静止状態のfMRIデータからの脳における機能サブユニットのグラフ理論に基づく分割

Graph-theory based parcellation of functional subunits in the brain from resting-state fMRI data
Shen, Xilin and Papademetris, Xenophon and Constable, R Todd Neuroimage, vol.183, pp. 1027-1035, 2010

安静状態のfMRI は,自発的な変動の下で脳機能ネットワークを検査する方法を提供する.脳を機能的サブユニットに分割するために休止状態のBOLD データを使用することを提案している多くの研究がある.本研究では,2 つの最先端のグラフベースの分割手法を提示し,安静状態のfMRI を用いた脳ネットワークRoI の問題への適用を調査する.正規化されたカット法(Ncut)とモジュラリティ検出アルゴリズムの2 つのアプローチも,ガウス混合モデル(GMM)アプローチと比較される.本研究では,Ncut アプローチがモジュラリティ検出アプローチよりも一貫して優れており,fMRI データのGMM アプローチよりも優れていることを示した.安静状態のfMRIデータを43 人の健康な被験者を用いて,Ncut アルゴリズムを使用していくつかの異なる皮質領域をパーセル化した.休止状態のfMRI に基づく機能的サブユニットのグループ単位の描写は,2 つのタスクベースのfMRI 研究(18 人の被験者と20 人の被験者を有するもの)の分割結果と一致した.この知見は,安静状態のfMRI を用いた大脳皮質の全脳の分割化が可能であり,Ncut アルゴリズムがこの課題に対して適切な技術を提供することを示唆している.