同時グラフ計算と分割を用いたResting-State fMRIデータによる個人の全脳アトラスの生成

Generation of Individual Whole-Brain Atlases With Resting-State fMRI Data Using Simultaneous Graph Computation and Parcellation
J.Wang, Z.Hao, H.Wang Frontiers in Human Neuroscience. Published online 2018 May 4.

人間の脳は機能的ネットワークとして特徴づけることができる.信頼性の高いネットワークを構築するためには,脳を適切に区分することが重要である.Resting-Stateの機能的接続ベースの分割は,この目標を達成するために一般的に使用される技術である.ここでは,全脳の安静時のfMRIデータに基づいた個々の被験者レベルの新規の分割アプローチを提案する.最初に単純ボクセル反復クラスタリングと呼ばれるスーパーボクセル法を,Resting-StateのfMRI時系列データに直接使用してスーパーボクセルを生成し,類似したスーパーボクセルを結合し,GWCとして知られるクラスタリング法を用いてクラスタを生成した.GWCアプローチは,エネルギー最小化により,空間情報とスーパーボクセルの複数の特徴によって,同時に最適なグラフの生成と脳の分割を行う.また,GWCは,分割結果のクラスタ数が初期化の際のクラスタ数と等しいことが保証される.GWCアプローチの結果とランダムアプローチの結果を比較することで,GWCは空間構造に大きく依存しないことが示されたたため,全脳の協調によるアプローチで遭遇する課題を回避できる.さらに,GWCアプローチを2つの競合するアプローチと比較することで,GWCが異なる評価基準の観点から,より良い分割性能を達成することが示された.