[论文解读] Revisiting non-linear functional brain co-activations: directed, dynamic and delayed

Ignacio Cifré, Maria T. Miller Flores+2 more|arXiv (Cornell University)|Jul 30, 2020

Functional Brain Connectivity Studies参考文献 48被引用 22

一句话总结

本文提出了一种新颖的度量方法——非线性动态功能连接（nldFC），通过分析短暂且高振幅的BOLD事件，捕捉fMRI数据中具有方向性、时间延迟和非线性的协同激活模式。该方法揭示了自闭症谱系障碍中定向连接与延迟结构的改变，为功能脑网络提供了超越传统基于相关性的方法的更细致视角。

ABSTRACT

The center stage of neuro-imaging is currently occupied by studies of functional correlations between brain regions. These correlations define the brain functional networks, which are the most frequently used framework to represent and interpret a variety of experimental findings. In previous work we first demonstrated that the relatively stronger BOLD activations contain most of the information relevant to understand functional connectivity and subsequent work confirmed that a large compression of the original signals can be obtained without significant loss of information. In this work we revisit the correlation properties of these epochs to define a measure of nonlinear dynamic directed functional connectivity (nldFC) across regions of interest. We show that the proposed metric provides at once, without extensive numerical complications, directed information of the functional correlations, as well as a measure of temporal lags across regions, overall offering a different perspective in the analysis of brain co-activation patterns. In this paper we provide for a proof of concept, based on replicating and completing existing results on an Autism database, to discuss the main features and advantages of the proposed strategy for the study of brain functional correlations. These results show new interpretations of the correlations found on this sample.

研究动机与目标

• 开发一种方法，以捕捉fMRI数据中超越标准线性相关性的非线性、有方向性和时间延迟的功能连接。
• 利用高振幅BOLD事件作为功能连接分析的有用单元，降低数据复杂度，同时保留关键的网络动态特征。
• 将该方法应用于已发表的自闭症fMRI数据集，检验其揭示传统方法无法检测到的新连接模式的能力。
• 证明功能连接可通过事件驱动的动力学（包括方向性和时间延迟）进行有意义的分析。
• 提供概念验证，表明nldFC能够提供比现有方法更详细且更具生物学合理性的脑网络相互作用表征。

提出的方法

• 通过z分数标准化fMRI时间序列并检测超过阈值（通常为1–2个标准差）的上升交叉点，识别高振幅BOLD事件。
• 以每个阈值交叉点为中心定义事件段，通常包括峰值前4–5秒和峰值后9–15秒的时间窗口。
• 计算不同脑区事件序列之间的非线性相关性度量，以量化功能连接，包括方向性。
• 使用互相关或类似动态对齐技术估计协同激活事件间的时间延迟，以推断类似因果的信息流。
• 将点过程类的事件时间点用作建模功能连接的基础，将其视为动态的、事件驱动的过程，而非连续时间序列的相关性。
• 将nldFC度量应用于健康对照组和自闭症谱系障碍（ASD）的fMRI数据集，以比较连接模式。

实验结果

研究问题

• RQ1 高振幅BOLD事件能否作为捕捉fMRI中非线性和有方向功能连接的有用单元？
• RQ2 协同激活事件间的时间延迟在不同脑区如何变化？它们揭示了大脑中信息流动的何种特征？
• RQ3 所提出的nldFC度量是否能检测到自闭症个体相较于对照组的功能连接模式改变？
• RQ4 nldFC方法在多大程度上提升了对功能连接的解释能力，超越标准线性相关性方法？
• RQ5 能否通过基于事件的分析，可靠地从静息态fMRI数据中提取出有方向性、动态性和延迟性的协同激活模式？

主要发现

• nldFC度量成功仅基于高振幅BOLD事件捕捉了脑区间有方向的功能连接，表明这些短暂激活携带了显著的网络信息。
• 协同激活事件间的时间延迟被一致观察到，表明脑区间的信息传播并非瞬时，可能遵循特定的序列模式。
• 在自闭症数据集中，该方法揭示了定向连接的改变，特别是在与社会认知和自我参照加工相关的网络中，某些通路的滞后相关性增强。
• nldFC方法实现了高度的数据压缩——仅用原始信号的一小部分便保留了大部分功能连接信息，证实了其高效性。
• 该方法检测到自闭症中此前未报告的连接特征，例如默认模式网络与显著性网络关键节点之间存在不对称且延迟的相互作用。
• 在自闭症数据集上对先前研究结果的复现，证实了nldFC方法的稳健性，同时通过事件驱动动力学和方向性的新视角提供了新的见解。