機能的接続性MRIを用いた小児トゥレット症候群の多変量パターン分類

Multivariate pattern classification of pediatric Tourette syndrome using functional connectivity MRI
Deanna J. Greene, Jessica A. Church, Nico U.F. Dosenbach, Ashley N. Nielsen, Babatunde Adeyemo, Binyam Nardos, Steven E. Petersen, Kevin J. Black, Bradley L. Schlaggar
Developmental science 19.4 (2016): 581-598

“トゥレット症候群(TS)は動きや声のチックで特徴づけられる神経精神の発達障害である.
TSを有する人は症状の時間変化の予測と治療の効力の進歩に大きな恩恵を受けている.
初めのステップとして,私たちはレスティングステイト機能的接続性(RSFC)MRIで計測した脳のネットワークの活動におけるパターンが個人の属する症候群のグループを予測可能かどうかを検証するために多変量解析のサポートベクターマシーン(SVM)を適用した.TSを有する42人の小児(8-15歳)と対照的な42人の非罹患者(年齢,IQ,スキャナー内運動の一致)のRSFCデータが含まれていた.単変量の検定はグループの重要な違いを見分けられなかったが,SVMは70%の精度でグループを分類した(p<.001).私たちはまた,SVMの全体的な制度に加えて,個々の正確な分類のための信頼度を提供するSVMのバイナリ分類の新たな適応を報告する.私たちの結果は,多変量解析がいくつかの脳障害の複雑さをよりよく攻略し,TSを有する人の予後と治療結果を予測することを約束しているという主張を支持する."

瞬時接続の時間経過を用いた機能分割

Functional parcellation using time courses of instantaneous connectivity
Erik S.B.van Oort, Maarten Mennes, Tobias Navarro Schroder
NeuroImage 2017, Available online 14 July 2017

機能的な神経イメージングの研究により,脳機能は空間的に分離された領域間の機能的ネットワークの集合であると理解されてきた.これらのネットワークは,各ネットワークの機能を強調して担う1 組の領域群から構成されていると考えられる.このため,脳の機能的構造の本質的なコンポ―ネントが脳の各領域であるとして,機能的な分割によって脳の機能的領域を同定することを目的とする手法が数多く提唱されている.現在の分割手法は,通常,ボトムアップ手法を採用し,より小さい単位の領域をクラスタリングすることによって領域を生成する.本研究では,あらかじめ定められた関心領域をサブ領域に分割するために,脳機能の瞬時の接続性を用いたトップダウン手法を提案する.最適なサブ領域の数を決定するために,split-half reproducibility が用いられた.静止状態のfMRI データに対して瞬時接続分割手法が適用され,視床、嗅内皮質、運動皮質、および脳幹および線条体を含む皮質の分割を生成する能力が実証された.分割された領域は,細胞構造アトラスと比較して評価され,本手法が既知の細胞構造的特徴に従う生物学的に有効な領域を生成することが示された.

ヒトの脳の本質的およびタスク誘発ネットワークアーキテクチャ

Intrinsic and Task-Evoked Network Architectures of the Human Brain
M.W. Cole, D.S. Bassett, J.D. Power, T.S. Braver and S.E. Petersen
Neuron, Vol.83, No.1, 238-251, 2014
20180206 rhagiwara

ヒトの脳の多くの機能的ネットワーク特性は,レストおよびタスク状態の間で同定されているが,両者がどのように関連しているかは不明である.私たちは,レスティングステイトネットワークアーキテクチャと非常に似ている数十のタスク状態に存在する脳全体のネットワークアーキテクチャを特定した.タスク間の最も頻繁な機能的接続強度は,レスト時に観察された強度と密接に一致しており,これは機能的な脳組織の「内在的」標準アーキテクチャであることを示唆している.さらに,タスク間で共通する一連の小さくて一貫した変更は,タスク状態とレスト状態を区別するタスク全体のネットワークアーキテクチャの存在を示唆している.これらの結果は,タスク実行中の脳の機能的ネットワークアーキテクチャが,レスト中に存在する固有のネットワークアーキテクチャと,副次的にタスクジェネラルとタスク固有のネットワーク変更を引き起こすことによって形成されることを示す.これは,典型的には別個に考えられる神経科学的調査の領域である,レスティングステイトの機能的接続性とタスク誘発性の機能的接続性との間に強い相関関係を確立する.

