文摘

复杂网络分析已成为黄金标准调查人类大脑功能连通性。流行的方法量化功能之间的耦合fMRI时间序列是线性无滞后相关方法;然而,他们可能只显示部分方面的功能脑区之间的联系。在这项工作中,我们提出一个新颖的方法来评估功能核磁共振成像时间序列之间的耦合和构建脑功能网络。相空间框架用于地图夫妇的信号利用交叉复发情节(crp)交互系统的轨迹进行比较。同步指标提取的CRP评估耦合行为的时间序列。自的功能社区健康的人口预计将保持高度一致,同样的任务,我们定义的功能网络任务相关的功能磁共振成像数据的健康受试者和应用模块化算法来确定网络的社区结构。社区的类内相似度是评价来验证这种新规是否足够强劲的反对声音。同步指标也与皮尔森相关系数,发现社区似乎更好地反映脑功能组织在特定的任务。

1。介绍

人类的大脑,许多生物系统,可以被看作是一个复杂的网络交互的组件集成导致分层架构的高度专业化的模块(1]。制定网络简化了复杂系统的分析提供了数学工具能捕捉到不同方面的组织在一个紧凑和简单的方式。图理论方法被广泛应用于许多神经影像数据集来描述功能和结构网络的拓扑性质(2,3]。

特别是,在过去的几年里,越来越兴趣推断从fMRI数据连接属性。功能连通性分析旨在评估功能信号之间的耦合响应的强度在不同的大脑区域4]。根据复杂网络框架,感兴趣的解剖区域的节点网络,连接所引起的边缘采用区际交互指标。成对fMRI估计时间序列连接通常是通过无滞后相关性指标,导致加权网络的链接量化的统计相似性对区域。不同的预处理技术和策略也应用只为了提取相关信息的功能网络,例如,通过考虑一系列重量或通过应用几个阈值过滤掉弱连接(3]。功能连通性的研究揭示了有趣的见解的正常脑功能,如产权组织small-worldness [5),模块化和存在中心节点(6],低频神经活动模式的存在至关重要的改变在病理条件下(7]。在拟议的战略中,一些技术比别人更成熟,即使仍然没有达成哪些最有效或适当。

一些重要的问题关于网络的识别需要解决之前考虑任何分析技术。最近的研究表明,不同的边缘定义可能影响脑网络的拓扑属性获取变量研究[8,9]。因此,性质就像时间分辨率的生理时间序列在接受调查,观测噪声的影响,非线性效应的存在应该是考虑选择措施边缘的定义。功能磁共振成像数据的低时间分辨率限制数量的方法,可用于评估统计时间序列之间的相互作用。线性相关性度量,包括皮尔森的相关和偏相关,用于模拟环境,静息状态的研究,表现出良好的性能在估算功能连接在这两种情况下(9,10]。另一方面,非线性现象在人类的大脑一直在探索各种尺度,揭示复杂的耦合机制在静息状态和基于任务的神经活动(11,12]。大部分的功能连通性的研究集中在配置的内在连接网络(icn),因此没有评估可能出现的复杂的连接模式的认知任务。事实上,即使一个稳定的内在网络体系结构被发现在休息和大量的任务和条件,task-evoked功能连通性的变化也已经记录,证明存在的特定于任务的网络配置(13]。探索功能网络拓扑变化时的神经活动由认知任务调制可以提高一些重要的人类认知机制的理解,例如,专业化和一体化的动态平衡的大脑区域支持不同的认知负荷4)和连接之间的权衡成本和拓扑信息处理的效率14]。在外部评估功能交互任务应该要求指标,(i)对非线性时间序列之间的耦合和敏感(ii)对噪声更强劲。

在这项工作中,我们提出一个新颖的方法量化功能核磁共振成像时间序列之间的耦合和构建脑功能网络。我们用相空间框架映射对信号重构相空间,也就是说,他们的行为在所有的拓扑表示可能的初始条件(15]。该方法假定每个信号代表一个投影的高维动力系统进化,其轨迹嵌入流形,即相空间的一个区域。交叉复发情节(crp) [16)被用来减少相空间的维数和交互系统的轨迹进行比较。同步指标终于从CRP评估中提取耦合行为的时间序列。

