[論文レビュー] Coalescent embedding in the hyperbolic space unsupervisedly discloses the hidden geometry of the brain

Alberto Cacciola, Alessandro Muscoloni+10 more|arXiv (Cornell University)|May 10, 2017

Advanced Neuroimaging Techniques and Applications参考文献 27被引用数 23

ひとこと要約

本稿では、拡散テンソル画像法データを用いて、ヒト脳の構造的接続トポロジーの潜在的幾何構造を教師なしで再構築するために、双曲空間におけるコalescent埋め込みを導入する。この手法は、神経解剖学的に意味のある組織の再構築に成功し、脳側頭部と関連する角度的コalescenceを明らかにするとともに、パーキンソン病患者における病理的幾何的変化を検出することに成功した。

ABSTRACT

The human brain displays a complex network topology, whose structural organization is widely studied using diffusion tensor imaging. The original geometry from which emerges the network topology is known, as well as the localization of the network nodes in respect to the brain morphology and anatomy. One of the most challenging problems of current network science is to infer the latent geometry from the mere topology of a complex network. The human brain structural connectome represents the perfect benchmark to test algorithms aimed to solve this problem. Coalescent embedding was recently designed to map a complex network in the hyperbolic space, inferring the node angular coordinates. Here we show that this methodology is able to unsupervisedly reconstruct the latent geometry of the brain with an incredible accuracy and that the intrinsic geometry of the brain networks strongly relates to the lobes organization known in neuroanatomy. Furthermore, coalescent embedding allowed the detection of geometrical pathological changes in the connectomes of Parkinson's Disease patients. The present study represents the first evidence of brain networks' angular coalescence in the hyperbolic space, opening a completely new perspective, possibly towards the realization of latent geometry network markers for evaluation of brain disorders and pathologies.

研究の動機と目的

• ネットワークトポロジーからヒト脳接続トポロジーの潜在的幾何構造を推定すること。
• 双曲空間が、ユークリッド空間よりも脳ネットワークの内在的幾何をより正確にモデル化できるかどうかを検証すること。
• 教師なしの双曲空間埋め込みが神経解剖学的に意味のある組織を明らかにできるかどうかを調査すること。
• パーキンソン病に関連する脳ネットワークの幾何的変化を検出すること。
• 神経疾患における潜在的幾何に基づくバイオマーカーの基盤を確立すること。

提案手法

• コalescent埋め込みは、トポロジー的近接性に基づいて、ノードの角度座標を推定することで、脳ネットワークノードを双曲空間にマップする。
• この手法は、共有された接続パターンに基づいてノードを段階的にグループ化するコalescentプロセスを用い、階層的ネットワーク構造を保持する。
• スケールフリーで階層的なネットワークを高密度クラスタリングとともに自然に表現できるため、双曲空間が選択された。
• アルゴリズムは教師なしに動作し、ノードの位置や解剖学的ラベルの事前知識を一切不要とする。
• 埋め込みの品質は、回復された幾何が既知の神経解剖学的側頭部組織と比較されることで評価される。
• 病理的変化は、健常者とパーキンソン病患者の接続トポロジーの双曲空間埋め込みを比較することで評価される。

実験結果

リサーチクエスチョン

• RQ1 双曲空間は、トポロジーのみからヒト脳接続トポロジーの潜在的幾何を正確に表現できるか？
• RQ2 回復された双曲幾何は、既知の神経解剖学的側頭部組織を反映しているか？
• RQ3 コalescent埋め込みは、対照群と比較して、パーキンソン病患者の脳ネットワークにおける幾何的差を検出できるか？
• RQ4 構造的および機能的脳領域と一致するように、脳ネットワークに角度的コalescenceが観察される証拠はあるか？
• RQ5 教師なしの双曲空間埋め込みは、脳疾患における潜在的幾何バイオマーカーの基盤として機能できるか？

主な発見

• コalescent埋め込みは、解剖学的情報が事前に与えられていない状況でも、ヒト脳接続トポロジーの潜在的幾何を高い精度で再構築した。
• 回復された双曲幾何は、既知の神経解剖学的側頭部組織と強く相関しており、埋め込みに構造的根拠があることを示している。
• 双曲空間内での角度的コalescenceが観察され、脳ネットワークの構造と整合する階層的クラスタリングを反映していた。
• パーキンソン病患者の接続トポロジーと健常者との間に顕著な幾何的差が検出された。
• 従来のトポロジー解析では明らかでなかった、ネットワーク幾何の病理的変化が、本手法によって明らかにされた。
• 本研究は、双曲空間内における脳ネットワークの角度的コalescenceの初の証拠を提示し、ネットワークベースのバイオマーカーのための新たな枠組みを示唆している。