дома нескучно
Как весело и с пользой пережить самоизоляцию

Алгоритм минимальной асимметрии вывода сети

9 November 2019
https://pin.it/st245bfcs6anb5
https://pin.it/st245bfcs6anb5

Недавний прогресс в области МРТ и алгоритмов диффузии и трактографии, а также запуск проекта коннектома человека обеспечили исследования мозга множеством данных о структурной связности.

Коннекто́м (англ. connectome /kəˈnɛktoʊm/) — полное описание структуры связей в нервной системе организма. Область исследований, включающая в себя картографирование и анализ архитектуры нейрональных связей, называется «коннектомика».

Основная проблема в этой исследовательской работе заключается в том, что предполагаемые мозговые сети, а также их топологические свойства часто чувствительны к параметрам процесса трактографии. В вероятностной трактографии наиболее критичным из этих параметров является порог подключения τ, который определяет, происходят ли сгенерированные трактографией линии тока от заданного начального вокселя до целевой ROI с достаточно большой вероятностью, чтобы указать на наличие фактического соединения.

https://pin.it/vyxxb2vsnqzufy
https://pin.it/vyxxb2vsnqzufy

Данная работа фокусируется на следующей проблеме: как сделать вывод о структурной сети между заданным набором серого вещества интересующей области надежным способом, не требующим произвольного выбора порога подключения? Предлагаемый метод, известный как алгоритм минимальной асимметрии вывода сети (АМАВС), использует основное ограничение диффузионного МРТ-изображения и процесса трактографии: диффузионная МРТ может оценить ориентацию волокон в каждом вокселе, но не может определить полярность (афферентная или эфферентная) этих волокон. Аналогично, алгоритм трактографии может комбинировать эти ориентации по вокселям для "сшивания" ожидаемых соединений, но он не предоставляет никакой информации о направлении этих соединений.

Учитывая это ограничение, АМАВС ожидает, что наличие фактического соединения от вокселя X до вокселя Y (в этом направлении) будет обнаружено в процессе трактографии как симметричное соединение между X и Y. Аналогично, если соединения между X и Y нет, процесс трактографии не должен обнаруживать соединение ни в одном направлении. Основываясь на этом принципе, АМАВС формулирует проблему сетевого вывода как оптимизацию диапазона связности пороговых значений: выбирает значение τ, которое минимизирует асимметрию результирующей сети. Асимметрия сети нормализуется по отношению к асимметрии, которую можно было бы ожидать только благодаря единственной возможности в произвольной сети с одинаковой плотностью.

АМАВС основан на предпосылке, что существует идеальное значение (или диапазон значений) порога подключения, который может правильно классифицировать каждую направленную пару областей интереса как «соединение существует» или «соединение не существует». Когда такой порог существует, это приведет к созданию полностью симметричной сети (поскольку совершенно точная сеть на основе трактографии не может быть асимметричной). С другой стороны, если такого идеального порога не существует (например, может случиться так, что две соединенные области интересов слишком далеко друг от друга и трактограф не может "увидеть" их связь, или если линии потока не могут пересечь границу белого/серого вещества определенной области интересов в одном направлении, но не наоборот), то АМАВС стремится, по крайней мере, минимизировать нормализованную асимметричность измерений, даже если получившаяся сеть не будет полностью симметричной.

АМАВС может работать в тандеме с вероятностными методами трактографии, такими как probtrackx FSL, PiCo и fDF-PROBA. Его также можно комбинировать с детерминированными методами трактографии, такими как FACT, но только в том случае, если большое количество линий тока (в тысячах) генерируется из случайно расположенных семян в каждом вокселе.

Точность АМАВС оценивается на основе синтетически сгенерированных данных, с помощью которых генерируется сеть наземного контроля данными. Также АМАВС можно сравнить с идеальным пороговым методом, в котором предполагается, что оптимальный порог связности известен. Кроме того, в примере ниже показано, как связать уровень доверия с каждым ребром и как применять АМАВС в группе субъектов (на основе алгоритма «ранговой агрегации»).

В качестве тематического исследования применялся АМАВС к данным диффузной МРТ от 28 здоровых субъектов, чтобы вывести структурную сеть между 18 кортиколимбальными областями интересов, которые связаны с психоневрологическими расстройствами, такими как большое депрессивное расстройство (БДР) или посттравматическое стрессовое расстройство (ПТСР).

https://pin.it/vly2iqmdnruerp
https://pin.it/vly2iqmdnruerp

Была измерена «центральность» каждого узла в агрегированной по рангу сети на основе четырех метрик центральности (степень, близость, посредничество и PageRank). Различные метрики центральности фокусируются на разных понятиях важности. Центральность посреднического узла X фокусируется на количестве кратчайших путей между любой парой узлов, проходящих через X. BA25 (субкаллезная поясная извилина) является наиболее важным узлом с этой точки зрения, поскольку он служит «уникальным мостом» между 6 областями интересов лимбической системы и 9 кортикальными полями. BA25 также является самым центральным узлом с точки зрения его среднего расстояния до всех других узлов (центральность близости). Аналогичным образом была измерена центральность ребер всех соединенных пар узлов.

С точки зрения центральности по посредничеству, связь между BA25 и Прилежащего ядра на сегодняшний день является самой центральной в этой сети. Интересно отметить, что этот край включает сегмент белого вещества, который является целью терапии глубокой стимуляции головного мозга (ГСМ) для лечения большого депрессивного расстройства.

Развитие и повышение точности данных метода вывода структурных мозговых сетей из данных вероятностной трактографии, приблизит, в итоге, создание полного коннектома мозга человека.