[论文解读] Region segmentation for sparse decompositions: better brain parcellations from rest fMRI

Alexandre Abraham, Elvis Dohmatob+3 more|arXiv (Cornell University)|Dec 12, 2014

Functional Brain Connectivity Studies参考文献 10被引用 7

一句话总结

本文提出一种基于几何分割技术（特别是随机游走算法）的后处理框架，以提升从静息态fMRI数据中提取的脑图谱的稀疏性与空间保真度。结果表明，随机游走分割显著增强了ICA与MSDL等密集与稀疏模型下的稳定性，同时保持了数据保真度。

ABSTRACT

Functional Magnetic Resonance Images acquired during resting-state provide information about the functional organization of the brain through measuring correlations between brain areas. Independent components analysis is the reference approach to estimate spatial components from weakly structured data such as brain signal time courses; each of these components may be referred to as a brain network and the whole set of components can be conceptualized as a brain functional atlas. Recently, new methods using a sparsity prior have emerged to deal with low signal-to-noise ratio data. However, even when using sophisticated priors, the results may not be very sparse and most often do not separate the spatial components into brain regions. This work presents post-processing techniques that automatically sparsify brain maps and separate regions properly using geometric operations, and compares these techniques according to faithfulness to data and stability metrics. In particular, among threshold-based approaches, hysteresis thresholding and random walker segmentation, the latter improves significantly the stability of both dense and sparse models.

研究动机与目标

• 解决从独立成分分析（ICA）和稀疏分解方法中提取的脑图谱中存在的空间不连贯性与过度分割问题。
• 开发自动化的、基于几何的后处理技术，从功能图谱中提取有意义且非重叠的脑区。
• 利用数据保真度与稳定性等定量指标，评估并比较不同区域提取方法的性能。
• 识别从功能MRI数据生成脑图谱中最稳健且最忠实的方法。

提出的方法

• 采用硬分配策略，将每个体素分配给值最高的成分，生成初始的非重叠分割结果。
• 基于脑区体素总数，采用自动阈值法为每张图谱确定数据驱动的阈值。
• 应用滞后阈值法，通过分别设定高低阈值，减少虚假的小区域。
• 利用随机游走算法，基于种子点的概率传播实现区域分割，倾向于生成平滑且连贯的区域。
• 结合空间建模方法，保持解剖学上的合理性，避免区域碎片化。
• 通过标准化互信息（NMI）评估稳定性，通过解释方差评估数据保真度。

实验结果

研究问题

• RQ1 在ICA与MSDL模型的不同参数化设置下，哪种区域提取方法能提供最稳定的图谱？
• RQ2 基于阈值的方法与几何分割方法在保持数据保真度与空间连贯性方面表现如何比较？
• RQ3 非凸分割技术（如随机游走）是否能优于凸替代方法，更有效地提取具有生物学合理性的脑区？
• RQ4 随机游走方法在密集模型与稀疏模型中的性能增益是否存在差异？
• RQ5 不同区域提取策略在多大程度上影响功能脑网络的可解释性？

主要发现

• 随机游走分割在所有测试模型中均达到最高稳定性，且与其它方法相比具有统计学显著优势。
• 在稀疏模型（MSDL）中，该优势尤为显著，随机游走能有效缓解底层分解带来的不稳定性。
• 所有方法（硬阈值、自动阈值、滞后阈值与随机游走）在数据保真度方面表现相近，解释方差分数彼此相差不超过2%。
• 滞后阈值法虽能减少虚假小区域，但无法将大块连续区域有效划分为独立的功能成分。
• 随机游走方法能成功将大范围功能网络（如默认模式网络）划分为多个子区域，而其他方法则无法实现。
• 随机游走方法生成的区域更平滑，解剖学上更合理，能沿原始图谱的等高线分布，避免产生尖锐、人为的边界。