自発的なデフォルトのネットワーク活動は,心のさまよいとは無関係に行動の変動性を反映する

Spontaneous default network activity refects behavioral variability independent of mind-wandering
K. Yao, G. Anagnostopoulos and K. Ragunath
Proceedings of the National Academy of Sciences
20180122_mnishizawa

“脳のデフォルトモードネットワーク(DMN) は,感覚刺激または外部指向のタスクに過度に関与していないとき,つまり起きている安静中に非常に活動的である.複数の状況において,自発的なDMN 活性の増加は,現在の感覚環境とは無関係な心のさまよいや考えごとと関連している.心をさまようことは,日常生活の多くを特徴づけ,しばしばエラーを起こしやすい可変的な行動に関連している.しかしながら,自発的なDMN 活性の増加は,可変的ではなく安定的な挙動と確実に関連している.私たちは,このような見かけの矛盾に対処し,自己報告や行動に基づく注意状態の単一の尺度だけでは,DMN 活動の変動を説明するには不十分であるという仮説を検証することを目指した.私たちは,注意揺らぎを検出するためにfMRI を用いて,最適化された連続的なタスク中に,自己報告した心のさまよい,行動変動,および脳活動の様々なレベルを同時に測定した.心のさまよいが行動変動の増加と同時に発生したにもかかわらず,最も高いDMN 信号レベルは,単独の因子のみを考慮した場合と比較して,安定した行動と同時に強烈な心のさまよいによって最もよく説明された.これらの脳の行動-経験の関係は,既知のDMN サブシステム内およびDMN サブ領域内で非常に一貫していた.対照的に,このような関係は,他の注意関連ネットワーク(salience,背側注意,および前頭頭頂ネットワーク) については,欠如しているか,または反対方向にあった.我々の結果は,自発的なDMN 活動が特に反映する認知プロセスは,心のさまよいに部分的にしか関連せず,自己報告によって捕捉されない注意状態の変動も含むことを示唆している.”

fMRI を用いて測定したresting-state の脳の結合の時間-周波数ダイナミクス

Time-frequency dynamics of resting-state brain connectivity measured with fMRI
C. Chang and G.H. Glover
Neuroimage, vol. 50, no. 1, pp. 81-98, 2010
20180116 mmizuno

fMRI を用いた静止状態の機能的接続性に関する多くの研究は,スキャンの期間にわたって計算された相関およびデータ変動の分解などの一時的な定常性を仮定する方法を採用している.しかし,タスクベースのfMRI 研究および動物の電気生理学の両方の知見から,機能的な接続性は数秒から数分の時間スケールで動的な変化を示すことが示唆されている.本研究では,ウェーブレット変換に基づいた時間-周波数コヒーレンス解析を実行し,1スキャンの間のresting-state の接続性の動的挙動を検討した.我々は,デフォルトモデルのネットワークの主要なノードである後部帯状皮質(posterior cingulate cortex:PCC)の接続性に焦点を当て,反相関(「タスクポジティブ」)ネットワークおよび他のデフォルトモードネットワークのノードとの関係を調査した.PCC と反相関ネットワークとの間のコヒーレンスおよび位相は,時間および周波数によって変化し,モンテカルロシミュレーションに基づく統計的検定によって,有意なスケール依存性の時間的変動の存在を明らかにした.さらに,スライディングウインドウ相関処理によって,スキャン中にPCC と可変性の接続を示す脳の他の領域を同定した.それらの領域には,注意および顕著な処理に関与してるとこれまでに報告されている領域が含まれていた.観測したコヒーレンスおよび位相変動が残存ノイズまたは認知状態の調節に起因する可能性があるかどうかは不明である.しかし,現在の結果は,resting-state の機能的接続性が静的ではないことを示している.したがって,resting-stateネットワークを特徴づける際に,平均的な量に加えて変動性の尺度を考慮する必要があることが示唆された.

