[논문 리뷰] Same Cause; Different Effects in the Brain

Mariya Toneva, Jennifer Williams외 3명|PubMed|2022. 02. 21.

Functional Brain Connectivity Studies참고 문헌 63인용 수 5

한 줄 요약

이 논문은 fMRI 데이터에 적용된 인코딩 모델의 정규화된 영역 일반화와 잔차를 사용하여 동일한 자극 특성이 서로 다른 뇌 영역에 동일한 방식으로 영향을 미치는지 여부를 판단하는 새로운 프레임워크를 제안한다. 이 방법은 두 개의 자연스러운 fMRI 데이터셋에서 뇌 영역 간에 일관되고 비대칭적인 영향을 드러내며, 동일한 자극이 서로 다른 처리 경로를 통해 다양한 뇌 영역에 영향을 미친다는 것을 입증한다.

ABSTRACT

To study information processing in the brain, neuroscientists manipulate experimental stimuli while recording participant brain activity. They can then use encoding models to find out which brain "zone" (e.g. which region of interest, volume pixel or electrophysiology sensor) is predicted from the stimulus properties. Given the assumptions underlying this setup, when stimulus properties are predictive of the activity in a zone, these properties are understood to cause activity in that zone. In recent years, researchers have used neural networks to construct representations that capture the diverse properties of complex stimuli, such as natural language or natural images. Encoding models built using these high-dimensional representations are often able to significantly predict the activity in large swathes of cortex, suggesting that the activity in all these brain zones is caused by stimulus properties captured in the representation. It is then natural to ask: "Is the activity in these different brain zones caused by the stimulus properties in the same way?" In neuroscientific terms, this corresponds to asking if these different zones process the stimulus properties in the same way. Here, we propose a new framework that enables researchers to ask if the properties of a stimulus affect two brain zones in the same way. We use simulated data and two real fMRI datasets with complex naturalistic stimuli to show that our framework enables us to make such inferences. Our inferences are strikingly consistent between the two datasets, indicating that the proposed framework is a promising new tool for neuroscientists to understand how information is processed in the brain.

연구 동기 및 목표

• 동일한 자극 특성이 서로 다른 뇌 영역에 동일한 처리 메커니즘을 통해 활성화를 유도하는지 여부를 규명하는 것.
• 언어 네트워크 내 뇌 영역이 언어 자극을 균일한 방식으로 처리하는지에 대한 열린 질문을 해결하는 것.
• 다른 뇌 영역이 동일한 자극 특성에 대해 유사한 방식으로 반응하는지 또는 다르게 반응하는지 구분할 수 있는 방법을 개발하는 것.
• 공통된 자극 예측 가능성을 가진 상태에서도 기능적 처리 차이를 추론할 수 있도록 돕는 것.
• 자연스러운 자극이 포함된 두 개의 대규모 fMRI 데이터셋에서 프레임워크의 타당성을 검증하는 것.

제안 방법

• 프레임워크는 자극의 고차원적 신경망 표현으로부터 뇌 활성도(예: fMRI 박자 또는 ROI)를 예측하기 위해 인코딩 모델을 사용한다.
• 정규화된 영역 일반화를 계산한다: 한 영역에서 훈련된 모델이 다른 영역에서 테스트되었을 때의 성능으로, 공유된 처리 메커니즘을 나타낸다.
• 정규화된 영역 잔차를 계산한다: 동일한 자극 표현에서 훈련된 두 영역 간의 예측 성능 차이로, 다원적인 처리를 나타낸다.
• 모델 성능을 그룹 수준와 참가자 수준에서 평가하여 참가자 간 일관성을 분석한다.
• 통계적 추론을 위해 순열 검정을 사용하여 영역 일반화와 잔차의 유의성을 평가한다.
• 이 프레임워크는 자연스러운 자극(예: 영화, 이야기)을 포함한 두 개의 fMRI 데이터셋인 Courtois NeuroMod와 Human Connectome Project에서 검증된다.

실험 결과

연구 질문

• RQ1 다른 뇌 영역이 동일한 자극 특성을 동일한 방식으로 처리하는가, 아니면 서로 다른 반응 패턴을 보이는가?
• RQ2 동일한 자극 특성이 뇌 영역 간에 다원적인 신경 반응을 유도하는지 감지할 수 있는가?
• RQ3 다른 참가자와 데이터셋 간에 차별적 처리 패턴이 일관된가?
• RQ4 신호 대 잡음 비율과 자극 표현 비율이 영역 일반화와 잔차의 해석에 어떤 영향을 미치는가?
• RQ5 동일한 자극에 대해 서로 다른 뇌 영역에서 공통된 경로와 고유한 경로가 구분되는가?

주요 결과

• 제안된 프레임워크는 Courtois NeuroMod와 Human Connectome Project fMRI 데이터셋에서 모두 뇌 영역 간에 일관되고 비대칭적인 처리 패턴을 식별했다.
• 높은 정규화된 영역 잔차(다른 처리 방식을 나타냄)를 보이는 ROI 쌍은 두 데이터셋에서 모두 그룹 수준과 참가자 수준에서 일관되게 식별되었다.
• 5~10명의 참가자로 영역 일반화 값이 안정화되어 공유된 처리 메커니즘의 신뢰성 있는 추정이 가능함을 보여주었다.
• 프레임워크는 동일한 자극 표현이 뇌 영역에 영향을 미치는 방식이 다를 수 있음을 드러내었으며, 이는 두 영역 모두 동일한 자극 표현에 의해 유의미하게 예측될 수 있음에도 불구하고 해당 사항이다.
• 일부 뇌 영역이 특정 자극 특성(예: 문법적 vs 의미적)에 더 민감함을 감지하였으며, 이는 전체 표현이 둘 다 활성도를 예측할 수 있음에도 불구하고 해당 사항이다.
• 참가자 수준의 결과는 그룹 수준의 결과와 강력하게 일치하여, 프레임워크가 개인 간에 강인함을 뒷받침한다.