MCI 特定のための重み付けされたグラフ正則化スパース脳ネットワークの構築

Weighted graph regularized sparse brain network construction for MCI identification
Renping Yu, Lishan Qiao, Mingming Chena, Seong-Whan Lee, Xuan Fei,Dinggang Shene Pattern Recognition, 90, pp.220-231, 2019

安静状態の機能的MRIから構築される脳機能ネットワークは,アルツハイマー病やその前駆症状である軽度認知症(MCI)といった脳疾患の分析や診断に広く応用されてきた.意味のある脳ネットワークを構築するとは,例えば,スパース表現はその後の分析や病気の診断を行う前の重要なステップである.しかしながら,スパース表現の独立したコーディングプロセスは,そのデータにおける本質的な局所性や類似性の特性を捉えることに失敗する.この問題を解決するために,私達は,脳機能ネットワークが脳の結合性に先立つスパース性だけでなく,そのデータにおける本質的な相関類似度や局所多面構造を考慮することで最適化されうるということに基づいて,新たな,重み付けされた正則化スパース表現フレームワークを提案する.加えて,自己表現モデルにおける非収束グラフラプラシアンは適切に解かれている.スパース特徴選択のパイプラインと分類器が組み合わされ,構築された脳機能ネットワークに基づく軽度認知症を特定することにより,私達の提案手法の効果が示される.

低ランク学習を使用した個々のコネクトーム特性の分離

Dissociating individual connectome traits using low-rank learning
Jian Qin, Hui Shen, Ling-Li Zeng, Kai Gao, Zhiguo Luo, Dewen H Brain Research, Volume 1722, 1, Pages 146348, 2019

固有の機能的接続は,個人間で高い変動性を示し,これは認知能力と行動能力の多様性を説明する可能性がある.この接続性の変動は、個々の特性およびセッション間状態の違い,および少量のノイズに起因する可能性がある.ただし,機能的結合から接続特性の正確な識別を実行することは依然として課題である.ここでは,被験者内の差を減らすことができる新しい制約項目でこの問題を解決するために,新しい低ランクの学習モデルを導入した.このモデルは,機能的結合を,個体群全体に共通する機能特性と、個々の行動の違いを説明すると予想される接続特性を描写する基質に分離することができる.その後,抽出された接続特性に対してスパース辞書学習アルゴリズムを実行し,接続辞書という名前の辞書マトリックスを取得した.次に,元の機能的結合よりも接続辞書を使用して,流体的知性,口頭での認識,握力,怒りなどの認知行動をより正確に予測できた.結果は,認知行動をより効果的に表す個々の接続特性を抽出したことを反映している.さらに,機能的基質は大規模な解剖学的脳構造と有意に相関しており,接続性特性の個人差は接続性基質によって制約されることがわかった.我々の調査結果は,解剖学,機能,および行動間の関係についての理解を深めるかもしれない.