[论文解读] Nonlinear functional mapping of the human brain

Nicholas Allgaier, Tobias Banaschewski+28 more|arXiv (Cornell University)|Sep 8, 2015

Functional Brain Connectivity Studies参考文献 7被引用 3

一句话总结

本文提出非线性功能映射（NFM），一种结合符号回归与遗传编程的机器学习方法，用于在不假设线性关系的前提下，从静息态fMRI数据中发现脑感兴趣区域（ROIs）之间的非线性相互作用。研究发现，饮酒者在情绪、奖赏及内感受处理网络中表现出更强的非线性耦合，尤其体现在左侧苍白球和海马旁束上，这一模式在传统相关性分析中被忽略。

ABSTRACT

The field of neuroimaging has truly become data rich, and novel analytical methods capable of gleaning meaningful information from large stores of imaging data are in high demand. Those methods that might also be applicable on the level of individual subjects, and thus potentially useful clinically, are of special interest. In the present study, we introduce just such a method, called nonlinear functional mapping (NFM), and demonstrate its application in the analysis of resting state fMRI from a 242-subject subset of the IMAGEN project, a European study of adolescents that includes longitudinal phenotypic, behavioral, genetic, and neuroimaging data. NFM employs a computational technique inspired by biological evolution to discover and mathematically characterize interactions among ROI (regions of interest), without making linear or univariate assumptions. We show that statistics of the resulting interaction relationships comport with recent independent work, constituting a preliminary cross-validation. Furthermore, nonlinear terms are ubiquitous in the models generated by NFM, suggesting that some of the interactions characterized here are not discoverable by standard linear methods of analysis. We discuss one such nonlinear interaction in the context of a direct comparison with a procedure involving pairwise correlation, designed to be an analogous linear version of functional mapping. We find another such interaction that suggests a novel distinction in brain function between drinking and non-drinking adolescents: a tighter coupling of ROI associated with emotion, reward, and interoceptive processes such as thirst, among drinkers. Finally, we outline many improvements and extensions of the methodology to reduce computational expense, complement other analytical tools like graph-theoretic analysis, and allow for voxel level NFM to eliminate the necessity of ROI selection.

研究动机与目标

• 解决神经影像学中对数据驱动、非线性分析方法日益增长的需求，尤其在个体受试者水平上应用。
• 克服传统线性模型（如GLM、相关性分析）的局限性，这些模型无法检测脑区间复杂的非线性相互作用。
• 识别并表征来自大规模青少年队列的静息态fMRI数据中，脑区感兴趣区域（ROIs）之间的非线性功能关系。
• 探索这些非线性相互作用的临床相关性，特别是与酒精使用等行为表型的关系。
• 构建一个可扩展至体素水平分析并可与其他神经影像工具（如图论）集成的框架。

提出的方法

• 通过遗传编程（GP）实施符号回归，以发现建模ROI信号时间序列之间非线性相互作用的数学表达式。
• 使用专有GP工具（Eureqa）演化出最优功能模型，从其他ROI的组合中预测某一ROI的信号，且不预设线性关系。
• 通过对所有ROI进行多次随机重启GP算法，为每个受试者生成交互关系（IR）图。
• 对队列中IR图进行统计分析，以识别一致且显著的非线性相互作用模式。
• 将结果与线性对照方法（即成对相关性分析）进行比较，突出传统方法未能检测到的非线性效应。
• 探索混合方法（如FFX + GP）以降低计算成本，并为未来体素水平分析铺平道路。

实验结果

研究问题

• RQ1 非线性功能映射（NFM）能否检测到静息态fMRI中传统线性方法无法识别的脑区间复杂非线性相互作用？
• RQ2 在饮酒与非饮酒青少年之间，脑网络中的非线性相互作用是否存在显著差异？
• RQ3 NFM能否识别出与情绪、奖赏及内感受相关脑环路中具有生物学与临床意义的功能关系？
• RQ4 NFM揭示的相互作用模式与标准线性相关性分析的结果相比有何异同？
• RQ5 NFM在多大程度上可扩展至更大规模的ROI集合或体素水平数据？需要哪些计算优化？

主要发现

• 非线性功能映射（NFM）成功识别出静息态fMRI数据中脑区间复杂的非线性相互作用，且在推导出的模型中非线性项普遍存在。
• 在饮酒者中，左侧苍白球（ROI 6）与海马旁束（ROI 18）之间存在显著的非线性相互作用，且强度高于非饮酒者，这一差异在成对相关性分析中未被检测到。
• 在非饮酒者中，涉及ROI 3、18、5和6的网络内部功能连接性减弱，其中ROI 3与18与双侧苍白球（ICN 3）解耦，提示可能存在结构重组。
• 在非饮酒者中，ROI 3、18、5与6之间的相互作用强度是非饮酒者的两倍，表明非饮酒者中该网络更具整合性。
• NFM方法检测到饮酒者与非饮酒者在情绪、奖赏及内感受处理环路中的功能差异，揭示了酒精使用的一种新型非线性神经表型。
• 该方法的结果与独立的神经生物学发现高度一致，例如海马旁束在内感受处理中的作用，提供了初步的交叉验证。