[논문 리뷰] A Searchlight Factor Model Approach for Locating Shared Information in Multi-Subject fMRI Analysis

Hejia Zhang, Po-Hsuan Chen외 6명|arXiv (Cornell University)|2016. 09. 29.

Functional Brain Connectivity Studies참고 문헌 11인용 수 6

한 줄 요약

이 논문은 다중 피실험자 fMRI 데이터에서 공유된 신경 정보를 더 높은 공간 해상도로 국소화하기 위해 검색광 기반 공유 반응 요인 모델(SRM)을 제안한다. 뇌 전역에 걸쳐 고정된 크기의 구형 검색광 내에서 ICA 및 그룹 ICA와 같은 요인 모델을 적용함으로써, 기능적으로 유의미한 작은 영역을 식별한다. 이는 시간 세그먼트 및 시나리오 재구성 작업에서 높은 분류 정확도를 보이며, SR-ICA는 정확도와 요인 효율성 측면에서 다른 모델을 능가한다.

ABSTRACT

There is a growing interest in joint multi-subject fMRI analysis. The challenge of such analysis comes from inherent anatomical and functional variability across subjects. One approach to resolving this is a shared response factor model. This assumes a shared and time synchronized stimulus across subjects. Such a model can often identify shared information, but it may not be able to pinpoint with high resolution the spatial location of this information. In this work, we examine a searchlight based shared response model to identify shared information in small contiguous regions (searchlights) across the whole brain. Validation using classification tasks demonstrates that we can pinpoint informative local regions.

연구 동기 및 목표

• 해부학적 및 기능적 변동성에도 불구하고 fMRI 데이터에서 피실험자 간 공유된 신경 반응을 식별하는 데 도전하는 문제를 해결하기 위해.
• 공유 반응 요인 모델에서 공간 국소성을 유지함으로써 다중 피실험자 fMRI 분석의 공간 해상도를 향상시키기 위해.
• 공유 정보가 저장되는 작은 유의미한 뇌 영역을 정밀하게 특정하여, 표적적 신경과학적 조사가 가능하도록 방법을 개발하기 위해.
• 국소화된 요인 모델이 전체 뇌 요인 모델보다 공유된 인지 상태를 탐지하는 데 더 우수한 성능을 보이는지 평가하기 위해.

제안 방법

• 전체 뇌 전역에서 고정된 크기의 구형 검색광(예: 125체소) 내에서 공유 반응 요인 모델(SRM)을 적용하여 국소적 분석을 가능하게 한다.
• 각 검색광에서 피실험자별 fMRI 데이터를 피실험자별 혼합 행렬 $ W_i $ 와 공유 소스 행렬 $ S $ 로 함께 요인 분해하며, 정규화된 비용 함수를 최소화한다.
• ICA 및 그룹 ICA의 변형(SR-ICA, SR-GICA)을 사용하여 공유 반응을 학습하며, 각 검색광에서 성능을 최적화하기 위해 $ k $ 개의 잠재 요인을 선택한다.
• 각 검색광의 중심 체소에 분류 정확도와 최적의 $ k $ 값을 할당하여, 정보가 많은 영역을 나타내는 뇌 지apap을 생성한다.
• 세 가지 작업을 사용하여 성능을 검증한다: 시간 세그먼트 매칭(오디오북, 셔록-영화), 그리고 시나리오 재구성 매칭(셔록-재구성), 기회 정확도를 기준선으로 삼는다.
• 모든 검색광의 결과를 집계하여 총 분류 정확도를 계산하고, $ k=100 $ 으로 설정된 전체 뇌 요인 모델과 비교한다.

실험 결과

연구 질문

• RQ1 검색광 기반 공유 반응 요인 모델은 fMRI 데이터에서 피실험자 간 공유 정보가 저장되는 작은 뇌 영역을 효과적으로 국소화할 수 있는가?
• RQ2 국소화된 요인 모델의 성능은 전체 뇌 요인 모델에 비해 공유된 인지 상태를 탐지하는 데서 어떻게 비교되는가?
• RQ3 국소 분석에서 가장 높은 정확도를 달성하면서도 가장 적은 수의 잠재 요인을 사용하는 요인 모델 변종(SR-ICA, SRM 등)은 무엇인가?
• RQ4 요인 분해 과정에서 공간 국소성을 유지할 경우 전체 분류 정확도가 감소하는가, 아니면 유지되거나 향상될 수 있는가?
• RQ5 이 방법은 특정 자극에 대한 반응으로서 초기 감각 피질이나 PMC와 같은 고차원 연합 영역과 같은 생물학적으로 의미 있는 영역을 식별할 수 있는가?

주요 결과

• SR-ICA는 시간 세그먼트 매칭 및 시나리오 재구성 작업 양쪽 모두에서 다른 모든 모델보다 높은 분류 정확도를 기록했으며, SRM 및 SR-GICA를 능가했다.
• 시간 세그먼트 매칭에서 오디오북 데이터셋의 경우 첫 번째 청각 피질(EAC)이 가장 정보가 많은 영역이었고, 셔록-영화 데이터셋에서는 첫 번째 시각 피질(EVC)이 가장 정보가 많았다. 이는 자극 모odal의 특성과 일치했다.
• 시나리오 재구성 작업에서는 후측 메탈 코르티시스(PMC)가 핵심 영역으로 부각되었으며, 이는 기억 회상 과정에서 고차원 인지 처리 기능을 수행한다는 점을 시사했다.
• 검색광의 공간 제약에도 불구하고 전체 분류 정확도는 감소하지 않았고, 때로는 전체 뇌 요인 모델보다 향상되기도 하였다.
• $ k $ 뇌 지도 분석 결과, SR-ICA는 다른 모델과 유사한 정확도를 달성하면서도 훨씬 적은 수의 잠재 요인을 사용하여 더 높은 표현 효율성을 보였다.
• 기회 정확도는 오디오북의 경우 0.0044, 셔록-영화의 경우 0.001이었으며, 시나리오 재구성 작업의 기회 정확도는 0.02였고, 이는 관측된 결과의 통계적 유의미성을 확인한다.