安静時におけるfMRIの機能的接続性:ビッグデータの前処理パイプラインと形態的データ解析

Resting-State fMRI Functional Connectivity: Big Data Preprocessing Pipelines and Topological Data Analysis
Angkoon Phinyomark, Esther Ibanez-Marcelo, Giovanni Petri
IEEE Transactions on Big Data vol.3, Issue: 4, pp.415-428, Dec. 1, 2017
20180113knakamura

安静時の機能的磁気共鳴イメージング(rfMRI)を使用して,機能的な接続性を測定し,脳ネットワークおよび関連する脳障害および疾患を同定することが可能である.しかし,これらの複雑なネットワークを探索するには,膨大な量のデータが必要である.近年,神経イメージング技術の進歩とrfMRIのユニークな方法論的アプローチにより,Biomedical Big Dataの時代が実現した.本稿では,大規模なデータ共有プロジェクトの進捗状況について議論する.この増加するニューロイメージングデータは,大規模データセットを扱う際の前処理パイプラインと高度な分析テクニックの開発の重要性を大幅に高めた. rfMRIデータに解析メソッドを適用する前に,不要なエフェクトをすべて減らすためのいくつかの前処理ステップを適用する必要がある.最小限の前処理パイプラインを含む,前処理済みrfMRIビッグデータにアクセスするための3つの代替方法が示されており,機能的な接続性を調べるために用いられる方法がいくつか存在する.しかし,ビッグデータの分析には限界があり,そのようなデータを探索するための新しいツールが必要である.我々は,代数的トポロジーに根ざした多数の方法を提案し,まとめてrfMRI機能的接続に対するトポロジカルデータ分析と呼ぶ.また,ビッグデータ分析のためのそれらの特性についても議論する.