[論文レビュー] Functional Connectivity via Total Correlation: Analytical results in Visual Areas

Qiang Li, Greg Ver Steeg+1 more|arXiv (Cornell University)|Aug 11, 2022

Functional Brain Connectivity Studies被引用数 6

ひとこと要約

本稿では、全相関（T）が、網膜-外側膝状体-皮質という初期視覚神経径路における多次元機能的結合を捉える際、相互情報量（I）を上回ることを示す分析的結果を提示している。線形受容野と除法的正規化を備えた生物学的に現実的なモデルを用いて、著者らはTがネットワーク結合性やフィードバックに特に敏感であることを示し、冗長性低減や非線形相互作用の検出において優れた性能を発揮することを明らかにした。これは、fMRIや自然画像データにおける経験的推定器に対する理論的裏付けのある代替手法を提供する。

ABSTRACT

Recent studies invoke the superiority of the multivariate Total Correlation concept over the conventional pairwise measures of functional connectivity in biological networks. Those seminal works certainly show that empirical measures of Total Correlation lead to connectivity patterns that differ from what is obtained using the most popular measure, linear correlation, or its higher order and nonlinear alternative Mutual Information. However, they do not provide analytical results that explain the differences beyond the obvious multivariate versus bivariate definitions. Moreover, the accuracy of the empirical estimators could not be addressed directly because no controlled scenario with known analytical result was provided either. This point is critical because empirical estimation of information theory measures is always challenging. As opposed to previous empirical approaches, in this work we present analytical results to prove the advantages of Total Correlation over Mutual Information to describe the functional connectivity. In particular, we do it in neural networks for early vision (retina-LGN-cortex) which are realistic but simple enough to get analytical results. The presented analytical setting is also useful to check empirical estimates of Total Correlation. Therefore, once certain estimate can be trusted, one can explore the behavior with natural signals where the analytical results (that assume Gaussian signals), may not be valid. In this regard, as applications (a) we explore the effect of connectivity and feedback in the analytical retina-LGN-cortex network with natural images, and (b) we assess the functional connectivity in visual areas V1-V2-V3-V4 from actual fMRI recordings.

研究の動機と目的

• 従来の経験的研究において、神経ネットワークの機能的結合に全相関（T）を用いる際の理論的根拠の欠如に取り組むこと。
• 理論的に、Tが初期視覚処理径路における多次元相互作用を捉える際、相互情報量（I）よりも強い感度を示すことを示すこと。
• TとIの経験的推定器の検証に用いることができる、既知の真値を持つ制御された解析的可解モデルとしての網膜-外側膝状体-皮質径路を構築すること。
• ガウス分布および自然画像の刺激下で、フィードバックおよび正規化パラメータを変化させた際のTとIの結合性変化検出性能を評価すること。
• 実fMRIデータ（視覚野V1–V4）におけるTの信頼性を、解析的ベンチマークを用いて経験的推定値を検証する。

提案手法

• 線形受容野と除法的正規化を備えた、初期視覚径路（網膜-外側膝状体-V1）の3ノード解析的モデルを構築し、情報理論的測度の閉形式計算を可能にした。
• ガウス信号仮定下での全相関（T）および相互情報量（I）の解析的表現を導出し、ネットワークパラメータに対する感度を正確に比較可能にした。
• 上位から下位へのフィードバックおよびさまざまな非線形性パラメータ（例：c_ez, σ_H）を組み込み、皮質フィードバックおよび正規化強度を模擬し、結合ダイナミクスの分析を可能にした。
• 合成データ（自然画像）および実fMRIデータの両方において、TとIの経験的推定にRBIG（ランダムバイパス独立成分分析）法を用い、分布的分析による統計的妥当性を検証した。
• 経験的推定器の行動を解析的予測と比較することで、実fMRIデータへの応用前に信頼性を保証した。
• 部分相互相関、コherエンス、位相ロック値といった代替的結合記述子を用いて感度をテストし、Tとの性能を対比した。

実験結果

リサーチクエスチョン

• RQ1 全相関（T）は、神経ネットワークにおける多次元機能的結合を捉える際、相互情報量（I）よりも高い感度を示すか？
• RQ2 結合性とフィードバックは、網膜-外側膝状体-皮質径路における情報伝達および冗長性低減に、TとIで測定してどのように影響を与えるか？
• RQ3 既知の真値を持つ解析的モデルは、神経データにおけるTとIの経験的推定器を信頼性を持って検証可能か？
• RQ4 標準的な対象結合記述子（例：コherエンス、位相ロック値）は、非線形神経モデルにおけるTが捉える結合性変化を検出できないのか？
• RQ5 Tによって推定される機能的結合パターンは、視覚野V1–V4における経験的fMRIデータとどのように一致するか？

主な発見

• 解析的勾配を用いたモデルのパrameter空間内での分析により、全相関（T）が相互情報量（I）よりも結合性およびフィードバックパラメータの変化に対して顕著に高い感度を示すことが明らかになった。
• 解析的モデルにより、Tが層間をまたがる冗長性低減を効果的に捉えていることが確認され、fMRIデータにおいてV1からV4にかけて共有情報が明確に減少していることが示された。
• Tの経験的RBIG推定値は、fMRIデータ全体で一貫したシフトを示し、V1からV4にかけて情報伝達が低下し、冗長性低減が増加していることを裏付けた。
• Tの情報推定分布同士の重複は最小限に抑えられており、特に離れたノード（例：V1–V4）間で、統計的に有意な結合パターンの差異があることが示された。
• コherエンスや位相ロック値といった代替記述子は、非線形モデルにおける結合性変化を検出できなかったが、Tはパラメータ範囲全体で強い感度を示した。
• 解析的フレームワークにより、経験的T推定器の妥当性が検証され、実fMRIデータへの応用前に信頼性が保証された。これにより、バイアスのある解釈のリスクが低減された。