静的および動的レスティングステイトfMRI 脳コネクティビティを用いた統合失調症および双極性患者の分類

Classi cation of schizophrenia and bipolar patients using
static and dynamic resting-state fMRI brain connectivity
Neuroimage, Vol.134, 645{657, 2016
20171003 rhagiwara

近年,様々な精神疾患における脳内ネットワークの機能的な構成を調べるために,機能的ネットワークコネク ティビティ(空間的に離れた脳内ネットワーク間の時間相関として定義されるFNC)が使用されている.動的FNC は,短期間にわたるFNC 変化を考慮に入れた従来のFNC 解析の最近の拡張である.このような動的FNC 測定 はコネクティビティの様々な側面についてより情報を与えるかもしれないが,複雑な精神疾患において分類を行 う静的および動的FNC の性能の詳細な比較はなかった.本論文では,静的および動的FNC の特徴に基づいて, 統合失調症,双極性および健常者を自動的に分類するためのフレームワークを提案する.また,静的FNC と動的 FNC の間の交差検証の分類性能を比較する.結果は,動的FNC は,予測精度に関して静的FNC よりも顕著に優 れていることを示し,動的FNC の特徴は分類目的のために静的FNC よりも顕著な利点を有することを示してい る.さらに,静的および動的FNC の特徴を合わせても,動的FNC の特徴だけより分類性能は大幅に改善されず, 分類目的において静的FNC が動的FNC と組み合わせたときに重要な情報を追加しないことが示唆される.静的 および動的FNC 特徴に基づく3 つの分類方法は,個々の被験者を適切な診断グループに高精度で区別する.私た ちが提案した分類フレームワークは,潜在的に追加の精神障害に適用可能である.

Chronnectome:fMRIデータ発見の次の新分野としての時変結合性ネットワーク

The Chronnectome: Time-Varying Connectivity Networks as the Next Frontier in fMRI Data Discovery
Neuron, vol.84, pp.262-274, 2014
20170717 katayama

近年,fMRI を簡易な走査長平均以上に移動させ,時間的に変化する結合性の特性を捉える手法への関心が急速
に高まっていることが見られる.この展望では,「chronnectome」という用語を使用して,カップリングの動的な
見解を認める測定基準を述べる.chronnectome では,カップリングは時間的に徐々に発展する可能性のある脳の
領域間の相関もしくは相互伝達する活動のおそらく時間的に変化するレベルを言及する.我々は第一にグループ
に開発された多変量解析アプローチに焦点を当て,主成分分析や独立成分分析などの行列分解に重点を置いてさ
まざまなアプローチを検討する.我々はまた,これらのアプローチを脳機能の特徴づけおよび理解を改善するた
めに提供する可能性について議論する.さらに発展させる必要のある方法論的指針がいくつかあるが,慢性的な
アプローチはすでに健康な脳と病気の脳の両方の研究に大きな期待を示す.