個人特有の皮質ネットワークの空間トポグラフィによる人の認知、人格、および感情の推定

Spatial Topography of Individual-Specific Cortical Networks Predicts Human Cognition, Personality, and Emotion
Kong R, Li J, Orban C, Sabuncu MR, Liu H, Schaefer A, Sun N, Zuo XN,, Holmes AJ, Eickhoff SB, Yeo BTT Cereb Cortex. 2018 Jun 6.

Resting-stateのfMRIデータは,個々の脳ネットワークを表現する指標を提供する.主な問題は,個人固有のネットワークのトポグラフィ(すなわち,位置および空間的構造)が,行動に関連しているかどうかである.ここでは,個人固有の皮質上のネットワークを推定し,個人固有のネットワークトポグラフィが人間行動を予測できるかどうかを調べるためのマルチセッション階層ベイジアンモデル(MS-HBM)を提案する.MS-HBMの複数の層は,被験者内と被験者間とのネットワーク変動を明示帝に区別する,被験者内変動を無視する従来のネットワークマッピングは被験者間の差異について被験者内の変動が影響する可能性がある.他のアプローチと比較して,MS-HBMによる分割は,同じ被験者からの新たなrs-fMRIおよびtask-fMRIデータに対し,個人内でより一般化されたものであった.より具体的には,1回のrs-fMRIセッションから推定されるMS-HBMによる分割は,5セッションを用いた2つの最先端の方法によって推定される分割と同等の汎用性を示した.我々はまた,認知,人格,および感情を横断する行動表現のタイプが,個々の特異的なネットワークトポグラフィによって,適度な正確さで推定されうることを示した.これは,接続強度に基づいて行動表現のタイプをする以前の報告に匹敵する.MS-HBMによる推定される分割により生成されるネットワークトポグラフィは,ネットワークサイズよりも行動推定に有効であり,他の分割法で推定されたネットワークトポグラフィよりも効果的であった.したがって,接続強度と同様に個人固有のネットワークトポグラフィは,人間の行動推定の指標としても役立つ可能性がある.

成人期の脳内容積変化同定のための不偏データ駆動型の年齢関連的構造的脳解剖

An unbiased data-driven age-related structural brain parcellation for the identification of intrinsic brain volume changes over the adult lifespan
Epifanio Bagarinao, Hirohisa Watanabe, Satoshi Maesawa NeuroImage, Volume 169, 1 April 2018, Pages 134-144
20180113knakamura

本研究は,偏りのないデータ駆動型の構造的脳分割によって,成人の年齢に関連する内因性の脳容積変化を解明することを目的とする.21~86歳の健常成人293名の解剖学的脳画像を,独立成分分析(ICA)を用いて分析した.ICAベースの解析により,192の脳領域が同定された.そのうち90.6%の174領域の体積は,年齢と有意な負の相関を示し,一部の領域は他の領域よりも老化の影響を受けやすいことが示唆された.また,7つの領域は老化とともにU字の変化を示した.このうち3領域は逆U字の変化を示し,4領域はU字の変化を示した.86の領域の線形結合モデルにより,約7.2年の平均絶対予測誤差を有する年代の予測が行われた.構造的ネットワークの共変動分析により,半球間の結合について負の相関が示された.全体的に,これらの知見は,健常成人の脳老化に関する研究に貢献し,年齢に関連する神経変性疾患と正常な老化過程を区別するための枠組みを提供するのに役立つ可能性がある.

Human brain mapping: ヒトの脳皮質に対する分割手法の体系的比較

Human brain mapping: A systematic comparison of
parcellation methods for the human cerebral cortex
NeuroImage, Available online 13 April 2017
20170726knakamura

マクロ的な脳の結合部位の発見は,特定の認知課題における脳領域の構造的連結,または機能的結合を解明す る.これは,ネットワークとしての脳内のすべての結合を表現し,理解するという概念を可視化する.脳内におい て相互作用する機能単位への細分化は,そのネットワークの構造に固有のものとなる.したがって,ネットワー クノードの定義は,接続ネットワーク分析における最も重要なステップの1 つである.細胞構造または解剖学的 構造から得られた脳のアトラスはこの作業に長い間使用されてきた.一方で,より均一で機能的に一貫性のある 領域を描くために,解剖学的,または機能連結性を用いて脳のランダムな分割手法が研究されている.本研究は, それらの分割手法を体系的に比較する.Human Connectome Project の静止状態の機能的MRI データと機能的連 結性を用いる分割手法について,異なる解像度で10 の被験者レベルおよび24 のグループごとのパーセレーショ ン方法を評価する.(1)異なる被験者およびグループにわたる分割の再現性,(2)元となる接続性データへの忠実 性,(3)fMRI タスクアクティベーション,ミエリンマップ,および細胞構築学的に分割された領域と類似性,(4) ネットワーク分析の4 つの異なる側面からの分割手法の精度を評価する.被験者と集団レベルで生成された異な る結果に対する広範な評価により,様々な方法の長所と短所が判明した.目的に応じて分割技の選択の指針を提供 することを推奨する.この研究で得られた結果は,これらの評価方法に直面したすべての課題に同時に対処でき る最適な方法がないことを示唆している.