提出了度量和皮尔逊相关系数应用于一群健康受试者的功能磁共振成像数据期间获得执行工作记忆任务构造加权网络。

在宏观层面上,功能相关的大脑区域表现出类似的大胆的反应。这些组区域形成密集的社区反映大脑的功能性组织,其属性可以链接到的拓扑特征task-evoked网络配置(17,18]。分析在这项工作旨在调查进行的一些性质task-evoked功能网络的模块化结构获得与皮尔森的相关指标和拟议的同步指标为了理解哪些指标可以更好地突出不同的子系统的功能性组织参与具体工作记忆任务。因此,一个模块化算法来确定每个功能网络的社区结构。社区评估和利用的类内相似度来验证指标是否足够强劲的对噪声和有效地揭示相关即使在外部刺激的存在。这种选择背后的基本原理是群落结构的一组健康的主题将是高度一致的相同的任务。

2。材料

2.1。主题

我们研究了健康受试者(年龄: ,标准偏差 ;24岁女性)分析。他们都是评估使用的正常结构而言,cs方法临床访谈dsm - iv (19排除任何精神条件。其他排除标准是重要的药物或酒精滥用的历史,活跃的药物滥用,意识丧失的头部创伤的经验,和其他重要的医疗状况。社会经济地位(hillingshead的实验四因子指数,20.爱丁堡]),偏手性(库存)21),和总智商(WAIS-R [22])也被测量(见表1)。本研究经当地伦理委员会批准(Comitato Etico地区Indipendente Azienda Ospedaliera Ospedale亲自Consorziale巴里)。书面知情同意后由所有参与者获得一个完整的描述的程序,依照《赫尔辛基宣言》。

2.2。功能磁共振成像任务

参与者进行了N - back工作记忆任务,提出了一系列的刺激和主题已经记住“N”的刺激措施。刺激的数字(1 - 4)提出了随机序列并显示点的钻石形的盒子。控制条件(0-back)仅仅是要求受试者识别当前的刺激。在工作记忆的情况下,所需的任务集合的刺激两刺激前(后)。任务是组织在一块设计中,包括8个交替0-back和二反条件,持续30秒。每30秒。块包括14到试验的interstimuli间隔2000毫秒。每次运行持续了4分钟,8秒,从虚拟扫描获得的,丢弃的,获得120卷。

2.3。功能磁共振成像数据

回波平面成像功能磁共振成像数据获得的血氧水平依赖通用标记3 t扫描仪(通用电气医疗集团)配备一个标准正交线圈。gradient-echo平面成像序列(重复一次,女士;回波时间,女士;厚度,mm;差距,mm;翻转角度90°;的视野,cm;和矩阵, )被用来获取图像而受试者执行任务。

图像预处理使用统计参数映射8软件(SPM8;http://www.fil.ion.ucl.ac.uk/spm)。图像重新第一卷的头部运动的时间序列来纠正(< 2毫米翻译,< 1°旋转),重新取样2毫米各向同性体素的大小、空间归一化到一个标准的立体定向空间(模板)蒙特利尔神经学研究所使用参非线性变形,平滑,减少噪声和高斯滤波器残余旋转的解剖学上的差异,设置在6毫米宽屏在半峰。

3所示。方法

3.1。网络建设

每个主题的脑容量分为246个不重叠的解剖区域(roi)的利益据Brainnetome阿特拉斯(23]。30从最腹侧的部分大脑区域不是期间获得扫描被丢弃,不包括在以下分析。为每个剩下的ROI,单一时间序列是由平均fMRI时间序列中提取所有体素内的ROI。时间序列是高通滤波(截止频率1/128年代)。对于每一个主题,所有两两组合之间的功能连通性ROI评估了时间序列:(我)通过计算皮尔逊相关系数;(2)通过计算他们的c反应蛋白,然后通过计算同步(同步)指数如下小节中描述。

