[论文解读] Parameterizable Consensus Connectomes from the Human Connectome Project: The Budapest Reference Connectome Server v3.0

Balázs Szalkai, Csaba Kerepesi+2 more|Repository of the Academy's Library (Library of the Hungarian Academy of Sciences)|Feb 15, 2016

Functional Brain Connectivity Studies参考文献 4被引用 4

一句话总结

Budapest参考连接组服务器v3.0从人类连接组计划中477名受试者的扩散MRI数据生成可参数化的共识连接组，识别在至少k名受试者中出现的连接（默认k=209）。它支持按性别、连接置信度、权重阈值和追踪参数进行自定义过滤，生成稳健的、可下载的CSV和GraphML格式图谱，适用于神经影像学研究和数据纠错。

ABSTRACT

Connections of the living human brain, on a macroscopic scale, can be mapped by a diffusion MR imaging based workflow. Since the same anatomic regions can be corresponded between distinct brains, one can compare the presence or the absence of the edges, connecting the very same two anatomic regions, among multiple cortices. Previously, we have constructed the consensus braingraphs on 1015 vertices first in five, then in 96 subjects in the Budapest Reference Connectome Server v1.0 and v2.0, respectively. Here we report the construction of the version 3.0 of the server, generating the common edges of the connectomes of variously parameterizable subsets of the 1015-vertex connectomes of 477 subjects of the Human Connectome Project's 500-subject release. The consensus connectomes are downloadable in csv and GraphML formats, and they are also visualized on the server's page. The consensus connectomes of the server can be considered as the "average, healthy" human connectome since all of their connections are present in at least $k$ subjects, where the default value of $k=209$, but it can also be modified freely at the web server. The webserver is available at \url{http://connectome.pitgroup.org}.

研究动机与目标

• 提供一个基于健康受试者中频繁出现的连接的标准化参考人类连接组。
• 使研究人员能够通过过滤在可自定义数量受试者中均存在的连接（k）来生成共识连接组。
• 通过识别在多个受试者中一致存在的连接，支持对个体连接组中的错误连接进行纠错。
• 提供一个基于网络的平台，支持对共识图谱进行交互式可视化和多种格式的程序化下载。
• 通过提供可参数化、可扩展的参考连接组，提升脑网络分析的可重复性和可比性。

提出的方法

• 使用确定性束流追踪方法构建包含1015个顶点的连接组，每名受试者分别使用20k、200k和100万根纤维。
• 将每个连接的置信度计算为在其中出现的受试者比例。
• 应用用户定义的阈值：最小连接置信度（1–100%）、最小连接权重（均值或中位数），以及权重函数（纤维数量、长度、FA或电连接性）。
• 选择在至少k名受试者中出现的共识连接，其中k可由用户配置（默认k=209）。
• 将预先计算的连接权重和置信度集成到网络服务器中，实现实时图谱生成。
• 通过修改后的WebGL脑可视化工具实现可视化，支持旋转、缩放以及使用解剖学名称标注节点。

实验结果

研究问题

• RQ1 一个反映大多数健康受试者中存在连接的共识人类连接组具有怎样的结构？
• RQ2 改变连接包含的最低受试者数（k）如何影响共识连接组的拓扑结构和鲁棒性？
• RQ3 共识连接组在多大程度上可用于纠正个体受试者连接组中的虚假连接？
• RQ4 不同的连接权重函数（如纤维数量、部分各向异性）如何影响共识连接的选择？
• RQ5 对受试者按性别进行过滤，能否揭示健康人类大脑结构连接模式的差异？

主要发现

• Budapest参考连接组服务器v3.0从人类连接组计划500名受试者发布版中的477名受试者生成共识连接组。
• 默认共识图谱（命名为'Budapest Reference Connectome v3.0'）可直接下载，无需调整参数。
• 用户可通过设置k（连接包含的最低受试者数）、连接置信度阈值（1–100%）和连接权重阈值，自定义共识图谱。
• 服务器支持三种追踪纤维发射数量（20k、200k、100万），结果依赖于该参数。
• 连接权重使用四种函数计算：纤维数量、纤维长度、部分各向异性或电连接性，聚合方式为中位数或均值。
• 网络界面支持共识图谱的交互式3D可视化，具备节点标签和空间聚类以增强可读性，并支持以CSV和GraphML格式导出。