[논문 리뷰] Controllability Analysis of Functional Brain Networks

Shikuang Deng, Shi Gu|arXiv (Cornell University)|2020. 03. 18.

Functional Brain Connectivity Studies참고 문헌 59인용 수 12

한 줄 요약

이 연구는 fMRI 데이터의 시스템 식별을 통해 동적 신호 전파를 모델링함으로써 네트워크 제어 이론을 기능적 뇌망으로 확장한다. 여기서 기능적 제어 가능성은 효과적 연결성과 신호 공분산에서 유도되며, 작업 기억, 언어, 정서지능의 개인적 차이를 예측한다. 이는 기능적 제어 가능성과 구조적 제어 가능성 간의 상호 보완적 관계를 보여주며, 특히 동기화 가능성과 인지 작업 성과와의 관계에서 추가적인 통찰을 제공한다.

ABSTRACT

Network control theory has recently emerged as a promising approach for understanding brain function and dynamics. By operationalizing notions of control theory for brain networks, it offers a fundamental explanation for how brain dynamics may be regulated by structural connectivity. While powerful, the approach does not currently consider other non-structural explanations of brain dynamics. Here we extend the analysis of network controllability by formalizing the evolution of neural signals as a function of effective inter-regional coupling and pairwise signal covariance. We find that functional controllability characterizes a region's impact on the capacity for the whole system to shift between states, and significantly predicts individual difference in performance on cognitively demanding tasks including those task working memory, language, and emotional intelligence. When comparing measurements from functional and structural controllability, we observed consistent relations between average and modal controllability, supporting prior work. In the same comparison, we also observed distinct relations between controllability and synchronizability, reflecting the additional information obtained from functional signals. Our work suggests that network control theory can serve as a systematic analysis tool to understand the energetics of brain state transitions, associated cognitive processes, and subsequent behaviors.

연구 동기 및 목표

• 효과적 연결성과 신호 공분산을 사용하여 기능적 뇌 동역학을 모델링하는 시스템 식별 프레임워크를 개발한다.
• 기능적 제어 가능성—동적 신호 패턴에서 유도된 것—이 인지 성과의 개인적 차이를 예측하는지 조사한다.
• 기능적 제어 가능성과 구조적 제어 가능성 간의 비교를 통해 뇌 상태 전이를 설명하는 데 있어 추가적인 가치를 평가한다.
• 기능적 뇌망에서 제어 가능성과 동기화 가능성 간의 관계를 조사한다.
• 노드 수준의 제어 가능성 지표를 사용하여 선형 회귀를 통해 모델의 예측 능력을 검증한다.

제안 방법

• HCP fMRI 데이터에서 0- 및 1-시프트 상관계수 행렬에 스토케스틱 선형 동역학을 피팅하여 효과적 연결성을 추정한다.
• 전이 행렬 A를 효과적 연결성으로, 제어 행렬 B를 캐논리컬 형태로 스케일된 노이즈 공분산으로 설정한 선형 제어 시스템을 구성한다.
• 단위 입력 에너지 하에서 평균 상태 도달 가능성의 측도로 H₂-노름을 사용하여 평균 제어 가능성을 계산한다.
• 고에너지 제어 방향에 대한 시스템의 저항력을 측정하는 H∞-노름의 역수로 모드 제어 가능성을 계산한다.
• 가중 연결성과 임계값 적용된 영향을 고려한 최적화 프레임워크를 통해 α-최소 제어 집합을 식별한다.
• 노드 수준의 제어 가능성 지표를 예측 변수로 사용하여 선형 모델을 통해 작업 성과를 예측하며, 계수를 통해 지역 기여도를 규명한다.

실험 결과

연구 질문

• RQ1 기능적 제어 가능성—동적 신호 패턴에서 유도된 것—은 작업 기억과 정서지능과 같은 인지적으로 도전적인 과제에서 개인적 차이를 예측하는가?
• RQ2 기능적 제어 가능성은 구조적 제어 가능성과 비교하여 뇌망 동역학과 제어 성질을 얼마나 잘 반영하는가?
• RQ3 기능적 제어 가능성과 네트워크 동기화 가능성 간의 관계는 무엇이며, 이는 구조적 토폴로지만으로는 포착되지 않는 새로운 통찰을 제공하는가?
• RQ4 fMRI 시계열의 시스템 식별은 뇌 동역학을 지원하는 신뢰할 수 있는 선형 모델을 도출할 수 있는가?
• RQ5 노드 수준의 제어 가능성 지표는 특정 인지 과제 성과를 어느 정도 예측할 수 있는가?

주요 결과

• 기능적 제어 가능성은 작업 기억, 언어, 정서지능 과제에서 개인의 성과를 유의미하게 예측하며, 이는 인지 제어와의 관련성을 시사한다.
• 평균 제어 가능성과 모드 제어 가능성은 기능적 네트워크와 구조적 네트워크 간에 일관된 관계를 보이며, 이는 구조적 제어 가능성 연구 결과를 지지한다.
• 기능적 제어 가능성과 동기화 가능성 간의 독특한 관계가 관찰되어, 구조만으로는 포착되지 않는 추가적인 동적 정보를 반영한다.
• 시스템은 전반적으로 제어 가능했으며, 제어에 필요한 에너지가 정량화되어 있어 뇌 상태 간의 타당한 상태 전이가 가능함을 시사한다.
• α-최소 제어 집합 분석을 통해 제어 효율성이 뇌 영역 간에 다양하며, 특정 허브 영역이 전체 시스템의 제어 가능성에 더 큰 기여를 한다는 것이 드러났다.
• 노드 수준의 제어 가능성 지표를 예측 변수로 사용한 선형 모델은 과제 성과 예측에 유의미한 예측 능력을 보였으며, 지역 기여도는 회귀 계수를 통해 정량화되었다.