最后,对于每一个主题,我们确定了两个无向加权网络的边缘了(1)签署了成对的皮尔森相关系数;(2)同步索引。

3.2。同步指数

系统被定义为状态变量,描述它的值在给定的时间。当这样的系统在时间演化,其所有状态的序列相空间轨迹的形式,也就是说,一个多维空间的尺寸取决于系统的变量的数量。从不同的初始条件,一个真正的物理耗散系统倾向于发展以相似的方式,这样,它的轨迹收敛区域的相空间吸引子代表系统的稳态行为(15]。

在实验环境中,时间序列从一个可观测变量的抽样获得可用,可以重建系统的相空间在调查中通过塔肯斯定理(24]。因此,一个国家在重构相空间是由一个维延时嵌入向量获得时间延时输出的信号 在哪里嵌入维度和吗是时间延迟。

这两个参数必须正确选择,以避免在相空间冗余。维度重构的相空间应该大到足以保护动力系统的属性( ,在那里是原来的相空间的关联维数)。正确的时间延迟时应选择通过确定时间序列的样本是独立的足够有用的时间推迟了向量的坐标。嵌入参数的估计和提出了几个技术。作为一个例子,第一个局部最小值的平均互信息算法(25)可以用来选择合适的时间延迟。估计的最小嵌入维数通常是通过虚假的最近邻居算法(模糊神经网络)(26]。

两个不同的系统的轨迹中可以比较相同的嵌入参数c反应蛋白(16),一个矩阵的条目包括信息的亲密程度每个州的第一个系统,每个州的第二系统。分别与轨迹,以细节为两个系统, 和 CRP被定义为 在哪里是亥维赛函数,是亲密的阈值,的数量被认为是国家对于每一个系统,然后呢是一个标准函数。一个通用的条目在生成的 数组被设置为一个点之间的距离和小于阈值或为零。

参数的值必须认真估计,因为它影响结构情节的创建。选择一个合适的阈值可以通过考虑观测噪声的影响,可能会影响实验措施和轨迹的两个系统之间的最小距离。一般来说,选择等于几的百分比最大相空间直径可以确保在十字架上足够数量的结构递归图(27),而工件的外观可以避免通过考虑底层物理系统的信噪比(28]。

CRP展品特征模式显示当地时间关系的轨迹段的两个相互作用的系统。典型的结构包括单点、对角线和垂直和水平线。对角线发生在美国的发展是相似的在不同的时间和他们的长度是两个系统的相关时间段以相似的方式移动剩余接近[29日]。c反应蛋白也可以表现出的主对角线称为行同步(洛杉矶)。洛杉矶的存在意味着国家的身份的两个系统在同一时间间隔,即 州,所以可以分析其结构提取的信息同步的两个时间序列(30.]。特别是,洛杉矶的存在表明,这两个时间序列是完全同步的,而不连续时出现两个信号没有相同的频率和相位。因此,同步时间(同步)已经被定义为一个指标量化的平均期,两个系统同步,以反映动态同步行为的系列整个观察期。同步成正比的比例之和子分段的长度吗在洛杉矶的样本总数 : 在哪里子分段的总数。

视觉参考,见图1。在图1(一),两个功能磁共振成像同步时间序列比较,如图1 (b)两个完全同步的功能磁共振成像时间序列所示。值得注意的是,在第一种情况下有不连续的洛杉矶,而在第二种情况下《是连续的。他们的同步值,分别和 。

3.3。模块化检测

提出了几个社区检测方法找到一个最优的节点分割成nonoverlapped社区,也就是说,集群的节点更密集彼此连接到网络中的其他节点31日- - - - - -33]。所有这些方法旨在最大化一个模块化度量评估质量的一个分区通过比较一个社区内的密度连接,将在一个随机网络。在这里,鲁汶算法(33)被用来找到社区roi的两个功能网络获取两个分区为每个主题。鲁汶方法分为两个阶段,反复迭代。模块化的支持局部优化的第一步,而在第二步第一步中的社区定义一个新的粗粒度的网络计算。这个算法被选中,因为它是快速和似乎是由分辨率极限问题(即影响较小。,检测模块的能力小于一定尺寸)由于其多层次的本性。该方法优化模块化函数定义为 在哪里节点之间的联系吗和 , 是链接的权重的总和与节点 , 是分配给节点的社区 , 是所有的总和的链接网络,然后呢是函数。

