[论文解读] Functional Alignment with Anatomical Networks is Associated with Cognitive Flexibility

John D. Medaglia, Weiyu Huang+4 more|arXiv (Cornell University)|Nov 26, 2016

Advanced Neuroimaging Techniques and Applications参考文献 43被引用 6

一句话总结

本研究提出了一种图信号处理框架，将功能脑信号与基于扩散谱成像（DSI）获得的个体解剖学白质网络对齐。结果表明，功能动态与潜在解剖网络结构的对齐程度越高，认知切换速度越快，与网络结构对齐程度最高的信号表现出最高的灵活性——这确立了一种新颖的结构-功能生物标志物，用于衡量认知敏捷性。

ABSTRACT

Cognitive flexibility describes the human ability to switch between modes of mental function to achieve goals. Mental switching is accompanied by transient changes in brain activity, which must occur atop an anatomical architecture that bridges disparate cortical and subcortical regions by underlying white matter tracts. However, an integrated perspective regarding how white matter networks might constrain brain dynamics during cognitive processes requiring flexibility has remained elusive. To address this challenge, we applied emerging tools from graph signal processing to decompose BOLD signals based on diffusion imaging tractography in 28 individuals performing a perceptual task that probed cognitive flexibility. We found that the alignment between functional signals and the architecture of the underlying white matter network was associated with greater cognitive flexibility across subjects. Signals with behaviorally-relevant alignment were concentrated in the basal ganglia and anterior cingulate cortex, consistent with cortico-striatal mechanisms of cognitive flexibility. Importantly, these findings are not accessible to unimodal analyses of functional or anatomical neuroimaging alone. Instead, by taking a generalizable and concise reduction of multimodal neuroimaging data, we uncover an integrated structure-function driver of human behavior.

研究动机与目标

• 识别一种简洁的多模态指标，整合大脑结构与功能，以预测个体在认知灵活性上的差异。
• 解决当前对白质架构如何限制认知切换过程中动态功能脑活动的理解空白。
• 开发并验证一种新型图信号处理方法，将功能信号相对于个体特异性解剖网络进行分解。
• 检验与解剖网络的信号对齐程度（而非孤立的功能或结构指标）是否更能预测认知切换任务中的行为表现。

提出的方法

• 利用扩散谱成像（DSI）示踪法为28名健康受试者构建个体化解剖脑网络。
• 应用图信号处理，将BOLD功能信号分解为与解剖网络拉普拉斯矩阵特征向量对齐的分量。
• 识别出与解剖网络结构对齐程度最高的功能信号‘宽松’分量，代表与行为相关的动态过程。
• 计算解剖网络结构解释的功能信号方差比例（跨受试者平均值为0.547%）。
• 通过随机化网络拓扑结构（同时保持度分布和强度分布不变）进行零假设置换检验，以评估解剖配置的特异性。
• 在偏相关分析中将帧间位移作为协变量，以控制头动对信号对齐和行为的影响。

实验结果

研究问题

• RQ1 功能脑信号与潜在解剖学白质网络之间的对齐程度是否能预测健康个体的认知灵活性？
• RQ2 与解剖网络对齐程度最高的功能信号是否与更快的任务切换最为相关？
• RQ3 观察到的信号对齐与切换成本之间的关系是否特异于真实的解剖网络配置，还是可在随机网络拓扑中复现？
• RQ4 与解剖网络的信号对齐程度相比，标准的单模态指标（如平均BOLD方差、节点强度或功能-解剖相关性）是否更能预测切换成本？
• RQ5 观察到的信号对齐与行为之间的关系在多大程度上是由头动而非神经动力学驱动的？

主要发现

• 与解剖网络结构对齐的功能信号方差比例与认知灵活性显著相关，偏相关系数r = 0.57（p = 0.002），表明对齐程度越高，切换速度越快。
• 与解剖网络对齐程度最高的信号集中于基底神经节和前扣带皮层，这些区域已知参与皮层-纹状体认知控制机制。
• 零假设置换检验显示，观察到的对齐信号与切换成本之间的相关性超过99%的随机解剖网络相关性，证实真实解剖配置的必要性。
• 简单的功能或结构指标——如平均BOLD方差（r = -0.09，p = 0.68）、平均皮层下节点强度（r = -0.15，p = 0.48）或功能-解剖相关性（r = 0.17，p = 0.41）——均未显著预测切换成本。
• 头动与宽松信号对齐显著相关（r = 0.77，p = 1.10×10⁻⁶），但将头动作为协变量后，关键相关性未发生改变（r = 0.57 vs. r = 0.59），证实行为关系并非由运动伪影驱动。
• 本研究确立，通过图信号处理将功能动态与个体解剖网络整合，可产生比单模态分析更具信息量的认知灵活性生物标志物。