[论文解读] 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 23

一句话总结

本文提出在双曲空间中进行凝聚嵌入，以无监督方式从扩散张量成像数据中重建人类大脑结构连接组的潜在几何结构。该方法准确恢复了具有神经解剖学意义的组织结构，揭示了与脑叶相关的角度凝聚现象，并检测到帕金森病患者脑网络中的病理几何变化。

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.

研究动机与目标

• 仅从网络拓扑中推断人类大脑连接组的潜在几何结构。
• 检验双曲空间是否能比欧几里得空间更准确地建模脑网络的内在几何结构。
• 探究在双曲空间中无监督嵌入是否能揭示具有神经解剖学意义的组织结构。
• 检测与帕金森病相关的脑网络几何变化。
• 为神经疾病中的潜在几何结构生物标志物奠定基础。

提出的方法

• 凝聚嵌入通过基于拓扑邻近性的角度坐标推断，将脑网络节点映射到双曲空间。
• 该方法使用凝聚过程，根据共享的连接模式迭代地分组节点，从而保持网络的层次结构。
• 选择双曲空间是因为其天然适合表示具有高聚类性的无标度层次网络。
• 该算法以无监督方式运行，无需节点位置或解剖标签的先验知识。
• 通过将恢复的几何结构与已知的神经解剖学脑叶组织进行比较，评估嵌入质量。
• 通过比较健康人与帕金森病患者连接组的双曲嵌入，评估病理变化。

实验结果

研究问题

• RQ1 仅从脑网络拓扑出发，双曲空间能否准确表示人类大脑连接组的潜在几何结构？
• RQ2 所恢复的双曲几何是否反映了已知的神经解剖学脑叶组织？
• RQ3 凝聚嵌入能否检测到帕金森病患者与对照组相比脑网络中的几何差异？
• RQ4 是否存在与脑结构和功能区域一致的脑网络中角度凝聚的证据？
• RQ5 无监督的双曲空间嵌入能否作为脑部疾病潜在几何标志物的基础？

主要发现

• 凝聚嵌入即使在缺乏先验解剖信息的情况下，也能以高精度成功重建人类大脑连接组的潜在几何结构。
• 所恢复的双曲几何与已知的神经解剖学脑叶组织具有强相关性，表明该嵌入具有结构基础。
• 在双曲空间中观察到角度凝聚现象，反映出与脑网络架构一致的层次聚类。
• 与健康对照组相比，帕金森病患者的连接组中检测到显著的几何差异。
• 该方法揭示了在标准拓扑分析中不明显的网络几何病理变化。
• 本研究首次提供了脑网络在双曲空间中存在角度凝聚的证据，提示了一种基于网络的生物标志物新框架。