3.4。统计分析模块

采用统计框架以比较为每个功能分区的所有主题网络(34]。

归一化互信息(敝中断)(35)是用来评估几个社区分区之间的相似性。分别为两个网络分区,和 ,它被定义为 在哪里 两个分区和之间的互信息吗和的熵和 。(如果这个指标范围之间的零和是完全独立的)和一个(如果和是相同的)。

类内群落结构相似性的统计相关性均通过一个排列测试。首先,每个功能网络的随机重组版本生成保存重量、密度、程度和序列,导致两组网络:实际及其随机匹配网络。然后,敝中断计算之间所有可能的对每组内网络分区。空分布生成随机化集团标签次,通过计算交换类内平均在每个排列敝中断。最后,一个值被分配的次数,交换类内mean-similarity大于实际的类内相似性,除以排列的数量。

为了检查节点分配给特定功能的一致性的社区,我们在网络进行了进一步的分析。自标签模块任意分配的社区检测算法在每次迭代中,有必要与分区值对象可视化组级别的社区结构。这个问题是可以克服的,找到一个模板分区作为参考和重新分配的标签社区匹配模板,同时保留不同模块之间的差别在每个分区(34]。在这部作品中,分区的每个网络指标都匹配的最具代表性的网络分区组,即中值由成对敝中断。一旦重新分配分区的标签,可以评估每个ROI的类内一致性在社区成员通过计算ROI出现的事件数与一个特定的标签。

4所示。结果

4.1。CRP参数

我们随机选择的一个子集大胆的从整个时间序列数据集和应用模糊神经网络算法首先估计嵌入维度和局部最小值的平均互信息选择适当的时间延迟。我们获得的米= 5.2±0.75 ,所以嵌入式参数设置 和 。以下报告的标准(27,28),我们确定了范围的阈值 。进行分析的平均值范围,设置 。

4.2。统计分析模块

模块化结构的排列测试显示显著差异之间关联的所有的功能网络和随机版本( 的夫妇),表明不同的模块化分解与零模型。然而,如图2(一个)皮尔森的网络展览类内敝中断值远低于那些获得通过同步指标(见表2意思是,中位数和四分位范围数量)。非参数Wilcoxon等级和测试确认敝中断之间的显著差异值同步和皮尔森的指标( , )。敝中断值同步网络的范围也与那些控制健康受试者在休息中研究不同阈值的网络密度(34]。这些结果表明,同步指标分享更多的功能网络构建模块化结构比皮尔逊的网络也表现出更高的信噪比。

此外,我们评估了模块化指数 。这个索引范围之间和和措施的密度链接在社区与社区之间的联系。如图2 (b),这两个分布显著不同于随机版本(排列测试: 配对)和模块化的网络获得指数同步指标高于皮尔森的网络(价值产生的非参数Wilcoxon等级和测试 , )。

4.3。模块化的分区的比较和皮尔森的网络同步

因为我们计算连接措施在时间序列来自工作记忆任务时,我们将发现模块相关工作记忆性能涉及frontoparietal网络(36)汽车活动0-back相关任务(37),默认模式网络,释放在执行任务时(38]。图3显示了五个模块检测到鲁汶算法在集团层面。第一个模块包括视觉空间的内存和相似的关键领域的经典frontoparietal网络。相比之下,第二模块包括更多的内侧区域,节点属于前和后默认模式网络(39,40]。第三个模块与感觉器官网络重叠广泛,包括预处理和中央后节点,但也的颞叶区域参与听觉感知。有趣的是,第四和第五模块几乎完全映射到皮质下区域,包括背基底节和丘脑腹侧纹状体,分别。这些地区参与工作记忆性能(41,42),但有趣的是注意到,这里采用的技术解析皮质和皮质下区域的连接激活的时间序列的基础上,提供解剖信息基于机能活动模式。图4显示了皮尔森在集团层面确定的两个社区的网络。第一个模块包括大部分的roi映射的第一个社区同步网络,而其他的roi都包含在第二个模块。

