[논문 리뷰] Cortical Geometry Network and Topology Markers for Parkinson's Disease

Amanmeet Garg, Donghuan Lu외 2명|arXiv (Cornell University)|2016. 11. 14.

Topological and Geometric Data Analysis참고 문헌 7인용 수 3

한 줄 요약

이 논문은 파킨슨병(PD)에서 해부학적으로 정의된皮질 파라셀의 3차원 좌표를 사용하여 피각 표면 기하학을 모델링하는 새로운 기하 네트워크(GN) 프레임워크를 제안한다. 상호 영역 간 거리 행렬을 구성하고, 영구 동질성(persistent homology)을 통해 그 위상학적 특성을 분석함으로써, PD 환자와 건강한 대조군 간에 Betti 수(β₁ 및 β₃)에 유의미한 차이가 있음을 규명하였다(p < 0.05), 이는 신경퇴행성 변화에 대한 비침습적 진단 마커로의 잠재력을 보여준다.

ABSTRACT

Neurodegeneration affects cortical gray matter leading to loss of cortical mantle volume. As a result of such volume loss, the geometrical arrangement of the regions on the cortical surface is expected to be altered in comparison to healthy brains. Here we present a novel method to study the alterations in brain cortical surface geometry in Parkinson's disease (PD) subjects with a \emph{Geometry Networks (GN)} framework. The local geometrical arrangement of the cortical surface is captured as the 3D coordinates of the centroids of anatomically defined parcels on the surface. The inter-regional distance between cortical patches is the signal of interest and is captured as a geometry network. We study its topology by computing the dimensionality of simplicial complexes induced on a filtration of binary undirected networks for each geometry network. In a permutation statistics test, a statistically significant ($p&lt;0.05$) difference was observed in the homology features between PD and healthy control groups highlighting its potential to differentiate between the groups and their potential utility in disease diagnosis.

연구 동기 및 목표

• 파킨슨병이 신경퇴행성 변화와 회색질 위축으로 인해 피각 영역의 3차원 기하 배열에 미치는 영향을 조사하는 것.
• 기존의 이원적 네트워크 모델을 넘어서 다원적(다对다) 상호작용을 포괄하는 네트워크 기반 프레임워크를 개발하는 것.
• 상호 영역 간 거리 행렬에 영구 동질성을 적용하여 파킨슨병에서 미세한 구조적 변화에 민감한 위상학적 특징을 추출하는 것.
• 통계적 검정을 통해 이러한 위상학적 특징이 PD 환자와 건강한 대조군을 구분하는 데 얼마나 효과적인지 평가하는 것.
• 피각 표면 기하학과 위상학에 기반한 일반화 가능한 비침습적 영상 생물학적 마커를 설정하는 것.

제안 방법

• 피각 표면이 해부학적으로 정의된 영역으로 분할되며, 각 영역의 위치를 나타내기 위해 중심점(centroid)을 3차원 공간 좌표로 사용한다.
• 파라셀 중심점 간의 상호 영역 유클리드 거리로 구성된 가중치가 부여된 무방향 그래프가 네트워크 필터링의 입력 자료로 사용된다.
• 증가하는 임계값(εk)을 사용하여 네트워크 필터링을 적용함으로써, 완전히 분리된 상태에서 완전히 연결된 상태로 이르는 계층적 이진 무방향 그래프를 생성한다.
• 필터링된 네트워크에 대해 Vietoris-Rips 단형 복합체를 유도하여 영구 동질성 특징, 즉 Betti 수 β₀, β₁, β₂, β₃를 계산한다.
• 필터링 전반에 걸쳐 위상학적 특징(Betti 수)을 추출하여 피각 기하학 내의 다중 상호작용 및 지속적인 구조 패턴을 포착한다.
• 위상학적 특징(위상학적 특징)에 대한 그룹 간 차이의 통계적 유의성을, 순열 기반 피셔의 정확 검정과 호팅턴의 T² 검정을 통해 평가한다.

실험 결과

연구 질문

• RQ1 파킨슨병이 상호 영역 간 거리에 반영된 피각 영역의 3차원 기하 배열에 어떻게 영향을 미치는가?
• RQ2 영구 동질성의 피각 기하 네트워크에서 유도된 위상학적 특징이 PD 환자와 건강한 대조군을 효과적으로 구분할 수 있는가?
• RQ3 영구 동질성이 포착하는 다원적 상호작용은 기존의 이원적 네트워크 지표보다 파킨슨병에서 더 높은 분류 능력을 제공하는가?
• RQ4 특정 Betti 수(β₀, β₁, β₂, β₃) 중에서 어느 것이 PD 군과 대조군 간에 통계적으로 유의미한 차이를 보이는가?
• RQ5 제안된 기하 네트워크 프레임워크가 신경퇴행성 질환 진행에 대한 강력하고 비침습적인 영상 생물학적 마커로 기능할 수 있는가?

주요 결과

• 영구 동질성 특징 중 β₁(1차원 구멍의 수)는 PD 군과 건강한 대조군 간에 통계적으로 유의미한 차이를 보였다(p = 0.017).
• β₃(3차원 구멍의 수) 특징은 더욱 강한 통계적 유의성(p = 0.005)을 보이며, 질병 관련 기하학적 변화에 매우 민감함을 시사한다.
• β₁ 및 β₃ 특징을 조합함으로써 분류 성능이 향상되었으며, 피셔의 정확 검정에서 p값이 0.005로 나타나 상호보완적 진단 잠재력을 보였다.
• 전통적인 네트워크 지표인 노드 차수, 군집 계수, 국소 효율성은 통계적 유의성(p > 0.05)을 보이지 않아, 이원적 네트워크 모델의 한계를 드러냈다.
• β₁ 및 β₃ Betti 수 특징은 순열 검정과 호팅턴의 T² 검정 양쪽에서 모두 p < 0.05를 달성하여, 그 강건성과 분류 능력을 확인하였다.
• 결과는 파킨슨병 관련 신경퇴행성 변화가 피각 기하학의 위상학적 구조에 감지 가능한 비랜덤한 변화를 유도하며, 특히 고차원 단형 특징에서 두드러진다는 것을 지지한다.