[논문 리뷰] PrAGMATiC: a Probabilistic and Generative Model of Areas Tiling the Cortex

Alexander G. Huth, Thomas L. Griffiths외 2명|arXiv (Cornell University)|2015. 04. 14.

Neural dynamics and brain function참고 문헌 17인용 수 10

한 줄 요약

PrAGMATiC는 해부학적 공재등록을 필요로 하지 않고 신경영상 데이터로부터 군집 수준의皮질 지ap을 추론하는 계층적 베이지안 생성 모델이다. 이는 피질 영역을 스프링으로 연결된 중심점으로 모델링하여 개인 간에 강건한 맵핑을 가능하게 한다. 확률적 추론을 통해 피험자 간에 공유되는 토포그래픽 조직과 기능적 선택성을 학습하며, 기능적 데이터에 적용 가능하고 자동 ROI 레이블링 및 표현 유사도 분석 잠재력을 지닌다.

ABSTRACT

Much of the human cortex seems to be organized into topographic cortical maps. Yet few quantitative methods exist for characterizing these maps. To address this issue we developed a modeling framework that can reveal group-level cortical maps based on neuroimaging data. PrAGMATiC, a probabilistic and generative model of areas tiling the cortex, is a hierarchical Bayesian generative model of cortical maps. This model assumes that the cortical map in each individual subject is a sample from a single underlying probability distribution. Learning the parameters of this distribution reveals the properties of a cortical map that are common across a group of subjects while avoiding the potentially lossy step of co-registering each subject into a group anatomical space. In this report we give a mathematical description of PrAGMATiC, describe approximations that make it practical to use, show preliminary results from its application to a real dataset, and describe a number of possible future extensions.

연구 동기 및 목표

• 해부학적 뇌 구조의 변동성에도 불구하고 개인 간 일관된 토포그래픽 피질 지도를 식별하는 방법을 개발하는 것.
• 기존의 공재등록 및 ROI 기반 방법의 한계를 극복하기 위해 기능적 및 해부학적 제약 조건을 통합된 확률적 프레임워크 내에서 통합하는 것.
• 완벽한 해부학적 대응을 가정하지 않고 군집 수준 통계 모델링을 통해 강건한 데이터 기반 기능적 피질 지도 발견을 가능하게 하는 것.
• 자동 ROI 레이블링, 표현 유사도 분석, 휴식 상태 데이터 모델링 등의 응용을 지원하기 위해 엔드 투 엔드 베이지안 추론을 가능하게 하는 것.

제안 방법

• PrAGMATiC는 스프링으로 연결된 영역 중심점을 기반으로 피질 지도를 모델링하며, 스프링 길이와 강성은 피험자 간의 토포그래픽 관계를 표현한다.
• 모델은 맵 배열과 기능적 방출에 대한 확률을 정의하기 위해 볼츠만 분포를 사용하며, 피험자 간에 공유되는 매개변수를 통해 군집 수준의 조직을 캡처한다.
• 기능적 반응은 영역 소속 조건 하에서 다변량 정규분포로 모델링되며, 평균 반응은 刺자극 특성의 선형 조합 또는 시간경로 공분산에 기반한다.
• 스프링 상수, 길이, 기능적 가중치 등 모델 매개변수들은 대조 대비 수렴과 유사한 마르코프 체인 몬테카를로 기법을 사용한 최대우도 추정을 통해 학습된다.
• 휴식 상태 데이터를 위한 공분산 기반 모델링을 위해 위샤르 분포를 사용한 확장과 볼륨 단위 기능 모델의 엔드 투 엔드 피팅을 지원한다.
• 자동 ROI 레이블링은 새로운 피험자에서 학습된 레이블이 부여된 영역 구성에 기반해 레이블을 할당하기 위해 지그프 샘플링과 시뮬레이티드 앤날링을 적용함으로써 가능해진다.

실험 결과

연구 질문

• RQ1 해부학적 정렬이 신뢰할 수 없을 때 개인 간 일관된 토포그래픽 피질 지도를 어떻게 식별할 수 있는가?
• RQ2 해부학적 공재등록이 필요 없이 확률적 생성 모델이 기능적 선택성과 피질 영역의 공간 조직을 동시에 학습할 수 있는가?
• RQ3 PrAGMATiC는 순수하게 해부학적 또는 기능적 정렬 방법에 비해 얼마나 개선된 교차 피험자 기능적 맵핑을 가능하게 하는가?
• RQ4 로컬라이저 데이터를 사용하여 FFA나 PPA와 같은 알려진 기능적 ROI를 새로운 피험자에서 자동으로 레이블링하는 데 PrAGMATiC를 사용할 수 있는가?
• RQ5 영역 수준의 표현 이질성 행렬을 사용한 표현 유사도 분석을 위해 PrAGMATiC는 어떻게 적응될 수 있는가?

주요 결과

• PrAGMATiC는 해부학적 정규화가 필요 없이 영역 배치를 스프링 시스템으로 모델링하여 피험자 간 공통된 피질 지도 조직을 성공적으로 추론한다.
• 스프링 길이와 강성에 대한 공통 매개변수를 학습함으로써 모델은 공통된 토포그래픽 관계를 표현함으로써 교차 피험자 기능적 맵핑을 향상시킨다.
• 초기 결과는 PrAGMATiC가 실제 fMRI 데이터셋에 적용되어 군집 해부학 템플릿에 의존하지 않고 일관된 기능적 맵을 드러낼 수 있음을 보여준다.
• 이 프레임워크는 이전에 학습된 레이블이 부여된 모델을 기반으로 새로운 피험자에서 영역 구성의 가능성을 최대화함으로써 기능적 데이터 관측 가능성 최적화를 통해 자동 ROI 레이블링을 가능하게 한다.
• 휴식 상태 데이터에 대해 위샤르 분포를 사용하여 영역 간 기능 공분산 행렬을 모델링함으로써 기능적 연결성만으로도 비지도 파편화를 가능하게 하여 PrAGMATiC를 휴식 상태 데이터에 확장할 수 있다.
• 볼륨 단위 기능 모델링을 생성 프레임워크 내에 통합함으로써 영역 경계와 기능적 가중치의 동시 추정이 가능한 엔드 투 엔드 추론을 지원한다.