安静時の機能的なコネクティビティは,実行機能の個人差に敏感である:ネットワーク解析

Functional connectivity at rest is sensitive to individual differences in executive function: A network analysis
A.E. Reineberg and M.T. Banich Human Brain Mapping, Vol.37, Issue.8, 2959-2975, 2016
20180109 rhagiwara

“グラフ理論は,特定の脳領域間のネットワーク特性と接続性の性質を理解する手段を提供する.ここでは,安静時の脳内ネットワーク特性が,実行機能(EF)の個人差の根底にあると考えられる3 次元に関連しているかどうかを調べるために使用される.それには,共通EF,シフト特異的EF,および更新特異的EF が含まれる.これを行うために,主にEF の個人差に関連する選択された前頭頭頂領域に焦点を当てた先験的分析および全脳解析を行った.この知見は,EF の3 次元のそれぞれにおける個人差が,先験的脳領域および他の脳領域の両方において,レスティングステイトの接続性の特定のパターンと関連していることを示した.より具体的には,より高い共通EF は,楔部および補足運動領域のより大きな統合(すなわち,よりハブのような)接続性と関連していたが,
外側前頭ノードおよび左側頭葉ノードの統合機能はあまりない.より高いシフト特異的EF は,より多くのハブのような運動関連ノードと帯状弁蓋ノードに関連していた.より高い更新特異的EF は,ハブのような外側および内側前頭葉ノードの減少と関連していた.一般に,これらの結果は,EF のこれらの3 次元のそれぞれのより高い能力が,単独で前頭頭頂領域の結合特性によって特徴づけられないことを示唆した.このパターンは,より高いEFが,従来の前頭頭頂ネットワークの外部のノードの接続性特徴と同様に,前頭頭頂ネットワーク内のいくつかのノードのより少ないハブあるいは中心性の特徴と関連していた.” /home/git/personal/rhagiwara/LiteratureSearch/180109

作業記憶,感情処理および安静状態におけるfMRIに基づくグラフの理論的特性のtest-retestの信頼性

Test-retest reliability of fMRI-based graph theoretical properties during working memory, emotion processing, and resting state
H. Cao, M.M. Plichta, A. Schafer, L. Haddad, O. Grimm, M. Schneider, C. Esslinger, P. Kirsch, A. Meyer-Lindenberg and H. Tost
Neuroimage, vol. 84, pp. 888-900, 2014.
20171214_tmiyoshi

機能的磁気共鳴イメージング(fMRI)およびグラフ理論分析による脳結合の研究は,近年非常に普及しているが,これらの特性,特に能動的fMRIタスクから得られたものの堅牢性についてはほとんど知られていない.ここでは,3つの確立したfMRI実験(n-back,ワーキングメモリ,顔照合,安静状態)とノードを定義するための2つのアトラス(AAL,Power)を用いて健常者26名から脳グラフのtest-retest信頼性を計算した.我々は,5つの異なるデータ処理戦略のクラス内相関係数(ICC)を比較し,条件別回帰分析を用いたタスク回帰法の優れた信頼性を実証した.タスク間の比較では,アクティブなタスクと比較して安静時のICCが大幅に高くなっており,グローバルおよびローカルネットワークプロパティの顔照合タスクに対するn-backタスクの優位性が明らかになった.平均ICCは一般的にアクティブなタスクでは低くなっていたが,グローバルおよびローカルの接続プロパティ,両方のアトラス,スモールワールドでのn-backタスクでは,全体的に相当で良好な信頼性が検出された.また,3つのタスクとアトラスすべてについて,ローカルネットワークプロパティの平均ICCが低いことがわかった.しかし,チャレンジされた機能(安静状態:デフォルトモードのネットワークノード、nバック:フロントノード、頭頂ノード、顔マッチング:辺縁系ノード)にとって重要であることが知られている領域では、ノード特有の良好な信頼性が検出された.しかし,安静状態のデフォルトモードネットワークノード,n-backの前頭ノード,頭頂ノード,顔マッチングの辺縁系ノードのように,その機能にとって重要であることが知られている領域では,ノード特有の良好な信頼性が検出された.アトラス比較の結果では,グローバルおよびローカルネットワークプロパティの機能的な分割化の信頼性が大幅に向上した.我々の知見は,能動的なタスク,グラフ理論の方法,および対象内のデザイン.,特に将来のpharmaco-fMRI研究を用いて,fMRI研究の処理戦略,脳アトラスおよび結果特性の選択を知らせることができる.

