[论文解读] Accurately Predicting Functional Connectivity from Diffusion Imaging

Cassiano O. Becker, Sérgio Pequito+5 more|arXiv (Cornell University)|Dec 8, 2015

Functional Brain Connectivity Studies参考文献 23被引用 9

一句话总结

本文提出一种基于谱图理论与凸优化的方法，利用扩散成像数据从结构脑网络预测静息态功能连接。该方法将功能连接建模为结构路径幂次（最长至5阶）的加权和，实现了较高的预测精度（平均R² ≈ 0.65），并揭示了短程结构路径在功能相关性形成中起主导作用。

ABSTRACT

Understanding the relationship between the dynamics of neural processes and the anatomical substrate of the brain is a central question in neuroscience. On the one hand, modern neuroimaging technologies, such as diffusion tensor imaging, can be used to construct structural graphs representing the architecture of white matter streamlines linking cortical and subcortical structures. On the other hand, temporal patterns of neural activity can be used to construct functional graphs representing temporal correlations between brain regions. Although some studies provide evidence that whole-brain functional connectivity is shaped by the underlying anatomy, the observed relationship between function and structure is weak, and the rules by which anatomy constrains brain dynamics remain elusive. In this article, we introduce a methodology to predict with high accuracy the functional connectivity of a subject at rest from his or her structural graph. Using our methodology, we are able to systematically unveil the role of structural paths in the formation of functional correlations. Furthermore, in our empirical evaluations, we observe that the eigen-modes of the predicted functional connectivity are aligned with activity patterns associated with different cognitive systems. Our work offers the potential to infer properties of brain dynamics in clinical or developmental populations with low tolerance for functional neuroimaging.

研究动机与目标

• 开发一种方法，利用非侵入性扩散成像准确预测从结构脑网络的功能连接。
• 理解间接结构路径在人类大脑功能相关性中的贡献。
• 在临床或发育人群中实现功能脑动态的推断，这些人群对fMRI的耐受性较低。
• 为从一个矩阵（功能连接）预测另一个矩阵（结构连接）提供可推广的神经影像学框架。

提出的方法

• 使用谱图理论将功能连接建模为结构邻接矩阵S的幂次的非线性函数。
• 采用凸优化学习截断和（S^l，l = 1至k）的最优权重，其中k = 5为所考虑的最大路径长度。
• 从90个脑区（AAL图谱）之间白质纤维束中的部分各向异性（FA）值构建结构图。
• 使用皮尔逊相关系数计算经小波滤波的BOLD信号（0.06–0.125 Hz）的功能连接矩阵。
• 在84名受试者上使用非线性、非参数回归框架进行预测器训练。
• 通过交叉验证验证预测结果，并使用预测与实际功能连接矩阵之间的相关系数（R²）评估性能。

实验结果

研究问题

• RQ1 能否利用扩散成像从结构脑网络高精度预测功能连接？
• RQ2 哪些结构路径长度（如1至5阶）对功能连接预测的贡献最为显著？
• RQ3 间接结构路径在多大程度上塑造了人类大脑的功能相关性？
• RQ4 该方法能否在对fMRI耐受性较低的人群（如运动障碍或发育迟缓者）中推断功能连接？
• RQ5 预测的功能连接矩阵的特征模态是否与已知的认知系统活动模式一致？

主要发现

• 所提方法在84名受试者中预测功能连接的平均R²约为0.65。
• 当包含最长至5阶的结构路径时，预测精度最高，且较短路径（l ≤ 5）对预测的贡献显著更高。
• 预测的功能连接矩阵的特征模态与与特定认知系统相关的活动模式一致。
• 模型揭示了间接结构路径在塑造功能相关性方面起着关键作用，其影响超越了直接解剖连接。
• 该方法可实现对因运动、焦虑或发育挑战而无法接受标准fMRI检查的个体的功能脑动态的高精度推断。
• 该框架具有可推广性，可应用于损伤后、学习过程或衰老过程中结构-功能关系的研究。