[논문 리뷰] Gyri vs. Sulci: Disentangling Brain Core-Periphery Functional Networks via Twin-Transformer

Xiaowei Yu, Lu Zhang외 6명|arXiv (Cornell University)|2023. 01. 31.

Functional Brain Connectivity Studies인용 수 4

한 줄 요약

이 논문은 HCP 데이터셋의 임무-fMRI 데이터를 이용해 인간 뇌의 굴곡과 굴곡의 기능적 역할을 분리하는 데 목적이 있는 트윈-Transformer 프레임워크를 제안한다. 동일한 두 개의 트랜스포머를 각각 굴곡과 굴곡에 대해 별도로 적용하고, 새로운 굴곡-굴곡 공통성-다양성 분리 손실(GS-CV Loss)을 도입함으로써, 굴곡은 전반적인 정보 처리를 위한 핵심 네트워크로, 굴곡은 국소적 처리를 위한 주변 네트워크로 작용함을 드러내어 대뇌皮질에 핵심-주변 기능적 아키텍처를 설정한다.

ABSTRACT

The human cerebral cortex is highly convoluted into convex gyri and concave sulci. It has been demonstrated that gyri and sulci are significantly different in their anatomy, connectivity, and function, besides exhibiting opposite shape patterns, long-distance axonal fibers connected to gyri are much denser than those connected to sulci, and neural signals on gyri are more complex in low-frequency while sulci are more complex in high-frequency. Although accumulating evidence shows significant differences between gyri and sulci, their primary roles in brain function have not been elucidated yet. To solve this fundamental problem, we design a novel Twin-Transformer framework to unveil the unique functional roles of gyri and sulci as well as their relationship in the whole brain function. Our Twin-Transformer framework adopts two structure-identical (twin) Transformers to disentangle spatial-temporal patterns of gyri and sulci, one focuses on the information of gyri and the other is on sulci. The Gyro-Sulcal interactions, along with the tremendous but widely existing variability across subjects, are characterized in the loss design. We validated our Twin-Transformer on the HCP task-fMRI dataset, for the first time, to elucidate the different roles of gyri and sulci in brain function. Our results suggest that gyri and sulci could work together in a core-periphery network manner, that is, gyri could serve as core networks for information gathering and distributing, while sulci could serve as periphery networks for specific local information processing. These findings have shed new light on our fundamental understanding of the brain's basic structural and functional mechanisms.

연구 동기 및 목표

• 굴곡과 굴곡의 기능적 역할이 해부학적 및 연결성 차이로 잘 알려져 있음에도 불구하고 여전히 이해가 부족한 인간 뇌 기능에서의 기본 기능적 역할을 밝히는 것.
• fMRI 데이터에서 굴곡과 굴곡에 특화된 복잡한 공간-시간 패턴의 기능 뇌 네트워크(FBNs)를 모델링하고 분리하는 것.
• 굴곡이 정보 허브로서, 굴곡이 국소 처리자로서 작용하는 핵심-주변 네트워크 구성이 존재하는지 조사하는 것.
• 다양한 피험자와 임무 간 공통적이고 고유한 기능 역동성을 모두 포착할 수 있는 딥러닝 프레임워크를 개발하는 것.

제안 방법

• 굴곡과 굴곡의 고유한 공간-시간 기능적 패턴을 모델링하기 위해, 굴곡용과 굴곡용으로 각각 하나씩 동일한 트랜스포머를 포함하는 트윈-트랜스포머 아키텍처를 설계하였다.
• 각 트랜스포머는 공간 모듈과 시간 모듈을 통합하여 4차원 fMRI 데이터에서 특징을 추출함으로써 공간적 및 시간적 동역학의 통합 분석을 가능하게 하였다.
• 굴곡과 굴곡 간의 상호작용, 공통성, 개별적 다양성을 명시적으로 모델링하기 위해 새로운 굴곡-굴곡 공통성-다양성 분리 손실(GS-CV Loss)을 도입하였다.
• 모델은 545명 피험자의 회색좌표 fMRI 데이터를 사용하여 HCP 임무-fMRI 데이터셋에서 엔드 투 엔드로 훈련되었으며, 운동 및 작업 기억 임무가 포함되었다.
• 훈련 후, 굴곡과 굴곡 전용 기능 뇌 네트워크(FBNs)를 복원하여 그들의 역할을 정량적으로 비교할 수 있도록 하였다.

실험 결과

연구 질문

• RQ1 굴곡과 굴곡은 인간 뇌 기능 네트워크 아키텍처에서 상이한 기능적 역할을 수행하는가?
• RQ2 딥러닝 모델이 fMRI 데이터에서 굴곡과 굴곡의 공간-시간 패턴을 효과적으로 분리할 수 있는가?
• RQ3 기능 뇌 네트워크에서 굴곡과 굴곡 간에 핵심-주변 네트워크 조직이 존재하는가에 대한 증거가 있는가?
• RQ4 운동 및 작업 기억과 같은 다양한 인지 임무에서 굴곡과 굴곡의 기능적 역할은 어떻게 변화하는가?

주요 결과

• 트윈-트랜스포머 모델은 굴곡과 굴곡 전용 기능 뇌 네트워크를 성공적으로 분리하여 대뇌皮质에 핵심-주변 조직이 존재함을 드러냈다.
• 운동 및 작업 기억 임무 모두에서 굴곡-굴곡 기능적 연결 확률(P_GG)이 굴곡-굴곡(P_GS) 및 굴곡-굴곡(P_SS)보다 유의미하게 높았으며, 핵심-주변 구조를 확인하였다.
• 50개 패턴 분석에서, 운동 임무 시 P_GG는 0.82±0.07, 작업 기억 임무 시 0.62±0.05였고, P_GS는 각각 0.11±0.04 및 0.24±0.02였으며, P_SS는 각각 0.07±0.04 및 0.13±0.04였다.
• 200개 패턴에서 P_GG는 운동 임무 시 0.80±0.06, 작업 기억 임무 시 0.70±0.04로 여전히 우세했으며, P_GS 및 P_SS는 증가했지만 여전히 낮은 수준을 유지하여 핵심-주변 역동성이 일관되게 유지됨을 지지하였다.
• 제거 실험을 통해 핵심-주변 패턴이 다양한 패턴 수와 사전 정의된 임계값에 걸쳐 강건함을 입증하였으며, 항상 P_GG > P_GS > P_SS가 관찰되었다.