A Combined Static and Dynamic Model for Resting

医療情報システム研究室
脳機能イメージング K 班
【文献調査】
A Combined Static and Dynamic Model for
Resting-State Brain Connectivity Networks
郡 悠希
廣安 知之
日和 悟
2017 年 1 月 9 日
タイトル
1
休息時における脳内ネットワークの静的及び動的な結合モデル
著者
2
Aiping Liu, Xun Chen, Xiaojuan Dan, Martin J. McKeown, Z. Jane Wang
出典
3
IEEE Journal of Selected Topics in Signal Processing vol.10(7), pp.1172-1181, 2016
アブストラクト
4
休息状態の fMRI 信号を用いて離れた脳領域の相互作用をみる研究は，正常な脳機能を理解するために重要であ
ると認識されてきており，パーキンソン病などの多くの神経変性疾患の原因究明の鍵となる可能性がある．脳内
の結合については多く研究されているが脳内ネットワークの結合の時間的な変化はあまり研究されていない．本
稿では，脳の接続係数を正確に評価するために最小二乗法を用いたマルチタスク学習モデルを使用し，経時変化
する結合パターンだけでなく時間不変の結合も同時に推定する．我々は，パーキンソン病患者とコントロール被
験者の休息時の fMRI データに対してこの手法を適用し，静的及び動的な脳結合の代表的なパターンを得るために
固有ネットワークを推定した．我々はパーキンソン病患者群において認識の柔軟性のなさがパーキンソン病患者
の特徴であると示唆している先行研究と同じネットワークに変化の低さを発見した．
キーワード
5
Brain connectivity network,dynamic,functional magnetic resonance imaging (fMRI),Parkinson ’
s disease (PD)
static,time varying
参考文献
6
6.1
脳結合の評価に関する文献
• R.M.Hutchison et al., ”Dynamic functional connectivity: Promise, issues, and interpretations”, NeuroImage, vol.80, pp.360-378, 2013
• V.D.Calhoun, R.Miller, G.Pearlson, T.Adali, ”The chronnectome: Time-varying connectivity networks as
the next frontier in fMRI data discovery”, Neuron, vol.84, no.2, pp.262-274, 2014
6.2
脳内ネットワークの結合と疾患に関する文献
• J.R.Sato, E.A.Junior, D.Y.Takahashi, M.deMaria Felix, M.J.Brammer, P.A.Morettin, ”Amethod to produce evolving functional connectivity maps during the course of an fMRI experiment using wavelet-based
timevarying Granger causality”, NeuroImage, vol.31, no.1, pp.187-196, 2006
• N.Leonardi et al., ”Principal components of functional connectivity: A new approach to study dynamic
brain connectivity during rest”, NeuroImage, vol.83, pp.937-950, 2013
• A.Liu, X.Chen, M.McKeown, Z.Wang, ”A sticky weighted regression model for time-varying resting-state
brain connectivity estimation”, IEEE Trans. Biomed. Eng., vol.62, no.2, pp.501-510, 2015
1
• X.Li et al., ”Dynamic functional connectomics signatures for characterization and differentiation of PTSD
patients”, Human Brain Mapping, vol.35, no.4, pp.1761-1778, 2014
6.3
脳内ネットワークの結合度に関する文献
• D.S.Bassett, N.F.Wymbs, M.A.Porter, P.J.Mucha, J.M.Carlson, S.T.Grafton, ”Dynamic reconfiguration of
human brain networks during learning”, Proc. Nat. Acad. Sci., vol.108, no.18, pp.7641-7646, 2011
• S.Haller et al., ”Dynamic reconfiguration of human brain functional networks through neurofeedback”,
NeuroImage, vol.81, pp.243-252, 2013
• F.M.Krienen, B.T.T.Yeo, R.L.Buckner, ”Reconfigurable taskdependent functional coupling modes cluster
around a core functional architecture”, Philosoph. Trans. Roy. Soc. London B, Biol. Sci., vol.369, pp.1653,
2014
• A.Elton, W.Gao, ”Task-related modulation of functional connectivity variability and its behavioral correlations”, Human Brain Mapping, vol.36, no.8, pp.3260-3272, 2015
6.4
脳内ネットワークの時間的変化の推定方法に関する文献
• R.M.Hutchison, T.Womelsdorf, J.S.Gati, S.Everling, R.S.Menon, ”Resting-state networks show dynamic
functional connectivity in awake humans and anesthetized macaques”, Human Brain Mapping, vol.34,
pp.2154-2177, 2013
• G.J.Thompson, ”Short-time windows of correlation between large-scale functional brain networks predict
vigilance intraindividually and interindividually”, Human Brain Mapping, vol.34, pp.3098-3280, 2012
• Z.Fu, S.C.Chan, X.Di, B.Biswal, Z.Zhang, ”Adaptive covariance estimation of non-stationary processes and
its application to infer dynamic connectivity from fMRI”, IEEE Trans. Biomed. Circuits Syst., vol.8, no.2,
pp.228-239, 2014
• D.T.Jones et al., ”Non-stationarity in the resting brains modular architecture”, PloS One, vol.7, no.6,
pp.9.e39731, 2012
• A.Jalali, S.Sanghavi, C.Ruan, P.K.Ravikumar, ”A dirty model for multi-task learning”, Proc. Adv. Neural
Inf. Process. Syst. Conf., pp. 964-972, 2010
• C.-Y.Wee, P.-T.Yap, D.Zhang, L.Wang, D.Shen, ”Group-constrained sparse fMRI connectivity modeling
for mild cognitive impairment identification”, Brain Struct. Funct., vol.219, no.2, pp.641-656, 2014
• D.A.Handwerker, V.Roopchansingh, J.Gonzalez-Castillo, P.A.Bandettini, ”Periodic changes in fMRI connectivity”, NeuroImage, vol.63, no.3, pp.1712-1719, 2012
• W.H.Thompson, P.Fransson, ”The meanvariance relationship reveals two possible strategies for dynamic
brain connectivity analysis in fMRI”, Frontiers Human Neurosci., vol.9, p.398, 2015
• E.A.Allen, E.Damaraju, S.M.Plis, E.B.Erhardt, T.Eichele, V.D.Calhoun, ”Trackingwhole-brain connectivity dynamics in the resting state”, Cerebral Cortex, 2012
• U.Sakoglu, G.D.Pearlson, K.A.Kiehl, Y.M.Wang, A.M.Michael, V.D.Calhoun, ”A method for evaluating
dynamic functional network connectivity and task-modulation: Application to schizophrenia”, Magn. Reson. Mater. Phys., Biol. Med., vol.23, nos.5/6, pp.351-366, 2010
6.5
脳内ネットワークの結合変化に関する文献
• X.Liu, J.H.Duyn, ”Time-varying functional network information extracted from brief instances of spontaneous brain activity”, Proc. Nat. Acad. Sci., vol.110, no.11, pp.4392-4397, 2013
• M.W.Cole, D.S.Bassett, J.D.Power, T.S.Braver, S.E.Petersen, ”Intrinsic and task-evoked network architectures of the human brain”, Neuron, vol.83, no.1, pp.238-251, 2014
2