인간 뇌 기능의 노드 재구성 다층 네트워크

Concepts de base

인간 뇌 기능을 모델링할 때, 시간에 따라 변화하는 뇌 영역의 기능적 연결성을 정확하게 포착하기 위해서는 기존의 고정된 ROI 기반 네트워크 분석 방식에서 벗어나 시간에 따라 재구성되는 동적 ROI를 사용하는 다층 네트워크 모델이 필요하다.

Résumé

인간 뇌 기능 분석을 위한 새로운 패러다임: 노드 재구성 다층 네트워크 모델

본 연구는 인간 뇌 기능을 네트워크로 모델링하는 데 있어 기존의 고정된 뇌 영역 (ROI) 기반 분석 방식의 한계점을 지적하고, 이를 극복하기 위해 시간에 따라 동적으로 변화하는 ROI를 사용하는 노드 재구성 다층 네트워크 모델을 제안합니다.
기존 ROI 기반 분석의 한계점

기능적 균질성 문제: 기존의 ROI는 뇌 활동의 시간적 변화를 반영하지 못하고 고정된 경계를 사용하기 때문에, 실제 기능적으로 연결된 복셀들을 하나의 ROI에 담지 못하는 경우가 발생합니다. 이는 ROI 내 복셀 간의 상관관계가 낮아지는 기능적 균질성 문제를 야기하며, 데이터 손실 및 네트워크 구조 분석의 정확성 저하로 이어집니다.
시간적 역동성 반영의 어려움: 뇌 활동은 시간에 따라 역동적으로 변화하지만, 고정된 ROI는 이러한 변화를 반영하지 못합니다.

본 연구에서는 시간에 따라 ROI 경계를 최적화하여 기능적 균질성을 극대화하는 노드 재구성 다층 네트워크 모델을 제안합니다.
모델의 구성

각 시간 윈도우를 네트워크의 레이어로 정의합니다.
각 레이어 내에서 기능적 균질성을 최대화하는 방식으로 ROI 경계를 최적화합니다.
레이어 내 연결은 각 시간 윈도우 내 ROI 간의 기능적 연결성을 나타냅니다.
레이어 간 연결 가중치는 서로 다른 레이어에 있는 ROI 간의 공간적 중첩을 나타냅니다.
모델의 장점

기능적 균질성 향상: 시간에 따라 ROI 경계를 최적화함으로써 ROI 내 복셀 간의 상관관계를 높여 기능적 균질성을 향상시킵니다.
시간적 역동성 반영: 시간에 따라 변화하는 ROI 경계를 통해 뇌 활동의 시간적 역동성을 효과적으로 모델링할 수 있습니다.

Idées clés tirées de

Node-reconfiguring multilayer networks of human brain function

by Tarm... à arxiv.org 10-10-2024

https://arxiv.org/pdf/2410.05972.pdf