[论文解读] Locally-Optimized Inter-Subject Alignment of Functional Cortical Regions

Marius Cătălin Iordan, Armand Joulin+2 more|arXiv (Cornell University)|Jun 7, 2016

Functional Brain Connectivity Studies参考文献 11被引用 3

一句话总结

本文提出了一种局部优化的跨被试对齐方法，通过在时间序列间最大化功能相关性，同时允许非平滑的局部形变，来预测功能皮层区域的位置。该方法显著优于AFNI和FreeSurfer基线方法，实现与真实LOC的24-25%重叠（对比基线的10-11%），以及26%的跨被试一致性（对比基线的9-11%），从而在无需局部定位扫描的情况下实现可靠的ROI转移。

ABSTRACT

Inter-subject registration of cortical areas is necessary in functional imaging (fMRI) studies for making inferences about equivalent brain function across a population. However, many high-level visual brain areas are defined as peaks of functional contrasts whose cortical position is highly variable. As such, most alignment methods fail to accurately map functional regions of interest (ROIs) across participants. To address this problem, we propose a locally optimized registration method that directly predicts the location of a seed ROI on a separate target cortical sheet by maximizing the functional correlation between their time courses, while simultaneously allowing for non-smooth local deformations in region topology. Our method outperforms the two most commonly used alternatives (anatomical landmark-based AFNI alignment and cortical convexity-based FreeSurfer alignment) in overlap between predicted region and functionally-defined LOC. Furthermore, the maps obtained using our method are more consistent across subjects than both baseline measures. Critically, our method represents an important step forward towards predicting brain regions without explicit localizer scans and deciphering the poorly understood relationship between the location of functional regions, their anatomical extent, and the consistency of computations those regions perform across people.

研究动机与目标

• 为解决由于高解剖可变性和缺乏一致解剖标志点，导致高级视觉功能区域（尤其是外侧枕叶复合体，LOC）在跨被试映射中不准确的问题。
• 提高在无需为每个区域单独进行局部定位扫描的情况下，将功能区域位置可靠地跨被试转移的能力。
• 开发一种通过最大化功能相关性并允许非平滑局部形变，实现精确、区域特异性对齐的方法。
• 探究个体间功能对比度峰值、解剖位置与皮层计算之间的关系。
• 提供一种通用解决方案，仅使用功能fMRI数据和最少的解剖先验信息，预测功能ROI位置。

提出的方法

• 该方法将种子ROI划分为更小的子区域，并独立优化每个子区域与目标皮层表面候选位置之间的功能相关性。
• 采用约束优化框架，限制相邻子区域间距离的最大增加量，以保持拓扑一致性。
• 通过最大化跨被试对应子区域时间序列间的功能相关性，识别最优映射关系。
• 允许非平滑的局部形变，避免了先前方法中对连续、平滑映射的假设。
• 该算法应用于仅使用一次高变异性刺激实验的fMRI数据，预测LOC的位置。
• 通过交并比（IoU）评估方法在准确性和跨被试一致性方面的表现。

实验结果

研究问题

• RQ1 局部优化的配准方法能否提升如LOC这类功能定义皮层区域在跨被试对齐中的准确性？
• RQ2 与平滑的全局变换相比，允许非平滑局部形变如何影响ROI预测的可靠性？
• RQ3 在无显式解剖标志点的情况下，仅依靠功能相关性在多大程度上可实现跨被试的精确ROI转移？
• RQ4 与标准对齐基线方法相比，该方法在预测LOC位置的一致性方面表现如何？
• RQ5 该方法能否减少或消除fMRI研究中耗时的专用局部定位扫描需求？

主要发现

• 所提方法在预测LOC与真实LOC之间实现了24-25%的交并比（IoU），显著优于AFNI（10-11%）和FreeSurfer（10-11%）基线方法。
• 该方法在三个或以上被试中一致预测的区域实现了26%的IoU，而两种基线方法仅为9-11%。
• 对预测图的视觉检查显示方差减小且定位精度更高，预测峰值完全包含在真实LOC边界内。
• 该方法在跨被试的映射一致性方面优于AFNI和FreeSurfer，尤其在远离枕极的高级视觉区域表现更优。
• 结果表明，基于功能相关性优化并结合局部形变灵活性，可实现比全局平滑变换更可靠的ROI转移。
• 该方法可在无需单独局部定位扫描的情况下准确预测功能区域，表明其为单次实验功能映射提供了可行路径。