MCI 診断のための強度と類似度が導く集団レベルの脳機能ネットワーク構成

Strength and similarity guided group-level brain functional network construction for MCI diagnosis
Yu Zhang, Han Zhang, Xiaobo Chen, Mingxia Liu, Xiaofeng Zhuc, Seong-Whan Lee,Dinggang Shen Pattern Recognition, 88, 421-430, 2019

スパース表現を基にした脳機能ネットワークモデリングはしばしば,ネットワーク構造における大きな被験者間変動の結果をもたらす.これは,グループ間比較における統計的検出力を下げたり,個人化された脳疾患の診断の一般化可能性を捻じ曲げだりする可能性がある.グループスパース表現(GSR)は,そのような「被験者間でのネットワーク類似度を増やすことによる制限」を軽減させるが,今度は異なるグループ被験者間を十分に分離することに失敗する(例えば,患者群と制御群).この研究では,グループ内の一貫性を保ったまま,高いグループ間の分離能力を獲得することために,個人の機能的結合情報を GSR を基にしたネットワーク構造のフレームワークに統合することを提案する.この手法では,同じグループの被験者群は異なるグループの被験者群よりも,一般的により高い類似度を持つという観測に基づいている.このために,BOLD 信号の時系列相関に基づいた低次元機能的結合(LOFC),被験者間の LOFC の類似度に基づいた高次元機能的結合(HOFC)の両方を利用した,strength and similarity GSR(SSGSR) と呼ばれる手法を提案する.実験では,軽度認知障害(MCI)被験者と健常者制御群の rsfMRI データを用いて,提案手法と他の最先端の脳ネットワークモデリング手法との比較がなされた.個別化された MCI の識別率の結果は,個々で一貫した脳機能ネットワーク構成と十分に保持されたグループ間の脳機能ネットワーク構造の特徴のバランスを獲得できることが示された.この新手法はまた,将来,コネクトームベースの個別化された脳の疾患の診断の有望で一般化されたソリューションを提供する.