[논문 리뷰] Community-Level Modeling of Gyral Folding Patterns for Robust and Anatomically Informed Individualized Brain Mapping

Minheng Chen, Tong Chen외 6명|arXiv (Cornell University)|2026. 02. 01.

Functional Brain Connectivity Studies인용 수 0

한 줄 요약

이 논문은 3HG(세 갈퀴 형상의 이랑) 커뮤니티를 커뮤니티 수준에서 모델링하는 스펙트럴 그래프 학습 프레임워크를 제시하여 강건하고 해부학적으로 근거한 개인화 뇌 매핑과 피험자 간 대응을 달성한다.

ABSTRACT

Cortical folding exhibits substantial inter-individual variability while preserving stable anatomical landmarks that enable fine-scale characterization of cortical organization. Among these, the three-hinge gyrus (3HG) serves as a key folding primitive, showing consistent topology yet meaningful variations in morphology, connectivity, and function. Existing landmark-based methods typically model each 3HG independently, ignoring that 3HGs form higher-order folding communities that capture mesoscale structure. This simplification weakens anatomical representation and makes one-to-one matching sensitive to positional variability and noise. We propose a spectral graph representation learning framework that models community-level folding units rather than isolated landmarks. Each 3HG is encoded using a dual-profile representation combining surface topology and structural connectivity. Subject-specific spectral clustering identifies coherent folding communities, followed by topological refinement to preserve anatomical continuity. For cross-subject correspondence, we introduce Joint Morphological-Geometric Matching, jointly optimizing geometric and morphometric similarity. Across over 1000 Human Connectome Project subjects, the resulting communities show reduced morphometric variance, stronger modular organization, improved hemispheric consistency, and superior alignment compared with atlas-based and landmark-based or embedding-based baselines. These findings demonstrate that community-level modeling provides a robust and anatomically grounded framework for individualized cortical characterization and reliable cross-subject correspondence.

연구 동기 및 목표

• 피질 접힘의 피험자 간 큰 변이성을 다루되 안정적인 해부학적 특징점을 보존한다.
• 고립된 특징점 매칭을 넘어 더 높은 차원의 접힘 커뮤니티(3HG)를 모델링한다.
• 피험자 특정 파이프라인을 개발하여 커뮤니티 수준에서 피험자 간의 해부학적으로 근거 있는 대응을 산출한다.

제안 방법

• 각 3HG를 위상적 맥락(topological context)과 구조적(추적도) 연결성의 이중 프로파일(feature)로 표현한다.
• 각 피험자의 반구 내에서 2층 그래프 신경망을 사용해 3HG를 클러스터링하여 초기 커뮤니티를 얻는다.
• 공간 연속성을 보장하기 위해 연결성 제약을 갖는 위상적 정제를 적용한다.
• 다중 모달 커널 기반의 형상-기하학 매칭(JMGM)을 Hungarian 배정으로 해결해 피험자 간 대응을 설정한다(형상, 기하, 맥락의 특징을 활용).
• 개별 접힘 변이를 수용하기 위해 피험자별 모델을(각 반구당 하나씩) 학습한다.

실험 결과

연구 질문

• RQ1 커뮤니티 수준의 표현이 피험자 간의 이랑 접힘 패턴 정렬을 개선할 수 있는가?
• RQ2 3HG 접힘 커뮤니티가 거대한 코호트에서 형태측정 변이가 감소하고 모듈러 조직화가 강해지는가?
• RQ3 공동 형상–기하학적 매칭이 지도 기반 또는 고립된 특징점 접근법보다 강건한 피험자 간 대응을 제공하는가?

주요 결과

• 접힘 커뮤니티는 피험자 간 형태측정 변이를 실질적으로 감소시킨다.
• 커뮤니티 수준의 정렬은 모듈러 조직화를 강화하고 지도 기반 및 기존의 특징점 또는 임베딩 기반 기준선과 비교해 피험자 간 정렬을 개선한다.
• 제안된 파이프라인을 사용하면 해마 일관성과 피험자별 접힘 표현이 개선된다.
• 피험자 간 대응이 커뮤니티 수준에서 확립되어 보다 신뢰할 수 있고 미세한 개인화 뇌 매핑이 가능해진다.
• 이 방법은 1,064명의 HCP 피험자에서 강건한 성능을 나타내어 확장성과 강건성을 입증했다.