픽스 LASSO(λ=0.01)를 통해 식별된 가장 강력한 직접 기능적 연결성은 왼쪽 전두엽 옵erculum과 왼쪽 로렌틱 옵erculum 사이에 존재했으며, 이는 언어장애 및 발음 제어와 관련된 영역으로 알려져 있다.
• 보조 운동 영역(SMA-L)의 하위 영역 간 공간 상관관계는 의미 있는 차이를 보였으며, 전방 영역은 더 원형의 의존성을, 후방 영역은 방향성(타원형) 패턴을 보였다.
• 모델은 임의의 ROI 정의 없이 병변 수준의 활성화 추론을 가능하게 하여, 功能적 활성 ROI를 구성하는 활성 병변 수의 모호함을 피할 수 있다.
• 수치적 연구 결과, 국소적 비정상성을 忽略할 경우 최적의 검정 절차를 얻을 수 없으며, 제안된 모델은 명목 유의수준에 더 가까운 Type I 오류율을 달성함을 확인했다.