SimiNet:脳ネットワークの類似性を定量化するための新しい 方法

SimiNet: a Novel Method for Quantifying Brain Network Similarity
IEEE Transactions on Pattern Analysis and Machine Intelligence vol.PP, pp.1-1, 2017
2017_1007taimoto

2 つのネットワーク間の類似性を定量化することは,多くのアプリケーションで重要である.主にノードおよびエッジの特性に基づいて,グラフの類似性を計算するための多くのアルゴリズムが提案されている.興味深いことに,これらのアルゴリズムのほとんどは,空間的に定義された機能領域を含む脳ネットワークのコンテキストにおける重要な要素であるノードの物理的な位置を無視している.本論文では,3 次元座標系内のノードを先験的に定義した2 つのグラフ間の類似度を測定するためのSimiNet と呼ばれる新しいアルゴリズムを提案する.SimiNetは,ノード,エッジ,および空間の機能を考慮した定量化インデックス(0-1 の範囲)を提供する.複雑なグラフをSimiNet のパフォーマンスを評価するためにシミュレートし,これを8 つの最先端の方法と比較した.結果は,SimiNet がノードとエッジの両方を使用して類似度を計算することに加えて,比較グラフの弱い空間変動を検出できることを示していた.SimiNet は,視覚認識タスクの間に得られた実際の脳ネットワークにも適用される.このアルゴリズムは,2 つのカテゴリーの視覚刺激,すなわち動物および道具の命名作業中に得られた脳ネットワークの空間的変動を検出する時に高性能を示す.この研究の観点は,人間の脳における物体分類のより良い理解である.