全脳機能的結合を用いた多変量パターン解析による大うつ病の識別

Identifying major depression using whole-brain functional connectivity: a multivariate pattern analysis 全脳機能的結合を用いた多変量パターン解析による大うつ病の識別

Ling-Li Zeng, Hui Shen, Li Liu, Lubin Wang, Baojuan Li, Peng Fang, Zongtan Zhou, Yaming Li, Dewen Hu Brain,Volume 135, Issue 5, 1 May 2012, Pages 1498-1507
20171212 sishida

近年のresting-state の機能的結合核磁気共鳴イメージング研究は大うつ病患者と健康なコントロールの間のいくつかの領域とネットワークの重要なグループの違いを示している.現在の研究は健康なコントロールから大うつ病の識別の可能性を検証するために用いられるうつ病患者の全脳resting state 機能的結合のパターンを調査することである.多変量パターン解析は人工統計学的に健康な24人の被験者から2 人のうつ病患者を分類するために用いられたpermutation test は分類機の性能を評価するために用いられた.実験の結果は被験者の94.3%(P>0.0001)が100%の識別の全ての患者のleave-one-out cross-validation によって正しく分類されたことを証明した.最も違いとしてわかる機能的結合の大部分はデフォルトモードネットワーク,アフェクティブネットワーク,視覚皮質領域と小脳およびそれらの間にあり,それにより疾患関連のresting state ネットワークの変化は大うつ病における複雑な感情・認知障害の一部を引き起こすことが示される.さらに,分類に高い判別力を示すamygdala,anterior cingulate cortex,parahippocampal gyrus,そしてhippocampus はこの疾患の病態生理学において重要な役割を果たすかもしれない.現在の研究は新たな大うつ病の病理学的メカニズムを発見し,全脳resting state 機能的結合核磁気共鳴イメージングが臨床診断のための効果的なバイオマーカーになる可能性を示唆する.

fMRI resting state におけるDCM

A DCM for resting state fMRI
Karl J.Friston, Joshua Kahan, Bharat Biswal, Adeel Razi
NeuroImage,Vol.94,396-407,2014
20171113 sishida

このテクニカルノートでは異なる脳領域間のクロススペクトルによって測定された機能的結合に基づくresting state fMRI 時系列の動的因果モデル(DCM)を紹介します.このDCM は分散したニューラルネットワークもしくはグラフにおける結合ニューロンの変動の生物物理学的に妥当なモデルから予測クロススペクトルを生成する決定論的モデルに基づいている.有効に得られた結果の図は観測された血行力学的反応間の機能的結合を説明する隠れたニューロン状態間のベストな実効的結合を見つける.これはクロススペクトルは領域変動の(二次)統計的依存性に関するの全情報を含むためである.このノートではモデルの描画,有向および無向の機能的結合の既存の計測との関係,そしてシミュレーションを用いた表面的妥当性を確立することに注目する.その後の論文で確率的DCM とパーキンソン病とハンチントン病における予後の妥当性に関して構築の妥当性を評価する.

後続レスティングステイト時における機能的コネクティビティの一時的な感情の影響:ウェーブレット相関法によるアプローチ

Impact of transient emotions on functional connectivity during subsequent resting state -A wavelet correlation approach-
Eryilmaz, Hamdi and Van De Ville, Dimitri and Schwartz, Sophie and Vuilleumier, Patrik
Neuroimage 54.3 (2011): 2481-2491.
20171031 sikeda

安静時の脳活動の機能的特性はほとんど理解されてないが,一般的に自己監視および内向的なプロセスに 関連している.本研究では,感情的に正と負の情報が,レスティングステイト時における後続の脳活動の差異に どのように影響したかを調べた.本研究では,恐ろしい,楽しい,ニュートラルな映画に続くレスティングステ イト時を対象に被験者 15 名の fMRI データを計測した.映画視聴時よりレスティングステイト時において,前部, 後部帯状皮質(ACC,PCC),両側島皮質(Insula)および下側頭頂葉(IPL)を含むいくつかの脳領域が有意に 活性した.ウェーブレット相関法およびスモールワールドネットワーク解析を用いて,異なる周波数帯域での機能 的コネクティビティも評価した.前部帯状回と島皮質の接続は,先行する感情によってレスティングステイト時に 強く増強し,腹側,内側前頭前野と扁桃間の結合は選択的に減少した.より高い周波数帯において,これらの影響 は楽しい映画よりも恐ろしい映画の後続レスティングステイト時に顕著であった.さらに,感情刺激後の前部帯 状回と島皮質におけるレスティングステイト時の初期抑制に続いて,経時的な緩やかな回復が確認された.また, 感情は下側頭頂葉の平均活動に影響を与えなかったが,他の地域との接続性を高めた.これらの知見は,感情的 な覚醒からの回復中に収集された特定の神経回路を明らかにし,感情的に顕著な刺激においてデフォルトモード ネットワークの複雑な機能的ダイナミックスを強調する. /git/personal/sikeda/LiteratureSearch/20171031