的一致性的大脑区域的分配功能模块的同步网络如图5。可以看到,所有的roi内frontoparietal网络中是最一致的主题;相比之下,一些节点从内侧颞叶、岛回,苍白球分配不均匀同一个社区整个主题。这些发现符合关键额顶叶网络参与工作记忆加工(43]。作为活动组地图,这张地图就像密切这些发现强调了连通性评估我们开发了敏感模块的功能作用。总的来说,网络小说解析获得的技术我们报道揭示了一个大脑区域之间的耦合模式符合已知的激活和失活模型在任务的性能。在图6显示每个ROI的类内一致性在社区成员皮尔森的网络。尽管整体一致性似乎通常高由于低数量的社区(2和5)直接比较和同步网络可能只是第一模块。片面的假说Wilcoxon等级测试证实了更大的一致性和roi内第一个模块同步矩阵(中间值的一致性: , , , )证明更好地识别frontoparietal网络在受试者在这样的矩阵。

5。讨论

在最近的研究中,定义的模块化分析应用于网络提出同步指数和皮尔森相关系数是为了调查任务相关大脑的功能性组织。模块化隐式相关重要的人类大脑的自我调节机制:高效密集within-module处理和稀疏的快速集成子系统中减少噪音传播和延迟(44]。因此,这个特性是严格与大脑之间的关键功能性组织系统专业执行不同的任务:模块化是将优化系统更大的组织中,同时减少模块化意味着有不如intermodular intramodular边边45]。低水平的模块化不兼容的快速适应人类大脑对外部刺激的反应。的确,缺乏高度专业化的模块可能不允许快速执行复杂的认知任务(45,46]。一致,减少了模块化与脑部疾病,其特征是异常有关的认知加工和已经发现大脑网络发育异常的标志(47- - - - - -49]。此外,有证据表明,而大脑的功能性组织的适应速度不是关键在健康个体执行特定任务,模块化是稳定的跨越时间,表明存在潜在的特定任务相关的模块化配置(17,50]。模块化的统计分析表明,更大的结构均匀性和更多的功能激活社区在工作记忆任务似乎更好识别同步网络,而皮尔森的相关性没有反映出这些特性将在一个健康的人口。在细节中,同步显示更高的敝中断和网络值从而表明提取的模块化分区更相似的人口和展览更加进社区。事实上,模块化指数统计量化硬分区作为其价值的美好与within-module交互和between-module交互之间的差异(51]。此外,每个主题的分区的一致性分析与分区的人口指出两个结果中位数:(i)两个网络显示在第一组级别类似的社区就像frontoparietal网络,但在同步网络映射到系统的其他模块在参与工作记忆性能检测;(ii)的统计比较roi内第一个模块强调更大的任务相关区域同步网络的一致性。这些发现表明,社区解决的问题是显而易见的皮尔森的网络,而所有的地区不包括在第一个模块确定在一个社区没有感觉器官网络之间的区别,默认模式网络,和皮质下区域甚至整个人口frontoparietal网络标识更弱。

