[論文レビュー] Visualization in Connectomics

Hanspeter Pfister, Verena Kaynig+5 more|arXiv (Cornell University)|Jun 7, 2012

Functional Brain Connectivity Studies参考文献 84被引用数 9

ひとこと要約

本論文は、マクロスケール、メソスケール、マイクロスケールにおける構造的・機能的・効果的結合を抽出・分析する画像ベースの手法に焦点を当て、結合ゲノミクス分野における可視化技術について包括的なレビューを提供している。脳ネットワークの可視化フレームワーク（機能的ユニット（FU）マップやグラフ平均化を含む）を提示し、異なる条件下でのEEGとfMRIデータの比較分析を可能にしている。

ABSTRACT

Connectomics is a field of neuroscience that analyzes neuronal connections. A connectome is a complete map of a neuronal system, comprising all neuronal connections between its structures. The term "connectome" is close to the word "genome" and implies completeness of all neuronal connections, in the same way as a genome is a complete listing of all nucleotide sequences. The goal of connectomics is to create a complete representation of the brain's wiring. Such a representation is believed to increase our understanding of how functional brain states emerge from their underlying anatomical structure. Furthermore, it can provide important information for the cure of neuronal dysfunctions like schizophrenia or autism. In this paper, we review the current state-of-the-art of visualization and image processing techniques in the field of connectomics and describe some remaining challenges.

研究の動機と目的

• 脳画像データのスケールと複雑さの増大に伴い、結合ゲノミクス分野における高度な可視化技術の需要が高まっていることに対応する。
• マクロスケール、メソスケール、マイクロスケールにおける画像データから結合情報を抽出する最先端の手法をレビューすること。
• EEG、fMRI、光顕微鏡などのマルチモodalデータを統合的に可視化するフレームワークを構築し、比較的ネットワーク解析を可能にすること。
• 異なる条件下または異なる被験者からのネットワークを直接比較可能な可視化手法を提供し、脳ネットワークの視覚的ガイド付き解析を支援すること。
• 脳グラフにおけるトポロジカルおよび空間的関係を保持しつつ、統計的比較を可能にする可視化手法を開発すること。

提案手法

• ノードNと重み付きエッジEを有する脳グラフ表現G(N;E)を用い、解剖学的および機能的結合をモデル化する。
• 結合行列Cを用い、エントリc_ijが相互作用強度を表す。しきい値処理により、本質的な結合を特定する。
• 脳グラフの空間的可視化を実施し、実際の解剖的構造および物理的結合パターンを可視化する。
• 色分けされた行列ビューを用いて結合行列を可視化し、相互作用パターンの迅速な点検を可能にする。
• EEGデータのための機能的ユニット（FU）マップを導入。FUは、顕著に整合性の高い信号を持つ電極の空間的連結クリークである。
• グラフ平均化を用いて、集団レベルの整合性を捉える平均FUマップを計算し、ノードおよびエッジの出現頻度分析により個々のばらつきを保持する。

実験結果

リサーチクエスチョン

• RQ1 可視化技術は、結合ゲノミクスにおける複数スケールの脳結合データ解析をどのように支援できるか？
• RQ2 異なる被験者や実験的条件下から得られた脳ネットワークを比較する際、最も効果的な手法は何か？
• RQ3 機能的ユニット（FU）マップは、周波数帯域や被験者ごとのEEG整合性ネットワークを可視化・比較するためにどのように利用できるか？
• RQ4 fMRI、EEG、光顕微鏡などのマルチモーダルデータを統合的に可視化し、一貫性のある結合ゲノム表現に統合するための戦略は何か？
• RQ5 グラフ平均化は、複数のデータセットから得た脳ネットワークの代表的かつ統計的に意味のある可視化をどのように作成できるか？

主な発見

• 画像ベースの結合ゲノミクスデータの解析において、可視化は不可欠である。神経結合データの高次元性と複雑さを考慮すると特に重要である。
• 機能的ユニット（FU）マップは、顕著に整合性のある信号を持つ空間的に近接した電極をグループ化することで、マルチチャンネルEEG整合性を効果的に可視化する。色分けされた線でFU間の整合性を表現する。
• グラフ平均化により、集団レベルの脳ネットワーク活動を捉える平均FUマップを生成可能であり、ノードおよびエッジの出現頻度指標を用いて個々のばらつきを保持する。
• この手法により、複数のFUマップを直接視覚的に比較可能となり、被験者や条件下での共通および変動するネットワークパターンの同定が容易になる。
• FUマップおよびグラフ平均化は、精神的疲労や汎脚底線条体変性症に関する研究においてEEGデータに成功裏に適用されており、臨床的および認知神経科学分野での有用性が示された。
• マルチモーダルデータを階層的結合ゲノム表現に統合する課題は依然として残っており、高度な可視化およびデータ統合技術の開発が求められる。