在我们的框架中,同一社区检测算法应用于两种网络。自连接矩阵的算法生成一个节点分区,索引用于识别网络的一些性质如对噪声的敏感性和大脑区域之间的复杂的相互作用机制发生可能影响程度的网络分割成社区。几个大脑连通性指标已经被提议作为替代皮尔逊相关系数。连贯性和偏相干分析应用功能磁共振成像数据扩展无滞后的线性指标相关性。这些光谱措施估计线性定常时间序列之间的关系通过使用相位和幅度信息滞后(8]。一致性和部分相干都被证明是有效地克服无滞后相关的一个重要的限制,也就是说,其敏感性区域血流动力学响应函数的形状可能会导致虚假的相关性潜在的神经活动。在过去的二十年里,已经有越来越多的兴趣开发新连接指标敏感线性和非线性相互作用在人类的大脑。事实上,时空非线性大胆的被证明是一个重要的特征信号,应考虑正确描述复杂的大脑区域之间的相互作用。在[52)采用相空间多元方法研究非线性静息状态功能磁共振成像数据的属性。信号重建的动态使用延时嵌入一些主要组件的功能磁共振成像数据和相关维度和时空的李雅普诺夫指数计算评估非线性分形属性和混乱的动态行为的信号。代孕在fMRI数据测试证实了一个内在的确定性非线性行为的波动。其他方法为探索生理信号的动态行为。复发的情节和递归定量分析结构在其中包含被用来研究动态系统的递归性质(29日]。作为一个例子,在53]RQA受雇为一元数据驱动技术来量化复发模式功能磁共振成像数据。该技术涉及到每个时间序列在相空间的投影,复发情节。几个数字描述符用于量化复发模式在每一个时间序列。该方法代替了一般线性模型和概率独立分量分析在激活的研究。底层的想法是,single-voxel信号更加常规的刺激,所以RQA可以检测最活跃的体素没有任何模型的假设。复发情节和RQA被证明是成功的在分析噪声和非平稳的信号。这些方法提供的一组指标能全面系统的动态行为的相空间。一些研究也证实了它们的有效性分析EEG和梅格数据,特别是对于检测功能异常在几种疾病54- - - - - -57]。交叉复发情节二元扩展在于二维矩阵的递归图显示了对信号在相空间的交互。拟议的指数,从c反应蛋白中提取,代表了一个直观的可翻译的广义动态同步指标可以用来延长组已知RQA措施。

6。方法的局限性

这些结果承诺对我们提出的新技术的价值,即使它们不是免费的局限性。例如,由于我们使用task-dependent时间序列,我们还不知道是否这些结果扩展到静止状态数据,这将是未来的研究的对象。我们选择检查该功能连通性在其他几个研究[17,18,51),通过分析模块化体系结构在工作记忆。特别是,我们使用已知的任务相关功能模块的存在和高一致性在一个健康的受试者评估拟议的同步指标。我们认为block-designed任务的一个优势是大胆的活动提出了周期平稳特性由于任务的开关时间。相反,自发的大胆随时间波动本质上是动态的,因此不稳定(58]。出于这个原因,研究模块化与静息状态的数据需要修改动态框架正确识别稳定icn声明的目的。

另一个相关问题模块化属性用于执行同步指标之间的对比和皮尔逊相关指数。事实上,在我们的分析,我们发现两个任务相关社区的模块化和高一致性矩阵同步。这些特性都与更大的同质性的功能性组织主题针对相同的任务,尽管它们是兼容的行为预期在一个健康的群体,更严格的评估提出了同步的敏感性指标需要进一步分析。未来的研究可以采用替代同步网络的拓扑特性和与任务绩效或行为关联数据发现额外的洞察同步的适宜性指数作为功能磁共振成像的功能连通性度量时间序列。

最后,我们的研究都集中在另一种方法来定义功能连通性之间对大胆的时间序列。一般来说,功能连通性是指更大的神经成像光谱技术包括脑电图,梅格和检测技术。正如上面所讨论的,复发的阴谋被用来探讨动态脑电图和梅格的性质,提供有趣的特性在人脑的复杂现象。虽然同步指标提取交叉复发情节,可能需要一个单独的和准确的分析来维护的有效性指数在更广泛的背景下,扩大其使用更多的功能成像技术。

7所示。结论

在这个工作中,一个新的synchronization-based度量提出了评估在人类大脑功能连通性。度量是一个广义同步措施,同时考虑振幅和相位之间的耦合对功能磁共振成像系列。这种方法不同于在文献中使用的相关措施,因为它是更敏感的时间序列之间的非线性耦合现象,是对生理噪声更健壮。为了调查这后两个方面,我们进行了模块化分析任务相关的功能磁共振成像的一群健康受试者的网络建立与新提出的指标。目的是验证新规是否能够回归网络的功能模块是一致的与实际的组织的大脑区域在任务型活动。我们认为unthresholded完整连接矩阵测试同步的有效性对噪声和虚假的相关性。事实上unthresholded网络较低信噪比是最重要的链接不要站在所有的重量。通过比较网络构造通过该指标通过皮尔森系数,所得结果与同步指标似乎更好地反映任务相关的网络结构的检测到社区,功能性组织的roi,和更大的一致性的社区主题。

的利益冲突

作者宣称没有利益冲突有关的出版。